Epidemiologa y Estadstica

Epidemiologa y Estadstica

Epidemiologa y Estadstica

ndice
TEMA 1. ESTUDIO DE UN TEST. PARMETROS DE USO. ..................................................1 1.1. Estudio de un test. .....................................................................................................1 1.2. Relacin entre prevalencia y valores predictivos........................................................2 1.3. Aceptabilidad de un mtodo diagnstico. ..................................................................2 1.4. Screening. ...................................................................................................................2 1.5. Coeficiente Kappa. .....................................................................................................2 TEMA 2. CONCEPTO Y USO DE LA EPIDEMIOLOGA.........................................................2 2.1. Concepto de epidemiologa. ......................................................................................2 2.2. Indicadores de riesgo. Causas de enfermedad. ..........................................................2 TEMA 3. MEDIDAS DE FRECUENCIA DE LA ENFERMEDAD. ..............................................3 3.1. Formas bsicas de medida. ........................................................................................3 3.2. Medidas de frecuencia de la enfermedad. ..................................................................3 TEMA 4. MEDIDAS DE ASOCIACIN O DEL EFECTO. ........................................................3 4.1. Riesgo relativo (RR). ...................................................................................................4 4.2. Odds ratio (razn de desventaja). ..............................................................................4 4.3. Razn de prevalencia..................................................................................................4 TEMA 5. MEDIDAS DE IMPACTO. ..........................................................................................4 5.1. Diferencia de incidencias o riesgo atribuible (RA)......................................................4 5.2. Fraccin atribuible en expuestos o fraccin etiolgica del riesgo (FAE). ...................4 TEMA 6. TIPOS DE ESTUDIOS EPIDEMIOLGICOS. ...........................................................4 6.1. Estudios descriptivos. .................................................................................................4 6.2. Estudios analticos. .....................................................................................................5 TEMA 7. VALIDEZ Y FIABILIDAD DE LOS ESTUDIOS EPIDEMIOLGICOS. ......................7 7.1. Tipos de Error. ...........................................................................................................7 7.2. Validez y fiabilidad. .....................................................................................................8 7.3. Validez de un test diagnstico. ...................................................................................8 TEMA 8. ENSAYO CLNICO ......................................................................................................8 8.1. Introduccin. ..............................................................................................................8 8.2 Etapas en la realizacin de un ensayo clnico. ............................................................8 8.3. Tipos de ensayos clnicos. ..........................................................................................9 TEMA 9. NIVELES DE CALIDAD DE LA EVIDENCIA CIENTFICA.....................................10 9.1. Factores determinantes de la calidad de la evidencia cientfica................................10 9.2. Escalas de gradacin de la evidencia cientfica. ........................................................10 TEMA 10. ESTADSTICA. GENERALIDADES. ........................................................................10 10.1. Tipos de estadstica. .................................................................................................10 10.2. Poblacin y muestra. ................................................................................................10 10.3. Variables. ..................................................................................................................11

MANUAL CTO 6 Ed. TEMA 11. ESTADSTICA DESCRIPTIVA. ................................................................................11 11.1. Representacin grfica. ............................................................................................11 11.2. Sntesis de los datos. ................................................................................................12 TEMA 12. PROBABILIDAD. .....................................................................................................12 12.1. Probabilidad condicionada. ......................................................................................12 12.2. Regla de la multiplicacin. ........................................................................................13 12.3. Regla de la suma. ......................................................................................................13 TEMA 13. DISTRIBUCIONES DE PROBABILIDAD. ..............................................................13 13.1. Distribucin binomial. ..............................................................................................13 13.2. Distribucin de Poisson............................................................................................13 13.3. Distribucin normal o de Gauss. ..............................................................................13 TEMA 14. ESTIMACIN DE PARMETROS. .........................................................................13 14.1. Estimacin de medias. ..............................................................................................13 14.2. Estimacin de un porcentaje. ...................................................................................14 14.3. Estimacin de medidas de asociacin. .....................................................................14 TEMA 15. CONTRASTE DE HIPTESIS. ................................................................................14 15.1. Hiptesis nula, hiptesis alternativa y grado de significacin estadstica. .................14 15.2. Errores alfa y beta. ...................................................................................................14 15.3. Pruebas de significacin estadstica. .........................................................................15 TEMA 16. DISTRIBUCIN CHI-CUADRADO. ......................................................................15 TEMA 17. ANLISIS DE CORRELACIN Y REGRESIN. ....................................................16 TEMA 18. TAMAO MUESTRAL. ...........................................................................................16

Epidemiologa y Estadstica TEMA 1. ESTUDIO DE UN TEST. PARMETROS DE USO. 1.1. Estudio de un test.
Razn de probabilidad negativa. Compara la probabilidad de que un paciente enfermo presente un resultado negativo comparado con la probabilidad de que el resultado negativo se presente en un individuo sano.

La actividad epidemiolgica estudia la frecuencia de enfermedad. Sin embargo, todas sus medidas son realmente de la frecuencia de diagnsticos de enfermedad, de ah la importancia de conocer la autntica correspondencia entre el diagnstico y la realidad patolgica. Muy pocas pruebas diagnsticas, quiz ninguna, identican con certeza si el paciente tiene o no la enfermedad. La ecacia de una prueba diagnstica depende de su capacidad para detectar correctamente la presencia o ausencia de la enfermedad que se estudia, lo que se expresa matemticamente en cuatro ndices como: sensibilidad, especicidad, valor predictivo positivo y valor predictivo negativo. Estos ndices se obtienen a partir del anlisis de una serie de pacientes a los que se les realiza una prueba diagnstica (prueba problema), comparndose los resultados con los de una prueba de superior rendimiento diagnstico (prueba de referencia). Los resultados obtenidos se expresan de la siguiente manera: Tabla 1.

RP- = 1-S/E Valor predictivo positivo. Se trata de la proporcin de verdaderos positivos entre aquellos que han sido identicados como positivos en una prueba de test (MIR 03-04, 135; MIR 01-02, 205; MIR 99-00, 239; MIR 98-99, 199; MIR 98-99F, 204; MIR 97-98, 81; MIR 96-97, 138; MIR 96-97, 139; MIR 95-96, 30; MIR 95-96F, 60; MIR 94-95, 60).

Valor predictivo negativo. Se trata de la proporcin de verdaderos negativos entre aquellos que han sido identicados como negativos en un test (MIR 03-04, 135; MIR 02-03, 28; MIR 00-01, 217; MIR 94-95, 236).

VP a

FP b

Total positivos a+b

Valor global (eciencia) del test. Indica la proporcin de resultados vlidos entre el conjunto de resultados.

FN c Total de enfermos a +c

VN d Total de sanos b+d

Total negativos c +d TOTAL INDIVIDUOS a+b+c+d

* *

Sensibilidad + Tasa de falsos negativos = 100%. Especicidad + Tasa de falsos positivos = 100% (MIR 96-97, 152; MIR 95-96F, 54). El resultado de un test puede ser continuo (p. ej. niveles de glucemia en mg/dl) y entonces hay que decidir cul se considerar como resultado positivo, hay que elegir un punto de corte.

Verdaderos positivos. Resultados positivos en sujetos enfermos. Verdaderos negativos. Resultados negativos en sujetos sanos. Falsos positivos. Resultados positivos en sujetos sanos. Falsos negativos. Resultados negativos en sujetos enfermos.

Sensibilidad (S). Se dene como la probabilidad de que un individuo enfermo tenga un test +. La sensibilidad indica la proporcin del total de enfermos que el test es capaz de detectar (MIR 03-04, 143; MIR 00-01F, 238; MIR 98-99F, 205). El punto de corte escogido determinar la sensibilidad y especicidad de la prueba (si cogemos 70, la prueba ser muy sensible y poco especca; si cogemos 140, ser poco sensible y muy especca) (MIR 96-97, 142). Para determinar el punto de corte se pueden utilizar las curvas de caractersticas operativas para el receptor (COR). Se seleccionan varios puntos de corte y se estima la sensibilidad y especicidad para cada uno de ellos. Posteriormente, se representa grcamente la sensibilidad en funcin de (1-Especicidad). La prueba ideal se sita en el ngulo superior izquierdo (S y E = 1).

Especicidad (E). Probabilidad de que un individuo sano tenga un test -. La especicidad indica la proporcin de individuos sanos conrmados como tales por el resultado negativo del test (MIR 98-99F, 208).

Tasa de falsos negativos (TFN). Es la probabilidad de que un individuo estando enfermo sea clasicado como sano.

Tasa de falsos positivos (TFP). Es la probabilidad de que a un individuo sano se le clasique como enfermo. Una prueba sin ningn valor sigue la diagonal que va del ngulo inferior izquierdo al ngulo superior derecho (cada incremento de la sensibilidad se asocia a una prdida de igual magnitud de especicidad). De esta forma, la sensibilidad y la especicidad son valores interdependientes, de forma que si aumenta la sensibilidad disminuye la especicidad y viceversa. Si se adoptan criterios de diagnstico muy estrictos disminuye la sensibilidad (hay menos enfermos que cumplen estos criterios), y paralelamente aumenta la especicidad (pocos sanos cumplen estos criterios) (MIR 01-02, 206; MIR 99-00F, 217; MIR 99-00F, 203; MIR 98-99F, 209; MIR 96-97, 147; MIR 96-97F, 216; MIR 96-97F, 197).

Razn de probabilidad positiva. Compara la probabilidad de que un paciente enfermo presente un resultado positivo comparado con la probabilidad de que el resultado positivo se presente en un individuo sano (MIR 99-00F, 209; MIR 98-99, 198; MIR 98-99, 201).

RP+ = S/1-E

Pg. 1

MANUAL CTO 6 Ed. 1.2. Relacin entre prevalencia y valores predictivos. 1.5. Coeficiente Kappa.

Los valores predictivos de un test son variables, dependen de la prevalencia de la enfermedad en la poblacin. La sensibilidad y la especicidad son caractersticas propias del test y no se modican con cambios en la prevalencia. Si la prevalencia de la enfermedad aumenta, aumenta el valor predictivo positivo, mientras que disminuye el valor predictivo negativo (MIR 99-00F, 203; MIR 97-98, 63; MIR 97-98, 87; MIR 97-98F, 69; MIR 95-96, 151). Si la prevalencia de la enfermedad disminuye, aumenta el valor predictivo negativo y disminuye el valor predictivo positivo (MIR 05-06, 215; MIR 96-97, 147; MIR 95-96, 95).

El coeciente Kappa es una medida del grado de concordancia no aleatoria entre varios observadores o entre distintas mediciones de la misma variable. Vara de -1 a +1 (MIR 97-98, 85; MIR 96-97F, 210). k= -1. Discrepan ms mediciones de lo esperado por azar. k = 0. Concordancia debida al azar. k = +1. Concordancia completa. Ejemplo. Dos oftalmlogos revisaron la misma serie de 100 fotografas de fondo de ojo para determinar el grado de retinopata. Se desea medir el grado de coincidencia, concordancia entre los dos observadores.

1.3.

Aceptabilidad de un mtodo diagnstico.

No existe un parmetro gua til para todas las situaciones. La aceptabilidad de un test depende de la patologa estudiada y de las condiciones reales en el medio y en la colectividad. Si lo que interesa es detectar el mayor nmero posible de enfermos, se debe usar un test con alta sensibilidad. As se te escaparn pocos, aunque al precio de bastantes falsos positivos. Elegiremos un test sensible cuando: La enfermedad sea grave y no pueda pasar desapercibida. La enfermedad sea tratable. Los resultados falsamente positivos no supongan un traumatismo psicolgico en los individuos examinados (MIR 98-99, 200). Si lo que quieres es asegurar el diagnstico, debes usar un test cuya especicidad sea mxima. Utilizaremos un test lo ms especco posible cuando: La enfermedad sea importante, pero difcil de curar o incurable. Los resultados falsamente positivos puedan suponer un trauma psicolgico para el individuo examinado . El tratamiento de los falsos positivos pudiera tener graves consecuencias (MIR 02-03, 49; MIR 01-02, 203; MIR 00-01, 210; MIR 96-97, 130; MIR 95-96F, 49).

TEMA 2. CONCEPTO Y USO DE LA EPIDEMIOLOGA. 2.1. Concepto de epidemiologa.

Etimolgicamente, la palabra epidemiologa procede del griego y signica tratado sobre el pueblo (epi = sobre, demo = pueblo, logos = tratado). Podramos denir la epidemiologa como la ciencia que estudia la distribucin y los determinantes del fenmeno salud-enfermedad en las poblaciones humanas. La comunidad sustituye al individuo a la hora de buscar la respuesta a ciertas preguntas sobre la etiologa y la prevencin de la enfermedad, y sobre los recursos necesarios para los cuidados de salud de esa poblacin. La epidemiologa se ocupa de dos aspectos fundamentales: 1. Estudiar la distribucin de las enfermedades en relacin con las variables lugar, tiempo y persona. Es lo que se denomina Epidemiologa Descriptiva. 2. Buscar los factores que determinan la distribucin encontrada e identicar asociaciones causales. Es lo que hace la llamada Epidemiologa Analtica. Las principales posibilidades de aplicacin de la Epidemiologa son: Establecer el diagnstico de salud de una comunidad. Conocer los factores causales de enfermedad y las probabilidades de enfermar. Evaluar la ecacia/efectividad/eciencia de los procedimientos preventivos y teraputicos de los servicios de salud. Los principales pasos dentro del mtodo epidemiolgico seran: 1. Observar un fenmeno. 2. Elaborar una hiptesis. 3. Probar la hiptesis. 4. Emitir un informe o ley.

1.4.

Screening.

Estrategia de deteccin precoz de la enfermedad. Lo ideal es aplicar primero un test muy sensible (detecta todos los casos posibles de enfermedad se obtienen muchos FP y pocos FN) y en una segunda fase aplicar un test muy especco (se conrma el diagnstico de esos posibles enfermos se obtienen muy pocos FP). En la puesta en marcha de un programa de screening deben tenerse en cuenta criterios dependientes de la enfermedad, del test y de la poblacin diana. 1) Criterios dependientes de la enfermedad. La enfermedad debe ser comn y grave. Debe conocerse la historia natural de la enfermedad. El tratamiento, en el estado presintomtico, debe reducir la morbimortalidad en mayor medida que el tratamiento despus de la aparicin de los sntomas. 2) Criterios dependientes del test. De fcil aplicacin. Coste razonable dentro del presupuesto de salud. Inocua para la poblacin. Conabilidad o capacidad de repeticin. Validez. Se reere a la capacidad del test de medir lo que realmente deseamos medir. El concepto de validez incluye los de sensibilidad, especicidad y valor predictivo.

2.2.

Indicadores de riesgo. Causas de enfermedad.

3) Criterios dependientes de la poblacin diana. El riesgo de ser afectado por la enfermedad debe ser alto. La informacin demogrca debe estar disponible en la comunidad. La comunidad debe sentir la necesidad de programas de salud pblica. (MIR 98-99F, 213; MIR 97-98, 66; MIR 96-97, 145; MIR 95-96, 109; MIR 95-96F, 188).

CONCEPTOS. Riesgo. Es la probabilidad de desarrollar una enfermedad por estar expuesto a ciertos factores. Causa. Es la condicin que, sola o acompaada de otras condiciones, inicia o permite iniciar una secuencia de acontecimientos que producen un determinado efecto. Factor de riesgo. Variable endgena o exgena al individuo, controlable, que precede al comienzo de la enfermedad y que est asociada a un incremento de la probabilidad de aparicin de la misma, y a la que podemos atribuir responsabilidad en la enfermedad. P . ej.: tabaco como factor de riesgo de cncer de pulmn. Marcador de riesgo. Variable no controlable, endgena al individuo (constitucional), y cuya presencia anuncia a los individuos particularmente vulnerables. P . ej.: sexo femenino como marcador de riesgo de cncer de mama. Indicador de riesgo. Variable sin relacin causal con el problema, pero cuya presencia alerta precozmente sobre el padecimiento. P . ej.: Manchas de Koplik como signo precursor de la aparicin del sarampin.

Pg. 2

Epidemiologa y Estadstica
CRITERIOS EPIDEMIOLGICOS DE CAUSALIDAD. La existencia de asociacin estadstica no es sinnimo de causalidad, sino que deben cumplirse los denominados criterios de causalidad. Fuerza de asociacin. Es un criterio muy importante, consistente en cuntas veces ms riesgo de enfermedad tienen las personas expuestas al factor estudiado que las no expuestas (ver Tema 4). Efecto dosis-respuesta. Es decir, que la asociacin tenga coherencia interna, que al incrementarse la presencia del factor de riesgo aumente la de la enfermedad. Secuencia temporal. La exposicin al presunto factor de riesgo debe preceder al efecto. Coherencia externa o consistencia de los resultados. Los resultados deben ser concordantes con los obtenidos en otros estudios (reproducibilidad). Ausencia de distorsiones metodolgicas en el estudio, debidas a sesgos. Ausencia de explicaciones alternativas. Es decir, ausencia de otras hiptesis que expliquen los resultados. Plausibilidad biolgica. Que los resultados sean compatibles con el marco de los conocimientos cientcos previos. Efecto de la cesacin o reversibilidad. Es decir, que exista una disminucin del riesgo tras la reduccin de la exposicin al presunto factor de riesgo. Demostracin experimental. Es la prueba causal por excelencia, pero su realizacin plantea en ocasiones problemas ticos (MIR 99-00, 240; MIR 99-00F, 207; MIR 98-99, 202; MIR 96-97F, 212). MODELOS CAUSALES. Determinista o unicausal. Este modelo dice que siempre que se presente la causa (causa suciente) y slo cuando se presente la causa (causa necesaria), ocurre el efecto. Hay especicidad de causa (el efecto tiene una nica causa) y tambin de efecto (cada causa produce un nico efecto). Multicausal. Postula que hay pluralidad de causas y multiplicidad de efectos, formando redes causales, de forma que diferentes causas producen el mismo efecto, y una nica causa produce varios efectos. Determinista modicado (Rothman). En este modelo se distinguen 3 tipos de causas: 1. Causa suciente. Es aquella que inevitablemente produce el efecto cuando se presenta. 2. Causa complementaria o contribuyente. Son aquellas causas que forman parte de una causa suciente. 3. Causa necesaria. Es la que debe estar presente inevitablemente para que se produzca el efecto, por tanto, debe formar parte de todas las causas sucientes de una enfermedad. Frmula: T = a / persona x tiempo. Ejemplo: 300 Ca pulmn/ 100.000 personas-ao.

3.2.

Medidas de frecuencia de la enfermedad.

Prevalencia. Es el nmero total de casos entre el total de la poblacin. No hace distincin entre casos antiguos y nuevos y nos describe la situacin en un momento determinado del tiempo. Es mayor a mayor incidencia y mayor duracin de la enfermedad (MIR 96-97, 141; MIR 96-97F, 213).

Incidencia acumulada. Se dene como el nmero de casos nuevos de una enfermedad que se producen en un perodo de tiempo. Es la probabilidad de que un individuo desarrolle la enfermedad en ese perodo (MIR 01-02, 195; MIR 00-01F, 234; MIR 98-99F, 212; MIR 96-97, 155; MIR 95-96, 44; MIR 95-96, 37).

sta se puede relacionar con la prevalencia segn las siguientes frmulas.

Densidad de incidencia. Se dene como el nmero de casos nuevos de la enfermedad que se producen en un perodo de tiempo, teniendo en cuenta la informacin que aporta cada uno de los individuos.

Personas x tiempo: es una unidad de medida de la poblacin en riesgo. Se obtiene sumando la cantidad de tiempo que cada individuo ha estado expuesto al factor de estudio. Ejemplo: 11 ao 2 ---4 aos 3 ----5 aos 4 -2 aos 5 -------8 aos <-- aos -> Total: 20 aos

TEMA 3. MEDIDAS DE FRECUENCIA DE LA ENFERMEDAD. 3.1. Formas bsicas de medida.

La densidad de incidencia es una tasa que expresa la velocidad con la que se desarrolla una enfermedad en una poblacin y, para ser vlida, todos los sujetos debieran haber sido seguidos un tiempo suciente para desarrollarla. Este concepto se conoce tambin con el nombre de fuerza de la morbilidad. Tabla 2. Medidas de frecuencia de la enfermedad.

Nmero. Es un valor absoluto. Al no conocer el denominador no se puede conocer la importancia relativa del problema. Razn. Cociente en el que el numerador no est incluido en el denominador, es decir, cociente entre dos entidades que poseen caracteres distintos. Sus valores oscilan de 0 a innito. Frmula: R = a/b Ejemplo: razn de hombres/mujeres. Proporcin. Cociente en que el numerador est incluido en el denominador. Sus valores oscilan de 0 a 1. Es adimensional. Frmula: P = a/a+b Ejemplo: proporcin de aprobados en un examen. Tasa. Mide la ocurrencia de un suceso durante un perodo de tiempo en una poblacin determinada. Es un cociente en el que el numerador est incluido en el denominador pero, a diferencia de la proporcin, el tiempo tambin est incluido en el denominador. Tienen, por tanto, dimensin temporal.

Casos existentes Poblacin total

Proporcin de individuos enfermos en una poblacin en un momento concreto

Casos nuevos observados Poblacin susceptible al comienzo del perodo

Riesgo individual de enfermar

Casos nuevos observados Suma de los perodos de riesgo

Velocidad con que determinada enfermedad aparece en una poblacin

TEMA 4. MEDIDAS DE ASOCIACIN O DEL EFECTO.

Miden la diferencia de ocurrencia de una enfermedad entre dos grupos de personas: personas expuestas (a un factor de riesgo) y personas no expuestas.

Pg. 3

MANUAL CTO 6 Ed. 4.1. Riesgo relativo (RR). TEMA 5. MEDIDAS DE IMPACTO. 5.1. Diferencia de incidencias o riesgo atribuible (RA).

Es la medida de asociacin en los estudios de cohortes. Mide la fuerza de la asociacin entre el factor de riesgo y la enfermedad. Puede variar entre 0 e innito (MIR 05-06, 198; MIR 03-04, 136; MIR 03-04, 149; MIR 03-04, 152; MIR 02-03, 29; MIR 00-01, 193; MIR 9899F, 211; MIR 96-97, 129). Responde a la pregunta: Cunto ms frecuente es la enfermedad entre los expuestos a un factor de riesgo, respecto a los no expuestos? Su signicado vara dependiendo del valor que tome: RR > 1 Factor de riesgo (FR). Indiferente. La incidencia es igual en ex RR = 1 puestos y no expuestos. Factor de proteccin. RR < 1

Es una medida que informa sobre el exceso de riesgo en los individuos expuestos frente a los no expuestos al factor de riesgo. Indica la incidencia acumulada en el grupo de expuestos que se debe exclusivamente al factor de riesgo. Representa el descenso en el nmero de casos nuevos entre los expuestos si se evitara el FR (MIR 03-04, 127; MIR 03-04, 152; MIR 00-01F, 249; MIR 94-95, 237). RA = Ie - Io

5.2.

Fraccin atribuible en expuestos o fraccin etiolgica del riesgo (FAE).

Es la proporcin de la enfermedad que se debe a la exposicin, es decir, la proporcin de casos nuevos de enfermedad, entre los expuestos, que se evitara si eliminsemos el factor de riesgo (MIR 02-03, 39; MIR 98-99, 193).
a c a+c b d b+d a+b c+d a+b+c+d

TEMA 6. TIPOS DE ESTUDIOS EPIDEMIOLGICOS. 6.1. Estudios descriptivos.

Incidencia en expuestos: Ie = a/a+b Incidencia en no expuestos: Io = c/c+d

(MIR 01-02, 212; MIR 99-00F, 211; MIR 99-00F, 198; MIR 97-98F, 83).

4.2.

Odds ratio (razn de desventaja).

Los objetivos de los estudios descriptivos son: 1. Describir las caractersticas y la frecuencia de un problema de salud, en funcin de las caractersticas de PERSONA (edad, sexo, estado civil...), de LUGAR (rea geogrca...) y de TIEMPO de aparicin del problema y su tendencia. 2. Servir de base para estudios analticos. 1. Series de casos clnicos. Describen las caractersticas de un grupo de enfermos. Son estudios longitudinales, ya que contienen informacin adquirida a lo largo del tiempo. Su principal ventaja es que permiten generar nuevas hiptesis, mientras que el mayor inconveniente es que no presentan grupo control, por lo que cualquier FR puede ser un hallazgo casual. 2. Estudios ecolgicos. Pueden ser transversales o longitudinales. Son estudios en los que la unidad de anlisis son grupos de individuos, no individuos (p.ej. clases de una escuela, ciudades, regiones). Son tiles cuando no se pueden hacer mediciones de exposicin individuales (contaminacin del aire, ruidos, etc.) (MIR 05-06, 196). Ventajas. Permiten describir diferencias en poblaciones que habrn de ser estudiadas con ms detalle posteriormente (MIR 00-01, 198). Limitaciones. Los datos son promedios de poblaciones. Se usan medidas aproximadas de exposicin (impuestos por alcohol, ventas de cajetillas de cigarrillos...) y de enfermedad (mortalidad en vez de incidencia...) lo que limita el valor de los hallazgos. 3. Estudios transversales o de prevalencia. Son estudios descriptivos y transversales, ya que estudian la relacin entre una enfermedad y algunas variables en un momento concreto del tiempo. Buscan hallar una posible relacin entre un FR y una enfermedad, que luego habr de ser vericada por estudios analticos (MIR 00-01, 195; MIR 00-01F, 240). Caractersticas. Es de corte o transversal, ya que enfermedad y caractersticas se miden simultneamente. Ventajas. No tienen problemas ticos, son de duracin mnima, su coste es bajo y son de fcil reproductibilidad. Son tiles para el estudio de enfermedades crnicas en la poblacin (MIR 99-00F, 205; MIR 95-96, 37). Inconvenientes. No es til para estudiar enfermedades raras, no permite ver el mecanismo de produccin de la enfermedad y no sirve para comprobar una hiptesis previa de causalidad (no es posible conocer la secuencia temporal porque

Es una razn. Es la medida bsica de los estudios casos-controles. Su signicado es idntico al del RR, aunque no puede calcularse como l, ya que en los estudios casos-controles no puede calcularse la incidencia de la enfermedad. Para que la OR sea un buen estimador del RR es necesario que los controles sean representativos de la poblacin de la que han surgido los casos y que la enfermedad tenga una incidencia baja, inferior al 10%. (MIR 02-03, 36; MIR 0001, 196; MIR 99-00F, 209).

a c a+c

b d b+d

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

4.3.

Razn de prevalencia.

Es la medida de asociacin de los estudios transversales. Su interpretacin es similar a la del riesgo relativo, es decir, el nmero de veces ms que padecen la enfermedad los expuestos frente a los no expuestos.

Pg. 4

Epidemiologa y Estadstica
la informacin sobre el factor de riesgo y la enfermedad se recogen a la vez) (MIR 01-02, 202; MIR 97-98, 62; MIR 96-97F, 214; MIR 95-96, 29). Anlisis de las medidas de enfermedad. Con el estudio de prevalencia, la medida que se obtiene es la RAZON DE PREVALENCIA de individuos expuestos (MIR 96-97, 136; MIR 95-96F, 53).

6.2.2. Estudios analticos cuasiexperimentales. Se diferencian de los estudios experimentales puros en que no hay asignacin al azar (aleatorizacin).
1. Ensayo comunitario de intervencin. Son una variedad de los ensayos de campo (MIR 00-01, 194). Se aplica a individuos sanos. Valora la ecacia de medidas preventivas. No se aplica aleatorizacin individual. 2. Ensayos antes-despus. En este tipo de estudios, el frmaco (o medida en general) se administra a los individuos y se compara el resultado con la situacin basal. Los estudios antes-despus tienen la ventaja de que son ms fciles de hacer, pero tienen el inconveniente grave de que, al no disponer de grupo de control, los resultados son difciles de interpretar. 3. Estudios controlados no aleatorios. Se realizan cuando la asignacin aleatoria, o no ofrece ventajas, o no se puede hacer.

6.2.

Estudios analticos.

Los estudios analticos (intentan establecer una relacin de causalidad entre el factor de riesgo y la enfermedad) se pueden clasicar en experimentales y observacionales. En los estudios experimentales es el investigador el que asigna el factor de estudio (qu frmaco, vacuna, campaa de educacin... cunto tiempo, cundo, cunta dosis recibirn los individuos...) mientras que en los observacionales, el investigador se limita a observar qu es lo que sucede en un grupo de individuos, sin manipular el estudio (MIR 05-06, 195).

6.2.1. Estudios analticos experimentales. TERMINOLOGA. Decimos que un estudio es experimental cuando cumple dos condiciones: Asignacin por parte del investigador del factor de estudio. Aleatorizacin de la muestra de modo que los participantes son adscritos al azar a uno u otro grupo de estudio. LIMITACIONES. Problemas ticos. Es el principal inconveniente de este tipo de estudios. No es admisible exponer a unos sujetos a un factor de riesgo que presumiblemente es el causante de una enfermedad. VENTAJAS. Son los estudios que mejor valoran la utilidad de una intervencin y aportan mayor evidencia causal (MIR 02-03, 27). Permiten un gran control sobre cualquier efecto que no sea el estudiado. Permiten el empleo de tcnicas de enmascaramiento.
1. Ensayo clnico aleatorio. Es, con mucho, el estudio experimental ms frecuente. La asignacin aleatorizada del factor de estudio (un frmaco o intervencin sanitaria) se hace sobre los individuos. Es el que ofrece la mejor evidencia de una posible relacin causa-efecto y la ecacia de una actuacin (MIR 05-06, 199; MIR 99-00, 229; MIR 98-99, 259; MIR 97-98, 78; MIR 97-98F, 74; MIR 96-97F, 211; MIR 96-97, 144). (Ampliar estudio en Tema 8).

6.2.3. Estudios analticos observacionales.

1. Estudios de cohortes. DESCRIPCIN. Partiendo de un grupo de individuos expuestos al factor de riesgo (cohorte expuesta), y de otros comparables en todo pero que no estn expuestos al FR (cohorte no expuesta), se estudia la incidencia de la enfermedad en ambas cohortes (MIR 05-06, 200; MIR 03-04, 132; MIR 01-02, 199; MIR 00-01F, 237; MIR 94-95, 239).

CARACTERSTICAS. Son estudios longitudinales, de seguimiento. Es prospectivo (excepto en los estudios de cohortes histricas). Va de la causa al efecto (enfermedad). VENTAJAS. Es el mejor estudio para comprobar hiptesis previas de causalidad, cuando por razones ticas, no es posible realizar un estudio experimental. Es el mejor para el estudio de la multiefectividad del factor de riesgo (todos los efectos del factor de riesgo). La posibilidad de sesgos es baja. Sirven para el estudio de exposiciones raras. INCONVENIENTES. No es bueno para el estudio de enfermedades raras (MIR 01-02, 198). No es bueno para el estudio de enfermedades de largo perodo de incubacin. El coste es alto. No sirve para el estudio de la multicausalidad de la enfermedad. Son difcilmente reproducibles.
Anlisis de las medidas de la enfermedad. Los estudios de cohortes son los que permiten saber cul es la incidencia de la enfermedad. Las medidas que se obtienen son: Riesgo relativo. Es la medida de la fuerza de la asociacin. Diferencia de incidencias o riesgo atribuible. Informa sobre el exceso de riesgo de enfermar. Fraccin atribuible. Estima la proporcin de la enfermedad entre los expuestos, que es debida al factor de riesgo. (MIR 99-00, 235)

Figura 1.

Ensayo clnico aleatorio.

2. Ensayo de campo. Es un estudio experimental que valora la ecacia de una medida preventiva. En general, estos estudios son ms caros que los ensayos clnicos y requieren mayor nmero de individuos. Las principales diferencias respecto a los ensayos clnicos son: Se hacen sobre individuos sanos. Valoran la ecacia de las medidas preventivas (MIR 99-00, 242).

2. Estudios de cohortes histricas (retrospectivas). El investigador identica, mediante registros, una cohorte expuesta en el pasado a un factor de riesgo, y otra cohorte no expuesta. Mediante dichos registros (p.ej. historias clnicas) sigue la evolucin de ambas cohortes, comparando los resultados. Por ejemplo: Los trabajadores que son despedidos, sufren una mayor morbilidad que los que no son despedidos? En 1989 se dise un estudio de cohortes retrospectivo, consistente en identicar a los trabajadores despedidos de una fbrica. De esa misma localidad, se identic a otro grupo de trabajadores

Pg. 5

MANUAL CTO 6 Ed.

que siguieron trabajando. Mediante las historias clnicas, se estudi la morbilidad de ambas cohortes. 3) Estudio de casos-controles. DESCRIPCIN. Partiendo de un grupo de individuos enfermos (casos), y de otros comparables a ellos en todo, pero que no tienen la enfermedad (controles), se estudia la exposicin, en ambos, a distintos factores de riesgo (MIR 05-06, 197; MIR 03-04, 129; MIR 03-04, 137; MIR 0102, 196; MIR 00-01, 197; MIR 95-96F, 56). de la enfermedad ya que partes de una poblacin seleccionada. Tampoco tienes informacin sobre la prevalencia, ya que el nmero de enfermos slo depende de los que t elijas. Debido a ello, la fuerza de la asociacin no se puede calcular directamente, como en el estudio de cohortes, sino de forma indirecta mediante la ODDS RATIO (MIR 99-00, 234). Tabla 3. Diferencias entre los estudios de cohortes y los de casos y controles.
Definida S Varios Una Poco til Muy til Pocos Muchos Elevado Larga Regular Indefinida No Uno Varias Muy til Poco til Muchos Pocos Bajo
C or t a

CARACTERSTICAS. Es un estudio longitudinal. Es retrospectivo. Va del efecto (enfermedad) a la causa. VENTAJAS. Es de corta duracin. Es ideal para el estudio de enfermedades raras. Es el mejor para el estudio de enfermedades de largo perodo de induccin. El coste es bajo. Es el mejor para el estudio de la multicausalidad de la enfermedad (los posibles factores de riesgo de una determinada enfermedad). Es el mejor para formular nuevas hiptesis etiolgicas. INCONVENIENTES. No es bueno para comprobar hiptesis previas de causalidad. No permite el estudio de la multiefectividad del factor de riesgo. La posibilidad de sesgos es muy alta, su control difcil.
Anlisis de las medidas de la enfermedad. En los estudios de casos-controles no puedes obtener informacin sobre la incidencia

Mala

ESTUDIOS EPIDEMIOLGICOS

ESTUDIOS DESCRIPTIVOS (describen una situacin)

ESTUDIOS ANALTICOS (analizan hiptesis)

- Series de casos clnicos. - Estudios ecolgicos. - Estudios descriptivos de mortalidad. - Estudios descriptivos de morbilidad. - Estudios de prevalencia (estudios transversales).

Existe asignacin controlada del factor de estudio? SI

NO

Existe asignacin aleatoria de los sujetos?

ESTUDIO OBSERVACIONAL

SI

NO

Eleccin de los sujetos en funcin de?

ESTUDIO EXPERIMENTAL

ESTUDIO CUASI-EXPERIMENTAL Enfermedad (efecto) Exposicin al factor

- Ensayo clnico. - Ensayo de campo. - Ensayo clnico cruzado.

- Ensayo comunitario de intervencin. - Estudio antes-despus. - Estudios controlados no aleatorizados.

Existe hitoria previa de exposicin? SI Estudio de casos-controles NO Estudio de prevalencia (transversal) Estudio de cohortes

Figura 2. Tipos de estudios epidemiolgicos.

Pg. 6

Epidemiologa y Estadstica TEMA 7. VALIDEZ Y FIABILIDAD DE LOS ESTUDIOS EPIDEMIOLGICOS.

Cuando realizamos un estudio de investigacin clnica casi nunca trabajamos con poblaciones completas. Lo que hacemos es, partiendo de observaciones realizadas en un grupo reducido de personas (la llamada muestra), generalizar o extrapolar nuestros resultados a colectivos ms amplios. El hecho de que no trabajemos con poblaciones completas, sino con muestras, puede introducir en nuestras observaciones errores producidos por el azar, a los que llamamos errores aleatorios. Existen adems otros tipos de errores no relacionados con el hecho de trabajar con muestras, y que son conocidos como errores sistemticos o sesgos. Clasicacin incorrecta diferencial. La probabilidad de clasicacin errnea de la exposicin (en un estudio de casos y control) afecta de manera desigual a sanos y enfermos o la clasicacin de enfermo o no enfermo (en un estudio de cohortes) se hace de manera distinta, segn se est o no expuesto al factor de estudio. Este tipo de sesgo produce una sub o sobreestimacin del efecto del factor de exposicin en la enfermedad. Dentro de este grupo cabe destacar: Sesgo de memoria. Se produce en los estudios casos y controles. El hecho de padecer la enfermedad hace que ests ms motivado para recordar posibles antecedentes de exposicin. Sesgo de atencin o efecto Hawthorne. Los participantes en un estudio pueden modicar su comportamiento si saben que estn siendo observados. Clasicacin incorrecta no diferencial. La probabilidad de clasicacin errnea ocurre en todos los grupos de estudio de manera similar. El error de clasicacin no diferencial produce una infraestimacin del efecto del factor de exposicin estudiado en la enfermedad (MIR 99-00F, 200).

7.1.

Tipos de Error.

1. Error aleatorio. Es el error que puede atribuirse a la variabilidad aleatoria que conlleva siempre un proceso de muestreo. El azar hace que la muestra con la que vamos a trabajar no sea representativa. El error aleatorio no afecta a la validez interna de un estudio, pero reduce la posibilidad de elaborar conclusiones sobre la relacin exposicin-enfermedad, aunque no altera el sentido de la asociacin. Los errores aleatorios, a diferencia de los errores sistemticos, se pueden minimizar aumentando el tamao de la muestra (MIR 97-98F, 67; MIR 96-97F, 206). 2. Errores sistemticos o sesgos. Son los errores producidos cuando hay un fallo en el diseo o en la ejecucin del estudio, que hace que los resultados de la muestra sean diferentes de la poblacin de la que proceden. No se relacionan con el tamao de la muestra y, cuando no se controlan, tienden a invalidar las condiciones de un estudio, es decir, la existencia de sesgos conduce a la elaboracin de conclusiones incorrectas sobre la relacin entre una exposicin y una enfermedad. TIPOS DE ERRORES SISTEMTICOS. 1. Sesgo de seleccin (MIR 02-03, 40; MIR 94-95, 235). Se produce cuando se asignan sujetos al grupo control que dieren signicativamente, en alguna caracterstica clave, del grupo problema. Este tipo de sesgos se pueden controlar mediante un proceso de aleatorizacin en la constitucin de los distintos grupos de estudio (MIR 95-96, 34). Son ejemplos de este tipo de sesgo: Sesgo de autoseleccin o del voluntario. La participacin o autoderivacin del individuo al estudio compromete su validez. Sesgo diagnstico o sesgo de Berkson. Es el que se produce cuando para saber qu ocurre en la poblacin, eliges una muestra hospitalaria de esa poblacin y el factor de riesgo que estamos estudiando se asocia a una mayor probabilidad de hospitalizacin. Tambin se incluye en este tipo de sesgo aquel que puede surgir al elegir como control pacientes con alguna enfermedad que tambin se asocia al factor de exposicin estudiado. Sesgo del obrero sano. La salida del trabajador enfermo del mercado laboral compromete la validez del estudio. Falacia de Neyman. Se produce en los estudios casos y controles al seleccionar casos prevalentes (ya existentes) en vez de casos incidentes (casos nuevos). Esto conlleva que en los casos sea menos frecuente la exposicin a aquellos FR que disminuyen la supervivencia. Ejemplo. Queremos estudiar si la actividad fsica tiene algn efecto sobre la frecuencia de insuciencia coronaria. Comparamos personas con actividad y personas sedentarias. Un sesgo de seleccin sera cuando la inactividad de los sedentarios fuese a consecuencia de padecer la enfermedad cardaca. 2. Sesgo de informacin. Se produce cuando hay un error sistemtico en la medicin de alguna variable clave del estudio. La clasicacin incorrecta puede afectar de igual manera a todos los grupos de estudio o no. Los sesgos de informacin debidos al investigador o a los participantes en el estudio se controlan mediante tcnicas de enmascaramiento (MIR 05-06, 210; MIR 00-01, 201).

Ejemplo. Queremos estudiar el efecto del tabaco sobre la aparicin de bronquitis crnica, comparndose un grupo de fumadores y otro de no fumadores. Existe la posibilidad de que los fumadores sean diagnosticados ms fcilmente de bronquitis crnica que los no fumadores, simplemente por el hecho de que fumar se considera que est asociado a la bronquitis crnica. Tabla 4. Tipos de error.

Simtrico. Incorregible. Impredecible. Estimable por estadstica.

NO

Tamao muestral.

Asimtrico. Corregible. Predecible. Prevencin y control por epidemiologa.

SI

Sesgo de seleccin: - Aleatorizacin. Sesgo de clasificacin: - Enmascaramiento. Factor de confusin: - Aleatorizacin. - Apareamiento. - Restriccin. - Estratificacin. - Anlisis multivariante.

3. Factor de confusin (confounding). Un factor de confusin es una variable extraa al estudio que modica los resultados que se obtienen. Todo factor de confusin debe cumplir tres condiciones (MIR 03-04, 147; MIR 02-03, 43; MIR 01-02, 200; MIR 00-01F, 236; MIR 00-01, 208): Ser un factor de riesgo para la enfermedad. Estar asociado con la exposicin. No ser un paso intermedio entre la exposicin y la enfermedad (MIR 97-98, 88). Para prevenir los sesgos de confusin tenemos distintas tcnicas (MIR 01-02, 215): Fase de diseo: aleatorizacin (estudios experimentales), apareamiento y restriccin (MIR 00-01, 219; MIR 99-00F, 206). Fase de anlisis estadstico: anlisis estraticado (dividir los datos globales en dos grupos segn la presencia o no del factor de confusin) y anlisis multivariante (MIR 98-99F, 217; MIR 98-99F, 214; MIR 96-97F, 207; MIR 94-95, 233). Ejemplo. Queremos saber si existe relacin entre el alcohol y el cncer de pulmn. La OR cruda es de 2,4. Sospechamos que el tabaco puede actuar como factor de confusin. Al estraticar observamos que: OR cruda: 2,4 OR en fumadores: 1 OR en no fumadores: 1

Pg. 7

MANUAL CTO 6 Ed.

El tabaco es un factor de confusin, puesto que el valor de la OR se ha modicado en los estratos (de 2,4 a 1). La verdadera OR entre alcohol y Ca. de pulmn es de 1. prospectivos y experimentales en los que, una vez seleccionada la muestra, se divide aleatoriamente en dos grupos de pronstico comparable que idealmente slo se diferencian en la intervencin teraputica que van a recibir (MIR 99-00F, 216; MIR 96-97F, 198; MIR 96-97F, 211; MIR 95-96F, 48). Teniendo en cuenta los objetivos perseguidos en el desarrollo de un medicamento, se distinguen 4 fases: Ensayo en fase I: es la primera vez que un frmaco se da a humanos. Generalmente se realiza con voluntarios sanos (n=20-80) y sin grupo control. El principal objetivo es evaluar la toxicidad y conocer la dosis nica aceptable no txica (MIR 05-06, 205). Ensayo en fase II: el principal objetivo es aportar informacin sobre la relacin dosis/respuesta, proporcionando una informacin preliminar sobre la ecacia. Se hacen en pacientes (n=100-200). No necesariamente tienen que ser comparativos (MIR 02-03, 23). Ensayo en fase III: es el prototipo del ensayo clnico. Suele ser comparativo con la teraputica de referencia o con un placebo. Es la investigacin clnica ms extensa y rigurosa sobre un tratamiento mdico. Sirve para establecer la ecacia de un nuevo frmaco y la existencia de efectos adversos frecuentes (MIR 05-06, 202). Ensayo en fase IV: tambin se denomina farmacovigilancia y consiste en el seguimiento postcomercializacin de un nmero muy elevado de pacientes con el n de detectar efectos adversos poco frecuentes o de aparicin tarda. La Fase IV tambin sirve para evaluar interacciones entre medicamentos y sugerir nuevas indicaciones de frmacos ya aceptados para otro n. As la Farmacovigilancia es la recogida de datos sobre seguridad de frmacos una vez que se autoriza su comercializacin. Su objetivo es detectar reacciones adversas poco frecuentes que no han sido identicadas durante el desarrollo del ensayo, dado que este se ha realizado en una poblacin limitada (generalmente n < 2000). El Sistema Espaol de Farmacovigilancia, recibe informacin de diferentes fuentes, entre ellas, y principalmente, la Noticacin Espontnea de reacciones adversas (MIR 05-06, 214). La noticacin espontnea de reacciones adversas, supone la recogida y noticacin mediante las tarjetas amarillas, de las reacciones adversas que aparecen durante la prctica clnica. En general, se acepta cualquier reaccin adversa. Sin embargo, las de mayor inters son las reacciones adversas graves, inesperadas o raras, y aquellas de frmacos de comercializacin reciente (menos de 3 aos). El programa de Noticacin Espontnea est dirirgido especialmente a mdicos, aunque incluye a otros profesionales sanitarios.

7.2.

Validez y fiabilidad.

Validez. El estudio mide lo que realmente se propone medir. Es el grado de ausencia de error sistemtico. Tambin recibe el nombre de exactitud. Validez interna. Es el grado de validez del resultado para los pacientes del estudio. Se dice que un estudio tiene validez interna, cuando los resultados del estudio son aplicables a los individuos del estudio. Validez externa. Se dice que un estudio tiene validez externa cuando los resultados del estudio son aplicables a otros individuos distintos de los del estudio (MIR 96-97, 151; MIR 95-96F, 63). Fiabilidad. Es el grado de reproductibilidad de un estudio, es decir, el grado de similitud que presentaran los resultados si repitieses el estudio en condiciones similares. Es el grado de ausencia de error aleatorio (MIR 96-97F, 223).

8.2
Figura 3. Tipos de error.

Etapas en la realizacin de un ensayo clnico.

A continuacin se desarrollan los pasos a seguir para la realizacin de un ensayo clnico en fase III con dos grupos de intervencin.

7.3.

Validez de un test diagnstico.

Para conocer si una prueba diagnstica es til, se comparan sus resultados con los de otra prueba que acta como patrn de referencia (gold standard). El grado en el que las medidas de la prueba evaluada se correlacionan con la de referencia se denomina validez de criterio. La prueba de referencia debe haber sido aceptada como tal por la comunidad cientca, se debe aplicar a toda la serie de casos estudiados y no tiene que incorporar informacin procedente de la prueba que evala. El valor real de la prueba slo podr ser establecido si el estudio se realiza en condiciones semejantes a la prctica clnica habitual, es decir, incorporando un amplio espectro de pacientes a los que en condiciones normales se les aplicara dicho procedimiento diagnstico (MIR 02-03, 50; MIR 01-02, 204; MIR 00-01F, 235; MIR 00-01, 212; MIR 96-97, 151).

TEMA 8. ENSAYO CLNICO 8.1. Introduccin.

8.2.1. Seleccin de la cohorte de estudio. Consiste en la eleccin de un grupo de sujetos adecuados para la evaluacin del medicamento de los cuales se extrapolarn los resultados del ensayo clnico. Mediante la formulacin de los criterios de inclusin se establecen las caractersticas clnicas y sociodemogrcas de los enfermos en los que se emplear el frmaco. Los criterios de exclusin se utilizan para desdear a aquellos enfermos con criterios de inclusin pero que presentan alguna contraindicacin, condiciones que pueden afectar a la variable resultado o alguna caracterstica que le haga complicado de ser estudiado (MIR 01-02, 211). En funcin de los criterios de inclusin, podemos dividir los EC en dos grandes grupos: EC pragmticos: se acercan lo ms posible a la poblacin general. Los criterios de inclusin son muy laxos (prcticamente los nicos son los diagnsticos) (MIR 03-04, 257; MIR 00-01, 200). EC explicativos: los criterios de inclusin son muy estrictos, por lo que la poblacin no es exactamente igual a la poblacin general.
Cuando los criterios de inclusin son muy estrictos, el EC presenta una muestra ms homognea y se necesita menor tamao muestral para detectar las diferencias. Adems, hay mayor validez interna. Sin embargo, existe una clara limitacin a la hora de generalizar los resultados y de reclutar a los pacientes. Se utilizan, sobre todo, en las fases II y III.

Un ensayo clnico es un experimento cuidadosa y ticamente diseado con el n de dar respuesta a preguntas que tienen que ver con la utilidad de procedimientos diagnsticos, teraputicos y prolcticos en el ser humano. Los ensayos clnicos son estudios

Pg. 8

Epidemiologa y Estadstica
En cambio, cuando no son estrictos, el reclutamiento se ver facilitado, se podr generalizar los resultados con mayor facilidad y tendr mayor validez externa. Sin embargo, la muestra ser heterognea, se necesita un mayor tamao muestral y los resultados son confusos si slo es ecaz en subgrupos de pacientes. Se utilizan en las fases III y IV. En esta etapa, tambin hay que determinar el tamao muestral. Este ha de ser suciente para obtener un IC del 95 % de la ecacia cuyos lmites sean clnicamente relevantes. Doble ciego: paciente, personal sanitario y evaluador de la variable resultado lo desconocen. Triple ciego: adems de los anteriores, el analista de los datos desconoce el tipo de tratamiento de cada uno de los grupos.

8.2.2. Medicin de variables basales. Consiste en determinar una serie de variables en los sujetos que cumplen los criterios de inclusin y han aceptado participar en el estudio (consentimiento informado), con los siguientes propsitos: Denir las caractersticas de la poblacin a la que podr extrapolarse el resultado del ensayo clnico. Aportar una serie de datos que nos permitan posteriormente vericar que la aleatorizacin ha sido ecaz y hacer anlisis estraticado (Ej. por edad) en caso de diferencias entre los dos grupos (MIR 01-02, 216; MIR 00-01F, 243). Demostrar que el evento resultado, cuya frecuencia se pretende disminuir con el frmaco estudiado, no est presente al comienzo del estudio. Registrar posibles predictores del evento inters, de modo que se pueda evaluar su interaccin con el frmaco estudiado si la aleatorizacin no los ha distribuido homogneamente entre los distintos grupos de estudio. 8.2.3. Aleatorizacin. Consiste en asignar por azar, sin que inuya ningn factor, los pacientes de la muestra a los dos grupos de intervencin de modo que, si el tamao muestral es sucientemente grande, se consiga una distribucin homognea de las variables predictoras en ambos grupos. Se puede realizar de tres formas diferentes (MIR 02-03, 42): Aleatorizacin simple: cada paciente tiene la misma probabilidad de ser asignado a cualquiera de los grupos de tratamiento. Con este mtodo, existe riesgo de desigualdad numrica entre grupos. Aleatorizacin por bloques: se establecen bloques de aleatorizacin, de modo que en cada bloque la mitad de los pacientes reciba el tratamiento experimental y la otra mitad el control. Con este tipo de aleatorizacin se evita la desigualdad numrica entre los distintos grupos, por lo que es especialmente til cuando el tamao muestral no es muy grande. Aleatorizacin estraticada: los pacientes son divididos en grupos (estratos) homogneos respecto a alguna variable de inters pronstico y posteriormente son asignados aleatoriamente a uno de los dos grupos de intervencin (MIR 02-03, 24).
En general, diremos que la aleatorizacin debe conseguir asignar los tratamientos de forma desconocida e impredecible. Debe ser un proceso reproducible y estar documentado. Ha de basarse en propiedades matemticas conocidas. No debe ser prevista la secuencia de los tratamientos, y nalmente, debe ser posible detectar los fallos de la asignacin. Para evitar sesgos en la aleatorizacin es importante que quien decide la inclusin de los paciente en el ensayo y quien lleva a cabo la aleatorizacin, desconozcan la secuencia de aleatorizacin hasta que se aplique a cada uno de los enfermos reclutados. En caso de no hacerse ocultacin de la secuencia de aleatorizacin, existe la posibilidad de seleccionar incorrectamente a los sujetos del ensayo y perder la comparabilidad de los dos grupos de tratamiento. La ocultacin de la secuencia de aleatorizacin se puede conseguir mediante un sistema de aleatorizacin centralizado en un lugar distinto a aquel en el que se lleva a cabo el ensayo o mediante sobres numerados secuencialmente, opacos y lacrados, que contengan el tratamiento y que slo se abran tras la inclusin del paciente en el EC (MIR 01-02, 211).

Tanto las reacciones adversas especcas como la falta de ecacia y los cambios analticos especcos pueden desenmascarar un EC. Otro aspecto a considerar en esta fase del ensayo clnico es que siempre que exista un tratamiento ecaz, hay que administrarlo al grupo control, as que lo que se determinar con el ensayo clnico ser la ecacia relativa del nuevo frmaco. En caso de no existir alternativa teraputica previa, se medir la ecacia en trminos absolutos.

8.2.4. Aplicacin de la intervencin. Es importante evitar que tanto investigadores como otros proveedores de cuidados traten de forma diferente a los dos grupos de intervencin. Para evitar esto, el llamado sesgo de cointervencin, y que la medicin de la variable resultado pueda estar sesgada por el mismo motivo utilizaremos el enmascaramiento. Los tipos de enmascaramiento son: Simple ciego: el paciente desconoce el grupo de tratamiento al que est asignado.

8.2.5. Anlisis de los resultados. En este punto se deben tener en cuenta los siguientes aspectos: Las prdidas de sujetos incluidos en el ensayo clnico ocurridas antes de la aleatorizacin van a afectar a la capacidad de generalizacin de los resultados, mientras que las prdidas postaleatorizacin pueden afectar a la validez interna (MIR 00-01, 203; MIR 00-01F, 242). El anlisis estadstico de los ensayos clnicos es muy parecido al de los estudios de cohortes, pero es ms frecuente el uso de mtodos no paramtricos y, al tener importancia no slo que ocurra la variable resultado, sino cundo ocurre, es frecuente el uso de anlisis de supervivencia (MIR 05-06, 216). Comparaciones mltiples: al aumentar el nmero de comparaciones, aumenta la posibilidad de resultados falsamente positivos. Anlisis de subgrupos: puede ocasionar problemas, especialmente cuando no se tiene previsto desde el principio. Produce comparaciones mltiples, aumenta la probabilidad de resultados espreos, y por tanto, sus resultados deben interpretarse con precaucin (MIR 00-01F, 244). Anlisis por intencin de tratar frente a anlisis por protocolo (MIR 05-06, 206; MIR 01-02, 208; MIR 98-99, 194; MIR 97-98, 86): - Por protocolo: incluye slo a aquellos pacientes que han cumplido los requisitos del protocolo y/o han nalizado el estudio. - Por intencin de tratar: el anlisis incluye a todos los pacientes que han sido seleccionados y en el grupo en el que fueron asignados, aunque no hayan nalizado el estudio o hayan cambiado de grupo. Los anlisis intermedios se realizan durante las fases III y IV del estudio. Estn justicados para evitar que los pacientes del grupo control no se benecien del tratamiento. Sin embargo, el realizar muchos anlisis intermedios aumenta el riesgo de cometer un error tipo I, debe estar previsto en el protocolo del estudio, se debe mantener la condencialidad de los resultados y debe haber una penalizacin estadstica porque, de nuevo, se estn realizando comparaciones mltiples (MIR 02-03, 26). La magnitud del efecto del tratamiento en los ensayos clnicos se puede expresar de varias formas: - El riesgo relativo: cociente entre el riesgo de sufrir un determinado evento en el grupo expuesto a un determinado tratamiento y el riesgo de sufrir el mismo evento en el grupo control (no expuesto al tratamiento) (MIR 02-03, 29; MIR 01-02, 209). - La reduccin absoluta del riesgo (RAR), que es la diferencia entre el porcentaje de eventos en el grupo control y el porcentaje de eventos en el grupo experimental (MIR 05-06, 207; MIR 00-01, 204). - La reduccin relativa del riesgo (RRR) es la diferencia entre el porcentaje de eventos en el grupo control y el porcentaje de eventos en el grupo experimental, dividido por el porcentaje de eventos en el grupo control. - El nmero necesario de pacientes a tratar (NNT), que se obtiene como el inverso de la RAR multiplicado por 100 y es el nmero de pacientes que se deben tratar para prevenir un suceso indeseable adicional (MIR 05-06, 201; MIR 03-04, 127; MIR 02-03, 47; MIR 01-02, 207; MIR 00-01, 218; MIR 99-00F, 199; MIR 98-99, 197).

8.3.

Tipos de ensayos clnicos.

Diseo clsico o en paralelo: el grupo control recibe el tratamiento a la vez que el grupo experimental con el n de controlar el efecto de factores pronsticos que pudieran cambiar a lo largo del

Pg. 9

MANUAL CTO 6 Ed.

tiempo. El anlisis de los datos consiste en comparar la diferencia en la variable resultado entre ambos grupos con la variabilidad esperable dentro de cada grupo por el mero efecto del azar. Los hallazgos sern estadsticamente signicativos cuando la variabilidad intergrupo sea sucientemente mayor que la intragrupal. Diseo cruzado o intrapaciente: consiste en que un mismo paciente va a recibir los dos tratamientos objeto de comparacin en dos momentos distintos, de modo que cada paciente sirve de control a s mismo, lo cual, al reducir la variabilidad, permite llevar a cabo el estudio con un tamao muestral menor al del diseo clsico. Uno de los problemas es el efecto carry-over o de arrastre (el efecto de uno puede inuir sobre la toma del otro), por lo que debe haber un perodo de lavado entre la administracin de los dos frmacos, de modo que el primer frmaco haya sido totalmente aclarado del organismo antes de administrar el segundo (MIR 03-04; 134; MIR 03-04, 138; MIR 02-03, 45; MIR 01-02, 217; MIR 00-01F , 240). La calidad de la evidencia cientca se clasica en tres grados de recomendacin para la adopcin de una medida sanitaria: Buena (grado A): existe adecuada evidencia cientca para recomendar o desaconsejar la adopcin del procedimiento mdico. Regular (grado B): existe cierta evidencia cientca (no concluyente) para recomendar o desaconsejar la adopcin del procedimiento mdico. Mala (grado C): existe insuciente evidencia cientca para recomendar o desaconsejar la adopcin del procedimiento mdico. Tabla 5. Gradacin de la evidencia cientfica.
Metaanlisis de EC controlados y aleatorizados. EC controlado y aleatorizado de muestra grande. EC controlado y aleatorizado de muestra pequea. EC controlado no aleatorizado con controles concurrentes. EC controlado no aleatorizado con controles histricos. Estudio de cohortes prospectivos. Estudio de cohortes retrospectivos. Estudio de casos y controles. Series clnicas, estudios transversales y ecolgicos. Comits de expertos.

Figura 4.

Ensayo clnico cruzado.

Diseo secuencial: consiste en introducir pares de pacientes randomizados a los dos tratamientos hasta que la diferencia entre los distintos tratamientos favorece a uno u otro (exceso de preferencias), momento en el que el ensayo clnico se detiene (MIR 05-06, 211; MIR 02-03, 22; MIR 00-01F, 241). Diseo factorial: en ese tipo de diseo se evalan simultneamente dos tratamiento distintos en una misma muestra de sujetos, asignndose aleatoriamente a los sujetos a uno de los cuatro grupos posibles: A, B, A+B y placebo. Con este diseo se puede evaluar la interaccin entre los dos tratamientos, aunque hay que asumir que los dos tratamientos no interaccionan entre s (MIR 05-06, 204).

TEMA 10. ESTADSTICA. GENERALIDADES.

Concepto de estadstica. Mtodo de razonamiento que permite interpretar un conjunto de datos cuyo carcter esencial es la variabilidad.

10.1. Tipos de estadstica.

1. Estadstica descriptiva. Organizacin, presentacin y sntesis de los datos de una manera cientca y lgica. 2. Estadstica inferencial. Bases lgicas mediante las cuales se establecen conclusiones relacionadas con poblaciones, a partir de los resultados obtenidos en muestras; trabaja con los datos que le proporciona la estadstica descriptiva y es la parte de la estadstica fundamental para la medicina clnica.

TEMA 9. NIVELES DE CALIDAD DE LA EVIDENCIA CIENTFICA. 9.1. Factores determinantes de la calidad de la evidencia cientfica.

10.2. Poblacin y muestra.

La poblacin es el conjunto de todos los individuos, generalmente inaccesible, que tienen en comn alguna caracterstica observable y del que se pretende obtener una serie de conclusiones. Se denomina muestra al conjunto menor de individuos, accesible y limitado, sobre el que se realiza el estudio con idea de obtener conclusiones generalizables a la poblacin. El proceso de seleccin de los individuos se puede realizar mediante distintas tcnicas de muestreo: a. Muestreo aleatorio simple. Es aquel tipo de muestreo en el que cada individuo tiene las mismas posibilidades de ser elegido para formar parte de la muestra. b. Muestreo aleatorio estraticado. Con este tipo de muestreo aseguras que la muestra tenga la misma proporcin de una(s) variable(s) que la poblacin de la que procede. c. Muestreo sistemtico. El proceso de seleccin se basa en alguna regla sistemtica simple, por ejemplo, elegir uno de cada n individuos. d. Muestreo por etapas o polietpico. La seleccin se realiza en dos o ms etapas sucesivas y dependientes.

Los aspectos del diseo de un estudio epidemiolgico que estn asociados a una mayor calidad y rigor cientco son: El sentido prospectivo del estudio (secuencia temporal). La asignacin aleatoria a los grupos experimental y control. La existencia de un grupo control concurrente. El enmascaramiento de pacientes e investigadores participantes. La inclusin en el estudio de un nmero suciente de pacientes como para detectar, en caso de haberlas, diferencias estadsticamente signicativas entre los distintos grupos del estudio.

9.2.

Escalas de gradacin de la evidencia cientfica.

Todas son muy similares entre s y presentan al metaanlisis de EC controlados y aleatorizados como el estudio ms riguroso y que aporta mayor evidencia causal (MIR 02-03, 21; MIR 01-02, 197; MIR 99-00, 229; MIR 98-99, 259; MIR 97-98F, 74; MIR 97-98, 78; MIR 96-97, 144).

Pg. 10

Epidemiologa y Estadstica
Por ltimo, individuo ser cada uno de los componentes de la poblacin y de la muestra. Al nmero de individuos que forman la muestra se llama tamao muestral (n). En ambos casos se debe cumplir el principio de proporcionalidad de las reas a las frecuencias absolutas. En los diagramas de sectores, el ngulo central es proporcional a la frecuencia absoluta correspondiente, por lo que tambin lo es su rea. Los diagramas de rectngulos tienen una base constante y una altura proporcional a la frecuencia absoluta correspondiente (tambin su rea es proporcional a la frecuencia absoluta).

10.3. Variables.
Una variable es una caracterstica observable que se desea estudiar en una muestra de individuos, pudiendo tomar diferentes valores. 1. Tipos de variables. Tabla 6. Tipos de variables.
Nominal dicotmica Nominal no dicotmica Ordinal Discreta Continua Sexo Raza

Nivel socioeconmico
N episodicos de asma/sem Uricema

2. Escalas de medicin. Son criterios usados para denir las diferentes categoras en que se pueden agrupar los valores de la variable. Las categoras de las variables deben cumplir dos condiciones: Mutuamente excluyentes. Colectivamente exhaustivas. Hay cuatro niveles de escalas de medicin. Nivel nominal. Clases o categoras en las que se est o no incluido. P.ej. estado civil, raza. Nivel ordinal. Las categoras se ordenan de una forma determinada (de mayor a menor, de menor a mayor). P.ej. intensidad del dolor (MIR 03-04, 146). Nivel de intervalo. Existe un orden numrico, la diferencia entre valores sucesivos es siempre la misma. P.ej. temperatura. Nivel de razn. Es la escala que proporciona ms informacin. Tiene las mismas caractersticas que la anterior, pero adems posee el cero absoluto (no tiene el rasgo que nosotros estamos midiendo). P.ej. glucemia, talla.

Figura 6.

Diagrama de rectngulos.

Variables cuantitativas discretas. - Diagrama de barras. En un diagrama, sobre el valor que puede tomar la variable, se levanta una barra cuya altura mide exactamente la frecuencia absoluta del valor. Tambin se puede representar la frecuencia relativa y/o los porcentajes. Variables cuantitativas continuas. Histograma. Es un grco que est formado por rectngulos adyacentes que tienen por base cada uno de los intervalos y por altura las frecuencias absolutas. La supercie de cada rectngulo es proporcional a la frecuencia de cada una de las clases y el rea total lo ser al nmero de individuos en la muestra. Polgono de frecuencias. Es una lnea quebrada que une los puntos medios de las barras superiores de los rectngulos del histograma.

TEMA 11. ESTADSTICA DESCRIPTIVA.

Se puede considerar la estadstica descriptiva como el conjunto de tcnicas que facilitan la organizacin, resumen y comunicacin de datos.

11.1. Representacin grfica.

La representacin grca de los datos facilita un anlisis visual. Segn la naturaleza de las variables estudiadas se utilizan diferentes tipos de representacin. Variables cualitativas. - Diagrama de rectngulos. - Diagrama sectorial (pastel).

Figura 5.

Diagrama sectorial.

Figura 7.

Histograma y polgono de frecuencias.

Pg. 11

MANUAL CTO 6 Ed. 11.2. Sntesis de los datos.

1. Medidas de localizacin o tendencia central. Las medidas de centralizacin nos indican alrededor de qu valores se agrupan los datos observados. Distinguimos: Media aritmtica. Es la medida de centralizacin ms comn. Se calcula sumando los valores numricos de todas las observaciones y dividiendo el total por el nmero de observaciones. La desviacin tpica es una medida complementaria de la media aritmtica; mientras que sta da una idea de la magnitud general de la distribucin, la desviacin estndar muestra cmo se distribuyen los valores alrededor de la media. La media aritmtica verica la propiedad de equilibrar las desviaciones positivas y negativas de los datos respecto a su valor, es decir, (xi - ) = 0. Acta, por tanto, como centro geomtrico o centro de gravedad para el conjunto de puntos. Mediana. Es el valor numrico que divide al conjunto de datos ordenados en dos partes iguales, es decir, el 50% de los datos ser menor que ella y el 50% de los datos mayor. En una distribucin simtrica, la mediana coincide con la media aritmtica, pero no en una asimtrica (MIR 98-99, 211; MIR 97-98, 77; MIR 96-97F , 204). Moda. Es el valor ms corriente o el valor de la variable que se presenta con mayor frecuencia. Pueden existir distribuciones con ms de una moda. Parmetros de posicin: cuartiles, deciles, percentiles. Valores que dividen el conjunto de las observaciones en cuatro, diez o cien partes iguales. Por ejemplo: Q2=D5=Pc50= Mediana. El 50% de las observaciones sern inferiores al segundo cuartil, quinto decil o percentil 50 (MIR 97-98F, 73; MIR 96-97F, 203; MIR 95-96, 31). Media geomtrica. Muy utilizada en microbiologa y serologa, cuyos datos tienen una marcada asimetra positiva (hacia la derecha). Ejemplo: ttulos de anticuerpos. Rango intercuartlico. Es la diferencia entre el percentil 75 y el 25. Es, junto con el rango, la medida de dispersin usada para los datos asimtricos. Coeciente de variacin (CV). Es una medida de dispersin adimensional. Es el porcentaje que representa la desviacin estndar sobre la media. Es el mtodo de eleccin para comparar la variabilidad o dispersin relativa de variables que estn expresadas en las mismas o en diferentes unidades (MIR 96-97, 153).

Tabla 7. Formas de medida.

Desviacin tpica o estndar
Rango intercuartlico Rango

Media
Mediana

COMPARACIN DE MEDIDAS DE CENTRALIZACIN. Aunque desde un punto de vista puramente descriptivo las tres medidas proporcionan informacin complementaria, sus propiedades son muy distintas: la media utiliza todos los datos y es, por tanto, preferible si los datos son homogneos; tiene el inconveniente de que es muy sensible a observaciones atpicas, y un error de datos o un valor anormal puede modicarla totalmente. Por el contrario, la mediana utiliza menos informacin que la media, ya que slo tiene en cuenta el orden de los datos y no su magnitud, pero, en contrapartida, no se ve alterada si una observacin (o en general una pequea parte de observaciones) es extrema o contiene errores grandes de medida o de transcripcin (MIR 95-96, 39). En consecuencia, es siempre recomendable calcular la media y la mediana: ambas medidas diferirn mucho cuando la distribucin sea muy asimtrica, lo que sugiere heterogenicidad en los datos. 2. Medidas de dispersin o variabilidad. Junto a las medidas de tendencia central, completan la informacin sobre la distribucin de la variable (indican si los valores de la variable estn muy dispersos o se concentran alrededor de la medida de centralizacin). Rango o Recorrido. Diferencia entre el valor mximo y el mnimo observado en una serie. R = Mx. - Mn. Desviacin media. Es la media de las desviaciones respecto a la media aritmtica.

3. Propiedades de media y varianza. Si a todos los valores de una distribucin se les suma una constante, su media queda aumentada en ese valor mientras que su varianza no se modica. Si a todos los valores de una distribucin se les multiplica por una constante, su media y su desviacin tpica quedan multiplicadas por la constante, mientras que su varianza queda multiplicada por el cuadrado de esa constante.

TEMA 12. PROBABILIDAD.

Supongamos una poblacin nita con N elementos, k de los cuales tienen la caracterstica A. Llamaremos probabilidad de la caracterstica A en la poblacin a: P (A) = k/N. La probabilidad se dene , desde un punto de vista ptimo, en trminos de frecuencia relativa.

De esta forma,

Propiedades. La probabilidad es un valor entre 0 y 1, es decir, 0 < P(A) < 1. Llamaremos suceso seguro E, al que ocurre siempre, entonces: P(E)=1. Si es el suceso complementario de A, que ocurre siempre que no lo hace A, entonces: P( ) = 1 - P(A). Dos sucesos son mutuamente excluyentes (incompatibles) cuando no pueden suceder a la vez (P.ej.: ser mujer y tener cncer de prstata). Dos sucesos son independientes cuando la probabilidad de aparicin de uno de ellos no depende, no se modica por la aparicin del otro (P . ej.: efectos secundarios de un frmaco en dos pacientes).

Varianza. Se dene como la media del cuadrado de las desviaciones de los elementos respecto a la media aritmtica.

Desviacin tpica o estndar. Es la raz cuadrada positiva de la varianza. Es, junto con la anterior, la medida de dispersin ms usada.

12.1. Probabilidad condicionada.

La probabilidad de A condicionada a la ocurrencia de B se dene considerando nicamente los casos en los que aparece B, y viendo

Pg. 12

Epidemiologa y Estadstica
en cuntos de estos casos ocurre el suceso A. Es la probabilidad de que suceda A, una vez que ya ha sucedido B.

12.2. Regla de la multiplicacin.

Es la probabilidad de que sucedan A y B. P (AB) = P (A/B)xP(B) Si dos sucesos son independientes: P (AB) = P (A)xP(B) (MIR 98-99, 210; MIR 96-97F, 224).

CARACTERSTICAS. Corresponde a variables cuantitativas continuas. Se caracteriza por dos medidas: media y desviacin tpica. Es unimodal. Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden (MIR 96-97F, 220). Tiene forma acampanada, sin un pico excesivo. Va desde - innito a + innito (asinttica al eje de abscisas). El rea bajo la curva = 1.
El 50% de las observaciones se encuentran por debajo de la media aritmtica y el 50% por encima. El 68% de las observaciones se encuentran dentro del intervalo S; el 95% dentro del intervalo 1,96 S y el 99% dentro del intervalo 2,57 S (MIR 98-99F, 219; MIR 98-99, 207; MIR 96-97F, 217; MIR 96-97, 146; MIR 95-96, 45).

12.3. Regla de la suma.

Nos indica la probabilidad de que suceda A o de que suceda B. P (AB) = P(A) + P(B) - P (AB) Si dos sucesos son mutuamente excluyentes (o bien se da A o bien se da B), entonces: P (AB) = P(A) + P(B)

Figura 8.

Reglas de la probabilidad. Figura 9. Distribucin normal.

TEMA 13. DISTRIBUCIONES DE PROBABILIDAD.

Una vez que hemos escogido la muestra y recogido los datos, el siguiente paso es inferir las propiedades de la poblacin a partir de la muestra. El instrumento conceptual que permitir esta generalizacin es un modelo de la poblacin, es decir, una representacin simblica de su comportamiento. Encontramos tres leyes tericas que tienen la particularidad de ser seguidas por una inmensa mayora de los fenmenos biolgicos habituales: Distribucin Binomial. Distribucin de Poisson. Distribucin normal o de Gauss.

Tipicacin. La distribucin normal viene denida por la media y la desviacin tpica; pueden existir, por tanto, innitas curvas de este tipo, tantas como innitos valores puedan tomar la media y la desviacin tpica. La distribucin normal tipicada tiene una media= 0 y una desviacin tpica =1 [N (0,1)] y se encuentra tabulada. Nosotros podemos transformar cualquier variable aleatoria que se distribuya normalmente a una normal tipicada mediante la siguiente transformacin:

13.1. Distribucin binomial.

Es una ley terica de aplicacin siempre que se conozca, de entrada, la probabilidad de aparicin de un fenmeno biolgico (p). El resultado es dicotmico y puede ser evaluado como xito o fracaso. La variable de inters es el nmero de xitos alcanzados en n pruebas . La distribucin binomial constituye siempre un diagrama de barras discontinuo se aplica a variables discretas.

TEMA 14. ESTIMACIN DE PARMETROS.

El propsito general de la inferencia estadstica es obtener conocimiento o informacin de una poblacin a travs de una muestra.

14.1. Estimacin de medias.

En este caso, queremos conocer la media poblacional a partir de la media muestral. Para ello, podemos aplicar: 1. Estimacin puntual. La media muestral es un buen estimador de la media poblacional (). 2. Estimacin por intervalos. El valor numrico de los estimadores puntuales determinados en muestras diferentes puede variar, es decir, si repitiramos los clculos con otra muestra diferente de la misma poblacin, el resultado de la media muestral podra ser diferente. Por tanto, sera mejor que, adems aportramos un intervalo que presumiblemente incluya tambin el parmetro de la poblacin. Es por tanto preferible la estimacin por intervalos, ya que entonces se indican lmites de valores dentro de los cuales el parmetro poblacional tiene la probabilidad de estar. Al intervalo alrededor del estadstico muestral se le denomina intervalo de conanza, y a sus lmites, lmites de conanza. El clculo de los lmites de conanza comprende el empleo del error estndar de la media y los principios de la distribucin normal.

13.2. Distribucin de Poisson.

Constituye un caso particular de la ley binomial para aquellas situaciones en que la probabilidad de aparicin de un fenmeno es muy pequea. Es, por tanto, la ley adecuada para los sucesos raros, cuando p < 0,1 y n x p <5.

13.3. Distribucin normal o de Gauss.

Es seguida por una inmensa cantidad de variables biolgicas cuyas medidas se agrupan alrededor de un valor central, y que presentan una frecuencia cada vez menor a medida que se alejan de dicho valor medio.

Pg. 13

MANUAL CTO 6 Ed.

Error estndar de la media. De una poblacin pueden extraerse innitas muestras, cada una de ellas con su media. Este conjunto de medias se distribuyen segn una curva normal cuya media, la media de las medias, es la media poblacional () y cuya desviacin tpica se conoce como EL ERROR ESTNDAR DE LA MEDIA; es, por tanto, la dispersin de las medias muestrales con respecto a la media poblacional (MIR 94-95, 227). Se calcula mediante la frmula: p: proporcin (en tantos por uno) hallada en la muestra. eep: error estndar del porcentaje.

14.3. Estimacin de medidas de asociacin.

Independientemente del tipo de estudio epidemiolgico y del parmetro utilizado para medir la fuerza de asociacin (RR, OR, RP), ste ha de ser extrapolado a la poblacin general mediante la construccin de un intervalo de conanza. Si el IC incluye el 1 (efecto neutro del factor de estudio), se habla de un resultado no signicativo (MIR 00-01, 199; MIR 99-00F, 211).

= desviacin tpica poblacional. NO TIENE NADA QUE VER LA DESVIACIN TPICA DE LOS VALORES DE LA VARIABLE EN LA MUESTRA O EN LA POBLACIN, CON EL ERROR ESTNDAR DE LAS MEDIAS MUESTRALES ALREDEDOR DE LA MEDIA POBLACIONAL.

TEMA 15. CONTRASTE DE HIPTESIS. 15.1. Hiptesis nula, hiptesis alternativa y grado de significacin estadstica.
Para su comprensin partiremos de un caso prctico. Se compara un tratamiento nuevo (N) contra la HTA con uno tradicional (T) en dos series de individuos. Tras cierto tiempo, N controla al 70% de los individuos y T al 30%. El problema consiste en saber si esto es debido a una real mayor ecacia de N o se debe simplemente a diferencias que el azar puede establecer (variaciones aleatorias del muestreo), sin que existan diferencias reales en el control de hipertensos entre ambos tratamientos. Para abordar este problema, se consideran dos hiptesis: Hiptesis nula (H0). No existen diferencias entre los dos tratamientos (N=T). Hiptesis alternativa (H1). S existen diferencias entre los dos tratamientos (N T). Estas dos hiptesis son mutuamente excluyentes, de forma que slo hay dos decisiones posibles: Rechazar H0 aceptar H1. No rechazar H0 no poder aceptar H1. Previamente al ensayo de una hiptesis, se ja la probabilidad mxima de que los resultados diferentes observados entre los dos grupos puedan ser debidos simplemente al azar (H0 cierta), que suele ser por convenio del 5%. A continuacin, se calcula cul es la probabilidad de que las diferencias que nosotros hemos observado puedan ser explicadas por azar. Esta probabilidad es el valor de la p o grado de signicacin estadstica. As, cuanto menor sea p, es decir, cuanto menor sea la probabilidad de que el azar sea el responsable de las diferencias, mayor ser la evidencia contra H0 y a favor de H1. Donde el valor t corresponde a los valores tabulados de la distribucin terica t-Student (MIR 05-06, 212; MIR 98-99F, 221; MIR 96-97F, 205; MIR 96-97F, 202; MIR 95-96, 28). De tal forma, si: p <0,05 Diferencias reales. Poca probabilidad de que se deban al azar. Se acepta H1. Resultado estadsticamente signicativo. Rechazo de Ho. p >0,05 No existe suciente evidencia como para decir que ambos tratamientos son diferentes. Las diferencias pueden deberse al azar con una probabilidad mayor al nivel de exigencia. No se rechaza H0 (MIR 05-06, 209; MIR 05-06, 208; MIR 05-06, 194; MIR 03-04, 153; MIR 99-00F, 212; MIR 98-99, 208; MIR 97-98, 75; MIR 97-98, 73; MIR 97-98, 68; MIR 97-98F, 65; MIR 96-97, 132; MIR 96-97F, 222; MIR 96-97F, 219; MIR 95-96F, 55; MIR 94-95, 224).

Figura 10. Clculo del error estndar de la media.

Si construimos un intervalo de conanza del 95%, concluiremos que en el 95% de las ocasiones la media poblacional estar entre:

Mientras que en un 5% de las ocasiones nos equivocaremos. Si establecemos el nivel de conanza en el 99%, la media poblacional se situar en un 99% de las ocasiones entre:

En el caso de que se desconozca el valor del parmetro (que es lo ms habitual en la prctica) o cuando n < 30, los lmites de conanza se calcularan siguiendo:

14.2. Estimacin de un porcentaje.

Si hemos estudiado una variable cualitativa, el objetivo ser aplicar a la poblacin el porcentaje o proporcin obtenido en la muestra con un margen de tolerancia (intervalo de conanza). En caso de muestras pequeas (n <100), la estimacin de un porcentaje poblacional sigue una distribucin binomial y su clculo est tabulado. En caso de muestras grandes (n >100) y si n x p>5 y n x(1-p)>5, la distribucin binomial se puede aproximar a la distribucin normal y la estimacin del porcentaje poblacional sera (MIR 98-99, 204): p 1,96 x eep, p<0,05 p 2,57 x eep, p<0,01, donde:

15.2. Errores alfa y beta.

Error tipo I. Se rechaza H0 siendo cierta. (Se acepta que hay diferencias y, de hecho, no las hay). Es como un falso positivo: dar como signicativo algo que no es. Se denomina a la probabilidad de cometer el error tipo I. El valor de la p coincide con la probabilidad de cometer el error tipo I (MIR 02-03, 35; MIR 01-02, 213; MIR 00-01, 202; MIR 99-00, 230). Cuando entre los distintos grupos de estudio se comparan ms de una variable de resultado, aumenta la posibilidad de resultados

Pg. 14

Epidemiologa y Estadstica
falsamente positivos. Para evitarlo, se aumenta la exigencia del nivel de signicacin como sigue (MIR 00-01F, 244; MIR 97-98, 68):
P=0,05/n de comparaciones

Error tipo II. No se rechaza H0 y sta es falsa. (No se aceptan las diferencias y s las hay). Sera como un falso negativo: damos como no signicativo algo que lo es. Se denomina a la probabilidad de cometer un error tipo II (MIR 00-01, 206; MIR 98-99, 203; MIR 95-96F, 61). Poder o potencia del test. Lo complementario del error es la potencia o poder estadstico de un test (1- ): capacidad que tiene un test de detectar una diferencia cuando sta existe en realidad, es decir, corresponde a la probabilidad que tengo de demostrar la hiptesis alternativa, siendo cierta (MIR 01-02, 210; MIR 98-99, 209; MIR 97-98F, 75; MIR 95-96, 46). Tabla 8. Contraste de hiptesis.

EXISTE DIFERENCIA Ho falsa

HAY DIFERENCIAS SIGNIFICATIVAS. Rechazo Ho. NO HAY DIFERENCIAS SIGNIFICATIVAS. No rechazo Ho. 1Poder estadstico o potencia del test Error tipo II o error beta

utilizar pruebas paramtricas (t de Student, anlisis de la varianza, etc.) y el uso de los test no paramtricos se limita a estudios con tamaos muestrales menores de 30, en los que las poblaciones no puedan ser consideradas como normales, o bien, cuando la variable represente solamente una medida aproximada del carcter, sin una valoracin exacta. Si las muestras son mayores de 30, no existe inconveniente en utilizar pruebas paramtricas (MIR 94-95, 230; MIR 05-06, 193). Tabla 10. Test no paramtricos.

Dicotmica independiente.
Dicotmica pareada o dependiente.
Cualitativa (>2 categoras).

Cuantitativa (n <30) u ordinal.
Cuantitativa (n <30) u ordinal.
Cuantitativa (n <30) u ordinal.
Cuantitativa (n <30) u ordinal.
Ordinal.

NO EXISTE DIFERENCIA Ho cierta

Error tipo I o error alfa

Cualitativa pareada (>2 categoras).

Ordinal.

1-

3) Anlisis multivariante. Son un conjunto de test estadsticos que se aplican cuando se intenta establecer la asociacin estadstica entre tres o ms variables. Ejemplo: se desea saber si existe una relacin entre la infeccin de herida quirrgica, la administracin de prolaxis y el tipo de ciruga (MIR 01-02, 214; MIR 95-96F, 50).

TEMA 16. DISTRIBUCIN CHI-CUADRADO. 15.3. Pruebas de significacin estadstica.

1) Asociacin estadstica entre dos variables. El objetivo es demostrar o no la asociacin estadstica entre dos variables observadas en una muestra. Datos apareados. En una nica muestra se estudia si existe una diferencia signicativa en la variable resultado antes y despus de algn acontecimiento relevante. Variable resultado cualitativa de dos o ms categoras: test de Mc Nemar. Variable resultado cuantitativa: t de Student apareada. Variable resultado cuantitativa (varias medidas repetidas): ANOVA para medidas repetidas. (MIR 03-04, 145; MIR 99-00F, 208; MIR 98-99, 213; MIR 98-99, 212; MIR 97-98, 69; MIR 97-98F, 77; MIR 97-98F, 70; MIR 96-97F, 200; MIR 95-96, 47; MIR 95-96F, 57; MIR 94-95, 234, MIR 94-95, 232). Tabla 9. Test de contraste de hiptesis.

Dicotmica
Cualitativa (> 2 categoras)
Dicotmica
Cualitativa (> 2 categoras)
Cuantitativa

Test de independencia. Se contrasta la hiptesis nula de que dos criterios de clasicacin (variables cualitativas), cuando se observan en la misma serie de individuos u objetos, son independientes. H0. No hay asociacin entre las variables. H1. S hay asociacin entre las variables. Test de homogeneidad. Se estudia una variable en dos o ms muestras. La pregunta es: son las muestras extradas de poblaciones, que son homogneas con respecto a alguna variable? H0. Las muestras se extraen de la misma poblacin. H1. Las muestras provienen de distinta poblacin. Ejemplo. Estudiamos una muestra de 500 nios para saber si existe asociacin entre el estado nutricional (pobre, bueno) y los resultados acadmicos (malos, satisfactorios). Los datos se muestran en la tabla:
105 80 185 15 300 315 120 380 500

Dicotmica
Cualitativa (>= 2 categoras)
Cuantitativa
Cuantitativa

Hiptesis. H0. El estado nutricional y los resultados acadmicos son independientes. H1. Las dos variables no son independientes. = 0,05 Test estadstico.

Cuantitativa

2) Test no paramtricos. Son pruebas que no dependen de la distribucin de la variable y no precisan condicin previa de normalidad. Estas pruebas no manejan los valores cuantitativos que toma la variable en cuestin sino nicamente sus rangos. Son pruebas de menor precisin que las paramtricas, por lo que solamente demostrarn como signicativas diferencias mayores. Por lo tanto, generalmente se preere

Decisin. Rechazamos H0 si el valor de la 2 calculado es igual o mayor que el tabulado. Clculo del estadstico 2. 1) Obtencin de las frecuencias esperadas: para cada casilla, el valor de la frecuencia esperada es total las x total columnas/total.

Pg. 15

MANUAL CTO 6 Ed.

En este caso:

TEMA 18. TAMAO MUESTRAL.

75,6
239,4
315

120
380
500

44,4
140,6
185

2= (105-44,4)2/44,4 + (80-140,6)2/140,6 + (15-75,6)2/75,6 + (300239,4)2/239,4 2= 177,7, que es mayor que el valor de la tabla (3,84, p<0,05). Rechazamos Ho , ya que el valor calculado es superior al tabulado, y concluimos que existe asociacin entre el estado nutricional y los resultados acadmicos (p<0,05). En la tabla 2 x 2 de valores tericos o esperados alguna casilla tiene menos de 5 elementos en vez de la prueba de Chi2, se deber utilizar el test exacto de Fisher.

Para realizar un estudio sobre una poblacin es necesario trabajar con una muestra, ya que abarcar a todos los miembros de una comunidad es prcticamente imposible. El tamao de la muestra se determina en el diseo del estudio de modo que sea apropiado para los objetivos buscados y los condicionamientos que se est dispuesto a asumir. Un nmero insuciente de participantes impedir encontrar las diferencias buscadas, concluyendo errneamente que no existen, y un nmero excesivo aumenta innecesariamente el coste. Manejar muestras es ms barato, rpido, fcil y sucientemente preciso y exhaustivo. Los datos obtenidos en la muestra se generalizarn a la poblacin original utilizando ciertas pruebas estadsticas con una mnima probabilidad de error (<5% habitualmente). Hay dos campos en la inferencia estadstica donde vamos a desarrollar el clculo del tamao muestral: Estimacin de parmetros. El tamao depender de la variabilidad del parmetro que se desea estimar (sta debe ser previamente conocida, o bien, aproximarse a partir de datos preexistentes o estudios pilotos), de la precisin con que se desee obtener la estimacin (amplitud deseada del intervalo de conanza, teniendo en cuenta que a mayor precisin, mayor nmero de sujetos se necesitarn ) y del nivel de conanza.

TEMA 17. ANLISIS DE CORRELACIN Y REGRESIN.

Sirven para estudiar la relacin entre dos variables cuantitativas. Anlisis de regresin. Es til para determinar la posible forma de la relacin entre variables y, por tanto, se puede usar para hacer predicciones o estimar el valor de una variable que corresponde para un valor de la otra. En este anlisis disponemos de dos variables de inters, X e Y. La variable X se llama variable independiente o explicativa y es controlada por el investigador. La variable Y se llama dependiente. Con el anlisis de regresin lineal obtenemos una ecuacin del tipo: Y = + X, donde y son los coecientes de regresin. El coeciente representa el punto en el que la lnea corta el eje vertical (valor de Y para X = 0). El coeciente es la pendiente de la recta que muestra la cantidad que cambia Y por una unidad de cambio de X (MIR 97-98F, 71). Anlisis de correlacin. Estudia tambin la relacin entre dos variables cuantitativas, aunque aqu no se habla de variable dependiente ni independiente. El coeciente de correlacin de Pearson mide la intensidad de la relacin lineal entre las dos variables cuantitativas. Las caractersticas del coeciente de correlacin son las siguientes: Vara entre -1 y + 1 -1 r +1 Para r = 1, hay una relacin perfecta entre x e y, es decir, todos los puntos (x,y) estn en una lnea recta. Un valor positivo de r indica que a medida que aumenta una variable, lo hace la otra o que a medida que disminuye una tambin lo hace la otra. Un coeciente de correlacin negativo indica que a medida que disminuye una variable aumenta la otra o viceversa. r = 0 indica que no hay correlacin lineal. (MIR 98-99, 206; MIR 98-99F, 222; MIR 97-98F, 82; MIR 96-97, 154; MIR 96-97F, 199).

Contraste de hiptesis: se utiliza para estudios comparativos y el tamao de la muestra indica el nmero aproximado de sujetos que se necesitan para detectar una diferencia determinada, si existe, con unos mrgenes de error previamente denidos. Los factores a tener en cuenta para determinar el tamao muestral son: - Objetivo del estudio y variable principal. - Magnitud del efecto que queremos detectar (delta). - Variabilidad de la variable principal. - Error tipo I o alfa asumido (0,05). - Error tipo II o beta asumido (0,2-0,1). - Poder estadstico (1-beta:80-90%). - Proporcin de pacientes en los distintos grupos. - Proporcin de prdidas (d): deberemos multiplicar el tamao calculado por: 1/(1-d). - Tipo de comparacin (test unilateral o de una cola cuando se presupone que la diferencia entre los grupos ser siempre a favor de uno de ellos; test bilateral o de dos colas cuando no se presupone la direccin de la diferencia; el test bilateral es ms conservador y requiere de mayor tamao muestral). (MIR 05-06, 203; MIR 02-03, 32; MIR 02-03, 37; MIR 01-02, 218; MIR 00-01F, 239; MIR 00-01, 205; MIR 00-01, 207; MIR 99-00F, 199; MIR 98-99, 205, MIR 98-99, 197, MIR 98-99F, 220; MIR 96-97F, 218, MIR 94-95, 221).

Figura 12. Distintos tipos de relacin entre las variables.

Pg. 16