UD 6

EPIDEMIOLOGA E
INFORMACIN SOBRE SALUD

1. EPIDEMIOLOGA:

La epidemiologa es un mtodo cientfico puesto al servicio de la salud pblica, que
estudia la distribucin, la frecuencia, los determinantes, las relaciones, las predicciones
y el control de los factores relacionados con la salud.
La epidemiologa integra los mtodos y principios de las ciencias biomdicas y
las ciencias sociales, para estudiar la salud y controlar las enfermedades en grupos
humanos bien definidos.
En epidemiologa se estudian y describen la salud y las enfermedades que se presentan
en una determinada poblacin, para lo cual se tienen en cuenta una serie de patrones de
enfermedad, que se reducen a tres aspectos:
- Tiempo que tarda en surgir, la temporada del ao en la que surge y los tiempos
en los que es ms frecuente.
- Lugar (la ciudad, la poblacin, el pas, el tipo de zona) en donde se han
presentado los casos.
- Personas ms propensas a padecerla (nios, ancianos, etc., segn el caso).
La epidemiologa surgi del estudio de las epidemias de enfermedades infecciosas. Ya
en el siglo XX los estudios epidemiolgicos se extendieron a las enfermedades y
problemas de salud en general, analizados mediante diversos mtodos, entre los cuales
los de la demografa y la estadstica son especialmente importantes.
- Estadstica descriptiva
La estadstica descriptiva es una gran parte de la estadstica que se dedica a recolectar,
ordenar, analizar y representar un conjunto de datos, con el fin de describir
apropiadamente las caractersticas de ese conjunto.
Estos datos puede representarse como:
o Frecuencia Absoluta (f): Es el nmero de veces que se repite el valor de
cada variable. La suma de frecuencias absolutas es siempre al total de
datos observados.
o Frecuencia Relativa (fr): Indica la proporcin con que se repite un valor.
Es el cociente entre la frecuencia absoluta y el nmero total de datos. La
suma de las frecuencias relativas es siempre 1

o Frecuencia Acumulada (fa): Indica el nmero de valores que son
menores o iguales que el valor dado. Es la suma de la frecuencia absoluta
primera con la segunda, este valor con la tercera, y as sucesivamente.
o Frecuencia Porcentual (f%): Llamada tambin frecuencia relativa
porcentual. Se obtiene multiplicando la frecuencia relativa por 100. La
suma de las frecuencias porcentuales es siempre 100%. Se calcula as:

o Tabulacin de los datos: Los datos se agrupan en clases si son
cualitativos o discretos, o en intervalos de clase (de igual longitud,
generalmente) si son continuos (o discretos con muchos valores
distintos).
o Representaciones grficas: Los tipos de grficas que podemos realizar
son:
Grfico de barras: puede ser simple o mltiple, vertical (o de
columnas) u horizontal



Grfico de sectores o tarta: puede estar construido con
frecuencias o porcentajes


Pictograma o grfica de imgenes: es un grfico de barras en el
que estas se han sustituido por imgenes de distinta altura o
tamao


Cartograma: grfico obtenido al representar sobre un mapa
cualquier tipo de datos referidos a un rea geogrfica.

Perfil ortogonal: es un grfico lineal en el que el eje X contiene
variables cualitativas


Lineal: puede ser de frecuencias normales o acumuladas


Histograma: se emplea para intervalos de igual amplitud en los
que se han agrupado los datos, por lo que estos se indican y se
colocan las barras de forma continua.




Tambin puede
representar
polgonos de
frecuencias

Otros: anillos, radiales, reas, burbujas, etc.


- Inferencial estadstica
La Inferencia Estadstica es la parte de la estadstica matemtica que se encarga del
estudio de los mtodos para la obtencin del modelo de probabilidad (forma funcional y
parmetros que determinan la funcin de distribucin) que sigue una variable aleatoria
de una determinada poblacin, a travs de una muestra (parte de la poblacin) obtenida
de la misma.

1.1. CONCEPTOS GENERALES:

- Poblacin: conjunto de individuos con propiedades comunes sobre los que se
realiza una investigacin de tipo estadstico.
- Muestra: subconjunto de la poblacin.
- Tamao muestral: nmero de individuos que forman la muestra.
- Muestreo: proceso de obtencin de muestras representativas de la poblacin.
- Variable: propiedad o cualidad que puede manifestarse bajo dos o ms formas
distintas en un individuo de una poblacin.
- Modalidades, categoras o clases: distintas formas en que se manifiesta una
variable.
- Las variables se clasifican en:
1. Cuantitativas: se expresan numricamente.
2. Cualitativas: no se expresan numricamente.

1.2. RAMAS DE LA EPIDEMIOLOGA:

Epidemiologa descriptiva es la rama de la epidemiologa que describe el
fenmeno epidemiolgico en tiempo, lugar y persona, cuantificando la frecuencia y
distribucin del fenmeno mediante medidas
de incidencia, prevalencia y mortalidad, con la posterior formulacin de hiptesis.

Epidemiologa analtica: busca, mediante la observacin o la experimentacin,
establecer posibles relaciones causales entre factores a los que se exponen personas
y poblaciones y las enfermedades que presentan. Las medidas empleadas en el
estudio de esta rama de la epidemiologa son los factores de riesgo, cuyo resultado
es una probabilidad. Es posible distinguir dos tipos:
Riesgo absoluto: probabilidad de una enfermedad (baja, moderada, alta).
Riesgo relativo: cuando se comparan dos riesgos absolutos entre s; se
trata de una probabilidad relativa (ms alta o ms baja que el otro); se ha
de tener en cuenta que un riesgo relativo, por muy alto que sea, puede ser
irrelevante; por ejemplo, fumar aumenta 100 veces el riesgo de sufrir una
enfermedad, el riesgo sin fumar es de 1/100000000, por lo que el
incremento por fumar es muy pequeo, prcticamente despreciable.

Epidemiologa experimental: busca, mediante el control de las condiciones del
grupo a estudiar, sacar conclusiones ms complejas que con la mera observacin no
son deducibles. Se basa en el control de los sujetos a estudiar y en la aleatorizacin
de la distribucin de los individuos en dos grupos, un grupo experimental y un
grupo control. Se ocupa de realizar estudios en animales de laboratorio y estudios
experimentales con poblaciones humanas.

Ecoepidemiologa: busca, mediante herramientas ecolgicas, estudiar integralmente
como interaccionan los factores ambientales con las personas y poblaciones en los
medios que los rodean y como ello puede influir en la evolucin de enfermedades
que se producen como consecuencia de dicha interaccin.

2. OBJETIVOS DE LA EPIDEMIOLOGA

1) Identificar la causa de una enfermedad y los factores que aumentan el riesgo
de una persona para contraerla (cmo se origina y transmite la enfermedad y
cules son las bases racionales para prevenirla). Por ejemplo, la relacin entre
la dieta y la caries.
2) Determinar la extensin de la enfermedad en la comunidad (medir la carga
de enfermedad en la poblacin, importantsimo para aplicar polticas de
salud). Por ejemplo, que porcentaje de la poblacin tiene intolerancia a la
lactosa.
3) Estudiar la evolucin natural y el pronstico de la enfermedad, ya que algunas
enfermedades son ms severas que otras (unas son rpidamente fatales
mientras que otras son crnicas). Por ejemplo, tienen caractersticas diferentes
un sobrepeso y el cncer de colon.
4) Evaluar las nuevas estrategias teraputicas y preventivas para poder establecer
el patrn de atencin de la salud. Por ejemplo, cmo afecta al programa de
control de caries, la realizacin de una visita anual al odontlogo.
5) Proveer el fundamento para crear polticas de salud pblica y decisiones
regulatorias atinentes a los problemas ambientales. Por ejemplo, las bases de
la poltica sanitaria para el control de la obesidad infantil de un pas.

En general presta rigor cientfico a toda la informacin sanitaria.


3. OBTENCIN DE REGISTROS EN
EPIDEMIOLOGA

La obtencin de lod datos referentes a la poblacin a estudiar, as como a su estado
de salud, se realiza fundamentalmente mediante dos fuentes: los registros de datos
permanenetes y las encuestas especficas de la poblacin.

3.1. REGISTROS DE DATOS PERMANENTES

Son aquellos que como su nombre indica, conservan los datos de forma permanentes
Estos dadtos son de dos tipos:

- DATOS DEMOGRFICOS:
La demografa es la ciencia que tiene como objetivo el estudio de
las poblaciones humanas y que trata de su dimensin, estructura, evolucin y
caractersticas generales.
Los datos demogrficos, se obtienen mediante el Censo y el Padrn
fundamentalmente, y el organismo encargado de su tratamientos es el Instituto
Nacional de Estadstica.

- DATOS DE SALUD:
Son recogidos mediante el Registro Civil ( nos proporciona por ejemplo los
datos sobre la mortalidad total de una poblacin), as como en los ARgchivos de
Hitorias Clnicas (en ellos se recogen datos acerca de la morbilidad y mortalidad
especficas). En ambos casos la confidencialidad de los datos ha de estar
garantizada.


3.2. ENCUESTAS ESPECFICAS DE POBLACIN

Se realizan cuando no se dispone de los datos suficientes para poder realizar lo
clculos deseados. Fundamentalmente, se utilizan la encuesta transversal y encuesta
por sondeo:

- ENCUESTA TRANSVERSAL:
Tiene como objetivo conocer, en un momento dado, el comportamiento de un
determinado fenmeno en la poblacin (por ejemplo, los casos de sida presentes
en el mes de julio). Tiene los inconvenientes de que no permite ver la incidencia
del fenmeno en cuestin, pues solo se aprecian los casos presentes en el
momento de la encuesta, ni tampoco permite estudiar la evolucin en el tiempo
del mismo.

- ENCUESTA POR SONDEO.
Aqu, en lugar de tomar los datos de toda la poblacin lo hacemos solamente de
una parte a la que denominamos muestra.
Para poder estudiar una poblacin a partir de una muestra, se deben dumplir
ciertas normas; las ms importante es que la muestra debe ser representativa de
la poblacin a estudiar. Tambin debe cumplir que la integren un nmero
suficiente de personas, que la distribucin por edad y sexo sea similar a la de la
poblacin, y que todas la personas pertenecientes a dicha poblacin tengan las
mismas probabilidades de pertenecer a dicha poblacin tengan las mismas
probabilidades de pertenecer a la muestra cuando los componentes de esta
ltima sean elegidos al azar.

4. CONCEPTOS ESTADSTICOS DE
IMPORTANCIA EN EPIDEMIOLOGA

La Epidemiologa es una disciplina cientfica que utiliza la Estadstica para estudiar
la distribucin de las enfermedades y los posibles factores de riesgo asociados. Esto
es debido a que en muchas ocasiones, cuando para efectuar el estudio de un
determinado suceso hemos de efecdtuar mediciones de parmetros biolgicos,
vemos que estos parmetros son muy susceptibels de variar de un individuo a otro, e
incluso dentro del mismo individuo piede variar dependiendo del mometno; por lo
que, para poder afrontar estas variaciones, se utilizan diversas tcnicas.

Una vez realizada la recogida de los datos referentes al suceso a estudiar los
agrupamos en una tabla de frecuencias que nos permite por una parte determinar
cules son los valores ms frecuentes y cules los ms raro, y por otra calcular los
precentiles distribucin de datos, las medidas de centralizacin, las medidas de
variacin o dispersin, las medidas de asociacin y las medidas de significancia
estadstica.

4.1. MEDIDAS DE CENTRALIZACIN

La MEDIA o MEDIA ARITMTICA (
x
): es el centro de gravedad de la distribucin
de todos los datos. Se calcula sumando los datos y dividiendo entre el tamao de la
muestra (nmero de datos totales).


Ejemplo con datos no agrupados. La media aritmtica de la muestra 7, 3, 5, 5, 1, 8, 9
es:
5.428
7
9 8 1 5 5 3 7
x =
+ + + + + +
=


Ejemplo en datos agrupados por frecuencias.

En el caso de tener diferentes frecuencias:


4.387
31
12 9 0 5 8 3 4 1 7 0
x =
+ + + +
=







x
i
n
i

0
1
3
5
9
7
4
8
0
12
N = 31


N
n x
x
i i

=

Ejemplo en datos agrupados por frecuencias y en intervalos:

se toman como valores las marcas de clase:









Existen otras medidas de centralizacin de uso menos frecuente, como la media
ponderada (que es una media aritmtica con distintos pesos de importancia para los
distintos datos), la media geomtrica (raz ensima del producto de los datos) o la media
armnica (la inversa de la media aritmtica).


La MODA (Mo) es el valor de la variable que tiene mayor frecuencia en la muestra, es
decir, el que se repite ms y por lo tanto tiene la mayor frecuencia absoluta

Ejemplo con datos no agrupados. La muestra 7, 3, 5, 6, 1, 8, 9 no tiene moda

Ejemplo en datos agrupados por frecuencias
Mo = 9 Mo = 3 y 9 (bimodal) Mo = 2, 3 y 9 (trimodal)













Ejemplo en datos agrupados por frecuencias y en intervalos
Se toma como valor aproximado de la Moda la marca de clase del intervalo con
mayor frecuencia absoluta, que se llama clase modal. En nuestro ejemplo Mo = 2.5
9.58
36
11 17.5 5 12.5 8 7.5 12 2.5
x =
+ + +
=
x
i
n
i

0
1
3
5
9
7
4
8
0
12
N = 31

x
i
n
i

0
1
3
5
9
7
4
12
0
12
N = 31

x
i
n
i

0
1
3
5
9
7
12
12
0
12
N = 31

Intervalo Marca n
i

(0, 5]
(5, 10]
(10, 15]
(15, 20]
2.5
7.5
12.5
17.5
12
8
5
11
N = 36













La MEDIANA (Me) es el valor que est en el centro de la distribucin. Para obtenerla
hay que ordenar la muestra de menor a mayor, y puede decirse que es el nmero que
divide a la muestra ordenada en dos mitades. Es una medida estadstica robusta, porque
no le afecta la presencia de algn valor muestral fuera de lo comn (hecho que no hace
recomendable usar la media aritmtica). Es muy importante tener claro que la mediana
no tiene por qu ser uno de los valores observados en la muestra.

Ejemplo en datos no agrupados
Si el tamao de la muestra N es impar, la mediana es el valor que ocupa
la posicin central
|
.
|

\
|
2
N

Si N es par, la mediana es la media aritmtica de los dos valores
centrales.


La muestra 7 , 3 , 5 , 5 , 1 , 8 , 9
Ordenada: 1, 3, 5, 5, 7, 8, 9. Como son impares la Me = 5

La muestra 7, 3, 5, 5, 1, 8, 9, 6
Ordenada: 1, 3, 5, 5, 6, 7, 8, 9. Como son pares la
5 . 5
2
6 5
=
+
= Me



Ejemplo en datos agrupados por frecuencias
Si los datos estn en una tabla de frecuencias, observar la columna de frecuencias
absolutas acumuladas:
Si no existe, la Me es el primer valor cuya frecuencia absoluta
acumulada es mayor que
|
.
|

\
|
2
N

Si existe un valor igual a
|
.
|

\
|
2
N
, la Me es el promedio entre dicho valor y
el siguiente.
Intervalo Marca n
i

(0, 5]
(5, 10]
(10, 15]
(15, 20]
2.5
7.5
12.5
17.5
12
8
5
11
N = 36

- caso 1 -













- caso 2















Ejemplo en datos agrupados por frecuencias y en intervalos
Para empezar, se mira cul es el intervalo de clase (L
inf
, L
sup
] cuya frecuencia
absoluta acumulada N
i
supera por primera vez el valor
|
.
|

\
|
2
N
. Entonces la mediana
viene dada por:
i
i
i
n
N
N
a L Me
1
1
2

+ =






x
i
n
i
N
i

0
1
2
3
4
20
35
18
12
6
20
55
73
85
91
N = 91

5 . 45
2
91
2
= =
N
.
Como el valor 1
2
= x de la variable tiene frecuencia absoluta
acumulada 55, y es el primero cuya frecuencia absoluta acumulada
supera el valor 45.5, se deduce que 1 = Me .
x
i
n
i
N
i

1
3
4
7
8
9
10
20
14
26
10
8
10
30
44
70
80
88
N = 88

44
2
88
2
N
= =
Si observamos la tabla vemos que el valor 4
3
= x de la variable tiene
casualmente frecuencia absoluta acumulada 44.
Por eso la mediana es 5 . 5
2
7 4
2
4 3
=
+
=
+
=
x x
Me
Intervalo n
i
N
i

[160,170)
[170,180)
[180,190)
[190,200)
4
6
2
3
4
10
12
15
N = 15

Como 5 . 7
2
15
2
= =
N
el intervalo es [170,180) porque su frecuencia absoluta
acumulada, 10, es la primera que est por encima de 7.5
Por lo tanto:
=

+ = 10
6
4 5 . 7
170 Me 175.83
Eso quiere decir que la mitad de los datos miden menos de 175.83 y la otra
mitad ms.

4.2. MEDIDAS DE DISPERSIN O VARIACIN

La ms simple de las medidas de dispersin es el RANGO, RECORRIDO o
AMPLITUD, que es la diferencia entre el valor mximo y el mnimo de la muestra, y
que indica qu extensin de la recta de los nmeros ocupan los datos de nuestra
muestra.


Ejemplo con datos no agrupados.
La muestra 7, 3, 5, 5, 1, 8, 9 tiene amplitud a = 9 1 = 8




Ejemplo en datos agrupados por frecuencias.
A = 9 0 = 9





Ejemplo en datos agrupados por frecuencias y en intervalos

- Si no tenemos los datos puntuales se coge el Lmite
inferior del primer intervalo y el Lmite superior del
ltimo intervalo.
A = 20 0 = 20
- Si tuviramos los valores para elaborar la tabla,
emplearamos el valor mnimo y mximo.
Ej: 2, 2, 2, 3, 4, 4, 4, (todos los datos) 18, 18, 19
A = 19 2 = 17




Las medidas de dispersin se basan en la idea de medir las diferencias entre unos datos
y otros midiendo las diferencias de cada dato con la media, esto es, usando las
desviaciones; sin embargo, como stas siempre suman cero, es preciso considerar su
valor absoluto o su cuadrado (ya que sern todas positivas). Sirven para determinar si la
diferencia de un valor con respecto a la media est o no dentro de lo normal.



x
i
n
i

0
1
3
5
9
7
4
8
0
12
N = 31

Intervalo Marca n
i

(0, 5]
(5, 10]
(10, 15]
(15, 20]
2.5
7.5
12.5
17.5
12
8
5
11
N = 36

La DESVIACIN ABSOLUTA MEDIA es la media aritmtica de los valores
absolutos de las desviaciones, por lo que se calcula tomando como positivas todas las
desviaciones, sumndolas y dividiendo entre N; el tener que usar valores absolutos
complica los desarrollos matemticos con este parmetro y por eso se usa poco, pese a
su valor intuitivo.
N
n x x
dm
i i

=



La VARIANZA (
2
o s
2
) es el promedio de los cuadrados de las desviaciones respecto
de la media
N
n x x
i i

=
2
2
) (
o


Sin embargo, el hecho de que carezca de interpretacin intuitiva y que sus unidades
sean cuadradas hace que en la prctica se use mucho ms su raz cuadrada, la
DESVIACIN ESTNDAR o DESVIACIN TPICA; con diferencia la ms usada
de las medidas de dispersin, y se representa por o s.
2
o o =


La ventaja de la desviacin tpica es que se mide con la misma unidad con que se mide
la variable. Lo importante es tener presente que cuanto ms grande es la varianza o la
desviacin tpica, ms dispersos y alejados estn los datos respecto a la media.

Tiene la gran ventaja de ser adimensional, lo que lo hace la mejor herramienta para
comparar el grado de dispersin de dos muestras, aunque una recoja el peso de unas
magdalenas y la otra la longitud de los tornillos que vende una ferretera. A mayor
coeficiente de variacin, mas alejamiento y dispersin respecto de los valores centrales
presenta la muestra.

La distribucin normal (campana o curva de
Gauss) es un ideal matemtico que a menudo se
encuentra en la prctica en variables cuantitativas,
aunque esto no siempre es as. La distribucin
normal ideal, adems de ser simtrica respecto a
la media, tiene varias propiedades importantes:

a) el 997 % de los individuos estudiados se encuentra en el intervalo medio 3
desviaciones
b) aproximadamente el 95 % en el intervalo media 2 desviaciones
(estrictamente, 196)
c) el 68 % en el intervalo media 1 desviaciones.
Estos intervalos se denominan intervalos de aceptacin al 99,7, 95 y 68 %, res-
pectivamente.


El COEFICIENTE DE VARIACIN DE PEARSON (CV) representa el
porcentaje que supone la desviacin tpica respecto a la media aritmtica:
100%
x
CV =
o


Para todos estos clculos se puede elaborar una tabla que facilita en gran medida los
clculos
[intervalo] x
i
n
i
N
i
x
i
n
i


x
i
x
xi x ni ( x
i
x )
2

( x
i
x )
2
n
i

= N
/N /N

/N



Ejemplo
Las ndices CAOD en 30 pacientes oncolgicos previo inicio de la quimioterapia
han sido los siguientes

ndice
CAOD
2 3 4 5 6 7 8 9 10
Pacientes 1 2 3 5 4 6 4 3 2

a). Calculo de la media, la desviacin media y la desviacin tpica

x
i
n
i
N
i
x
i
n
i
x
i
x
Xi x ni
(x
i
x)
2

(x
i
x)
2
n
i

2
1 1 2,00 4,33 4,33 18,78
18,78
3
2 3 6,00 3,33 6,67 11,11
22,22
4
3 6 12,00 2,33 7,00 5,44
16,33
5
5 11 25,00 1,33 6,67 1,78
8,89
6
4 15 24,00 0,33 1,33 0,11
0,44
7
6 21 42,00 0,67 4,00 0,44
2,67
8
4 25 32,00 1,67 6,67 2,78
11,11
9
3 28 27,00 2,67 8,00 7,11
21,33
Calcular x Calcular
2
y
Calcular d
m

10
2 30 20,00 3,67 7,33 13,44
26,89

= 190,00 = 52,00
= 128,67

Media: x = 6.33
30
190
=

Desviacin media: d
m
= 1.73
30
52
=

Varianza:
2
= 4.29
30
128.67
=

Desviacin tpica: =
2.07 4.29 =



b). En este grupo A de personas la media del ndice CAOD es 633, con una
desviacin tpica de 0,208. En otro grupo B de estudios la media del ndice CAOD
es 4,96 con una desviacin tpica de 0,198. Calcula el coeficiente de variacin en los
dos casos y compara la dispersin de ambos grupos.

3.26% 100
6.33
0.208
100
x

CV
A
A
A
= = =

3.99% 100
4.96
0.198
100
x

CV
B
B
B
= = =


La dispersin es algo mayor en el grupo B


4.3. MEDIDAS DE POSICIN CUANTILES

Se define el cuantil como aquel valor de la variable que supera al % de los datos de
la muestra; resultan tiles slo cuando la muestra es numerosa y permiten saber en
que posicin se encuentra un valor dado con respecto al conjunto de una muestra
o poblacin.


Los CUARTILES, que definen las cuartas partes de la muestra mediante tres
cortes: el primer cuartil deja por debajo al 25% de la distribucin, el segundo
coincide con la mediana y el tercero deja por debajo al 75% de la distribucin.

Los DECILES, que dan nueve cortes para definir de diez en diez por ciento los
valores de la distribucin; as, el primer decir deja por debajo una dcima parte de la
distribucin, el segundo dos dcimas partes, etc., hasta nueve deciles.

Tambin podemos dividir los datos en 100 partes iguales hallando
PERCENTILES, que sirven para determinar qu valores dejan por debajo de s un
porcentaje determinado (k %) de datos.

El clculo de los cuartiles, deciles y percentiles para datos agrupados en frecuencias
es similar al de la mediana, pero sustituyendo
2
N
en todo lo explicado por:

4
N 1
Q
1

=
,
4
N 2
Q
2

=
,
4
N 3
Q
3

=


10
N 1
D
1

=
,
10
N 2
D
2

=


100
N 14
P
14

=
,
100
N 73
P
73

=


* Si existe una frecuencia igual, se har el promedio entre ese valor y el siguiente; y
si no existe ser el primer valor cuya frecuencia absoluta acumulada es mayor.
Q
1
Q
2
= Me Q
3

D
1
D
2
D
3
D
4
D
5
D
6
D
7
D
8
D
9

P
12
P
25
P
40
P
50
P
75
P
89

Los cuartiles Q
1
, Q
2
y Q
3
son precisamente los percentiles 25, 50 y 75
Adems la mediana Me = Q
2
= D
5
= P
50

Entre el cuartil primero Q
1
y el cuartil tercero Q
3
se encuentra el 50% central de la
muestra. Fuera de esos valores se encuentran los ms pequeos y los ms grandes
datos muestrales. Precisamente a la distancia que separa esos cuartiles se la llama
RANGO INTERCUARTLICO. Se calcula IQR = Q
3
Q
1
, y es la extensin
cubierta por la mitad central de los datos ordenados, excluyendo la cuarta parte
inicial (los que son inferiores al primer cuartil) y la cuarta parte final (los que son
superiores al tercer cuartil).


Ejemplo en datos agrupados por frecuencias


Para calcular el Q
1
y Q
3

Calculamos primero
7.1
4
31
4
N
= =
y vemos que x
i
le corresponde, en este caso, Q
1
=
1
Calculamos primero
23.3
4
31
4
N 3
= =

y vemos que x
i
le corresponde, en este caso,
Q
3
= 9
Por lo tanto el Rango intercuartlico IQR = Q
3
Q
1
= 9 1 = 8

Para calcular el D
71

Calculamos primero
21.7
10
217
10
N 7
= =

y vemos que x
i
le corresponde, en este caso,
D
7
= 9

Para calcular el P
68

Calculamos primero
21.1
100
2108
100
N 68
= =

y vemos que x
i
le corresponde, en este
caso, P
68
= 9



x
i
n
i
N
i

0
1
3
5
9
7
4
8
0
12
7
11
19
19
31
N = 31

Para datos agrupados por frecuencias y en intervalos hay que:
Paso 1: Calcular el porcentaje de la muestra que se nos pide.
Paso 2: En la tabla de frecuencias, seleccionar la fila cuya frecuencia absoluta
acumulada es la primera en superar porcentaje calculado anteriormente.
Paso 3: Aplicar la siguiente frmula:

i
1 i
i k
n
N
100
N k
a L P

+ =




Ejemplo en datos agrupados por frecuencias y en intervalos
Ejemplo: euros gastados al mes por estudiantes de la UJI en restaurantes














Para calcular el percentil 30 (P
30
)
Calculamos primero
129
100
430 30
100
300
=

=
N
, y vemos que el intervalo que contiene
a P
30
es el [30,35), al ser el primero cuya frecuencia absoluta acumulada
supera por primera vez 129.
5 . 33
80
73 129
5 30
30
=

+ = P
. Por lo tanto, el 30% de las personas se gasta menos
de 33.5 euros

Para calcular el tercer cuartil Q
3
( P
75
)
Calculamos primero
5 . 322
100
430 75
100
75
=

=
N
, y vemos que el Q
3
est en el
intervalo [45,50), y vale:
51 . 45
44
318 5 . 322
5 45
75 3
=

+ = = P Q

As pues, las partes o el 75% de los estudiantes se gasta menos de 45.51 euros

L
i
= Extremo inferior del intervalo
h = Amplitud del intervalo
N = N de datos
N
i-1
= Frecuencia Absoluta acumulada del intervalo anterior
n
i
= = Frecuencia Absoluta del intervalo
Intervalo x
i
n
i
N
i

[25,30)
[30,35)
[35,40)
[40,45)
[45,50)
[50,55)
27.5
32.5
37.5
42.5
47.5
52.5
73
80
67
98
44
68
73
153
220
318
362
430


N = 430

5. MTODO EPIDEMIOLGICO

Es el mtodo cientfico aplicado a los problemas de salud en grupos humanos.

A. FASE DESCRIPTIVA: determina la frecuencia (cuantos se ven afectados por el
problema) y la distribucin (dnde).
1. Observacin de los fenmenos
2. Recogida y tabulacin de la informacin
3. Formulacin de las hiptesis

B. FASE ANALTICA: intenta contrastar una posible causa y
saber si son los agentes causales del efecto que estudiamos
(qu).
4. Verificacin y experimentacin de las hiptesis
5. Informe de resultados (rechazo formulacin de una ley)




5.1. TIPOS DE ESTUDIO EPIDEMIOLGICOS


Los tipos de estudios epidemiolgicos se clasifican segn sean

OBSERVACIONAL (no se interviene)
EXPERIMENTAL
DESCRIPTIVO
ANALTICO
ECOLGICO CORTE o de
prevalencia
CASOS Y
CONTROLES
COHORTES ENSAYOS















ESTUDIOS DESCRIPTIVOS

OBSERVACIONAL
ECOLGICO CORTE o de prevalencia
PRINCIPIO
Estudio de poblaciones (no
individual) de las correlaciones
entre exposicin y enfermedad
Descripcin de la asociacin entre
exposicin y prevalencia de
enfermedad, en un punto concreto del
tiempo
INDICACIONES
Determinar asociaciones
Generar hiptesis para
confirmarlas (o no) en estudios
posteriores sobre individuos
Obtener informacin sobre
exposiciones ambientales o
sociales para planificar
intervenciones preventivas
Medir prevalencia para describir
la magnitud y distribucin
Identificar poblaciones de riesgo
Determinar asociaciones para
generar posibles hiptesis
Asignar recursos y evaluar las
intervenciones comparando los
resultados antes y despus
COMIENZO
Retrospectivo
(efecto presente al inicio)
Transversal
POBLACIN DE
ESTUDIO
Poblaciones o una misma
poblacin en momentos diferentes
Individuos no seleccionados o
seleccionados independientemente
GRUPO DE
COMPARACIN
Poblaciones
No, por lo comn
EJEMPLO
Registrar la incidencia de obesidad
en todos los pases europeos y el
consumo medio de bollera
industrial per cpita para ver la
relacin
Un estudio mide en nios desarrollo
psicomotor y al mismo tiempo evala
desnutricin.













ESTUDIOS ANALTICOS

OBSERVACIONAL EXPERIMENTAL
CASOS Y
CONTROLES
COHORTES ENSAYOS
P
R
I
N
C
I
P
I
O

Evaluacin de, por lo
general, exposiciones como
causa de una enfermedad,
comparando las historias de
exposicin de casos y
controles
Evaluacin de, por lo
general, mltiples efectos
a lo largo del tiempo de
una o ms exposiciones
Intervencin con
medidas
presumiblemente
curativas o preventivas
y seguimiento para
comparar sus efectos
I
N
D
I
C
A
C
I
O
N
E
S

- Determinar asociaciones
- Generar hiptesis
- Probar hiptesis causales
- Evaluar programas,
estrategias de diagnstico
precoz y tratamientos
- Estudio natural de la
enfermedad
- Medir incidencia
- Probar las hiptesis
causales y generar nuevas
hiptesis causales por la
fuerte relacin causa -
efecto
- Descripcin de la
causalidad
- Estudio de los factores
que modifican la
historia natural de la
enfermedad
- Evaluar los beneficios
y costes de las
intervenciones
C
O
M
I
E
N
Z
O

Retrospectivo (efecto
presente al inicio)
Prospectivo/Retrospectivo
Prospectivo (efecto no
presente al inicio)
P
O
B
L
A
C
I

N

D
E

E
S
T
U
D
I
O

Individuos seleccionados
segn su estado de
salud/enfermedad
Individuos seleccionados
segn su estado de
exposicin
Individuos o
poblaciones asignados a
la exposicin
aleatoriamente o no
G
R
U
P
O

D
E

C
O
M
P
A
R
A
C
I

N

Si, pero hay que ir con
cuidado con los sesgos de
comparacin
Si, a veces toda una
poblacin pero con
informacin
individualizada
Si, salvo excepciones
E
J
E
M
P
L
O

Se seleccionan dos grupos,
uno de pacientes con cncer
de pulmn y otro sin cancer
de pulmn, luego de lo cual
se investiga en ellos sus
antecedentes.
Se forma un grupo de
fumadores y luego otro de
no fumadores y se los
observa por un periodo de
tiempo, en bsqueda de
casos de cncer de
pulmn
Se administra alguna
droga o sustancia que se
espera produzca algn
efecto que se quiere
medir en el sujeto de
investigacin.