Apndice estadstico epidemiolgico

Comparacin de dos Promedios: La Prueba Z Despus de un brote de malaria, un centro de salud realiza un programa de tamizaje en el cual 150 frotis sanguneos de nios de 1 a 4 aos de edad son examinados para detectar la presencia de parsitos Plasmodium falciparum. Se encontraron 70 lminas positivas y el nivel promedio de hemoglobina en esos nios fue 10,6 g/dL, con una desviacin estndar de 1,4 g/dL. El nivel promedio de hemoglobina en los 80 nios con lminas negativas fue 11,5 g/dL, con una desviacin estndar de 1,3 g/dL. El centro de salud estaba interesado en saber si la infeccin por P. falciparum disminuye los niveles de hemoglobina en los nios de la comunidad. Los datos que resumen la situacin descrita son:

Desde el punto de vista estadstico, el inters del centro de salud consiste en saber si existe o no diferencia entre los promedios de hemoglobina observados en los dos grupos de nios. En este caso podemos usar una prueba de significacin estadstica llamada Prueba Z, cuyo estadgrafo es:

Segn esta prueba, el valor crtico del estadgrafo Z para un nivel de significancia de 0.05 (5%) es 1,96. Si el valor de Z calculado es mayor que el Z crtico (1,96), se rechaza la hiptesis nula y se concluye que la diferencia observada es estadsticamente significativa con 95% de confianza (p<0,05). Reemplazando,

El resultado es significativo al nivel 0,05 (5%), puesto que 4,06 es mayor que 1,96 (en esta prueba se considera el valor absoluto). En consecuencia, se puede afirmar con 95% de confianza que la infeccin por P. falciparum disminuye los niveles de hemoglobina en los nios afectados. Esta confianza es estadistica, porque expresa la seguridad relativa con la que se toma una decisin estadstica. Esta decisin, en estadstica, corresponde a rechazar o aceptar la hipotesis nula. Esta prueba se emplea slo cuando ambas muestras son grandes (>30 en cada grupo)

Intervalos de Confianza para promedios y proporciones

Los intervalos de confianza se utilizan para estimar el grado de incertidumbre que rodea a los estimadores de los parmetros poblacionales. Estos nos van a ayudar a determinar si una diferencia entre los estimadores ya sean promedios o proporciones son o no estadsticamente significativos. Estos tienen la caracterstica de ser simtricos respecto a su estimador, ya que se construyen sumando o restando una misma cantidad al promedio o proporcin observada. Esa cantidad se llama error de muestreo. ERROR DE MUESTREO = Z95% x ERROR ESTNDAR El error estndar es una expresin de variacin o variabilidad entre los individuos en las muestras de poblacin. Este representa la desviacin estndar de una distribucin de muestras repetidas de la misma poblacin. Ejemplo: Se hace 100 veces un mismo estudio del periodo de incubacin de la leptospirosis utilizando una misma poblacin. Cada estudio tendr como resultado dos medidas: el promedio y la desviacin estndar. Todos estos resultados seguirn una distribucin normal y de esta se puede sacar un promedio y una desviacin estndar que sern los verdaderos parmetros poblacionales. Representando el promedio de todos los promedios y en el caso de la desviacin estndar sera el error estndar. En la prctica este se expresa como una

relacin entre la dispersin de los datos observados y el tamao de la muestra estudiada. INTERVALO DE CONFIANZA = ESTIMADOR ERROR DE MUESTREO El intervalo de confianza indicar el rango en el que con una probabilidad conocida el verdadero parmetro poblacional estudiado estar contenido. Ejemplo: si en el mismo estudio del periodo de incubacin de la leptospirosis se reportara que el promedio es 6.5 das y el Intervalo de confianza al 95% es de 5.48.1 das significa que aunque nuestro resultado puntual sea 6.5 das en promedio, se reconoce que es un valor estimado y por lo tanto est sujeto a error aleatorio; sin embargo, tenemos 95% de confianza que el verdadero tiempo de incubacin de la leptospirosis est entre 5.4 -8.1 das. Es decir que si se repitiera 100 veces el mismo estudio, en 95 de las veces el promedio obtenido estar entre 5.4-8.1 (intervalo de confianza) pero en 5 de las veces podr estar fuera de este intervalo.

Intervalo de Confianza de 95% de un promedio:

Ejemplo: El IC95% del promedio de hemoglobina en el grupo de nios con malaria ser: 10.6 1.96 (1.4 / ) = 10.6 1.96 x 0.1673 = 10.6 0.328 Lmite inferior: 10.3g/dL, Lmite superior: 10.9g/dL El IC95% del promedio de hemoglobina en el grupo de nios sin malaria ser: 11.5 1.96 (1.3/ ) = 11.5 1.96 x 0.1453 = 11.5 0.285 Lmite inferior: 11.2g/dL, Lmite superior: 11.8g/dL

Si observamos en el grfico, los rangos no se superponen entre s (lmite superior de uno y el lmite inferior de otro no se tocan) indicando que hay una diferencia estadsticamente significativa entre ambos.

Intervalo de Confianza de 95% de una proporcin:

EJEMPLO: En una localidad rural de 760 habitantes, situada en una zona malrica, se observ que, en el ltimo ao, la incidencia acumulada de malaria en campesinos fue 88,2 por mil, mientras que en la poblacin no campesina fue 55,8 por mil. De acuerdo al censo local ms reciente, en la comunidad hay 204 campesinos. Interesa saber si la ocupacin campesino se asocia a la malaria. Los datos que resumen la situacin descrita son:

El intervalo de confianza de 95% (IC95%) de confianza para la incidencia de malaria en campesinos ser:

Li = 0,0493 (49,3 por mil) Ls= 0,1272 (127,2 por mil) La proporcin p en la frmula se expresa tanto por uno (o sea, va de 0 a 1); los resultados se multiplican por 1.000 para expresarlos como tasas por mil El IC95% de confianza para la incidencia de malaria en no campesinos ser:

Li = 0,0367 (36,7 por mil) Ls = 0,07249 (74,9 por mil)

En el grfico observamos que los rangos se superponen entre s; esto nos sugiere que no hay diferencia estadsticamente significativa entre ambos. Tambin observamos que la longitud del recorrido del intervalo de confianza para la incidencia en campesino es amplia, y esto indica pobre precisin muestral.

Medidas de impacto potencial

RIESGOS ATRIBUIBLES La comparacin de dos medidas de incidencia acumulada, permite cuantificar el exceso de riesgo entre dos grupos con diferente nivel de exposicin al factor de inters.

Este exceso de riesgo se puede medir en dos direcciones: la razn de tasas, dividindolas para obtener el riesgo relativo la diferencia de tasas, restndolas, en cuyo caso obtendremos el llamado riesgo atribuible en expuestos es decir: riesgo atribuible en expuestos = incidencia en expuestos incidencia en no expuestos RAE = IE IEEn el ejemplo de Framingham, el riesgo atribuible en expuestos (hipertensos) ser: riesgo atribuible en expuestos: 545,5 189,0 = 356,5 por 1.000 expuestos que es la tasa de enfermedad ECC en los expuestos que se considera debida o atribuible a la exposicin, es decir, al hecho de ser hipertensos. que es la tasa de enfermedad ECC en los expuestos que se considera debida o atribuible a la exposicin, es decir, al hecho de ser hipertensos. En otras palabras, si los individuos expuestos dejaran de ser hipertensos (esto es, si se eliminase su exposicin al factor de riesgo), su riesgo absoluto original (545,5 por 1.000) quedara reducido solamente al riesgo absoluto de los no expuestos (189,0 por 1.000); este exceso de riesgo (356,5 por 1.000) de enfermar con ECC se atribuye a la hipertensin. El Riesgo Atribuible En La Poblacin (RAP), es la magnitud absoluta de incidencia de enfermedad que se atribuye a la exposicin, ya no slo en los expuestos sino en el conjunto de la poblacin. El RAP es la diferencia entre la incidencia en la poblacin (IP) y la incidencia en los no expuestos; es decir: riesgo atribuible en la poblacin: RAP : IP IE-

En el ejemplo de Framingham, podemos determinar que la incidencia de ECC en la poblacin fue 196,0 por mil personas (218 casos en 1.112 personas). El RAP ser: riesgo atribuible en la poblacin, RAP: 196,0 189,0 = 7,0 por 1.000 habitantes que es la tasa de enfermedad ECC en la poblacin que se considera debida o atribuible a la hipertensin (la exposicin). Es decir que, si no hubiera hipertensin en la poblacin, el riesgo absoluto de enfermar con ECC sera 189,0 por mil personas en vez de 196,0 por mil: el exceso de riesgo, atribuible a la exposicin, es slo 7,0 por mil habitantes El RAP ser: 196,0 189,0 = 7,0 por 1.000 habitantes que es la tasa de enfermedad ECC en la poblacin que se considera debida o atribuible a la HTA(la exposicin).

Es decir que, si no hubiera HTA en la poblacin,el riesgo absoluto de enfermar con ECC sera 189,0 por mil personas en vez de 196,0 X1000: el exceso de riesgo, atribuible a la exposicin, es slo 7,0 por mil habitantes FRACCIONES ATRIBUIBLES: A partir de los riesgos atribuibles podemos calcular otras dos medidas importantes llamadas medidas de impacto potencial: la fraccin atribuible en expuestos la fraccin atribuible en la poblacin Fraccin atribuible en expuestos: La fraccin atribuible en expuestos es simplemente el riesgo atribuible en expuestos expresado porcentualmente, es decir, la proporcin de la incidencia en expuestos que se considera debida a la exposicin al factor de riesgo. En expuestos: IE-IE/IE x 100 La fraccin atribuible en la poblacin o fraccin etiolgica: Es una medida que cuantifica el exceso de riesgo de enfermar, que se atribuye a la exposicin ya no slo en los expuestos, sino en el conjunto de la poblacin. RAP%= IP-IEIP La fraccin atribuible en la poblacin permite identificar la importancia relativa de la exposicin a un determinado factor de riesgo en la poblacin, pues expresa la magnitud en que se reducira el riesgo absoluto de enfermar en el conjunto de la poblacin (es decir, la incidencia de la enfermedad en la poblacin) si se eliminara dicha exposicin. Ejercicio 3.7 Complete la informacin del cuadro siguiente con relacin al impacto potencial asociado a los otros dos factores de riesgo de ECC presentados en el Cuadro 3.16a: x 100

Cohorte

Hipertensin

cardiomegalia

tabaquismo

Total Expuestos No expuestos 22 1090

ECC 12 206

total 111 1001

ECC 41 177

total 800 312

ECC 181 37

FORMULAS Incidencia de poblacin o tasa de incidencia : IP: Total Enfermos Poblacin Total X1000

Riesgo relativo : (RR): incidencia de expuestos (IE) incidencia de no expuestos(IE-)

IE = incidencia de expuestos : Total de expuestos

enfermos expuestos

x 1000

IE- =incidencia de NO expuestos : Total de NO expuestos

enfermos NO expuestos

x 1000

Riesgo Atribuible en Expuestos: INCIDENCIA EXPUESTOS INCIDENCIA NO EXPUESTOS IE IE-

Riesgo Atribuible en la Poblacion: incidencia en la pob. expuestos IP IE-

Incidencia en no

Fraccin atribuible en expuestos:

FAE= IE IE-/IE X 100

Fraccin atribuible en la poblacin o etiolgica: RAP= IP IE-/IP X 100

Clculos: IE = enfermos expuestos Total de expuestos IE- =enfermos NO expuestos Total de NO expuestos RR HTA : incidencia de expuestos (IE): 545.5 /189.O=2.8 incidencia de no expuestos(IE-) x 1000= 206/1090x1000= 189. HTA x 1000= 12/22x 1000= 545.5

IE = enfermos expuestos Total de expuestos IE- =enfermos NO CARDIOMEGALIA

x 1000= 41/111x 1000= 369.4

expuestos

1000=

177/1001x1000=

176.8

Total de NO expuestos RR Cardiomegalia : incidencia de expuestos (IE):369.4/176.8=2.08 incidencia de no expuestos(IE-)

IE = enfermos expuestos Total de expuestos IE=enfermos TABAQUISMO NO

x 1000= 181/800X1000=226.25

expuestos

1000=

37/312X1000=118.5

Total de NO expuestos

RR Tabaquismo : incidencia de expuestos (IE):226.25/118.5=1.90 incidencia de no expuestos(IE-)

Riesgo Atribuible en Expuestos: HTA IE IE- =545.5-189.0=356.5

Riesgo Atribuible en Expuestos: CARDIOMEGALIA IE IE- = 369.4-176.8= 192.6 En Expuestos Riesgo Atribuible en Expuestos: TABAQUISMO IE IE- =226.25-118.5= 107.7} Riesgo Atribuible

Riesgo Atribuible en la Poblacin: IP: Total Enfermos Poblacin Total IP IP IP IE- HTA= 196- 189.0 = 7.0X 1000 PERSONAS IE- CARDIOMEGALIA = 196 - 176.8 =19.2 X 1000 PERSONAS IE- TABAQUISMO = 196 - 118.5= 77.5 X 1000 PERSONAS X1000 = 218/1112X1000=196

Fraccin atribuible en expuestos: FAE= IE IE-/IE X 100 CARDIOMEGALIA 369.3-176.5/369.3 X1OO= 52.2%

TABAQUISMO 226.5-118.5/226.5 X 1OO=47.6% Fraccin atribuible en la poblacin o etiolgica: RAP= IP IE-/IP X 100 CARDIOMEGALIA 196-118.5/196 X100=9.8% TABAQUISMO: 196-118.5/196X100=39.5% Factor de riesgo Medida Cardiomegalia(medida por el incremento de la sombra cardiaca a los rayos x) 2.09=2.1 192.6 19.2 x1000 personas Tabaquismo(habito de fumar cigarrillos presente)

Riesgo relativo Riesgo atribuible en expuestos Riesgo atribuible poblacin Fraccion expuestos atribuible en la

1.90=2.0 107.7 77.5x 1000 personas

en

52.1%

47.6%

Fraccion atribuible poblacin

en

la

9.8%

39.5%

Esta situacion, relativamente comun, ilustra el contraste entre riesgo individual y el riesgo poblacional. Esta situacion explica por las diferencias en la prevalencia de exposicion en la poblacion a los distintos factores de riesgo.con los datos del Cuadro 3.21 podemos interferir que la prevalencia de hipertension en la poblacion fue 2%, mientras que la del tabasquismo fue 72%. Asi el RAP% es sensible no

solo a la magnitud de la del exceso de riesgo entre expuestos y no expuestos, sino tambien a la magnitud de la exposicion del riesgo en la poblacion. En el ejemplo de Framingham, que sintetizamos en el cuadro 3.21 y el grafico 3.21 siguientes, si tuvieramos que decidir por una intervencion de salud publica para disminiur el riesgo de ECC- una de las situaciones habitual cuando hay limitacion de recursosla intervencion dirigida a la disminucion la prevalencia de consumo de cigarrillos tendra definitivamente mayor impacto en dicha poblacion.

Otro ilustrativo ejempol de la importancia de considerar el impacto potencialde la medidas de control en la comunidada la hora de tomar decisiones se encuentra en el caso del colera en la Amazonia, presentado en el Cuadro 3.17 (pagina 68). De acuerdo con la informacion disponible, podemos determinar la fraccion atribuible en la poblacion (fraccion etiologica, RAP%) de la exposicion a pescado crudo y agua no tratada:

Esto no permite saber que,aunque el consumo de pescado crudo esta mas fuertemente asociado a la presencia de colera (RR=4.9), su impacto potencial en la poblacin es muy bajo, porque la prevalencia de exposicin (consumo de pescado crudo) es muy bajo (1.2%). Si eliminaramos el consumo de pescado crudo en esa poblacin solamente conseguiriamos reducir cerca del 5% su incidencia, en cambio el consumo de agua de agua no tratada una prctica alatamente prevalente en dicha comunidad (68.4) consume agua no tratada tiene gran imapcto potencial; eliminar este riesgo reducira el 65% de la incidencia de colera de esta poblacin. Aunque, es obvio que las campaas de prevencin de clera en esa comunidad habran de advertir el consumo de pescado crudo o frutas sin lavar la inversion tendr que dirigirse prioritariamente a evitar que su poblacin consuma agua no tratada.

Estandarizacin de tasas
Tasas crudas. Se utilizan para sintetizar la informacin disponible, se presentan para la poblacin completa o para grandes categoras de la misma. Con estas tasas-resumen se suele comparar la mortalidad o la incidencia de una enfermedad entre dos reas geogrficas, dos grupos de poblacin o dos momentos en el tiempo y ver si existen diferencias relevantes . Consideremos la siguiente situacin:

Los datos de mortalidad y poblacin corresponden al mismo ao calendario. Pas A: escasamente industrializado; Pas B: altamente industrializado.

Qu informacin comparativa se obtiene a partir de estos datos? 1) Que la tasa de mortalidad en el Pas B es ms alta que en el Pas A; 2) Que el riesgo de morir en el Pas B es 50% ms alto que en el Pas A. Es decir que, en trminos de mortalidad, el Pas B est en una situacin ms desfavorable que el Pas A. El Pas B, como se mencion, un pas altamente industrializado.

Tasas especficas. Las tasas pueden presentarse en forma desagregada para varias categoras de poblacin, definidas sobre la base de caractersticas relevantes a la comparacin: Edad Sexo Etnia Ocupacin Nivel de exposicin a determinado factor de riesgo.

Puesto que el riesgo de morir o de contraer la gran mayora de enfermedades est relacionado, en general, con la edad y a menudo difiere entre los sexos, el anlisis de la mortalidad o la incidencia de enfermedad en una poblacin deben necesariamente hacer uso de las correspondientes tasas especficas. Regresemos ahora a la situacin entre los pases A y B:

A partir de esta informacin es posible identificar al menos tres hechos relevantes: 1) el Pas A tiene tasas de mortalidad especficas por edad ms altas que el Pas B en todos los grupos de edad considerados;

2) la estructura por edades difiere marcadamente entre las dos poblaciones: el pas A concentra su poblacin hacia edades tempranas, el pas B hacia edades tardas; y, 3) hay una aparente contradiccin entre lo que esta informacin refleja y lo que se concluye observando las tasas crudas de mortalidad de los dos pases. Cmo se explica esta aparente confusin? Dado que, como ha sido mencionado, el riesgo de morir o enfermar est habitualmente asociado con la edad, las tasas crudas de mortalidad e incidencia dependen crticamente de la composicin etrea de una poblacin. Esto cobra mayor relevancia cuando el objetivo es comparar dos poblaciones. Puede ser, por tanto, inapropiado emplear tasas crudas para comparar dos poblaciones distintas a menos que tengan la misma estructura por edades. La diferencia de composicin etrea (o sea, la variable edad) ejerce un efecto confusor en la comparacin de tasas crudas de mortalidad por pas. De hecho, una tasa cruda es bsicamente un promedio ponderado de las tasas especficas por categora, siendo los pesos las proporciones de poblacin en cada categora. Para poder realizar una comparacin libre de las distorsiones que pueden provocar las diferencias en la composicin de la poblacin se deben emplear tasas estandarizadas. Tasas estandarizadas o ajustadas. Son tasas-resumen construdas estadsticamente para tomar en cuenta y remover el potencial efecto confusor de la variable edad u otra tercera variable, al comparar las tasas de mortalidad o incidencia de dos poblaciones diferentes. El procedimiento bsico para el ajuste de tasas (el llamado mtodo directo) requiere contar con las tasas especficas por categora de la variable a ajustar (por ejemplo, la edad) en ambas poblaciones a comparar. Es decir, se requiere dos conjuntos de tasas especficas por edad (uno por cada pas) y una poblacin estndar. La idea general es ver cul sera el nmero total de defunciones que habra en cada uno de los dos pases, si stos tuvieran exactamente la misma estructura de edad (la poblacin estndar) y ocurrieran las tasas especficas por edad realmente observadas en cada uno. En otras palabras, se trata de ajustar la estructura de mortalidad observada de cada pas, a una estructura de edad nica y estndar para los dos. El procedimiento incluye los siguientes cuatro pasos: 1. fijar la poblacin estndar: se puede seleccionar una ya conocida o se puede construir una a partir de los datos; por ejemplo, sumando las poblaciones especficas por categora de edad en cada grupo;

2. calcular el nmero esperado de defunciones en cada categora de edad de la poblacin estndar, aplicando las tasas especficas por edad observadas en cada una de las dos poblaciones a comparar;

Por ejemplo, el nmero de defunciones esperadas en el grupo de menores de 15 aos para el Pas A, se calcula por medio de una regla de tres simple: si ocurren 16 defunciones por cada mil personas, cuntas defunciones ocurrirn en 44.612.990 personas?. Esto es,

3. obtener el nmero total de defunciones esperadas en cada pas , sumando los resultados correspondientes del paso anterior; y,

4. calcular las respectivas tasas ajustadas por edad para cada poblacin, dividiendo el nmero total de casos esperados obtenido en el paso previo, entre el total de la poblacin estndar.

Comparemos una vez ms los resultados crudos y ajustados:

Luego de haber removido la distorsin producida por la diferencia en la estructura de edades, se cuenta con una medida-resumen vlida para comparar la mortalidad entre los dos pases: la tasa de mortalidad es cerca de 40% ms alta en el Pas A que en el Pas B. Cabe recalcar que el uso de tasas estandarizadas slo est indicado con fines comparativos; su construccin estadstica est basada en la eleccin arbitraria de un estndar y, por ello, la magnitud de la cifra carece de valor intrnseco. Por ltimo, la estandarizacin de tasas no suple las deficiencias en la calidad, cobertura ni registro de los datos.

CONCLUSIONES
La prueba Z sirve para la comparacin de dos promedios observados. El riesgo atribuible es de suma importancia ya que nos ayuda a expresar

el valor terico de incidencia imputable al factor de riesgo en la poblacin.

El intervalo de confianza es un rango de valores, calculado en nuestros estimadores de la muestra, en el que nosotros confiamos que se contenga el parmetro poblacional. Nos permite presentar un resultado acompandolo de un margen de error, con lmite superior e inferior. Su importancia radica en que nos permite evaluar el rango de valores donde posiblemente se encuentra el valor real, y por lo tanto permite realizar una mejor interpretacin y aplicacin clnica de los resultados. La tasa ajustada es una medida de resumen de las tasas especficas en los diferentes estratos de la variable de confusin (por ejemplo: edad). Se construye como una media ponderada de estas tasas especficas donde los pesos o ponderaciones proceden de una serie de referencia llamada estndar, el propsito de la cual es homogeneizar los distintos grupos que se comparan. Las tasas ajustadas, no importa el mtodo, no tienen valor intrnseco, carecen de sentido por s mismas: slo sirven para compararlas con otras obtenidas bajo las mismas condiciones.

BIBLIOGRAFIA
Mdulo de Principios de Epidemiologa para el Control de Enfermedades (MOPECE) Segunda Edicin Revisada Medicin de las condiciones de salud y enfermedad en la poblacin.