Está en la página 1de 37
Apunte de cátedra (2) APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL PROBABILIDADES Y APLICACIONES Apunte de cátedra (2) Índice Concepto de Probabilidad ................................................................................................................... 4 Enfoques probabilísticos: ................................................................................................................ 4 Probabilidad simple y probabilidad compuesta.................................................................................. 5 Teoría de las probabilidades ............................................................................................................... 5 Probabilidad de sucesos excluyentes o incompatibles. .................................................................. 5 Probabilidad de sucesos no excluyentes o compatibles. ................................................................ 6 Probabilidad de sucesos excluyentes provenientes de sucesos compatibles. ............................... 7 Ejemplos. ..................................................................................................................................... 7 Probabilidad Condicional .................................................................................................................. 11 Ejemplos .................................................................................................................................... 13 Teorema de Bayes y su aplicación en pruebas de diagnóstico. ........................................................ 17 Ejemplos: ................................................................................................................................... 22 Medidas de frecuencia de una enfermedad. .................................................................................... 28 Prevalencia. ................................................................................................................................... 28 Incidencia. ..................................................................................................................................... 29 Ejemplos: ................................................................................................................................... 30 Ejercicios propuestos ........................................................................................................................ 33 Bibliografía ........................................................................................................................................ 36 APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Resumen.............................................................................................................................................. 3 Apunte de cátedra (2) Resumen La teoría de las probabilidades es una herramienta básica en los estudios sobre enfermedades ya que ayuda a decidir si la aplicación de una nueva prueba de diagnóstico o la utilización de un nuevo tratamiento es efectiva o sólo es debido al azar. Además para poder extrapolar la información estadística obtenida de una muestra a una población es preciso conocer y saber aplicar los conceptos de probabilidades. En este apunte se desarrollan ejercicios modelos a seguir para calcular y comprender ciertas aplicaciones en el área de salud del uso de la teoría de las probabilidades. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Este apunte trata la teoría de las probabilidades enfocado hacia la resolución de problemas relacionados con el área de la salud y la utilización de las probabilidades en aplicaciones tales como pruebas de diagnósticos y medidas de frecuencia. Apunte de cátedra (2) Concepto de Probabilidad Clásico: Se define como la relación entre el número de casos favorables y el número de casos posibles de que ocurra un evento o suceso aleatorio. Es decir, este enfoque define la probabilidad como una proporción determinada como: donde #(S) es la cardinalidad del espacio muestral S del experimento y #(A) es la cardinalidad del suceso A. Estadístico o frecuencial: Se define como el límite de la frecuencia relativa de un suceso cuando el número de sucesos del fenómeno estadístico que se observa tiende a infinito. En este caso, la probabilidad se determina en base a la proporción de veces que ocurre un resultado favorable en cierto número de experimentos. Para determinar los valores de las probabilidades se requiere de la recopilación de observaciones o datos experimentales a través de los cuales se calculan las respectivas frecuencias relativas. La frecuencia relativa tiende a la probabilidad de ocurrencia del suceso cuando el experimento se lleva a cabo un gran número de veces. El término P(A) representa la probabilidad de que el resultado del experimento esté contenido en el suceso A. Modelado o matemático: Se define como la función que se establece entre los sucesos estadísticos y el conjunto de números racionales. Este enfoque se sustenta en tres propiedades que constituyen la fundamentación de la teoría de probabilidades. Propiedad 1: La probabilidad de ocurrencia de un suceso es un número que se encuentra entre 0 y 1 inclusive. El 0 representa la certeza absoluta de la no ocurrencia del suceso mientras que el 1 representa la APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Enfoques probabilísticos: Apunte de cátedra (2) certeza absoluta de ocurrencia del suceso. Cualquier otro valor entre estos dos valores indica incertidumbre acerca de la ocurrencia del suceso. La probabilidad de que ocurra un suceso seguro como la totalidad del espacio muestral siempre es 1, en cambio la probabilidad de que ocurra un suceso imposible siempre es 0. Propiedad 3: Si dos sucesos son mutuamente excluyentes entonces la probabilidad de su unión es la suma de sus probabilidades individuales. Probabilidad simple y probabilidad compuesta La probabilidad simple es la probabilidad de ocurrencia de un suceso o evento simple. La probabilidad compuesta es la probabilidad de ocurrencia de dos o más sucesos simples que forman conjuntamente el suceso que se considera. Los sucesos simples pueden ser independientes o dependientes unos de otros por lo que existen: probabilidad compuesta de casos independientes y probabilidad compuesta de casos dependientes. Entre los principales casos de probabilidad compuesta se tienen: Si los sucesos A o B o ambos ocurren se trata de . Si los sucesos A y B ocurren simultáneamente se trata de . Si un suceso ocurre y sólo si otro suceso A no ocurre se trata de . Teoría de las probabilidades Cuando un suceso se puede descomponer ya sea de forma aditiva (unión) o de forma multiplicativa (intersección) mediante sucesos más simples o elementales el cálculo de la probabilidad de dicho suceso se puede simplificar si se conocen las probabilidades de los sucesos más simples. Probabilidad de sucesos excluyentes o incompatibles. i) Unión de sucesos excluyentes: S A∪B . S = A B APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Propiedad 2: Apunte de cátedra (2) S . S A∩B = B A De estas dos propiedades (unión e intersección de sucesos excluyentes) se puede deducir que un suceso dado, A, y su suceso complementario, Ac, que por definición son sucesos mutuamente excluyentes y exhaustivos, cumplen con la siguiente igualdad: Probabilidad de sucesos no excluyentes o compatibles. i) Unión de sucesos no excluyentes: . Diagramáticamente: S A∪B = S S S A B ii) Intersección de sucesos no excluyentes: + B A . – A∩B APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL ii) Intersección de sucesos excluyentes: Apunte de cátedra (2) Probabilidad de sucesos excluyentes provenientes de sucesos compatibles. El diagrama de los sucesos excluyentes a partir de dos sucesos compatibles es: S A S B c A∩B c A∩B c A ∩B c A ∩B Las expresiones de la probabilidad de sucesos excluyentes formados son: . . . Se cumple que la suma (unión) de los sucesos excluyentes es el espacio muestral (suceso seguro). . . Ejemplos. 1. En una cierta población se estima que el 24% de los individuos padecen hiperlipemia y el 16% padecen hipertensión arterial, además que el 6% de los individuos son hiperlipémicos e hipertensos. Calcular la probabilidad de que un individuo elegido al azar no padezca ni hiperlipemia ni hipertensión arterial. (Enunciado adaptado de (Álverez Cáceres, Estadística Aplicada a las Ciencias de la Salud, 2007)) Se definen los sucesos por comprensión: A = “individuos que padecen hiperlipemia”. Ac = “individuos que no padecen hiperlipemia”. B = “individuos que padecen hipertensión arterial”. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL A partir de sucesos compatibles se pueden formar sucesos excluyentes, si se tienen n sucesos no excluyentes se pueden formar 2n sucesos excluyentes. Para poder calcular las probabilidades de los sucesos excluyentes es necesario conocer tantos valores de probabilidades como sucesos excluyentes existan menos 1, o sea 2n – 1. Apunte de cátedra (2) Bc = “individuos que no padecen hipertensión arterial”. Del enunciado del ejemplo se tiene que las probabilidades de ocurrencia son: . La probabilidad de que ocurra B es . La probabilidad de que ocurran ambos sucesos a la vez Es decir, se trata de dos sucesos, A y B, no excluyentes ya que . . A partir de la fórmula de probabilidad de un suceso y su suceso complementario se calculan las probabilidades de los sucesos complementarios definidos como Ac y Bc: . . Utilizando la fórmula de la unión de sucesos no excluyentes se obtiene la probabilidad de la unión de los sucesos A y B: . Es decir, la probabilidad de que un individuo elegido al azar padezca hiperlipemia o padezca hipertensión arterial es de 0,34. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos A y Bc: Es decir, la probabilidad de que un individuo elegido al azar padezca hiperlipemia y no padezca hipertensión arterial es de 0,18; el individuo sólo padece hiperlipemia. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos Ac y B: Es decir, la probabilidad de que un individuo elegido al azar no padezca hiperlipemia y padezca hipertensión arterial es de 0,10; el individuo sólo padece hipertensión arterial. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos complementarios Ac y Bc: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La probabilidad de que ocurra A es Apunte de cátedra (2) Se puede comprobar que la suma de las probabilidades de los sucesos excluyentes provenientes de sucesos compatibles es igual a la probabilidad del espacio muestral Si se ingresan estas probabilidades obtenidas al diagrama general para dos sucesos compatibles se obtiene lo siguiente: S B A 0,18 0,06 0,10 0,66 La probabilidad de que un individuo elegido al azar no padezca hiperlipemia ni hipertensión arterial es de 0,66. 2. En un estudio sobre sensibilidad, se practican necropsias en encéfalos de pacientes afectados de demencia senil o degeneración arteriosclerótica cerebral. Se informa de que el 34% tiene alteraciones asociadas principalmente con la demencia senil, el 42% tiene alteraciones asociadas con la degeneración arteriosclerótica cerebral, y el 56% muestra signos de una o de otra enfermedad. (Enunciado adaptado de Milton, 2007). a) ¿Cuál es la probabilidad de que un individuo elegido al azar haya padecido demencia senil pero no degeneración arteriosclerótica cerebral? b) ¿Cuál es la probabilidad de que un individuo elegido al azar haya padecido degeneración arteriosclerótica cerebral pero no demencia senil? Se definen los sucesos por comprensión: A = “cerebros de individuos que padecían demencia senil”. Ac = “cerebros de individuos que no padecían demencia senil”. B = “cerebros de individuos que padecían degeneración arteriosclerótica cerebral”. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Es decir, la probabilidad de que un individuo elegido al azar no padezca hiperlipemia y no padezca hipertensión arterial es de 0,66; el individuo no padece ninguna de las dos enfermedades. Apunte de cátedra (2) Bc = “cerebros de individuos que no padecían degeneración arteriosclerótica cerebral”. Del enunciado del ejemplo se tiene quelas probabilidades de ocurrencia son: . La probabilidad de que ocurra B es . La probabilidad de que ocurran uno u otro suceso es . A partir de la fórmula de probabilidad de un suceso y su suceso complementario se calculan las probabilidades de los sucesos complementarios definidos como Ac y Bc: . . Utilizando la fórmula de la unión de sucesos no excluyentes se obtiene la probabilidad de la intersección de los sucesos A y B: . Es decir, la probabilidad de que un individuo elegido al azar haya padecido demencia senil y degeneración arteriosclerótica cerebral es de 0,20. Es decir, se trata de dos sucesos, A y B, no excluyentes ya que Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos A y Bc: Es decir, la probabilidad de que un individuo elegido al azar haya padecido demencia senil y no haya padecido degeneración arteriosclerótica cerebral es de 0,14. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos Ac y B: Es decir, la probabilidad de que un individuo elegido al azar no haya padecido demencia senil y haya padecido degeneración arteriosclerótica cerebral es de 0,22. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos complementarios Ac y Bc: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La probabilidad de que ocurra A es Apunte de cátedra (2) Se puede comprobar que la suma de las probabilidades de los sucesos excluyentes provenientes de sucesos compatibles es igual a la probabilidad del espacio muestral Si se ingresan estas probabilidades obtenidas al diagrama general para dos sucesos compatibles se obtiene lo siguiente: S B A 0,14 0,20 0,22 0,44 La probabilidad de que un individuo elegido al azar haya padecido demencia senil pero no degeneración arteriosclerótica cerebral es de 0,14. La probabilidad de que un individuo elegido al azar haya padecido degeneración arteriosclerótica cerebral pero no demencia senil es de 0,22. Probabilidad Condicional En ocasiones, se desea obtener la probabilidad de ocurrencia de algún suceso dentro de un subconjunto del espacio muestral, en estos casos el conjunto de todos los resultados posibles se reduce a un subconjunto del espacio muestral. La generación de este subconjunto se obtiene a partir de condiciones no aplicables al espacio muestral total pero si al subconjunto deseado. Cuando se obtienen las probabilidades de ocurrencia debido a una condición previa se trata de una probabilidad condicional. Se define como el cociente entre los casos favorables y los casos posibles dentro de aquellos que cumplen una condición. Es decir, es la probabilidad de ocurrencia de un suceso dentro de un subconjunto del espacio muestral. Se utiliza como notación una línea oblicua hacia arriba para separar el suceso condicionado respecto del suceso condicionante. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Es decir, la probabilidad de que un individuo elegido al azar no haya padecido demencia senil y no haya padecido degeneración arteriosclerótica cerebral es de 0,44. Apunte de cátedra (2) El suceso B condiciona al suceso A. El suceso A condiciona al suceso B. con Se lee como la probabilidad del suceso A condicionado por el suceso B, que ya ha ocurrido. Su cálculo es igual a la probabilidad de la ocurrencia simultánea de ambos sucesos dividida por la probabilidad de ocurrencia del suceso B. Si se desea obtener probabilidades condicionales relativas a los sucesos excluyentes provenientes de sucesos compatibles se tiene que: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La fórmula de la probabilidad condicional es: Apunte de cátedra (2) Ejemplos a) ¿Cuál es la probabilidad de que una mujer con candidiasis elegida al azar presente inflamación dado que ya presenta prurito? b) ¿Cuál es la probabilidad de que una mujer con candidiasis elegida al azar no presente prurito dado que ya presenta inflamación? Se definen los sucesos por comprensión: A = “mujeres con candidiasis presentan inflamación”. Ac = “mujeres con candidiasis no presentan inflamación”. B = “mujeres con candidiasis presentan prurito”. Bc = “mujeres con candidiasis no presentan prurito”. Del enunciado del ejemplo se tiene que las probabilidades de ocurrencia son: La probabilidad de que ocurra A es . La probabilidad de que ocurra B es . La probabilidad de que ocurran ambos sucesos a la vez Es decir, se trata de dos sucesos, A y B, no excluyentes ya que . . A partir de la fórmula de probabilidad de un suceso y su suceso complementario se calculan las probabilidades de los sucesos complementarios definidos como Ac y Bc: . . Utilizando la fórmula de la unión de sucesos no excluyentes se obtiene la probabilidad de la unión de los sucesos A y B: . Es decir, la probabilidad de que una mujer con candidiasis elegida al azar presente inflamación o presente prurito es de 0,92. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 1. En mujeres con candidiasis se presenta inflamación en un 88% de los casos y prurito en un 76% de los casos, ambos síntomas se dan en el 72% de los casos (Enunciado adaptado de (Martín Andrés & Luna del Castillo, 2004)). Apunte de cátedra (2) Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos A y Bc: Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos Ac y B: Es decir, la probabilidad de que una mujer con candidiasis elegida al azar no presente inflamación y presente prurito es de 0,04. Utilizando la fórmula de los sucesos excluyentes provenientes de sucesos compatibles se obtiene la probabilidad de la intersección de los sucesos complementarios Ac y Bc: Es decir, la probabilidad de que una mujer con candidiasis elegida al azar no presente inflamación y no presente prurito es de 0,08. Se comprueba que la suma de las probabilidades de los sucesos excluyentes provenientes de sucesos compatibles es igual a la probabilidad del espacio muestral Si se ingresan estas probabilidades obtenidas al diagrama general para dos sucesos compatibles se obtiene lo siguiente: S B A 0,16 0,72 0,08 0,04 APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Es decir, la probabilidad de que una mujer con candidiasis elegida al azar presente inflamación y no presente prurito es de 0,16. Apunte de cátedra (2) Utilizando la fórmula de la probabilidad condicional para sucesos excluyentes provenientes de sucesos compatibles se obtiene lo siguiente: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La probabilidad de que una mujer con candidiasis elegida al azar presente inflamación dado que ya presenta prurito, es decir , es de 0,95. La probabilidad de que una mujer con candidiasis elegida al azar no presente prurito dado que ya presenta inflamación, es decir , es de 0,18 2. La unidad de psiquiatría de un hospital tiene un total de 203 pacientes, de los cuales 133 son mujeres y de ellas 77 poseen depresión, con un total de 104 personas depresivas atendidas por la unidad, estando los restantes pacientes sin depresión. (Enunciado tomado de (Díaz Narváez, 2009)). a) ¿Cuál es la probabilidad de estar depresivo dado que se es mujer? b) ¿Cuál es la probabilidad de no estar depresivo dado que no se es mujer? Se definen los sucesos por comprensión: A = “pacientes mujeres en la unidad de psiquiatría de un hospital”. Ac = “pacientes hombres en la unidad de psiquiatría de un hospital”. B = “pacientes depresivos atendidos en la unidad de psiquiatría de un hospital”. Apunte de cátedra (2) Bc = “pacientes no depresivos atendidos en la unidad de psiquiatría de un hospital”. Del enunciado del ejemplo se tiene que las probabilidades de ocurrencia son: . La probabilidad de que ocurra B es . La probabilidad de que ocurran ambos sucesos a la vez . Las probabilidades de los sucesos complementarios son: . . La probabilidad de la unión de los sucesos A y B es: . La probabilidad de la intersección de los sucesos A y Bc es: La probabilidad de la intersección de los sucesos Ac y B es: La probabilidad de la intersección de los sucesos complementarios Ac y Bc es: Las probabilidades condicionales son: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La probabilidad de que ocurra A es Apunte de cátedra (2) que es una (omitir) mujer, es decir , es de 0,58. La probabilidad de que un paciente de unidad de psiquiatría de un hospital no esté depresivo dado que no es una mujer, es decir , es de 0,62. Teorema de Bayes y su aplicación en pruebas de diagnóstico. Para determinar si la probabilidad de un efecto particular se debe a una causa específica se puede adaptar el concepto de probabilidad condicional. A través del teorema de Bayes se obtiene un procedimiento adecuado para este fin. Se sabe por la definición de probabilidad condicional que: Luego: Por lo que: De donde se obtiene que: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La probabilidad de que un paciente de la unidad de psiquiatría de un hospital esté depresivo dado Apunte de cátedra (2) La expresión general del Teorema de Bayes es: Las cuatro zonas contenidas en un diagrama de conjuntos para dos sucesos compatibles se pueden trasladar a una tabla de doble entrada ya que existe una relación directa entre ambas esquematizaciones. S B A c c A∩B A∩Bc c A ∩B A ∩B S A Ac B A∩B Bc A∩Bc Ac∩B Ac∩Bc En la tabla de doble entrada se comprueba que: Las pruebas diagnósticas son una aplicación del teorema de Bayes. Las pruebas de diagnóstico son herramientas complementarias ampliamente utilizadas en la práctica clínica, las que sirven para evaluar la capacidad de discriminación de una prueba que permita predecir la presencia o ausencia de una enfermedad; confirmar el estado o avance de la misma y valorar el efecto de un tratamiento. También sirven para detectar si una nueva prueba o técnica es confiable o no en la detección rápida de una enfermedad. La evaluación de una prueba diagnóstica es la cuantificación de la magnitud de los aciertos que se obtienen al realizar un diagnóstico a partir de los resultados que brinda el procedimiento de dicha prueba diagnóstica. En pruebas diagnósticas se debe responder a las siguientes preguntas (Daniel, 2002): APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Para dos sucesos y sus sucesos complementarios se tiene que: Apunte de cátedra (2) 1. Dado que un individuo tiene la enfermedad, ¿qué probabilidad existe de que la prueba resulte positiva? 3. Dada una prueba positiva de detección, ¿qué probabilidad existe de que el individuo tenga la enfermedad? 4. Dado el resultado negativo de una prueba de detección, ¿cuál es laprobabilidad de que el individuo no tenga la enfermedad? La siguiente tabla de doble entrada es una forma sencilla de mostrar las relaciones entre la presencia o ausencia de una enfermedad y los resultados, ya sean positivos o negativos, de una prueba diagnóstica. Es de fácil confección y se utiliza para el análisis de la efectividad de una prueba de diagnóstico. Tiene la siguiente estructura: Condición Positiva (P+) Prueba Negativa (P–) Enfermo (E+) No enfermo (E–) Verdaderos Falsos Total positivos (VP) positivos (FP) Positivos Falsos Verdaderos Total negativos (FN) negativos (VN) Negativos Total Total Enfermos No enfermos Total Como se observa en la tabla de doble entrada la prueba de diagnóstico proporciona cuatro tipos de resultados posibles, dos de los cuales son correctos (verdaderos) y dos incorrectos (falsos) Para que la prueba diagnóstica tenga una aplicación adecuada deben conocerse sus principales características (Botero Botero & Chacón Cardona, 2007): a) Eficacia. b) Capacidad de predicción. c) Exactitud e importancia relativa entre los estudios que le dieron validez. a) Eficacia: Es una propiedad asociada a la capacidad para establecer una relación entre el resultado de la prueba y la existencia de la enfermedad. Las medidas que permiten analizar la eficacia de la prueba son la sensibilidad y la especificidad. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 2. Dado que un individuo no tiene la enfermedad, ¿cuál es la probabilidad de que la prueba resulte negativa? Apunte de cátedra (2) Existe la posibilidad de cuatro resultados (como se esquematiza en la tabla de doble entrada) Negativa (P–) No enfermo (Ec) Prueba positiva Prueba positiva Enfermedad presente Enfermedad ausente Prueba negativa Prueba negativa Enfermedad presente Enfermedad ausente Dos conceptos asociados a la eficacia de una prueba de diagnóstico son: la sensibilidad y la especificidad que miden la discriminación de una prueba en relación a un criterio de referencia que se considera verdadero. Sensibilidad (S): Indica la capacidad que tiene la prueba para detectar a un individuo enfermo, corresponde a la proporción de individuos enfermos identificados por la prueba frente al total de individuos efectivamente enfermos. Se trata de una probabilidad condicional. Es decir, la sensibilidad es la probabilidad de que la prueba de diagnóstico identifique como enfermo al individuo que efectivamente está enfermo. Especificidad (E): Indica la capacidad de la prueba para detectar a un individuo no enfermo, corresponde a la proporción de individuos no enfermos identificados por la prueba frente al total de individuos efectivamente no enfermos. Se trata de una probabilidad condicional. Es decir, la especificidad es la probabilidad de que la prueba de diagnóstico identifique como no enfermo al individuo que efectivamente no está enfermo. Una prueba diagnóstica muy sensible es aquella que presenta una alta probabilidad de confirmar la enfermedad, o sea, que la prueba da positiva para un individuo que está enfermo. Una prueba diagnóstica muy específica es aquella que presenta una alta probabilidad de descartar la enfermedad, o sea, que la prueba dá negativa para un individuo que no está enfermo. Una prueba diagnóstica es tanto mejor cuanto mayores son la sensibilidad y la especificidad. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Positiva (P+) Enfermo (E) Apunte de cátedra (2) b) Capacidad de predicción: Es la capacidad que tiene la prueba diagnóstica de establecer la relación entre la presencia o ausencia de la enfermedad y el resultado positivo o negativo de ella. Valor predictivo positivo (VPP): Es la probabilidad de que un individuo en el que una determinada prueba diagnóstica ha dado o ha sido positiva tenga la enfermedad, es una probabilidad condicional. Un valor predictivo positivo cercano a 1 implica que los falsos positivos son significativamente menores que los verdaderos positivos, por lo que un resultado positivo adquiere mayor validez para poder confirmar la enfermedad. Valor predictivo negativo (VPN): Es la probabilidad de que un individuo en el que una determinada prueba diagnóstica ha dado o ha sido negativa no tenga la enfermedad, es una probabilidad condicional. Un valor predictivo negativo cercano a 1 implica que los falsos negativos son significativamente menores que los verdaderos negativos, por lo que un resultado negativo adquiere mayor validez para poder descartar la enfermedad. Las cuatro probabilidades condicionales analizadas, sensibilidad, especificidad y valores predictivos, entregan información sobre la capacidad de discriminación de una prueba diagnóstica frente a la presencia o ausencia de una enfermedad ya que a través de ellas se obtiene la proporción de enfermos y no enfermos que son clasificados correctamente. c) Exactitud e importancia relativa entre los estudios que le dieron validez: considera la reproducibilidad de la prueba así como la variabilidad; también a adaptabilidad y aceptabilidad de la misma. Tiene como finalidad estadística diferenciar absolutamente un grupo de pacientes con determinada característica de otro grupo sin esa característica. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Los conceptos asociados a la capacidad de predicción de una prueba diagnóstica son: el valor predictivo positivo y el valor predictivo negativo que entregan información clínica acerca de la presencia o ausencia de la enfermedad dado el resultado de la prueba de diagnóstico. Apunte de cátedra (2) Ejemplos: Como la prueba diagnóstica resulta positiva la probabilidad de que el paciente esté enfermo implica que se trata de una probabilidad condicional, en este caso se debe calcular el valor predictivo positivo de dicha prueba. Para este paciente la probabilidad de padecer la enfermedad es: . Para este paciente la probabilidad de no padecer la enfermedad es: Se sabe que la sensibilidad es: por lo que: . Se cumple que: Se sabe que la especificidad es: por lo que: Al ingresar estos valores a la fórmula del valor predictivo positivo se obtiene: Es decir, la probabilidad de que el paciente esté enfermo dado que la prueba diagnóstica resulta positiva es de 0,64. 2. En un estudio realizado a 1.950 individuos, 35 padecían tuberculosis. Se tomaron placas de rayos X de tórax a todos los individuos; 78 dieron resultados positivos, lo cual implica que hay APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 1. Una prueba diagnóstica tiene una sensibilidad de 0,82 y una especificidad de 0,86. La prueba es aplicada a un paciente cuya probabilidad de padecer la enfermedad, teniendo en cuenta sus características personales es 0,24. La prueba resulta positiva, ¿cuál es la probabilidad de que el paciente esté enfermo? (Enunciado adaptado de (Álverez Cáceres, El método científico de las ciencias de la salud, 1996). Apunte de cátedra (2) evidencia significativa de una enfermedad inflamatoria, de ellos 54 no padecían de tuberculosis. (Enunciado adaptado de (Pagano & Gauvreau, 2001)). a) ¿Cuál es la sensibilidad de la prueba de rayos X? c) Si la nuestra se considera válida para ser extrapolada a la población ¿cuáles son los valores predictivos de la prueba de rayos X? Se ingresan los valores informados en el enunciado en la tabla de contingencia o de doble entrada. Tuberculosis Enfermo (E) Rayos X No enfermo (Ec) 54 Positivo (P+) 78 Negativo (P–) 35 1.950 Si son 1.950 individuos y 35 con tuberculosis entonces hay 1.915 individuos sanos. Como 78 pruebas de rayos X dan resultados positivos y 54 individuos están sanos entonces 24 de los 78 individuos que dieron positivos la prueba de rayos X padecían tuberculosis. Como los individuos con tuberculosis son 35 y 24 de ellos la prueba de rayos X da positiva entonces a 11 individuos ,con tuberculosis, la prueba de rayos X da negativa. Como hay 1.915 individuos sanos de los cuales 54 dan positiva la prueba de rayos X resulta que son 1.861 individuos sanos que la prueba de rayos X da negativa. Los individuos que les da la prueba de rayos X negativa son 11 enfermos y 1.861 sanos, es decir, para 1.872 individuos la prueba de rayos X es negativa. Tuberculosis Rayos X Enfermo (E) No enfermo (Ec) Positivo (P+) 24 54 78 Negativo (P–) 11 1.861 1.872 35 1.915 1.950 APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL b) ¿Cuál es la especificidad de la prueba de rayos X? Apunte de cátedra (2) a) Sensibilidad: c) Valor predictivo positivo: Valor predictivo negativo: 3. Una prueba diagnóstica tiene una sensibilidad de 0,89 y una especificidad de 0,83. La prueba es aplicada a un paciente cuya probabilidad de padecer la enfermedad, teniendo en cuenta sus características personales, es 0,21. La prueba da negativa, ¿cuál es la probabilidad de que no esté enfermo? (Enunciado adaptado de (Álverez Cáceres, El método científico de las ciencias de la salud, 1996). Como la prueba diagnóstica resulta negativa la probabilidad de que el paciente no esté enfermo implica que se trata de una probabilidad condicional, en este caso se debe calcular el valor predictivo negativo de dicha prueba. Para este paciente la probabilidad de padecer la enfermedad es: . Para este paciente la probabilidad de no padecer la enfermedad es: Se sabe que la especificidad es: por lo que: Se cumple que: Se sabe que la sensibilidad es: por lo que: . APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL b) Especificidad: Apunte de cátedra (2) Al ingresar estos valores a la fórmula del valor predictivo negativo se obtiene: 4. Un equipo de investigación médica pretende evaluar la utilidad de cierto síntoma para el diagnóstico de determinada enfermedad. En una muestra aleatoria independiente de 775 pacientes con esa enfermedad, 744 presentaron el síntoma. En una muestra aleatoria independiente de 1.380 individuos sin la enfermedad, 21 presentaron el síntoma. (Enunciado tomado de (Daniel, 2002)). a) Calcule la sensibilidad del síntoma y la especificidad del síntoma. b) Suponga que se sabe que la tasa de la enfermedad en la población en general es 0,002. ¿Cuál es el valor que predice la positividad del síntoma?, ¿Cuál es el valor que predice la negatividad del síntoma? c) Suponga que se sabe que la tasa de la enfermedad en la población en general es 0,02. ¿Cuál es el valor que predice la positividad del síntoma?, ¿Cuál es el valor que predice la negatividad del síntoma? d) Suponga que se sabe que la tasa de la enfermedad en la población en general es 0,2. ¿Cuál es el valor que predice la positividad del síntoma?, ¿Cuál es el valor que predice la negatividad del síntoma? Se ingresan los valores informados en el enunciado en la tabla de contingencia o de doble entrada. Enfermedad Síntoma Positivo (P+) Enfermo (E) No enfermo (Ec) 744 21 775 1.380 Negativo (P–) Al completar la tabla se tiene: Enfermedad Enfermo (E) No enfermo (Ec) APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Es decir, la probabilidad de que el paciente no esté enfermo dado que la prueba diagnóstica resulta negativa es 0,97. Apunte de cátedra (2) Síntoma Positivo (P+) 744 21 765 Negativo (P–) 31 1.359 1.390 775 1.380 2.155 APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL a) Sensibilidad: Especificidad: b) Si la tasa de la enfermedad en la población en general es 0,002. La probabilidad de padecer la enfermedad es: . La probabilidad de no padecer la enfermedad es: Se sabe que la sensibilidad es: . por lo que: . . Se sabe que la especificidad es: por lo que: . . Al ingresar estos valores a la fórmula del valor predictivo positivo se obtiene: Al ingresar estos valores a la fórmula del valor predictivo negativo se obtiene: Apunte de cátedra (2) La probabilidad de padecer la enfermedad es: . La probabilidad de no padecer la enfermedad es: Se sabe que: . . Se sabe que: . . . Al ingresar estos valores a la fórmula del valor predictivo positivo se obtiene: Al ingresar estos valores a la fórmula del valor predictivo negativo se obtiene: d) Si la tasa de la enfermedad en la población en general es 0,02. La probabilidad de padecer la enfermedad es: . La probabilidad de no padecer la enfermedad es: Se sabe que: Se sabe que: . . . . Al ingresar estos valores a la fórmula del valor predictivo positivo se obtiene: . APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL c) Si la tasa de la enfermedad en la población en general es 0,02. Apunte de cátedra (2) Al ingresar estos valores a la fórmula del valor predictivo negativo se obtiene: Medidas de frecuencia de una enfermedad. Para la toma de decisiones en el ámbito de la salud, especialmente en epidemiología, es importante conocer la frecuencia con que una enfermedad aparece en una población con el fin de hacer comparaciones en la misma población a través del tiempo o entre distintas poblaciones. Las medidas de frecuencia relativa de una enfermedad son proporciones que indican la frecuencia de un evento y las más utilizadas son: Prevalencia e incidencia. Prevalencia. Es la proporción de la población que padece una enfermedad o un trastorno en un momento determinado. No tiene unidades de medida ya que es una frecuencia relativa y como tal puede tomar valores entre 0 y 1. Debe estar referida a una población concreta y siempre a un momento temporal conocido. Existen dos tipos de prevalencia, la prevalencia puntual y la prevalencia de período; la primera se refiere a un momento determinado y la segunda a un intervalo de tiempo determinado. Las expresiones correspondientes son: APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Para valores altos de sensibilidad y especificidad los valores predictivos positivos se ven afectados notablemente cuando aumenta la probabilidad de la presencia de la enfermedad en la población; en cambio, los valores predictivos negativos casi no se ven afectados cuando aumenta la probabilidad de la presencia de la enfermedad en la población. Apunte de cátedra (2) Incidencia. Existen dos tipos de medidas de incidencia: la incidencia acumulada o proporción de incidencia (IA) y densidad de incidencia o tasa de incidencia (DI). Incidencia acumulada (IA): es la proporción de individuos sanos de una determinada población que contrae o desarrolla una enfermedad en un intervalo o período de tiempo dado, es decir, es el número de casos nuevos detectados de una enfermedad durante el período de observación en relación al número de individuos libres de la enfermedad al comienzo del estudio. Densidad de incidencia (DI): Es una tasa entre el número de casos nuevos de una enfermedad que ocurren en un período de seguimiento por la sumatoria de los tiempos de observación de cada individuo en riesgo de sufrir la enfermedad. Es decir, como el denominador es la población expuesta al riesgo de sufrir una enfermedad durante el período de seguimiento, sólo debe contabilizarse el tiempo de seguimiento de cada individuo hasta que se detecte la enfermedad o se deja de tener información sobre la evolución del individuo por muerte o por pérdida de seguimiento. Relación entre prevalencia e incidencia. La prevalencia y la incidencia son conceptos relacionados. La prevalencia depende de la incidencia y de la duración de la enfermedad. Si la incidencia de una enfermedad es baja pero los afectados tienen la enfermedad durante un largo período de tiempo, la proporción de la población que tenga la enfermedad en un momento dado puede ser alta en relación con su incidencia. Inversamente, si la incidencia es alta y la duración es corta, ya sea porque se recuperan pronto o fallecen, la prevalencia puede ser baja en relación a la incidencia de dicha patología. Por lo tanto, los cambios de prevalencia de un momento a otro pueden ser resultado de cambios en la incidencia, cambios en la duración de la enfermedad o ambos. La relación matemática entre ambas medidas de frecuencia se expresa como: , donde D es la duración de la enfermedad. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Es una proporción que mide la aparición de una enfermedad o un trastorno en un período de tiempo, se define como el número de casos nuevos de una enfermedad que se desarrollan en una población durante un período de tiempo determinado. Apunte de cátedra (2) Ejemplos: De la definición de prevalencia puntual: Al 30 de Diciembre del 2009 por cada 1.000 habitantes había 8 personas con hipertensión en dicho pueblo. 2. En el mismo pueblo durante el año 2010 se presentaron 679 casos de hipertensión, de los cuales 604 habían sido diagnosticados al 30 Diciembre del 2009. Si en este pueblo se mantiene el número de habitantes. ¿Cuál es la prevalencia de período? (Enunciado adaptado de (Borda Pérez, Tuesca Molina, & Navarro Lechuga, 2013)). De la definición de prevalencia puntual: En el año 2010 por cada 1.000 habitantes había aproximadamente 9 personas con hipertensión en dicho pueblo. 3. Durante un período de 5 años se siguieron a 475 hombres sanos entre 45 y 55 años, con colesterol sérico normal y tensión arterial normal, para detectar la presencia de cardiopatía isquémica, registrándose al final del período 12 casos con la enfermedad. Calcular la incidencia acumulada. (Enunciado adaptado de (Álvarez Heredia & Álvarez Heredia, 2009)). De la definición de incidencia acumulada: La incidencia acumulada es del 2,5% en cinco años APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 1. En un pueblo con una población de 75.468 habitantes, al 30 de Diciembre del año 2009 se atendió a 604 personas por hipertensión en el consultorio del pueblo. ¿Cuál es la prevalencia puntual al 30 Diciembre del año 2009? (Enunciado adaptado de (Borda Pérez, Tuesca Molina, & Navarro Lechuga, 2013)). Apunte de cátedra (2) Paciente 1 2 3 4 5 6 7 8 9 10 Seguimiento (años) 15 12 9 12 8 10 9 12 8 15 Enfermedad No Sí No No Sí No No Sí No Sí De la definición de densidad de incidencia: La densidad de incidencia es de 0,036 personas por año. 5. Basándose en la información del recuadro: (Enunciado tomado de (Hernández Ávila, 2007)). Seguimiento de 18 pacientes durante diez años para el estudio de cáncer de pulmón. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 4. En un estudio de seguimiento durante 15 años de tratamiento con artorvatatina en 11 hombre mayores de 50 años se observó que se presentaron 4 casos de enfermedad coronaria. En la tabla siguiente se muestra el tiempo de seguimiento para todos los pacientes. Calcular la densidad de incidencia. (Enunciado adaptado de (Álvarez Heredia & Álvarez Heredia, 2009)). Apunte de cátedra (2) Simbología de recuadro: b) Estime la incidencia acumulada de cáncer de pulmón a los dos, cuatro y diez años de seguimiento, respectivamente. c) ¿Cuál es la densidad de incidencia de cáncer pulmonar a los cinco y a los diez años de seguimiento? a) Prevalencia puntual Al inicio de 1985 La prevalencia puntual para el grupo de pacientes del estudio es de 0,36. Es decir el 36% de la población en estudio tenía cáncer pulmonar al inicio de 1985. A finales de 1988 La prevalencia puntual para el grupo de pacientes del estudio es de 0,44. Es decir el 44% de la población en estudio tenía cáncer pulmonar a finales de 1988. b) Incidencia acumulada A los dos años de seguimiento La incidencia acumulada a los dos años de seguimiento del total de personas en el estudio libres de la enfermedad al inicio del mismo es de 22%. A los cuatro años de seguimiento APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL a) Calcule la prevalencia puntual de cáncer pulmonar al inicio de 1985 y a finales de 1988. Apunte de cátedra (2) La incidencia acumulada a los cuatro años de seguimiento del total de personas en el estudio libres de la enfermedad al inicio del mismo es de 33%. A los diez años de seguimiento c) Densidad de incidencia. A los cinco años de seguimiento. La densidad de incidencia es de 0,13 años persona. A los diez años de seguimiento. La densidad de incidencia es de 0,126año persona. Ejercicios propuestos 1. En un estudio, sobre la utilización de ecografías para la detección de cáncer colorrectal, se realizaron 67 colonoscopias y ecografías a pacientes con sospecha de neoplasia gastrointestinal en la que se diagnosticaron 12 neoplasias de colon. Los 12 tumores de colon fueron identificados como verdaderos positivos. En los 52 pacientes en los que la ecografía descartó la presencia de una neoplasia de colon este resultado fue confirmado por la colonoscopia. (Datos tomados de (Martínez Ares, Alonso Aguirre, Martín-Granizo Barrenechea, Cid Gómez, & Pallarés Reral, 2008)). APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL La incidencia acumulada a los diez años de seguimiento del total de personas en el estudio libres de la enfermedad al inicio del mismo es de 56%. Apunte de cátedra (2) a) Calcular la sensibilidad y la especificidad de la prueba ecográfica como prueba diagnóstica. Respuestas: S = 100%; E = 94,5%. b) Calcular los valores predictivos de la prueba ecográfica como prueba diagnóstica. 2. Se realizó un estudio sobre la capacidad de los médicos para diagnosticar infección estreptocócica den 149 pacientes que acudieron al servicio de urgencias con dolor de garganta. Las impresiones clínicas se compararon con los resultados de los cultivos de exudado faríngeo para detectar la presencia de estreptococo del grupo A. En 37 pacientes, se observó un resultado positivo en el cultivo del exudado, y 27 de ellos fueron diagnosticados por los médicos de amigdalitis. En 112 pacientes, se observó un resultado negativo del cultivo, y los médicos diagnosticaron amigdalitis en 35 de ellos. (Enunciado tomado de (Fletcher & Fletcher, 2008)). a) ¿Cuál es la sensibilidad de la impresión clínica de los médicos respecto a la amigdalitis en este estudio?¿Cuál es la especificidad de la impresión clínica de los médicos respecto a la amigdalitis en este estudio? b) En los casos en que los médicos supieron que los pacientes sufrían de amigdalitis, ¿cuál fue el porcentaje de aciertos? c) En los casos en que los médicos supieron que los pacientes no sufrían de amigdalitis, ¿cuál fue el porcentaje de aciertos? d) ¿Cuál fue la prevalencia de amigdalitis en los pacientes que acudieron al servicio de urgencias? Respuestas: S = 73%; E = 69%; VVP = 43,5%; VPN = 88,5%;P = 25%. 3. Para diagnosticar la colelitiasis se usa la ecografía abdominal que constituye un método para la explorar la vesícula biliar, que por su contenido líquido y su cercanía a la pared abdominal es fácilmente explorable por ultrasonido. Tal técnica tiene una sensibilidad del 84% y una especificidad del 98%. En una población dada de adultos la probabilidad de colelitiasis es del 20%. (Enunciado adaptado de (Ríus Díaz & Wärnberg, 2014)). a) Si a un individuo de tal población se le aplican los ultrasonidos y los resultados dan positivos, ¿cuál es la probabilidad de que sufra la colelitiasis? b) Si a un individuo de tal población se le aplican los ultrasonidos y los resultados dan negativos, ¿cuál es la probabilidad de que no tenga colelitiasis? Respuestas: VPP = 0,913; VPN = 0,961. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Respuestas: VVP = 80%; VPN = 100%. Apunte de cátedra (2) a) ¿Cuál es la probabilidad de que a una persona se le diagnostique cáncer? b) ¿Cuál es la probabilidad de que una persona a la que se le diagnostica cáncer realmente tenga la enfermedad? Respuestas: 0,096, 0,40625. 5. En un ejemplo hipotético de ocho personas estudiadas durante ocho años. Calcular la densidad de incidencia. (Enunciado adaptado de (Bonita, Beaglehole, & Kjellström, 2008)). Respuesta: DI = 8,2 por 100 años persona. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL 4. En cierta región del país se sabe por experiencia del pasado que la probabilidad de seleccionar un adulto mayor de 40 años de edad con cáncer es 0,05. Si la probabilidad de que un médico diagnostique de forma correcta que una persona con cáncer tiene la enfermedad es 0,78 y la probabilidad de que diagnostique de forma incorrecta que una persona sin cáncer como si tuviera la enfermedad es 0,06. (Enunciado tomado de (Walpole, 1999)). Apunte de cátedra (2) Bibliografía Álverez Cáceres, R. (1996). El método científico de las ciencias de la salud (1era ed.). Madrid, España: Díaz de Santos S.A. Álverez Cáceres, R. (2007). Estadística Aplicada a las Ciencias de la Salud (1era ed.). Madrid, España: Ediciones Díaz de Santos S.A. Bonita, R., Beaglehole, R., & Kjellström, T. (2008). Epidemiología Básica (2da ed.). Washington D.C., EEUU: Organización Mundial de la Salud. Borda Pérez, M., Tuesca Molina, R., & Navarro Lechuga, E. (2013). Métodos Cuantitativos: Herramientas para la investigación en salud (4ta ed.). Barranquilla, Colombia: Editorial Universidad del Norte S.A. Botero Botero, Á. M., & Chacón Cardona, J. A. (2007). El proceso diagnóstico. Una aproximación al raciocinio clínico. (1era ed.). Manizales, Colombia: Editirial Universidad de Caldas. Daniel, W. W. (2002). Bioestadística base para el análisis de las ciencias de la salud (4ta ed.). México D.F., México: Editorial Limusa S.A. de C.V. Díaz Narváez, V. P. (2009). Metodología de la investigación científica y bioestadística (2da ed.). Santiago, Chile: RIL Editores. Fletcher, R. H., & Fletcher, S. W. (2008). Epidemiología Clínica (4ta ed.). Barcelona, España: Lippincott Williams & Wilkins. Hernández Ávila, M. (2007). Epidemiología Diseño y análisis de estudios (1era ed.). México D.F., México: Editorial Médica Panamericana S.A. de C.V. Martín Andrés, A., & Luna del Castillo, J. d. (2004). Bioestadística para las Ciencias de la Salud (5ta ed.). Madrid, España: Capitel Editores. Martínez Ares, D., Alonso Aguirre, P., Martín-Granizo Barrenechea, I., Cid Gómez, L., & Pallarés Reral, A. (2008). Utilidad de la ecografía en el diagnóstico de los pacientes con sospecha de neoplasias del tubo digetivo. Revista española de enfermedades digestivas, 100(9), 545551. Martínez González, M. A., Sánchez Villegas, A., & Faulín Fajardo, F. J. (2006). Bioestadística Amigable (2da ed.). Madrid, España: Ediciones Díaz de Santos. Milton, J. S. (2007). Estadística para Biología y Ciencias de la Salud (3era ampliada ed.). Madrid, España: McGraw-Hill Interamericana de España, S.A.U. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Álvarez Heredia, F., & Álvarez Heredia, A. (2009). Auditoría Médica y Epidemiología (1era ed.). Bogotá D.C., Colombia: Ecoe Ediciones. Apunte de cátedra (2) Pagano, M., & Gauvreau, K. (2001). Fundamentos de Bioestadística (2da ed.). México D.F., México: Ediciones Paraninfo S.A. Ríus Díaz, F., & Wärnberg, J. (2014). Bioestadística (2da ed.). Barcelona: Ediciones Paraninfo S.A. APUNTE DE ESTUDIO – EJE TEMÁTICO 02 – IPCHILE VIRTUAL Walpole, R. E. (1999). Probabilidad y Estadística para ingenieros (6ta ed.). México D.F., México: Prentice-Hall Panamericana S.A.