Grupo 26

22/09/2015

TEMA2: RESUMIR LA EXPERIENCIA DE POBLACIONES

Variables de inters en Epidemiologa. En epidemiologa nos interesan
distintas caractersticas. Nos interesa medir las caractersticas y
experiencias de las poblaciones segn esas caractersticas. Hay tres
variables importantes:
-

Lugar: Ciudad, residencia, hospital

Persona: Edad, gnero
Tiempo: Ao, dcada...

EL TIEMPO
Es una variable aleatoria, en epidemiologa, el plano que nos
interesa es el tiempo-persona. Se realiza un seguimiento sobre una persona
durante un numero x de aos.
ESCALAS
Tiempo cronolgico (Calendar time)
El tiempo medido sobre el calendario aceptado.
Las enfermedades cambian en el tiempo cronolgico. No es lo
mismo la sfilis de hace 100 aos comparada con la de hoy en da.
El tiempo personal o edad
El tiempo que transcurre desde el nacimiento de una persona.
Ciertas enfermedades son ms frecuentes a cierta edad.
Tiempo de seguimiento
Tiempo medido a partir de un suceso que determina el inicio de la
observacin o el seguimiento (inicio del estudio, diagnostico,
exposicin a un factor). Son puntos que se utilizan para marcar
ese inicio de seguimiento.
El tiempo de supervivencia o tiempo a riesgo
Es el tiempo de seguimiento, de espera, hasta que se produce un
suceso o salida en el experimento, que suele ser del tipo, todo o
nada: el individuo muere o no lo hace, enferma o sigue sano.
Tiene un enrome inters en clnica, como criterio para pronosticar
y para hablar de eficacia teraputica.
ESCALAS DE TIEMPO

El paciente 3, en el tiempo cronolgico,

enferma en un punto pero al acabar el
Reclutamiento de pacientes en la clnica:
seguimiento, el paciente 3 todava no ha
muerto, no se ha dado el suceso: censura
por terminacin del seguimiento. El
paciente 2, enferma, y tras un periodo de
tiempo muere o le ocurre el suceso de
inters que se est estudiando, mientras se
le realiza el seguimiento. El paciente 1
estaba
enfermo
desde
eltiempo
inicio de, pero
En este
ejemplo,
en el
antes
de acabar
el periodo
de tiempo
cronolgico,
todos
los individuos
del
establecido,
se
da
una
prdida
del
seguimiento empiezan a tiempo 0. Se
seguimiento.
Es el
algo
que suele
puede apreciar
tiempo
de ocurre en
seguimientos
a
personas.
Estas
de
seguimiento de cada uno de prdidas
los
seguimiento, independientemente del

La escala de tiempo puede ser tambin una

escala de edad, en las que cada individuo
sera colocado segn su edad en ella.

DEFINICIN DE EPIDEMIOLOGA
Es el estudio de la frecuencia y distribucin de las enfermedades y
problemas de salud, as como de sus determinantes que afecten a
poblaciones humanas, con el fin de controlarlos, si es posible. Por eso, la
epidemiologa se centra en los determinantes que puede intentar controlar.
OBJETIVOS
Conocer la prevalencia de las enfermedades.
PREVALENCIA: En una determinada poblacin, cuantos individuos
estn enfermos. Todos los casos, los nuevos y los viejos.
Conocer la incidencia de las enfermedades: Hablamos de incidencia
cuando se trabaja con casos nuevos de la enfermedad y la
mortalidad. Cmo aparecen en la poblacin.
INCIDENCIA: Solo cuando trabajamos con casos nuevos. Cuando una
persona muere, es un caso nuevo.
MEDIDAS DE FRECUENCIA DE LA ENFERMEDAD
Es importante aprender a distinguirlos:
RAZONES
PROPORCIONES
TASAS

TIPOS DE POBLACIONES: DINAMICAS O CERRADAS

CERRADA O COHORTE:

Decimos que una poblacin es cerrada o cohorte cuando tenemos un

tamao inicial fijo (N) y definido de antemano. Una vez empezado, no se
permiten entradas (nacimientos, inmigraciones), solo se pueden producir
salidas (muertes, enfermedades).
EJEMPLO:

Grafico representativo en
poblaciones cerradas

1) Individuos nacidos durante el ao 1982.

2) Expuestos a tabaco durante el primer ao
de vida de 1982 a 1987.
3) Poblacin de pacientes diagnosticada con
angina de pecho.
En epidemiologa suele interesar saber, cuando se producen los nuevos
casos de la enfermedad, para saber cmo funciona la incidencia de la
enfermedad en las poblaciones, qu fuerza tiene esa enfermedad para crear
nuevos casos. Esto es importante de cara a la gestin de la sanidad, la
gestin y evaluacin de procesos teraputicos y pronsticos.
DINAMICA:
El tamao de la poblacin (N) puede aumentar con el tiempo. Se permiten
entradas y salidas. El tamao inicial no
se mantiene, va ir cambiando.
1) Poblacin de los Estados Unidos o
el Pas Vasco.
2) Esperanza
de
vida
de
los
habitantes de EEUU con 18 aos.
POBLACIONES DINMICAS EN ESTADO ESTACIONARIO
En algunas etapas la poblacin, su tamao no cambia con el tiempo,
y si lo hace, la variacin es muy pequea. Por cada salida o muerte se
produce casi inmediatamente una entrada (un nacimiento).
En otras etapas, hay de repente bajadas o subidas muy grandes, se
puede deber a epidemias, un aumento repentino de la natalidad Es por
ello que en el ejemplo, en su conjunto, no podramos hablar de una
poblacin en estado estacionario.
La situacin de estado estacionario, es muy terica, no es realista,
pero es muy til para realizar la estimacin de tasas. La estimacin de la
incidencia de la enfermedad es tan importante que a pesar de no contar con
todos los datos necesarios para realizar la estimacin, necesitamos tener
una idea de la misma, y por ello necesitamos esa suposicin de estado
estacionario.
Puede ser una suposicin aceptable o no, dependiendo del tamao de
la poblacin y del periodo de tiempo de seguimiento.

TIPOS DE POBLACIONES DINAMICAS

En las fuentes modernas: censos y padrones de poblaciones dinmicas,
se distinguen varios subtipos de poblacin:
La poblacin de derecho: Es aquella que est empadronada en un
determinado lugar y es en l en donde ejerce sus derechos civiles;
como el derecho al voto, la sanidad
La poblacin de hecho: Es la que vive en un determinado lugar sin
estar empadronada en l. Son personas que se establecen durante un
tiempo en un lugar sin intencin de permanecer en l. Siempre hay
una diferencia, mayor o menor dependiendo de si el lugar recibe
inmigrantes o emite emigrantes.
La poblacin flotante: Es la que se desplaza a vivir en un
determinado lugar durante una determinada poca del ao. Son
caractersticos de los lugares de vacaciones y los centros de
jubilados.
Los transentes: Son las personas que se desplazan durante unas
horas a un determinado lugar pero que tienen su lugar de vivienda en
otro. Un ejemplo son las zonas de ocio, o de trabajo, en el centro de
las ciudades o en las afueras, que generan las llamadas ciudades
dormitorio.
1
Cuanto mayor sea la diferencia entre la poblacin de derecho y de
hecho, pueden surgir problemas de falta de servicios sanitarios y de todo
tipo en la poblacin (el reparto del dinero para dichos servicios se realiza
teniendo en cuenta la poblacin empadronada).
Cuanto mayor es la poblacin flotante o transente, mayor es la
necesidad de buenos canales de transporte. Para describir una poblacin, no
slo basta conocer en nmero de individuos en cada subtipo, sino tambin,
sus movimientos diarios y/o anuales.
MEDIDAS DE FRECUENCIA
DETERMINANTES

DE

LAS

ENFERMEDADES

SUS

La razn es el cociente entre dos valores (x) e (y) que no tienen por
qu estar relacionados entre s (los valores del numerador y denominador).
Si son valores muy pequeos, se multiplican por un potencial de 10. Es algo
muy utilizado en epidemiologa, porque son razones muy pequeos. ndice
de masa corporal Razn = Peso (kg)/Altura (m2) Se usa en el
diagnostico de la obesidad. Es un criterio diagnostico de esta enfermedad.
EJEMPLO:
6 mujeres, 4 hombres
Razn de gnero: Razn = (Mujeres / Hombres) x10 n R= 6/4x100 = 15

Razn de mujeres a hombres, en la razn de hombres a mujeres habra

que intercambiar el numerador por el denominador y realizar la divisin.
8 sanos, 4 enfermos
Razn entre sanos y enfermos: Razn= 8/4= 2
RAZONES ESPECIALES
PROPORCION:
Es una razn en la cual el valor del numerador est incluido tambin en el
denominador.
Proporcin de enfermos
X=a=4=enfermos b=6=sanos y=a+b=10=
Total de la poblacin.
04x100 Porcentaje de enfermos = 40%
A la proporcin de enfermos diagnosticados de una enfermedad, en un
momento dado, se le denomina tambin prevalencia de la enfermedad.
ODDS:
Cuando tengo la probabilidad de que
ocurra un suceso en el numerador y
la probabilidad de que no ocurra esa
enfermedad
o
suceso
en
el
denominador. Se le llama ODDS de a (a/1-a).
Cada proporcin, cada prevalencia, est siempre asociada a un ODDS.
PORCENTAJES:
Proporcin x 100

INCIDENCIA
Es la fuerza que tiene una enfermedad para atacar a una
poblacin y generar nuevos casos en esa poblacin, de dicha
enfermedad.
Para medirla, es necesario seguir a las personas durante
determinado tiempo, estudiando la generacin de nuevos casos.
Se mide en u plano de poblacin x en un periodo de tiempo y.
La MORTALIDAD es la incidencia o generacin de casos de muerte.
Es el estudio de la incidencia de la muerte.
Cuando calculo la incidencia me da la capacidad que tiene la
enfermedad de crear nuevos casos en una poblacin. Para calcular la

incidencia es necesario seguir a las personas durante las personas durante

un cierto tiempo, estudiando la generacin de nuevos caos.

RAZONES ESPECIALES: INCIDENCIA ACUMULADA

La incidencia acumulada es la razn o cociente entre casos
nuevos de la enfermedad (x) y nmero de personas sanas al comienzo del
seguimiento (y). Proporcin de sanos que se convierten en enfermos a lo
largo de un periodo de tiempo.
Durante el seguimiento de una muestra, para calcular la incidencia
acumulada, deberemos tener en cuenta lo siguiente:
- los casos prevalentes: pacientes enfermos diagnosticados desde
el inicio del seguimiento.
- Personas sanas (T=0) al inicio del seguimiento.
- Los casos nuevos: paciente que enferma durante el seguimiento.
- Tiempo que durar el seguimiento.
Cuando trabajamos con una enfermedad crnica, los casos
prevalentes no se pueden convertir otra vez en casos nuevos, puesto que ya
son casos al inicio del seguimiento. As que no entraran en la estimacin de
la incidencia acumulada. Los que s que entran son los casos nuevos.
Cuando lo nico que sabemos es el nmero de casos que se han
producido durante un periodo de tiempo, decimos que tenemos datos para
el clculo de incidencia acumulada, porque no tenemos las fechas en las
que se han producido estos casos exactamente.
Clculo:
IA=

Casos Nuevos
Personas sanas (T =0)

10n

La IA no tiene unidades.

Pongamos un ejemplo: Al inicio de un seguimiento que realizar a lo

largo de 9 aos, tengo 10 pacientes. 4 de ellos sern casos prevalentes y
6 personas sanas. Al final de esos 9 aos, tengo 4 casos nuevos, pero
NO tengo la fecha en la que se han producido estos casos. Por lo tanto, al
no tener esta fecha exacta, puedo calcular la incidencia acumulada.
IA=

Casos Nuevos
Personas sanas (T =0)

10

= 4/6 = 0.67

Es decir, de cada 100 pacientes que empiezan el seguimiento como

personas sanas, 67 acabarn enfermando a lo largo de los 9 aos
siguientes.
La incidencia acumulada siempre se calcula en un periodo de tiempo. No
tenemos el instante en el que se han producido pero si sabemos que han
aparecido a lo largo de esos nueve aos del seguimiento.

*La incidencia acumulada se suele llamar IC en ingls y IA si es en

castellano.
Si yo en lugar de multiplicar por

100 , multiplico por

102 , obtengo

el porcentaje de sanos que se convertirn en enfermos a lo largo de 9 aos.

Y si multiplico por
cambiar

103

seran X casos por mil personas. Es decir, al

n , cambio la unidad de poblacin que observo.

TASA O DENSIDAD DE INCIDENCIA

La tasa o densidad de incidencia es la razn o cociente entre
casos nuevos de la enfermedad (x) y el tiempo-persona (y) que ha
permanecido la poblacin a riesgo de padecer la enfermedad.
Durante el seguimiento de una muestra, para calcular la tasa o densidad
de incidencia, deberemos tener en cuenta lo siguiente:
- Los casos nuevos: paciente que enferma durante el seguimiento.
- Tiempo que durar el seguimiento.
- Tiempo de seguimiento/ tiempo a riesgo es el tiempo que ha
permanecido el paciente a riesgo de contraer la enfermedad. Una
vez que la contrae ya no puede estar ms tiempo a riesgo de
contraerla. Ser la diferencia entre la fecha en la que ha
desarrollado la enfermedad (fecha de salida) y la fecha en la que
inicio el seguimiento (fecha de entrada).
Tiempo a riesgo= fecha de salida fecha de entrada

ti
i

(tiempo- persona): suma del tiempo a riesgo de cada

caso nuevo.
Clculo:

Casos Nuevos
DI=

ti

10 n

Pongamos un ejemplo: Al inicio de un seguimiento que realizar a lo largo

de 9 aos, tengo 5 pacientes sanos. Al final de esos 9 aos, tengo 4 casos
nuevos en los que SI tengo la fecha en la que se han producido. Es decir,
conozco el tiempo a riesgo de cada individuo. Por lo tanto, puedo calcular
la tasa de incidencia.

Casos Nuevos
DI=

4
9+3+3+2+7

10 n =

ti

10 0 = 0.16/ao

Es decir, tendr 16 casos por cada 100 personas y ao de seguimiento

Sin embargo, puedo no tener exactamente el instante de tiempo
donde se han producido los casos nuevos. Por lo tanto, para poblaciones
en estado estacionario como sera este caso, es la razn entre casos
nuevos de la enfermedad (x) y N x tiempo (y) que ha permanecido la
poblacin a riesgo de padecer la enfermedad.
Una poblacin dinmica en un estado estacionario no cambia (es una
situacin no real). Para una poblacin dinmica, un estado estacionario ser
ms fiable cuanto menos sea el tiempo y ms el tamao de la muestra.
Clculo:
DI=

Casos Nuevos
N x a os

10 n

Pongamos un ejemplo: Al inicio de un seguimiento de una poblacin

que est en estado estacionario que realizar a lo largo de 9 aos, tengo 10
pacientes sanos. Al final de esos 9 aos, tengo 4 casos nuevos en los
que NO tengo la fecha en la que se han producido estos casos. Por lo
tanto, al no tener esta fecha exacta, calculo lo siguiente:
DI=

Casos Nuevos
N x a os

10 n =

4
10 9

10 n = 0.044/aos

Es decir, tendr 44 personas enfermas por cada 1000 personas y ao de

seguimiento.
1

aos

La unidad de la DI es 1/aos o
meses sera 1/mes o

mese s

. Si estamos midiendo el tiempo en

RELACIN ENTRE INCIDENCIA Y PREVALENCIA

Existe una relacin entre prevalencia e incidencia de la
enfermedad:

= duracin media de la enfermedad. En la unidad de tiempo que se mide

DI.
Los cambios en la prevalencia se pueden deber a cambios en DI, a
cambios en la duracin media de la enfermedad o a cambios en ambos. Si
hay una epidemia, DI aumentar.

Grupo 31

29/09/2015

COMPARACIN DE MEDIDAS DE FRECUENCIA

Esta magistral va en relacin a la segunda PO, que va de cmo comparar
tasas de incidencia, cmo comparar medidas de frecuencia de las
enfermedades.
Una cuestin importante es cmo medimos la frecuencia: hemos visto una
serie de medidas de frecuencia para incidencia y para prevalencia. Se
trata de ver ahora cmo las podemos aplicar. Habamos quedado en la
relacin entre las medidas de incidencia y las de prevalencia, habiendo visto
lo que eran las tasas, las razones, las razones especiales, las proporciones
Ahora sabemos medir la frecuencia de las enfermedades: a travs de
prevalencia y de incidencia (siempre que hablamos de casos nuevos). Haba
varias clases de incidencia: acumulada o densidad de incidencia. Dentro
de la densidad de incidencia:

Cuando tenamos datos completos, de salida del individuo y de

entrada en el seguimiento, podemos calcular el sumatorio de todos
los tiempos, que era el denominador de la densidad de incidencia.
Haba otros casos en los cuales no tenamos los datos completos,
pero podamos calcular el tamao de la poblacin a mitad de periodo,
y entonces calculbamos tambin la tasa de incidencia.

Las tasas de incidencia tienen unidades? S; ejemplo: tasa

incidencia de 16 casos por cada 100 personas y ao de seguimiento.

Imaginaos que tenemos dos centros de salud: el centro de salud A y el

centro de salud B. En el centro de salud A se han producido 50 casos nuevos
(enfermos o muertes) en el tiempo desde 1989 a 1990; es decir, dos aos.
Este centro de salud cubre una poblacin de 23.500 habitantes. En el centro
de salud B se han producido 35 casos nuevos (enfermos o muertes) durante
un ao, y tiene una poblacin de 12.200 habitantes.

Dnde es ms frecuente que se produzcan casos nuevos, tanto de

muerte o de enfermedad; en el centro A en el centro B?

Podemos comparar 50 contra 35, y parece ser que en el centro A se han

producido ms casos que en el centro B. por lo tanto, mirando el nmero de
casos, en el centro A la frecuencia es mayor. Sin embargo, debemos tener
en cuenta otras cosas, por ejemplo el tiempo, pues ha transcurrido un
tiempo mayor para el centro de salud A. Tambin habr que tener en cuenta
la poblacin, pues es tambin mayor para el centro A. Toda esa informacin,
para compararla, la podemos tener en cuenta mediante la medida de
frecuencia de densidad/tasa de incidencia (casos nuevos, poblacin a
riesgo y tiempo).
Para comparar la frecuencia de la enfermedad o mortalidad entre ambos
centros de salud, podemos utilizar:

La frecuencia absoluta: si yo comparo solamente las frecuencias

absolutas de las muertes o de los casos nuevos de la enfermedad, se
puede concluir que el centro A tiene ms casos que el B.

Incidencia acumulada: se han producido x casos entre toda la

poblacin del lugar, suponiendo que las poblaciones estn en estado
estacionario, y multiplicado en este caso por 10^3, pues para que no
queden decimales muy pequeos y poder interpretar resultados ms
fcilmente. Sin embargo, la incidencia acumulada no tiene en cuenta
el tiempo, as que no es lo ms correcto tampoco, aunque en este
caso los resultados puedan parecer similares.

Tasa o densidad de incidencia: casos nuevos / poblacin * tiempo,

considerando una poblacin en estado estacionario y multiplicado
esta vez por 10^5, para obtener unas cifras que yo pueda presentar y
comparas ms fcilmente.

As, en el centro de salud A esperaramos observar aproximadamente 106

casos nuevos por cada 100.000 habitantes por ao, mientras que en el
centro de salud B esa cifra se eleva hasta los 287 casos aproximados al ao
por cada 100.000 personas.
Si yo comparo la tasa de incidencia en el centro A con la tasa de incidencia
en el centro B, estoy considerndolo todo; los casos nuevos, el tiempo de
observacin y la poblacin en cada centro. As, lo mejor sera en este caso
comparar las tasas de incidencia, pues ofrece una informacin completa.
Finalmente, dnde podemos decir que es ms frecuente (capacidad
de generar una mayor cifra de casos) la enfermedad? En la poblacin

del centro de salud B, a pesar de que la primera impresin fuese la

contraria.
NOTA: en ambas poblaciones se debe multiplicar por el mismo mltiplo
de 10 (10^3, 10^5), porque si no se estaran utilizando diferentes
unidades de poblacin. Esto es muy importante a la hora de interpretar las
tasas; en el trabajo nos vamos a encontrar tasas de incidencia en
diferentes poblaciones y tiempos, y es crucial que comparemos en las
mismas unidades.

Lo que estamos comparando es lo que se denominan tasas brutas (en ingls

crude): hablamos de tasas brutas cuando no tenemos en cuenta ninguna
otra variable para hacer grupos en la poblacin, nos estamos refiriendo a la
pobacion entera. No estamos haciendo subpoblaciones por edad, por
gnero Si sacamos una tasa de incidencia del suceso por gnero (por
ejemplo), hablaramos de tasa especfica para los hombres o para las
mujeres. Las tasas especficas, entonces, se aplican a cada subgrupo
dividido dentro de la poblacin.
Debemos saber resumir la experiencia de las poblaciones. Cmo?
La experiencia nos va a surgir en varios contextos: a la hora de solicitar un
empleo (experiencia de un alumno, experiencia laboral), al estudiar (media
de la duracin de los estudios de la licenciatura), en la consulta del mdico
(cundo comenzaron los sntomas). Algunas preguntas que interesan en
Medicina pueden ser, en el mbito de Salud Pblica, el pronstico de los
aos de vida (esperanza de vida, basada en tasas de mortalidad); y en la
clnica, cunto tiempo tardar la enfermedad en remitir, qu tratamiento
produce una supervivencia ms larga
Todas estas son medidas que se derivan de las que ya conocemos, que son
las bsicas; a partir de ellas, se pueden hacer muchos anlisis y estudios, y
se pueden llegar a conclusiones muy importantes, pero no son las nicas.
Diagrama de Lexis: es una manera de resumir la experiencia de las
poblaciones. En clnica, vamos a tener que aprender a resumir la
experiencia de las poblaciones en las dos escalas de tiempo: edad y tiempo
cronolgico.

En nuestro ejemplo tenemos cuatro pacientes, y de ellos cuatro tenemos su

fecha de nacimiento, su entrada al estudio (seguimiento ) y su salida del mismo
(ya sea por muerte o por contraer la enfermedad). Si yo cojo la diferencia
entre la salida y el nacimiento, a esa lnea se la denomina lnea de vida. La
diferencia entre la fecha de salida y la de entrada, a eso se le denomina el
tiempo a riesgo, o tiempo hasta que ocurre algn evento o suceso de
inters, ente caso l amuerte o la enferemdad. En el ejemplo va a estar
representado el tiempo a riesgo.

El individuo A entr en el estudio en el 63, a la edad de 32 (diferencia entre

fecha de entrada y fecha de nacimiento). En la fecha de salida, en el 74, el
individuo A tendra 43 aos. Lo representado en el diagrama es su tiempo a
riesgo, que es de 11 aos (salida entrada). Esto lo podemos calcular con
todos los individuos, y podemos transformar las fechas a un formato
decimal para facilitar los clculos.

Mediante una serie de restas, podemos obtener la experiencia (el tiempo de

vida o supervivencia, y el tiempo de riesgo) para cada uno de nuestros
cuatro pacientes:

Individuo A: tiempo de vida 43,74 aos / tiempo de riesgo

11,28 aos.
Individuo B: tiempo de vida 25,12 aos / tiempo de riesgo 4,26
aos.
Individuo C: tiempo de vida 26,98 aos7 tiempo de riesgo 4,26
aos.
Individuo D: tiempo de vida 45,5 aos / tiempo de riesgo 18
aos.

Esto nos sirve para determinar qu experiencia aporta cada individuo. En el

grfico, por ejemplo, el individuo B nos aporta, entre 20 y 25 aos (de
edad), una pequea porcin de lnea de experiencia. Si calculamos
mediante diferencias, esa pocin correspondera a 4,14 aos (en el periodo
antes de 1960 aporta 0,25 aos, tres meses; y en el intervalo entre 1960 y
196389, que es cuando cumpli los 25, aporta 3,89 aos: un total de 4,14
aos).
Esto nos est dando el tiempo-persona, que en este caso est medido en
aos. Se llama tiempo-persona porque lo que nos interesa es la suma de los
tiempos, y eso es lo que va a ser el denominador de las tasas de
incidencia.
Es importante saber toda la informacin que podemos obtener al
descomponer cada tiempo. Por ejemplo, en el intervalo de tiempo de entre
20 y 25 aos de edad, toda la cohorte de los individuos aporta un total de 6,
41 aos-persona de experiencia. Entre 1960 y 1965, esta cohorte de cuatro
pacientes porta una cantidad total de 14,58 aos de experiencia.
Otro ejemplo: el individuo A aporta una experiencia de 1,56 aos en el
quinquenio de 1960 a 1965, mientas su edad estaba comprendida entre 30
y 35 aos. En ese mismo periodo de tiempo e intervalo de edad, el paciente
D aporta una experiencia de 5 aos.
Tras hacer los clculos en cada individuo, se puede resumir la experiencia
de la cohorte de 4 individuos. La experiencia de la cohorte es la suma de
las experiencias individuales, por cada periodo de tiempo e intervalo de
edad. Lo que se hace es descomponer la informacin mediante diferencias
porcada cuadrante, y sumarla para conocer el total de aos aportados en
cierto intervalos, como puede ser el intervalo entre 20 y 25 aos de edad, o
el tiempo transcurrido entre 1960 y 1965.
As se resume por cada columna o lnea toda la informacin de nuestra
cohorte de cuatro personas, en este caso. Cada uno de los intervalos de
edad y periodo de tiempo es un quinquenio. Podemos saber cunto tiempo
ha permanecido nuestra cohorte a riesgo de morir o contraer la
enfermedad.

NOTA: Es importante que hagamos esto una vez en la vida, y que

hagamos estas cuentas para ver de dnde sale cada cifra. El power point
tena algunas cifras equivocadas, pero las hemos corregido al pasarlas
aqu.

Imaginamos ahora que tenemos tasas diferentes en diferentes lugares.

Por ejemplo, tenemos las poblaciones de Michigan y Pensilvania. Me van
dando grupos de edad diferentes de ambas poblaciones. En Michigan hay
aproximadamente 10,5 millones de personas, y en Pensilvania unas 8
millones de personas. Tenemos datos en distribucin de cada grupo de edad
tanto en valores brutos como en porcentajes (valores de cada grupo de
edad entre la poblacin total, por 100). Nos dan los casos nuevos de cncer
de vescula, en las diferentes edades.

Queremos calcular, por ejemplo, la tasa especfica de casos de cncer de

vescula por cada 10.000 habitantes en Michigan entre las edades de 35 y
44 aos. Cmo puedo calcular esta tasa especfica?
Vamos a suponer que estamos en un estado estacionario y que transcurre
solamente un ao de observacin.

Qu ponemos en el numerador de la tasa? Siempre el nmero

de casos nuevos, que en este caso son 20.
Cul es el denominador? Si tuvisemos la experiencia de cada
uno de estos 20 individuos y de todos los otros que no tienen la
enfermedad, sumaramos todos esos tiempos, pero no los tenemos,
as que vamos a suponer que esta poblacin est en estado
estacionario. As, cogemos la poblacin total en este rango de edad

(2.000.000 de habitantes), y suponemos que es la poblacin a mitad

de periodo de observacin (un ao en este caso).
As, cogemos los 20 casos nuevos, los dividimos entre 2.000.000 de
personas por 1 ao de observacin, y esto lo multiplicamos por 10.000, lo
que nos resulta en 0,1. Esto significa que esperaramos observar 0,1 casos
nuevos de cncer de vescula por cada 10.000 personas de Michigan en el
rango de 35-44 aos que siguisemos durante un ao. Esta sera una tasa
especfica.
Calcularamos el resto de tasas especficas para todos los rangos de edad y
tanto para Michigan como para Pensilvania de manera exactamente igual.
Para obtener la tasa bruta de incidencia de cncer de vescula,
sumariamos el nmero de casos nuevos en todos los subgrupos, y lo
dividiramos entre la poblacin total por un ao de seguimiento, y esto lo
multiplicaramos por 10000. La tasa bruta en Michigan es de 424, y en
Pensilvania es de 1008.

Para Michigan: TM = i (piM TiM) la tasa bruta

en Michigan (TM) es igual al sumatorio ( i) de la
proporcin de cada una de las edades (p iM)
multiplicado por la tasa especfica (T iM) para
Michigan. Proporcin: porcentaje entre 100. Ese
42,4 sale de multiplicar 0,19 por su tasa (0,1);
0,24 por su tasa (1,0), y as sucesivamente, y
sumar todos los resultados despus.

Para Pensilvania: TP = i (piP TiP) lo mismo pero con los datos de

Pensilvania.

La poblacin de Michigan es ms joven, pues tiene un porcentaje ms alto

en subgrupos de edades ms bajos. Pensilvania tiene una poblacin ms
envejecida, lo que tiene influencia sobre el cncer de vescula. A medida
que la edad avanza, la frecuencia de casos nuevos aumenta. As que
podemos tener mayor frecuencia en Pensilvania debido a que su poblacin
no es tan joven, es ms mayor. Existe un defecto de edad, y es por eso
que la frecuencia de casos en Pensilvania es ms del doble al comparar las
tasas brutas.
El problema es que al comparar tasas brutas, no se est teniendo en cuenta
el efecto de la edad que tienen las diferentes poblaciones. Cmo sera la
comparacin de la incidencia de esta enfermedad si se quita la influencia de
los porcentajes tan diferentes de edad entre ambas poblaciones? Esto se
hace mediante mtodos de estandarizacin o ajuste, que son:

Estandarizacin directa: se elige una

poblacin de referencia (en este caso, la
poblacin de EEUU). En la poblacin de EEUU,
se calcula la tasa bruta de manera idntica a
como la calculbamos antes: TE = i (piE TiE).

Qu hago para quitar la influencia de la edad? Se calculan las

casas ajustadas tanto en Michigan como en Pensilvania. Cojo las
proporciones de poblacin de EEUU (los porcentajes de cada
subgrupo de edad entre 100), y las tasas especficas de Michigan o de
Pensilvania, cada una en su caso. Se suman los resultados y se
obtienen las tasas ajustadas.

As quitamos la diferencia que haba en las proporciones de edad, de

manera que si comparamos ahora las tasas ajustadas, podemos decir
que estamos eliminado la influencia de la edad sobre la incidencia de
cncer de vescula.

Estandarizacin indirecta: coje las tasas especficas d ela pobacion

estndar (de EEUU) y las multiplica por la porporcion de individuos en
cada una de las edades (en Michigan o en Pensilvania). Calcula la
razn de mortalidad estandarizada (SMR RME), que compara la tasa
bruta (de Michigan o de Pensilvania) con la tasa que esperaramos
observar si las tasas especficas fueran las generales (de EEUU).

Esto se utiliza en epidemiologia para un estudio comparativo con la

poblacin general. Comparamos las tasas observadas en nuestra
regin con las tasas que esperaramos observar si en esta regin
fueran las especficas que tiene la poblacin general. Por ejemplo,
comparamos las tasas en nuestro instituto con las tasas que nos
esperaramos si en este instituto tuvisemos las tasas de la ciudad.
As concluimos si en nuestro colegio existe una incidencia mucho
mayor que la tasa que nos esperaramos si tuvisemos la misma tasa
de la ciudad. Para eso es til la RME.
Si el resultado es igual a 1: la tasa observada en el colegio
es igual a la que esperaramos observar en la ciudad.
Si el resultado es mayor de 1: la tasa observada en el
colegio es mayor de la que esperaramos si tuvisemos la tasa
de la ciudad.

 Si el resultado es menor de 1: la tasa observada en el

colegio es menor de la que esperaramos si tuvisemos la tasa
de la ciudad
El mtodo indirecto se utiliza ms que el directo. La estandarizacin se
empieza a olvidar porque existen otros mtodos ms complejos (como la
regresin logstica, que veremos ms adelante) para estandarizar y ajustar.
Aun as es importante que conozcamos qu es lo que hacemos cuando
ajustamos o estandarizamos: quitamos el efecto de una variable (en el caso
del cncer de vescula, la edad), sobre la incidencia de la enfermedad.