Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2)
3)
4)
1. INTRODUCCION
Un Estudio de Prevalencia es aquel en el que se examinan las relaciones entre las enfermedades o entre
las caractersticas relacionadas con la salud y otras variables de inters, del modo en que existen en una
poblacin y momento determinados. La presencia o ausencia de la enfermedad y de las otras variables
(o, si son de tipo cuantitativo, su nivel) se determinan en cada miembro de la poblacin estudiada o en
una muestra representativa en un momento dado.
La relacin entre una variable y la enfermedad puede examinarse:
1) En trminos de la prevalencia de la enfermedad en diferentes subgrupos de poblacin, definidos
de acuerdo con la presencia o ausencia (o nivel) de las variables.
2) En trminos de la presencia o ausencia (o nivel) de las variables en los individuos enfermos, en
comparacin con los sanos.
En la figura siguiente se muestra una representacin grfica de un estudio transversal.
Obsrvese que, en un estudio de prevalencia (o estudio transversal), lo que queda registrado formalmente
no es la incidencia de una enfermedad, sino su prevalencia. La secuencia temporal de causa a efecto no
queda necesariamente determinada en un estudio de este tipo.
Despus del proceso se seleccin, todos los sujetos participantes son examinados, observados, y/o
encuestados acerca de la enfermedad, su nivel actual o pasado del factor en estudio y otras variables de
inters. En ocasiones los estudios transversales no utilizan muestreo probabilstico, en esos casos su
valor es limitado para describir la frecuencia de la enfermedad y de otras caractersticas en la poblacin
objeto.
2. MEDIDAS DE PREVALENCIA
Hemos revizado las medidas fundamentales para cuantificar la prevalencia: prevalencia puntual y
prevalencia lpsica.
1) La ms utilizada de estas medidas es la Prevalencia Puntual (P), que no es ms que la
probabilidad de que un individuo en una poblacin presente una determinada caracterstica (por
ejemplo, enfermedad) en el tiempo t. As, se estima por: P t =
C t , donde C es el nmero de
t
Nt
P P( t0 ,t) =
C ( t0 ,t) C 0 + I ( t0 ,t)
=
. Donde C(to,t) incluye los casos prevalentes C0 y los casos
N
N
incidentes I(to,t).
Raras veces la prevalencia tiene inters directo en aplicaciones etiolgicas de la investigacin
epidemiolgica. Puesto que la probabilidad de sobrevivir (o de curacin) afecta a la prevalencia, los
estudios transversales o estudios basados en casos prevalentes obtienen asociaciones que reflejan los
determinantes de la supervivencia (la cura) una vez que se padece la enfermedad, as como las causas de
tal enfermedad. Una supervivencia mejor, y por tanto, una prevalencia ms alta, podran estar realmente
relacionadas con la accin de factores preventivos que mitigasen de alguna manera la enfermedad, una
vez que se produjese.
C
DI
.
=
N - C TD
Si representamos las salidas de la enfermedad por un proceso Poisson, tenemos que TD es igual al inverso
de la duracin de la enfermedad D . Dividiendo por N y sustituyendo TC, obtenemos:
P=
DI D
DI D + 1
z 1-
/2
P(1 - P)
d
La mayora de software estadstico, entre ellos el programa EpiDat utilizan adems la siguiente
correccin: n =
n0
, donde n0 se obtiene por la frmula anterior y N es el tamao de la poblacin.
1 + n0
N
Ejemplo 1. Clculo tamao muestral con EpiDat, para estimar una prevalencia del 50% (P=0.5) con una
precisin del 5% (d = 0.05) en una poblacin con 10,000 habitantes (N=10000).
[ z 1-
/2
[ z 1-
2
P 0 (1 - P 0 ) + z 1- P a (1 - P a ) ]
, y para pruebas de
( P 0 - P a )2
2
P 0 (1 - P 0 ) + z 1- P a (1 - P a ) ]
.
( P 0 - P a)2
n=
2
z 1- /2[ P 1(1 - P 1) + P 2 (1 - P 2)]
2
d
Ejemplo 3: Qu tamao de muestra es necesario seleccionar de dos poblaciones para estimar una
diferencia de riesgo con un nivel de confianza del 95% y una precisin de 0.05, cuando no se conocen
estimaciones de P1 y P2?
En este caso la seleccin ms aconsejable es P1 = P2 = 0.5, pues el valor V = P1(1-P1) + P2(1-P2) es
mximo para esos valores. Tenemos adems = 0.05 y d = 0.05, de donde utilizando la frmula anterior
obtenemos, n = 769 para cada una de las poblaciones.
z 1-
2 P m(1 P m ) + z 1( P 1 - P 2)2
z 1-
/2
, donde Pm =(P1+P2)/2 y
2 P m(1 - P m) + z 1( P 1 - P 2)2
De nuevo en la mayora de software estadstico, como el programa EpiDat, permite el clculo para una
2
n
4
.
1+ 1+
prueba de dos colas utilizando la correccin de Yates: n =
4
n | P1 - P 2 |
Ejemplo 4: Volvamos al ejemplo anterior, y supongamos ahora que P1 = 0.6, P2 = 0.5, L=0.05, y =0.1,
se podra calcular el tamao muestral utilizando EpiDat
Variable Dependiente
Variable Independiente Presente Ausente Total
Tasa
Presente
m1
a/m1
Ausente
m2
c/m2
Total
n1
n2
n1/n
a / m1
.
c/m2
Cuando se tiene una poblacin en estado de equilibrio se puede estimar la razn de densidad
/ (1 - P 1)
de incidencia RDI, utilizando la relacin entre DI y P: RDI = ID 1 = T 2 P 1
, o
ID 2 T 1 P 2 / (1 - P 2)
ad
.
equivalentemente: ORP = RDI T 1 que puede estimarse por
bc
T2
4.1. Plan de anlisis estadstico para estudios de proporciones
Un posible esquema del plan de anlisis estadstico para estudios de proporciones.
X
es un estimador sin sesgo de p.
n
p(1 - p)
p (1 - p )
y se estima por
.
Su varianza es igual a
n
n
p =
p=
n
z2
p (1 - p ) z 2
p
+
z
+ 2
n + z2
n
2n
4n
Si n
p = p + z
y p=
n
z2
p (1 - p ) z 2
p
+
+
z
+ 2
n + z2
n
2n
4n
con:
p = p - z
p (1 - p )
n
p (1 - p )
, donde z = z1- /2.
n
Tambin podemos encontrar este mtodo en forma de test estadstico de p respecto a una
1
2n .
P(1 P)
n
| p - P|proporcin P dada: z =
Ejemplo 5: Supongamos que el tamao de la muestra es n = 257 y se observan 23 casos, entonces con
EpiDat se obtiene:
10
Ejemplo 6: Siguiendo con el ejemplo anterior tambin podramos contrastar si H0: P=0.10, entonces con
EpiDat se obtiene:
Lo cual nos lleva a concluir que hay evidencias suficientes (p=0.6474) para aceptar H0.
11
N - n n1
n 1
, y si n/N 0.10 entonces la varianza
1 1
N -1 n
n n
n1
n 1
.
1 1
n
n n
p=
N - n n1
N - n n1
n
n 1
n1
n 1
1- 1
, y p= 1 + z
1- 1
.
-z
n
N -1 n
n n
n
N -1 n
n n
n1 a
n2 b
p 1 (1 p 1)c
p (1 p 2 ) d , que es el producto de las probabilidades binomiales para cada uno
a
b 2
de los grupos expuestos y no expuestos. El clculo de probabilidades para la comprobacin de hiptesis es
difcil y ambiguo, lo cual exige uso de paquetes estadsticos.
b) Modelo Hipergeomtrico: Si consideramos que los marginales de la Tabla 22 son fijos podemos
utilizar el modelo hipergeomtrico, entonces la probabilidad de obtener a o ms casos en los expuestos
esta dada por:
Pr( K
a) =
min ( m 1 ,n 1 )
k=a
n1
k
n2
m1 - k
n
m1
12
m1 n1
y
n
a-
y como regla de
decisin z z1-L.
b) Modelo Dos-binomial: El test estadstico que se obtiene es similar al anterior con la nica diferencia
que
m1 m 2 n1 n 2
.
n3
Uso de clorodiazepxido
Si
No
Total
Madre caso
386
390
Madre no caso
1250
1254
Total
1636
1644
(| ad - bc | - 1/ 2n) 2 n
n 1 n 2 m1 m 2
, que permite
13
Enfermos
-------4
386
-------390
Sanos
-------4
1250
-------1254
Total
-------8
1636
-------1644
Prevalencia de la enfermedad
Estimacin
---------------------------------------- ---------En expuestos
0,500000
En no expuestos
0,235941
Razn de prevalencias
2,119171
---------------------------------------- ----------
IC(95,0%)
----------------1,054016
4,260736
-----------------
Prevalencia de exposicin
Estimacin
---------------------------------------- ---------En enfermos
0,010256
En no enfermos
0,003190
Razn de prevalencias
3,215385
---------------------------------------- ----------
IC(95,0%)
----------------0,807922
12,796660
-----------------
14
OR
--------3,238342
IC(95,0%)
----------------0,806111
13,009196
0,883539
11,869266
(Woolf)
(Cornfield)
15