Estadstica y Epidemio

Estudio de un test
9:11
La sensibilidad y la especificidad se refieren respectivamente a la capacidad del test para detectar correctamente a los individuos enfermos y a los sanos. La sensibilidad y la especificidad no dependen de la prevalencia.
Los valores predictivos dependen de la prevalencia. El positivo se refiere a la probabilidad de ser enfermo
cuando el test es positivo y el VPN, a la probabilidad de estar sano cuando el test ha sido negativo.
Los test sensibles sirven para descartar enfermedad. Los especficos, para confirmar enfermedad.
Las curvas COR representan la relacin recproca entre sensibilidad y especificidad Cuanto mayor es el rea
bajo la curva COR, mejor ser el test.
La prevalencia va a determinar el tipo de test ms til en una comunidad. Si la prevalencia es alta, se realizar
un test sensible. Si es baja, uno especfico.
Concepto de epidemio
10:15
La demostracin experimental supone la mejor evidencia de causalidad.
El principal inconveniente de la demostracin experimental son los problemas ticos.
Criterios epidemiolgicos
de causalidad
La existencia de asociacin estadstica no es sinnimo de causalidad,
sino que para que se d deben cumplirse los denominados criterios de
causalidad, que son los que se definen a continuacin:
Fuerza de asociacin: es un criterio muy importante, consistente
en cuntas veces ms riesgo de enfermedad tienen las personas expuestas al factor estudiado que las no expuestas.
Efecto dosis-respuesta: es decir, que la asociacin tenga coherencia
interna, que al incrementarse la presencia del factor de riesgo aumente la de la enfermedad.
Secuencia temporal: la exposicin al presunto factor de riesgo debe
preceder al efecto.
Coherencia externa o consistencia de los resultados: los resultados
deben ser concordantes con los obtenidos en otros estudios (reproductibilidad).
Ausencia de distorsiones metodolgicas en el estudio: debidas a
sesgos.
Ausencia de explicaciones alternativas: es decir, ausencia de otras
hiptesis que expliquen los resultados.
Plausibilidad biolgica: que los resultados sean compatibles con el
marco de los conocimientos cientficos previos.
Efecto de la cesacin o reversibilidad: es decir, que exista una disminucin del riesgo tras la reduccin de la exposicin al presunto
factor de riesgo.
Demostracin experimental: es la prueba causal por excelencia,
pero su realizacin plantea en ocasiones problemas ticos.

Medidas de frecuencia
10:16
La incidencia es sinnimo de riesgo, porque se refiere a los nuevos casos debidos a una enfermedad.
Como incidencia es riesgo, todos los parmetros que incluyen el trmino riesgo (RR, RAE, RRR, RAR) se
calculan utilizando incidencias.
La prevalencia o probabilidad pretest se refiere a la cantidad de enfermos en una poblacin, no slo a los
Casos nuevos.
Es importante conocer los aspectos de incidencia, prevalencia y densidad de incidencia.
Prevalencia: Proporcin de individuos enfermos en una poblacin en un momento concreto
incidencia acumulada: Riesgo individual de enfermar
Densidad de incidencia: Velocidad con que determinada enfermedad aparece en una poblacin

Medidas de asociacin
10:16

El RR es la medida de asociacin de los estudios prospectivos, es decir, de cohortes y de los ensayos

clnicos.
El riesgo relativo es la medida de asociacin en los estudios de cohortes. Mide la "fuerza de la asociacin" entre el factor de riesgo y
la enfermedad. Puede variar entre 0 e infinito.
El riesgo relativo responde a la pregunta: cunto ms frecuente es la enfermedad entre los expuestos a un factor de riesgo respecto
a los no expuestos?
Su significado vara dependiendo del valor que tome:
RR es mayor a 1: Factor de Riesgo (FR).
RR es igual a 1: indiferente: la incidencia es igual en expuestos y en no expuestos.
RR es menor a 1 : factor de proteccin.
Se calcula dividiendo incidencia de expuestos entre incidencia de no expuestos
Es importante conocer los valores posibles, as como el significado de RR menor, igual o mayor de 1 .
Cuando en una pregunta, adems del RR, se proporcione un intervalo de confianza, hay que fijarse en este
ltimo. Si el intervalo incluye el 1, entonces se dice que el RR no ha sido significativo.
La OR es la medida de asociacin de los diseos retrospectivos o de casos y controles. Su mayor utilidad es
cuando la enfermedad de estudio es poco prevalente.
Medidas de impacto o del efecto
10:16
El NNT siempre se pregunta de la misma forma: "a cuntos pacientes se debera tratar para conseguir un
evento?"
se calcula NNT= 100/ (Io - Ie )
El NNT es tanto mejor cuanto menor sea.
La RRR y la RAR sirven para cuantificar la relevancia clnica de una medida teraputica. Su clculo se realiza
mediante una resta de incidencias.
El RA y la FAE cuantifican cunto de la enfermedad se debe a un factor de riesgo, en el grupo de sujetos
expuestos a dicho factor.
Tipos de estudio epidemiolgico
10:16

Los estudios experimentales son aquellos en los que el investigador forma parte "activa" del estudio al asignar
el factor de estudio. La aleatorizacin de la muestra es Otra condicin indispensable.
Los estudios observacionales son aquellos en los que el investigador se limita a "observar" a los sujetos enfermos-sanos (estudio de casos y controles), a sujetos expuestos-no expuestos (cohortes) o a Observar cuntos
sujetos estn enfermos en una comunidad (transversal).
Los estudios de cohortes son prospectivos porque se empieza a partir del factor de riesgo (FR hacia enfermedad).
Es decir, que a tiempo 0, nadie presenta el evento final de estudio. Son los mejores estudios de entre los observacionales para verificar causalidad. La medida de asociacin es el RR.
Los estudios de casos-controles son retrospectivos porque la seleccin de pacientes se hace en funcin de si estn
enfermos o no (enfermedad hacia FR). En este estudio a tiempo cero, ya hay sujetos portadores del evento final de
estudio. Son los mejores para enfermedades raras y su principal limitacin es la relativa validez por la facilidad para
cometer sesgos. La medida de asociacin es la OR.
Los estudios transversales o de prevalencia se caracterizan por la ausencia de seguimiento. En estos estudios
slo "se ve" a los sujetos una nica vez. La medida de frecuencia de enfermedad es la prevalencia.
Validez y fiabilidad de los estudios epideiolgicos
10:16
Los errores aleatorios son errores producidos por el azar. Son una falta de precisin, no afectan a la validez
interna y se corrigen aumentando el tamao de la muestra.
errores sistemticos o sesgos no se &ben al azar, afectan a la validez de los estudios y no se corrigen aumentando
el de la muestra.
Los sesgos de seleccin se deben al hecho de elegir mal la muestra del estudio, bien por escoger controles
hospitalarios (Berkson), por disponer de pocos casos enfermos al estudiar enfermedades de rpida mortalidad
(Neyman), o por seleccionar voluntarios (autoselecin).
Los errores de clasificacin se deben a un error al incluir a los pacientes en los diferentes grupos de estudio, ya sea
porque los sanos (controles) no recuerdan el antecedente de la exposicin (sesgo de memoria), o porque varan su
comportamiento al sentirse observados(efecto hawthrone).
En los ensayos clnicos, se pueden controlar los sesgos de clasificacin mediante las tcnicas de ciego o
enmascaramiento; y los de seleccin, por medio de la aleatorizacin.
El sesgo de confusin se debe a la existencia de un factor de confusin, que es esencialmente un factor que
est desigualmente distribuido entre los dos grupos de pacientes del estudio y que se relaciona etiolgicamente con la enfermedad final.
Los sesgos de confusin se controlan mediante asignacin aleatoria, apareamiento, restriccin, anlisis mul-

tivariante y anlisis estratificado.

Validez: el estudio cuantifica lo que realmente se propone medir. Es
el grado de ausencia de error sistemtico. Tambin recibe el nombre de exactitud.
Validez interna: es el grado de validez del resultado para los pacientes del estudio. Se dice que un estudio tiene validez interna
cuando los resultados del mismo son aplicables a los individuos
del citado estudio.
Validez externa: un estudio tiene validez externa cuando los resultados del mismo son aplicables a otros individuos distintos de
los del estudio.
Fiabilidad: es el grado de reproductibilidad de un estudio, es decir,
el grado de similitud que presentaran los resultados si se repitiese el
estudio en condiciones similares. Es decir, es el grado de ausencia
de error aleatorio.
Ensayo clnico
10:16
El objetivo de la fase uno del ensayo clnico es determinar las propiedades farmacodinmicas del frmaco, as
como la dosis txica del mismo.
En una fase dos se establece la dosis eficaz del frmaco.
La fase tres se caracteriza porque se compara la eficacia de otro frmaco con la del que se est investigando.
Tras esta fase, el frmaco se introduce en el mercado.
La fase cuatro es la fase de la farmacovigilancia. En este caso, se registra la aparicin de efectos secundarios
infrecuentes. La notificacin en la prctica clnica de posibles eventos adversos se realiza mediante la tarjeta
amarilla.
La correcta secuencia en un ensayo clnico es:
1 . Los pacientes cumplen los criterios de inclusin y exclusin.
2. Firman el consentimiento informado (sabiendo que posiblemente reciban placebo, si uno de los tratamientos lo es).
3. Sean asignados a uno u otro grupo de intervencin (preferiblemente mediante aleatorizacin).
Un aspecto importante es manejar las prdidas que se producen en un ensayo clnico. Lo mejor es tenerlas
previstas a priori. Si an as se produjeran, sera conveniente realizar un nuevo estudio con el tamao apropiado. Sin embargo, no todas las prdidas afectan de igual manera al EC. Si las prdidas se producen antes
de la asignacin del factor de estudio, no necesariamente se ve afectada la validez del mismo, al contrario
que si se producen despus de tal asignacin.
Los EC se dividen en:
Pragmticos (muestra heterognea) y explicativos (muestra homognea).
Cruzado (cada grupo de sujetos toma los dos frmacos con un tiempo de lavado) y paralelo (cada grupo
de tratamiento toma un nico frmaco).
Por intencin de tratar (todos los sujetos incluidos en el estudio son analizados) y por protocolo (slo se
analizan los que finalizan el estudio).
De tamao predeterminado (se conocen a priori el tamao de la muestra) y secuenciales (los pacientes
van incorporndose al estudio progresivamente).
De superioridad (interesa demostrar que un frmaco es mejor que otro) y de no-inferioridad (se supone una
eficacia similar, la ventaja del nuevo frmaco es ser ms barato, tener una administracin ms fcil, ... )
Enmascarados (se han realizado tcnicas de ciego para evitar sesgos) y abiertos (no enmascarados).
Niveles de calidad de evidencia cientfica
10:16
El metaanlisis es un estudio en el que se realiza una combinacin estadstica de los resultados de ensayos
previos similares.
Si est realizado correctamente, es el estudio que aporta mayor evidencia cientfica.
Una limitacin importante se debe a que slo se publican resultados favorables (sesgo de publicacin).
Estadstica generalidades
10:16
La obtencin de una muestra a partir de la poblacin puede hacerse de forma probabilstica (mediada por el
azar) y no probabilstica.
Los tipos de muestreo probabilstico son el muestreo aleatorio simple, el estratificado, el sistemtico y por
conglomerados. El estratificado debe realizarse cuando haya en la muestra una hipottica variable pronstica
que pudiera influir en el desarrollo de la enfermedad.
Las variables son caractersticas observables. Pueden ser cuantitativas o cualitativas, en funcin de que la
variable analizada pueda cuantificarse o expresarse en funcin de una caracterstica.

Estadstica descriptiva
10:16
La forma de representacin grfica va a depender del tipo de variable. Para las cualitativas y las cuantitativas
discretas, se emplea el diagrama sectorial y el diagrama de barras. Para las cuantitavas continuas, se utiliza el
histograma y el polgono de frecuencias.
Para definir correctamente una variable en una muestra necesitaremos un parmetro que sirva para aglutinar
todos los valores de dicha muestra (parmetro de tendencia central) y otro que sirva para informarnos de lo
agregados o no que estn los valores (parmetro de dispersin).
Medidas de localizacin o tendencia central
Las medidas de centralizacin indican alrededor de qu valores se
agrupan los datos observados. Se distinguen las siguientes:
Media aritmtica: es la medida de centralizacin ms comn. Se
calcula sumando los valores numricos de todas las observaciones
y dividiendo el total por el nmero de observaciones.
La media aritmtica verifica la propiedad de equilibrar las desviaciones positivas y negativas de los datos respecto a su valor.
Acta, por tanto, como centro geomtrico o centro
de "gravedad" para el conjunto de puntos.
Mediana: es el valor numrico que divide al conjunto de datos ordenados en dos partes iguales, es decir, el 50% de los datos ser
menor que ella y el resto, mayor. En una distribucin simtrica, la
mediana coincide con la media aritmtica, pero no as en una asimtrica.
Moda: es el valor ms corriente o el valor de la variable que se presenta con mayor frecuencia. Pueden existir distribuciones con ms
de una moda.
Medidas de dispersin o variabilidad
Junto a las medidas de tendencia central, las medidas de dispersin o
variabilidad completan la informacin sobre la distribucin de la variable (indican si los valores de la misma estn muy dispersos o se concentran alrededor de la medida de centralizacin)
Rango o recorrido: diferencia entre el valor mximo y el mnimo
observado en una serie.
Desviacin media: es la media de las desviaciones respecto a la
media aritmtica.
Varianza: se define como la media del cuadrado de las desviaciones
de los elementos respecto a la media aritmtica.
Desviacin tpica o estndar: es la raz cuadrada positiva de la varianza. Es, junto con sta, la medida de dispersin ms utilizada.
La desviacin tpica es una medida complementaria de la media
aritmtica; mientras que sta da una idea de la magnitud general de
la distribucin, la desviacin estndar muestra cmo se distribuyen
los valores alrededor de la media.
Rango intercuartlico: es la diferencia entre el percentil 75 y el 25.
Es, junto con el rango, la medida de dispersin usada para los datos
asimtricos.
Coeficiente de variacin (CV): es una medida de dispersin adimensional. Se define como el porcentaje que representa la desviacin estndar sobre la media. Es el mtodo de eleccin para
comparar la variabilidad o dispersin relativa de variables que
estn expresadas en las mismas o en diferentes unidades.
Parmetros de posicin: cuartiles, deciles, percentiles. Son valores que
dividen el conjunto de las observaciones en cuatro, diez o cien partes
iguales, respectivamente. Por ejemplo:
Q2= D5= Pc50= mediana
El 50% de las observaciones ser inferior al segundo cuartil, quinto decil
o percentil 50.
Media geomtrica: muy utilizada en Microbiologa y Serologa, cuyos datos tienen una marcada asimetra positiva (hacia la derecha).
Por ejemplo: ttulos de anticuerpos.
El tipo de distribucin ms frecuente es la normal o de Gauss, que es simtrica. En distribuciones simtricas
se usar como parmetro de tendencia central la media y de dispersin, la desviacin tpica.
En distribuciones asimtricas, se emplea la mediana como parmetro de tendencia central y el rango como
parmetro de dispersin.
En la distribucin de Gauss, media, mediana y moda coinciden en el mismo valor.
El coeficiente de variacin es el parmetro que se emplea para decir si una distribucin es homognea o
dispersa. Adems, informa de cul de entre dos distribuciones tiene una mayor variabilidad (dispersin).
probabilidad
10:16

La frmula de la suma se debe aplicar cuando se pregunta cul es la probabilidad de que ocurra un evento u
Otro (por ejemplo, probabilidad de que un sujeto tenga cncer de pulmn o de laringe).
La multiplicacin se aplica cuando se pregunta por la probabilidad de que ocurra un evento y el Otro (probabilidad de que un sujeto tenga cncer de pulmn y de laringe).
Leyes de distribucin
10:16
La distribucin normal o de Gauss es una curva de probabilidad continua con forma de campana.
LOS tres parmetros de tendencia central: media, mediana y moda, coinciden en el mismo valor.
Los lmites de dicha campana son +/- infinito y Su rea es 1 ,
Siempre se cumple que en el intervalo media +1- 1 ,96 s est incluido el 95% de la muestra.
Estimacin de parmetros. Estadstica inferencial
10:16
La estadstica inferencial o analtica se encarga de, a partir de la muestra, extrapolar datos a la poblacin.
El parmetro de dispersin que se emplea para el clculo de los intervalos de confianza de medias es el error
estndar de la media.
La curva de probabilidades de intervalos de confianza sigue Otra curva de Gauss, por lo que se puede decir que, en el intervalo media +-2 eem , estar incluida la media poblacional con una probabilidad del 95%.
intervalos as obtenidos denominan intervalos de confianza del 95%.
El 5% restante es la probabilidad dc que el intervalo est mal estimado. A este error se le llama alfa.
Distribucin normal o de Gauss
Este tipo de distribucin es seguida por una inmensa cantidad de variables biolgicas cuyas medidas se agrupan alrededor de un valor central, y que presentan una frecuencia cada vez menor a medida que se
alejan de dicho valor.
Caractersticas
Las caractersticas de la distribucin normal o de Gauss son las siguientes:
Corresponde a variables cuantitativas continuas.
Se caracteriza por dos medidas: media y desviacin tpica.
Es unimodal.
Es simtrica alrededor de la media. Por tanto, media, mediana y
moda coinciden.
Tiene forma acampanada, sin un pico excesivo.
Va desde - infinito a +infinito (asinttica al eje de abscisas).
El rea bajo la curva tiene un valor igual a 1.
El 50% de las observaciones se encuentran por debajo de la media
aritmtica y el 50% por encima. El 68% de las mismas estn dentro del
intervalo x +- 1 s; el 95% dentro del intervalo x +- 1,96s y el 99% dentro
del intervalo x 2,57 s
Contraste de hiptesis
10:16
El contraste de hiptesis se basa en intentar rechazar Ho (no hay diferencias) para as aceptar H, (s existen
Cualquier resultado en un estudio puede atribuirse al azar. El valor de p o nivel de significacin
se refiere a la probabilidad de que el azar explique un resultado obtenido.
Si la p es menor de 0,05, Se admite probabilidad de azar, y entonces se habla que hay diferencias estadsticamente significativas.
Si la p es mayor de 0,05, la probabilidad de azar es grande para que se afirme que hay diferencias
significativas en los resultados obtenidos.
La probabilidad que existe de que yo afirme que hay diferencias, cuando en realidad no las hay, equivale a
la probabilidad p y se llama error alfa o tipo 1.
Por el contrario, si verdaderamente existen diferencias y yo no detectan, estar incurriendo de nuevo en
un error, que en este caso es el beta o tipo 2.
Ambos errores alfa y beta son dos formas diferentes de errores aleatorios, por lo que se podrn reducir si se
aumenta el tamao de la muestra.
Si verdaderamente hay diferencias reales en los resultados obtenidos y estas diferencias son detectadas por el
test, entonces se est en la situacin de acierto que se conoce como poder o potencia del test.
Los test que se van a emplear dependern tipo de variable que se haya utilizado:
Cuali cuali: Chi cuadrado.
Cuanti cuali dicotmica: t de Student (equivalente no paramtrico: Wilcoxon, U de Mann-Whitney).
Cuanti cuali no dicotmica; ANOVA (equivalente no paramtrico: Kruskall-WaIlis, Friedman).
Cuanti cuanti : correlacin de Pearson (equivalente no paramtrico: Spearman).
los test paramtricos son los mejores, pero slo pueden realizarse cuando la distribucin del estudio sea
normal.

Anlisis de correlacin y regresin

10:16

Los test de correlacin y de regresin sirven para establecer asociacin entre dos variables cuantitativas.
El anlisis del test de correlacin se basa en la interpretacin del coeficiente r. El valor de r est comprendido
entre -1 y +1. Un valor positivo significa que si la variable "n" aumenta, la variable "m" lo har tambin.
El valor absoluto de la r establece lo fuerte o dbil de la correlacin, considerndose fuerte cuando sta es
mayor de 0,7.
Una r de 1 o de -1 implica una correlacin cuya nube de dispersin se aproxima a la lnea recta.
Cuando la correlacin es fuerte, podr entonces hacerse el test de regresin lineal, Cuya frmula es y =
Alfa + beta x, donde beta es la pendiente de la recta y alfa el punto de corte de sta en el eje de ordenadas.
Tamao muestral
10:16

Lo primero que se debe hacer cuando nos pregunten sobre tamao muestral es conocer si se trata de una
estimacin de parmetros o de un contraste de hiptesis, para as saber qu es lo que se necesita en nuestro
estudio.
Si se trata de un intervalo de confianza, entonces se debe conocer si se trata de una variable cualitativa
(proporcin) o de una cuantitativa (media). En ambos casos es preciso saber el nivel de confianza y la precisin con la que se desea el estudio. Evidentemente, en el caso de la proporcin, necesitaremos conocer la
proporcin esperable y en el de las medias, la varianza esperable.
En los casos de contraste de hiptesis, los aspectos ms importantes a tener en cuenta son los errores alfa y
beta del estudio, la magnitud de la diferencia a detectar clnicamente relevante, la proporcin de pacientes
en los distintos grupos que respondern a cada tratamiento y la proporcin de prdidas.
Hay dos campos en la inferencia estadstica donde se va a desarrollar el clculo del tamao muestral:
Estimacin de parmetros: el tamao depender de la variabilidad del parmetro que se desea estimar
(sta ha de ser previamente conocida, o bien aproximarse a partir de datos preexistentes o estudios
pilotos), de la precisin con que se pretenda obtener la estimacin (amplitud deseada del intervalo de
confianza, teniendo en cuenta que a mayor precisin, se necesitar un nmero ms alto de sujetos) y de
nivel de confianza.
Para estimar una proporcin se debe conocer:
-El nivel de confianza o seguridad (1-alfa). Para una seguridad del 95%= 2; para una seguridad del 99%= 2,6.
-La precisin que se desea para el estudio.
-Una idea del valor aproximado del parmetro que se quiere medir, revisando la literatura o los estudios
previos. En caso de no tener dicha informacin, se emplear el valor p 0,05 (5%). En este caso, se necesita mayor n, pero garantizar una mejor estimacin.
RECUERDA
La precisin est en el denominador y al cuadrado, 10 que significa que
si queremos un estudio muy preciso, el tamao muestral requerido ser
grande.
RECUERDA
En la estimacin de parmetros, NO se necesita conocer el error beta para
estimar el tamao muestral
Contraste de hiptesis: se utiliza para estudios comparativos y,
en l, el tamao de la muestra indica el nmero aproximado de
sujetos que se necesitan para detectar una diferencia determinada,
si existe, con unos mrgenes de error previamente definidos. Los
factores a tener en cuenta para determinar el tamao muestral son
los siguientes:
La magnitud de la diferencia a detectar que tenga inters clnicamente relevante. Se pueden comparar dos proporciones o dos
medias.
Tener una idea aproximada de los parmetros de la variable que
se estudia (bibliografa, estudios previos).
La variabilidad de la variable principal.
La seguridad del estudio (riesgo de cometer un error alfa: 5%).
El poder estadstico (1 - beta: 80% al menos) (riesgo de cometer un
error beta: 0,1-0,2).
La proporcin de pacientes en los distintos grupos que responder a cada tratamiento.
La proporcin de prdidas (d): se deber multiplicar el tamao
calculado por: 1/(1 - d).
La definicin de si la hiptesis va a ser unilateral o bilateral.
Bilateral: cualquiera de los dos parmetros a comparar (me-

dias o proporciones) puede ser mayor o menor que el otro.

No se establece direccin. Ho diferente de H .
Unilateral: cuando se considera que uno de los parmetros
debe ser mayor que el otro, indicando, por tanto, una direccin de las diferencias.
La hiptesis bilateral es una hiptesis ms conservadora y disminuye el
riesgo de cometer un error de tipo I .