Está en la página 1de 117

A.

Ahlbom, S, Norell

Anders Ahlbom
Staffan Norell
Fundamentos
de epidem1iologa

- . ' J.


))((1
Siglo veintiuno
de Espaa
EditOres, sa
A. Ahlbom, S, Norell

Salud
y
Sociedad
A. Ahlbom, S, Norell

Traduccin de

JESS DE PEDRO CUESTA

Departamento de Medicina Social y de Neurologa.


Instituto Karolinska.
Estocolmo

Versin revisada por el personal docente


de la Ctedra de Medicina Preventiva y Social.

Facultad de Medicina.
Universidad de Sevilla
A. Ahlbom, S, Norell

FUNDAMENTOS DE
EPIDEMIOLOGA
POR

Anders Ahlbom
Staffan Norell
A. Ahlbom, S, Norell

_____________________________________________
siglo veintiuno editores, Sa
CERRO DEL AGUA, 248. 04310 MEXICO, D.F.
_____________________________________________
siglo veintiuno de espaa editores, sa
c/ PLAZA, S. 28043 MADRID. ESPAA
_____________________________________________
siglo veintiuno argentina editores, sa
_____________________________________________
siglo veintiuno de colombia, ltda
AV, 3a. 17-73. PRIMER PISO. BOGOTA. D,E. COLOMBIA
_____________________________________________

Primera edicin en espaol, enero de 1987


Segunda edicin en espaol, noviembre de 1988

@ Siglo XXI de Espaa Editores, S. A.


Calle Plaza, 5. 28043 Madrid

Primera edicin en sueco: Student Litteratur, Lund, Suecia, 1981.


Primera edicin en ingls: Epidemiology Resources Inc. Chesnut Hill (Mass.) EELJU,
1984.
Ttulo: Introduction to modern epidemiology

DERECHOS RESERVADOS CONFORME A LA LEY

Impreso y hecho en Espaa


Printed and made in Spain

Diseo de la cubierta: El Cubri

ISBN: 84-323-0585-5
Depsito legal: M. 36.937-1988

Compuesto en EFCA, S. A.
Avda. del Doctor Federico Rubio y Gal, 16. 28039 Madrid

Impreso en Closas-Orcoyen, S. L. Polgono Igarsa


Paracuellos del Jarama (Madrid)
A. Ahlbom, S, Norell

INDICE

NOTA DEL TRADUCTOR VII


PROLOGO A LA EDICION ESPAOLA, Enrique Njera IX
PROLOGO A LA EDICION NORTEAMERICANA, Kenneth J Rothman XI
PROLOGO A LA EDICION SUECA XIII

1. QU ES LA EPIDEMIOLOGA? 1
BIBLIOGRAFIA 4

2. MEDIDAS DE FRECUENCIA DE ENFERMEDAD 5


VALORES ABSOLUTOS Y VALORES RELATIVOS AL
TAMAO DE LA POBLACION 5
INCIDENCIA Y PREVALENCIA 6
TRES MEDIDAS DE FRECUENCIA DE ENFERMEDAD 6
RELACIONES ENTRE LAS TRES MEDIDAS 10
MDIDAS CRUDAS Y ESPECIFICAS 11
BIBLIOGRAFIA 11
EJERCICIOS DEL CAPITULO 2 13

3. ENFERMEDAD Y DIAGNOSTICO 18
SINTOMAS, SIGNOS Y PRUEBAS CLINICAS 18
CRITERIOS DIAGNOSTICOS 24
CLASIFICACION DE LAS ENFERMEDADES 25
PRECISION Y CERTEZA DEL DIAGNOSTICO 27
BIBLIOGRAFIA 29

4. SENSIBILIDAD Y ESPECIFICIDAD 31
DEFINICIONES 31
IMPLICACIONES EN LA ESTIMACION DE LA 33
PREVALENCIA
IMPLICACIONES EN EL CRIBADO 34
BIBLIOGRAFIA 36
EJERCICIOS DE LOS CAPITULOS 3 Y 4 37

5. MEDIDAS DE FRECUENCIA COMPARADA DE 40


ENFERMEDAD
40
COMPARACIONES ABSOLUTAS Y RELATIVAS
ESTANDARIZACION 41
FRACCION ETIOLOGICA 44
FRECUENCIA COMPARADA Y MEDIDAS DE FRECUENCIA
DE ENFERMEDAD 45
BIBLIOGRAFIA 46
A. Ahlbom, S, Norell

6. INDICADORES DE RIESGO Y CAUSAS DE ENFERMEDAD 47

INDICADORES DE RIESGO 47
CAUSAS DE ENFERMEDAD 48
MODELO CAUSAL I 49
MODELO CAUSAL II 49
BIBLIOGRAFIA 53
EJERCICIOS DE LOS CAPITULOS 5 Y 6 54

7. LA CALIDAD DE LOS ESTUDIOS EPIDEMIOLOGICOS 61


VALIDEZ Y FIABILIDAD 61
LA VALIDEZ DE LAS COMPARACIONES DE FRECUENCIA
DE ENFERMEDAD 62
BIBLIOGRAFIA 65

8. TIPOS DE ESTUDIOS 67

ESTUDIOS DE CASOS Y TESTIGOS 68


VENTAJAS E INCONVENIENTES DE LOS DOS TIPOS DE
ESTUDIOS 71
ESTUDIOS DE COHORTES RESTROSPECTIVOS 72
ESTUDIOS DE CASOS Y TESTIGOS EMPAREJADOS 73
ELECCION DEL GRUPO DE COMPARACION 74
TAMAO DEL ESTUDIO 76
BIBLIOGRAFIA 77
EJERCICIOS DE LOS CAPITULOS 7 Y 8 79

9. ANALISIS DE RESULTADOS 88

INTERVALOS DE CONFIANZA Y PRUEBAS DE


SIGNIFICACION 88
Medidas de frecuencia de enfermedad, 88.- Medidas de frecuencia
comparada de enfermedad, 91.
ESTRATIFICACION 99
Estudios de cohortes, 99.- Estudio de casos y testigos, 101.
BIBLIOGRAFIA 102
EJERCICIOS DEL CAPITULO 9 104

SOLUCIONES A LOS EJERCICIOS 107


INDICE ANALITICO 131
A. Ahlbom, S, Norell

NOTA DEL TRADUCTOR

Esta publicacin ha sido causa y producto del esfuerzo Inicial de varias personas.

La demanda de un manual prctico de metodologa epidemiolgica en castellano y la


capacidad adquisitiva de los potenciales lectores, alcanzaron en los ltimos aos los
extremos ms opuestos. La eleccin de Siglo XXI y del texto de Ahlbom y Norell result de
un proceso de cuidadosa seleccin del medio y del mensaje ms adecuados. Pilar Garca
Sagredo, entusiasta sociloga sanitaria, mecanografi los primeros manuscritos. La
excelente y minuciosa revisin del texto por el personal de la citada ctedra de Sevilla, ha
compensado con creces mi falta de hbito en la discusin de temas epidemiolgicos en
castellano.

La ausencia de una terminologa epidemiolgica moderna homognea*, el rechazo de la


literalidad respecto al texto ingls y el deseo de los propios autores, han hecho que esta
traduccin conserve matices del original sueco y el vocablo confounding, o modifique
adjetivos -como el de contributory cause- cargados de connotaciones por su empleo
establecido en otro contexto mdico o epidemiolgico.

A las personas arriba citadas, y a Siglo XXI por la esmerada edicin, hago aqu presente el
debido agradecimiento.

* John M. Last (comp.), A Dictionary of Epidemiology, Oxford, 1983.


A. Ahlbom, S, Norell

PROLOGO A LA EDICION ESPAOLA

Desde que en 1598 Quinto Tiberio Angelerio publicara en Madrid en la Imprenta Real su
Epidemiologa -segunda edicin (posiblemente la primera obra con ttulo en el mundo y la
primera vez que se acua la palabra) hasta que Stallybrass en 1931 sistematizara el
conocimiento y la metodologa de esta ciencia, pocas obras fueron publicadas en este campo
a pesar de que Hipcrates hubiera puesto los pilares para su desarrollo.

A un tan largo perodo de casi silencio y olvido ha sucedido una etapa, en la que nos
encontramos totalmente inmersos actualmente, en la que por el contrario, el inters por la
epidemiologa es general y el nmero de tratados, ms o menos extensos se ha multiplicado
ampliamente, de forma que muchas veces resulta difcil seleccionar cul puede interesarnos.

El libro de Ahlbom y Norell tiene en ese conjunto cualidades especficas que lo


individualizan como verdaderamente interesante para quien desee de forma rpida y clara
adentrarse en una ciencia como la epidemiologa que es fundamental para entender los
procesos y formas de deterioro de la salud o para iniciarse en la ms ambiciosa aspiracin
actual de promocin de la salud a travs de la identificacin de los factores que pueden
preservarla al mximo y por ello en cierta forma promocionarla.

En el Seminario sobre Usos y Perspectivas de la Epidemiologa celebrado en 1983 en


Buenos Aires, Guerra Macedo, director de la Organizacin Panamericana de la Salud deca
... sino sobre todo, la epidemiologa es esa dimensin mayor de la inteligencia para la
comprensin de la salud como un todo (...) y continuaba sealando las fundamentales
funciones que la epidemiologa tiene en la planificacin, evaluacin y conduccin cientfica
de los servicios de salud.

Efectivamente el desarrollo conceptual de la actitud social frente a la salud y enfermedad


est sufriendo actualmente un proceso de renovacin casi total que exige para lograrla la
utilizacin de mtodos y herramientas nuevas o que no han sido ni son utilizadas en todas
sus posibilidades. Sin duda la epidemiologa es una de las ms importantes de estas
herramientas y el conocer su metodologa comienza a hacerse imprescindible no ya para los
especialistas sino para los trabajadores del sector de la salud y muy especialmente para los
dedicados a la atencin primaria si quieren que sta sea realmente comunitaria.

Creemos que el esfuerzo de Ahlbom y Norell para presentar los elementos esenciales de esta
metodologa en forma tan clara y concisa ser muy apreciado por los lectores que vern,
gracias a ellos, enormemente facilitado su trabajo.

Sevilla agosto de 1985

ENRIQUE NJERA

Profesor de Medicina Preventiva y Social.


Facultad de Medicina. Universidad de Sevilla.
A. Ahlbom, S, Norell

PROLOGO A LA EDICION NORTEAMERICANA -

Se ha dicho, no muy en serio, que un epidemilogo de los de antao era un mdico que
saba contar. Hoy, la epidemiologa ha venido a ser una disciplina cientfica bien diferenciada
que, como otras, exige un largo perodo de formacin de alto nivel a los que desean
conocerla en profundidad. Los fundamentos de la realizacin e interpretacin de los estudios
epidemiolgicos han dejado de ser durante los ltimos 15-20 aos un conjunto de reglas de
sentido comn y significado poco concreto, para convertirse en un cuerpo de conceptos bien
definidos y lgicamente relacionados, que proporciona una teora coherente para la
planificacin e interpretacin de los mismos. Anteriormente, el pensamiento epidemiolgico
estuvo dominado por la intuicin y la normativa prctica tradicional. En la actualidad, este
ha cristalizado en una serie de principios capaces de orientar al epidemilogo en la intrincada
problemtica de la investigacin de poblaciones. La experiencia y el sentido comn son
todava recursos fiables de investigador, pero el desarrollo cientfico requiere sin duda la
comprensin estructurada de la realidad. En este sentido el progreso realizado por la
epidemiologa durante las dos ltimas dcadas ha sido notorio.

A veces sucede que lo que un cientfico establecido acepta como evidente durante aos, no
es tan confiadamente percibido por los recin llegados a ese campo de investigacin.
Aquellos que se acercan a un campo del saber convencidos de la necesidad de formalizar los
conceptos como primer paso en el proceso del aprendizaje, son capaces de desarrollar una
comprensin de los mismos libre de los errores crnicos de enfoque. Desgraciadamente,
muchos de los conceptos de la epidemiologa moderna no se encuentran todava vertidos en
los textos de introduccin a esta disciplina.

Esta lcida monografa de Anders Ahlbom y Staffan Norell las corrige este defecto. Aqu se
encuentran, claramente expuestas, ideas que un no iniciado deber enfrentar y asimilar. La
presentacin de los conceptos ms recientes est sutilmente construida sobre el antiguo
patrn dogmtico suscitando una comprensin mas profunda de la tradicionalmente
conseguida a este nivel bsico. Por ejemplo, cuando inici mis estudios de epidemiologa en
la Escuela de Salud Pblica de Harvard en 1969 se nos hizo saber distinguir entre incidencia
y prevalencia, pero nunca se nos mostr la fundamental diferencia entre los dos tipos de
incidencias, la tasa de incidencia y la incidencia acumulada. La utilizacin de la
estratificacin en el anlisis a efectos de controlar el confounding no nos fue presentada sino
en un curso avanzado. En este pequeo manual, A. Ahlbom y S. Novell describen, clara y
por vez primera en un texto introductorio, estos y otros conceptos similares.

Saber contar sigue siendo importante en epidemiologa, pero la comprensin e interpretacin


de los estudios epidemiolgicos que actualmente se publican en revistas mdicas y sanitarias
requieren algo ms. Esta Introduccin a la Epidemiologa se acompaa de una exposicin
concisa de las ideas y principios elementales subyacentes a todo trabajo de investigacin.
Este doble contenido constituye el trampoln y el marco de referencia necesarios para los
que desean familiarizarse con la epidemiologa de nuestro tiempo.

KENNETH J. ROTHMAN.
Profesor de Medicina de Familia y Comunidad.
Facultad de Medicina. Universidad de Massachusetts.
PROLOGO A LA EDICION SUECA
A. Ahlbom, S, Norell

La epidemiologa es la disciplina que estudia la frecuencia de las enfermedades en las


poblaciones humanas. Durante los ltimos aos se ha desarrollado de manera considerable
en nuestra sociedad el conocimiento de los efectos negativos de las condiciones ambientales
y del modo de vida sobre la salud y la conciencia de la necesidad de prevenir las
enfermedades. Como consecuencia directa de ello ha crecido el inters por la epidemiologa.

El objetivo de esta publicacin es contribuir a satisfacer la creciente necesidad de material de


enseanza en esta materia.

La epidemiologa utiliza una serie de trminos o expresiones para definir los conceptos que
le son propios y clarificar sus relaciones internas. No es de esperar que se encuentren serias
dificultades para comprender los aqu expuestos.

Sin embargo es posible que el lector se vea obligado a dar por resueltos los problemas de
validez que siempre deben plantearse en el diseo e interpretacin de los estudios
epidemiolgicos y que son ineludibles a la hora de establecer conclusiones de tipo causal. En
gran parte, la problemtica que se refiere a la validez tiene su origen en el carcter
predominantemente no experimental de la materia. De igual manera puede resultar
relativamente oscuro para el lector el concepto de causa, en s y en lo que se refiere a la
conjuncin de diversas causas en el proceso que desemboca en la aparicin de la
enfermedad.

El tratamiento del material recogido en un estudio epidemiolgico implica la utilizacin del


anlisis estadstico. El mtodo estadstico no recibe apenas consideracin en este manual a
excepcin de las referencias incluidas en el ltimo captulo.

Es nuestra intencin que este texto pueda ser estudiado por todos aquellos que no posean
conocimientos previos de medicina y estadstica y que sea de utilidad en los programas de
educacin de medicina y de ciencias sociales bsicos as como en la introduccin a los de
posgraduados.

ANDERS AHLBOM y STAFFAN NORELL.


Huddinge. julio de 1981.
A. Ahlbom, S, Norell

1. QUE ES LA EPIDEMIOLOGIA?

La epidemiologa es la ciencia que estudia la frecuencia de las enfermedades en las


poblaciones humanas. Consiste en la medicin de la frecuencia de enfermedad y en el anlisis
de sus relaciones con diversas caractersticas de los individuos o de su medio ambiente. (La
palabra epidemiologa proviene de los trminos griegos, epi = sobre, encima, demos =
pueblo y logos = estudio, y significa el estudio de lo que est sobre, o que afecta a las
personas). La investigacin de la frecuencia de enfermedad no es un fenmeno nuevo. Sin
embargo, el desarrollo de la teora y mtodos epidemiolgicos en las ltimas dcadas ha
abierto nuevas perspectivas y despertado gran inters en mltiples campos de aplicacin. (La
lista de referencias bibliogrficas incluye varios manuales de inters general en esta materia).

Durante mucho tiempo el campo de mayor inters en epidemiologa fueron las


enfermedades infecciosas, especialmente las de mayor contagiosidad, ya que su frecuencia
variaba de manera muy clara, a veces dramtica, como durante las llamadas epidemias.

Desde un principio, se observ que los individuos que estaban en contacto con
personas enfermas frecuentemente enfermaban, y tambin, que aquellos que sanaban rara
vez volvan a contraer la misma enfermedad. Observaciones epidemiolgicas de este tipo
indujeron la formulacin de teoras acerca de la transmisibilidad e inmunidad y propiciaron la
toma de medidas preventivas eficaces antes incluso del descubrimiento de los
microorganismos y de los anticuerpos. Un ejemplo clsico es el estudio del clera en
Londres realizado por John Snow en 1854 (Snow, 1855).

Las observaciones epidemiolgicas antiguas no se limitaron al campo de la


enfermedad infecciosa ya que existan otras enfermedades que tambin mostraban
variaciones en su presentacin. A principios de siglo se observ la desigual distribucin de
ciertas enfermedades carenciales lo que se atribuy a variaciones en la composicin de la
dieta alimenticia. Estas observaciones permitieron elaborar teoras sobre las causas de estas
enfermedades y tomar medidas preventivas eficaces antes de que llegaran a identificarse
determinados nutrientes esenciales tales como las vitaminas. Un ejemplo de este fenmeno
lo constituyen los estudios de Goldberger sobre la pelagra realizados entre 1915 y 1926
(Terris, 1964).

En los ltimos aos se ha prestado mayor atencin a la epidemiologa de las


enfermedades neoplsicas. Los estudios epidemiolgicos han jugado un papel fundamental
mostrando la relacin entre el consumo de cigarrillos y la aparicin de cncer de pulmn.
Otros estudios han sealado la asociacin existente entre la exposicin a radiaciones
ionizantes y determinadas formas de cncer.

Las relaciones de diversas sustancias qumicas con distintos tipos de tumores


malignos han sido objeto de estudio en una gran cantidad de investigaciones
epidemiolgicas. A pesar de que el conocimiento de los mecanismos patognicos de estas
enfermedades todava es muy incompleto, estos estudios han abierto en muchos casos el
camino que conduce a la toma de medidas preventivas.
A. Ahlbom, S, Norell

Actualmente las enfermedades cardiovasculares constituyen un rea de gran inters.


El infarto de miocardio ha llegado a ser una de las causas de fallecimiento ms importante en
los pases industrializados. Las modificaciones del modo de vida han sido identificadas
como posible explicacin de este fenmeno. No obstante, permanece an sin esclarecerse la
importancia que debe atribuirse a factores particulares, tales como el estrs, la disminucin
de la actividad fsica, el consumo de tabaco, el aumento de la ingesta calrica y de grasas
saturadas o el tipo de relacin de estas caractersticas con otras como la hipertensin arterial
y la elevacin de los niveles sricos de colesterol y triglicridos (grasas sanguneas). En los
ltimos aos se han realizado una serie de estudios epidemiolgicos dirigidos a clarificar el
papel que estas otras caractersticas juegan en la produccin del infarto de miocardio y a
determinar las posibilidades de prevencin del mismo. Objetivos similares inspiraron la
realizacin de estudios de otras enfermedades vasculares como la apopleja.

El inters que en principio fue dirigido fundamentalmente hacia las enfermedades de


corta duracin (por ejemplo enfermedades infecciosas agudas), est actualmente ms
centrado en las enfermedades crnicas. Estas enfermedades son de gran importancia a causa
de su larga duracin y de la sobrecarga que suponen para el sistema sanitario. Tal es el caso
de la artritis reumatoide. Las diferencias que se observan en la frecuencia de artritis
reumatoide en distintas poblaciones son muy evidentes, incluso despus de corregir las
debidas a las desigualdades de la composicin de las mismas por edades o sexos. Estas
diferencias hacen preguntarse a los epidemilogos qu caractersticas de los individuos
(vg., genticas) o de su medio (vg., exposicin a agentes infecciosos) explican las
variaciones de la morbilidad de la artritis reumatoide? Otro ejemplo lo constituyen ciertas
enfermedades del aparato digestivo como la colitis ulcerosa o la enfermedad de Crohn: Qu
factores influyen en la frecuencia de estas enfermedades o determinan la probabilidad de
aparicin de complicaciones; por ejemplo, cncer de colon?

De igual manera se han estudiado las relaciones de la utilizacin de ciertos frmacos,


del consumo de alcohol y tabaco, o de ciertas infecciones durante el perodo de gestacin
con las variaciones en la frecuencia de aparicin de malformaciones congnitas.

A veces el punto de partida de un estudio epidemiolgico no es una enfermedad, sino


una determinada caracterstica o tipo de exposicin a ciertos factores. En estudios de riesgo
laboral estos factores suelen ser caractersticos del medio o del lugar de trabajo. El efecto de
la exposicin puede ser determinado evaluando el estado de salud y la frecuencia de
aparicin de la enfermedad en el grupo expuesto en comparacin con un grupo de
referencia. Por ejemplo: Qu relacin existe entre la exposicin al amianto en ciertos
trabajos y la frecuencia de aparicin de asbestosis, mesotelioma o cncer de pulmn?
Cules son las consecuencias del trabajo a destajo, del estrs y de los cambios de horarios
laborales en la salud de los individuos? Qu riesgo supone, para la salud de las poblaciones,
la utilizacin de insecticidas en la agricultura o el vertido libre de desechos industriales que
contienen sales de mercurio? En estudios de efectos secundarios de medicamentos, el punto
de partida suele ser tambin, una determinada caracterstica (exposicin a frmacos) ms que
una enfermedad.

Los ejemplos de reas de aplicacin aqu mencionados sealan la estrecha relacin


que existe entre la epidemiologa y la medicina preventiva. Los programas de prevencin
pueden ser llevados a cabo de manera compatible con la realizacin de estudios de
evaluacin de su eficacia. Esta se realiza habitualmente comparando la frecuencia de
enfermedad en el grupo protegido con la de un grupo de poblacin testigo, ya que rara vez
A. Ahlbom, S, Norell

las medidas preventivas afectan a la totalidad de la poblacin. Es as como la llamada


epidemiologa experimental contribuye a la evaluacin de las medidas, programas o
campaas destinadas a la promocin de la salud.

En los ltimos aos se ha hecho ms evidente el valor que tiene el conocimiento de la


frecuencia y distribucin de las enfermedades en la planificacin de la asistencia sanitaria.
Las relaciones entre la frecuencia de enfermedad, la necesidad de asistencia, la demanda o la
oferta asistencial han sido objeto de diversos estudios. Existe tambin un inters creciente
por el estudio de la prestacin de servicios sanitarios, del empleo de las distintas formas de
tratamiento y de sus correspondientes efectos en el estado de salud.

El estudio de la frecuencia de enfermedad y de sus relaciones con diversas


caractersticas de los individuos o de su medio, constituye la base comn de las diferentes
aplicaciones de la epidemiologa.

BIBLIOGRAFIA

Alderson, M., Ar. introduction to epidemiology, McMillan Press, 1976.

Breslow, N. E., Day, N. E., Statistical methods in cancer research, vol. 1 - The analysis
of
case- control studies. International Agency for Research on Cancer 1980, IARC
Scientific Publications, n 32.

Friedman, G. D., Primer of epidemiology, McGraw-Hill, 1974.

Kleinbaum, D. G.; Kupper, L. L. y Morgensten, H.; Epidemiologic Research. Principles


and quantitative methods, Wadsworth, Inc., 1982.

Lilienfeld, A. M. Lilienfeld, D. E., Foundations of epidemiology, 2.a ed., Oxford University


Press, 1980.

MacMahon, G., Pugh, T. F.; Epidemiology principles and methods, Little, Brown and
Company, 1970.

Monson, R. R., Occupational epidemiology, CRC Press, Inc. 1980.

Morris, J. N., Uses of epidemiology, Churchill, Livingstone, Edimburgo, 1975.

Roberts, C. J., Epidemiology for clinicians, Pitman medical publishing Co. Ltd., 1978.

Schlesselman, J., Case- control studies, Oxford University Press, 1982.


Snow, J., On the mode of communication of cholera. Churchill 1855. En Snow on
Cholera, Commonwealth Fund 1936, reimpresin en Hafner Press, 1965.

Terris, M., Goldberger on pellagra, Louisiana State University Press, 1964.


A. Ahlbom, S, Norell

2. MEDIDAS DE FRECUENCIA DE ENFERMEDAD

En el captulo anterior se indicaba que el objetivo inicial de los estudios


epidemiolgicos era la medicin de la frecuencia de enfermedad. Las medidas de frecuencia
de enfermedad juegan un papel fundamental en toda actividad relacionada con la
epidemiologa, pudiendo ser expresadas de distintas maneras.

VALORES ABSOLUTOS Y VALORES RELATIVOS AL TAMAO DE LA


POBLACIN

En general, las medidas de frecuencia de enfermedad deberan ser independientes del


tamao de la poblacin. Esto se consigue relacionando el nmero de casos de enfermedad
que surgen en una poblacin con el nmero de individuos de la misma. La informacin sobre
el nmero absoluto de casos puede ser importante y suficiente para la realizacin de tareas
administrativas; pero el anlisis epidemiolgico requiere la consideracin del tamao de la
poblacin.

Ejemplo: Ciertos datos epidemiolgicos se utilizaron en una campaa de promocin del uso
de chalecos salvavidas. De entre 125 personas ahogadas por inmersin, solamente 11 vestan
chaleco salvavidas frente a 114 que no lo llevaban. Estos datos parecan sugerir la existencia
de una relacin entre el uso del chaleco y el riesgo de muerte por ahogamiento. Sin embargo
la comparacin as establecida entre las cantidades absolutas de casos ignora la frecuencia de
uso del chaleco, es decir, el tamao de la poblacin que lo utiliza y el de la que no lo usa.
Por ello la diferencia anteriormente aludida podra reflejar nicamente el hecho de que el
nmero de portadores de chaleco es habitualmente pequeo en comparacin con el de los
que no lo llevan.

INCIDENCIA Y PREVALENCIA

Las medidas de frecuencia de enfermedad pueden referirse a la situacin en un


momento determinado (prevalencia) o a lo acontecido durante un perodo de tiempo
(incidencia). Las medidas de prevalencia describen la proporcin de la poblacin que padece
la enfermedad en estudio en un momento determinado. Las medidas de incidencia se refieren
al nmero de casos nuevos que aparecen en un perodo de tiempo. Si se considera que un
individuo puede nicamente encontrarse sano o enfermo respecto a una determinada
enfermedad, la prevalencia representara la proporcin de la poblacin que, en un
determinado momento, se halla en estado de enfermedad. Las medidas de incidencia reflejan
el flujo del estado de salud al de enfermedad en la poblacin.

La prevalencia depende obviamente de la incidencia, pero tambin de la duracin de


la enfermedad. Esto significa que las modificaciones de la prevalencia pueden deberse a
variaciones en la incidencia o bien a cambios en la duracin de la enfermedad. Las
variaciones en la duracin de la enfermedad pueden a su vez depender de cambios en el
perodo de recuperacin o en la esperanza de vida de los pacientes.

En los estudios epidemiolgicos en los que el objetivo es la investigacin causal o la


evaluacin de medidas preventivas, el inters est dirigido el mencionado flujo, es decir,
hacia los casos nuevos. La medida de frecuencia de enfermedad que mejor expresara el
A. Ahlbom, S, Norell

cambio de estado, sera la incidencia. Las medidas de prevalencia de mayor utilidad en los
estudios de planificacin de servicios sanitarios o de estimacin de las necesidades
asistenciales. La eleccin entre incidencia y prevalencia a menudo se hace desde un
punto de vista pragmtico. En general en los estudios epidemiolgicos de enfermedades
crnicas, tales como diabetes o artritis reumatoide, se utilizan medidas de prevalencia
mientras que en los referidos a otras enfermedades como infarto de miocardio o cncer, se
suelen emplear medidas de incidencia.

TRES MEDIDAS DE FRECUENCIA DE ENFERMEDAD

A continuacin se describen tres medidas de frecuencia de enfermedad. La primera


es una medida de prevalencia y las otras dos son medidas de incidencia.

Prevalencia:

La medida de prevalencia se denomina nicamente prevalencia (P) y se define como:

no de individuos que tienen la enfermedad en un momento dado


P= _____________________________________________________
no de individuos de la poblacin en ese momento

La prevalencia es la proporcin de la poblacin que padece la enfermedad en un


momento dado. Como todas las proporciones, no tiene dimensiones y nunca puede tomar
valores menores de 0 mayores de 1.

Ejemplo: De entre la poblacin de Estocolmo se seleccion una muestra de 1038 mujeres


de 70 a 74 aos de edad (Allander 1970). Despus de ser examinadas, 70 de ellas fueron
diagnosticadas de artritis reumatoide. La prevalencia de artritis reumatoide en este grupo era
de:

70
p = ________ = 0,07
1 038
A. Ahlbom, S, Norell

Incidencia acumulada:

La llamada incidencia acumulada (IA) se define como:

no de individuos que presentan la enfermedad durante


un perodo de tiempo determinado
IA= ________________________________________________________
no de individuos de la poblacin al comienzo de ese perodo

En el numerador y en el denominador se incluyen slo aquellos individuos que estn


libres de la enfermedad al comienzo del perodo en estudio y que, por tanto, estn en riesgo
de padecerla. La incidencia acumulada es la proporcin de individuos en estado de salud al
comienzo del perodo que pasan durante el mismo al estado de enfermedad. En resumen, la
incidencia acumulada es la proporcin de sanos que contraen la enfermedad a lo largo de un
cierto perodo. El valor de esta medida puede considerarse como el riesgo medio de contraer
la enfermedad durante este tiempo para los individuos de esa poblacin. La incidencia
acumulada es adimensional y sus valores numricos slo (A veces se define tericamente
incidencia acumulada utilizando un numerador ligera mente diferente; el nmero de
individuos que, en teora, hubieran desarrollado la enfermedad si ninguno hubiese fallecido a
causa de otras enfermedades durante el perodo de observacin).

En algunos estudios ciertos grupos de individuos aparecen sometidos al riesgo de


contraer la enfermedad durante diferentes perodos de tiempo. Este denominador cambiante
puede ser debido al hecho de que algunos individuos se incorporan al grupo de estudio en
diferentes momentos o a que algunos lo abandonan durante el perodo de observacin. En
tales situaciones la incidencia acumulada no puede calcularse directamente de los datos. La
duracin del perodo de observacin influye directamente sobre la incidencia acumulada, que
aumenta con la prolongacin del mismo. La amplitud de este intervalo debe describirse
siempre con la incidencia acumulada y ser tenida en cuenta al interpretar cualquier valor de
sta.

Ejemplo: Segn el censo de 1960, 3 076 varones de edad 20- 64 aos trabajaban en Suecia
en la industria del plstico. De acuerdo con el Registro de Cncer y Medio Ambiente, 11 de
aquellos trabajadores desarrollaron un tumor cerebral durante el perodo 1961- 1973
(Instituto Nacional de la Salud y Asuntos Sociales, 1980). Por tanto, la incidencia
acumulada durante este perodo de 13 aos sera:

11
IA = __________ 0,004
3076

Tasa de incidencia:

La medida fundamental de frecuencia de enfermedad es la tasa de incidencia (1), que se


define como:

no de casos de la enfermedad que aparecen en una poblacin


durante un perodo de tiempo determinado
A. Ahlbom, S, Norell

I =____________________________________________________
suma de los perodos de tiempo en riesgo de contraer
la enfermedad correspondientes a cada individuo de la poblacin

La suma de los perodos de tiempo del denominador se mide frecuentemente en aos


y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo de la
poblacin es el tiempo durante el cual este individuo permanece en el grupo en estudio y se
encuentra libre de la enfermedad, y por tanto en riesgo de contraerla.

Finalmente se suman los perodos de tiempo en riesgo de todos los individuos. La


razn es que el nmero total de individuos que pasan del estado sano al estado enfermo
durante cualquier perodo es el producto de tres factores: el tamao de la poblacin, la
amplitud del perodo de tiempo, y el poder patgeno o fuerza de morbilidad que acta
sobre la poblacin. La tasa de incidencia mide esta fuerza o poder. Por ello, la tasa de
incidencia se obtiene dividiendo el nmero de casos por el producto del tamao de la
poblacin y la duracin del perodo, lo cual es equivalente a la suma de los perodos de
tiempo para cada individuo de la poblacin. Al dividir el nmero de casos por el de tiempo
en riesgo, la duracin del perodo de observacin tiene aqu en cuenta incluso el que los
perodos de observacin sean variables; lo que no es posible utilizando la incidencia
acumulada. Esta medida corrige el efecto de la entrada y salida de individuos en la poblacin
en estudio durante el perodo de observacin. A menudo, no es posible excluir los perodos
en que algunos de los individuos no estn en riesgo, porque han desarrollado la enfermedad.
El valor total del tiempo en riesgo puede calcularse de manera aproximada y generalmente
satisfactoria multiplicando el tamao medio de la poblacin por la duracin del perodo de
observacin.

La tasa de incidencia no es una proporcin como las dos medidas anteriores, dado
que el denominador se mide en unidades de tiempo. Su dimensin es por unidad de tiempo.
La magnitud de la tasa de incidencia no puede ser inferior a cero pero no tiene lmite
superior.

Ejemplo: En 1973 aparecieron 29 casos de infarto de miocardio en Estocolmo entre los


hombres de 40-44 aos de edad (Ahlbom, 1978). El nmero de aos en riesgo para los
hombres de este grupo de edad fue de 41 352. La tasa de incidencia result ser:

29
I= _________ = 0,0007 por ao
41 352
A. Ahlbom, S, Norell

RELACIONES ENTRE LAS TRES MEDIDAS

Hemos dicho al comienzo de este captulo que la prevalencia depende de la


incidencia y de la duracin de la enfermedad. En una situacin estable esta asociacin puede
expresarse de la siguiente forma, (D indica la duracin promedio de la enfermedad).

P/(1 - P) = I x D

El denominador en el lado izquierdo de la ecuacin refleja la parte de la poblacin


que est libre de la enfermedad. Esta se incluye en la frmula dado que solo aquellas
personas que estn libres de la enfermedad se encuentran en riesgo de padecerla. Para
enfermedades raras, es decir las de baja prevalencia, puede utilizarse la siguiente
aproximacin:

P=IxD

La incidencia acumulada depende de la tasa de incidencia de la duracin del perodo


en riesgo, afectndose tambin por la mortalidad debida a enfermedades distintas a la
estudiada. La razn es que algunos de aquellos que mueren a causa de otras enfermedades
podran haberse convertido en casos de la enfermedad en estudio si hubieran sobrevivido.
Los valores de incidencia acumulada se obtienen, ignorando la mortalidad por otras
enfermedades y considerando que la tasa de incidencia permanece constante durante el
perodo en riesgo, por medio de la siguiente expresin:

IA = 1 - exp (-I x t)

donde t es la duracin del perodo y exp indica que la constante matemtica e = 2,72
debe elevarse al valor de expresin entre parntesis. Para enfermedades de baja tasa de
incidencia, o cuando el perodo es corto, puede utilizarse la siguiente aproximacin:

IA = I x t

MEDIDAS CRUDAS Y ESPECFICAS

Las medidas de frecuencia de enfermedad que hemos discutido pueden ser calculadas
para una poblacin o, por separado, para grupos de la misma. En el primer caso las medidas
se denominan crudas y en el segundo especficas. Por ejemplo, si las tasas de incidencia
se calculan para diferentes grupos de edad de una poblacin, sern denominadas tasas de
incidencia especficas por edad. Cuando existe una razn para pensar que la frecuencia de la
enfermedad puede variar de un grupo a otro se divide la poblacin en subgrupos. Algunas
veces estas variaciones tienen inters, pero podran permanecer ocultas si solo se obtuviesen
las medidas crudas. Otra razn, importante en las comparaciones entre poblaciones, es que
la magnitud de una medida cruda no depende slo de la magnitud de las medidas especficas
que se aplican a los subgrupos sino tambin de la forma en que la poblacin se distribuye en
diferentes sub poblaciones.

Ejemplo: Durante un determinado ao la tasa cruda de mortalidad (n o de muertes dividido


por el tamao medio de poblacin durante el ao) en Suecia fue de 0,010 por ao, mientras
que en Costa Rica fue slo de 0,008 por ao. La explicacin de esta diferencia no es que el
A. Ahlbom, S, Norell

riesgo de muerte fuese mayor en Suecia que en Costa Rica. Todas las tasas de mortalidad
especficas por edad, excepto aquellas de los grupos de edad ms avanzada, fueron mayores
en Costa Rica que en Suecia. La explicacin es que grupos de edad avanzada, donde la
mortalidad es ms alta, constituyen una mayor proporcin de la poblacin en Suecia que en
Costa Rica.

BIBLIOGRAFA

Ahlbom, A., Acute myocardial infarction in Stockholm - A medical information system as


an epidemiological tool, International Journal of Epidemiology, 1978; 7:271- 276.

Allander, E., A population survey of rheumatoid arthritis, Acta Rheumatologica


Scandinavica, 1970, suplemento 15.

Elandt-Johnson, R. C., Definition of rates: Some remarks on their use and misuse,
American journal of Epidemiology, 1980; 102.267- 271.

Freeman, J. y Hutchinson, G. B., Prevalence, incidence, and duration, American Journal


of Epidemiology, 1980; 112:707- 723.

Haberman, S., Mathematical treatment of the incidence and prevalence of disease, Social
Science and Medicine, 1978; 12:147- 152.

Hoem, J. M., The statistical theory of demographic rates, Scandinavian Journal of


Statistics, 1976; 3:169- 185.

Morgenstern, H., Kleinbaum, D. G. y Kupper, L. L., Measures of disease incidence used in


epidemiologic research, International journal of Epidemiology, 1980; 9:97- 104.

National Board of Health and Welfare, Committee for the Cancer Environment Registry en
colaboracin con The National Bureau of Statistics and The Swedish Work
Environmental fund, The Swedish Cancer Environment Registry, 1961- 73; Estocolmo,
1980.
A. Ahlbom, S, Norell

EJERCICIOS - CAPTULO 2

1. El nmero de muertes anuales debidas a cncer en Estados Unidos aument de 118 000
a 331000 durante el perodo 1930-1970; es decir, sufri un incremento del 180,5%.
Una explicacin de este aumento podra ser una mayor exposicin de la poblacin a
sustancias carcinognicas. Enumerar otras posibles explicaciones.

2. Cuando se estudia la relacin entre dieta y enfermedad, la morbilidad puede ser


expresada en cantidades absolutas (nmero de casos o individuos afectados) o relativas
(al tamao de la poblacin). Qu es preferible? Por qu?

3. La frecuencia de enfermedad puede medirse corno prevalencia o como incidencia. Qu


medida es ms apropiada para la evaluacin de programas preventivos? Por qu?

4. Explicar en propios trminos el significado de las siguientes expresiones:

a) La prevalencia de una enfermedad en una poblacin es de 0,02.

b) La tasa de incidencia de una enfermedad en una poblacin es de 5 X 10-4 por ao.

5. En una poblacin con una distribucin por edad estable cmo se explicara que la
prevalencia de una enfermedad est disminuyendo a pesar de que la tasa de incidencia
permanezca constante?

6. Cul es la diferencia entre tasa de incidencia e incidencia acumulada?

7. Pngase un ejemplo numrico, con un perodo de observacin de un ao, en el que la


tasa de incidencia anual sea mayor de 1. Cul ser la incidencia acumulada?

8. Entre el personal de cierto laboratorio mdico se registraron 532 casos de heridas


debidas a accidentes en un perodo de cuatro aos, El nmero de empleados de este
laboratorio era de 520 al comienzo del perodo y de 680 al final qu medida de
frecuencia puede ser obtenida? Calclese.

9. En un examen de 1 000 hombres de 65 aos, se encontr que 100 padecan una cierta
enfermedad. Durante el siguiente perodo de lo aos, 200 ms contrajeron esta
enfermedad. Qu medida (s) de frecuencia de enfermedad puede(n) obtenerse? Realizar
los clculos.

10. Entre los internados en un centro de tratamiento psiquitrico existan portadores de


hepatitis B en algunas salas, aunque no en otras. Para investigar el grado en que este
hecho pudiese condicionar la frecuencia de hepatitis B entre el personal, se le examin
determinando la presencia de marcadores serolgicos. 14 individuos, de 67 personas
que trabajaban en las salas en las que haba portadores, presentaban positividad a
marcadores de hepatitis B. De 72 personas que trabajaban en las otras salas, slo 4
presentaron serologa positiva. Qu medida de frecuencia de enfermedad indicada por
los marcadores se puede calcular? Obtngase para cada uno de los dos grupos de
personal.
A. Ahlbom, S, Norell

11. Un cierto nmero de mujeres de edades entre 30 y 59 aos fueron sometidas a


exmenes ginecolgicos peridicos a efectos de diagnstico y tratamiento precoz del
cncer cervical. Aquellas mujeres en las que no se hall la enfermedad en el examen
inicial, fueron objeto de un seguimiento que acumul 238 294 aos en riesgo,
identificndose 123 casos nuevos de carcinoma in situ. Qu medida de frecuencia de
enfermedad puede obtenerse? Realcense los clculos.

12. En un cribado de 5 000 mujeres se encontr que 25 de ellas padecan cncer de mama.
En los 5 aos siguientes 10 mujeres ms de las examinadas presentaron esta
enfermedad. Qu medidas de frecuencia de enfermedad pueden ser obtenidas? Realizar
los clculos.

13. A lo largo de un perodo de 5 aos se produjeron 270 casos de lcera duodenal en la


poblacin masculina de una determinada ciudad. El nmero de varones de esta ciudad
era de 18 500 al comienzo del perodo y de 21 500 al final. Qu medidas de frecuencia
de enfermedad pueden obtenerse? Realizar los clculos.

14. En un estudio de la agudeza visual y de la frecuencia de ciertas enfermedades


oftalmolgicas en Framingham, se encontr que entre 2 477 personas de 52-85 aos
haba 310 que padecan de cataratas, 156 de degeneracin macular senil, 67 de
retinopata diabtica, 64 de glaucoma de ngulo abierto y 22 de ceguera. Qu medidas
de frecuencia de enfermedad se pueden calcular? Obtnganse las correspondientes a las
distintas enfermedades oculares y a la ceguera

15. En un rea geogrfica cuya poblacin media anual fue de 7 250 000 aparecieron 435
casos de meningitis bacteriana en el perodo comprendido entre el 1 de enero y el 31 de
diciembre de 1975. Qu medida de frecuencia de enfermedad puede ser obtenida?
Realizar los clculos.

16. Segn el Registro Sueco de Tumores, aparecieron, respectivamente, en los aos 1971,
1972 y 1973, 97, 121 y 212 casos de cncer de pncreas, entre hombres de 70-74 aos.
Al comienzo de 1971 este grupo de edad comprenda 309 949 individuos y al final de
1973, 332 400. Qu medida de frecuencia de enfermedad puede obtenerse? Realizar
los clculos.

17. En un rea de Washington se intent determinar la frecuencia de esclerosis mltiple


(E.M.) en la poblacin blanca nativa (679 478 individuos) y en la de origen japons (16
122 individuos). En el momento de la investigacin se encontr que en los grupos haba
respectivamente 395 y 0 casos de E.M. Qu medida de frecuencia de enfermedad se
puede calcular? Obtngase para cada grupo.

18. En una zona perifrica de Estocolmo se registraron en un ao 21 casos de lesiones


debidas a accidentes de moto, mientras que en un distrito del centro de la ciudad con
una poblacin media del mismo tamao (80 000 habitantes) slo se produjeron 9 de
estas lesiones (vase tabla).

a) Calcular las tasas de incidencia en el rea perifrica y en la central, sin tener en cuenta
la distribucin por edad de ambas poblaciones.
A. Ahlbom, S, Norell

b) Calcular la tasa de incidencia especfica para cada grupo de edad en el rea perifrica
y la del centro de la ciudad.

N. de lesiones y aos en riesgo por edad y rea

Edad N de lesiones N de aos en riesgo


(aos) rea rea rea rea
perifrica central perifrica central

15-19 20 7 4000 1000


ms de 20 1 2 76000 79000
Total 21 9 80000 80000

19. De 129 600 nios nacidos en Nueva York, 212 presentaron espina bfida al nacer. Qu
medida de frecuencia de espina bfida puede obtenerse? Calclese.

20. En un rea de Londres nacieron durante los aos 1970-1973, 832 nios cuyo peso al
nacer era inferior a 2 000 g. 133 de stos eran muertes fetales tardas. De los nacidos
vivos, 210 murieron en el primer mes despus del nacimiento. Qu medidas de
frecuencia de enfermedad pueden obtenerse referidas a: a) mortalidad fetal tarda y, b)
mortalidad en nios nacidos vivos con peso al nacer inferior a los 2 000 g? Realizar los
clculos.

21. En un llamamiento al servicio militar en Holanda se realiz un cribado de varones de 19


aos nacidos entre 1944 y 1947 utilizando test normalizados de inteligencia y otros
mtodos. De 405 548 hombres sometidos a la prueba, 23 360 mostraron R.M.L
(Retraso mental leve, CI = 50-69). Qu medida de frecuencia de R.M.L puede
obtenerse? Realizar los clculos.

22. En un cribado se determinaron las tasas de colesterol srico y presin arterial sistlica
de 1329 varones de edad comprendida entre 40-59 aos. En el momento del examen
ninguno presentaba cardiopata isqumica (C1). A continuacin se realiz un
seguimiento de los mismos durante 6 aos con vistas a detectar la presencia de esta
enfermedad. (Vase tabla).
A. Ahlbom, S, Norell

Presin sangunea sistlica (mm Hg)

< 147 147- 166 mayor o igual167


colesterol n. de n. de n. de n. de n.de n. de
srico individuos casos individuos casos individuos casos
(mg/100 ml) de CI de CI de CI

< 220 431 10 93 3 49 7


220- 259 347 19 74 6 49 6
+=260 185 19 57 11 44 11

Qu medida de frecuencia de enfermedad puede obtenerse?

Calcularla para:

a) Hombres con colesterol srico inferior a 220 mg/100 MI y presin sangunea sistlica
inferior a 147 mm/Hg.

b) Hombres con colesterol srico igual o superior a 260 mg/100 ml y presin sangunea
sistlica inferior a 147 mm/Hg.

c) Hombres con colesterol srico inferior a 220 mg/100 mI y presin sangunea sistlica
igual o superior a 167 mm/Hg.

d) Hombres con colesterol srico igual o superior a 260 mg/100 mI y presin sangunea
sistlica igual o superior a 167 mm/ Hg.
A. Ahlbom, S, Norell

3. ENFERMEDAD Y DIAGNOSTICO

Para describir la frecuencia de una determinada enfermedad es necesario determinar


qu individuos la padecen. Esto se consigue mediante el examen de cada individuo en busca
de sntomas y signos, o realizando pruebas complementarias y comparando posteriormente
estas observaciones con los criterios diagnsticos. Las diferentes enfermedades se agrupan
de acuerdo con un sistema de clasificacin.

SNTOMAS, SIGNOS Y PRUEBAS CLNICAS

La mayora de las observaciones sobre las que se basa el razonamiento diagnstico


pueden ser consideradas como mediciones de variables continuas. La distribucin de estas
variables difiere considerablemente entre los diversos grupos de individuos. Entre los
pacientes de un centro de asistencia primaria o los de un departamento de medicina interna,
hay, por ejemplo, quienes buscan asistencia por manifestaciones clnicas de diabetes (con
elevacin de azcar en sangre) y quienes la solicitan por otras razones (habitualmente con
niveles bajos o normales de azcar en sangre). En un grupo de pacientes como este, la
variable relacionada con la enfermedad (nivel de azcar en sangre) tiende a adoptar una
distribucin bimodal. Sin embargo, la distribucin de esta variable en la poblacin general es
unimodal. Esta distincin explica las diferencias existentes entre la investigacin basada en
muestras de la poblacin general y la investigacin basada en casos clnicos; especialmente,
cuando se consideran problemas relacionados con la precisin o certeza del diagnstico. Las
variables que constituyen las bases para el diagnstico pueden depender en principio de
observaciones subjetivas del paciente (sntomas), de observaciones subjetivas del que
examina (signos) o de observaciones objetivas (pruebas clnicas).

Sntomas. Este trmino corresponde a las manifestaciones que slo la persona examinada
(paciente) puede observar, por ejemplo, dolor, nusea, fatiga. Naturalmente, los sntomas
pueden ser percibidos y descritos de distinta forma por diferentes individuos y por el mismo
individuo en diferentes situaciones.

La exactitud en el registro de los sntomas depende del procedimiento utilizado en la


recogida de datos; por ello se han desarrollado entrevistas normalizadas y protocolos de
encuesta para mejorar su reproductibilidad. Por otra parte, la identificacin de sntomas por
medio de entrevista se detecta no slo por la forma en que se formulan las cuestiones, sino
tambin por las caractersticas del entrevistador y por la situacin en que se produce la
entrevista. Como ejemplo de esta afirmacin podemos citar un estudio en el que los
individuos fueron entrevistados por mdicos y por personal del Instituto Nacional de
Estadsticas de Suecia (Johansson et al., 1969). En ambos casos se formularon las mismas
preguntas, buscando la presencia de ciertos sntomas, sin embargo, los resultados fueron
diferentes (vase cuadro l). El lector puede obtener ms informacin acerca de los
problemas metodolgicos de las entrevistas de salud en libros de texto y revistas de la
literatura (US Department of Health; Education and We1fare 1977; Bennet & Ritchie,
1975).

CUADRO 1. Comparacin de entrevistas realizadas por mdicos y por entrevistadores


del Instituto Sueco de Estadsticas (ISE) dirigidas a identificar la presencia
de ciertos sntomas.
A. Ahlbom, S, Norell

Entrevistador mdico

Entrevistador del ISE Cefalea Vrtigo Fatiga


N leve intensa N leve intenso N leve
intensa

No 19 4 0 33 6 2 33 3 0
Leve 6 13 1 1 1 0 1 5 1
Intensa/o 0 3 0 0 3 0 2 0 1:

Fuente: Johansson et al. (1969).

Signos. Son las manifestaciones que pueden ser apreciadas por un observador (generalmente
un mdico), por ejemplo erupcin o tumefaccin. La identificacin de los signos vara segn
el criterio de la (o las) personas que exploran al enfermo o le examinan con diversos
mtodos. Estas variaciones afectan a las observaciones obtenidas mediante auscultacin
(audicin) cardiaca o pulmonar o por palpacin (examen tctil) del abdomen, as como a los
exmenes radiolgicos que incluyen la interpretacin de la imagen o a los exmenes de
tejidos al microscopio. El valor de tales exmenes depende del grado de concordancia entre
diferentes examinadores (variaciones interobservadores) y entre diferentes exmenes hechos
por un mismo observador (variaciones intraobservador). Por ejemplo, dos radilogos
examinaron independientemente alrededor de 20 000 radiografas y las clasificaron segn los
signos de enfermedad (vase cuadro 2, Lilienfeld & Kordan 1966). La concordancia entre
ambos observadores, expresada como la proporcin de radiografas clasificada por ambos de
la misma forma (nmeros subrayados en el cuadro) fue del 65%. En una comparacin similar
realizada entre otros diez pares de observadores, todos ellos radilogos cualificados, la
concordancia vari entre el 32% y 76%. Otros estudios comparando observaciones hechas
independientemente por el mismo examinador, vg. exmenes de tejidos al microscopio
(Archer et al., 1966) han arrojado resultados similares.

La reduccin del nmero de categoras de los resultados implica un aumento de la


proporcin de los examinados incluidos en cada categora. Por ejemplo, si nuestro inters
(cuadro 2) se limitara a si existe o no cualquier signo de enfermedad pulmonar, incluyendo
tumores, el grado de acuerdo entre dos examinadores sera del 89%. La proporcin de
exmenes que muestran un mismo signo determina tambin la proporcin clasificada de igual
forma. Por ejemplo, si cada uno de los examinadores encuentra el signo en el 50% de la
poblacin estudiada, el propio azar induce una concordancia entre ambos del 50%. Pero si
cada uno de ellos encuentra e signo en el 10% (o en el 90%) de la poblacin, esta podra
llegar a ser del 82%.

La fiabilidad de los exmenes puede mejorarse, reduciendo as la importancia de esta


fuente de error, homogeneizando las condiciones en las que se realizan las observaciones.
Las rutinas de examen se pueden detallar y estandarizar clasificando las observaciones segn
criterios unitarios. En algunas ocasiones los exmenes subjetivos pueden ser sustituidos por
procedimientos susceptibles de repeticin o ms objetivos. Por ejemplo, el registro de
sonidos cardiacos por el fonocardiograma. En muchos estudios las limitaciones de tiempo y
de recursos requieren en la prctica la utilizacin de cuestionarios y entrevistas para
conseguir informacin acerca de los signos de enfermedad (US Department of Health,
Education and We1fare 1977).
A. Ahlbom, S, Norell

CUADRO 2. Comparacin de las interpretaciones de exmenes radiolgicos hechos


independientemente por dos radilogos A y B.

Interpretacin, Interpretacin,
radilogo A radilogo B

Sin
Tumor Pulmn Corazn especificar Negativo Total

Tumor 61 16 1 9 8 95
Pulmn 70 1320 63 861 367 2681
Corazn 19 151 1322 369 1 880 3 741
Sin
especificar 25 407 43 1716 1 656 3 847
Negativo 28 157 91 680 8475 1 9431

Total 203 2051 1 520 3635 12386 19 795

Fuente: Lilienfeld y Kordan (1966).

NOTA: Las interpretaciones de los resultados obtenidos de los exmenes fueron clasificadas
de la siguiente forma:

- Tumor.

- Otras enfermedades pulmonares importantes. - Enfermedad cardiaca.

- Cambios no significativos.

- Examen radiolgico negativo (normal).

Pruebas clnicas: Es un trmino que aqu engloba aquellos exmenes cuyos resultados
pueden ser ledos en un instrumento y por tanto son relativamente independientes del juicio
subjetivo de la persona examinada o del examinador. Por ejemplo los anlisis qumicos de
sangre. Su fiabilidad o replicabilidad puede ser examinada, por ejemplo, repitiendo en un
laboratorio el anlisis de una muestra de sangre (variaciones intralaboratorio) y procesando
en diferentes laboratorios la misma muestra (variacin interlaboratorios). La figura 1
muestra el nivel de glucosa srica en una nica muestra, segn 10 laboratorios hospitalarios
suecos, cada uno de los cuales realiz 16 anlisis de la misma. La lnea de trazos representa
el nivel de glucosa srica segn el mtodo de referencia (espectrometra de masas mediante
dilucin de istopos), del que se acepta proporciona un valor ms cierto.
A. Ahlbom, S, Norell

Como se aprecia en la figura 1 la variacin interlaboratorios es relativamente grande; este


tipo de error puede afectar los resultados de estudios epidemiolgicos cuando los anlisis
han sido hechos en diferentes laboratorios. Las diferencias en los resultados pueden
producirse por diferencias en los instrumentos, en las tcnicas o en el modo de realizacin.
La importancia de estas desigualdades ha sido estimada en muchos estudios cuyos
resultados pueden ser utilizados, en ocasiones, como base para el desarrollo de
procedimientos dirigidos a disminuir las variaciones interlaboratorios (Stronmer & Eldjarn
1970; Aronson et al. 1978).

Los laboratorios difieren no slo con respecto a la fiabilidad de las mediciones (variacin
intralaboratorio), sino tambin con respecto a las desviaciones M verdadero valor. La figura
2 muestra los resultados de otros anlisis qumicos de sangre (creatinina srica) aprecindose
que la mayora de los laboratorios proporcionan valores considerablemente ms altos que los
del mtodo de referencia. Las correcciones deberan realizarse considerando el verdadero
valor y no tomando como referencia el valor predominante en los diferentes laboratorios
(Bjorkhem et al. 1981).
A. Ahlbom, S, Norell

Las variaciones mostradas en las figuras 1 y 2 estn causadas por diferencias en los anlisis
de una muestra de sangre. Otras fuentes de error que afectan la precisin de la medida son,
por ejemplo, las condiciones en que se hace la extraccin de la muestra (ayuno, medicacin,
estrs) y la tcnica empleada para la obtencin de la misma. En la prctica, es con frecuencia
ms fcil normalizar las tcnicas que las condiciones en que se realiza la medicin.

CRITERIOS DIAGNSTICOS

Las manifestaciones que caracterizan a las enfermedades, (sntomas, signos y resultados de


pruebas clnicas) han sido utilizadas para formular criterios diagnsticos. Es decir, las
condiciones que deben, cumplirse para que un determinado diagnstico pueda ser
establecido. La eleccin de un criterio diagnstico determina si un individuo examinado va a
ser clasificado como enfermo. Si se utilizan criterios estrictos o muy restringidos hay slo
una peguen probabilidad de que los individuos que no padecen la enfermedad sean
clasificados como enfermos; sin embargo, la probabilidad de que alguien que padece la
enfermedad sea clasificado como sano es relativamente grande. Por el contrario, si el criterio
utilizado es ms amplio o laxo tiende a caerse en el tipo opuesto de error de clasificacin: la
mayora de los individuos que padecen la enfermedad sern correctamente clasificados como
enfermos, pero existe una probabilidad relativamente grande de que algunos que no la
presentan sean tambin clasificados como enfermos.
Los criterios diagnsticos para el infarto de miocardio, por ejemplo, han sido formulados de
la siguiente forma. Infarto de miocardio (Hennini & Lundrnan 1975): deberan cumplirse dos
cualesquiera de las condiciones a, b, c la condicin d:
A. Ahlbom, S, Norell

a. Dolor precordial, edema pulmonar, sncope o shock.

b. Aparicin de una onda Q patolgica y/o aparicin o desaparicin de una elevacin local
del segmento ST seguida por una T invertida, en dos o ms de las doce derivaciones.

c. Dos elevaciones en los valores de ASAT tras un mximo de 24 horas despus del primer
ataque o comienzo de los sntomas, en combinacin con la aparicin de un valor mximo de
ALAT transcurridas unas 36 horas y menor del valor mximo de ASAT.

d. Hallazgo de necrosis miocrdica en la autopsia (muerte del tejido muscular cardiaco) de


antigedad correspondiente al momento de presentacin de los sntomas.

El primer criterio (a) consiste en sntomas y signos que el mdico encuentra en un examen
inmediato. El segundo y tercer criterio (b) y (c) lo constituyen algunos datos del examen
electrocardiogrfico y anlisis de las muestras de sangre respectivamente. Estos exmenes
son realizados generalmente entre los pacientes que solicitan asistencia sanitaria cuando se
sospecha un infarto de miocardio. El cuarto criterio (d) se basa en los hallazgos del examen
post mortem.

Los criterios diagnsticos para otras enfermedades han sido formulados de forma similar.
Sin embargo, los criterios diagnsticos de la mayora de las enfermedades no estn bien
definidos ni son generalmente aceptados.

CLASIFICACIN DE LAS ENFERMEDADES

Las clasificaciones generales de enfermedades incluyen normalmente definiciones amplias del


concepto enfermedad. Por ejemplo la lista de enfermedades puede incluir lesiones,
intoxicaciones e incapacidades. La discusin del concepto de enfermedad excede los lmites
de este texto.

La Organizacin Mundial de la Salud (OMS) desde 1948 ha publicado varias revisiones de


la Clasificacin Internacional de Enfermedades (CIE). Esta clasificacin contiene una lista
sistemtica de enfermedades conocidas y definidas. La mayora de los pases miembros de la
OMS usan la CIE, en algunos casos con sus propias notas y suplementos.

La CIE incluye 17 grupos principales de enfermedades (vase cuadro 3). Cada grupo incluye
un gran nmero de diagnsticos de enfermedad a los que se les asigna un cdigo numrico
de 3 dgitos (vanse cuadros 4 y 5). Como se indica en los cuadros 3-5, las bases para la
clasificacin de enfermedades en la CIE incluyen causas de enfermedad (vase cuadro 3:1 y
3:XVII), su naturaleza (vanse cuadros 4:140-208 y 210-229), y localizacin (vanse cuadro
3:VI-X y cuadro 5).

En cada nivel del sistema de clasificacin existen rbricas especiales para los casos poco
claros y los no especificados (vanse cuadros 3: xvi, 4: 235-239 y 5: 145 y 149). Existen
muchas ocasiones en las que dos o ms diagnsticos pueden ser aplicados, lo cual conduce a
posibles ambigedades cuando se clasifica un caso individual.

CUADRO 3. Grupos principales de enfermedades segn la Clasificacin Internacional de Enfermedades


(9.0 revisin).
A. Ahlbom, S, Norell

I. Enfermedades infecciosas y parasitarias.


II. Tumores.
Enfermedades de las glndulas endocrinas, de la nutricin, del metabolismo y trastornos de la
inmunidad.
III. Enfermedades de la sangre y de los rganos hematopoyticos.
IV. Trastornos mentales.
V. Enfermedades del sistema nervioso y de los rganos de los sentidos.
VI. Enfermedades del aparato circulatorio.
VII. Enfermedades del aparato respiratorio.
VIII. Enfermedades del aparato digestivo.
IX. Enfermedades del aparato genitourinario.
X. Complicaciones del embarazo, parto y puerperio.
XI. Enfermedades de la piel y del tejido celular subcutneo.
XII. Enfermedades del sistema osteomuscular y del tejido conjuntivo.
XIII. Anomalas congnitas.
XIV. Ciertas afecciones originadas en el perodo perinatal.
XV. Signos, sntomas y estados morbosos mal definidos.
XVI. Traumatismos y envenenamientos.
_________________________________________________________________________

CUADRO 4. Subdivisin del grupo principal II: tumores, segn la Clasificacin Internacional de
Enfermedades. (9.a revisin).

_________________________________________________________________________

140-195 Tumores malignos que se declaran o presumen primarios, de localizacin especificada, excepto
de los tejidos linftico y hematopoytico.

196-198 Tumores malignos que se declaran o presumen secundarios, de localizacin especificada.

199 Tumores malignos de localizacin no especificada.

200-208 Tumores malignos que se declaran o presumen primarios de los tejidos linftico y
hematopoytico.

210-229 Tumores benignos.

230-234 Carcinoma in situ.

235-238 Tumores de evolucin incierta.

239 Tumores de naturaleza no especificada.


_________________________________________________________________________

CUADRO 5. Subdivisin de los tumores malignos de la boca y faringe.


Cdigo diagnstico de tres dgitos segn la Clasificacin
Internacional de Enfermedades. (9. revisin).
________________________________________________________________________

140 Tumor maligno de labio.


141 Tumor maligno de lengua.
142 Tumor maligno de las glndulas salivares mayores.
143 Tumor maligno de la enca.
144 Tumor maligno del suelo de la boca.
A. Ahlbom, S, Norell

145 Tumor maligno de otras partes y de las no especificadas de la boca.


146 Tumor maligno de la buco-faringe.
147 Tumor maligno de la nasofaringe.
148 Tumor maligno de la laringefaringe.
149 Tumor maligno de otros sitios y de los mal definidos de los labios, de la cavidad
bucal y de la faringe.

PRECISIN Y CERTEZA DEL DIAGNSTICO

Entre los individuos que han sido sometidos a un examen se encuentran los que realmente
padecen una cierta enfermedad y los que han sido clasificados como enfermos, es decir,
aquellos a los que se les ha asignado un determinado diagnstico. Esta relacin se ilustra en
la figura 3.

Los datos epidemiolgicos se basan siempre en diagnsticos. Cuando se intenta juzgar o


mejorar la veracidad de los diagnsticos, deben ser considerados los siguientes factores:

1. Sntomas, signos y pruebas clnicas:

Los resultados dependen de la valoracin subjetiva del paciente (sntomas) y del observador
(signos), as como de la calidad de las tcnicas de examen complementario. La fiabilidad
puede mejorarse a menudo, mediante protocolos de examen normalizados y esquemas, de
clasificacin.

2. Criterios diagnsticos:

La eleccin de criterios diagnsticos modifica la probabilidad de que un individuo que no


padece enfermedad sea clasificado como enfermo y viceversa. Para muchas enfermedades no
existen criterios diagnsticos bien definidos.
A. Ahlbom, S, Norell

3. Clasificacin de enfermedades:

En el sistema de clasificacin se encuentran diagnsticos similares y rbricas especiales para


casos poco claros o no especificados en diferentes niveles. Inevitablemente, en algunos casos
es difcil elegir entre las diversas posibilidades de clasificacin.

No existe un mtodo completamente seguro para identificar a los individuos que tienen una
cierta enfermedad, aunque algunas observaciones son consideradas ms valiosas que otras a
efectos de establecer un diagnstico; por ejemplo, ciertos hallazgos de autopsia. A veces,
cuando el enfermo fallece existe la oportunidad de comparar el diagnstico clnico con un
diagnstico ms seguro basado en las observaciones clnicas y en los resultados de la
autopsia. Cuando se compararon las presuntas causas de muerte de 400 pacientes que
fallecieron en un departamento de Medicina Interna en un Hospital Universitario con los
resultados de las 383 autopsias realizadas (Britton 1974), el diagnstico clnico fue
confirmado, es decir, considerado correcto en el 57%. El diagnstico fue modificado, es
decir se consider que haba sido incierto, en el 30%. En el resto, un 13%, no se haba
establecido diagnstico alguno antes de la autopsia.

Naturalmente, la precisin del diagnstico vara de una enfermedad a otra, pero tambin de
un grupo de individuos a otro (vanse sntomas, signos y pruebas anteriormente y el captulo
4). Esta seguridad tambin depende del tipo de exmenes realizados (por ejemplo autopsia)
y de la interpretacin de las observaciones (vanse 1-3 anteriormente

El objetivo de la actividad epidemiolgica es el estudio de la frecuencia de enfermedad; sin


embargo los estudios epidemiolgicos estn basados realmente en la frecuencia de
diagnsticos. La discordancia entre la frecuencia de diagnstico y la de enfermedad es
siempre una fuente potencial de error en la investigacin epidemiolgica. Esto no implica
que los estudios epidemiolgicos no sean factibles, sino ms bien que el conocimiento de las
diferentes fuentes de error es esencial en la evaluacin y perfeccionamiento de los estudios
epidemiolgicos.

BIBLIOGRAFA

Archer, P. G.; Koprowska, I.; McDonald, J. R.; Naylor, B., Papanicolau, G. N. y Umiker,
W. 0., A study of variability in the interpretation of sputum cytology slides, Cancer
Research, 1966; 26:2122-2144.

Aronsson, T.; Bjornstad, P.; Johansson, S. G.; Leskinen, E.; Raabo, E. y De Verdier, C. H.,
Interlaboratory quality control with investigation of different methodological
characteristics, Scandinavian Journal of Clnical and Laboratory Investgation, 1978;
38:53-62.

Bennet A. E.; Ritchie K., Questionnaires in medicine. A guide to their design and use, The
Nuffield Provincial Hospitals Trust, 1975.

Bjorkhem, I.; Bergman, A.; Falk, 0.; Kallner, A.; Lantto, 0.; Svensson, L.;

Akerlof, E. y Blomstrad, R: Accuracy of some routine methods used in clnical chemistry


as
judged by isotope dilution mass spectrometry, Clinical Chemistry 1981; 27:733-735.
A. Ahlbom, S, Norell

Britton, M., Diagnostic errors discovered at autopsy; Acta Medica Scandinavica, 1974;
196:203-210.

Cochrane, A. L., Effectiveness and efficiency: random reflectl ons on health services, The
Nuffield Provincial Hospitals Trust, 1972.

Henning, R. y Lundman, T., Swedish co-operative CCU study. A study of 2008 patients
with acute myocardial infarction from twelve Swedish hospitals with coronary care
unit, Acta Medica Scandinavica, 1975; suplemento 586.

Hopker, W. W., Das Problem der Diagnose und ihre operationale Darstellungen in der
Medizn, Springer-Verlag, 1977.

Johansson, S.; Allander, E. y Bygren, L. 0., Levnadsnivaundersokningen. Metodstudie nr.


2. Jamforelser mellan lekmannaintervju och lakarin tervju pa halsoavsnitt, Stencil,
Socilogiska institutionen, Uppsala Universitet 1969.

Koran, L. M., The reliability of clinical methods, data, and judgnients, New England
Journal of Medicine, 1975; 293:642- 646.

Lilienfeld, A. B. y Kordan, B., A study of variability in the interpretation of chest X-rays


in the detection of lung cancer, Cancer Research, 1966; 26:2145- 2147.

Stromme, J. H. y Eldjarn, L., Surveys of the routine work of clinical chemical laboratories
in 116 Scandinavian hospitals , Scandinavian journal of Clinical and Laboratory
Investigation, 1970; 25:213- 222.

US Department of Health, Education, and We1fare: a sunirnary of studies of interviewing


methodology, DHEW Publication 1977. No. (HRA) 771343, series 2, n 69.

Yerushalmy, J., Statistical problems in assessing methods of medical diagnosis with


special references to X-ray techniques-, Public Health Reports, 1947; 62:1432- 1439.
A. Ahlbom, S, Norell

4. SENSIBILIDAD Y ESPECIFICIDAD

DEFINICIONES

Los individuos de una poblacin pertenecen a uno de los dos grupos siguientes: el de los que
padecen una cierta enfermedad y el de los que no la padecen. El mtodo que se utilice para
clasificar a los individuos segn su pertenencia a uno de estos grupos adscribe algunos de los
individuos sanos al grupo enfermo y ciertos individuos enfermos al grupo sano. Los
trminos sano y enfermo denotan en este contexto nicamente la ausencia o presencia de la
enfermedad en cuestin. La figura 4 ilustra este fenmeno.

La sensibilidad es la probabilidad de que un individuo enfermo sea clasificado como


enfermo, y la especificidad la probabilidad de que un individuo sano sea clasificado como
sano.

n de personas enfermas que son clasificadas


como enfermas
Sensibilidad = __________________________________________
n total de personas enfermas.

n de personas sanas que son clasificadas


A. Ahlbom, S, Norell

como sanas
Especificidad = ________________________________________
n total de personas sanas.

La figura 5 representa esquemticamente la interdependencia de los valores de la sensibilidad


y de la especificidad. Aceptando que la base del diagnstico realizado sobre la medida de
una variable, la constituye el hecho de que sus valores se distribuyen de manera
esencialmente diferente en la poblacin sana y en la enferma se clasifican como enfermos
aquellos individuos cuyos valores exceden un lmite (k) previamente establecido.
Considerando que el rea limitada por cada una de las curvas equivaliese a un cien por cien,
la zona izquierda del diagrama superior correspondera a la especificidad y la derecha del
inferior a la sensibilidad. Si se aumentase el valor (k) de la variable requerido para que un
individuo sea considerado como enfermo (criterio ms estricto), es decir, se desplazase (k)
hacia la derecha, disminuira la sensibilidad y aumentara la especificidad. Si el lmite se
desplaza en sentido contrario la sensibilidad aumentara y decrecera la especificidad.

Los errores de clasificacin, de acuerdo con el diagrama, pueden ser de dos tipos. Una parte
de los sanos puede ser errneamente clasificada como enfermos (falsos positivos) y una
parte de los enfermos considerada como individuos sanos (falsos negativos). A continuacin
se exponen las consecuencias de este tipo de error en dos situaciones diferentes.
A. Ahlbom, S, Norell

IMPLICACIONES EN LA ESTIMACIN DE LA PREVALENCIA

Los estudios encaminados a determinar la prevalencia de una enfermedad en una poblacin


definida se realizan, a menudo a travs del examen y la posterior clasificacin de un grupo
representativo de dicha poblacin, segn se considere padezcan o no dicha enfermedad. La
tasa de prevalencia puede en este caso ser razonablemente considerada como la porcin de
la muestra que presenta la enfermedad. La utilizacin de este procedimiento conlleva un
riesgo de falsa apreciacin.

Si se denomina P- 1 a la proporcin de individuos que han sido clasificados como enfermos


en la muestra y, como anteriormente, P a la prevalencia, puede observarse que P- 1 tiene dos
componentes: uno que procede de los individuos enfermos que han sido clasificados como
enfermos (verdaderos positivos) y otro que corresponde a los individuos que no tienen la
enfermedad, pero que han sido, errneamente, clasificados como enfermos (falsos
positivos). La proporcin de individuos que es clasificada como enferma es entonces:

P* = P X sensibilidad + (1 - P) X (1 - especificidad)

y depende, por tanto, de la prevalencia, de la sensibilidad y de la especificidad. Por ejemplo,


si P = 0,01 y sensibilidad = especificidad = 0,99, P* = 0,02. Esto significa que si la
prevalencia fuera estimada por la proporcin que es clasificada como enferma en la muestra,
el valor estimado sera de 0,02, mientras que el verdadero valor es 0,01. El sesgo equivale a
una sobreestimacin del 100%. La sobreestimacin ser relativamente grande para pequeas
prevalencias.

Despejando P en la ecuacin anterior, podramos obtener una estimacin de la prevalencia


corregida en aquellas situaciones donde la sensibilidad y la especificidad son conocidas o
pueden ser estimadas siendo:

P* + especificidad - 1
P = _____________________________
sensibilidad + especificidad - 1

Ejemplo: Un estudio de prevalencia de hipertensin arterial, definida como presin


sangunea diastlica por encima de 90 mm/Hg (Rogan & Gladen 1978), puede ser utilizado
para ilustrar este procedimiento. En la poblacin estudiada el 25% de los individuos tena
una presin sangunea por encima de 90 mm/Hg.

El mtodo de medida de presin sangunea que se haba utilizado tena una sensibilidad del
93% y una especificidad del 91% segn datos previos. Corrigiendo el valor estimado de la
prevalencia de la forma antes indicada se obtiene un nuevo valor del 19%.

IMPLICACIONES EN EL CRIBADO

Una de las situaciones en las que el problema planteado por la existencia de falsos positivos
y negativos debe ser considerado es la utilizacin de mtodos de screening o cribado. Estos
exmenes pretenden identificar a los individuos enfermos en una etapa suficientemente
inicial, previa a la demanda de asistencia sanitaria, con la expectativa de que el tratamiento
precoz les beneficie. Los individuos cuyo examen de cribado result positivo son
A. Ahlbom, S, Norell

generalmente sometidos a posteriores exploraciones para establecer un posible diagnstico


definitivo e iniciar el correspondiente tratamiento.

La proporcin de verdaderos positivos entre aquellos que han sido identificados como
positivos por la prueba de cribado se denomina valor de prediccin o valor predictivo.
Siendo, como se ha dicho anteriormente, P X sensibilidad + (1 - P) X (1 - especificidad) la
proporcin de individuos identificados como positivos y correspondiendo el producto (P X
sensibilidad) a la fraccin de este grupo que constituyen los verdaderamente positivos,
puede deducirse que:

P x sensibilidad
Valor Predictivo = ______________________
P X sensibilidad + (1 - P)
x (1 -especificidad)

CUADRO 6. Valor predictivo de ciertos datos de prevalencia, sensibilidad y


especificidad.

Prevalencia (%) Sensibilidad (%)


Especificidad (%)
99 95 90 80
99 95 90 80
_________________________________________________
20 96,1 82,1 69,2 50,0
10 91,7 67,9 50,0 30,8
5 83,9 50,0 32,1 17,4
1 50,0 16,1 8,3 3,9
0,1 9,0 8,7 4,3 1 2,0

Como se puede observar en el cuadro 6, cuando la prevalencia es baja el valor predictivo es


escaso a pesar de que los valores de sensibilidad y especificidad sean altos. Por ejemplo, el
valor predictivo es slo del 50% cuando la prevalencia es del 1 % y la sensibilidad y
especificidad son del 99%. Esto significa que de los individuos clasificados como enfermos
por la prueba de cribado slo el 50% seran realmente enfermos. La utilidad de una prueba
de cribado depende del coste y los trastornos que a los individuos y a la sociedad originan
las exploraciones y teraputicas adicionales y de los beneficios derivados del tratamiento
precoz de los enfermos.
A. Ahlbom, S, Norell

BIBLIOGRAFA

Galen, R. S. y Gambino, S. R., Beyond normality - The predictive value and efficiency of
medical diagnoses, john Wiley & Sons, 1975.

Rogan, W. J. y Gladen B., Estimating prevalence from the results of a screening test,
American Journal of Epidemology, 1978; 107:71- 76.
A. Ahlbom, S, Norell

EJERCICIOS - CAPTULOS 3 Y 4

1. Con motivo de la realizacin de un estudio epidemiolgico, dos grupos de mujeres


fueron interrogadas acerca de la frecuencia de nuseas y dolor de estmago. Al
comparar las respuestas de ambos grupos se encontraron importantes diferencias en la
notificacin de los sntomas. Pueden ser explicables los resultados por posibles
diferencias en el mtodo de recogida de datos en ambos grupos? Qu diferencias?

2. Para diagnosticar una cierta enfermedad se utiliza una tcnica citolgica analizando
frotis al microscopio. La precisin de este mtodo depende del grado de coincidencia
existente entre diferentes observadores. Un nmero relativamente alto de muestras fue
sometido a examen por dos personas independientemente, comparndose los resultados.
Cada observador encontr determinados cambios celulares en el 10% de las muestras
examinadas. El grado de coincidencia, expresado como la proporcin de muestras que
fueron clasificadas de igual manera, (con o sin cambios celulares) por ambos expertos,
fue del 80%. Puede considerarse este grado de concordancia como satisfactorio? Por
qu?

3. En un estudio epidemiolgico de glaucoma el examen inclua la determinacin de la


razn de dimetros excavacin/disco papilar por oftalmoscopa indirecta. Para valorar la
precisin del mtodo dos oftalmlogos examinaron de forma independiente 100 papilas
pticas. Los hallazgos fueron clasificados de acuerdo con los valores de los cocientes
obtenidos. La concordancia fue expresada como la proporcin de papilas pticas
clasificadas de forma similar por los dos examinadores. Mencionar tres circunstancias
que afecten la estimacin de la concordancia.

4. Comprense los problemas subyacentes al diagnstico del cncer crvico-uterino


utilizando exmenes microscpicos de frotis celulares, en pacientes que visitan las
consultas externas de un servicio de ginecologa y en mujeres que se someten a
exmenes ginecolgicos peridicos.

5. En un cribado peridico de la poblacin masculina de mediana e dad se extrajeron


muestras de sangre para determinar niveles de colesterol srico. El 85% de estas
muestras fueron analizadas en el laboratorio A, el 10% en el laboratorio B y el 5% en el
laboratorio C. 10 aos ms tarde se planific un estudio epidemiolgico en el que se
intentaba estudiar la relacin existente entre la mortalidad por una enfermedad
especfica en esos varones y los anteriores niveles de colesterol srico. Cul sera la
forma ms simple de tratar el problema de las variaciones interlaboratorio?

6. En varios pases han sido examinadas muestras representativas de la poblacin para


valorar la frecuencia de diferentes enfermedades, por ejemplo, asma, glaucoma y
esquizofrenia. Los hallazgos de los diferentes pases muestran considerables diferencias.
Qu otras explicaciones aparte de la propia frecuencia de enfermedad podran
aducirse?

7. Citar un ejemplo de enfermedad (distinto al del infarto de miocardio) con criterios


diagnsticos razonablemente bien definidos y generalmente aceptados. Cules son esos
criterios?
A. Ahlbom, S, Norell

8. La Organizacin Mundial de la Salud recomienda que los mtodos de cribado usados en


los chequeos cumplan ciertos requerimientos. Segn estas recomendaciones el mtodo
debera ser seguro, no caro y tener una alta sensibilidad y especificidad. Qu se
entiende por (a) sensibilidad y (b) especificidad?

9. Con objeto de identificar a los individuos que padecen una cierta enfermedad a travs de
un chequeo se desarroll un mtodo de cribado simple y barato. Para estudiar la
sensibilidad y la especificidad del mismo se prob ste en 200 personas que fueron
sometidas simultneamente a un cuidadoso examen clnico que se consider
proporcionaba un diagnstico de certeza. Los resultados se muestran en la tabla.
Calcular la sensibilidad y la especificidad del mtodo de cribado.

Enfermedad presente segn el mtodo de cribado

SI No Total

Enfermedad presenteSI 60 20 80
segn el examen NO 40 80 120
clnico Total 100 100

10. El diagnstico precoz de cierta enfermedad se pretenda hacer utilizando un mtodo de


cribado cuya sensibilidad y especificidad son del 99%. Suponiendo que el uno por mil
de los examinados presentase la enfermedad. Qu proporcin de los individuos identifi-
cados como positivos la padece?

11. De qu depende el valor de prediccin de una prueba?

12. Siendo P la tasa de prevalencia de una cierta enfermedad en una poblacin y P-1 la
porcin de positivos en un cribado de la misma, calclese P*/P para distintos valores de
P, considerando que tanto la sensibilidad como la especificidad del mtodo son del
95%. Represntese grficamente.
A. Ahlbom, S, Norell

5. MEDIDAS DE FRECUENCIA COMPARADA DE ENFERMEDAD

En los estudios epidemiolgicos suele compararse la frecuencia de enfermedad en individuos


que tienen una cierta caracterstica con la frecuencia de enfermedad en los que no la poseen.
Los grupos de individuos comparados son denominados generalmente expuestos y no
expuestos. Esta comparacin constituye el procedimiento fundamental para estudiar la
asociacin entre exposicin y frecuencia de enfermedad. En aquellas situaciones en las que
una asociacin puede ser interpretada como de tipo causal, la comparacin refleja el efecto
de la exposicin sobre la frecuencia de enfermedad (vase captulo 6). En este captulo se
describe la fuerza de la asociacin entre exposicin y frecuencia de enfermedad.

COMPARACIONES ABSOLUTAS Y RELATIVAS

En las comparaciones de frecuencias de enfermedad, stas se miden con alguno de los


parmetros descritos en el captulo 2. La comparacin puede realizarse en trminos
absolutos o relativos. Las comparaciones absolutas se establecen sustrayendo la frecuencia
de enfermedad en los no expuestos de la frecuencia de enfermedad en los expuestos. Por
ejemplo, si la incidencia acumulada de cncer de pulmn durante un perodo de 15 aos es
de 0,0010 en fumadores y 0,0001 en no fumadores, la diferencia absoluta entre las
incidencias acumuladas sera de 0,0009.

Por el contrario, las comparaciones relativas suponen el clculo del cociente entre las
frecuencias de enfermedad en los individuos expuestos y en los no expuestos. En el ejemplo
anterior, esta razn es: 0,0010/0,0001 = 10. El valor numrico de los dos tipos de medidas
comparativas es bastante diferente. El hecho de que la medida absoluta del efecto en este
ejemplo sea 0,0009, mientras que el de la razn o medida relativa sea 10, muestra el
contraste entre los valores numricos.

Por diversas razones se considera que la utilizacin de comparaciones relativas es preferible


cuando se trata de estudios de investigacin cientfica. La ms importante la constituye el
hecho de que la diferencia entre las frecuencias de enfermedad de dos poblaciones resulta ser
un concepto difcilmente aprehensible si no est referida a un nivel base de frecuencia de
enfermedad. Por esto se utilizan ms a menudo las comparaciones relativas. La medida de
comparacin relativa se denomina riesgo relativo (RR) o razn de tasas (RT).

ESTANDARIZACIN

El cuadro 7 muestra dos poblaciones cuyas frecuencias de enfermedad se intentan comparar.


Esta comparacin podra realizarse utilizando las dos tasas crudas de incidencia, 0,015 y
0,023 por ao respectivamente. Sin embargo, este procedimiento no sera correcto debido a
que la distribucin por edad de las poblaciones es diferente. En efecto, la poblacin de tasa
cruda de incidencia ms elevada tiene una mayor proporcin de personas de edad ms
avanzada. En este caso, la distribucin por edades, podra ser la explicacin de que esta
poblacin tenga una tasa cruda de incidencia mayor.

CUADRO 7. Nmero de casos de enfermedad y aos en riesgo de una poblacin expuesta


y una poblacin de referencia.

Poblacin expuesta Poblacin de referencia


A. Ahlbom, S, Norell

Aos en tasas de aos en tasas de


riesgo casos incidencia riesgo casos incidencia

Jvenes 3000 30 0,010 1000 5 0,005


Ancianos 1000 30 0,030 9000 225 0,025
Total 4000 60 0,015 10000 230 0,023

El procedimiento denominado estandarizacin o normalizacin permite mejorar la


validez de la comparacin. Para comprenderlo es necesario recordar que una tasa cruda es
una media ponderada de las tasas especficas por estratos o grupos (de edad u otros), con
pesos proporcionales al nmero de individuos o aos en riesgo de cada estrato o grupo. La
poblacin expuesta (cuadro 7) presenta una tasa cruda de incidencia de:

(3 000/4 000) X 0,010 + (1000/4 000) X 0,030 = 0,015

La estandarizacin o normalizacin por edad consiste en calcular unas hipotticas tasas


crudas para ambas poblaciones, que corresponderan a las tasas crudas que stas
presentaran si sus distribuciones por edades fueran iguales a las de una poblacin estndar
arbitrariamente elegida. Supongamos que la poblacin expuesta y la poblacin de referencia
se combinan para obtener la poblacin estndar, que resultara estar compuesta por un grupo
de personas jvenes 4 000/ 14 000, y un grupo de personas ancianas, 10 000/14 000. En
este caso, las tasas de incidencia normalizada seran:

(4 000/14 000) X 0,010 + (10 000/14 000) X 0,030 = 0,024

(4 000/14 000) X 0,005 + (10 000/14 000) X 0,025 = 0,019

La diferencia o la razn de estas tasas normalizadas de incidencia pueden ser


respectivamente utilizadas como expresin de las comparaciones absoluta o relativa
normalizadas por edad. La razn de tasas de incidencia normalizada es, por ejemplo:
0,024/0,019 = 1,26.

El hecho de que la eleccin de la poblacin estndar se realice de manera totalmente


arbitraria supone un lastre conceptual de este procedimiento. Si en el ejemplo anterior se
hubiera elegido otra poblacin estndar la razn de tasas normalizadas obtenida hubiese sido
distinta. Este mtodo de estandarizacin se denomina a veces estandarizacin directa.

El cuadro 8 describe una situacin bastante frecuente. La informacin acerca de las dos
poblaciones que en ella se expone, es la misma que la del cuadro 7 a excepcin de la
correspondiente al nmero de casos especfico para cada grupo de edad en la poblacin
expuesta, aqu ausente. Un motivo frecuente de la no disponibilidad de esta informacin es
que el nmero de casos fuera tan pequeo que su reparto entre los grupos de edad pudiera
ser inapropiado.

CUADRO 8.
Nmero de casos de enfermedad y aos en riesgo de una poblacin expuesta y una
poblacin de referencia.

Poblacin expuesta Poblacin de referencia


A. Ahlbom, S, Norell

aos en tasas de aos en tasas de


riesgo casos incidencia riesgo casos incidencia

Jvenes 3000 ? ? 1 000 5 0,005


Ancianos 1000 ? ? 9000 225 0,025
Total 4000 60 0,015 10000 230 0,023

La comparacin que se realiza en situaciones como la presente suele establecerse entre el


nmero de casos observados en la poblacin expuesta y el correspondiente nmero de casos
esperados. El nmero de casos observados en el ejemplo es de 60. El nmero de casos
esperados es el de aquellos que hubiesen aparecido en la poblacin expuesta si ambas
poblaciones, expuestas y de referencia, hubieran presentado las mismas tasas de incidencia
especfica por edad. En este ejemplo el nmero de casos esperados sera:

3 000 X 0,005 + 1 000 X 0,025 = 40

Tanto el nmero de casos observados como el de esperados se obtienen de una poblacin


cuya composicin por edades es la de la poblacin expuesta. Sin embargo, las tasas de
incidencia sobre las que se calcula el nmero de casos esperados son las de la poblacin de
referencia mientras que las subyacentes al de casos observados son las de la poblacin
expuesta. La razn del nmero de casos observados al de los esperados equivale al resultado
de una comparacin relativa estandarizada de las tasas de incidencia de las poblaciones
expuesta y de referencia utilizando como poblacin estndar la poblacin expuesta. Este
procedimiento de control de las diferencias en composicin por edades se denomina
estandarizacin indirecta, pero debe ser considerado como un caso particular del mtodo
directo de estandarizacin anteriormente descrito. La razn del nmero de casos
observados al de esperados se expresa a menudo como un porcentaje denominado razn de
morbilidad (o de mortalidad) normalizada (RMN). Referido al ejemplo anterior tendramos
que:

RMN = (60/40) x 100 = 150

FRACCIN ETIOLGICA

La fraccin etiolgica (FE) es un concepto utilizado en aquellas situaciones en que se


considera establecido que una asociacin observada es de carcter causal. Siendo as, la
fraccin etiolgica es la parte de la frecuencia de enfermedad que desaparecera en el grupo
expuesto si en este descendiese la incidencia de la misma al nivel que presenta en el grupo no
expuesto. La fraccin etiolgica se denomina tambin porcentaje de riesgo atribuible y
proporcin atribuible. Estimaciones realizadas a este respecto permiten afirmar, por
ejemplo, que el 80% de los casos de cncer dependen del medio ambiente.

Representando por RR la razn de tasas de incidencia entre expuestos y no expuestos y por


f la proporcin de expuestos entre todos los individuos que desarrollan la enfermedad,
tendramos que:

RR - 1
FE =_______________ x f
A. Ahlbom, S, Norell

RR

La fraccin etiolgica se influye de esta manera por la frecuencia de la exposicin en la


poblacin, lo que no ocurre con los resultados de las comparaciones absolutas y relativas
anteriormente consideradas.

Ejemplo: En un estudio sobre la asociacin entre tabaco y cncer de cavidad orofarngea, la


razn de tasas estimada fue de 4,1 (Rothman & Keller 1927). El 95% de los casos eran
fumadores. Suponiendo que la asociacin observada fuese causal, el valor de la fraccin
etiolgica se obtendra de la siguiente forma:

4,1 - 1
FE = ________ x 0,95 = 0,72
4,1

Esto significa que el 72% de los casos de cncer de cavidad orofarngea que aparecen en la
poblacin estudiada pueden ser considerados corno originados por el hbito de fumar. Es
importante recalcar aqu el hecho de que el resultado del ejemplo empleado es compatible
con una fraccin etiolgica atribuida a consumo de alcohol de, por ejemplo, el 60%.
Considerando aceptada la idea de que el hbito de fumar y el consumo de alcohol potencian
mutuamente la capacidad de generacin de esta enfermedad, es lgico pensar que algunos de
los casos nunca hubiesen aparecido si los sujetos hubieran sido con anterioridad expuestos
nicamente a alcohol o a tabaco. Por esta razn se estima que la mayor parte de los casos de
cncer de cavidad orofarngea podran haberse prevenido por la eliminacin del hbito de
fumar o del consumo de alcohol Independientemente. Este problema ser tratado en el
captulo siguiente.

FRECUENCIA COMPARADA Y MEDIDAS


DE FRECUENCIA DE ENFERMEDAD

Las comparaciones de frecuencias de enfermedad pueden arrojar resultados diferentes


dependiendo del tipo de parmetros (tasas de incidencia, incidencia acumulada y
prevalencia) utilizados en la medida de la frecuencia de enfermedad.

Las relaciones entre sus valores, tratadas en el captulo 2 donde se vio cmo podran ser
recprocamente deducidos, pueden ser utilizadas para analizar el efecto de la eleccin de
parmetro en los resultados de la comparacin de las frecuencias de enfermedad.

La razn de tasas de incidencia (o su diferencia) es el parmetro fundamental de


comparacin de frecuencias de enfermedad ya que la tasa de incidencia es considerada el
parmetro de frecuencias de enfermedad ms importante.

Las comparaciones relativas de incidencias acumuladas proporcionan aproximadamente los


mismos resultados que las comparaciones relativas de tasas de incidencia si el perodo de
observacin es corto. A medida que ste se prolonga, la razn de incidencias acumuladas
tiende siempre a la unidad, mientras que la de las tasas de incidencia permanece estable.
A. Ahlbom, S, Norell

Las comparaciones relativas de prevalencias proporcionan resultados similares a los de las


correspondientes comparaciones de tasas de incidencia suponiendo que la prevalencia de la
enfermedad sea baja y que la duracin de la enfermedad en los individuos expuestos y no
expuestos sea la misma. Sin embargo, cuando la prevalencia aumenta, la razn de
prevalencias tiende a la unidad. Por ello, las comparaciones de prevalencias o de incidencias
acumuladas, a diferencia de las establecidas entre tasas de incidencia, corren el riesgo de
subestimar la fuerza de la asociacin de la exposicin y la frecuencia de enfermedad. El
grado de error depender de la magnitud de la prevalencia o incidencia acumulada de que se
trate, siendo escaso cuando estas son menores de 0,1.

BIBLIOGRAFA

Ahlbom, A., Standardization - a method to improve comparability, Statistisk Tidskrift


1980; 4:302- 307. (Resumen en ingls).

Cole, P. y MacMahon, B., Attributable risk percent in case-control studies, British


Journal of Preventive and Social Medicine, 1971; 25:242~244.

Miettinen, 0. S., Proportion of diseases caused or prevented by a given exposure, trait or


intervention, American Journal of Epidemiology, 1974; 99:325- 332.

Rothman, K. I. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk
of cancer of the mouth and pharynx, Journal of Chronic Diseases 1972; 25:711- 716.
A. Ahlbom, S, Norell

INICADORES DE RIESGO Y CAUSAS DE ENFERMEDAD

INDICADORES DE RIESGO.

Se dice que una cierta enfermedad (E) y un factor (C) se asocian cuando la enfermedad E es
ms frecuente entre los individuos que poseen la caracterstica C que entre los que no la
poseen (fig. 6). Si adems de esto, sucede que la presencia C precede a la aparicin de E, se
dira que los individuos caracterizados por C corren un riesgo de enfermar mayor que el de
los que no poseen este factor: C en este caso, es un indicador de riesgo para la enfermad E.

Ciertas enfermedades son ms frecuentes en aquellos que viven en una misma rea
geogrfica, en hombres, en mujeres, entre ciertos grupos de edad o profesionales, en
fumadores, etctera. La edad, el sexo, el hbitat, la profesin, el consumo de tabaco, son por
lo tanto ndices de riesgo para muchas enfermedades. El conocimiento de los ndices de
riesgo puede ser utilizado para identificar poblaciones de alto riesgo que constituyan los
grupos objeto de medidas preventivas o exmenes de salud dirigidos.

CAUSAS DE ENFERMEDAD

Ciertos fenmenos o acontecimientos se suceden en el tiempo de manera tan regular que se


habla de causas y efectos. El concepto de causa se ha discutido mucho en filosofa,
especialmente en teora de la ciencia (Taylor, 1967). Las causas de enfermedad se estudian
dentro de la epidemiologa con el objeto de explicar y, si es posible, de prevenir la aparicin
de las enfermedades. Una asociacin se considera de tipo causal cuando una disminucin en
la frecuencia de una caracterstica especfica de algunos individuos o de su medio ambiente
se sigue de una reduccin en la incidencia de la enfermedad.

La asociacin entre C y E puede surgir de tres modos distintos (figura 7):


A. Ahlbom, S, Norell

En el caso de que C aparezca antes que E, solamente podran ser reales las dos primeras
alternativas (a) y (b) y en este caso C se denomina indicador de riesgo con respecto a E. Sin
embargo, solamente en el caso de la alternativa (a) existe una relacin causal entre C y E.
(En la literatura se emplea indistintamente el trmino factor de riesgo para hacer
referencia tanto a causas, alternativa (a), como a indicadores de riesgo, alternativas (a) y
(b)]. En los estudios epidemiolgicos, cuyo objetivo es mostrar posibles relaciones causales,
es fundamental diferenciar entre las alternativas (a) y (b). Este problema se trata ms
extensamente en el captulo 7 en el apartado dedicado al confounding.

Cuando los resultados de un estudio indican la existencia de una asociacin entre E y C,


deben tenerse en cuenta, adems de los fenmenos (a) (b) y (c), el posible efecto de la
utilizacin de mtodos inadecuados (d) (vase captulo 7), y la presencia de variaciones
aleatorias (e) (vase captulo 9).

MODELO CAUSAL I

Por lo general una enfermedad tiene varias causas que, conjunta o independientemente, dan
lugar a la aparicin de la misma. De igual manera una sola causa puede contribuir a la
aparicin de varias enfermedades diferentes.

Las causas de enfermedad pueden dar origen a stas de forma indirecta, es decir, a travs de
la produccin de otras causas de enfermedad, o directamente. En realidad casi siempre
aparecen indicios de la existencia de causas intermediarias; esto hace que la relacin de
causalidad est mejor caracterizada por el grado de proximidad que por el carcter, dgase,
A. Ahlbom, S, Norell

l1l 1J J 1 11
Scloeaitin rd
Cl?t':liiMl 'Sax.edMI
f""I' .i'ilapgt:ioo ee.
1111 in..;.:..;.,.....
-:ial ;.,,a....rial

1 1
-:I .. L
1
.[ ll 1
EllX"Cl'<I do:- .a1u114u. ('!,da.de-
h;,orq. fl:n. VWl.11id..... y H.bi1... 4c- :tu,,,i.-
hcr-..Ji l:lfTw;ri: 1 llro-..JI. cale.ti ., .ul
Ulrft ittn .. rlllt. -eictc
tn la ot.lifu 1ii
r
1
L J
.. ..

.. .. J. 1 - L
tn lW.-i.,
DMrSiF
C:ilCil' tk
WMT'Ull '"...,q .... 1-ii Hipct"oen -1.w.wfw olrt M. ..
.:.titvtmrro l.:,.; ....

1
J 1 1

r">Klerfl C'i H 1J11L: t n
oJMVll 3 ri3
ibiliJa.J o:"4.Ju.e.-..a
milX'a
s ir'i4 ic .11 i ri.:.enl.t'

1
dusi6n
"""" 3'fia

.
nf..nu .te
mi1o.""-
HCUFUi. B Red ca,,:z). .tkl mfmo m-iocr-dio

----- -------
A. Ahlbom, S, Norell

directo o indirecto de la misma. La llamada red causal es un modelo que ilustra la relacin
entre causa y enfermedad. La figura 8 muestra la red causal del infarto de miocardio. Las
causas que ocupan en la red los niveles jerrquicos ms altos, a menudo caractersticas
sociales como hbitos alimenticios y estrs, son del mximo inters desde el punto de vista
epidemiolgico y preventivo.

MODELO CAUSAL II

Una causa suficiente es una causa que inevitablemente acarrea una determinada
consecuencia. Las causas de enfermedad nicas son rara vez causas suficientes. La
exposicin a la microbacteria de la tuberculosis por ejemplo no conduce necesariamente a
enfermar de tuberculosis. El riesgo de contraer la enfermedad se ve muy influido, entre otras
cosas, por ciertas caractersticas anatmicas y fisiolgicas de los individuos as como por la
respuesta inmunolgica especfica del sujeto.

Una causa que no es una causa suficiente, se denomina causa complementara. La


hiperlipidemia (elevacin excesiva de los niveles sricos de grasas), la hipertensin (el
aumento de presin sangunea arterial), el consumo de cigarrillos y la diatesis trombtica
(tendencia a la formacin de coagulos sanguneos) se consideran por ejemplo causas que
contribuyen a la aparicin del infarto de miocardio. La inmensa mayora de las causas de
enfermedad pueden ser consideradas como causas complementarias.

Una causa necesaria es una causa que inevitablemente debe estar presente para que ocurra
la enfermedad. Por lo tanto, la exposicin al bacilo tuberculoso es una causa necesaria para
la tuberculosis, pero no es una causa suficiente.

El modelo grfico de la figura 9 seala esquemticamente como varias causas


complementarias (sectores) dan lugar a una causa suficiente (crculo). La figura tambin
muestra que una enfermedad puede tener varias causas suficientes y que estas pueden tener
en comn una o ms causas complementarias. Una causa como la A, que es un elemento que
forma parte de todas las causas suficientes, es una causa necesaria.

De acuerdo con este modelo, no es necesario conocer todas las causas complementarias
para prevenir la enfermedad. As pues, eliminando uno de los elementos de la causa
A. Ahlbom, S, Norell

suficiente, son prevenidos todos los casos de enfermedad que esta causa suficiente origina.
En este sentido, se puede hablar de la fraccin etiolgica (FE) correspondiente a cada una de
las causas de enfermedad. La fraccin etiolgica es la parte o la porcin de los casos de
enfermedad que acontecen en una determinada poblacin a los que dio lugar esa causa. En
otras palabras, la parte de los casos que no hubiese aparecido si se hubiese eliminado la
causa en cuestin (vase captulo 5). La suma de las fracciones etiolgicas de todas las
causas suficientes de una enfermedad es siempre el 100%. Sin embargo la fraccin etiolgica
correspondiente a cada causa complementaria equivale a la suma de las fracciones
etiolgicas de la o las causas suficientes de las que forma parte. Es decir, si por ej. FE(I)
20% y FE(II) = 30% vendra lgicamente a ser FE(III) = 100% 20% - 30% = 50%. Las
causas complementarlas D y E forman parte solamente de la causa suficiente I, por lo que
FE(D) = FE(E) = FE(I) = 20%. Las causas B y A aparecen respectivamente en dos y en tres
de las causas suficientes. FE(B) = FE(I) + FE(II) = 20% + 30% = 50% y FE(A) = FE(I) +
FE(II) + FE(III) = 100%. En este ejemplo la suma de las fracciones etiolgicas de todas las
causas complementarias, de A a J, sera de 500%. Es decir que para cualquier enfermedad la
suma de las fracciones etiolgicas de las causas complementarias es al menos (por lo
habitual mucho mayor) del 100%. Por ejemplo si el 60% de los casos de una enfermedad se
originan por el consumo de tabaco, puede de igual manera estar el 70% originado por un
factor presente en la dieta y el 80% por la exposicin a otros factores. Esto implica que el
60% de la incidencia de la enfermedad podra eliminarse a travs de la erradicacin del
consumo de tabaco o que hasta el 70% podra prevenirse a travs de la modificacin de los
hbitos alimenticios, etctera.

La importancia del papel que una causa complementaria juega en la aparicin de una
enfermedad en una determinada poblacin depende, segn este modelo, de la frecuencia con
la que las restantes causas complementarias, pertenecientes a la misma causa suficiente, se
hallan presentes en dicha poblacin. Si por ejemplo la causa complementaria E afecta al 50%
de los individuos y la combinacin A + B + C + D est presente en el 40%, la causa E
determinara la aparicin de la enfermedad en el 20% de la poblacin.

50 40 20
___ x ____ = ____
100 100 100

En el caso de que, por ejemplo, la caracterstica estuviese presente en el 50% de la


poblacin pero la combinacin A + B + C + D solamente en el 2%, la causa E sera
determinante de enfermedad en el 1 % de la poblacin.

50 2 1
___ x ___ = ____
100 100 100

(En este ejemplo se presupone que A + B + C + D y E se presentan de manera


independiente).

De manera similar puede demostrarse que el efecto del aumento de la frecuencia de dos o
ms causas complementarlas componentes de una misma causa suficiente, en la frecuencia
de enfermedad resultante, es mayor que la suma de los efectos correspondientes al mismo
aumento en el caso de que estas formasen parte de distintas causas suficientes.
A. Ahlbom, S, Norell

BIBLIOGRAFA

Friedman, G. D., Premier of epidemiology, McGraw-Hill, 1974.

Rothman, K. J.,Causes, Americanjournal of Epidemiology, 1976; 104:587- 592.

Rothman, K. J., Greenland, S. y Walker, A. M., Concepts of interaction,

American Journal of Epidemiology, 1980; 112:465~466.

Saracci, R., Interaction and synergism, American Journal of Epidemiology, 1980;


112:465-466.

Susser, M., Causal thinking in the health sciences. Concepts and strategies of
epidemiology, Oxford University Press, 1973.

Taylor, R., Causation, pp. 56-66 en The Encyclopedia of Philosophy, vol. 2 (comp.
Edwards P.). McMillan Press, 1967.
A. Ahlbom, S, Norell

EJERCICIOS - CAPITULOS 5 y 6

1. En un estudio epidemiolgico se determin la frecuencia de cncer de vas respiratorias en


la poblacin masculina de dos reas, urbana y rural respectivamente (vase a continuacin).
Realcense las comparaciones absolutas y relativas en base a las tres medidas de frecuencia
de enfermedad.

Urbana Rural

Tasa de incidencia expresada


por 100 000 aos en riesgo. 60 15

Incidencia acumulada durante un perodo


de 5 aos, por 100 000 habitantes. 315 80

Prevalencia por 100 000 habitantes. 275 70

2. En un estudio se compar la mortalidad observada en enfermos diabticos con la esperada


en base a datos de la poblacin general. El nmero de defunciones por infarto de miocardio
observadas entre los diabticos fue de 1 107 siendo 531 el nmero esperado. Calcular la
Razn de Mortalidad Normalizada (RMN). Comentar el resultado.

3. En una poblacin de 2 872 individuos que haban recibido tratamiento con radiaciones
durante su infancia por aumento de tamao del timo, fueron detectados 24 casos de cncer
de tiroides y 52 de tumores benignos tiroideos. El grupo de comparacin lo constituyeron 5
055 nios que no haban recibido dicho tratamiento (hermanos y hermanas de los nios
irradiados). Durante el perodo de seguimiento, ninguno de los nios del grupo de
comparacin desarroll cncer tiroideo pero 6 presentaron tumores tiroideos benignos.
Calcular el riesgo relativo de:

a) Cncer de tiroides b) Tumores tiroides benignos. c) Comentar los resultados.

4. De 725 mujeres, empleadas en la industria y expuestas a radio por razones laborales entre
1915-1929 en Estados Unidos, fallecieron 22 a causa de tumores seos malignos. El nmero
esperado era de 0,27. Calcular la RMN.

5. Vanse los datos del ejercicio n 22 del captulo 2. Calcular el riesgo relativo de
insuficiencia coronaria de cada uno de los grupos (b), (c) y (d) en relacin al grupo (a).

6. Se considera que los medicamentos utilizados en el tratamiento de ciertos cnceres


pueden favorecer la aparicin de otras enfermedades. Para estudiar este problema fueron
observadas 913 mujeres que haban sido tratadas de cncer de ovario con ciertos agentes
alquilantes. Durante el perodo de seguimiento, 11 de ellas desarrollaron leucemia aguda no
linftica, siendo 0,1 el nmero esperado. Calcular la RMN.

7. En un grupo de voluntarias, jvenes estudiantes de enfermera se prob una vacuna contra


la gripe. 3 de las 95 personas que haban recibido la vacuna y 8 de las 48 que haban recibido
un placebo, padecieron cuadros gripales durante el perodo de seguimiento. El 27% de las
A. Ahlbom, S, Norell

que fueron vacunadas y el 24% de las que recibieron el placebo presentaron un malestar
moderado o intenso despus de la vacunacin. Calcular el riesgo relativo de presentar

a) Cuadro gripal.

b) Molestias post-vacunacin.

c) Comentar los resultados.

8. En un estudio finlands sobre morbilidad y mortalidad por infarto de miocardio se hizo


una comparacin entre hombres casados y no casados. Los resultados fueron:

Infarto de miocardio en hombres de 40- 64 aos


(tasas normalizadas por edad)

Incidencia/100 000 Mortalidad/100 000


aos en riesgo aos en riesgo

Casados 1 371 498


No casados 1228 683

Calcular, comparando hombres casados con no casados, el riesgo relativo de:

a) Infarto de miocardio.

b) Fallecimiento por infarto de miocardio.

c) Cmo pueden interpretarse los resultados?

9. Una poblacin (A) de 6 000 personas fue objeto de un programa de prevencin de una
cierta enfermedad. Otra poblacin (B) de 5 000 personas, no particip en ese programa y se
utiliz como grupo testigo. Durante un ao aparecieron 36 casos de la enfermedad en la
poblacin (A) y 35 en la poblacin (B). Los resultados correspondientes a dos grupos de
edad se muestran en la tabla. Calclese la tasa de incidencia en cada uno de los grupos de
edad de las dos poblaciones. Estandarizar por edades con pesos iguales en los dos grupos de
edad. Hacer una comparacin relativa de las tasas de incidencia estandarizadas.
A. Ahlbom, S, Norell

Poblacin A Poblacin B

n de aos n de n de aos n de
en riesgo casos en riesgo casos

jvenes 2000 4 4000 20


Ancianos 4000 32 1000 15
Total 6000 36 5000 35

10. Entre los empleados varones pertenecientes a un determinado grupo laboral


acontecieron durante un ao 40 casos de infarto de miocardio. La tabla muestra la
distribucin por grupos de edad del nmero de empleados y las tasas de incidencia
especficas para edades correspondientes a la poblacin masculina del pas.

Hgase la comparacin relativa entre la tasa de incidencia de infarto de miocardio en los


empleados de ese sector profesional y la de la poblacin del pas calculando la razn de
mortalidad normalizada (RMN).

N de empleados Tasa de incidencia en el pas


Edad durante el ao (por 1000 aos- riesgo)

35-44 8000 0,5


45-54 2000 4
55-64 2000 9

11. En un estudio se compararon las incidencias acumuladas de cncer de esfago durante


un perodo de 13 aos correspondientes a varones trabajadores de la industria del caucho y a
la poblacin total masculina activa. Los resultados se muestran en la tabla expuesta a
continuacin. Realcese una estandarizacin indirecta por edades calculando la razn de
mortalidad normalizada.
A. Ahlbom, S, Norell

Trabajadores (industria del caucho) Grupo de comparacin


N de N de N de N de
Edad enfermos individuos enfermos individuos
(millares)

15-24 ? 651 0 337


25-34 ? 518 6 431
35-44 ? 500 90 522
45-54 ? 465 381 507
55-64 ? 211 626 367
Total 8 2345 1 103 2 164

12. De las zonas de captacin correspondientes a dos clnicas locales se obtuvieron dos
muestras aleatorias de poblacin masculina de 30 a 69 aos de edad. Utilizando un
cuestionario, previamente validado, referido a sntomas actuales se estudi la frecuencia de
bronquitis crnica. Los resultados se muestran en las tablas siguientes. Hgase una
comparacin de las frecuencias de enfermedad en las dos poblaciones utilizando pesos
iguales para los diferentes grupos de edad al realizar la estandarizacin.

Poblacin I

N de individuos N' de individuos


Edad en la muestra con bronquitis crnica

30-39 1000 5
40-49 2000 20
50-59 4000 50
60-69 3000 50
Total 10000 125

Poblacin II

N. de individuos N. de individuos
Edad en la muestra con bronquitis crnica

30-39 5000 25
40-49 3000 40
50-59 1 000 20
60~69 1 000 20
Total 10000 105

13. En un rea perifrica de la ciudad de Sidney (Australia), se estudi la frecuencia de


aparicin de trastornos psquicos (TP) y enfermedades orgnicas crnicas (EOC) en una
muestra representativa de la poblacin adulta de 20- 69 aos de edad. De los 863 individuos
examinados, el 8% padecan TP, el 29% EOC y el 14% los dos tipos de trastornos, TP y
A. Ahlbom, S, Norell

EOC. Existe una asociacin entre trastornos psquicos y enfermedad crnica somtica?
Por qu?

14. a) Describir brevemente las diferencias entre indicadores de riesgo y causas


complementarlas de enfermedad.
b) Cmo puede ser utilizado en la prevencin de la enfermedad el conocimiento de
los indicadores de riesgo y causas complementarias de enfermedad?

15. a) Pngase un ejemplo de causa complementarla cuya eliminacin diera lugar a la


erradicacin de la enfermedad,
b) Qu nombre recibe una causa complementarla de este tipo?

16. Cul es el significado epidemiolgico del trmino causa de enfermedad?

17. Supngase que suprimiendo el consumo de tabaco, la incidencia de cierta enfermedad


pudiera reducirse en un 60%. Esto significara que el tabaco era causa del 60% de los casos
de esta enfermedad.

a) Qu porcin del total de casos de enfermedad son originados por otros factores distintos
del tabaco? Es decir: qu porcin de los mismos podran ser prevenida eliminando otras
causas de enfermedad?

b) Qu podra decirse acerca del riesgo (relativo) de enfermedad de los individuos


expuestos (fumadores) en comparacin con los no expuestos?

18. Qu significa el trmino fraccin etiolgica (FE)?

19. Por qu la suma de las fracciones etiolgicas correspondientes a las diversas causas de
una enfermedad es, por lo habitual, considerablemente mayor que el 100%? Raznese.

20. Supngase que una enfermedad tiene tres causas complementarias A, B, y C, que
conjuntamente constituyen la nica causa suficiente de la enfermedad, siendo las
distribuciones de A, B y C en la poblacin independientes entre s. A est presente en el
10%, B en el 20% y C en el 30% de los individuos de la poblacin. Estmese la proporcin
de la poblacin que padece la enfermedad.

21. Tomando como punto de partida la situacin descrita en el ejercicio anterior, calcular la
proporcin de la poblacin que desarrolla la enfermedad en las siguientes circunstancias:
A. Ahlbom, S, Norell

Frecuencia(%) de: Frecuencia de


Situacin A B C enfermedad

0 (= ejercicio anterior) 10 20 30
1 10 28 30
2 10 20 90
3 10 80 90

Hacer las comparaciones:

a) absoluta y

b) relativa

Comprese la frecuencia de enfermedad en las situaciones 1, 2 y 3 respectivamente, con la


frecuencia inicial (situacin 0).

c) Comentar los resultados.

22. Qu circunstancias determinan la importancia de una causa complementaria


condicionando la frecuencia de enfermedad en una poblacin? Raznese.
A. Ahlbom, S, Norell

7. LA CALIDAD DE LOS ESTUDIOS EPIDEMIOLOGICOS

VALIDEZ Y FIABILIDAD

Un estudio epidemiolgico puede ser considerado como un ejercicio de medida de la


frecuencia de una enfermedad o una estimacin del efecto de una exposicin en la variacin
de la misma. Como toda medicin su calidad depende de la fiabilidad y validez de la
misma.

Se denomina fiabilidad a la posibilidad de replicacin o reproduccin de un estudio, es decir,


al grado de similitud que presentaran los resultados que se obtendran en las diversas
ocasiones en que el estudio se repitiese bajo las mismas circunstancias. La validez
corresponde al grado en que el estudio mide el objetivo que se propone. Su defecto
determina desviaciones denominadas sesgo o error sistemtico. Los conceptos de
fiabilidad y validez suelen representarse grficamente con ayuda de una diana (vase la
figura l0). Una buena fiabilidad correspondera a una figura en la que los impactos aparecen
apiados. Una excelente validez se representara por una distribucin centrada de los
mismos. La fiabilidad de un estudio de un nmero demasiado pequeo de individuos ser
escasa. Si un estudio de prevalencia de una enfermedad que rara vez conduce a la
hospitalizacin, se realiza a partir de informacin correspondiente a poblacin hospitalizada,
la validez ser baja.

La combinacin excelente fiabilidad, escasa validez merece comentario aparte. Es


frecuente considerar que la veracidad de los resultados de un estudio se refuerza por la
aparicin de estudios que arrojan resultados similares. Realmente, esta concordancia puede
reflejar nicamente una buena fiabilidad pero no un defecto de validez comn a los mismos.

Puestos en el terreno de la evaluacin es necesario reconocer que nunca existir el estudio


de validez y fiabilidad inmejorables. La cuestin clave es determinar el grado de certeza de
los resultados y la direccin ms probable del sesgo. Los resultados deben ser presentados
de manera que el lector pueda hacerse una idea clara acerca de la veracidad de los mismos.
A. Ahlbom, S, Norell

LA VALIDEZ DE LAS COMPARACIONES DE FRECUENCIAS DE


ENFERMEDAD

El objetivo habitual de los estudios epidemiolgicos es la estimacin del efecto de la


exposicin a un cierto factor en la frecuencia de una determinada enfermedad. Esta
estimacin consiste en la medida de la desigualdad entre frecuencias de enfermedad en
grupos expuestos y no expuestos utilizando los parmetros descritos en el captulo 5. Una
comparacin de escasa validez muestra una desigualdad (o una falta de ella) que no refleja el
efecto originado (o su ausencia) por la exposicin en cuestin en la frecuencia de
enfermedad. Las posibles fuentes de error son varias. En el captulo anterior se mostraron
los tres mecanismos subyacentes al hallazgo de una asociacin entre exposicin y
enfermedad; slo uno de ellos reflejaba la existencia de una relacin causal entre las mismas.
Cuando la relacin subyacente a los datos en estudio es del tipo de las otras dos antes
mencionadas, los estudios epidemiolgicos mostrarn tambin la asociacin entre exposicin
y enfermedad. A no ser que estos condicionantes hayan sido tenidos en cuenta al disear el
estudio, la validez del mismo como instrumento de medida de la relacin causal
A. Ahlbom, S, Norell

exposicin-enfermedad ser cuestionable. El error sistemtico que lastra algunos estudios


puede introducirse tambin en el diseo del estudio, incluso cuando en la poblacin
estudiada no exista ningn tipo de asociacin entre exposicin y enfermedad.

a. Sesgo de seleccin

La validez de un estudio estar comprometida si la adscripcin de los individuos a uno u


otro de los grupos a comparar est afectada por la caracterstica en estudio.

Ejemplo: A efectos de determinar si la actividad fsica tiene algn efecto sobre la frecuencia
de insuficiencia coronarla se compara un grupo de personas fsicamente activas con un
grupo de personas sedentarias, atendiendo a la prevalencia de insuficiencia coronaria en cada
uno de los grupos. Es evidente que existe el riesgo de que la inactividad fsica sea, en
algunos casos, precisamente una consecuencia de padecer la enfermedad cardiaca que se
investiga. Si esto es as, los resultados del estudio se hallarn distorsionados presentando un
sesgo o error sistemtico denominado de seleccin.

b. Sesgo de informacin

La validez de un estudio estar afectada si la informacin que se obtiene acerca de los


distintos individuos depende de su pertenencia a uno u otro de los grupos de comparacin.

Ejemplo: Con objeto de establecer el efecto del consumo del tabaco en la aparicin de la
bronquitis crnica se comparan un grupo de fumadores y otro de no fumadores. Existe
evidentemente la posibilidad de que los fumadores sean con ms facilidad diagnosticados de
bronquitis crnica que los no fumadores, simplemente porque el hecho de fumar se
considera, en general, que est asociado a la bronquitis crnica. El error en los resultados as
inducido se denomina de informacin.

Otra fuente de error es que los individuos en estudio sean indistinta y errneamente
clasificados como expuestos o no expuestos. En este caso un cierto nmero de individuos
expuestos sern considerados como no expuestos y viceversa. Esto conduce a una dilucin
del efecto y a una disminucin de la diferencia observada en la frecuencia de enfermedad
entre expuestos y no expuestos, si sta existe. Los resultados del estudio estarn sesgados y
subestimarn el efecto de la exposicin. El mismo razonamiento se aplica si la clasificacin
errnea tiene lugar al asignar los diagnsticos a los individuos en estudio. Esta fuente de
error de informacin se denomina clasificacin errnea aleatoria.

c. Confounding

Cualquier causa de enfermedad aparte de la exposicin estudiada, que est desigualmente


distribuida en los dos grupos comparados dar lugar por s misma a la aparicin de una
diferencia entre las frecuencias de enfermedad de estos grupos. Esta distorsin, que se
denomina confounding, invalida la comparacin. La variable en cuestin, que distorsiona la
comparacin, se denomina confounder. Expresado en otros trminos, el confounding no es
sino la mezcla de efectos, si es que los hay, de la exposicin en estudio y de una variable
extraa, el confounder. Es esencial tener en cuenta que para que una variable sea un
confounder debe estar asociada tanto a la enfermedad como a la exposicin estudiadas. El
concepto de confounding es ms sutil de lo que puede parecer a partir de esta descripcin.
Para una discusin ms amplia y una definicin ms apropiada con vistas al papel que juega
A. Ahlbom, S, Norell

en los estudios de casos y testigos (vase captulo 8) vanse algunas de las referencias
bibliogrficas, por ejemplo Miettinen (1974).

Ejemplo: Un ejemplo clsico de confounding es la asociacin entre cncer broncopulmonar


y pigmentacin amarillenta del dedo ndice. La excelente correlacin de las dos variables es
fcilmente demostrable, aunque naturalmente la presencia de este pigmento no es causa de
cncer broncopulmonar. La explicacin consiste en que el hbito de fumar es causa de
ambos, cncer broncopulmonar y pigmentacin amarilla del dedo ndice, y por lo tanto un
confounder en el estudio de la relacin entre estos. El hbito de fumar es ms frecuente
entre los individuos cuyo dedo ndice aparece pigmentado de amarillo. La incidencia de
cncer broncopulmonar entre estos ltimos ser superior porque el hbito de fumar
incrementa el riesgo de padecer cncer broncopulmonar. Vase aqu la figura 11 y la figura 7
en el captulo anterior.

Hbito de fumar

Pigmentacin amarilla del Cncer de pulmn


dedo ndice

FIGURA 11. Asociacin entre pigmentacin amarilla del dedo ndice y


cncer de pulmn; un ejemplo de confounding.

El confounding y en cierta medida la clasificacin errnea aleatoria pueden ser controlados,


en principio, en el diseo del estudio o en el anlisis de los datos recogidos. Por el contrario,
la mayora de las otras fuentes de error no pueden ser controladas despus de haberse
llevado a trmino el proceso de recogida de la informacin.
A. Ahlbom, S, Norell

BIBLIOGRAFA

Copeland, K. T.; Chekoway, H.; McMichael, A. J. y Ho1brok, R. H., Bias due to


misclassification in the estimation of relative risk, American Journal of Epidemiology
1977; 105:488-95.

Miettinen, 0. S., Confounding and effect-modification. American Journal of


Epidemiology, 1974; 100:350- 353.

Miettinen, 0. S. y Cook, F., Confounding - essence and control American Journal of


Epidemiology, 1981; 114:593- 603.

Rothman, K. J., A pictorial representation of confounding in epidemiological studies,


Journal of Chronic Diseases, 1975; 32:101- 108.
A. Ahlbom, S, Norell

8. TIPOS DE ESTUDIO

Generalmente la comparacin de frecuencias de enfermedad en individuos expuestos y no


expuestos a un determinado factor se establece procediendo de dos formas distintas. Estas
corresponden a los estudios de cohortes y a los estudios de casos y testigos.

ESTUDIOS DE COHORTES

El punto de partida de los estudios de cohortes es la identificacin de los individuos


expuestos y no expuestos. La frecuencia de enfermedad en los mismos, medida segn se
seal previamente, es el elemento de comparacin. Por ello, en los estudios de cohortes se
determina en primer lugar la frecuencia de la enfermedad en cada uno de los grupos
expuesto y no expuesto. La comparacin de estas frecuencias puede ser absoluta o relativa.
En la figura 12 se expone grficamente el principio de los estudios de cohortes.

Con la caracterstica
(expuestos) Enfermos

Sin la caracterstica
(no expuestos) No enfermos

FIGURA 12. Fundamento de los estudios de cohortes.

Ejemplo: La asociacin entre el consumo de cigarrillos y la mortalidad por enfermedad


coronarla fue estudiada en una poblacin de mdicos britnicos (Doll y Hill, 1966). Las tasas
de incidencia especficas por edad se obtuvieron dividiendo el nmero de casos de
fallecimiento por cardiopata isqumica por el nmero de millares de aos en riesgo. El
cuadro 9, que muestra datos del estudio en cuestin, presenta las comparaciones absoluta y
relativa para cada grupo de edad.
A. Ahlbom, S, Norell

CUADRO 9. Mortalidad por cardiopata isqumica en fumadores y no fumadores.

N de muertes por mil aos en riesgo

Edad Fumadores No fumadores I1 I0 I1/I0

(I1) (I0)

35-44 0,6 0,1 0,5 6,0


45-54 2,4 1,1 1,3 2,2
55-64 7,2 4,9 2,3 1,5
65-74 14,7 10,8 3,9 1,4
75-84 19,2 21,8 -2,6 0,9

Todas
las edades 4,4 2,6 1,8 1,7

ESTUDIOS DE CASOS Y TESTIGOS

En los estudios de casos y testigos se compara un grupo de individuos que padecen la


enfermedad (casos) con un grupo de individuos que no la padecen (testigos). De cada uno
de los individuos de ambos grupos se recoge informacin sobre antecedentes de exposicin
al factor en estudio. En un estudio de casos y testigos el anlisis de los datos consiste en la
comparacin de las proporciones de individuos expuestos en el grupo de los casos y en el
grupo testigo. En la figura 13 se expone grficamente el fundamento de los estudios de
casos y testigos.

Con la caracterstica
(expuestos) Enfermos (Casos)

Sin la caracterstica No enfermos (Testigos)


(no expuestos)

FIGURA 13. Fundamento de los estudios de casos y testigos.

La informacin que puede ser obtenida a partir de un estudio de casos y testigos es ms


limitada que la que se obtiene de un estudio de cohortes, aunque puede ser suficiente en la
mayora de las ocasiones. Para analizar los datos de un estudio de casos y testigos es
conveniente ordenar la informacin en una tabla de 2 X 2, como la que se presenta a
A. Ahlbom, S, Norell

continuacin, donde N1 y N0 son el nmero de casos y de testigos respectivamente (figura


14). La posible asociacin entre la exposicin y la aparicin de la enfermedad estudiada
puede determinarse dividiendo las razones del nmero de expuestos entre el de no expuestos
en casos y testigos (es decir, comparando a/b con c/d). Si, por ejemplo, la frecuencia de
exposicin entre los casos es ms alta que entre los testigos, es decir si a/b es mayor
que c/d, existe una asociacin positiva entre la exposicin y la enfermedad.

FIGURA 14. Disposicin de los datos de un estudio de casos y testigos.

Exposicin

Si No Total

Casos a b N1
Testigos c d N0

Puede tambin demostrarse que el cociente (a/b)/(c/d) equivale a la razn de las tasas de
incidencia en expuestos y no expuestos. Por este motivo en los estudios basados en casos
nuevos, incidentes, el cociente I1/I0 puede ser estimado por (a/b)/(c/d), donde I1 e I0 son las
tasas de incidencia en expuestos y no expuestos. Para comprenderlo mejor, la razn de las
dos tasas de incidencia se expresara as:

I1 Al/R1
___ = _______
I0 A0/R0

donde Al y A0 son los nmeros de casos que aparecen entre los expuestos y los no expuestos
respectivamente, e igualmente R1 y R0 son el nmero de aos en riesgo de expuestos y no
expuestos. La expresin anterior equivale a:

I1 A1/A0
__ = _____
I0 R1/R0

donde A1/A0 es el cociente entre el nmero de casos expuestos y de casos no expuestos.


Este cociente puede ser estimado a partir de a/b, que es el cociente equivalente en el estudio.
R1/R0 es la razn de las cantidades de aos en riesgo de los grupos expuestos y no
expuestos. Esta razn puede ser estimada a travs de c/d, que es el cociente entre el nmero
de testigos expuestos y el nmero de testigos no expuestos.

Ejemplo: Un estudio de casos y testigos que contemplaba la asociacin entre el consumo de


cigarrillos y el cncer de bucofaringe arroj los siguientes resultados:

CUADRO 10. Consumo de cigarrillos en casos y testigos.

Fumadores

Si No Total
A. Ahlbom, S, Norell

Casos 457 26 483


Testigos 362 85 447

El hecho de que la frecuencia de fumadores entre los casos sea mayor que entre los testigos
indica la existencia de una asociacin positiva (457/26 es mayor que 362/86). La razn de
tasas de incidencia en fumadores y no fumadores puede calcularse de manera que:

I1 457/26 475 x 85
RR = __ = ______ = ________ = 4,1
I0 362/85 26 X 362

Esto significa que la tasa de incidencia en fumadores es cuatro veces mayor que en no
fumadores.

VENTAJAS E INCONVENIENTES DE LOS DOS TIPOS DE ESTUDIOS

El diseo de los estudios de cohortes puede parecer una alternativa atractiva en comparacin
con el de los estudios de casos y testigos. Adems, por su estructura ms directa y lgica,
los estudios de cohortes pueden suministrar ms informacin. Hay, no obstante, algunas
razones por las que es preferible en ciertas situaciones elegir un estudio de casos y testigos.

La primera razn se refiere a las enfermedades raras. Si estas enfermedades son estudiadas
en un estudio de cohortes, el tamao del estudio tiene que ser muy grande, o el perodo de
observacin muy largo, para llegar a obtener un nmero suficiente de casos; los estudios de
casos y testigos no tienen estas limitaciones.

La otra razn se refiere a los estudios de asociaciones entre exposicin y enfermedad cuando
se presume que el perodo de induccin (tiempo entre exposicin y aparicin de la
enfermedad) es largo. En un estudio de cohortes que no es retrospectivo, el investigador
debe esperar a que transcurra todo el perodo de induccin para observar el resultado. De
hecho, los estudios de casos y testigos se hicieron populares cuando los epidemilogos
comenzaron a tener problemas con los largos perodos de induccin, como el
correspondiente a la relacin sospechada entre el consumo de cigarrillos y el cncer de
pulmn.

Hay tambin razones ticas en favor de los estudios de casos y testigos. Esto ocurre cuando
hay fuertes sospechas de que una exposicin es una causa de enfermedad y cuando esta
exposicin puede ser eliminada inmediatamente, como puede ser el caso de tratamientos
mdicos con alternativas aceptables. En estas situaciones es muy ventajoso el que una
exposicin anteriormente efectuada pueda ser estudiada retrospectivamente por medio de un
estudio de casos y testigos o de un estudio de cohortes retrospectivo (vase ms adelante).

Se dice a veces que un serio inconveniente de los estudios de casos y testigos es la dificultad
de encontrar un grupo testigo apropiado, es decir, un grupo que nos proporcione una
correcta descripcin de la frecuencia de exposicin en la poblacin de la cual se extraen los
A. Ahlbom, S, Norell

casos. La eleccin del grupo testigo es, en efecto, una tarea importante y difcil en este tipo
de estudios. No obstante, la eleccin equivalente en un estudio de cohortes es igualmente
crucial y presumiblemente no menos difcil (vase captulo 7 y, ms adelante la seccin sobre
eleccin de grupo testigo).

Sin embargo, la medicin de la exposicin en los estudios de casos y testigos puede ofrecer
ms dificultades debido a que dicha medicin es realizada despus de la aparicin de la
enfermedad. Existe la posibilidad de que los casos conozcan la hiptesis en estudio y por
ello estn ms predispuestos que los testigos a declararse expuestos. Siendo as, el error de
informacin del estudio inducir una sobreestimacin de la frecuencia de exposicin entre
los casos y del efecto de la exposicin en la enfermedad. El error de informacin puede
darse igualmente en situaciones en las que su efecto acta en sentido opuesto.

ESTUDIOS DE COHORTES RETROSPECTIVOS

Los llamados estudios de cohortes retrospectivos ofrecen la posibilidad de solventar el


problema de los perodos de induccin largos y evitar las implicaciones ticas anteriormente
mencionadas. Estos estudios se llevan a cabo despus de que la enfermedad ha ocurrido y
por tanto pasado el perodo de induccin. La realizacin de este tipo de estudios requiere la
existencia previa de informacin sobre la exposicin. Los estudios de cohortes
retrospectivos son muy frecuentes en epidemiologa laboral donde a menudo se practican
seguimientos de empleados de una fbrica o industria utilizando registros de morbilidad o de
causas de muerte. En los estudios de cohortes retrospectivos puede ser difcil encontrar un
grupo de comparacin adecuado constituido por individuos no expuestos, por lo que se usa
a menudo la poblacin total del pas o de la regin. En estos estudios puede emplearse la
RMN (vase captulo 5) como medida de la frecuencia de enfermedad en la cohorte
estudiada comparada con la del grupo no expuesto.

Ejemplo: Para probar la hiptesis de que la exposicin laboral a productos qumicos


incrementa el riesgo de cncer, se identific a los ingenieros qumicos graduados durante el
perodo 1931- 1959 en el Real Instituto de Tecnologa de Estocolmo (Olin y Ahlbom 1980).
Esta cohorte fue seguida en el registro sueco de causas de muerte. El nmero de muertes
por cncer observado en la cohorte fue de 32. Si los qumicos en cada grupo de edad
hubieran tenido la misma tasa de mortalidad (equivalente a tasa de incidencia) que la
poblacin trabajadora del pas, se hubieran esperado 24,2 muertes por cncer. Por tanto la

RMN = 32/24,2 X 100 = 132

ESTUDIOS DE CASOS Y TESTIGOS EMPAREJADOS

En algunos estudios de casos y testigos los testigos se emparejan a los casos. Para cada caso
se seleccionan uno o varios testigos, que sean, si es posible, similares a los casos en ciertas
caractersticas. El emparejamiento de variables como la edad, el sexo y la residencia se
utiliza con mucha frecuencia. El objetivo del emparejamiento es aumentar la validez de la
comparacin de las series de casos y testigos pero la problemtica que plantea es compleja y
no ser aqu discutida en mayor profundidad. Sin embargo debemos decir que el
emparejamiento por edad no es necesario para evitar confounding debido a edad y que
existen otros mtodos para controlar el confounding en la fase del anlisis de datos.
A. Ahlbom, S, Norell

Adems, el emparejamiento puede acarrear complicaciones ya que en el anlisis de datos de


los estudios de casos y testigos emparejados es importante que los casos y sus
correspondientes testigos se mantengan emparejados (vase Miettinen, 1968 y 1970).

ELECCIN DEL GRUPO DE COMPARACIN

a. Estudios de cohortes.

En los estudios de cohortes, debe seleccionarse el grupo de comparacin de tal forma que
este sea similar al grupo expuesto con respecto a los indicadores de riesgo pertinentes,
excepto la exposicin estudiada. Generalmente, es posible elegir un grupo de comparacin
de una de las siguientes formas:

1. Comparaciones internas: Se sigue una cohorte que contiene individuos expuestos y no


expuestos.

2. Comparaciones externas: Se sigue la cohorte expuesta y se intenta encontrar un grupo de


comparacin no sometido a la exposicin pero que, por lo dems, sea similar a la cohorte
expuesta.

3. Comparaciones con la poblacin general: Se realiza el seguimiento de la cohorte


expuesta y se compara con la poblacin general.

En la etapa del anlisis de datos pueden controlarse ciertas diferencias entre los grupos, por
ejemplo las relativas a la distribucin por edad o sexo (vanse captulos 5 y 9). Sin embargo
hay otros problemas que deben ser considerados ya en la etapa de seleccin del grupo de
comparacin.

En ciertas ocasiones la frecuencia de la enfermedad puede diferir considerablemente en el


tiempo (ao, estacin, etc.) y de un lugar a otro (urbano-rural, reas geogrficas, etctera).
Para que esta variacin no afecte a los resultados, es conveniente usar un grupo testigo que
sea similar al grupo expuesto con respecto al tiempo de observacin y de la distribucin
geogrfica. La frecuencia de enfermedad puede variar tambin notablemente entre ciertos
grupos de la poblacin (nativos-inmigrantes, grupos sociales, etc.); por ello, es aconsejable
seleccionar un grupo testigo que sea similar al grupo expuesto en estas caractersticas.

El llamado efecto del trabajador sano se refiere a la presuncin de que quin trabaja en
una cierta ocupacin tiene un menor riesgo de enfermar que la poblacin general (otros
grupos laborales, y en particular la parte desempleada de la poblacin general, tendran
entonces supuestamente, un mayor riesgo de enfermar). En consecuencia, el exceso de
riesgo asociado a la ocupacin laboral resultara subestimado en los estudios donde se
confronte la experiencia de un grupo laboral con la poblacin general como grupo de
comparacin. Por otra parte, la utilizacin de la poblacin general como grupo de
comparacin implica tambin que el grupo de comparacin incluye algunos individuos
expuestos. Este error de clasificacin mente una subestimacin del efecto.

El procedimiento para identificar los individuos que desarrollan la enfermedad tiene que ser
el mismo en los dos grupos. Por ejemplo si el grupo expuesto, y no el grupo de
comparacin, ha sido sometido a exmenes mdicos peridicos, la proporcin de casos
A. Ahlbom, S, Norell

diagnosticados entre los expuestos podra ser mayor. (Comprese con la seccin acerca de
error de informacin del captulo anterior).

Para valorar cmo influye la eleccin del grupo de referencia en el resultado del estudio
puede utilizarse ms de un tipo de grupo de comparacin, (vanse ejemplos 2 y 3
anteriores). Si las comparaciones basadas en diferentes grupos de comparacin
proporcionan resultados similares, puede deducirse razonablemente que la eleccin de
grupos de referencia no afect los resultados del estudio. Otra forma de comprobarlo es
comparar los grupos expuestos y de referencia con respecto a enfermedades que se cree no
estn ase exposicin estudiada.

b. Estudios de casos y testigos.

En los estudios de casos y testigos el grupo testigo debe seleccionarse de forma que refleje
la frecuencia de exposicin en la poblacin de la que se han seleccionado los casos.

Trataremos aqu dos formas bsicas de elegir el grupo testigo:

1. Individuos residentes en una determinada rea geogrfica. Si los casos representan a


todos los casos de un rea geogrfica se puede elegir como grupo testigo una muestra de la
poblacin de dicha rea. Hay que considerar, sin embargo, la posibilidad de que existan
algunos problemas:

a) Cuando el grupo testigo es de este tipo la frecuencia con que ciertos individuos rehsan
participar en el estudio puede ser alta ya que la motivacin para ello suele ser menor en la
poblacin sana que entre aquellos que tienen la enfermedad.

b) Heterogeneidad en la calidad de la informacin obtenida de los casos y de los testigos. A


veces, las personas que padecen la enfermedad pueden estar ms predispuestas a recordar la
exposicin. (Vase la seccin de error de informacin).

2. Pacientes de un hospital: Si los casos identificados son pacientes de un hospital, los


testigos se eligen a menudo entre los pacientes del mismo hospital con otros diagnsticos.
Incluso si los casos incluidos en el estudio representan a la totalidad de los casos del rea
puede ser razonable seleccionar los testigos entre pacientes con otras enfermedades, ya que:

a) La frecuencia de aquellos que rehsan participar ser a menudo inferior (comprese con 1
(a) ms arriba).

b) La calidad de la informacin proveniente de casos y de testigos ser en general similar


(comprese con 1 (b) ms arriba).

La extraccin del grupo de testigos de la poblacin del rea geogrfica es preferible a su


eleccin de entre pacientes hospitalizados si, por distintas razones, estos ltimos pudieran
haber sido seleccionados de manera que la frecuencia de la exposicin entre los mismos no
sea representativa de la frecuencia de la exposicin en la poblacin de la que provienen los
casos.
A. Ahlbom, S, Norell

Cuando se elige un grupo de comparacin compuesto por enfermos, pueden stos


pertenecer a un mismo grupo diagnstico en el caso de que se sepa con seguridad que este
diagnstico no est asociado con la exposicin en estudio. De otra manera, se debera por
regla general elegir un grupo de comparacin compuesto por diversos grupos diagnsticos.

TAMAO DEL ESTUDIO

En los estudios epidemiolgicos basados en muy pocos sujetos, la influencia del azar ser
muy importante siendo la fiabilidad de los resultados insuficiente. El tamao del estudio
requerido en diferentes circunstancias puede determinarse por mtodos estadsticos.

El trabajo de Schlesselman (1974) acerca de los distintos mtodos de establecer el nmero


de individuos a incluir en estudios de cohortes y de casos y testigos, proporciona tablas que
sealan la cantidad de material requerida en diversas situaciones. Rothman y Boice (1982)
han escrito un programa para calculadoras de bolsillo destinado a estimar el tamao
necesario del estudio a realizar en las condiciones habituales de investigacin
epidemiolgica.

La cantidad de informacin que se precisa est determinada por diversos factores. En los
estudios de cohortes la incidencia de la enfermedad es fundamental. Las enfermedades raras
o infrecuentes requieren estudios muy amplios. Sin embargo, en los estudios de casos y
testigos es la frecuencia de la exposicin la que tiene gran importancia. Las exposiciones
poco habituales exigen mayor volumen del material de estudio.

Por lo general la eleccin del tamao del estudio est condicionada por lmites de tiempo,
los costes, o la disponibilidad de casos. En ciertas ocasiones los planteamientos descritos
anteriormente pueden no ser realistas. En lugar de ello se intenta prever los resultados de un
estudio factible, una vez que se han tenido en cuenta todas las restricciones prcticas,
eligiendo como punto de partida para la planificacin del mismo el tamao del estudio que
parece ms conveniente. El nmero de casos (o de expuestos) que posiblemente surgirn en
los grupos a comparar se estima a partir de hiptesis e informaciones previas. Las
estimaciones as obtenidas pueden ser analizadas de acuerdo a los principios discutidos en
el prximo captulo. Si los clculos revelan que probablemente el resultado del estudio ser
cuestionable, el plan de investigacin deber ser reconsiderado para determinar si es posible
aumentar el tamao del estudio.

BIBLIOGRAFA

Cole, P., The evolving case-control study, Journal of Chronic Diseases, 1979; 32:15- 27.

Doll, R. y Hill, B., Mortality of British doctors in relation to smoking: observations on


coronary thrombosis, p. 205 en Haenszel W (comp.): Epidemiological approaches
to the study of cancer and other chronic diseases, National Cancer Institute,
monografia 19; us Department of Health, Education, and We1fare, Public Health
Service, 1966.

Greenland, S. y Thomas, D. C., On the need for the rare disease assumption in case-control
studies, American Journal of Epidemiology, 1982; 116:547-553.
A. Ahlbom, S, Norell

Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from retrospective
studies of diseasejournal of the National Cancer Institute 1959; 22:719-748.

McMichael, A. J.; Spirtas, R.; Kupper, L. L. y Gamble, J. F., Solvent exposure and
leukemia among rubber workers: an epidemiologic study, Journal of the Society of
Occupational Medicine, 1975; 17:234-239.

Miettinen, 0. S., The matched pairs design in the case of all-or none responses,
Biometrics, 1968; 24:339-352.

Miettinen, 0. S., Matching and design efficiency in retrospective studies, American


Journal of Epidemiology, 1970; 91:111-118.

Miettinen, 0. S., Estimability and estimation in case-referent studes, American Journal of


Epidemiology, 1976; 103:226-235.

Olin, G. R. y AhIbom, A., The cancer mortality among Swedish chemists, Environmental
Research, 1980; 22:154-161.

Rothman, K. J. y Boice, J. D. Jr., Epidemiologic analysis with a programmable calculator,


Epidemiology Resources Inc., Boston, MA, 1982.

Rothman, K. J. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk
of cancer of the mouth and pharynx, Journal of Chronic Diseases, 1972;
25:711-716.

Schlesselman, J. J., Sample size requirements in cohort and case-control studies of


disease, Americanjournal of Epiderniology, 1974; 99:381-384.
A. Ahlbom, S, Norell

EJERCICIOS - CAPTULOS 7 Y 8

1. Describir brevemente los fundamentos de los:

a) Estudios de cohortes.

b) Estudios de casos y testigos.

2. Poner algunos ejemplos de situaciones en donde se debera realizar preferentemente un


estudio de casos y testigos, en lugar de un estudio de cohortes.

3. Un estudio de casos y testigos arroj los siguientes resultados:

Expuestos No expuestos

Casos 200 100


Testigos 80 250

Calcular el riesgo relativo.

4. Un estudio de casos y testigos sobre la asociacin entre consumo de tabaco e infarto de


miocardio proporcion los siguientes resultados:

No fumadores Fumadores (Expuestos)


(No expuestos) (N de paquetes/da)
1/2 1 2
Casos 31 9 39 18
Testigos 2706 710 1 825 605

Tomando como grupo de referencia los no fumadores, calcular el riesgo de infarto de


miocardio para fumadores que consumen:

a) 112 paquetes por da.

b) 1 paquete por da.

c) 2 paquetes por da.

5. Durante dos aos y medio se sigui a 595 pacientes que haban recibido transfusiones de
sangre y a 712 pacientes no transfundidos previamente. Al final del perodo haban
presentado hepatitis 75 individuos del grupo de los transfundidos y 16 del de los no
transfundidos.

a) A qu tipo de estudio corresponde el diseo aqu expuesto?

b) Calclese el riesgo relativo.

6. La incidencia de infarto de miocardio es ms alta en Finlandia que en Suecia. En la zona


perifrica del sur de Estocolmo se realiz un estudio de varones de mediana edad que haban
padecido infarto de miocardio en los aos 1 974- 1 976 tomando como testigos varones de la
A. Ahlbom, S, Norell

poblacin general. Por la informacin recogida se identific el pas de origen y la duracin


del perodo de su estancia en Suecia.

Inmigrantes finlandeses Ciudadanos


(n de aos en Suecia) suecos

0- 19 20+

Casos 22 10 324
Testigos 31 24 832

Tomando como grupo de comparacin los ciudadanos suecos, calcular el riesgo relativo de
infarto de miocardio de los inmigrantes finlandeses que han vivido en Suecia:

a) De 0 a 19 aos.

b) Durante 20 aos o ms.

7. En un estudio de casos y testigos se entrevistaron 110 mujeres casadas que haban


presentado infarto de miocardio y 220 testigos con objeto de identificar la presencia de
hipertensin, angina de pecho y diabetes, as corno las diferencias en el nivel de educacin
alcanzado por ambos cnyuges segn una determinada escala. Los resultados se muestran en
el cuadro adjunto. Calcular el riesgo relativo para infarto de miocardio en las mujeres con:

a) Hipertensin.

b) Angina de Pecho.

c) Diabetes.

d) Nivel educativo que difiere del de su esposo en ms de un grado.


A. Ahlbom, S, Norell

Casos Testigos

Expuestos no expuestos expuestos no expuestos

Hipertensin 5l 59 66 154
Angina de pecho 11 99 6 214
Diabetes 26 84 26 194
Nivel de educacin
superior al del esposo
en ms de 1 grado 19 91 14 206

8. Para determinar si la utilizacin de anovulatorios modifica el riesgo de presentacin de


infarto de miocardio, se realiz un estudio de casos y testigos entre enfermeras
estadounidenses casadas. En el mismo, se comparaban 159 casos hospitalizados a causa de
infarto de miocardio con 3 180 testigos. El resultado mostr que 21 de los casos y 273 de
los testigos haban utilizado anovulatorios.

a) Calclese el riesgo relativo.

b) Cules podran ser los posibles confounders que deberan considerarse?

9. En un estudio de la relacin entre leucemia aguda no linftica (LANL) y exposicin a


derivados de petrleo durante la jornada laboral, se procedi de la siguiente forma: 50 casos
de la enfermedad consecutivamente atendidos en departamentos hospitalarios fueron
identificados y la posible exposicin a dichos productos se determin a partir de informacin
acerca del ejercicio profesional. De la misma manera se seleccionaron y estudiaron 100
pacientes hospitalizados a causa de trastornos benignos. El resultado se expone a
continuacin:

LANL Trastornos benignos

Expuestos 18 10
No expuestos 32 90

Total 80 100

a) Cmo se denomina un estudio de este tipo?

b) Existe alguna asociacin entre la exposicin estudiada y la enfermedad?

c) Llvese a cabo una comparacin cuantitativa de las frecuencias de enfermedad en el


grupo expuesto y en el no expuesto.
d) En ausencia de ms informacin: Puede la posible asociacin ser considerada como de
naturaleza causal? Por qu? o Por qu no?
A. Ahlbom, S, Norell

10. En un estudio de casos y testigos se realizaron entrevistas acerca de hbitos alimenticios


y de consumo de tabaco y alcohol, ya que existan sospechas de su relacin con el desarrollo
de cierta enfermedad. Los casos consistan en todos los individuos de una poblacin bien
definida que a lo largo de un ao haban presentado una determinada forma de cncer.
Existe alguna ventaja o inconveniente en elegir los testigos de entre los individuos que
durante ese ao desarrollaron alguna otra enfermedad importante en lugar de elegirlos entre
miembros sanos de la poblacin?

11. Durante la planificacin de un estudio de casos y testigos sobre la relacin entre


consumo de alcohol e infarto de miocardio donde se admitieron como casos a pacientes del
departamento de cardiologa de un hospital universitario, se plante la eleccin entre dos
grupos de testigos. Uno de ellos estaba constituido por enfermos con patologa traumtica a
causa de accidentes que haban acudido a la unidad de urgencias de dicho hospital. El otro
grupo de testigos estaba compuesto por una muestra representativa de la poblacin del rea
de atencin de dicho hospital.

a) Qu grupo de testigos proporcionara el riesgo relativo ms alto?

b) Qu requerimiento fundamental debera cumplir la eleccin del grupo de comparacin en


este tipo de estudio?

c) Propngase un grupo testigo adecuado de acuerdo con el requerimiento aducido en (b) y


con los problemas originados por las prdidas en el seguimiento y otros relativos al error de
informacin.

12. Qu significa?:

a) Fiabilidad.

b) Validez.

13. Pngase un ejemplo propio de escasa validez por la existencia de:

a) Sesgo de seleccin.

b) Sesgo de informacin.

c) Confounding.

14. En una muestra elegida al azar en una determinada poblacin, se determin el consumo
de alcohol de cada individuo. Estos se clasificaron en 2 grupos: consumidores y no
consumidores de alcohol. Su seguimiento mostr una diferencia por exceso en la incidencia
de cncer broncopulmonar en el grupo de los consumidores de alcohol. Discutir la validez.

15. En un estudio de casos y testigos, se interrog a individuos que haban presentado


cncer de pulmn y a testigos sanos acerca de la aparicin de casos de cncer pulmonar en
familiares consanguneos. La finalidad del estudio era analizar el rol causal de la herencia en
la aparicin del cncer de pulmn.

a) Disctase el posible error de informacin.


A. Ahlbom, S, Norell

b) Mencionar algunas posibles causas de confounding.

16. a) Qu posibles confounders (aparte de la edad) deberan ser considerados en un


estudio de las relaciones entre trabajo en minera e incidencia en varones de cncer de
pulmn y de cavidad orofarngea?

b) Qu requerimiento deberan satisfacer estos factores para que fueran considerados corno
confounders en un estudio de cohortes?

17. El riesgo de presentacin del sndrome de Down aumenta con la edad de la madre.
Supngase que se desea estudiar si la edad del padre influye de igual manera en el riesgo.

a) Mencinese un confounder que debiera ser tenido en cuenta en este estudio.

b) Por qu este factor es un confounder?

18. Un estudio mostr que las mujeres que toman al menos 5 tazas de caf al da corren un
riesgo (RR estandarizado por edad) de padecer infarto de miocardio dos veces superior al de
otras mujeres. Un anlisis ms detallado mostr que este exceso de riesgo poda ser casi
totalmente atribuido a la presencia de un confounder De qu factor se trata?

19. En un estudio de cohortes se desea estudiar la relacin entre el consumo de alcohol de


las madres durante el perodo de embarazo y el denominado sndrome alcohlico fetal del
recin nacido. Discutir el posible error de informacin.

20. Un estudio del tipo casos y testigos sobre leucemia linftica crnica (LLC) mostr que
esta enfermedad apareca con una frecuencia considerablemente mayor de la esperada entre
los parientes cercanos de los casos. Esto podra ser interpretado como expresin del papel
desempeado por los factores hereditarios en la aparicin de la LLC. Propngase una
interpretacin diferente de los hechos.

21. Durante el perodo 1949- 60 miles de nios israeles fueron tratados con radiaciones (un
equivalente a 120- 140 rads sobre la superficie craneal) a causa de la tia Para estudiar el
posible influjo de esta irradiacin en el desarrollo psquico de los nios se sigui a 11 000 de
entre los expuestos. Finalmente se demostr que dichos nios posean un cociente intelectual
inferior, haban obtenido peores calificaciones escolares, y haban realizado su escolarizacin
durante un perodo de tiempo ms corto que los nios de un grupo de comparacin.

a) Qu posibles confounders deberan ser considerados si el grupo de comparacin fuera


una muestra representativa (en edad y sexo) de la poblacin?

b) Propnganse otros grupos de comparacin susceptibles de ser elegidos.

22. Los individuos expuestos al amianto por razones laborales se someten a exmenes de
salud que incluyen radiografas torcicas. En caso de hallazgos positivos se remiten los
pacientes al medio hospitalario para ser sometidos a exmenes ms precisos. En una
policlnica hospitalaria se desea realizar un estudio, del tipo casos y testigos, sobre la
relacin entre placas pleurales (PP) identificadas por rayos X y exposicin al amianto en
lugares de trabajo. Los casos con (PP) y los testigos (sin PP) fueron todos los pacientes de
A. Ahlbom, S, Norell

la policlnica que durante un ao estuvieron sometidos a estudio radiolgico de trax.


Discutir la validez.

23. La determinacin del nivel de colesterol srico formaba parte del cribado a que se
someti un elevado nmero de varones de mediana edad. El seguimiento de causas de
muerte a los tres aos mostr que las tasas de mortalidad por cncer eran significativamente
ms altas entre aquellos que haban presentado niveles de colesterol srico bajos (menor de
170 mg/100 m1) que entre los restantes. Disctase la validez.

24. En un estudio realizado en Boston se compar la mortalidad especfica de 5656


bomberos con la correspondiente a la poblacin masculina blanca de Massachusetts y a la de
la poblacin total de USA. El objetivo del estudio era determinar si el medio ambiente y las
condiciones laborales del cuerpo de bomberos influyen en el riesgo de fallecer a causa de
ciertas enfermedades. Los resultados mostraron la existencia de unas RMN menores del
50% para enfermedades infecciosas, diabetes, cardiopatas reumticas, nefritis crnica,
enfermedades hematolgicas y suicidio. Comntese la validez de este estudio.

25. En un estudio de poblaciones se encontr que el consumo de alcohol presentaba una


asociacin negativa con actividad fsica y positiva con el consumo de tabaco y obesidad.
Disctase la validez de un estudio de cohortes realizado en este contexto, que mostrase que
los consumidores de alcohol presentaban un riesgo ms alto de padecer infarto de
miocardio.

26. Un estudio mostr que las madres que ingieren cantidades importantes de alcohol
durante el embarazo dan a luz nios de talla, peso y permetro craneal menores, y que
presentan malformaciones con mayor frecuencia que otros nios. Qu posibles confounders
deben tenerse en cuenta, si se desea obtener conclusiones acerca del efecto de la exposicin
al alcohol en la talla, peso, permetro craneal y riesgo de malformaciones de los nios?

27. En la tabla siguiente se exponen los resultados de un estudio sobre dicta y hbitos de
consumo de alcohol y tabaco de enfermos de cncer de laringe y de un grupo de testigos
varones.

Consumo de cigarrillos (paquetes/da) Casos Testigos


0 43 163
< 1/2 25 41
112- 1 171 126
>1 135 51
Total 374 381

Consumo de alcohol (unidades/mes) Casos Testigos


0 38 87
<3 41 51
3- 30 111 104
> 30 179 116
Total 369 358
A. Ahlbom, S, Norell

Vitamina A (UI/mes) Casos Testigos


< 50 500 98 78
50 500- 150 500 201 216
> 150 500 39 65
Total 338 359

Calclese el riesgo relativo de cncer de laringe:

a) Para cada uno de los niveles de consumo de tabaco en comparacin con los fumadores.

b) Para cada nivel de consumo de alcohol en comparacin con los no consumidores.

c) Para cada nivel de consumo de vitamina A en comparacin con los de mayor consumo.

d) Cmo pueden interpretarse los resultados?

e) Qu posibles confounders deben ser considerados en un estudio de la relacin entre


consumo de alcohol y cncer de laringe.

f) Qu debe considerarse en la eleccin del grupo testigo en un estudio como ste?

28. Disear esquemticamente un estudio epidemiolgico cuya finalidad fuese determinar el


efecto de la exposicin repetida a rayos-X en el riesgo de padecer cncer de mama.
Disctase la validez.

29. Disear esquemticamente un proyecto de estudio epidemiolgico cuyo objeto fuera


determinar el posible efecto de la exposicin al polvo de madera en condiciones laborales en
el riesgo de padecer cncer de cavidad nasofarngea. Discutir la validez.
A. Ahlbom, S, Norell

9. ANALISIS DE RESULTADOS

INTERVALOS DE CONFIANZA Y PRUEBAS DE SIGNIFICACIN

Medidas de frecuencia de enfermedad

Los estudios epidemiolgicos se diferencian en dos grupos segn sus objetivos. El primero
rene aquellos dirigidos a determinar la frecuencia de enfermedad en una poblacin. El otro
grupo est compuesto por los que tienen como finalidad evaluar la asociacin entre
exposicin (o caracterstica) y frecuencia de enfermedad.

Los estudios que describen frecuencias de enfermedad se sirven de medidas de la misma


como la prevalencia, la incidencia acumulada o la tasa de incidencia. Los valores obtenidos
deben expresarse con un intervalo de confianza que proporciona informacin acerca de su
fiabilidad. Un intervalo de confianza del 95% es realmente un rango de valores, que
corresponde a las posibilidades de variacin aleatoria, y que incluye el verdadero valor o
valor real con una probabilidad del 95%. Esto significa que, en promedio, el 95% de los
intervalos contienen el verdadero valor del parmetro estimado y el 5% no. La estimacin
del intervalo de confianza proporciona una cierta informacin acerca de la fiabilidad del
estudio. Esto es de gran importancia en investigaciones epidemiolgicas en las que las
variaciones aleatorias condicionadas por el reducido nmero de enfermos estudiados juegan
un papel significativo en la interpretacin de los resultados.

Para una discusin detallada sobre el clculo y la interpretacin de un intervalo de confianza,


el lector puede dirigirse a un texto de estadstica, vg. Armitage (1971). En general, cuando
el tamao del estudio es suficientemente grande, los intervalos de confianza para medidas de
frecuencia de enfermedad pueden obtenerse utilizando los siguientes procedimientos:

a) Prevalencia

Denominamos B al nmero de individuos que presentan la enfermedad y N al nmero de


individuos en total de la poblacin; segn la definicin antes enunciada, la prevalencia sera:
B
P = -----------
N

El intervalo de confianza del 95% se obtendra como:

P 1,96 ((P(1- P) )
N

donde operando con los signos + y - se obtienen respectivamente los lmites superior e
inferior del intervalo. La constante 1,96 corresponde al nivel de confianza deseado del 95%.

Ejemplo: En un ejemplo del captulo 2 se hizo referencia a un estudio de prevalencia de


artritis reumatoide, siendo entonces B = 70 y N = 1 038. Resultando, P = 0,07. El intervalo
de confianza del 95% sera:
A. Ahlbom, S, Norell

0,07 11,96 ( 0,07 x 0,93) o sea 0,05-0,09.


1 038

b) Incidencia acumulada

Denominando A al nmero de individuos que enferman durante el perodo de observacin y


N al nmero de individuos en riesgo al comienzo de dicho perodo, tendramos que:

I= A
N

El intervalo de confianza del 95% se obtiene de acuerdo con los mismos principios antes
expresados, ya que tanto la prevalencia como la incidencia acumulada son proporciones:

IA 1,96 ( IA(1- IA) )


N

Ejemplo: En otro ejemplo en el captulo 2, se mencion que durante un cierto perodo de


tiempo 11 individuos de un total de 3 076 desarrollaron tumores cerebrales. Siendo A = 11,
N = 3 076 e IA = 0,04, el intervalo de confianza sera:

0,004 1,96 ( (0,004 x 0,996)) o sea 0,002-0,006.


3076

c) Tasa de incidencia

Si denominarnos A al nmero de casos que aparecen durante el perodo de observacin y R


al nmero de aos en riesgo, la tasa de incidencia sera:

I=A
R

El intervalo de confianza correspondiente vendra dado por:

I 1,96 I/R
Ejemplo: En un tercer ejemplo en el captulo 2 se calculaba la tasa de incidencia del infarto
de miocardio. Con la notacin empleada aqu tendramos que A = 29, R = 41 532 y en
consecuencia 1 = 0,0007. El intervalo de confianza sera:

0,0007 1,96 (0,0007 ) o sea 0,0005-0,0010.


41 532

Medidas de frecuencia comparada de enfermedad


A. Ahlbom, S, Norell

El objetivo del estudio de la asociacin entre exposicin y enfermedad es la medicin de la


desigualdad de las frecuencias de la enfermedad estudiada en las poblaciones expuestas y no
expuestas. Tradicionalmente, el anlisis de los resultados de tales estudios se realiza en dos
etapas. En la primera, se comprueba si existe una asociacin, una vez tenidas en cuenta las
variaciones debidas al azar. Para esto se lleva a cabo una prueba de hiptesis estadstica o
prueba de significacin. En la etapa siguiente se cuantifica la asociacin entre exposicin y
frecuencia de enfermedad empleando alguna de las medidas de frecuencia comparada de
enfermedad discutidas en el captulo 5. Esta medida se expresar con un intervalo de
confianza que proporcione informacin sobre la fiabilidad. La realizacin de las pruebas de
hiptesis y la obtencin de intervalos de confianza son dos mtodos de presentacin
resumida de una propiedad de la informacin. Sin embargo, el uso de los intervalos de
confianza es preferible al de los test de significacin. Estos ltimos fueron desarrollados
dentro de la teora de decisin con finalidades prcticas, siendo este tipo de problemtica
absolutamente diferente del que se plantea en la investigacin epidemiolgica. La utilidad de
las pruebas de hiptesis en este terreno ha sido seriamente puesta en duda por algunos
(Rothman, 1978).

El libro Rothman y Boice (1982) previamente citado, contiene programas a utilizar en la


mayor parte de los anlisis necesarios en este campo. A continuacin se presentan algunos
mtodos bsicos de anlisis de datos.

a. Prueba de hiptesis

Los estudios de pequeo volumen requieren el empleo de los mtodos denominados


exactos. Los mtodos de prueba de hiptesis que aqu se describen pueden ser aplicados
con la condicin de que el nmero de individuos no sea demasiado pequeo. Estos mtodos
pueden ser tambin fcilmente desarrollados para su aplicacin en situaciones ms
complejas, por ejemplo cuando el material est estratificado (vase la segunda parte de este
captulo).

La cantidad de casos observados (0) se compara con la correspondiente cantidad esperada


(E) teniendo en cuenta la varianza (V). La prueba estadstica aqu empleada es:

X= 0-E
y

El nivel de significacin correspondiente a la cifra-chi obtenida, se determina extrayendo el


valor de la denominacin p de la tabla de la distribucin normal. El valor de p es la
probabilidad de que una desigualdad tan grande como la observada entre los grupos
comparados pudiera ser debida al azar. Dicho de otra manera: la probabilidad de obtener un
valor de p, por ejemplo, igual o menor que 5% sera del 5% en el caso de que no existiese
asociacin entre exposicin y enfermedad y mayor que el 5% si ocurriese lo contrario. Es
importante reconocer que el valor de p no es la probabilidad de que la hiptesis de
asociacin sometida a prueba sea cierta. Si se desea, puede tambin utilizarse X 2 en lugar de
X. En este caso, el valor de p se obtiene de la tabla de distribucin de X 2 para un grado de
libertad.

Los resultados de pruebas de hiptesis que se publican suelen ser aquellos para los que se
obtuvieron valores de p menores de 5%, 1 % 0,1 %. A veces se utiliza una notacin
A. Ahlbom, S, Norell

simple a base de uno, dos o tres asteriscos respectivamente. Estos lmites para los niveles de
significacin no son en s ms tiles que otros y tampoco es que el valor del 5% est
asociado con un significado o hecho especial. En realidad no hay ninguna razn para no
publicar el valor exacto de la p que se obtuvo en la prueba de hiptesis.

Estudios de cohortes - incidencia acumulada:

En los estudios de cohortes en los que se trabaja con incidencias acumuladas los datos
pueden ordenarse en una tabla de cuatro campos (vase figura 15).

El nmero observado de casos entre los expuestos es Al. El nmero correspondiente de


casos esperados y la varianza se calculan en base al modelo estadstico de distribucin
hipergeomtrica de la manera siguiente:

O = A1, E = Nl A y V= N1N0A (N-A)


N N 2 (N-1)

Expuestos
SI No Total
Enfermos SI A1 A0 A
No N1-A1 N0-A0 N-A
Total N1 N0 N

FIGURA 15. Disposicin de los datos de un estudio de incidencia acumulada en cohortes.

Ejemplo: Supongamos que de un total de cien individuos expuestos 20 desarrollan una


enfermedad. En un grupo de comparacin integrado por 200 individuos no expuestos, 25
desarrollan la enfermedad. Estos datos pueden ordenarse en una tabla de 2 X 2 (Vase el
cuadro 1l),

CUADRO 11. Nmero de individuos y de casos en un estudio de cohortes segn su grado


de exposicin.

Expuestos
SI No Total

Enfermos SI 20 25 45
No 80 175 255
Total 100 1 200 300

En este ejemplo tendramos que:

0=20, E= 45 x 100 = 15
300

y V= 45 x 255 x 100 x 200 = 8,53


3002 x (300-1)
A. Ahlbom, S, Norell

y por tanto

X = 20 - 15 = 1,71
8,53

En la tabla de distribucin normal se puede leer que a un valor de chi de 1,71 corresponde
un valor de p = 0,08. El correspondiente valor de X2 sera:

(20- 15)2
X 2 = 8,53 =2,93

La mayora de las tablas de distribucin de X2 son de baja precisin. Generalmente slo


muestran que al resultado obtenido le corresponde un valor de p entre 5% y 10% o algn
otro rango amplio.

Estudios de cohortes - tasas de incidencia:

En estudios de cohortes que utilizan tasas de incidencia, es preciso tener en cuenta la


distribucin de los valores que expresan los aos en riesgo de los grupos expuestos y no
expuestos. Los datos pueden ordenarse en una tabla como la que se muestra en la figura 16.

Expuestos

SI No Total

Casos A1 A0 A
Aos en riesgo R1 R0 R

FIGURA 16. Disposicin de los datos de un estudio de tasas de incidencia en cohortes.

El nmero observado de casos entre los expuestos es Al. Calculando en base a una
distribucin binomial, el nmero esperado de casos y la varianza vendran dados por:

E = AR1 y V = AR1Ro
R R2

Ejemplo: En el estudio de la relacin entre hbito de fumar y mortalidad por cardiopata


isqumica citado previamente se obtuvieron los siguientes datos:

CUADRO 12. Nmero de casos y de aos en riesgo segn el grado de exposicin en un


estudio de cohortes.
A. Ahlbom, S, Norell

Fumadores

SI No Total

Casos 206 28 234

Personas-ao 28612 5710 34322

0 = 206, E = 234 x 28 612 = 195,07


34322

234 x 28 612 x 5 710


y V = 343222 = 32,45

Por tanto,

X = 206-195,07 = 1,92
32,45

cifra a la que corresponde un valor de p de 0,06.

Estudios de cohortes - razn de mortalidad normalizada:

La razn de mortalidad normalizada (RMN) se defini en el captulo 5 como la razn del


nmero de casos observados en una poblacin al correspondiente nmero de casos
esperados. Para la prueba de hiptesis tendramos que 0 = Nmero observado y E = V =
Nmero esperado.

Ejemplo: Anteriormente vimos un ejemplo de estudio retrospectivo, referido a una cohorte


compuesta por ingenieros qumicos, dnde se mostraba el clculo de la razn de mortalidad
normalizada, siendo

A = 32, E = 24,2 y consecuentemente V = 24,2. Aplicando a estos datos el test antes


mencionado tendramos que:

X = 32 - 24,2 = 1 ,59
24,2

a este valor de y, corresponde un valor de p = 0,11.

Estudios de casos y testigos:

Segn se vio anteriormente, los datos de un estudio de casos y testigos pueden ordenarse en
una tabla de 2 X 2 de igual forma que los datos de un estudio de cohortes para incidencias
acumuladas (vase figura 17). En este caso puede utilizarse con plena validez el mismo
procedimiento de prueba de hiptesis.

Expuestos

Si No Total
A. Ahlbom, S, Norell

Casos a b N1
Testigos c d N0

Total a+c b+d N

FIGURA 17. Disposicin de los datos de un estudio de casos y testigos.


A. Ahlbom, S, Norell

CUADRO 13. Nmero de individuos expuestos y no expuestos segn su condicin de casos


o de testigos en un estudio de este tipo.

Fumadores
Si No Total

Casos 457 26 483


Testigos 362 85 447
Total 819 111 930

Ejemplo: En un ejemplo anterior se mostraron datos de un estudio de casos y testigos sobre


hbito de fumar y cncer de orofaringe. Estos datos se muestran en el cuadro 13.

El nmero observado de casos expuestos es 475. Por lo tanto tendramos que:

0 = 457, E = 819 x 483 = 4 25,35


930

V = 819 x 111 x 483 x 447 = 24,43


9302 x (930- 1)

y = 457 - 425,35_ = 6,40


24,43

a la que corresponde un valor de p muy cercano a 0. Esto significa que la diferencia en


frecuencia de exposicin entre casos y testigos aqu constatada, puede slo muy
improbablemente ser debida al azar.

b. Intervalos de confianza

Miettinen (1976) propuso un mtodo para calcular intervalos de confianza aproximados, que
se basa en los valores obtenidos en la prueba de hiptesis. Este mtodo que aqu se describe
aplicado a dos situaciones sencillas puede utilizarse tambin sin modificacin alguna, en
situaciones ms complejas, como por ejemplo con informacin estratificada.

Diferencia entre medidas de frecuencia de enfermedad.

En el captulo dedicado a la comparacin de frecuencias de enfermedad se distingua entre


comparaciones por sustraccin y comparaciones por cociente.

Si se denomina D a la diferencia entre frecuencias de enfermedad en expuestos y en no


expuestos, utilizando cualquiera de las tres medidas de frecuencia de enfermedad
anteriormente mencionadas, el intervalo de confianza del 95% basado en la prueba de
hiptesis se calcula aplicando la siguiente expresin:

D (1 1,96/X)

donde 1,96 corresponde al nivel de confianza deseado, tomando y el valor obtenido en la


prueba de hiptesis.
A. Ahlbom, S, Norell

Ejemplo: Considerando de nuevo el estudio de Doll y Hill sobre hbito de fumar y


cardiopata isqumica, las tasas de incidencia en fumadores y no fumadores fueron
respectivamente, I1 = 0,007 e I0 = 0,005. De la prueba de hiptesis result X = 1,92. El
intervalo de confianza de la diferencia de tasas de incidencia sera:

(0,007 - 0,005) X (1 1,96/1,92)

siendo 0,000 y 0,004 respectivamente los limites superior e inferior del intervalo.

Cociente de medidas de frecuencia de enfermedad.

El intervalo de confianza de las diferencias entre medidas de frecuencia de la enfermedad es


simtrico, con centro en el valor estimado de la diferencia. Los cocientes o razones de
medidas de frecuencia de la enfermedad son en s asimtricos; nunca son inferiores a 0 y no
tienen lmite superior. Esta asimetra debe ser tenida en cuenta cuando se construyen sus
intervalos de confianza. Si denominamos riesgo relativo (RR) a la razn de frecuencias de
enfermedad en expuestos y no expuestos, se obtiene un intervalo de confianza del 95%,
basado en la prueba de hiptesis,

RR(1 1,96/X)

Ejemplo: En el estudio sobre hbito de fumar y cncer de orofaringe resultaron ser RR =


4,1 y X = 6,40. El intervalo de confianza del 95% sera:

4,1(1 1,96/6,40)

cuyos lmites inferior y superior son respectivamente 2,7 y 6,3.

ESTRATIFICACIN

En el captulo 7 se discuti la calidad de los estudios epidemiolgicos. All se consideraba


que el confounding era una fuente de error que hasta cierto punto poda ser controlada en la
etapa de anlisis de los datos. Esto puede lograrse utilizando mtodos estadsticos de anlisis
de variables mltiples o tambin, como se describe a continuacin, estratificando el material.
La estratificacin consiste en la separacin de los datos en subgrupos o estratos. El principio
bsico para el uso de la estratificacin en el control del confounding se ilustra mediante dos
ejemplos, un estudio de cohortes y un estudio de casos y testigos.

Estudio de cohortes

El cuadro 14 presenta el material de un estudio epidemiolgico de cohortes. El propsito del


mismo era investigar la relacin del consumo de alcohol con una cierta enfermedad. Por una
parte exista la sospecha, de que el hbito de fumar poda estar asociado con la ingesta de
alcohol; por otra parte, no poda descartarse que el tabaco no fuera una causa
complementarla de la enfermedad. En otras palabras, se consideraba al tabaco como un
potencial confounder. Por esta razn se obtuvo informacin no slo sobre el consumo de
alcohol sino tambin sobre el consumo de tabaco.

CUADRO 14. Nmero de aos en riesgo y de casos segn los consumos de alcohol y de
tabaco.
A. Ahlbom, S, Norell

Alcohol Tabaco Aos en riesgo Casos I


No No 75000 75 0,001
No Si 25000 50 0,002
Si No 25000 50 0,002
Si Si 75000 300 0,004

Prescindiendo de la informacin relativa al consumo de tabaco, los datos podran haberse


ordenado como muestra el cuadro 15.

CUADRO 15. Tasas de incidencia segn consumo de alcohol.

Alcohol I RR

Si 0,00350 2,8

No 0,00125

El riesgo relativo (RR), obtenido como cociente de las tasas de incidencia en expuestos y en
no expuestos, indica la existencia de una asociacin importante entre consumo de alcohol y
aparicin de la enfermedad. Sin embargo, si el hbito de fumar fuese ms comn entre
aquellos que consumen alcohol que entre los que no lo consumen, y si, adems, el consumo
de tabaco fuese una causa de la enfermedad, los resultados observados podran aparecer sin
que el consumo de alcohol estuviera implicado en el proceso causal de la enfermedad
(recurdese el ejemplo de los dedos pigmentados y el cncer de pulmn). Para analizar este
problema se estratifica el material de acuerdo con el consumo de tabaco. Ello implica que los
datos se dividen, en este ejemplo, en dos estratos, uno que agrupa a los fumadores y otro a
los no fumadores. El cuadro 16 contiene esta informacin estratificada y muestra que en
ambos estratos, fumadores y no fumadores, la tasa de incidencia es dos veces ms alta entre
las personas que consumen alcohol que entre las que no lo consumen.

CUADRO 16. Tasas de incidencia segn consumos de alcohol y tabaco.

Tabaco Alcohol I RR
Si Si 0,004 2
Si No 0,002
No Si 0,002 2
No No 0,001

La razn de tasas disminuye de 2,8 a 2 s se controla el hbito de fumar. Podra as


interpretarse que la estimacin de 2,8 observada antes de controlar el hbito de fumar refleja
el efecto conjunto del consumo de alcohol y del consumo de tabaco.

Un anlisis posterior del ejemplo muestra que el consumo de tabaco cumple los dos criterios
para ser considerado un confounder. En la columna del cuadro 14 que presenta el nmero
de aos en riesgo se puede observar que existe una asociacin entre consumo de alcohol y
hbito de fumar. El cuadro revela igualmente que el tabaco por s mismo est asociado con
un incremento de la tasa de incidencia, es decir, tras controlar el consumo de alcohol.
A. Ahlbom, S, Norell

Estudio de casos y testigos

Si de la poblacin base del ejemplo anterior se hubieran seleccionado todos los casos y 200
testigos, se habran obtenido los siguientes datos:

CUADRO 17. Nmero de casos y de testigos segn consumo de alcohol y de tabaco.

Alcohol

Si No
Tabaco
Tabaco
Si No Si No Total

Casos 300 50 50 75 475


Testigos 75 25 25 75 200

Ignorando la informacin sobre el hbito de fumar y reagrupando estos datos en una tabla de
2 X 2 tendramos que

CUADRO 18. Nmero de casos y testigos segn el consumo de alcohol.

Alcohol

Si No Total

Casos 350 125 475

Testigos 100 100 200


A. Ahlbom, S, Norell

El riesgo relativo estimado a partir de estos datos sera:

RR =350 x 100 = 2,8


125 x 100

Estratificando segn el consumo de tabaco obtenemos los datos del cuadro 19.

CUADRO 19. Riesgos relativos correspondientes al consumo de alcohol segn el hbito


de
fumar.

Tabaco

Si No
Alcohol
Alcohol
Si No Si No Total

Casos 300 50 50 75 475


Testigos 75 25 25 75 200
RR 2 2

El riesgo relativo estimado en los dos estratos de consumo de tabaco es de 2,0. Es decir, el
efecto del confounding se observa de igual manera en el diseo del tipo casos y testigos
cuando el consumo de tabaco no ha sido debidamente controlado.

BIBLIOGRAFA

Armitage, P., Statistical methods in medical research, BlackweIl Scientific Publishers;


1971. Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from
retrospective studies of disease, Journal of the National Cancer Institute, 1959;
22:719-748.

Miettinen, 0. S., Estimability and estimation in case-referent studies, American Journal of


Epidemiology, 1976; 100:226- 235.

Miettinen, 0. S., Stratification by a multivariate confounder score, American Journal of


Epidemiology, 1976; 104:609- 620.

Rothman, K. J., A show of confidence (editorial), New Englandjournal of Medicine,


1978; 299:1362- 1363.

Rothman, K. J. y Boice, J. D. jr., <Epidemiologic analysis with a programmable


calculator, Epidemiology Resources Inc., Boston, MA 1982.
A. Ahlbom, S, Norell

EJERCICIOS - CAPITULO 9

1. Calcular el intervalo de confianza del 95% de la frecuencia de marcadores de hepatitis B


en cada una de las dos categoras de personal en el ejercicio n 10 del captulo 2. Comentar
los resultados.

2. Calcular el intervalo de confianza del 95% de la frecuencia de carcinoma in situ del


ejercicio n 11 del captulo 2.

3. Calcular el intervalo de confianza del 95% de la frecuencia de glaucoma de ngulo abierto


del ejercicio n 14 del captulo 2.

4. Calcular el intervalo de confianza del 95% de la frecuencia de meningitis bacteriana del


ejercicio n 15 del captulo 2.

5. En el ejercicio n 20 del captulo 2 se estimaba, para los nios con bajo peso al nacer, los
valores de (a) mortinatalidad y (b) mortalidad en nacidos vivos. Calcular el intervalo de
confianza del 95% para (a) y (b), respectivamente.

6. Calcular el intervalo de confianza del 95% de la frecuencia de cardiopata isqumica en el


grupo (a) y el grupo (b) del ejercicio n 22 del captulo 2.

7. Calcular, con los datos del ejercicio n 22 del captulo 2, el riesgo relativo de cardiopata
isqumica en varones con colesterol srico igual o superior a 260 mg/100 ml y presin
sistlica superior o igual a 167 mm/Hg (grupo d) en relacin a los varones con colesterol
srico inferior a 220 mg/100 ml y presin sistlica inferior a 147 mm/Hg (grupo a). Calcular
el intervalo de confianza del 95% del riesgo relativo. Comentar los resultados.

8. En el ejercicio n 5 del captulo 8 se comparan los riesgos de contraer hepatitis en


pacientes que han recibido transfusiones sanguneas y en los que no las han recibido.
Calcular el intervalo de confianza del 95% del riesgo relativo.

9. En el ejercicio n 18 del captulo 2 se compara la frecuencia de lesiones por accidentes de


motocicleta en habitantes del centro y de los alrededores urbanos. Estimar el riesgo relativo
(zona centro/ alrededores) para el grupo de edad de 15 a 19 aos. Calcular el intervalo de
confianza del 95% del riesgo relativo.

10. En el ejercicio n 2 del captulo 6 se obtena la razn de mortalidad normalizada por


infarto de miocardio en diabticos. Calcular el intervalo de confianza del 95%.

11. En el ejercicio n 4 del captulo 6 se obtena la RMN por tumores seos malignos en
trabajadores industriales expuestos a radio. Calcular el intervalo de confianza del 95%.

12. Calcular el riesgo relativo de infarto de miocardio del total de los fumadores (1/2 - 2
paquetes de cigarrillos diarios) comparndolos con los no fumadores, segn los datos del
ejercicio n 4 del captulo 8. Estimar los lmites del intervalo de confianza del 95%.

13. En el ejercicio n 6 del captulo 8 se estim el riesgo relativo del infarto de miocardio de
inmigrantes finlandeses comparndolos con suecos nativos. Calcular el intervalo de
A. Ahlbom, S, Norell

confianza del 95% para los inmigrantes finlandeses residentes en Suecia durante (a) 0- 19
aos (b) 20 aos o ms.

14. Con el objeto de estudiar el efecto del consumo de tabaco y el trabajo al aire libre
(exposicin a radiaciones solares) en el riesgo de padecer cncer labial, se realiz un estudio
comparativo de enfermos varones de edad 50- 59 aos que padecan de cncer labial o de la
piel. Los resultados se exponen en la tabla siguiente:

Cncer de

Labio Piel

Fumadores, trabajo al aire libre 51 6


Fumadores, trabajo a cubierto 24 10
No fumadores, trabajo al aire libre 15 8
No fumadores, trabajo a cubierto 3 5

a) Cul es el diseo de este estudio?


b) Discutir la eleccin del grupo de referencia.
c) Calcular el riesgo relativo de cncer de labio para trabajo en el exterior comparado con
trabajo a cubierto.
d) Calcular el riesgo relativo de cncer de labio para trabajo en el exterior comparado con
trabajo a cubierto despus de estratificar para hbito de fumar.
e) Calcular el riesgo relativo de cncer de labio para fumadores comparados con no
fumadores.
f) Calcular el riesgo relativo de cncer de labio para fumadores comparados con no
fumadores estratificando para trabajo en el exterior y trabajo a cubierto respectivamente.
g) Calcular el riesgo relativo de cncer de labio para fumadores con trabajo en el exterior
comparado con fumadores con trabajo a cubierto.
h) Cmo podran interpretarse los resultados? Cmo puede haber afectado la eleccin del
grupo de referencia a los resultados obtenidos?
A. Ahlbom, S, Norell

SOLUCIONES EJERCICIOS - CAPITULO 2

1. La poblacin de Estados Unidos aument durante el perodo 1930-1970 de 117 a 230


millones de habitantes. La tasa de mortalidad por cncer (n de muertes por cncer en un
ao/100 000 habitantes) aument en 61,5% en el mismo perodo.

La distribucin por edad de la poblacin cambi al aumentar la proporcin de personas de


ms edad. La mortalidad estandarizada por edad debida a cncer se increment en un 9,5%
de 1930 a 1970.

El perfeccionamiento de los procedimientos diagnsticos puede haber contribuido a que se


haya registrado un mayor nmero de muertes por cncer, pero tambin los avances
teraputicos pueden haber contribuido a una disminucin de la mortalidad por cncer.

2. Cantidades relativas. En las comparaciones de frecuencia de enfermedad es necesario usar


medidas que sean independientes del tamao de la poblacin observada.

3. Medidas de incidencia. Estas describen el flujo entre la parte de poblacin en estado de


salud y la que padece la enfermedad. Este flujo es lo que se desea reducir mediante las
medidas preventivas.

4. a) 2% de la poblacin padece la enfermedad en un momento determinado.

b) Se producen 5 casos de enfermedad por 10 000 aos en riesgo.

5. La duracin media de la enfermedad disminuye.

6. La tasa de incidencia es el nmero de casos nuevos de la enfermedad relativo al perodo


en riesgo (aos vividos sin padecer la enfermedad). La incidencia acumulada es el nmero de
individuos que contraen la enfermedad en un perodo, en relacin al nmero de individuos
(libres de la enfermedad) al comienzo del perodo. La tasa de incidencia, pero no la
incidencia acumulada, es independiente de la duracin del perodo de observacin. La
incidencia acumulada no tiene dimensin y puede tomar valores slo de 0 a 1, mientras que
la tasa de incidencia tiene la dimensin por unidad de tiempo y puede tomar valores desde
0 sin lmite superior.

7. Ejemplo 1: De 100 individuos libres de la enfermedad al principio del ao, la presentaron


90 de ellos, siendo un proceso de muy corta duracin (insignificante). 50, de estos 90,
enfermaron una vez y 40 dos veces durante el ao.

I = (50 x 1) + (40 x 2) = 1,3 por ao


100

IA = 90/100 = 0,9

El 90% de los individuos enfermaron durante el ao; el nmero de casos de la enfermedad


por ao en riesgo es de 1,3.

Ejemplo 2: De cien individuos sin la enfermedad al comienzo del ao, enfermaron 80 de


ellos al cabo de un promedio de seis meses. La enfermedad consista en un proceso de larga
A. Ahlbom, S, Norell

duracin (mayor de medio ao). Tiempo de riesgo = (20 x 1) + (80 x 1/2) = 60 aos 1 =
80/60 = 1,3 por ao en riesgo IA = 80/100 = 0,8 en un ao

8. Nmero de casos = 532

Tamao medio de la poblacin = 520 + 680 = 600


2

Perodo de observacin = 4 aos


Tiempo en riesgo = 600 x 4 = 2400 aos
1 = 532/2 400 = 0,22 por ao
9. P = 100/1000 = 0,10

IA = 200 = 0,22 en un perodo de 10 aos


1 000- 100

La incidencia no puede calcularse ya que se desconoce la distribucin de los perodos de


tiempo en riesgo.

10. P1 = 14/67 = 0,21


P0 = 4/72 = 0,06

11. I = 123/338 294 = 0,00036 por ao

12. P = 25/5 000 = 0,005

IA = 10 = 0,002 en un perodo de 5 aos


5000-25

13. Nmero de casos = 270

Tamao medio de la poblacin = 18 500 + 21 500 = 20000


2
Perodo de observacin 5 aos

Tiempo total en riesgo 20 000 x 5 = 100 000 aos


I = 2701100 000 = 0,0027 por ao

14. P (catarata) = 310/2 477 = 0,125


P (degeneracin macular senil) = 156/2 477 = 0,063
P (retinopata diabtica) = 67/2 477 = 0,027
P (glaucoma de ngulo abierto) = 64/2 477 = 0,026
P (ceguera) = 22/2 477 = 0,009

15. I = 435/7 250 000 = 6,0 x 10-5 por ao

16. Nmero de casos = 97 + 121 + 112 = 330

Tamao medio de la poblacin = 309 949 + 332 400 = 321 174,5


2
A. Ahlbom, S, Norell

Perodo de observacin = 3 aos


Tiempo en riesgo 321 174,5 x 3 = 963 523,5 aos
I = 330/963 523,5 0,00034 por ao

17. P1 = 395/679 478 = 58 x 10-5


P2 = 0

18. a) I1 = 21/80 000 = 26 x 10-5 por ao (rea perifrica)


I2 = 9/80 000 = 11 X 10-5 por ao (rea central)

b) Edad = 15-19 aos:


I1 = 20/4 000 = 500 x 10-5 por ao (rea perifrica)
I2= 711 000 = 700 x 10-5 por ao (rea central)

Edad 20 ms aos:
I1 = 1/76 000 = 1,3 x 10-5 por ao (rea perifrica)
I2= 2/79 000 = 2,5 x 10-5 por ao (rea central)

19. P = 212/129 600 = 0,0016

20. a) P = 133/832 = 0,16 (mortinatalidad)


b)
IA = 210 = 0,030 (mortalidad durante el primer mes de vida)
832 - 133

21. P = 23 360/405 548 0,058

22. a) IA = 10/431 = 0,023 en seis aos


b) IA = 19/185 = 0,103 en seis aos
c) IA = 7/49 = 0,143 en seis aos
d) IA = 11/44 = 0,250 en seis aos
A. Ahlbom, S, Norell

SOLUCIONES EJERCICIOS - CAPITULOS 3 Y 4

1. S, por posibles diferencias entre los grupos, en lo que concierne a la formulacin de las
preguntas, a las caractersticas del entrevistador o a la situacin en la que se realiza la
entrevista.

2. No, la concordancia no es mejor que la que se podra haber esperado por efecto del azar
nicamente.

Observador A
Pos. Neg.
0,1 0,9

Pos. 0,1 0,01


Observador B
Neg. 0,9 0,81

3. 1. La tendencia de los oftalmlogos a valorar los hallazgos con criterios similares.

3.2. El nmero de categoras de cocientes de dimetros excavacin/ disco papilar utilizadas


para clasificar los hallazgos.

3.3. La distribucin de las 100 papilas pticas examinadas entre las diferentes categoras.

4. En el material obtenido del cribado (exmenes de salud) se espera encontrar una pequea
proporcin de casos de cncer crvico-uterino. Esto plantea la necesidad de mejorar la
sensibilidad y especificidad del mtodo a efecto de evitar que la porcin constituida por los
verdaderamente positivos de entre los positivos detectados sea muy reducida (valor de
prediccin. Vase la ltima parte del captulo 4).

5. Excluir los individuos cuyos anlisis fueron realizados en los laboratorios B y C (Como
alternativa estratificar por laboratorio).

6. Diferencias en los mtodos de examen empleados, en los criterios diagnsticos y en la


clasificacin de las enfermedades.

7. (Los posibles ejemplos son numerosos. Sin embargo, existen a menudo variaciones,
distintas para los diferentes pases, hospitales y mdicos, que pueden tener consecuencias
significativas cuando se miden y comparan frecuencias de enfermedad).

8. a. La proporcin de enfermos clasificada como enfermos.

b. La proporcin de sanos clasificada como sanos.

9. Sensibilidad = 60/80 = 0,75


Especificidad = 80/120 = 0,67

10. Valor de prediccin =

= 0,0001 x 0,99 = 0109 (9%)


A. Ahlbom, S, Norell

(0,001 x 0,99) + (1 - 0,001) x (1 - 0,99)

11. De la sensibilidad y especificidad de la prueba y de la prevalencia de la enfermedad.

12.
A. Ahlbom, S, Norell

SOLUCIONES EJERCICIOS - CAPITULOS 5 Y 6

1. Absoluta
I 60 - 15 = 45 X 10-5 por ao
IA 315 - 80 = 235 X 10-5 durante 5 aos
P 275 - 70 = 205 X 10-5

Relativa
I 60/15 = 4
IA 315/80 = 3,9
P 275/70 = 3,9

2.
RMN = 1 107 x 100 = 208%
531

Despus de normalizar por edad, la mortalidad en los diabticos debida al infarto de


miocardio es el 208% -aproximadamente el doble- que la de la poblacin general.

3. a) IA1 = 24/2 872 = 836 X 10-5


IA0 = 0

RR = IA1 =
IA0

b) IA1 = 52/2 872 = 1811 X 10-5


IA0 = 6/5 055 = 119 x 10-5

RR = IA1 = 15
IA0

c) El riesgo relativo para cncer de tiroides no puede ser estimado correctamente ya que el
grupo de comparacin es demasiado pequeo y/o el tiempo de seguimiento demasiado corto
para que apareciese algn caso de enfermedad. Sin embargo, hay una apreciable diferencia
entre los grupos (24 casos de 2 832 es considerablemente mayor que 0 casos de 5 055). La
frecuencia de tumores benignos de tiroides fue aproximadamente 15 veces mayor en el
grupo expuesto.

4.
RMN = 22 x 100 = 8 148%
0,27

(Es decir, la mortalidad por tumores seos fue aproximadamente 80 veces mayor que la de
la poblacin general).

5.
RR(b) = IA(b) = 19/185 = 4,4
IA(a) 10/431

RR(c) = IA(c) = 7/49 = 6,2


A. Ahlbom, S, Norell

IA(a) 0/431

RR(d) = IA(d) = 11/44 = 10,8


IA(a) 10/431

6.
RMN = 11 x 100 = 11 000%
0,1

(La enfermedad fue aproximadamente 110 veces ms frecuente de lo esperado)

7. a) IA1 = 3/95 = 316 X 10-4


IA0 = 8/48 = 1 667 x 10-4

RR = IA1 = 0,19
IA0

b)
RR = 0,27 = 1,1
0,24

c) La frecuencia de gripe entre los vacunados fue alrededor del 20% de la del grupo placebo
(es decir, un descenso del 80%). La frecuencia de molestias post-vacunacin fue
aproximadamente un 10% mayor entre los que haban recibido la vacuna.

8. a)
1 371
RR = 1228 = 1,1

b)
RR = 498 = 0,7
683

c) La mortalidad, pero no la morbilidad, por infarto de miocardio es ms baja entre los


casados que entre los no casados. Una posible interpretacin es que los infartos en hombres
casados sean ms leves o reciban mejor asistencia.

9. Tasas de incidencia especficas para grupos de edad:

Poblacin A Poblacin B

Jvenes 4/2 000 = 0,002 20/4 000 = 0,005


Ancianos 32/4 000 = 0,008 15/1 000 = 0,015

Tasas de incidencia normalizadas por edad (pesos iguales):


Poblacin A: I1 = (1/2) X (0,002 + 0,008) = 0,005
Poblacin B: I0 = (112) X (0,005 + 0,015) = 0,010

RR = I1 = 0,5
A. Ahlbom, S, Norell

I0

10. O = 40

8 000 X 0,5 + 2 000 x 4 + 2 000 x 9


E= 103 103 103 = 30

RMN = 40 x 100 = 133%


30

11. O=8

E = ( 651 x 0 + 518 x 6 + 500 x 90 + 465x 381 + 211 x 626 )


( 337 431 522 507 367 ) x 10- 3 = 0,8

RMN = 8 x 100 = 1000%


0,80

12. Prevalencia normalizada por edad (pesos iguales):

P (I) = 1 x ( 5 + 20 + 50 + 50 ) = 0,011
4 ( 1000 2000 4000 3 000)

P (II) = 1 x ( 25 + 40 + 20 + 20 = 0,015
4 ( 5000 3000 1 000 1000

RR = P(I) = 0, 7
P (II)

13. Si existe.

TP = 8 + 14 = 22%
EOC = 29 + 14 = 43%
En caso de no estar asociados TP y EOC, el 9% presentara los dos procesos, ya que 0,22 x
0,43 = 0,09.

Una posible explicacin es que las EOC originen TP; otra, es que las EOC y los TP tengan
en ciertos casos las mismas causas.

14. a) (Vanse los dos primeros apartados del captulo 6, pginas 47- 49).

b) El conocimiento de los indicadores de riesgo puede ser utilizado para


identificar grupos de alto riesgo, mientras que el conocimiento de las causas
complementarias proporciona informacin acerca de los factores que deben
modificarse a efectos de prevenir la enfermedad.

15. a) Bacilo tuberculoso.


b) Causa necesaria.
A. Ahlbom, S, Norell

16. (Vase el segundo apartado del captulo 6, pp. 48-49).

17. a) 40% - 100%


b) RR mayor que 1

18. (Vase el tercer apartado del captulo 5, pp. 44-45 y el ltimo del captulo 6, pp. 49-53).

19. (Vase el ltimo apartado del captulo 6, pp. 49-53).

20. 0,1 x 0,2 x 0,3 = 0,006.

21. a) 0,018
0,012
0,066

b)4
5
12

c) El efecto de aumentar simultneamente la frecuencia de B y C, es mayor que la suma


de los efectos obtenidos si la frecuencia de B y C se incrementa por separado (vase
la ltima parte del ltimo apartado del captulo 6, pp. 52-53).

22. La frecuencia de la causa complementaria entre la poblacin. La frecuencia de las dems


causas complementarias pertenecientes a la misma causa suficiente (vase el ltimo apartado
del captulo 6, pp. 52-53).
A. Ahlbom, S, Norell

SOLUCIONES EJERCICIOS - CAPTULOS 7 Y 8

1. (Vanse los dos primeros apartados del captulo 8, pp. 67-70).

2. Por ejemplo, en el caso de enfermedades poco frecuentes o con perodos de induccin


muy prolongados. (Vase tercer apartado del captulo 8, pp. 71-73).

3.
RR = 200 x 250 = 10
100 x 50

4. a)
RR = 9 x 2 706 = 1,1
31 x 710

b)
RR = 39 x 2 706 = 1,9
31 x 1 825

c)
RR = 18 x 2 706 = 2,6
31 x 605

5. a) Estudio de cohortes

b)
RR = 75/595 = 5,6
16/712

6. a)
RR = 22 x 832 = 1,8
31 x 324

b)
RR = 10 x 832 = 1,1
24 x 324

7. a)
RR = 51 x 154 = 2,0
59 x 66

b)
RR = 11 x 214 = 4,0
99 x 6

c)
RR = 26 x 194 =2,3
84 X 26
A. Ahlbom, S, Norell

d)
RR = 19 x 206 = 3,1
91 X 14

8. a)
RR = 21 x 2 907 =1,6
138 x 273

b) Edad, tabaco, exceso de peso, antecedentes de hipertensin y otros factores que


puedan estar asociados a la toma de anovulatorios y puedan modificar el riesgo de
miocardio.

9. a) Estudio de casos y testigos

b) Si

c)
RR = 18 X 90 = 5,1
32 X 10

d) No; porque deben ser tenidos en cuenta los posibles problemas de validez.

10. Ventajas: Probables menor nivel de absentismo en la respuesta y menor diferencia entre
los grupos en la calidad de los datos (vase el penltimo apartado del captulo 8, pp. 75- 76).
Inconvenientes: La posibilidad de que la enfermedad del grupo testigo est relacionada con
la exposicin, es decir, que el grupo testigo no refleje la frecuencia de la exposicin en la
poblacin de la que fueron extrados los casos.

11. a) La muestra de la poblacin.

b) El grupo testigo debera seleccionarse de manera que refleje la frecuencia de la


exposicin en la poblacin de la que se extraen los casos.

c) Un grupo de pacientes cuya enfermedad (a diferencia de las lesiones causadas por


accidentes) no este relacionada con el consumo de alcohol.

12. (Vase primer apartado del captulo 7, pp. 61- 62).


13. (Consultar los ejemplos del captulo 7).

14. El consumo de cigarrillos es probablemente un confounder.

15. a) Una persona que padece cncer de pulmn tiene posiblemente mejor conocimiento
de los casos de cncer de pulmn que han ocurrido en su familia que una persona
sana utilizada como testigo. Esta fuente de error tiene probablemente menor
importancia en el caso de parientes prximos (padre, hermanos y hermanas) que en
el de familiares ms lejanos.

b) El consumo de cigarrillos, la radiactividad en la vivienda debida a radio y otros


factores, pueden estar asociados a la exposicin (consanguinidad respecto a
A. Ahlbom, S, Norell

alguien que ha padecido cncer de pulmn) y modificar el riesgo de padecer esta


enfermedad.

16. a) Consumo de alcohol (cncer de bucofaringe), radiactividad domstica por radon


(cncer de pulmn), consumo de cigarrillos (ambos) y otros factores que puedan
estar asociados a la exposicin (trabajo en minera) y modificar el riesgo de padecer
el correspondiente tipo de cncer.

b) Que estn desigualmente distribuidos en los grupos (expuestos y no expuestos) y


que modifiquen el riesgo de desarrollar el correspondiente tipo de cncer.

17. a) La edad de la madre.


b) Porque la edad de la madre vara segn la exposicin estudiada (= edad del
padre) y est asociada al riesgo de padecer sndrome de Down.

18. Consumo de cigarrillos.

19. El diagnstico de Sndrome Alcohlico Fetal se establece de manera probablemente


condicionada al conocimiento previo de la exposicin, es decir el consumo de alcohol
durante el embarazo.

20. Los parientes cercanos pueden estar expuestos a factores ambientales o hbitos
similares. Estos pueden modificar el riesgo de desarrollar LLC.

21. a) El origen social, la herencia y otros factores pueden variar en relacin con la
exposicin (tratamiento radiactivo de la tia) y a su vez condicionar las calificaciones
escolares, etc.

b) Los hermanos y hermanas de los nios expuestos, o posiblemente el mismo grupo


que en (a), pero de origen tnico y social similar.

22. Error de seleccin: La prctica de los exmenes de salud o chequeos implica que la
relacin de exmenes radiolgicos de trax y el hallazgo de placas pleurales son ms
frecuentes entre los individuos expuestos al amianto que entre los no expuestos a este
material.

23. Confounding. Un cncer -detectado o no detectado- puede hacer descender la tasa de


colesterol srico a niveles bajos y ser causa de fallecimiento en un perodo de 3 aos.

24. Probable relacin con el denominado healthy worker effect (vase sexto apartado,
captulo 8, pp. 74-75).

25. Confounding.

26. Consumo de tabaco, de medicamentos y presencia de infecciones durante el embarazo,


nutricin (hbitos dietticos de la madre), origen social, herencia y posiblemente otros
factores que pueden variar en relacin con la exposicin (consumo de alcohol durante el
embarazo) y modificar el riesgo de presentar peso, talla, etc., escasos y malformaciones.

27. a) 0 paquetes/da RR = 1,0


A. Ahlbom, S, Norell

< 1/2 paquete/da RR = 25 X 163 = 2,3


43 x 41
1/2 - 1 paquete/da RR = 171 X 163 = 5,1
43 X 126
> 1 paquete/da RR = 135 X 163 = 10,0
43 X 51
b) 0 unidades/mes RR = 1,0
< 3 unidades/mes RR = 41 X 87 = 1,8
38 x 51
3 - 30 unidades/mes RR = 111 X 87 = 2,4
38 x 104

> 30 unidades/mes RR = 179 X 87 = 3,5


38 X 116
c) > 150 500 UI/mes RR = 1,0

201 x 65
50 500 - 150 500 UI/mes RR = 39 x 216 = 1,6

< 50 000 UI/mes RR = 98 x 65 = 2,1


39 X 78

d) Se observa una asociacin (con una relacin del tipo denominado dosis-respuesta)
entre cncer de laringe y consumo de tabaco, alcohol y vitamina A, respectivamente. Sin
embargo, los datos no proporcionan informacin acerca de la relacin de estos hbitos de
consumo, entre s o con otras posibles exposiciones (Confounding?) ni sobre los
mtodos de seleccin de los grupos o de medicin de la exposicin (errores de seleccin o
informacin?).

e) El consumo de tabaco, vitamina A y otros factores que pudieran variar en relacin con el
consumo de alcohol y el riesgo de padecer cncer de laringe.

f) Que el grupo testigo refleje el consumo de tabaco, alcohol y vitamina A de la


poblacin de la que surgen los casos. Que exista un bajo nivel de abstencin en la respuesta
y que la calidad de la informacin acerca de la medicin de la exposicin para los casos y los
testigos sea similar.

28. Ejemplo de un estudio: Una parte (n1 = 1042) de las enfermas de tuberculosis que
durante un cierto tiempo (perodo 1930- 54) fueron dadas de alta en dos sanatorios, haban
recibido un tratamiento que supona la realizacin de una gran cantidad de placas de trax
(un promedio de 100 placas por persona) mientras que el resto (n 2= 722) haba sido
sometido a un tratamiento de otro tipo. El n de casos de cncer de mama observado en
cada uno de los grupos despus de la fecha de alta, se compar con el nmero esperado de
casos de la enfermedad, vista su frecuencia en la poblacin femenina, (estandarizacin
indirecta por edades). Los resultados se muestran en la tabla siguiente:

N de casos N de casos
observados esperados
(0) (E)
A. Ahlbom, S, Norell

Grupo expuesto (n1 = 1042) 41 23,3


Grupo no expuesto (n2 = 722) 15 14,1

Un posible problema de validez en los estudios en que la exposicin es un tratamiento


mdico o examen clnico (v. g. examen radiolgico de trax), es que la enfermedad que se
trata o se examina (v. g. tuberculosis) pueda ser un indicador de riesgo de la enfermedad
estudiada (v. g. cncer de mama). En este ejemplo se identificaron 2 grupos de mujeres con
tuberculosis, de los cuales uno haba sido expuesto a una gran cantidad de exmenes
radiolgicos de trax.

29. Existen diferencias alternativas. Los problemas de validez dependen del diseo de los
estudios.
A. Ahlbom, S, Norell

SOLUCIONES EJERCICIOS - CAPITULO 9

1. P1 = 0,21 1,96 ( 0,21(1 - 0,21) ) = 0,21 0,10.


67

Entre el personal que trabaja con portadores la proporcin con marcadores de hepatitis B es
del 11-31% (nivel de confianza del 95%).

Po = 0,06 1,96 (0,06(1 - 0,06) ) = 0,06 0,05.


72

En el resto del personal, la proporcin con marcadores de hepatitis B es del 1-11% (nivel de
confianza del 95%).

2. I = 0,00036 1,96 ( 0,00036) = 0,00036 0,00006 p/ao


338294
3. P = 0,026 1,96 ( 0,026(1 - 0,026) ) = 0,0026 0,006
2477

4. I = 6,0 x 10-5 1,96 ( 0,00006 ) = (6,00,6) x 10-5


7250000

por ao.

5. a) P = 0,16 1,96 ( (0,16(1 - 0,16) ) = 0,16 0,02


832
b) IA = 0,30 1,96 ( 0,30(1 - 0,30) ) = 0,30 0,03
699

durante el primer mes.

6. IA(a) = 0,023 1,96 (0,023(1 - 0,23) )


431 = 0,023 0,014
durante seis aos.

IA(d) = 0,250 1,96 (0,250(1 - 0,250) )= 0,250 0,128


44
durante seis aos.

7. RR = 11/44 = 10,8.
10/431
A. Ahlbom, S, Norell

O = 11.

E = 44(11 + 10) = 1,95.


44+431

V = 44 x 431 x 21(475 - 21) = 1,69.


4752 (475 - 1)

X = 11 - 1,95 = 6,96.
1,69

Lmites del intervalo de confianza del 95 % para el RR = 10,8 (11,96/ 6,96) Lmite superior =
21,0; lmite inferior = 5,6; es decir, teniendo en cuenta las variaciones debidas al azar, el RR
toma valores entre 5,6 y 21,0 (nivel de confianza del 95%).

8. RR = 5,6.
O= 75.

E= 595 (75 + 16) = 41,4.


595 + 712

V = 595 x 712 x 91(1307 - 91) = 21,0.


13072(1307 - 1)

X = 75 - 41,4
21 = 7,34.

Lmites del intervalo de confianza del 95% para el RR = 5,6(1 1,9617,34)


Lmite superior = 8,9; lmite inferior = -3,5.

9. RR = 7/1 000 = 1,4.


20/4000
O = 7.

E = 27 x 1 000= 5,4.
1000+4000

V = 27 x 1 000 x 4 000 = 4,3.


5 0002

X = 7- 5,4 = 0,77.
4,3

Lmites del intervalo de confianza del 95% para el RR = 1,4 (11,96/0,77)


Lmite superior = 3,3; lmite inferior = 0,6.

10. O = 1 107.
E = 531.
A. Ahlbom, S, Norell

V = 531.

RMN = O x 100 = 208% 2,08.


E

X = 1 107 - 531 = 25.


531

Lmites del intervalo de confianza del 95% para la RMN = 2,08 (1 1,96125).
Lmite superior = 2,2; lmite inferior = 2,0.

11. O = 22.
E = 0,27.
V = 0,27.

RMN = 22 x 100 = 8 148% 81,48.


0,27

X = 22 - 0,27 = 41,79.
0,27

Lmites del intervalo de confianza del 95% para la RMN = 81,48 (1 1,96/41,79)
Lmite superior = 100,2; lmite inferior = 66,3.

12. RR = (9 + 39 + 18) x 2 706 = 66 x 2 706 = 1,8.


31(710 + 1 825 + 605) 31 x 3 140
O = 9 + 39 + 18 = 66.

E = (66 + 3 140) x (31 + 66) = 3 206 x 97 = 52,3.


31 + 2 706 + 66 + 3 140 5943

V = 3 206 x (31 + 2 706) x 97 x 5846 = 23,7.


5 9432 (5 943 - 1)

X = 66 - 52,3 = 2,84.
23,7

Lmites del intervalo de confianza del 95 % para el RR = 1,8(11,96/2,81)


Lmite superior = 2,8; lmite inferior = 1,2.

13. a) RR = 1,8.
O = 22.

E = (22 + 31) x (22 + 324) = 53 x 346 = 15,2.


22 + 31 + 324 + 832 1209

V = 53 x (324 + 832) x 346 x (31 + 832) = 10,4.


12092 x (1209- 1)

X = 22 - 15,2 = 2,11.
A. Ahlbom, S, Norell

10,4

Lmites del intervalo de confianza del 95% para el RR = 1,8 (11,96/2,11)


Lmite superior = 3,11; lmite inferior = 1,04.

b) RR = l,1.
O = 10.

E = (10 + 24) x (10 + 324) = 34 x 334 = 9,5.


10 + 24 + 324 + 832 1 190

V = 34(324 + 832) x 334(24 + 832) = 6,7.


1 1902(1 190 - 1)

X= 10 - 9,5 = 0,19.
6,7
A. Ahlbom, S, Norell

Lmites del intervalo de confianza del 95% para el RR= 1,1(11,96/0,19)


Lmite superior = 2,9; lmite inferior = 0,4.

14. a) Estudio de casos y testigos.

b) El grupo de referencia debe reflejar la frecuencia de la exposicin en la poblacin. Esta


condicin no se cumple si, por ejemplo, el cncer de piel es ms frecuente en individuos que
trabajan al aire libre.

c)

Trabajo
Al aire libre A cubierto

Casos (cncer de labio) 51 + 15 24+ 3


Testigos 6+ 8 10 + 5

RR = (51 + 15) (10 + 5) = 2,6


(24 + 3) (6 + 8)

d)

Hbito de fumar
Si No
Trabajo Trabajo
al aire libre a cubierto
Si No Si No

Casos (cncer de labio) 51 24 15 3


Testigos 6 10 8 5
RR 3,5 3,1

e)

Hbito de fumar

Si No
Casos (cncer de labio) 51 +24 15 + 3
Testigos 6 + 10 8+5

RR = (51 + 24) (8 + 5) 3,4


(15 + 3) (6 + 10)

f)

Trabajo al aire libre


Si No
Hbito de fumar Hbito de fumar
A. Ahlbom, S, Norell

Si No Si No

Casos (cncer de labio) 51 15 24 3


Testigos 6 8 10 5
RR 4,5 4,0

g)

Expuestos No expuestos
Casos 51 3
Testigos 6 5

RR = 14,2

h) Los resultados (d y indican que el riesgo de cncer de labio aumenta con el trabajo al aire
libre (3 - 31/2 veces) y con el hbito de fumar (4 - 41/2 veces). Si la estratificacin no se
lleva a cabo (c y e), los riesgos relativos son discretamente subestimados. Esto es debido a
una asociacin del hbito de fumar con el trabajo a cubierto. El efecto combinado de fumar
y trabajar al aire libre (g) parece ser ms que aditivo.

En caso de que el trabajo exterior incrementase el riesgo de cncer de piel (grupo de


referencia), el riesgo relativo del cncer de labio en las personas que tienen trabajos al aire
libre resultara subestimado.
A. Ahlbom, S, Norell

INDICE ANALITICO

casos y testigos, estudios de, 68- 76, medidas crudas, 11


96- 97, 101- 102
causa complementaria, 51- 53 normalizacin, vase estandarizacin
causa necesaria, 51
causa suficiente, 49- 51
causalidad, 44, 48- 53, 63 p, valor de, 92
cohortes, estudios de, 67- 68, 71, 73- prevalencia (definicin), 6-7
76, 92- 95, 99- 101 prevalencia, medida de, 7, 10, 33- 34,
- retrospectivos, 72- 73 45, 89- 90
Confounding, 49, 64- 65, 99- 102 proporcin atribuible,
vase fraccin
cribado, 34- 35 etiolgica
diagnstico de la enfermedad razn de morbilidad (o de mortalidad)
- criterios diagnsticos, 24- 25, normalizada (RMN), 44, 95-97
27- 28
- pruebas clnicas, 21- 24, 27 red causal, 49
- signos, 19- 21, 27 riesgo, factor de, 48- 49
- sntomas, 19, 27 riesgo, indicador de, 47
riesgo relativo (RR), 41, 44, 98- 102
emparejamiento, 73 riesgo, tiempo en, vase riesgo relativo (RR)
enfermedades, clasificacin de, 25-27
especificidad, 31- 35
estandarizacin, 41- 44 sensibilidad, 31- 35
estratificacin, 99- 102 sesgo, 34, 61- 65
fiabilidad, 61- 63, 76, 88, 91 - de informacin, 63- 64
fraccin etiolgica (FE), 44- 45, 52 - de seleccin, 63
vase tambin, confounding
hiptesis, prueba de, 91- 97 significacin estadstica, pruebas de,
vase hiptesis, prueba de
incidencia (definicin), 6 sistemtico, error, vase sesgo
incidencia acumulada (IA), 7- 8, 45
46, 89- 90, 92- 93 trabajador sano, efecto del, 74- 75
incidencia, tasa de, 8- 9, 41- 42, 45, 71,
90, 94- 95 validez, 61- 65
intervalos de confianza, 88- 90, 97- 98 valor predictivo, 35
A. Ahlbom, S, Norell

SALUD Y SOCIEDAD

AHLBOM, A., y NORELL, S.-Fundamentos de epidemiologa.

ALARCON, D- Reumatisino, artritis y otros males.

ARAUJO BERNAL, L., y LLORENS FIGUEROA, J.-La lucha por la salud en Cuba.

BASTIDE, R.-Sociologa de las enfermedades mentales.

BENSAID, N-La consulta mdica.

BERMAN, D. M.- Muerte en el trabajo.

BRUDON, P.- Medicamentos para todos en el ao 2000?

CANGUILHEM, G.-Lo normal y lo patolgico.

DHAN, J-La medicina contempornea.

FOUCAULT, M.-El nacimiento de la clnica.

KNOX, E. G.-La epidemiologa en la planificacin de la atencin de la salud.

LISKER, R., y ARMENDARES, S.-La gentica y usted.

LOPEZ ACUA, D.-La salud desigual en Mxico.

McKEOWN, T.-El papel de la medicina.

McKEOWN, T., y LOWE, C. R-Introduccin a la medicina social.

MENDES GONCALVEZ, R. B-Medicina e historia.

NAVARRO, V. (comp.).- Salud e imperialismo.

PEREZ TAMAYO, R- Enfermedades viejas y enfermedades nuevas.

PEREZ TAMAYO, R.- Serendipia. Ensayo sobre ciencia, medicina y otros sueos.

ROEMER, M. 1.- Perspectiva mundial de los sistemas de salud.

ROSEN, G.- De la polica mdica a la medicina social.

SIGERIST, H.-Hitos en la historia de la salud pblica.

SILVERMAN, M., y LEE, P. R.-Pldoras, ganancias y poltica.

STELLMAN, J. M., y DAUM, S.- El trabajo es peligroso para la salud.


A. Ahlbom, S, Norell

TERRIS, M.-La revolucin epidemiolgica y la medicina social.

TORRE, J. DE LA.- Pediatra accesible: Gua para el cuidado del nio.


A. Ahlbom, S, Norell

Este libro tiene cualidades especficas que lo individualizan como verdaderamente


interesante para quien desee de forma rpida y clara adentrarse en una ciencia como la
epidemiologa, que es fundamental para entender los procesos y formas de deterioro de la
salud o para iniciarse en la ms ambiciosa aspiracin actual de promocin de la salud a
travs de la identificacin de los factores que pueden preservarla.

Creemos que el esfuerzo de los autores para presentar los elementos esenciales de esta
metodologa en forma tan clara y concisa ser muy apreciado por los lectores, que vern,
gracias a ellos, enormemente facilitado su trabajo.

Anders Ahlbom y Staffan Norell son profesores, titular y adjunto respectivamente,


de Departamento de Epidemiologa del Instituto Nacional de Medicina Ambiental, en el
Instituto Karolinska, Estocolmo, Suecia.

Prlogo a la edicin espaola: Enrique Njera.