;;:-{~ti

:~~\f;
-~~,,;;... :~.:;;;;.:~.;:-~..,,;;;;~:~:;;;,.:;:.:;;;;;.

16. ANALISIS CON NIVELES

'1 DE EXPOSICION MUL TIPLES

,
a
Ilasl;1 ;1<.1lli. I~I <.Iiscllsi()n de! :lnillisis de daloS ha presumido que las
\ ;Iriahll:s dc cxp()si<.:i(ln cslahan medidas sobre una escala dicotmica.
1\4l1ciI~IS 4l1c lo c~lu,'iesen .'icgtln una csc~lla nominal con ms de dos
c:ltcgori~ls. puedcll ser tratad~IS a efectos analiticos como un conjunto de
,'ariablcs dicotmicas. comparando cada categoria con una de referen-
cia: asi PllCS. un CSIudio que relacionase el origen tnico de los residentes
cn I fawai con la iI1<.:iden<.:ia de una enfermedad. podria tomar como
1::llc!!ori;1 <.Ic rcfcrcll(;ia cl ancestro 11~lwaiano v considerar los ancestros
--
cllino. j(lponeS :" ~uropeo como tres ,'ariables distintas, De cara al anli-
sis. variables de cxposicin que fuesen ordinales o continuas podrian
igu~llmenle COI(lpSarSC en dicotomias. La cuestin es que el uso de m(s
de doS categorias lo 11()rmal es que divida los dalos de forma demasiado
lina como par~1 d~lr c~lhida ~11conlr()1 de la confusin y seguir mantenien-
do a la vez una razonable precisin en la estimacin. El hecho de
colapsarltlS. sin cmhargo, implica tambin una degradacin de la escala
de medicill subya<.:cnte y la pcrdida de informacin potencialmente
importanle. El grado en que los dat()s indicasen una tendencia del efecto
D :I lo largo de varios niveles de exposicin o la ausencia de tal tendencia.
puede arrojar luz acerca de la biologia de la relacin sometida a estudio
y gua de cara a cutllquier intervencin en trminos de salud pblica.
L~l prdida de informacin que se sufre al colapsar en categoras una
,'ariahlc conlinuCl sc mitiga mtl11lcnicndo p~lrtl la misma ms de dos
(;:llcgorias l)rdellld~lS por r:lngo, Es I()gi(;(). 110 ()bstante. plantearse pri-
mcro si siquiera rcsulta necesario colaps:lr en Ctltegoras, Tericamente
m debera ser posible extr:ler mils informacin de.lo~ datos utilizando en el
anilli~is los valores reales de las observaciones, en vez de sus frecuencias
cn Ctltegoras seleccionadas. Es decir, en vez de basar un anlisis en
(;atc~oras de gente que. por ejemplo. fuma O, de 1 a lO cigarrillos, de 11
a 20. de 21 a 40 0 de 41 a 60 al da, debera resultar ms informativo
Iltilizar el nmero real de cigarrillos fumados al da por cada sujeto
individual. Ptlra extraer de mediciones continuas toda la informacin
L'uanliltltiva prescnte en las observaciones, existen muchas tcnicas esta-~

365

~~~*i] t~~f~~~~;;~~{
:i:':.;j~J
c~~::.
:~:~!f~;:;?::iiy:~ :~~'
~~;;,;:~~j~t~~tJt}:. m~~? :.~:
 :~~~t~~;:

t
.~
"
,;.
'o:

366 EPIOEMIOLOGIA MODERNA

distictts que han sido frecuentemente aplicadas en epidemiologia. Por

des~racia. aplicarlas puede abrir ltl puerta a la aparicin de problemas
scrios. que muchas veces ~obrepasan en peso a las terica$ ventajas. ~a
1,.
.:
f:~.

lJna dificultad fundtlmenttll de los e~tudios de ~eguimiento es que la

(Icurrcncia de cnfcrmedtld sc midc por medi(l dc tasas de incidcncia. que
t~;,
c:lrCCeJl de ~cntido ti no ser que c~tuviescn calculadas para poblaciones, :nc',:
CSI(1 es. partl grupos de individuos. Si la exposicin se mide segn una
Fe;)
esctll:1 continutl. ~in COltlp~ar en grupos, n(l se definen poblaciones para
Ig.~::
1;ls l'IJ:llc-" pUCd:lJl c~timar~r directtlmCnle la~ Ciltldas ta~a~ de incidcncitl. r "
'1
::~
",.

Si rcsull:l posiblc conccptualiztlrltl ptlrtl UJl illdividuo, como funcin del

ticmp(l de espera de dicho individuo ha$la el comienzo de la enferme-
dtld (Itl ta~a de illcidencia e~ el recipr(lc(I del liempo de espera, si la
misma e-" COIlSlanlc a i{) largo dellicmpo). pero sin un modelo matemti-
l\' lJUC pr()pOrCiOJlaSC cn~rantl.ie a lo~ dalo~ re~ulttlria dificil. en ausencia
d:.' ~I~ruptlmiento~. dar scnlid(l a la di~trihut:ii)n de lo~ tiempo~ de e~pera de
lodo~ lo~ su.ielo~ dcJ esludio. As pues. i{) que motiva la agregacin en
categorja~ de los su.ieto~ con nivele~ de exposicin similares es la necesi-
d:ld de calcular ttlSa$ dc incidencia estables. En 10$ estudios de caso-
control, pue~tC' que el anilli~i$ $e centra en la estimacin de razones de
tastl~ de incidencitl. e~ de ttplicacii)n untl lnea de razonamiento similar.
Si rl :ln~ili$i~ de I(I~ d~ltO-" sc h~I~:I (n() tlpropiadamentc) en la compro-
h:lCi()Jl de hipc)tesi-" esladistic:ls en Il1g~lr dc en I~I e$timacin. el uso de
d:IIOS continuos CJl \'CZ de a~rupadC's pucdl' p~lrecer indicado para me.io-
r:lr la potenci~1 estadistica. Par~1 d~1t(l~ de t:tl$o-control, 1; comprobacic)n
dc UJltl hip)tesi-" esttldstictl ~e reduce ti Comparar las distribuciones de
cxposicii)n dc ItlS serie~ de 10-" casos ~. 10~ conlrolcs. Para evaluar si las
111UCslrtl~de d(ls dstrhuci()nes c(lnlinutl~ dificrcn, $C pueden utilizar test$
cstadi$tit:O-" del tip() dcl dc Itl t: tiicl1(1 tcst pucdc ha$tlrSc cn lo~ \'alores rca-
Ic~ oh~ervatio~ y n(l en untl distrihucin de frecuencia~ obtenidtl mediante
:I~rupamicnIO. Si hien e~ cierto que tic esttl mancra $C puedc conseguir,
en teoritl, cierta me.iortl de Itl potencitl de cara a la comprobacin de una
Iliptesi$ estadistica como tal. comprobar una hiptesis no debe ser un
(lh.eti\,o fundamental del anlisi!' epiderniolgico, porque la ganancia en
potcncitl esttidistica atlde muy rOC:.l informtlCin de inter!' El formato
qllC htly que dar a lo~ dtltos ptlr1 un1 c()mproh;cic)n a~j no ~~ presta con
ftlt:ilidtld a 1:.1e~timtlcin dc nin~unt' mcdida dcl cfcctC' que tengtl epidc-
miol()~ictlmente senlido \. se e!' el (lheli\'o tin:.llitico centrtll. Dc e$te
modo: la me.iora en pole~lCia esttldistic~1 lo que sir\'e es para de~\'iar la
tllCncin del anilli~is. pasndoltl de la estimacin a la comprobacin de
I}iptc~is, lo que e~ inherentemente no deseable. Una posible ramifica-
ci()n de: hecho de centrarse en tale$ situacione~ en esto ltimo es que la
infcrcncia cualitativa que depende nicamente del resultado del test
ruede inducir extraordinariamente al error. Puesto que un test de la I
somete bsicamente a prueba las diferencias en lo~ valores de las medias,
rucde resultar de~proporcionttlmcntc innuenciado por una observacin
\Inica (I por unos poco~ valores mar~intlles lpunto~ extremos de los
dilto.,\).

':";c",;;!:;.~,\,,. ':;.$'

~~.

~
 ", ~Jf::!
ANALISISCONNIVELESDE EXPOSICION
MULTIPLES 367

( .()n!\idercmos el siguiente ejemplo hipottico. Supongamos que en

1111;r()hl;<;ii)11 de ohreros que lrabajan con energia nuclear se llevase a
L.;h() un estudio de <;asos y controles sobre cncer de cerebro. Imagine-
111 ()S 4ue los grupos de esludio comprenden 12 casos y 12 controles, para
!IIS <;uules las exposiciones acumuladas de radiacin son las que se dan
1.:11I:lf?,jemrlo 16.1. ,\sumamos que no se pueden medir las exposiciones
(ll: 111l:11()SJe ().I rem con precisin y se loma. como media, que son
i.\:!uales ,1 0.05 rem. La exposicin media de los casos es 4,4 rem. compa-
r;d,1 <;011slo 0.59 rem para los controles. La diferencia de las medias es
sustancial. Un test de la 1 que comparase estas dos distribuciones daria
un,l I = 1.71. con 22 grados de libertad, lo que corresponde a un valor
1.1l:I' <.,on un,l <.:ola de 0.05.
I'()r supuesto. nunca hay que aplicar un test de la t a menos que
I1Uhil:se <.:ierta indic,l<;in de que uno se enfrenla a di",tribuciones mues-
tr;lcs ;prOXi!l1,ldamcnte normales. lo que no es el caso con estos datos.
1:11ril.!or. 1.:194 por 100 de la exposicin total a la radiacin de los casos
rr()\.i~nc Je los <;,lSOS I. 2 y I. Unos pocos valores extremos pueden.
rllL'S. innuen<.:i;r Jesproporcionadamente a la media y resultar extrema-
J;lncntc inductores de error (Baron el al.. 1984).

Ejcmplo 16.1. Dar().\" hip(11i!ricn.1" de

('.\.pn,\"ici()/1 (/clmllllada a la rad;(ICill
II(, C(I.SII.S .\' ('(lI/rrvil!.s 1!1/ Im e5rlldio
.\"()hre c1/cer cerehral

Casos (rem) Controles (rem)

15.6 0.05
2. 21.8 2. 0.2
3. 0.05 3. 0.3
4. 0.05 4. 1.4
5. 0.2 5. 0.05
6. O.OS 6. 0.05
7. 12.4 7. I..:.
8. ().O5 8. 0.05
9. 0.05 9. 0.4
10. 0.2 10. 0.05
0.05 0.05
12. 2.3 12. 3.3

En lugar del test de la I se podra aplicar otro no-paramtrico, como

L'I Mann- Whitney. El test de Mann- Whtney, basado en los rangos de las
()hs~rvaci()nes. no requiere que se asuma la normalidad. A pesar de todo,
sL' mantiene el problema de que un anlisis asi no estara dirigido a
rr()ducir medidas epidemiolgicamente interpretables (Poole el al.,
14H41. C.ltcgorizando la exposicin, se logra de forma sencilla evitar
1..'1rrol'!lc.:ma. Si en los datos del ejemplo 16.1 se utiliza 0.1 rem para

o
.J.", ...,

-=-

B[;;:~fu\:i~;.~:l;i

iJ
i~~~J
:, ,,~:~i"...*
;r
ftf!::;~,~~::~m~ .~-
 j;.~;i~~.::.;

,~~::~::..:
2~~:.. :~c';~lt*~: ,~.:.:.,;,;:,::
,..:-
i:-

I f~

~
36!1 EPIDEMIOLOGIA MODERNA

dclimit.lr cxpo~icin alt.1 1'("..\,/{.1;exposicin b.\.i..l. se obtiene

mad() dc la r..lzi)n dc t..\sas de 1.0. Si. por el contrario.
un esti-
se utiliz..\
I ~:

1.0 rcm com() catcgoria fronter,-l. el e~timado de la ra7.n de tasa~ que se

ohticnc e~ 1.5. La interpret..\cin dc lo~ dalos ~iguc e~tando abierta a
cicrta di~cu~in. puesto que el estim~ld() dcl CfCCt(1 ~c ba~a ~lo en unas I i ~~
P()C..I~ ob~crv..lciones )' dcpendc fucrtcmcntc dc d()ndc ~e coloque la
cate~ori..1 de delimitacin: est,-\ dcpcndcl1cia renc.ia c1 hcch() dc que I..I~
~
L\)lil~ superiore~ dc las dos di~trib\lciol1cs de cxposicit)ll dificren c()l1sidc-
r;lhlcmcl1tc. pcr() las mcdial1as ~OI1 idcl1tic..ls. Con m.i~ d..ltos. 1.1 citad~1
dcpcl1dcl1ciu del cfecto rc~pccto dc lu ubicacin dc I~I catcgoria frontcr..1
di~minuiri..1 )' podri~ resultar factible utilizar varias calegorias dc exposi-
ciol1 mil~ fina~ para cvaluar la tendcncia del mi~m() conforme se incre-
mc!1ta 1..1exposicin. evitando asi una catcgorizacin dicotmica sin
:- :~.
limitc~ claros por arribf.l ~' por aba.io. Con todo. la interpretacin
r()C() m~ clar..1 con esta categorizacin bruta. inclus() con slo dos
es un
I
c~\tet!oria~ poco delimit..\das. en tanto que de 1..1observacin de que la
cxpo~icinn mcdi~1 dc lo~ C~\~()~e~ ~ictc vecc~ ): mcdia la de los controles,
11ahria quc extracr una il1fcrc!1ci..1 quc Ilcv..lri..1 '-I c!1gao. Resulta fcil " " ,; ,
I
, ..~;;'
ima!c!in.1r ~itu~\ci()nc~ C!1 que !1ic..\mentc un sujet() con un valor de
.'-
exp()sicin extremo fue~e suficientc para distorsionar un anlisi~ basado 4 ~

cn v..llore~ medios.
La desproporcionada innuencia de la~ observaciones extremas es
un() ~lo de los varios problema~ que podrian surgir de un anlisis que ,

n() categorizase las variable~ de exposicin.

c()mparacin de dos distribuciones
Es igualmente
de exposicin
posible que la
rcvelase nicamente
.;.~: ~-~ . 11 -1
1I

di~crcp..\ncias menores en una medida de tendencia central del tipo de la 1 (

t
mcdia o la mediana. al tiempo quc las colas de las mismas diferian "
c
sustanci..llmente rene.ial1do una relacin fuerte entre exposicin y enfer- a

medad. Estc problema fue detectado por MacMahon el al. (1970). que
fucron los primeros en informar de la gran relacin existente entre la
edad en el primer parto )' el ries{!o de cncer de mama (Fig. 16.1 ).
..-
Comcntal1do la~ razones de por qu semc.iante hecho no habia sido
informad() previamente. llam..\b..\11 1..1..\tencil1 sobre lo siguiente:~
I
E~tc nC' e~ en modo algunC' el primcr estudio en el que se haya
ohscr\'ado un; dircrcncia cn cncer de mama entre caso~ y controle~
~c!:!\m la cdad durantc el primcr parto. En mucha~ comparaciones
previas de ca~os del citado tumor y mujere.c: no arectadas, se haba
encontrado quc los casos eran. por trmino medio. mas vie.ias al
ca~ar~e. al tener el primer embarazo o cn ambas cosas. (...) Sin embargo,
parecc quc la gente que primero traba.i en el tema no. consider que
la~ dirercncia~ rue~cn ~uficientcmentc importante~ como para juslificar
t:
una exploracin dctallada. Del rallo en no darse cuenta de la magnitud
dc la~ difcrcncias dc ric~go rclativo quc ~ubyacen a la relacin, puede ,~
haber re.c;ultado la aparenle falla dc intcrs en sta. Semejante incapa- ~
cidad pira rcconocer la fucrz:1 dc la relacin puede ser atribuida
fundamcntalmenlc al hecl\o dc ulilizar anlisis basado.c: en e~ladislicas
dc rcsumen. dcl lipo dc la~ media~ y lo!' rditos, En los paises donde se

c-. -~~~~;

~;::
;.:;~~.~~,.
.:.:.;,:,.
;:::~;,:; ,,"'

~
 l~;\~~;; :?~

~. ~g~

ANALISIS CON NIVELES DE EXPOSICION MULTIPLES 369

~~ ~- --

flan Ilcvado a cabo la mayora de los estudios epidcmiolgicos sobre

c~ta cnfermedad. la proporcin de mujeres que ticnen su primer chiqui-
llo a cdad temprana cs relativamente pequea y las citadas estadisticCls
dc rcsumcn fr~lcasan a la hora de revelar los altos riesgos experimenta-
do~ ror rcqllcos .c;cgmentos de la ['Iob!ncin. Por ejemplo, en los
rrcsclllcs datl)s. sac~ld()s dc "oston. I~l mcda de cdad en el primer
r:lrtl) <:r;1 27.1 :llil)s cnl()~ ca~o~ y 25.5 cnlo~ controlcs. Por mucho que
csta difcrcl1ci;1 SC:I alt:lmclltc significativa cn (crmino~ cstad~ticos. difi-
<:ilmclltc Ic flcv:lria a 11110 a sosrccflar cntrc los ricsgos rclativos el
rango Ilc ca,c;i cuatro vccc~ quc muc~tra I" I"hla 3 (Fig. 16.1).

.
1.4
.
.

] .

.
.
J Mujeres nulparas
.
1.0
o
~ .
;; . .
.
" .
. .
o
01
0.8 .
tn

I .~
cx:
. .
.
.
0.6 .
.
. e e :
,
~'
. ~
. ~

0.4
. ~
~

0.2

! I I I I' ,

o 15 20 25 30 35 40

Edad al primer parto

{aos)

I:ig. 16.1. Rie.\".~(J(relativo al rie.\"go de 1.0 para mujeres nulparas,1 de cncer de

111(1111(1
.\"(',f!lin ('da(' ('11 t!1 prinler. parto. tolnado (le J\.facM ahon et al ( 1970) .

..:,~ "

~~: :~1;
:.t~:;:

:;~1-'1

370 EPIDEMIOLOGIA MODERNA

La leccin a extraer de estos e.iemplo~ coincide con el tema central

del prescntc texto: el objetivo fundamental de un anlisis epidemiolgico
cs cslimar la magnitud del efecto (es decir. la diferencia en tasas de
inridcncia\ com() funcin del esta tus dc cxposicin. El mayor problema
I.lUC tit:llCll las mcdids contillULtS dc cxp()sici()n cs que ~u u~o ~e acompa-
liLI rrccllentcmente de procedimientos de re~umen. que se centran va ~ea
cn ILt comprobacin de hiptesis estadisticLls () en la comparaci'n de
medidLls de tendencia central de la \'ariable de exposicin. Ni una ni
()trit. sin embargo. pueden dar cumplimient() a ILt meta que en trminos
dc mcdicion se desea. La categorizacin de la exposicin facilita la
c~timL1Cin del erecto como funcin s uva. utilizando los mtodos catel!-
ric()s y\ discutidos para cxposicione~ dicotmicas. Por supuesto. a pa;tir
de datos continuos se pueden estimar tL1mbicn funciones del erecto.
ulilizand() modelos mtem:tticos. aunque en tales ani11isis hay que consi-
dcrLlr IL1 inrluenciii potencialmente detractora de lo~ valores extremos.
La categorizacin I'(". .\.(' n() climinL1. ciertamentc. el problema de las
oh~cr\.acione~ extremas. Si amL11gLlma c~tas con valore~ menos extremos.
diluiril su erecto distorsionan\e. Llunl.lllr I:ts amplias () P()C() delimita-
das por arribLt () por abajo) categorias quc se precisan para rcLllizar tal
dilucii)ll resultan indeseiible~ debid() ii que conducen a una distorsin
dentr()-dc-lii-categoria similar a 1.1que se produce cuando se apoya uno
{!Iobalmente en valore~ medios. Una catel!orizacin ms fina tender a
~islLtr dicha~ observaciones extremas en c;tegorias separadas. donde se
la~ puede descartar .1utomticamentc CL1SOde no existir datos de compa-
raci<)n disponibles dentro de la misma. A pesar de todo. un anlisis que
se hasase en puntuar la~ categorias seguiria siendo. en principio, suscep-
tihlc de IL! distorsin debida a la presencia de grupos de valores del tipo
que no~ ocupa en las categorias extremas. En consecuencia. muchas
\'cce~ es deseable lle\'ar a cabo el anlisis con varios niveles de exposi-
cii)n. utilizando nicamente para sta -como anlisis inicial o como
suplemento de otros aborda.ies- una categorizacin de escala nominal
(esto es. ~in puntuar la~ categoriasJ. Hacerlo as puede poner de manifies-
l() \,.llore:- extremos a los que debera ignorarse. o darles menos peso. en
.1nillisis posteriores que estuviesen basados en puntuaciones de catego-
ra~ o en medicione~ continuas.

ESTIMACION DE EFECTOS PARA NIVELES

DE EXPOSICION MULTIPLES

E.~,inla('i(),1 pUII'llal por cole!:ora. de .forlllo .~eporada

En Un anlisis epidemiolgico que hiciese frente a ms de dos niveles de

exposicin. existe un mtodo directo que consiste en considerar separa-
damente cada uno de ellos en comparacin con una categora de exposi-
cin de referencia. con lo que el anlisis se reduce a series analticas
ba~adas en categoria~ dicotomizada.c; de exposicin. Por e.iemplo. si la
~

I
ANALISISCONNIVELESDEEXPOSICION
MULTIPLES 37'

\'ariahle de expo:;ici()n ruesc la exposicin media diaria de la piel a la luz

tlircL'ta dcl sol. dicha variable podri~l c~ltcgorizarse dc la siguiente mane-
r:l: 111<'/1(1,\'(1<'().") h(lr(I,\'. ('/Ifr(' ()..tj ,1! 1.9 h(lr(1,\" [1(12.() (1 3.9 h(lra,\,. [1(14,() (1 (j.9
'tlrtl,'i l' [1[' 7.(} II .'1',1)h(lrf/,\" 1:1 grupo dc rcrcrcnci~l natural seria la
l':IIl:~(lri:1 11/('I/tl.'i II(' (J..tj h(lr[I,\', <.':Iua lIlla tic las rcstantcs cuatro potlr(ln
"~r 1:(llllr:lsl:I(I:IS 1:(1111:1(It: rL'rL'rcllcia p:1ra ()btcllcr cuatro cstim(ldorcs dcl
~f~L'I() sL'p:lrI(I()s. l:sL'11ci11111ClllcIlcvlntl<1 a l::lho cuatro an~li~is ha~:l<.10,~
l:JI L'()lllpar~ICi<)IIC:; <Iic()t()micas. La c~timacil1 puntual se realizaria en la
rorma descrita en los captulo~ previos. cuando se trataban las variables
<.Ic l:xposici()n <.Iicot()mic:1s,
Si l::;t:l prcsclltc la confusi()n. ~c Ic puedc hacer frente en la misma
r()rm~l cn que ~c haca con la~ cjtada~ variables dicotmicas de exposi-
L'illl'. l:S dcl:ir. ml.:tli~lnte I~l estratificacin, Puesto que uno de los objeti-
\\IS fundamcntalcs tlcl an~llisis c~ exalnin~lr el patrn de los estimados
pllntu~lles por nivel de exposicin, es importante asegurar que los mis-
mos sc~ln mutuamente comparables. Asi pues. si se utiliza un procedi-
micnto de est~lnd(lrizacin para combinar la informacin especfica por
I:slratos accrc~l tic un r~lclor de confusin o de un modific.'ldor del erecto
:1 I() 1~lrg(1 tIc tlich()s l:~tr~lto~. rc~ut.'l imperativo que para cada estimado
pllntU11 tI I.:I crcct() tlUe sc ohtcng~1 se ulilicc un e~tndar comn. Compu-
lar U!l~l SMR Ir~lz()ll de mort~llitl~ld esland~lrizadal p(lra cada categora
II() ~s vi/id(). pucsto que cada SM R implic~lra un estnd.'lr diferente. a
s~lher. la distribucin de la categoria de exposicin de que se tratase
Iv~lse Cap. 5). Seria razonable. sin embargo. utilizar cualquier categora
de exposicin, incluida la de referencia. como estndar comn para
ponderar los datos especficos por estrato a cada nivel de exposicin.
Otras elecciones razonables a este respecto son la distrbucin de todos
los sujetos que tengan alguna exposicin. o algn estndar exterior.
Si para obtener un estimado puntual global del erecto a cada nivel de
cxposcin ~e utiliza el pooling {o conjuntamiento) en lugar de la
~:
t;st~lndarizacin. la ponderacin de cada estrato ser funcin del nmero ~

de observaciones en cada uno de ellos y no necesariamente equvalente

plr~1 cada nivel de exposicin, Si la asuncin de que el parmetro es
uniforme a lo largo de los estratos del factor de confusin resulta vlida.
tle,ia de ser crucial de cara a la validez que las diferentes categoras de
cxposicin tengan diferencias en la ponderacin. La asuncin de unifor-
midi.ld puede, no obstante, ser dificil de defender: no resulta suficiente
tlemostrar falta de significacin estadstica en un test de la hiptesis
nul~l de que el erecto es uniforme. Ms an, para medidas del efecto
expresadas en forma de razn, tal unformidad debe estar presente slo
hajo las circunstancias especiales en que exstiese interaccin entre la
varii.lble de estratificacin y la exposicin que sucede que se conforma
:;cgn un modelo multiplicativo. Consecuentemente, si el anlisis reque-
re 1(1 comparacin del nivel de exposicin -estimados especficos del
crccto- debe extremarse la precaucn a la hora de utilizar el pooling)
hajo una asuncin de uniformidad. A menos que exista una gran seguri-
tlad ~obre que es razonable asumir unformidad a cada nvel de expos-

~.
 372 EPIDEMIOLOGIA MODERNA

ci}l1. debe emplearse la eslandarzacin recurriendo a un eslndar co-

mull.
Los dalos del ejemplo J6.2 provicncn dc un esludio de caso-conlrol
sohrc cinccr de nulmn (Doll y Hill, 1954). Los eslimados de mxima
probabild;td de una razn unformc de lasas a lo largo de 105estralos de
gl1cro. dcl nivel ms bajo de consumo de cigarrillos al ms alto, son: 1,0
Ila categora de referencia), 2,5, 5,3 y 8,3. Pueslo que los dalos exhiben
nolori;ts difcrencas para varones y mujeres en los estimados del efecto a
cada ni,'el de exposicin. dichos eslimados resultan inapropiados. En su
lug;tr. habria que obtener estimados estandarizados segn un eslndar
comn. Plra estos dalos de caso-control, la frmula general de las
rtz~)I1CSdc tasas eslandarizadas (expresin [ J2.66]) se hace:

~ a.
L., II.. -.!..
.,
SSR =
, c.
,

~ h.
16.1]
L., "'. -.!..
I.' ( 1I

[j('mplo 16.2. N,,l,e,o d(' "a('i('111('.f ('a1l cll(.(,' de ,,/II,I,/I y "aci('Il/('.f

(//II,()/c.~. ,,(}, .\"('.\'(/ .r ('alllidad 11'.f ,('('i('Il/(' de laha('o CO".fUI',id(}
d(' .{llrl"a r('gllla' ( D{}/1.r Hill. J954 )

Varones
Numero de cigarrillos fumados al dia

o 1-4 5-14 5+

c~()~ 2 33 250 364

( '.(1111rolc~ 27 55 293 274
Ri{ .o R. ~ 17,9

M ll.jcrc~
Nmcru de cig:lrrillus rumldu~ al da
-

o 1.4 5-14 15 +

".iI~().. 19 7 .I 19 15
('(\Illrolcs 32 12 lO 6

~R :,o ,o 3,2 4,2

d()ndc Irj es el peso del factor de eslralificacin para la eslandarizacin

del estntlo i y aj. h,. Cj y dj son las rrecuencias de celda del estrato i,
siguiendo la nolacin dc la labia 11.2. Los Pc$Os deben ser runcin de
las rrccucncias de los controles (Micttillcn. 1972) (va.,\e Cap. 12). Cuando
se \()m.1 c()m() c.tlcgoria tIc rcfcrcncia cl pcS() rara la cs\andarizacin. la
 ;~:

;~m(
71
373

J Var (sRi~1 ~ (sRI~)2

[16.2]

Si se escoge como estilndar el grupo de referencia. para calcular la

\'arian7.~l 11~ly quc lJtili7.ar la frmula [12.71] en lugar de la [16.2]. En
I:sle ejemplo. el uso con carcter de estndar de la distribucin de todos
I(JS su.iclos ~ol1lrolcs asignaria a los datos de los varones un peso de 649
~' tic ()() ~I los Jc las mu.icrcs. Partiendo de la rrmula [ 16.1 ], los estima-
Jos dc la razn de tasas estandarizadas serian 1.0 ( la catcgoria de
referencia I. 5.1. R.O ~' 12.1. Otra eleccin razona ble de estndar seria la
Jistribu<.:i()11 dc Iodos los controles expuestos. asignando con ello un
rt:so dc 2~ ~I I()s dalos de varones y de 28 a los de mujeres: este estndar
rr()du,Ce,t:Slimatl()s del efecto de 6.2.9.3 y 14.3 para las tres categorias de
10:,\
P()SI<.:J()1111() ~L'r().
('u~ll1do se utiliza la tcnica de conjuntar. un problema que surge de
tr~llar en UI1 ~ll1lisis il1dcpendiente cada categoria por separado es que el
<.:()I1,ilJlltO de I()s cslimados del efecto pudiera resultar que no fuesen
..:oherclltes elltre si. Por ejemplo. los ~stimados de mxima probabilidad
Je la razl1 Je t~lS~IS para los datos del ejem plo 16.1 en los niveles de
'.:.xrosici()1l ~ y 3 .,Oll .?.5 y 5.3. respectivamente: la razn de estos estima- ~:

t~
dos es 5.3/2.5 = 2.1. Un anlisis de esos mismos datos. utilizando el ti

l1ivel 2 como catcgoria de referencia. daria un estimado de mxima il"

probabilidad de la razn de tasas. para el nivel 3 en relacin al 2. de 1.6.

4ue es considerablemente diferente del de 2.1 que se obtuvo con los
estimados del efecto que se sacaban cuando se comparaban los niveles 2
~. 3 con el I. L~I (liferencia surge dcl hecho de q ue el pooling usa pesos
ll( '(1('. dctcrminad()s por los datos. con lo que la ponderacin difiere en
I()s dos anlisis. L'Jl rrocedimicl1t() estal1dariz~ldo que utilizase un con-
] ,iUlll() dc pcS()S ~()mlln {;onduciria a rcsultados consistentes. Tambin se
rucdel1 obtener estimados conjuntados consistentes utilizando un abor-
Jaje probabilstico ( Pike el al.. 1975; Hill el al.. 1978), un anlisis multi-
variado o una modificacin que se ha propuesto de los estimadores de
M~lntel-Haenszel (Mickey, 1985).

1~.~/in,a('i(j,l (le la lellllellCia glohal

La dificultad principal de estimar separadamente los efectos para cada

!1ivel de exposicin es que se pierde informacin al no considerar la
l:()lllinuidad de la variable subyacente. Un anlisis basado en la conside-
ral:i!1 dc cada catcgora por seprado procede idnticamente, est medi-

...
~
.
.

,.

..c.. ..' c -

:..~t
;~;~:
'~~: i~~.
1~~~~~I:i

~
 "
~
0:;!0'..
W?.Q':-:. -, .-:-,

~{fj~- ~\~:

o:.;:
t
17' EPIDEMIOLOGIA MODERNA

da 1(1variablc categorizada en una escala nominal, en una ordinal o en

ulla Colltinu(l. Trat(lr cada categora separadamente produce intervalos
dc confi(lnza quc no toman en cuenta el patrn global, si lo hay, de los
U;tos. lJIl nllmer() grandc dc categorias puedc llevar a tener pocos datos
-
dcntr(' de cad(1 una de ellas. dando como resultado imprecisin en loS
estimados del efecto especficos por cada citada categora. Sin embargo,
cu:lnd() en lo~ dato~ existe una tcndcncia regular. lo~ estimados del
cfect() proveniente~ de las catel!nrias que la circundan proporcionan
informaci')n acerca de ste CIl una catcl:!orl dad(l. Ciertamente. si la
catc!:.'ra en cuc~ti)n po~ec ~()I(' llll()~ pOCO~ d:ltos. estimar con precisin
cl cfcct(, cn las C(ltcgorias por e11cima y por deba.jo de la de inters puede
rc~ultar suficientc p(lra ilportar una cxcclcnte indicacin de] efecto en la
mIsma.
Un ejcmpl() de las formas en que ~c puede perder informacin si se
j
considera c:lda categoria separadamentc. aparece en un estudio sobre
mortalidad femenina por ci\ncer y cloracin del agua (Young el al.. j
19R II. La cantidad de clorina del suministro de agua. que es inherente- :j.,
mente una variable continua. fue categorizada como ninguna. ba.ja, me- .I
d:.1 () .llt.l. L.I figura [ 16.2] indica los efectos estimados sobre el cncer
de ccrebro. En los estimados puntuales, es evidente la existencia de una i
tcIlucnci.1 consi~tentc. Aunquc. tom.ldo~ por separado. cada uno de los
inICr\'.llos de confi.lnza c~ .Implio. 1:1c()n~istcllcia del patrn proporciona -I
i
Jllf(')rm;ci')n a.ldid.l. Oad(\ lJIil' I(,s c;il.IUOS i11tcrv:llos de confian7.a no
,
rcnci.ln e~ta inf()rmacin adicion.ll. ~nhrellimcll~ional1 1.I v:.lriahiiid.ld
L'()ll.qUC deheria cstim.lr~e el efccto gl()bal dc la clorin.1 .c;ohrl' 1.1m()rtali-
t
d.ll1 p()r c:incer clc ccrchro. En cstc e.iemrlo. lo.c; autore~ terminaron de
arreglar el prohlema h.l~ilndose par.1 lit interrretacin e11 valores dc I>; ~
puest() que ningun() er(\ significativo. infirieron que no exista relacin
entre el cilncer dc cerebro ~. 1.1 cloracin del agua.
Dos leccione.c; importanle.c; hay que extraer de este ejemplo: I) es un
error basarse. para haccr inferencias. en la comprobacin de hiptesis
e~tadisticas; y 2) es preferible e~timar una medida global nica de ten-
dcncia del efecto. en vez de un conjunto de estimados separados del
mismo. Ms adelante. en este mismo captulo. se hace un reanlisis de
estos d.ltos. utilizando una medida de tcndencia nica. ~

j
ESTUDIOS DE SEGUIMIENTO

Para lomar Cll cuenla el palrn de loS efecloS a lo largo de una serie
,.[,
ordcnada de calegoria~ de exposicin, el invesligador pu.ede poner en pie
tIna ectlacin dc regre~in. La expresin ms sencilla de tendencia es una
rcgrcsi{)n de linea rccta.
('onside(.cm()~ la adecuacin dc una regresin lineal simple a un
conjtll1to de d~lto~ de ta~as de incidencia brutas. La incidencia de cncer
dc m~lma entre mtljcre~ de Hiroshima )' Nagasaki que tenian diez o ms
afi()~ dc edad en el momenl() de la explosin atmica est dada en el

iii
":":~

~~;~;~::
,-,.v:.i';:-

~~j[:
 fli
ANALISIS CON NIVELES DE EXPOSICION MULTIPLES 375

7.37
7

6 5.92

5,54

RR

1
2.48-
2.15~

1,814

0.72... 0.83
0.59

Ninguno BaJo Medio Alto

Nivel de cloracin del agua

Fig. 16.2. Ra:ones de la.~a.~( RR ) e.~limadas e interoalos de confianza aj 95 por

I(I() de cncer de cerehrn 1.'1/Irenllljerl.'s hlal/ca.~ de ~Visconsin. segn el nivel de
] cloracin del a~lla. tt>llludn de Youn.~ et al. ( 198 J ) .

ejemplo 16.3. de acuerdo a la dosis de radiacin expresada en rad

(McGregor el (/1., 1977). Los dalos demuestran un incremento montono
de la incidencia conforme aumenta la dosis.
r,lra estimar el componente lineal de tendencia, es necesario a:ignar
puntuaciones que representen la magnitud de la exposicin de cada
c,ltegoria. La asignacin de puntuaciones resulta necesaria simplemente
p,lr.l localizar los puntos de una forma que posea sentido en una grifica,
~ pue.<;to que la distancia horizontal entre ellos no est inherente ~n el
l
'-' hccho de que aparezcan ordenados en un ranking. Por ejemplo, la
Jistancia entre c,ltcgorias de la figura 16.2 est puesta arbitrariame1te y
pudier,l I1UC.;,lracterizar los incrementos reales en concentracin de dori-

..

,.-c.c.~'.".'~~

tf:
::~~
ti~"~~;
~.
. ~R~ ~~~~. ,4s~:
~
 :\~\~~\~l~l\\\~ ::r:tf~;.

..~~~:\ :;;;.-,-,
~~"'. ;"",,:.~

37f, EPIDEMIOLOGIA MODERNA

111. l\si~11cmos " la!\ cuatr() calcporia!\ dc Il}S datos dcl ejcmplo 16.~ las
,
rlllltllal'i(}I1C~ dl' (). 5. 55 ~. I )(). l{crrC!\Cl1t111 los punto~ mitad dc la
l'IIc.:!!l}ri:l. CXl'cpl(\ CI1 cl C(IS(' dc lil mily()r. <.IIIC rcqllicrc UI1(1 puntuacin
ilrhitrari(1 ror tener uno~ limite~ il1defil1ido~. Si ~c dispol1e de 1(1 inrorma- 1
;
.
ci(}I1. e~ prererihle asif!I1(lr plll1tuilcione~ qlle rcpre~cntcn el valor medio
o<: 11cxr()~ici(}11 CI1 cl ~CI1O dc c~" catc~()ri(l. (Ntc~c quc p(lra e~tos datos
0<: SI.:~lilmicl1t(). cl v(ll()r mcdi() CI1 tcrmillo~ idcale.C\ 110 ~eriil lil media no
r('110Crilda de t()d().C\ I().C\~u.jelos dl' csa c:llcf!oric.l. ~il1() m~ bien unc.1 que J
](, cstll\.icsl' ~Cglll1 la c()l1trihllcin de cadc.1 liI10 de ello~ en trmino~ dc
rcrS('I1I-licmr().) Con dc.ltO~ ordinales ~ill vC.1Iore~ de exro~ici(}I1.illhcren-
tcs. si sc quicrc eslimar tel1c.1encic.ls ~if!uC sielldo neccsario asignar run- ]
tuaci()nes. ,!UJ1que rue5e arhitrariamente. Ell ca~o.C\ 3s.l() que usualmente
sc utilizan ~()n puntu"ci()ne~ unir()rmcmcnte il1cremcntada~ que corres-
r('nc.lan al r.Jng() dc cada cate~()ria.
i

I.:j('mpl,}
Ih
I (,.3.
1J i,.I"i/1/l'11
( .(,,'i(I,\ (1(' "(i",.,.r ti(' "I(f"'('
I' 1\(I.~(','i((k i q1((' 1('lli(f11 tli(':
.\" fJ('r,\(m(,-(f';(J,\"
() 11'(i,\ ll';(I.\ ti('
(I ri(',\',~(1 fJ(fr(1 111'(I(.r(.,'i
(.ti(lti (." (.J 111m,I(.,11(J .
1
.'I

(h, II( (..\.fJI(L\"i(;1/ (fl(;l/Ii(.(I. .'i('.l'1il/ 1(1 ti(I.\:i,\ ti(' ,.~,tli(f('i(;,1 ('I/ r(ftl ( M ("G,.('J!(Jr ct aL J9ii )
~
Dosi~ (cn radJ 1
,i -",.
,.. '-
," ..

'. --fJ.
, , "

, ;,

...
c c' .'

('(!11 Ja,c;puntuacione~ a~ignadas, I()~ pl1nto~ de lo~ datos se de~plie- rI

iI
1:!.111Cl1 UI1 grilfico (Fi~, J 6.31. Adecuar una Jinea de regresin sobre ~
~
cl1.\tr(1 d.\tos pl1nluaJe~ es algo directo, pero cada uno refleja una canti-
~
d.ld de informacin diferente ~. deben, por tanto. asignar$ele~ pesos
difcrCl1les. Un abordaje mcdiante cuadrado~ minimos de la regresin I
t
pl)I1(~rad.1 proporciona par.~ la pendiente ~. la intercepcin las siguientes ,
~

fi)rmlll.ls (Kleinbaum y Kupper, 1978),

rcl1d iel1 te:

h, = [16.3]

illttrCcpcin:

I;() = r' -,; 1,,\, [16.4] I

,~.
~. .

:~~:
 .;.;-:';,;

::~t-~:
;:\~t~~Jl~;I:!

i~~
ANALISIS CON NIVELES DE EXPOSICION MULTIPLES 377

o 50 ,00 150 200

J Rad

~ I;i~. 16.3. !m.i(/'/"./I/ ( /I,(" J tI(' ("(in("('/" tI,' "'(1111(/ .t(',!!ln la tln.ti.t tI(' ratliacin en
~
'.1/tI. !"/'.(/ !,1.\"1//'(1.\"1/'/ t';(,/"fl/'1 lf..;. '.'111 IIII11 ,('ntl('ncia lin('a/ es'i/',ada. ~

~
"

1 /;:
~
~
.

Jonde:

n "
-}.' -.J~1 )... Ir J' . I .J'
I;= I "'t~j
] n
,v "
I Ir, 2:: II'
;" I J
j = I

II es el nllmero de dalos que se representan en forma de puntos, j es un

ndice para cada uno de ellos, wi es el peso de cada uno, X es la variaQle

.c.
~~

}~;k::l;,i{~~~~,:~ '~~~~:
:~~~~;\~1J\~f~~}1;
 ;:f.~::

.
~

-1
37f1 EPIDEMIOLOGI/I MODERNA

de exposicin e }' es la tasa de incidencia. El error estndar de la

pcndicnle se puede calcular as (Grizzle el al,. ] 969):

j=
I.
I
11' ]
SE(/; = [16.5]

En cada una de las f()rmulas rrcccdcntes. el peso de cada dato

punlua] dcbc ser calculad() com() cl inverso de la varianza del mismo.
r)ar:1 dal()s crudos. com<'I I()~ del c.iemrl<1 16.3. dicha varianza viene
dada por la frmula:
.
var
(' {1 )
-= -- {J

"I. N~

d()I.'dc (I es cl numero dc casos ). A; el dc pcrsona-aos. Por lanlo. el peso

serlC\:

!\12
II = -1-

a. I

par; cad;1 dat() puntual j (Las tagas de magnitud cero pueden plantear
lill prohlcm.l. plle~lo que el res() seria infinilo. Una solucin es aadir
lllla cantidad arhitraria. com(\ rt)(lri;1 ~cr (1.5. al numerador de cada tasa:
()Ira. ulilizar un esqucma dc ponucracin modificado. del tipo de 11" =
1\. J
.,.1
Para tasas de incidencia estandari7.adas (SI R la varianza es:

., a;

i ,ri~

Var (SIR = )

dondc 11"jse refierc al peso de estand arizacin del estrato i. (No se deben
conrundir los pesos que se emplean para estandarizar cada tasa con los
utilizados para la regresin dc la tendencia de tasas estandarizadas,
rcspectiv3mente.) El peso de rc!:!resi ()n para cada tasa estandarizada. al
calcular los "coeficientes de rc!:!rcsi ()n. es el reciproco. de la anterior
\'afIanza:

;~

I.~
;;, ,
",~
".."'
 ;::,:;;;~:~;~~;;::;;;;.;;~:~~:;";;.~:;:~:;'-;:~;:'.;~:~:::i"i~:;;:i~~;;
,,---, J,. .-J..H.;..:J;;~.~,..1i?Z..~..

..:,;"-=-'c... [i' :;~~;~ fi~l~

~.:.

.:::

ANALISIS CON NIVELESDE EXPOSICIONMULTIPLES 379

~:

I:::

Es recomendable cierta precaucin al usar mtodos de regresin con ~,~,

\ilsa,c; cslandarizada.c;. puCSlo que el proccso de estandarizacin en si

Illism() r\lctlc. CIl cicrla.c; circunstancias. introducir sesgo en la regresin ~~

11{IISCllhillll1l y 1{\lhin. I ()R4).

1:1 ~rr()r ~slilltlar d~ la inlcrccpci()n. ;o. vicne dado por:
I

n ~

".t~f ~i
j= I
SE(/;f)
J I;~.'
)~
~

y la cOVariallZ;1 dc 1;/1 con I; ~~
i
"
~ Ihn.
--j=1 -r. "'r'(j
(ov ht) = n --" " -,2

Par.l cualquier punto. .'"k' la tasa puede ser estimada como:

Yk = jo + j-\,k

I
Cl)ll

n n
"'t\'f -2.\"k L 11!j.\'j + .'(f L Wj
.:...
-n --n j=1 n j=1 --
SE( }rJ =
J2
] L 11't\J Ilj -L Ilj.\, j
.j=1 j=1 j=1

1 La aplicacin de las frmulas [ 16.3] a [ 16.5] para determinar la lnea

de regresin ponderada de cuadrados mnimos, es habitualmente sencilla.
porque lo normal es que slo estn implicados datos de unos pocos
pun\('ls. L.\ linc.\ tlc tendencia resultante ofrece una forma d~ describir el
cfecto rnatcnli,\ic.,rnen\e c('lrno funci>n de la exposicin. La lnea adecua-
<1., a I().'\ (1;lt()s tlcll:.jcmpl<\ I ..1, se da cn la figura 16.3. La pendiente. 2.43
x 10- " ari<) I r.,(I.. I. intlica la cantidad cstimada en la que se incremen-
t.., la tasa de incidencia por cada incrcmento en rad de la dosis. A partir
del error estndar estimado de 1..\pendiente. podemos calcular un inter-
'1
valo de confianza aproximado al 90 por 100 para la misma, as:
j
2.43 x 10-6 ao-1 rad-1 :t 1,645(0.60 x 10-6 ao-1 rad-l) =

= 1,45 x 10-6 ao-1 rad-1, 3,41 x 10-6 ao-1 rad-1

:;~I~:
~
 EPIDEMIOLOGIA. MODERNA

Ptra eslimar la tast de incidencia de cincer de Itlama CIl nlujeres expues-

llS l 100 rld. uliliz311do la ecuacin de regresill. asign\nlOS a .\" un
\"llor de I ()() y oblenemos una tasa predichl de:

198 + 2,43(100) = 441 x 10-6 ao~ 1

106 aos

con un error estndar de 62 x JO-6 ao-l. As pues, el intervalo de

(}nrianza al 90 por I 00 de la tasa con 100 rad, estimada a partir de la
regresin lineal, sera:

44 :.t 1.645(62)
= 339 x 10-6 ao 543 x 10-6 ao
10'. aos

Usando modificaciones del mtodo anterior, se pueden estimar ten-

dcncia$ no lincales. Una modificacin consisle en asignar puntuaciones a
la \"ariablc de exposicin. Mediante la asignacin de puntuaciones que
rcncjan tal p.}trn no lineal, tendencias no lineales pueden resultar Ii-
ncalilada$). Por ejemplo. las punluacione$ de la exposicin pueden ser
t:1 cII(ldrado dcl valor de la misma. renejando una relacin cuadrlica.
Mctlianlc Icl asignaci()n de ulla puntuacin es posible incluso reordenar
Icl$ calcgora$: una ve7. adecuada a las puntuaciones de exposicin una
rclal:i()n lillcal. cinco calegorias 3 las que se asignascn las punluaciones I.
~. ."I..2. J dt:sL'ribirian unt1 rclacin de V invcrlida con la exposicin. Otra
fOrlll; dc c$limar tendcncias no lineales consiste eJI usar transformacio-
nL.s tic CSL'cll; dc 1;1$ tasas de incidencia y p()slcriormcnlc adecuar la
Ic!!lcsii)n lincal a dich;s tasas transrormatlas. Si sc elllplea este tipo de
I:Isas. rcsulla importanlc a la hora dc dclcrl11illar los pesos tomar en
(UCIII; lils traJIsr()rmaci(,nes.

s JI)IOS )1: (~ASO-CONTROL

COl1 esludios de caso-control slo se pueden estimar -sin tener que

recurrir :1 informacin externa- medidas rclativas del efecto. A cada
ni\'cl dc cxposicil)n. cl, cfccto es cstim:ldo CII rclacil)n al nivcl de rcferen-
cia. hahitualmente la categora de exposicin mi\s baja. Para dcha
cate!!oria de rcfercncia. el valor de la razn de tasas se define como 1,0.
Una tendencia lincal dcl efeclo seguira, pucs. la forma de la ecuacin:

RI~ = + "'.\' [16.6]

 ...J~ :~:::
;...; :,..~.,:.c
.".
;~f~: ~:~~:

~~~..:~d.;;fi~~;:

\"I\LISIS CON NIVELES DE EXPOSICION MULTIPLES 381

1 III,!l:llliO !a lasa r()r la raz(>n de casos a controles. a cada nivel de

I:XP( )SI(;IOII:
V~lll~lj~l de casos a conlroles = ho + hl~'(

I~~l rc~lui~11tC llc 1.1.ccua<:in [ 16.6]. "', se puede estimar mediante el

L"l}l:iclltC h1i'h,l, lll}11UC "I y "n vicncn dcterminados a partir de las ecua-
L"i()I\cS LI6.Jj y [l.4] (utilizalldo p.lra c~1da .1} I~l vent~lja de casos a
l:()lltrolcs en lugar de la tasa).
Los pcsos .l~ign~ldos a c~ld~l punto a la hora de adecuar la regresin
ucben rene.iar la vari~lnza de la ventaja de casos a controles. Para datos
L"ruz.I<.1()s.el rcso uc regresin. 11'j, a aplicar a cada punto que representa
IIIl U&II(}. dchc L"all:ui.lrsc .lsi:

= ~~ J-
II j((1 j t- hj: L-..v-;- + :V,>
I --hr-.
,,~
J
-
NIIVf)

Jl)nde II j y h j son las rrecuencias de casos y controles. respectivamente. al

nivcl Jc exposicin i. N 1 es el nmero total de casos y No el nmero total
llc.: L'onlrolcs. Para datos cstratificados. deben estandarizarse las ventajas
a c;~lda nivel de exposicin. hall.lndo:

~ 11'.- aij
i- I b..
.I} I
SO j = -r;;-

donde SO j es la venlaj;.l estandarizada y 111el peso para la estandariza-

cin en el cslralo i. El peso para la regresin debe obtenerse mediante:

L 1\'
11'. = .
J ~!l + NiQ
-al}

2. 11'i! b2
i II N,lNio

i
El error estndar de I;' se estima ~ls:

8 --",-
1-- \l'j
+
L \\'j-\J
~2 +
2 L \\!j"\J
--
."1 hi ha bah1
SE(/;'. = ~ ~~[fWJ~

j y el error est{lndar de un estimado de la razn de tasas, RRk' predicho a

ptlrtir de la ccutlcin [ 16.6] es:

SE(RRk) ~ .~kSE(6'~

~-.;:;!;~:

;r:~::~~;
:~::;::~;"f**~:" :~.

~
382 EPIDEMIOLOGIA MODERNA

Consideremos los datos de caso-control estratificados del ejemplo

16.2. En la tabla 16.1 se acompaan las ventajas estandarizadas, sus
varianzas, los pesos para la regresin y las puntuaciones de exposicin.
La aplicacin de las frmulas [16.3] y [16.4] da 6. = 0,0654 y 60 =
0.1671. De esta forma, podemos estimar b' = fi./{Jo como 0,0654/0,1671
= 0.392, con un error estndar de 0,1305. Para los fumadores de un
paquete al da (x = 20), la razn de tasas estimada a partir del modelo
de rcgresin seria l + 0,392(20) = 8,83, con un error estndar de
2(XO.1305) = 2.61. Como sucede habitualmente con las medidas expresa-
das cn forma de razn, para obtener los lmites de confianza es deseable
cmplcar una transformacin logartmica, con:

1:1 inlcr\'alo de confianza al 90 por 100 de la razn de tasas para

rlllll:td()rcs dc un paqllctc al da scra, por t:llltO,

exp [In (8,83) ::t ,645(2,61/8,83)] = 5,42, 14,4

L.os c;lculos anteriores se pucdel1 realizar con una calculadora ma-

Ilual sin grandes dificultades. En trmil10S ideales, una regresin adecua-
da rcspecto de las vcl1tajas de casos a controlcs debera tomar en cuenta
las c()\"arianzas entre tales ventajas y 10S distil1tos niveles de exposicin,
4uC no s()n indepel1dicntes. Para hacerlo. no obstante. se requiere un
pr()ces() dc adccuaci()11 m;'ls complicado (Drapcr y Smith. 1966). que 110
rc"lllt;lr;1 posihlc sin un;1 computad()ra y el .\"(I{'I\"(frr apr()piadn, El
ahl)rdajc alltcri()r falla a la hora dc tomar CI1 C\lcllta estas covarianzas Y.
CII c()nscc\lcnl.ia. no cs ()plilll;lml'lllc clicirlllc. PCI() c;lrccc dc scsgo (Sil-
\l.Y. Jl)7() y ()frccc 1;1 \'cllta.ia dc 411C cs f;ll'liblc con un c4uipamicn(o
inr()1 m;ltic() mininl(),
f:.n oc;lsiones, cuando los da(os origil1alcs no esti\n disponihlcs. puc-
dc sl:r dcscahlc obtcncr la linea de tel1dcncia con 10$ estimados dc la

l.a!lla 16.1. '.('I"('i(I.\ ('.\/(/llti{l'.i:{lti(I.\" ti(' ('a,\.(),~ (} !'n",'.nl('.\". t(/riol/.:o,\". /,('.1{1,\" dc

'.(',~,.(..\i(" .1. /,"~"'({I(i{I//('.\ ti(' ('.\'/,(I,\i(i(jl/ p(/'.a I(},\" dolo,\" del ej('I1'/,lo 16.2

Nmero de cigarrillos fumados al da

O 1-4 5-14 15+

S() 0.09646 0.5' 9928 0,89833

\!Ir (S()I o.()(Jm 0.0 1509 0,00369
PC~() J68.204 66.:! 73 271,251 t 30.257
Plinlll\(i()n dc ex rosici(~n O.O 2.5 10 20
 I~~
~:;,:
]l~.. ;.::~\1\:~j\\~}\jt1;
~\:::
'~fiIJi 2:&i

1 ANALISISCONNIVELESOEEXPOSICION
MULTIPLES 383

r:I7.()ll dc tasa.'\. Ull ejemplo podra ser volver a analizar los datos de la
ri~ura I .2 para t.:valuar si cxistcn tcl1dencias. Dichos anlisis provienen
tic un al1illisis tle rcgresin logstica y no se dipone ni de las frecuencias
origin(llcs ni de las venlajas de casos a controles. Pese a todo, sigue
sicndo posible estimar una lnea de tendencia lineal en los eslimados,
:lul14ue se~l menos eficienlemente que si se tuviese acceso a los dalos
()ri~incllcs. El pclrillnetro h' de la ecuacin [ 16.6] se puede estimar direc-
lamente a partir de csla otra:

" , [16.7]
, \V :.\"-J'
I I
-,
i=-

ll()110l: I~ I~ , C.:S1.'1c.:slim~IO() al 11ivel i de la razn de tasas especificas por

1.:~IIC~()ri~l. la ~;IIL'~()ra de rcrcrencia U = I) se ignora y

11' -
I 1 1 l
RR7 -+ -+ -+ -J
) a h c d

I>ara razullCS de tasas cstantlarizatl.ls h.1y que tomar {IJIj} como el

recproco de la v.1rianza que se da en la frmula [16.2] o, cuando sea
aplic.lblc, en la frmula [ 12.70]. En .lusencia de los datos reales. se puede
estimar II'; :.1 p.1rlir de un error estndar. de un test estadstico o de un
inlcrv.llo de confianz.l (V.lSC ms adelantel.
Eslc 111()ticl() tic rct!resi()n. como el .\nlerior. ignora las covarianzas '.
~ntrc los estiln.lti(IS r>lintllf.les. qllc r>lictlcn ser sustanciales con este mo-
ticlu si las rrcclicl1cias de la catcgori.l tic rercrencia son pequeas. El ~'

error estilndar de 1.1 r>endiente r>liede estimarse as:

i~
~
"
SE(h' = ~

JI5
j=l
Para cualquier valor de exposicin, .~k' el valor estimado de la razn
Jc la$c.lS. RRk, se ruede obtener a partir de la frmula [16.6] utilizando
~I ~slimado de la rendiente que recoge la expresin [16.7]. El error
~$Iilndc.lr de Ic.l razn de tasas estimada es simplemente:

SE(RRk) ~ .'t'kSE(6':

Los estimados de la razn de tasas de los datos de la figura 16.2

surgen de un modelo de regresin logstica mltiple que incluye trminos

~
.; :~~1~l.

:1~
.:\~~:!%~;~:~~~. .,::;?:-:::

il:ll~
J
384 EPIDEMIOLOGIA MODERNA

r;lr;1 \';Iri()~ racl()rc$ dc conrll'C;iI1. Lo~ rC$O$ para adccuar una line,\ de
ICI1dcIICi,l:I I()~ dalo$ punlllale$ de la citad,1 figur,\ 16.2 pucden determi- !

11arSl' :1 p:lrlir dc 10$ inlcr\':II()$ dc confi:lnz:\. Pue$to quc el intervalo de I.

..
l.('nfi;1 ni'.:l :II 9) p('r J ()() (1h:l rc;1 lln,1 d i~1 :I nci:l. $ohrc 1:1 e$cal:1 logaritmica. ..
, :

lllll. c.' igll;11 :I ~ x 1.9 .SErll1 (I~J~).l. sc pllcdc h:lllar 1:1 varianza de
4
1
111(f{I{):1~: I
I
.1
-, 111(RR) -111 (Rl~ 3
t
\:r lln (I~I~)J =
1
1
I
2 x .96
[16.8] I

~. la \'(lrianza de la razn de tasas se puede estimar como

J
V:I r ( RR ) ~ I~ ~ \i :I r
111(1~'~)] [ l.9]

El PCS() para la rc!!resin se ohticllC dcl rcciproco dc Var (RRI. El

ahord:l.ic anterior presume que 105 limites de confi.lnza se hall(lron em-
plcilndo una transrormacin lo!!aritmica. lo que habitualmente es verdad
~' desdc luego es siempre el caso si la estimacin deriva de un modelo
lo~slico mltiple o del modelo de rie5gos proporcion.lles de Cox, Para
\'crific.lr la validez de esta asuncin. resulta prudente comprobar que
sl1bre la escala log~lritmica. el e5timado puntual es la media aritmtica de
los limites superior e inrerior. o que el punto de delimitacin superior no
tr~lnsrormado multiplicado por su homlogo inrerior e~ igual al cuadra-
U!) dcl e~timado puntual. Llamamo~ la atencin sobre el hecho de que.
Cil cl CaSl) dc lo~ dalos de la figura 16.2. est.l condicin se cumple para
1(1~ dalos punluale~ primero y lercero. pero no para el de enmedio.
rue~I() que lodo~ lo~ estimado~ vienen del mismo modelo. la explicacin
dche estar en un error a la hora de inrormarlos. Sobre la base del valor
de I> que se informaba en el papel original. entendemos que el punto de
delimitacin superior del dato puntual intermedio debera haber sido
.Iproximadamente 6.4 y no 5.92. Empleando las rrmulas [16.8] y [16.9]
y el valor 6.4 para el lmite superior del dato puntual de enmedio, salen
lInos peso5 parl los tres datos puntuales en cuestin de 0,9370,0,6944 y
O..Ci1.Ci.qllc corre5ponden a los niveles de clorina bajo. medio )' alto,
respecti\'amente (Tabla 16.2). A partir dc 1.I frmula [16, 7] se estima que
lil pendientc e5 0.555. con un error estilndar estimado de 0,344. La
pcndicnte estimada se interpreta como un incremento de 0,56 en la
r~lzll de las:ls dc c(lncer de ccrebrv por cada incremento en el nivel de
cloracii)n (por ejemplo. de bajo (I medio).
Eslimalld(1 cl Creclo del nivel allo de cloracin (.\' = 3) en relacin

:.::;.;:::~~,:::;:'::j~."..:.,"::;:::;:'~:::;.:.cc;~

:~~~:
 .-

':~: ,\~,~~l:;\{~~~:~-
;::-:.

ANALISIS CON NIVELES DE EXPOSICION MULTIPLES 385

~-
"'.1
1.:1111:1 16.2. f:.\.,i"I('(lv,\' d(' 1(1 rll=()', d<, 'lI.~lI.~. vlIrill".-lI.\,. I'(',~(',~ d<, re1!re.\"i1l
I' 1'lm,I1(I('i(m('.\' (1(' (..~f'(,,\"i('i()1I f'lIra I(}.~ (lalo.~ (1(' la .1,~I(ra 16,2

Calegoria de dosis de clorina

Ninguna Baja Mcdia Aila

..'.
1{ 1{ 1.00 1.8J 2.15 2.2 8

Var (RR) 1.0672 1.4401 1.8 992

Pcso 0.9370 0.6944 0.5 265

1)llllll1aciiln tic C., p(ISiCiII 2 3

1.:(~11
ci Jc 11il1gulla cj()raci()11. lencmos. utilizando la ecuacin de regre-
,1()ll:
.--,
I~I~..".. = + (0.555)3= 2.66
/"'-

SE(I~I~..,I..
= 3(0.344) = .032

y. ~Il l:()mparal:i()n l:on los dato$ de la figura 16.2, un inter\'alo de

l:()llfian7;a al 95 p()r 100 de

exp [111 (2.66) :t .96( I.O322.66)] = .25. 5.69

La comparacin de este resultado con los hallazgos de la figura 16.2

-;ll!:!il:rl: quc cl allillisis de regresin utiliza los datos de una forma consi-
dcra hlcml:tlll: ItlilS l:f<.:iente.
L~I -;ctl<.:iIl:;r ~. 1(1 Jirecto del modeJo de los cuadrados mnimos que
11l:\,a a la f(lrmllla II (.71 reslllt.1n atractivos. pero el mtodo tiene sus
rL"~:ls. Al f(lr;r.:lr 1:1lillC:l llc rc!:!rl:Si()ll a qllc rclSC por cl punto de rcfercn-
<.:i;l. csle modelo de rc!:!resin asigna. de I1ccho. un peso extremadamente
~ratldc ;I 1.1 !o<.:;lliza<.:i()n de dicho punto en relacin con la serie restante
dc plltltoS. Sin cmhlrgo. la posicin rei.lliva del citado punto de referen-
l:ia l:slil dclcrmin~lda cn p.lrle por I.l variabilidad muestral de las obser-
va<.:i()11CSa l:SC Ilivcl de exposicin. S la c.1tegora de referencia posee
frccllctlcias pcqlicas. 1.1relacn entre s de los puntos restantes renejar
mcjor 1.1 tctldctlcia 4l1e I.l relac(>n que tuviesen con el punto de referen-
<.:ia. 4l1c h.l sido fijado arbitrariamente. En consecuencia. este modelo
pllcdc ser considcr.1hlemenle menos eficiente que el que adecuase una
IClldctl<.:ia lillC~11 ~ll~lS venlajas de C~lSOSrespecto de controles y su grado
dc incficicnci.l dCpclldcril dc los nl!meros de sujetos que haya en la
<.:atc!!.oricl dc rcfcrcll<.:ia. Nl) l)hslatllc. incluso sin conocimiento especfico
dc l~lS frccllctlcias 4l!C pcrmiticran v.!lor.lr el grado de ineficiencia en
<.:licsli()n. cl ml)dclo de l.lS r.lzones de t.lSas puede ser til. Lo que est
ci.lro es que cualquicr ev.llu.lcin de la tendencia. incluso utilzando un
modclo estadsticamente ineficiente, es mejor que ninguna, como ilustra
cl cjcmplo de la cloracin del agua y el cncer de cerebro.

.,.

.t~:;::.
~
 ~1~li';,1:;~:
~

3A(i EPIDEMIOLOGIA MODERNA

(.()~11)I{OI~\CION DE HIPOTESIS ESTADISTICA

1)\1{\ l)ETECTAJ~ TENDENCIA

I\ 1(1 larg() dc tod() este libr() sc ha hech() con firmeza nfasis en la

cstin11Ici()n de medidas epidemiolgica~ quc posean sentid() com() mt()-
d(1 de prcfcrcncia frente (I la comprobacin de hiptesis. Pesc a todo,
mll<:ho~ in\.estigadore~ que estn dc acuerd() con lo~ ob,ietivos de la
\,'.;tin111<:i()I1.cuandl1 Sl' el1rrel1tan (I 1:1c\'(llu:lcii)n de tendel1cias recurren a
!;1, l'itld;l~ C:l)l11prohacil)I1C,". i.!)or l.Jlil' 1;1c\'alu(lcil) de lcn<.1el1cia habria
(1\,' l'r1.:oisp()ncr II la comproh.lcii)n cstadi~tica: Quizs estos investigado-
rt:~ l'nticl1den quc si sc estiman lo~ crcctos ~cparadamente por categorias.
St' pllcdl' perder informaci()I) ~. I() quc haccJ) cs simplementc echar mano
(1\,' l',(1S mils ampli.lmel1te utiliz.llios mctodos quc prolongan I()s anlisis
1'1ltl mi()I()~IC()!' hilsico~ de la' t.lhla~ <.Ir: )' :. Las mil~ import.lntes de
1..'1)trr csta,' pr()lol1g.lcioI1C~ son III~ dcscritas por Mantel ( 19631. que
il)<:luycl) l.1 estim.lcin de re~resil1. per(1 el1ratizan la comprob,lcin
I
I.'Stll<.1sticll, I\unquc los mtodos dc rcgrcsin de 1.1 seccin anterior :
,
<:l1111rlc11lo~ oh-;ctivo~ Cpi<.1Cllliol()gicos de estimar tendcl1cia~ en trmi-
n()s de medida~ eridcmiolgicamentc interpretables, vale la pena exami-
11ar la mctodologia
El te~t estlldistico
de M.lntel por lo ampliamente
de Mantel-Haenszel (frmula
utilizada que es.
[12.3R]) se aplica a
I
dalos sum.lrizados en form.1 de un con.iunto de tablas de 2 x 2. El
rrimer(1 lll' csto~ autores. ~lmpli(' { Il)(,.ll ia prueba p~lra dar c(\bid? a
d:lt('s quc estu\'icscn re~umidl)S COill(1l'()n.illllt() de t~lblas dc contin~encia
<:()11l'lI~lll.Juil'r n\lmcr() dc c~ltcgori;l~ de l'xp()sici()n () de cnrermcdlld.
l)ich:1 ampli.lci()11 posihilita tamhicl1 l.JUl' las \'ariablcs del estudi() sean
tratada~ Com(' medida~ continu.l~. En la m,1yOria de las aplicacione.\;
cridcmiolgicas. la variable enfermed,id permanece como dicotmica.
pCr(1 la de exposicin se categoriza en diversos niveles. Utilizando la j

n()mcnclatura de la tablu 16.3. la ampliacin por Mantel del test es:

) a;

\ -L- ) !\.'.\. J" J

'\"" !\ ' .7
- L (1.;-\"j
j .:..,. J
= \c \
'1
"
.;...l1j.;...hj
j i I
"

~~ , j )2
L J\Tjo\j
1.
(~ "i )~(~ f\/j
dl\Jldc .\j rcprc$enla la puntuacin asignada al nivel de exposicin j e i
rcpre$enta el indice del factor de estratificacin para el cual el despliegue
de lo~ datos de la tabla 16.3 representa un estrato. El test de ampliacin
de Mantel. en la forma dada aqu. puede ser entendido como una
~eneralizacin a lo~ estrato~ de un test de tendencia lineal en proporcio-
nc~. PUC$lO que se trata de un tesl asinttico. como el de Mantel-

~~1~,;1k

',',~~.

~
 ?":::.

.fflj'
~i:c.
l r'"

I\N/IIISIS r::ON NIVELES n~ ~XPOSI(;ION MIJL TIPLES 387

1:1111:1 16..'. /-il/""(1 (1(' /'/'('-\'(""('("Ifi" JI' 1".\- (1(11(1.\, ('!,;t!('I";('I(jR'icn.\"

("(iII /'(I/'i(,.\' ,,;,-(0/(,-\ (1(' ('.\"/If,.\-;(-;(i"

Nivcl tic cxposicin

o 2

( 'asl IS
lJ() {11 lI~ al
No t:asos hn h, h~ hl

Tolal Nn N N2 Ni

11:lt::1SZcl. 110 rCtllli(;rc Icner nmcros gr~lndes en ningn estrato. De

~
I1Ct:illl. f\111CilIll:1 hi(;11 r.:liando r.:~\da eslralo es simplemente un par de
1::1S(\-r.:I)I1Ir01emp:lrc.iati()s. siempre que hllbiese bastantes de ellos como ~~:

il-?,
rara llllC sc r.:lilllplit:sc la r.:()l1dicil)n asintIic~l.
~~~'
I rl1 tCsl de telldcncia lineal no tiene incorporada ninguna asuncin
..'
Ilc lilll.'alidad: Sc limita a poner a prlleb;.l el c'OI"!,')I'(!I/fe lineal de la
ll.'ll(It:11Ci:\. \."llalqlliera que fuese la lendencia real. I\si pues, es til para ~~

*.
(Ict~clar r.:lialqllier rclacin montona existente entre exposicin yenfer-
m~u:lti. il1cillSO si la relacin 110 es line;.ll. Por supuesto. puede haber ~;

:ls()ci~tcioI1CS 11~lm~llivamente no mOnlOn~lS con un componente lineal

qllc fuc.<;c \."omo b:ll~lnCe ccro. En la medida cn que sc sospcchascn a
rriori t~lles asoci~lciones complejas. se las puede evaluar mediante una
;lsi~n~lr.:il)11 tic rllnlllaciones que reneje esa visin apriorstica.
M~lnlcl ( I IJh3) proporcion igualmente frmulas para los coeficientes
tic rc~rcsi()11 qllc miticn la Icl1ticncia linc~ll quc est siendo sometida a
rrllcha. pcro p~lr~l datos de c~lso-control no son fcilmente interprelables
1.:11Icrmin()s cpidcmiol()~icos, L~l lendenci~l lineal medida es una tenden-
Ci:l tic la prop()rci()n tic sujcto,c; que son caso,c;, Para dalos de seguimiento
qll~ rcprcscnl~ls~n ;OI1ortc,c; fija,c;. sc trata tic una tendencia de la inciden-
r.:i:l :lclimlll~l(l~l. pcr() para tintos de cnso-control. insistimos. no es equiva-
Icl1lc ~l un il1crcmcnlo lincal cn la tasa o en la razn de tasas, Considere-
'"\)S los datos 11ip()tticos del ejemplo 16.4, El incremento en la propor-
r.:i()ll dc slijetos quc son cnsos es perfectamente lineal, pero la razn de
las~\s ~lumcnt;.l dc forma mils que exponencial con los incrementos uni-
f()rmcs de la expo.0;ici()n. En contraste, el ejemplo 16.5 muestra una
Ic"ticnci~l CIl la ra7,l1 de taS(lS que se incrementa linealmente con la
cxp()sici()I1. pero la proporcin de sujelos que son casos sc incrementa
'.';;O
mcllos 4l1c lillc~llmcnte. \si pues. no debe aplicarse a datos de caso- io.-1~~

",:~

\."1)111 rol cl c()cficicllte dc rcgrcsin obtenido por el procedimiento de ;,""

;~~
Mantcl. ~1i~-rJ.
\ pcs~lr tic II) .ll1tcriormente dicho. el test de ampliacin de Mantel
;o"slituvc. sill c.;mhar\!o. incluso con datos de caso-control. una forma J~
;i~
v(ilid(l d pl)IlCr ~1prU~b(l la hiptesis nUI(l de que no existe una relacin
moI1()ton(l ~ntre exposicin y enfermedad. Su interpretabilidad deriva
dcl hccho de que unc.l ~lusenca de tendencia significa exactamente eso:

1
,
:~~

";:.i.~~.
1~
.~
;f~:~~l
 tr1~tt~~
~~;;i~\\~~~i~~
'-
-~-;:~.'-~..;;., -;,:.,..;.:,;,~.~:;;;~. ,.~~, ;~~;...;;;..

388 EPIDEMIOLOGIA MODERNA

, , ~-

Ejemplo 16.4. /)010.1 ';pnl(;1irn.\ tic r{I.\"O-Cmllrol qllC mollif/C'.\"101l

/11/(1 1('1lc!('Ilrio 1;,1{'01 (,II 1(1 prnpnrci()1I dc .\'"j('10,\ q'/C .\"m/ {'a.~n.\
, Nivcl dc cxro~icin

o 2 ~ Totul
)

l~j('mplo 16.5. /)(1/(1,1 h;P(1/i'/

111!(1 /('lld('1!(";(1
;("(1,\ d(' ca.\'(I-("n1!/rnl
1;1!('all!I1 la ra;(i11

Nivcl
qllC IIIn1!;fie.\"IO1!
dc la.\"a.~

de exposicin
,
.,
() 3 Total

(.;I~O~ 20 3.1 4~ 5(1 14; .:

l)i 50 ~54 ~
(.olllrolc~ 80 57

T('1tal 10(1 100 10O JOO 400

J~:17()1l dc tS3~ .{) 2.0 3.0 4.0 I

UIl:l :luscncia de tendcncia. se la exprese en termino.c; de razn de tasas o

dc prop()rcin dc SU.iel()S que son casos a Cad(l nivel de exposicin: existe
UIl:l hiptesis nula comn que hace vlido al test: ms an. se trata
cicrt.lmenle de una prueh.1 est:ldistic.lmcntc potentc frente :I un.1 g.lma
ampli:l dc :llternati\.as :I la hip()lesi~ nul;1 (T;lr()nc : G.lrt. 19RO). Per(' el
test tiene el inconvenientc dc que si)l() es UII tcst y proporciQn:l nic(l-
mentc un \'alor de P. Para obtener una mcdida de tendencia con scntido
epidemiologico es necesario utilizar un mtodo del tipo dcl descrito en la
seccin previa de este mismo captulo.

,~~

ANALISIS MULTI\'ARIADO PARA DETECTAR TENDENCIA

L()s modclns de riesgo relativo generalizado descritos por Thomas ( 1981 )

(,frCl-cIl \111modo dc evaluar tendencia en III razn de tasas mediante un ~J+~
I r~:
,?
,-.;;
k.

I\l('dclt\ mUlli\'nri.\do, En contra~tc- cl modclo de regresin logistica es

mlll''t\ m:'l..; rcslriclivo- puc~I() quc prc~umc una relacin exponcilcia) .'.':-:

c .

:f;fJ~I~:

~
 ::;;

:~ ;71~
/\N/\LISIS CON NIVELES DE EXPOSICION MUL TIPLES 389

\.'lltr~ il1<.'rclllclllos ll11iformcs ue la c.xposicin y la venlaja de enfermedad.

1:1 1.:()cli<.,icnle uc Ul1 trmino de exposicin continuo describe implcita-
mcnle. en una rcgresin logistica. un,l relacin exponencial. Transforma-
I.:ioncs Jc la csc:\la ue exposicin puedcn uar cabida a otras relaciones
I.:xp()sici()n-cnl'crmeuad. pero se consigue mi1s nexibilidad. como sucede
lIabitu,\lmcnle. c,ltegorizando la variable de exposicin y usando trmi-
nos indicadores cn el modelo logistico par,l cada nivel de exposicin no
I.:cro.
1\1 tener trminos indicadores. el modelo de regresin logstica pro-
1~()rcio\1a cstimados de 1,1 razn de tasas para cada nivel de exposicin.
!)i<.,h() n1()Jclo rr()vee lambin estimados de la varianza. con lo que se
p()(lri:1 1:1111)1L':lr 1:1 (1lltpUt JI.: \,1 rc!:!rcsi()n \()gislica en los ani11isis antcs
\ll.:s\..rilcl' (ll: rL'1!rL'SIIIII rC)nJl:ril(lil para I.lctcctar tendencia. La ev:llu:lcin
I.lc Icn(ll.:tll.:ti\ rcs\III;lnlc 11()cstar:II.:()'lrUllJiJa por ninguno ue los faclores
tcniJ<)s c.:n I.:ucnta \."1 cl moJclo logistil.:o. ()hlcniendo. a partir de dicho
moJclo I<)~isticu. cstim,\uos sep,lr,ldos uel efecto a varios niveles de
1 cxposicin. el invcstigador puede mantener cierto sentimiento en rela-
ci()n con los datos. Dichos estimados separados aportan tambin una
clar~l im.1gcn de la lendencia rcal. sin la asuncin dosis-respuesta incor-
p<)r.\d.1 cn el modclo logstico cu,lndo sc utilizan variables independien-
tes continu,ls. Ms ~ln, categorizar en una escala nominal limita los
problemas de que las observaciones extremas innuyesen excesivamente
I I()s d,\ tos.
Los estim.ldos del efecto de la figura 16.2 se sacaron de un anlisis de
rcgrcsin lop.istica: como hemos visto. es factible de modo razonable-
m~11tc ri1cil ,~n,lliz.lr mediante regresin lineal los citados estimados del
cfccto. cmpleando nicamente unos pocos cillculos basados slo en estos
rcsultados publicados y sin tener acceso alguno a los datos originales. La
simpleza del anillisis de regresin a la hora de detectar una tendencia
I \ine,11 ~' su adaptabilidad a cualquier tipo de datos. desde crudos hasta
los resultados de un anlisis de regresin logstica. lo convierten en un
abord,lje ,ltractivo para la evaluacin epidemiolgica inicial de la pre-
] scncia de tendencia. El modelo de riesgo generalizado
constituve una alternativa multivariada
de Thomas ( 1981 )
eficiente y flexible; en cambio,
como se" ha dicho. por lo general la regresin logstica no resulta apro-
piada: para evaluar la existencia de una tendencia en el efecto, los
~
modelos lol!sticos deben nicamente ser considerados como un paso
prclimin,lr ;1 lISO de otros mtodos.
n
I~EJ:'ERENC)AS
~ IJlron. J. 1\.. Vc~~cy. M.. McPhcrSOn. K.. cl al. Malernal age and breasl canccr
~
risk. .1. NIII. (il1/(.(.'. 1".\"1. 19R4:72:13()7-13()9.
1)011. I~.. .anc.JI' ill. 1\. ". M orlalily or Brilish c.Joclors in rclation lo their smoking
hahils. \ prcliminary rcporl. 8r. J\f('J. J. 1954:1:1451-1455.
I)rapcr. N. I~.. and Smilh. H. /1""lie(1 R(.,~'.('.~.~iml,ln{1I-,'.~i.~.New York: Wiley.
Il)(,6. .

~~wl
:~~i ,..
;~~
.l~r~~~~~:
~I~;*;m:1~~f )~~*:~ ::.;;;:;'
 c.
':;: .~,.

,. ."~~~"-~~

;(.~;
~-..,.
..T!l:~~ -

390 EPIDEMIOLOGIA MODERNA

Cjri7-"!.lc. J. E.. Slarmcr. C. F.. and Koch. G. G. Analysi~ or categorical data by

1ll1c~lr modcls. Bi())lle,ric.~ 1969;25:489.503.
Hill. A. P.. Pikc. M. C.. Smilh. P. G.. el al. Slratified analvsis or case-control
~Iudic~ "'ith thc faclOr under stud)' laking multiplc vajues. .1. Ch,.01!. Di.~.
197H;~1:547-555.
Klcinha\lm. D. G.. and Kurpcr. L. L. Apr/;(,(1 R('.1.".l'.~.~iml A1!(lI.I..~i.~ ond O,hl'r
1\1,llt;,.(I'.i(lhl(. \f(.,I,(I(I.~. Nortll Scit\latc. MA. [)uxhtlry Press. 1978.
Macf\1~lhol1. H.. C:olc. P.. LiI1. T. M.. ct al. Agc al fir~t birth al1d hrcasl CailCCr
ri~k. B,/II. 11.'{0 197():43:209-221.
f\lanlcl. N. C'hi-squart' tc~t~ \Vith one degrec ()r freedom: Extcnsions of tht'
M:lntcl-Hacn~zcl proccdurc. J. Anl. S,a,. A.~.~()(. 1963;58:690- 700.
McGrc!:!or. D. 11.. L~lnd. C. E.. Choi. K. ct nl. Brcast cancer incidencc among
:lt()mic bomh ~urvivors. Hir~ohima and Na~:lsaki. 1950-69. J. Nal. Cmlcer
In~l. 1977;59:799.811. '~
Mic"cy. R. M.. und Ela~horr. J~. M. A gcncralization or thc Mantcl-Hucn~zel .:,

c~tm:ltor or partial a~~()Cialion ror 2 x .1 x K table~ Bimll("ric.~ ::;~.

i
I l)X~.A
( \1-. -).6 1~
1.t:."1, ..
f\lictlincn. O. S. StandardiZ(lli()n of risk ratios. Am. J. Epill(!miol. 1972:96:383-
j
~RR.
Pikc. M. C.. C~\~agrandc. J.. and Smitil. P. G. Statistical anal,'si~ or individua11v
m:ltchcd C:l~c-conlrol sltldies in epidcmiolo~y: Factor under slud~. a discret~
\.ari:lhlc takin~ mtlltiplt' \,altle~. /3r. J, 1',.(.1". .<)"()c.\f('d. 1975:29:196-201. t
J)(I\'lc. ('.. .1.Lanc~.
/:II.t!/. \f(.({ S.. ano R()thman.
19R4:311:1382. K. .1. AnII,'~i~
. or ()rdcred dala (LctICr). \..

J~(,Scnh.ltIm. P. R..
:t!!C-:td.i\l~lCO :tndB;()"I(.'r;('.~
r:tIC!\. R\lhin. D.19R4:4():4:'\7-44:;.
R. Dimctlltic~ with re{!rcssion
~ analvses
. or

SiJ\.c~. S. D. S'(Jl;.f';l.(,II,!f(',.('n(.l'. M irJdlc~ex. En~land: Pcn~tlin Rooks. 1970. .

1
1 :tronc. R. I:.. ~lt1d Gilrt. J. .1. On thc r()hu~tnc~~ or combincd lesls ror lrcnds in
proportion~. .1. /Im. .S"I(ll. A.\".\.()(. II.)H():75:11()-116. .

Thom~I~. D. C. Gcncral rCI:lli\'e ri~k modcl~ ror stlrvi\,allimc and matchcd casc.
conlrl\1 :tMI~'~i~ Ri(,m("'.i('.~ 19R 1::17:(i73-(i76.
'1.(\lln~. T. R.. KC1narck. M. S.. and Tsi~llis. A. A Epidcmiologic ~Iudy or drin-
kin~ \V:tlcr chl()rill:ltion C1nd Wi~consill fcmalc canccr mortality. J. Na'.
~
(.(m("(". In.~l. 19RI:(i7:1191.1198.

I
t [
ti J

.~~;rn: .;:~~

.~~t::
,;~;J*~1[f~~~i~' [~!.;fu~}i~~~~~