Descargable m2

Sistema de Aprendizaje a Distancia (SIAD)
MÓDULO 2
Epidemiología y bioestadística básica
1 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Índice
Objetivos ............................................................................................................................................. 3
Introducción ........................................................................................................................................ 4
Bioestadística básica (estadígrafos de posición, dispersión, forma, uso de tablas y gráficos) ........... 5
Estadística descriptiva ..................................................................................................................... 6
Estadística descriptiva: herramientas de estadística descriptiva.................................................... 8
Indicadores en Epidemiología ........................................................................................................... 31
Medidas de Frecuencia: Prevalencia Puntual ............................................................................... 31
Medidas de Frecuencia: Prevalencia Período ............................................................................... 32
Condiciones que afectan la prevalencia........................................................................................ 33
Medidas de Frecuencia: Incidencia Acumulada ............................................................................ 34
Prevalencias versus Incidencia Acumulada ................................................................................... 35
Medidas de Frecuencia: Densidad o Tasa de Incidencia ............................................................... 35

Objetivos
Bienvenido(a) al segundo módulo “Epidemiología y bioestadística básica”, en el que se

abordarán temas como herramientas de estadística descriptiva, medidas de frecuencia y
prevalencias versus incidencia acumulada entre otros.
El objetivo de este módulo es:
• Conocer las herramientas básicas para llevar a cabo el estudio de un brote.
A continuación, le invitamos a revisar los contenidos.

Introducción
Antes de desarrollar cada tema, es preciso indicar que se utilizarán algunas abreviaciones
y siglas, las que se indican a continuación:
• IAAS: infección asociada a la atención de salud.

• GI: gastrointestinal.
• IHOp: infección herida operatoria.
• ITS: infecciones del torrente sanguíneo.
• ITU-CUP: infección del tracto urinario asociada a catéter urinario permanente.
• MINSAL: Ministerio de Salud.
• NVM: neumonía asociada a ventilación mecánica.
• RN: recién nacido.
• UPC: unidad de pacientes críticos, incluye Unidad de Cuidados Intensivos y la
Unidad de Tratamiento Intermedio.

Bioestadística básica (estadígrafos de posición, dispersión, forma, uso de

tablas y gráficos)
Antes de realizar una selección sobre las medidas que serán utilizadas para analizar y
presentar la información de que se dispone, es preciso identificar el nivel de medida de
las variables a estudiar.
De acuerdo a lo anterior, se pueden identificar las siguientes variables:
 Nominales: Los valores solo pueden ser clasificados en clases o categorías, sin un
ordenamiento sugerido por la magnitud de sus valores o algún criterio
previamente definido.
Veamos algunos ejemplos:
• Tipo de infección
• Servicio clínico involucrado
• Sexo
• Tipo de agente etiológico
 Ordinales: Es posible clasificar sus valores en clases o categorías y estas se

pueden ordenar de acuerdo a criterios de magnitud o relevancia.
• Evaluación estado nutricional (bajo peso, normal, sobrepeso, obesidad I, II,

III).
• Estimación nivel socioeconómico mediante FONASA (A, B, C, D).
• Rangos identificados de valores posibles en una medición (Ejemplo: grupos
de edad de 0-15; 16 – 35; 35 y más).
 De escala: Para medir estas variables deben ser ordenables de acuerdo a su

magnitud, y es posible cuantificar la diferencia entre dos mediciones del intervalo.
• Temperatura
• Edad
• Número de cirugías
• Número de días de uso de catéter
• Número de casos de infección
Estadística descriptiva
Cada variable puede asumir un conjunto de valores o atributos de acuerdo al número de

observaciones que se haga en un momento determinado o al número de sujetos,
objetos, condiciones que mi unidad de análisis esté observando.
Revisemos un ejemplo:

¿Para qué utilizar estadística descriptiva?
La estadística descriptiva pretende explicar cómo se comportan las observaciones

realizadas para cada una de estas variables, para lo cual utiliza una serie de herramientas
que dependerán del nivel y el número de las variables que se desean detallar y de la
finalidad de la descripción.
Para lo anterior, se dispone de herramientas tales como:
a) Tablas
b) Medidas de resumen
c) Gráficos

Estadística descriptiva: herramientas de estadística descriptiva
Veamos a continuación el resumen de herramientas de estadística descriptiva, en función

del nivel de medición de las diferentes variables:

a) Tablas
Las tablas de frecuencia permiten agrupar información de una misma variable nominal u
ordinal con relación a sus distintas categorías. Sus columnas describen:
• La categoría de la variable.
• El número de observaciones para cada categoría de la variable.
• La frecuencia relativa (proporción que representa una categoría específica del
total dentro del total de categorías de esa variable).
• Frecuencia acumulada (porcentaje acumulado).

Una tabla de contingencia se caracteriza por poder, en su forma general, agrupar en una
misma herramienta información relativa a dos o más variables nominales u ordinales. Sus
celdas describen:
• Las categorías de ambas variables.

• El número de observaciones presentes en cada una de las combinaciones de
categorías.
• La frecuencia relativa (%) de las categorías de una variable dentro de las variables
presentadas.
• La frecuencia relativa (%) de las categorías de una variable dentro del total de las
observaciones.

Luego de leer esta tabla, podemos observar lo siguiente:
1. Las categorías de ambas variables: para la variable «Establecimiento», categorías

«A» y «B»; para la variable «Resultados post cirugía cataratas», categorías «Sin
endoftalmitis» y «Con endoftalmitis».
2. El número de observaciones presentes en cada una de las combinaciones de
categorías. Por ejemplo, se observaron 400 pacientes en la categoría «A» de la
variable «Establecimiento» que simultáneamente presentaron como categoría
«Sin endoftalmitis» dentro de la variable «Resultado post cirugía de cataratas».
3. La frecuencia relativa (%) de las observaciones realizadas en la categoría de una
variable dentro de la misma variable, así como dentro de otra variable. Por
ejemplo, en la variable «Resultado post cirugía cataratas», el 13% de las
observaciones correspondió a la categoría «Con endoftalmitis», de las cuales el

52,4% se observó en la categoría «A» y 47,6% en la categoría «B» de la variable

«Establecimiento».
4. La frecuencia relativa (%) de las categorías de una variable dentro del total de las
observaciones. En este caso, las observaciones de la categoría «Con
endoftalmitis» de la variable «Resultado post cirugía cataratas» que se ubicaron
simultáneamente dentro de la categoría «B» de la variable «Establecimiento»
correspondieron al 6,2% del total de observaciones.
Las tablas de medidas de resumen permiten combinar variables nominales u ordinales

con variables de escala, combinando diversos niveles de medición. Para representar la
variable de escala se utiliza una medida de resumen (medida de tendencia central y
medida de dispersión).

Medidas de resumen: tendencia central, dispersión y de posición
Las medidas de resumen son las utilizadas por la estadística descriptiva a fin de describir
un conjunto de datos correspondientes a variables de escala, entregando información
acerca de su posición y su dispersión. Estas se clasifican en:
 Medidas de tendencia central

 Medidas de dispersión
 Medidas de posición

 Medidas de tendencia central: son medidas estadísticas que pretenden resumir

en un solo valor a un conjunto de valores. Representan un centro en torno al cual
se encuentra ubicado el conjunto de los datos.
Moda:
 Categoría de una variable que cuenta qué se repite en un mayor número de

oportunidades en una medición.
 A diferencia de otras medidas de resumen, también puede utilizarse en
variables nominales y ordinales.
 Esta medida tiene poco uso y no tiene estadísticas para hacer inferencias, solo
es para describir.
Promedio aritmético:
 Se interpreta como el valor que tendrían las observaciones de una variable en

estudio si todas tuviesen el mismo valor.
o Suma de valores de mediciones de la variable/número de
observaciones realizadas.
 Debilidad: fácil de alterar por valores extremos. Poca representatividad si los
valores no se distribuyen en forma simétrica en torno a un valor central
(distribución «normal»).
 Ventaja: cuenta con muchas pruebas estadísticas para hacer inferencias.
Mediana:
 Corresponde al valor de la observación de la variable bajo el cual se encuentra

el 50% del resto de los valores observados (menores) y sobre el cual se ubica
el 50% del resto de los valores observados (mayores).

 Puede utilizarse para variables de escala, pero también para ordinales.

 Ventaja: a diferencia del promedio, no se ve afectada por valores de datos
extremos y es más representativa cuando los valores no se distribuyen
simétricamente entorno a un valor central.
 Limitación: no hay pruebas para las inferencias estadísticas.
¿Cómo calcular la mediana?
 Se deben ordenar los valores que adquieren las mediciones de las

observaciones realizadas de una variable en forma ascendente (de menor
valor a mayor valor).
 Luego hay que seleccionar el valor que se encuentra en el centro y que divide
la serie en dos grupos de igual número de observaciones.
Para calcular la posición que corresponde al centro, se debe utilizar la fórmula

(n+1)/2, donde «n» corresponde al número de observaciones realizadas. Si el
número de observaciones es par, el valor de corte corresponderá al promedio del
valor de las observaciones que se encuentren inmediatamente sobre y bajo el centro
identificado.
Veamos un ejemplo…
A continuación, se presentan los datos del número de casos, duración, lugar y servicio
clínico afectado de 15 brotes de IAAS de diarrea por C. difficile.
Estimar los cuartiles de número de casos de los brotes:

 Estimar el promedio de casos asociados a brotes de diarrea por C. difficile

 ¿Cuál fue la moda de casos por brote?
- Promedio de casos:
 (2+2+3+3+4+4+4+4+4+5+10+11+1
7+17+25)/15= 7,7
 En promedio, si todos los brotes
presentaran igual número de casos,
presentarían 7,7 casos por brote.
- Moda:
 El número que más se repite es 4,

es decir: la moda es 4 casos por brote.

Promedio de casos:
• (2+2+3+3+4+4+4+4+4+5+10+11+17+17+25)/15= 7,7
• En promedio, si todos los brotes presentaran igual número de casos, presentarían
7,7 casos por brote.
Mediana: (n+1)/2  (15+1)/2 = 8 (posición 8)
• La mitad de los brotes presentaron 4 casos o menos y la otra mitad 4 casos o más.

 Medidas de dispersión: son aquellas que miden el grado de separación de los

valores de las observaciones de la medida de tendencia central. Pretenden
evaluar en qué dimensión los datos se separan de esta medida.
Aquí podemos identificar:
Describa e interprete cómo se comportaron los tiempos de notificación desde la

identificación del caso índice en los brotes de diarrea por C. difficile:
• Mediana de semanas transcurridas desde caso índice a notificación: 5.

• Promedio de semanas transcurridas desde caso índice a notificación : 7.
• Desviación estándar: ±6,3 semanas.
• Rango: 20 semanas.

Interpretación:
• La mitad de los brotes

notificados se notificó en un plazo de 5
semanas o antes desde el momento
de la identificación del caso índice.
• Si hubiese transcurrido igual
período de tiempo desde la
identificación del caso índice a la
notificación del brote en los 15 brotes
reportados, este habría sido de 7
semanas.
• En promedio, las semanas transcurridas entre la identificación del caso índice y la
notificación de cada brote difirieron en ±6,3 semanas del promedio del total de
semanas transcurridas.
• Se observó una diferencia de 20 semanas entre el brote que tardó más y el que
tardó menos en notificar desde la identificación del caso índice.
La «curva normal» corresponde a una forma especial en la cual se pueden distribuir los
datos.
Los valores de un número importante de fenómenos se distribuyen de esta manera si

tenemos suficientes mediciones.
Se caracteriza porque los valores se distribuyen en forma simétrica en torno a un valor

central, punto en el que coinciden en este caso la mediana, la moda y el promedio (μ).

Si tomamos el μ, identificamos que:
 En el intervalo comprendido entre una desviación estándar (σ) sobre μ y una σ

bajo μ, se puede observar el 68,3% de los valores.
 En el intervalo comprendido entre dos σ sobre μ y dos σ bajo μ, se observa el
95,5% de los valores.
 En el intervalo comprendido entre tres σ sobre μ y tres σ bajo μ, se observa el
99,7% de los valores.
Muchas curvas con datos sobre fenómenos son simétricas con forma de campana, pero
sólo la curva «normal» o de Gauss cumple las condiciones mencionadas.
Si los fenómenos se distribuyen en forma «normal», se cumplen las condiciones para

aplicar gran parte de las pruebas estadísticas más conocidas.
Si la distribución no es «normal», aunque sea simétrica y en forma de campana, deben

usarse otras estadísticas especiales.

 Medidas de posición: son aquellas que permiten conocer otros puntos

característicos de la distribución y no solo los valores centrales.
Dentro de estas se encuentran los «cuantiles», que son los puntos tomados a intervalos
regulares de la distribución de las observaciones realizadas de una variable.
La identificación de este punto determina la proporción de valores observados que se

encuentran igual o por sobre el punto, o igual o bajo el punto.
Dentro del grupo de cuantiles están:
• Cuartiles: son aquellos que dividen a la distribución en cuatro partes.

• Deciles: son aquellos que dividen a la distribución en diez partes.
• Percentiles: son aquellos que dividen a la distribución en cien partes.
¿Cómo se calculan?
• Se deben ordenar los valores que adquieren las mediciones de las observaciones
realizadas de una variable en forma ascendente (de menor valor a mayor valor).
• Se debe definir el número de «cuantiles» que se desea identificar.
• La posición de los valores de corte de estos «cuantiles» se calculan con la fórmula
((n+1)/p) · q, donde «n» corresponde al número de observaciones realizadas, «p»
al número de partes en las cuales se decide la distribución (4 en los cuartiles, 10
en los deciles y 100 en los percentiles) y «q» al cuantil consultado.
A continuación, se presentan los datos sobre el número de casos, duración, lugar y

servicio clínico afectado de 15 brotes de IAAS de diarrea por C. difficile.

Estimar los cuartiles de número de casos de los brotes:
• Estimar los cuartiles de número de casos por brote e interpretar.

• Ordenar en forma ascendente los brotes de acuerdo al número de casos por cada
uno.
Identificar la posición de los valores de corte de los cuartiles.
 Cuartil 1: ((n+1)/p) · q  ((15+1)/4) · 1) = 4 (posición 4)

 Un cuarto de los brotes presentaron 3 casos o menos y tres cuartos
presentaron 3 casos o más.
 Dos cuartos de los brotes presentaron 4 casos o menos y dos
cuartos de los brotes presentaron 4 casos o más (corresponde a la
mediana).
 Tres cuartos de los brotes presentaron 11 casos o menos y un
cuarto de los brotes presentó 11 casos o más.
¿En qué cuartil se ubica un brote de diarrea por C. difficile de 17 casos?
Respuesta: Sobre el tercer cuartil, por lo tanto, en el 25% de brotes con más casos.
b) Gráficos
Se emplean en:
->La descripción de la distribución de variables nominales y ordinales:
En esta categoría encontramos gráficos con:

Una variable:
- Existen los de Barras Simples:
• Cuya representación se realiza mediante barras separadas, donde cada barra

representa una variable, cuya altura o longitud es proporcional al número
(observaciones de una sola población) o porcentaje de casos (observaciones de 2
o más poblaciones distintas) observados por cada una de ellas.
• Las variables no tienen necesariamente un orden lógico, secuencial o de otro tipo.
Ejemplo: Tipo de enfermedad.
Los brotes con mayor letalidad son los de infección respiratoria baja por A. baumannii y
los que afectan varias localizaciones (infecciones de torrente sanguíneo, infecciones
urinarias, neumonías, otras) por este mismo agente en pacientes adultos.

- También encontramos el Gráfico Circular:
• Permite representar la proporción que representa el n° de observaciones de una

categoría de la variable respecto al total de las categorías (frecuencia relativa *
360°).
Dos variables:
- Están los de Barras Agrupadas:
• Es el porcentaje de cada categoría de la variable en barras adyacentes, separadas

por población.
- Los de Barras Subdivididas:

• Una sola barra para cada población, todas con altura 100%.
• Subdivisión de cada barra en forma proporcional al % de cada categoría.
- El Gráfico Circular para poblaciones distintas.
->Descripción de distribución de variables de escala:
Histograma:
Representación mediante barras no separadas que permite observar la distribución de

una variable de intervalo.

 Variables numéricas con escala de medición continua: cada barra

representa un intervalo de valores. Cada intervalo de valor debe tener la
misma amplitud (igual diferencia entre su valor mínimo y máximo).
Otros brotes, como los de diarrea por C. difficile han incrementado la tendencia a un
mayor número de notificaciones desde el año 2010, siendo de predominio en servicios
adultos.
->Comportamiento de variables de escala:
Una variable:

Box Plot
• Es un gráfico de gran utilidad para identificar valores que escapan de lo

«habitual», y permiten describir la distribución de la variabilidad de las
observaciones realizadas.
• A mayor altura de la «caja», mayor variabilidad de las observaciones realizadas de
la variable en estudio.
• Permite identificar gráficamente la siguiente información:
 Barra inferior de la caja: 1° cuartil (o percentil 25).
 Barra media: 2° cuartil (o percentil 50 o mediana).
 Barra superior de la caja: 3° cuartil (o percentil 75).
 Líneas inferiores y superiores: valor máximo y mínimo de las
observaciones realizadas de la variable, sin considerar los valores que
escapan de lo «habitual».
En este gráfico tipo Box Plot se representa gráficamente qué ocurriría con el indicador de
referencia de IHO de colecistectomía laparoscópica (valor que corresponde al percentil
75) si sólo reportaran información los hospitales que presentaran tasas de IHO distinta a
«0», en el supuesto de que los hospitales con tasa igual a «0» dejaran de hacer vigilancia.
Como primera observación, la amplitud de los valores de las tasas de IHO se reduciría
(mínimo de 0,1 y máximo cercano a 1,0 IHO cada 100 cirugías versus mínimo de 0,0 y
máximo cercano a 1,0 IHO cada 100 cirugías).
El tercer cuartil o percentil 75, representado por el valor superior de la caja y que usamos
como valor de referencia nacional para la tasa de IHO, subiría de 0,23 a 0,49 IHO cada
100 cirugías.

Dos variables:
Numérica versus categórica.
Box Plot con separación de nivel de categorías.
->Descripción de variables de escala:
Dos variables:
Numéricas.

Gráfico de dispersión o Scattergram:
Se utiliza esencialmente para identificar patrones de asociación en el comportamiento de

dos variables:
 Variable «respuesta» identificada en el eje de las ordenadas (eje

vertical).
 Variable «explicatoria» identificada en el eje de las abscisas (eje
horizontal).
En este gráfico, la variable respuesta (% detección de IAAS) se identifica en el eje vertical,

mientras que la variable explicatoria, es decir, aquella que se está estudiando como
relacionada a la variable respuesta (razón minutos/cama/semana de vigilancia) se
identifica en el eje horizontal.
La representación gráfica muestra una asociación positiva entre ambas variables (mayor
% de detección a mayor razón minutos/cama/semana de vigilancia).

Indicadores en Epidemiología
Medidas de Frecuencia: Prevalencia Puntual
En este caso en particular, de 8 sujetos que se observaron en un momento puntual

(identificado como t2), se identificaron 3 de ellos que presentaron el evento de interés
(A).
Por ejemplo, se decide identificar la prevalencia puntual de diarrea por C. difficile un día
a la semana en una UPC de 9 camas de adultos durante 4 semanas. El día 4 se observan 8
pacientes hospitalizados (uno se fue de alta dos días antes del estudio) de los cuales 3
presentan diarrea por C. difficile. Prevalencia puntual será de 3/8.
• Proporción de la población con el evento en un momento puntual del tiempo.

• En el ejemplo:
 8 personas presentes en el día 4.

 El día 4, tres tienen el hecho estudiado.
 Prevalencia el día 4 es 3/8.

Medidas de Frecuencia: Prevalencia Período
En este caso en particular, de 9 sujetos que estuvieron presentes en la fase de tiempo

observada (independiente de si al finalizar el período se mantuvieron los 9), se
identificaron 4 de ellos que presentaron el evento de interés (A). Por ejemplo, se decide
identificar la prevalencia de diarrea por C. difficile en una UPC de 9 camas de adultos
durante un período en particular (identificado en el gráfico con las líneas amarillas). Al
finalizar el tiempo, las nueve camas contaron con pacientes durante el período
observado (independiente de la duración de su hospitalización), pero sólo 4 de ellos
presentaron en algún momento un cuadro de diarrea por C. difficile. Prevalencia del
período será de 4/9.
• Número Total de personas con el evento en el período definido.

• En el ejemplo se observa:
 9 personas presentes en el período.

 En el período 0 a 10 (marcado con la línea amarilla) cuatro tienen o tuvieron el

hecho estudiado.
 Prevalencia del período es 4/9.
 No se cuenta el caso 4 pues ocurrió después del término del período.
Condiciones que afectan la prevalencia
Existen algunas condiciones que aumentan y otras que reducen la prevalencia. Estas se
indican a continuación:

Medidas de Frecuencia: Incidencia Acumulada
Se refiere al número de casos nuevos de la enfermedad que ocurren en un período de

tiempo específico en una población que se encuentra en riesgo de presentar la
enfermedad al inicio del ciclo evaluado.
Representa el riesgo de presentar el evento para un individuo susceptible a este.
Por ejemplo, en un hospital se decide evaluar la incidencia acumulada de infección de

prótesis de cadera en pacientes sometidos a artroplastía de cadera con una nueva
técnica.
Para esto, durante 10 meses se hace un seguimiento a 8 pacientes intervenidos con esta
técnica, presentando 5 de ellos infecciones de la prótesis en el período de observación
(celdas negritas). La incidencia acumulada será de 5 infecciones/8 cirugías.
Supongamos ahora que se trata del seguimiento de 8 pacientes expuestos a accidente

con sangre contaminada con virus hepatitis B y seroconversión posterior. De los 8
pacientes, el individuo F (en anaranjado) cuenta con inmunizaciones completas contra el

virus. De los 8 pacientes, finalmente 5 de ellos presenta seroconversión al cabo de 10

meses de observación.
La incidencia acumulada será de 5 infecciones/7 expuestos, ya que uno de ellos no se

encontraba en riesgo de presentar la enfermedad (bajo el supuesto que la vacuna
confiere inmunidad al desarrollo de la enfermedad).
Prevalencias versus Incidencia Acumulada
Revisemos el siguiente cuadro:
Medidas de Frecuencia: Densidad o Tasa de Incidencia
Se relaciona con el número de casos nuevos en relación con el tamaño y el tiempo de

observación de la población en riesgo.

Cada individuo en el denominador no es seguido

por el mismo período de tiempo. Corresponde a
la suma de los diferentes tiempos en que cada
individuo estuvo en riesgo.
En una UCI pediátrica con 8 pacientes se desea estudiar la densidad de incidencia de ITU
asociada a CUP durante un período de 10 días de observación. En rojo se identifican los
días con uso de CUP y en negro los episodios de ITU. El paciente A utiliza CUP durante 10
días, sin presentar ITU; el B utiliza CUP 9 días, presentando ITU al décimo día y así
sucesivamente.

Al finalizar los 10 días observamos 5 episodios de ITU asociadas a CUP y una suma total
de 55 días de exposición a CUP, observándose una densidad de incidencia de 5/55 à 1 ITU
CUP cada 11 días de exposición a CUP o, expresado como tasa = 9,1 ITU/100 días CUP.
http://web.minsal.cl/sites/default/files/files/circular_3_de_2015_sobre_denominadores
_de_las_tasas(3).pdf

Descargable m2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Descargable m2

Cargado por

Copyright:

Formatos disponibles

Sistema de Aprendizaje a Distancia (SIAD)

Epidemiología y bioestadística básica

1 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

2 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Bienvenido(a) al segundo módulo “Epidemiología y bioestadística básica”, en el que se

El objetivo de este módulo es:

• Conocer las herramientas básicas para llevar a cabo el estudio de un brote.

A continuación, le invitamos a revisar los contenidos.

3 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

• IAAS: infección asociada a la atención de salud.

4 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Bioestadística básica (estadígrafos de posición, dispersión, forma, uso de

De acuerdo a lo anterior, se pueden identificar las siguientes variables:

Veamos algunos ejemplos:

 Ordinales: Es posible clasificar sus valores en clases o categorías y estas se

Veamos algunos ejemplos:

• Evaluación estado nutricional (bajo peso, normal, sobrepeso, obesidad I, II,

 De escala: Para medir estas variables deben ser ordenables de acuerdo a su

Veamos algunos ejemplos:

Cada variable puede asumir un conjunto de valores o atributos de acuerdo al número de

6 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

¿Para qué utilizar estadística descriptiva?

La estadística descriptiva pretende explicar cómo se comportan las observaciones

Para lo anterior, se dispone de herramientas tales como:

7 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Estadística descriptiva: herramientas de estadística descriptiva

Veamos a continuación el resumen de herramientas de estadística descriptiva, en función

8 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

9 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

• Las categorías de ambas variables.

10 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Luego de leer esta tabla, podemos observar lo siguiente:

1. Las categorías de ambas variables: para la variable «Establecimiento», categorías

11 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

52,4% se observó en la categoría «A» y 47,6% en la categoría «B» de la variable

Las tablas de medidas de resumen permiten combinar variables nominales u ordinales

12 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Medidas de resumen: tendencia central, dispersión y de posición

 Medidas de tendencia central

13 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

 Medidas de tendencia central: son medidas estadísticas que pretenden resumir

 Categoría de una variable que cuenta qué se repite en un mayor número de

 Se interpreta como el valor que tendrían las observaciones de una variable en

 Corresponde al valor de la observación de la variable bajo el cual se encuentra

14 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

 Puede utilizarse para variables de escala, pero también para ordinales.

¿Cómo calcular la mediana?

 Se deben ordenar los valores que adquieren las mediciones de las

Para calcular la posición que corresponde al centro, se debe utilizar la fórmula

Estimar los cuartiles de número de casos de los brotes:

15 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

 Estimar el promedio de casos asociados a brotes de diarrea por C. difficile

 El número que más se repite es 4,

16 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

Mediana: (n+1)/2  (15+1)/2 = 8 (posición 8)

17 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

 Medidas de dispersión: son aquellas que miden el grado de separación de los

Describa e interprete cómo se comportaron los tiempos de notificación desde la

• Mediana de semanas transcurridas desde caso índice a notificación: 5.

18 Estudio y control de brotes de infecciones asociadas a la atención en salud (IAAS)

• La mitad de los brotes

Los valores de un número importante de fenómenos se distribuyen de esta manera si

Se caracteriza porque los valores se distribuyen en forma simétrica en torno a un valor