Documentos de Académico
Documentos de Profesional
Documentos de Cultura
www.villamedicgroup.com Página | 1
Mejores médicos.
CONTENIDO
I. ESTADÍSTICA - VARIABLES ........................................................................................................................................................... 3
II. VALIDEZ, PRECISIÓN Y ERRORES – SESGOS ............................................................................................................................ 4
III. PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD ....................................................................................................... 6
IV. MUESTREO ................................................................................................................................................................................. 8
V. MEDIDAS RESUMEN .................................................................................................................................................................... 10
VI. REPRESENTACIÓN GRÁFICA ................................................................................................................................................. 11
VII. PRUEBAS ESTADÍSTICAS 1 - DEFINICIÓN Y TIPOS DE ERRORES ..................................................................................... 14
VIII. PRUEBAS ESTADÍSTICAS 2 - CLASIFICACIÓN Y TIPOS ....................................................................................................... 15
IX. MEDIDAS DE ASOCIACIÓN O DE EFECTO ............................................................................................................................ 15
X. MEDIDAS DE IMPACTO POTENCIAL ........................................................................................................................................... 16
www.villamedicgroup.com Página | 2
Mejores médicos.
✓ La estadística puede definirse como una rama de las matemáticas probabilísticas acerca de una población.
que se encarga de recopilar, organizar, analizar e interpretar los ✓ Al analizar los datos de una población, generalmente se inicia con
datos; así como, inferir resultados a partir de una muestra de estadística descriptiva y posteriormente se utiliza la estadística
• La estadística descriptiva se encarga de describir y sintetizar ✓ Variables: atributos o características medibles u observables que
las características básicas de un conjunto de datos, con el varían entre individuos, por ejemplo: peso, talla, grupo sanguíneo,
identificación de patrones y forman la base de los análisis ✓ Datos: valores medidos u observados que son asumidos por las
Edad 30 años
Sexo Masculino
Peso 60 Kg
Talla 165 cm
Temperatura 36.7 °C
www.villamedicgroup.com Página | 3
Mejores médicos.
se puede determinar su distancia. La única operación que se
puede realizar es la suma o resta. Por ejemplo, en la escala
de temperatura centígrada puede decirse que la distancia
Gráfico. Esquema de los tipos de variables entre 25° y 30°C es la misma que la existente entre 20° y 25°
C, pero no puede afirmarse que una temperatura de 40° C
equivale al doble de 20° C en cuanto a intensidad de calor se
refiere, debido a la ausencia de cero absoluto.
4.4. Escala de razón: Se asigna números a cada elemento para
indicar la intensidad de una característica. Aquí el valor cero
no es arbitrario, pues representa la ausencia total de la
magnitud que se está midiendo. Con esta escala se puede
3.2. Según su relación con la hipótesis de investigación: realizar cualquier operación lógica (ordenamiento,
a) Variable independiente: Es aquella variable que asume el rol comparación) y aritmética (suma, resta, multiplicación o
de causa o factor de riesgo y puede ser introducida o división). Ejemplos: peso, colesterol sérico, glucosa sérica,
manipulada por el investigador. frecuencia cardiaca, presión sistólica.
b) Variable dependiente: Es aquella variable que asume el rol
de efecto y es dónde se observan y miden los cambios Cuadro. Características de las escalas de medición
producidos. También se la denomina variable de interés o Operación
Escala Característica
variable de estudio. matemática
Igualdad o
Identidad.
ORDINAL desigualdad.
Orden.
Mayor o menor.
Identidad. Igualdad o
Orden. desigualdad.
INTERVALO
Distancias iguales en los Mayor o menor.
intervalos de la escala. Suma o resta.
4. ESCALAS DE MEDICIÓN
Igualdad o
✓ Se refiere a la manera como se va asignar una cantidad a la Identidad.
desigualdad.
variable, además de los posibles valores que puede tomar la Orden.
Mayor o menor.
variable. Tenemos cuatro escalas de medición: RAZÓN Distancias iguales en los
Suma o resta.
4.1. Escala nominal: En esta escala los posibles valores de la intervalos de la escala.
Multiplicación o
variable se agrupan en categorías excluyentes. No es posible Cero absoluto.
división.
establecer una relación de orden entre las categorías. La
operación matemática permitida es el conteo. Los números
pueden usarse como identificadores o nombres. Por ejemplo: RECUERDA:
sexo [masculino (1), femenino (2)], estado civil [soltero (1), ✓ Tipo de variable y escala de medición son dos conceptos
4.2. Escala ordinal: Surge a partir de la operación de • Grupo Rh: (valores: positivo y negativo)
ordenamiento. Existe un grado de intensidad de la cualidad o Tipo de variable: Cualitativa dicotómica o Cualitativa
que no se puede determinar la distancia entre las categorías. • Hemoglobina: (valores medidos en g/dL)
Ejemplos: dolor [leve (1), moderado (2), severo (3)], grado de o Tipo de variable: Cuantitativa continua.
instrucción [primaria (1), secundaria (2), superior (3)]. o Escala de medición: Razón.
www.villamedicgroup.com Página | 4
Mejores médicos.
b) Validez externa: Se refiere a que los resultados del estudio
1. VALIDEZ son generalizables a otras poblaciones; es decir, el poder de
✓ Se refiere al grado en que el resultado del estudio sea verdadero generalizar a poblaciones más allá de la población de estudio.
y esté libre de error sistemático o sesgo. El sesgo se puede reducir
utilizando una muestra aleatoria. Tenemos dos tipos: 2. CONFIABILIDAD
a) Validez interna: Se refiere a la metodología empleada en el ✓ Es la capacidad de repetir el mismo resultado cada vez que se
estudio, es decir, una investigación bien diseñada y ejecutada realiza el estudio, lo cual es contraria a la variabilidad. La
tiene validez interna. variabilidad debida al azar puede combatirse aumentando el
tamaño de la muestra.
EN INSTRUMENTOS DE MEDICIÓN:
La validez se entiende como el grado en el cual el instrumento mide lo que pretende medir, mientras que la confiabilidad (precisión) es el grado
en que la aplicación repetida del instrumento en el mismo sujeto entrega los mismos resultados. Un instrumento de medición debe ser válido y
confiable.
La validez y confiabilidad se puede representar como un tiro al blanco:
www.villamedicgroup.com Página | 5
Mejores médicos.
estudio, siendo el subgrupo tan grande lo cual hace que bebidas alcohólicas y el hábito de fumar está asociado
los resultados no sean válidos. con el cáncer de pulmón.
Ejemplo: En un estudio para demostrar el efecto de un
nuevo fármaco para reducir la mortalidad, se observó Cuadro. Efecto del factor de confusión
que el grupo control en su mayoría tenía sintomatología
severa.
4.2. Sesgo de información: Se introducen durante la medición de
la variable. Se deben a errores cometidos en la obtención de
los datos o clasificación incorrecta de los sujetos o las
variables.
a) Sesgo de memoria o recuerdo: Se presenta
principalmente en estudios retrospectivos, cuando se
evalúan exposiciones que no son recordados de igual Cuadro. Resumen sobre sesgos
manera por los sujetos de los grupos de estudio (grupo
Sesgo de selección Sesgo de Factor de
caso y grupo control, por ejemplo).
información confusión
b) Sesgo de procedimientos: Se produce cuando el
Se introduce durante Se introducen Se introduce a
investigador realiza una medición más meticulosa de las
la selección de durante la medición través de un factor
variables en un grupo de estudio (por ejemplo, el grupo
sujetos en estudios de las variables de confusión
experimental), no teniendo el mismo cuidado en el otro
grupo de comparación (por ejemplo, el grupo control).
c) Sesgo por falta de sensibilidad del instrumento: Se III. PROBABILIDAD Y DISTRIBUCIONES DE
produce cuando se utilizan instrumentos no adecuados PROBABILIDAD
para medir la variable de estudio. 1. NOCIONES DE PROBABILIDAD
d) Sesgo de detección: Se produce cuando se cambia el 1.1. Espacio muestral (Ω): Es el conjunto de todos los posibles
método diagnóstico utilizado inicialmente en el estudio. resultados de un experimento. Por ejemplo:
La nueva prueba diagnóstica incorporada detecta mejor ✓ Lanzar una moneda: Ω = {𝑐𝑎𝑟𝑎, 𝑠𝑒𝑙𝑙𝑜}
la enfermedad, pudiendo diagnosticarla en estadios ✓ Lanzar un dado: Ω = {1, 2, 3, 4, 5, 6}
tempranos, alterando el pronóstico de los sujetos, en 1.2. Probabilidad: Para un suceso A, la probabilidad de que A
especial en estudios de supervivencia. ocurra se simboliza P(A):
e) Sesgo de atención o efecto Hawthorne: Se produce 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴
𝑃(𝐴) =
cuando los sujetos cambian su conducta al darse cuenta 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
1.3. Axiomas de Kolmogorov:
que son observados.
✓ Si Ω es el conjunto de todos los resultados posibles de una
f) Sesgo del entrevistador: Se produce cuando los
variable, y ∅ es el conjunto vacío, entonces: 𝑷(𝛀) =
entrevistadores de la investigación no han sido
𝟏 𝒚 𝑷(∅) = 𝟎
capacitados y pueden interpretar de forma distinta lo ✓ Para todo suceso 𝐴 ⊂ Ω , se cumple 0 ≤ P(A) ≤ 1
expresado por los sujetos en estudio. ✓ Si A y B son sucesos en Ω mutuamente excluyentes, se
4.3. Factor de confusión: Se introduce a través de un factor de cumple:
confusión (variable de confusión). El efecto de una variable 𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨 𝒐 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)
independiente (exposición) sobre una variable dependiente ✓ Si A y B son sucesos en Ω, tales que 𝐴 ∩ 𝐵 ≠ ∅ (no son
(enfermedad) es modificada por el factor de confusión, mutuamente excluyentes), entonces: 𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨 𝒐 𝑩) =
pudiendo sobreestimar, subestimar o revertir el sentido del 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(𝑨 ∩ 𝑩)
1.4. Probabilidad de sucesos complementarios: Dos sucesos A y
efecto. El factor de confusión debe cumplir con lo siguiente:
B son complementarios, si B considera todos los posibles
✓ El factor de confusión está asociado con la exposición
resultados no contemplados en A. El complemento de A se
(variable independiente)
simboliza Ac. Se tiene que A y Ac son mutuamente
✓ El factor de confusión está asociado con la enfermedad
excluyentes. Respecto a las probabilidades se cumple:
(variable dependiente)
✓ El factor de confusión no es un paso intermedio entre la
exposición y la enfermedad.
✓ Por ejemplo, un estudio encontró la asociación entre el
consumo de alcohol y el cáncer pulmón, sin embargo,
esta asociación fue resultado del hábito de fumar que
actúo como un factor de confusión. En este caso, el
hábito de fumar está asociado con el consumo de
𝑷(𝑨𝑪 ) = 𝟏 − 𝑷(𝑨)
www.villamedicgroup.com Página | 6
Mejores médicos.
1.5. Probabilidad condicional: Si A y B son dos resultados de la (Kg), talla (m), glucosa (g/dL). El espacio muestral de una
variable, tal que P(B)>0, la probabilidad condicional de que variable aleatoria continua debe ser un intervalo o una
ocurra A dado que ya ocurrió B, que se simboliza P(A|B), está colección finita de intervalos no traslapados. La probabilidad
dada por: que ocurra A se calcula como el área bajo la curva en el
𝑷(𝑨 ∩ 𝑩) intervalo de puntos de X que pertenecen a A:
𝑷(𝑨⁄𝑩) =
𝑷(𝑨)
1.6. Independencia de sucesos: Estadísticamente, dos sucesos A
y B son independientes si P(A|B) no depende del evento B.
Se tiene entonces:
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩)
2. DISTRIBUCIÓN DE PROBABILIDAD
✓ La distribución de probabilidad es la función de una
A variable
aleatoria que define la probabilidad de ocurrencia de un suceso. El
comportamiento de una variable aleatoria queda descrito por su
distribución de probabilidad. Puede haber 02 distribuciones de
probabilidad: ✓ Entre las distribuciones de probabilidad continua tenemos:
2.1. Distribución de probabilidad de variable aleatoria discreta distribución normal, distribución chi cuadrado, distribución t.
número de libros que va a leer de un total de ocho Ω = ✓ La distribución continua de probabilidad más importante de toda la
{1,2,3,4,5,6,7,8}, lanzar 2 dados y observar la suma Ω = estadística es la distribución normal. La importancia de esta
✓ A continuación, se detallan algunas distribuciones de distribución de las variables asociadas con muchos fenómenos de
a) Distribución geométrica: Sea P(éxito)=p y P(fracaso)=1- de población o la distribución de temperaturas de una población,
p, entonces la probabilidad que en k ensayos se tenga se pueden aproximar por distribuciones normales.
2.2. Distribución de probabilidad de variable aleatoria continua estándar, se define como 95.4% del área total y con 3
✓ Una variable aleatoria es continua si puede tomar cualquier desviaciones estándar aproximadamente el 99.7%; tal como
www.villamedicgroup.com Página | 7
Mejores médicos.
TENER EN CUENTA:
Una importante propiedad de la distribución normal es que se puede
transformar en distribución normal estándar mediante una 3. TIPOS DE MUESTREO
estandarización. La distribución normal estándar se caracteriza por ✓ Existen dos tipos de muestreo: probabilístico y no probabilístico.
tener una media 0 y una varianza de 1. 3.1. Muestreo Probabilístico: Es aquel en que todos los individuos
de la población tienen la misma probabilidad de entrar a
✓ Muestreo es una técnica estadística cuyo objetivo es obtener la muestra. Los individuos son seleccionados mediante una
muestras representativas de una población para realizar inferencia técnica aleatoria, el cual puede ser: aleatorio simple,
✓ La población es el conjunto completo de elementos, con alguna la población es finita y homogénea. Cuando el elemento
característica común, que es el objeto de estudio, y que está seleccionado en cada extracción vuelve a ser incluido
delimitado en espacio y tiempo. Cuando el número de elementos en la población antes de extraer el siguiente elemento,
de la población es elevado, es necesario trabajar con solo una se denomina muestreo aleatorio simple con reposición.
parte de dicha población. Al subconjunto de elementos de una Cuando el elemento seleccionado en la extracción no
población se le conoce como muestra, al número de elementos de vuelve a ser incluido en la población antes de extraer el
la muestra se le llama tamaño de la muestra, y para que los siguiente elemento, se denomina muestreo aleatorio
resultados de un estudio estadístico sean fiables es necesario que simple sin reposición.
la muestra tenga un tamaño mínimo. Por ejemplo: En un estudio b) Muestreo aleatorio estratificado: Los sujetos de la
se quiere evaluar la hemoglobina en niños menores de 5 años de población son inicialmente agrupados en diferentes
Ancash; la población corresponde a todos los niños menores de 5 estratos o subpoblaciones, tales como la edad, nivel
años de Ancash y la muestra corresponde a un subconjunto de los socioeconómico, género, entre otros. Luego se
niños menores de 5 años de Ancash. seleccionan los sujetos de forma aleatoria en cada uno
numéricas, las cuales se pueden calcular para una muestra o una c) Muestreo aleatorio por conglomerados: Se utiliza
población. Estas mediciones se llaman parámetros cuando se cuando las unidades muestrales disponibles son grupos
asocian con la población y se denominan estadísticos de elementos llamados conglomerados, los cuales
(estimadores) cuando se calculan a partir de una muestra. generalmente son definidos por áreas geográficas, por
Gráfico. Obtención de una muestra a partir de una población de niños ejemplo distritos, provincias, departamentos, etc. En
www.villamedicgroup.com Página | 8
Mejores médicos.
aleatoria de uno de los primeros k elementos de una n (tamaño de la muestra)
población ordenada y luego la selección sistemática de ✓ Por ejemplo: En una población de 150 sujetos (N=150) se
cada k-ésimo elemento de ahí en adelante. Para esto se calculó que la muestra necesaria corresponde a 30 sujetos (n
realizan los siguientes pasos: = 30). Entonces K = 150 / 30 = 5
I. Enumerar los elementos de la población (enumera ✓ Como el valor K resultó 5, entonces se selecciona al azar el
en una lista). primer sujeto de los primeros 5 sujetos de la lista, por ejemplo
II. Determinar una relación de muestreo denotado por el sujeto 2 fue elegido. Luego, los siguientes sujetos se
K. seleccionan contando de 5 en 5 (valor K), como se observa
K= N (tamaño de la población) en el siguiente gráfico:
3.2. Muestreo no probabilístico: Es aquel en donde los individuos b) Muestreo consecutivo: Es similar al muestreo por
de una población no tienen la misma probabilidad de formar conveniencia y se diferencia de este en que incluye en
parte de la muestra, es decir, existen algunos individuos que la muestra a todos los sujetos accesibles.
tienen una probabilidad igual a cero de ser seleccionado en c) Muestreo discrecional o por juicio: La selección de los
la muestra. Utiliza métodos en que no interviene el azar y por sujetos de la muestra se realiza de acuerdo a la
lo tanto se desconoce la probabilidad asociada a cada sugerencia de expertos, quienes indican qué individuos
individuo para formar parte de la muestra. Tiene la limitación pueden contribuir a la investigación.
que no asegura la representatividad de la muestra. d) Muestreo por cuotas: Se determinan subgrupos de
Generalmente este tipo de muestreo se utiliza en estudios interés en una población denominadas cuotas (edad,
exploratorios o cualitativos. Tenemos los siguientes tipos de género, lugar de residencia, entre otros),
muestreo no probabilístico: seleccionándose los sujetos de cada cuota de forma no
a) Muestreo de conveniencia: El investigador selecciona a probabilística.
sujetos accesibles que están dispuestos a participar en e) Muestreo de bola de nieve: Se lleva a cabo
el estudio (proximidad con el investigador, amistad, generalmente en poblaciones especiales o de difícil
etc.). acceso. Para efectuar el muestreo, se pide a
informantes iniciales que proporcionen los nombres de
www.villamedicgroup.com Página | 9
Mejores médicos.
otros miembros potenciales de la muestra y que formen
parte de la población especial.
TENER EN CUENTA:
En el ámbito de la investigación cualitativa se entiende por
saturación el punto en el cual se ha recolectado ya una cierta
✓ A diferencia de la media aritmética, la mediana no se ve
diversidad de ideas y con cada entrevista u observación adicional
afectada por valores extremos, y para el cálculo no
no aparecen nuevos elementos. Es decir, la recopilación de más
intervienen todos los valores. La información que utiliza la
ideas no aporta mayor riqueza ni profundidad al estudio del
mediana es el orden en que se distribuyen los valores.
fenómeno de interés. La saturación se convierte en un momento de
1.3. Moda: Es aquel valor de la variable que tiene la máxima
inflexión en el trabajo de campo en el que el investigador cesa en
frecuencia, es decir, el valor o categoría que más se repite.
su búsqueda de nuevas unidades de muestreo.
Puede suceder que la moda no sea única en un conjunto de
datos, denominándose distribución bimodal (2 valores o
V. MEDIDAS RESUMEN categorías que más se repiten), trimodal (3 valores o
✓ Las medidas resumen permiten comparar una muestra con otras categorías que más se repiten), etc. Por ejemplo: Se tienen
y dar una idea rápida de cómo se distribuyen los datos. las edades de 7 niños (en años): 2, 3, 4, 4, 5, 2, 4; aquí la
moda es 4, dado que es el valor que más se repite.
1. MEDIDAS DE TENDENCIA CENTRAL
✓ Permiten describir a los datos que tienden a concentrarse 2. MEDIDAS DE DISPERSIÓN
alrededor de un valor central. ✓ Los conjuntos de datos pueden tener el mismo valor central pero
1.1. Media aritmética o promedio: La media aritmética de un con aspecto diferente por la forma en que los números se
conjunto de “n” mediciones es igual a la suma de las dispersan desde el centro. Las medidas de dispersión nos indican
mediciones dividida entre “n”. la variabilidad de los datos en torno a su valor promedio, es decir
si se encuentran muy o poco esparcidos en torno a su centro.
2.1. Rango o recorrido: Es la diferencia entre el valor máximo y
mínimo que toma la variable estadística.
Rango = Valor máximo – Valor mínimo
✓ La media se considera como un valor representativo del conjunto 2.2. Varianza: La varianza cuantifica la variabilidad de los datos
de datos que se estudia y caracteriza a toda una distribución. En con respecto a la media aritmética y se denota por “σ2” si es
su cálculo intervienen todos los valores que se están estudiando. la varianza de una población y “s2” si es la varianza de una
La media como medida de tendencia central es poco robusta, pues muestra. La varianza de una muestra de “n” mediciones es la
depende mucho de valores particulares de los datos, por ejemplo, suma de las desviaciones cuadradas de las mediciones
si en una muestra introducimos un nuevo dato con un valor mucho alrededor la media dividida entre (n-1):
mayor que el resto, la media aumenta apreciablemente; por tanto, ∑(xi − x̅)2
s2 =
n−1
la media aritmética es sensible a valores extremos.
2.3. Desviación estándar o desviación típica: La desviación
1.2. Mediana: La mediana de un conjunto de “n” mediciones es el
estándar de un conjunto de mediciones es igual a la raíz
valor que cae en la posición media cuando las mediciones
cuadrada de la varianza. Se denota por “σ” si es la desviación
son ordenadas de menor a mayor.
estándar de una población y “s” si es la desviación estándar
de una muestra.
www.villamedicgroup.com Página | 10
Mejores médicos.
una variable se ha reacomodado en orden de magnitud, el p- 1. ANÁLISIS DESCRIPTIVO
ésimo percentil es el valor de la variable que es mayor a p% ✓ Consiste en el análisis de cada variable y dependerá del tipo de
de las mediciones y es menor que el restante (100 - p) %. Por variable.
ejemplo, el percentil 20 es el valor de la variable que es mayor 1.1. Variable Cualitativa o categórica:
al 20% de las mediciones y menor del 80% restante: a) Diagrama sectorial, circular o de pastel: Por ejemplo: Asma
(si, no).
Gráfico. Ejemplo de la posición del percentil 20.
Asma
Si, 15
No, 85
3.2. Cuartil: Los cuartiles dividen la distribución en 4 partes
iguales, en donde cada uno de ellos incluyen el 25% de las
mediciones. Cuando un conjunto de “n” mediciones en una b) Diagrama de barras o rectángulos: Por ejemplo: Distrito de
variable se ha acomodado en orden de magnitud, el cuartil procedencia (Ancón, Ate, Comas, La Molina, Lince, SJL).
inferior (primer cuartil) o Q1 es el valor de la variable que es
mayor a un cuarto de las mediciones (25%) y es menor que
Distrito de procedencia
los restantes tres cuartos (75%). El segundo cuartil es la 50 45 45 43
mediana (50%). El cuartil superior (tercer cuartil) o Q3, es el
40
valor de la variable que es mayor a tres cuartos de las 32 33
mediciones (75%) y es menor que el restante un cuarto 30 25
(25%).
20
Gráfico. Cuartiles 10
0
Ancón Ate Comas La Molina Lince SJL
Satisfacción
TENER EN CUENTA: 50
✓ El percentil 25 y el cuartil inferior (Q1) tienen el mismo valor.
40
✓ El percentil 50, cuartil intermedio (Q2) y la mediana tienen el
mismo valor. 30
✓ El percentil 75 y del cuartil superior (Q3) tienen el mismo valor.
20
10
VI. REPRESENTACIÓN GRÁFICA
✓ Los resultados de una investigación se pueden presentar de forma 0
gráfica y dependerá su elaboración al tipo de análisis que se quiere Satisfecho Insatisfecho
realizar y las variables involucradas. A continuación, se realiza una
1.2. Variable cuantitativa discreta:
descripción más extensa usando como referencia la clasificación
a) Diagrama de barras o rectángulos: Por ejemplo: Número de
de Pértega-Díaz y Pita-Fernández (2001).
días de hospitalización:
www.villamedicgroup.com Página | 11
Mejores médicos.
35 Primer cuartil
30 Bigote
30
Número de pacientes
24 Tercer cuartil
25
20
14 Caja Mediana
15 12
10
5
5 3 Límite superior
0 Bigote
1 2 3 4 5 6
Días de hospitalización Límite inferior
Outliers
En el ejemplo, la variable días de hospitalización es una variable Por ejemplo: hemoglobina (mg/dL)
cuantitativa discreta, dado que, el número de días es un número
entero. Del gráfico, se puede observar que 30 pacientes tuvieron
4 días de hospitalización.
1.3. Variable cuantitativa continua:
a) Histograma: Por ejemplo: hemoglobina (mg/dL)
b) Polígono de frecuencias: Por ejemplo: hemoglobina (mg/dL) ✓ Hojas: son los siguientes elementos de cada uno de los
datos de nuestra variable. (Aparece en vertical).
✓ Por ejemplo: Tenemos la edad de 15 personas:
www.villamedicgroup.com Página | 12
Mejores médicos.
Masculino
Enfermo Sano
Enfermo Sano
60
c) Gráfico de líneas: Consiste en una serie de puntos
50
conectados entre sí mediante rectas, donde cada punto
40 puede representar la variable de interés según lo que interese
en el tiempo. Ejemplo: Cantidad de enfermos por mes.
30
48
20
10 46
0
44
Enfermos
Enfermo Sano
Masculino Femenino 42
www.villamedicgroup.com Página | 13
Mejores médicos.
Gráfico. Regiones de rechazo y no rechazo de la hipótesis nula (Ho)
www.villamedicgroup.com Página | 14
Mejores médicos.
manejado por el investigador. Cabe señalar que, 1-β es obstante, son menos potentes en relación a las pruebas
conocido como potencia de la prueba. paramétricas.
✓ A continuación, se resumen las pruebas no paramétricas más
Compara promedios en 2
TENER EN CUENTA:
Test de Student para datos grupos.
Serán muestras independientes (no apareado) cuando ambas
relacionados Variable cuantitativa con
muestras se obtienen de distintos sujetos y no hay nada en común
distribución normal.
en dichas muestras. (Las mediciones se hacen en distintas
Compara promedios en 3 o
muestras).
Análisis de varianzas [ANOVA] más grupos.
Serán muestras dependientes (apareado) cuando las
para datos relacionados Variable cuantitativa con
observaciones o valores de ambas muestras se obtienen de los
distribución normal.
mismos sujetos, habiendo algo en común en dichas muestras. (Las
mediciones se hacen en la misma muestra en distintos momentos).
2. PRUEBAS NO PARAMÉTRICAS
✓ Las pruebas no paramétricas no requieren supuestos de la
IX. MEDIDAS DE ASOCIACIÓN O DE EFECTO
distribución poblacional como ocurre en las pruebas paramétricas
✓ Evalúan la fuerza con la que una enfermedad o evento (variable
(no requieren distribución normal). Pueden aplicarse en variables
dependiente) se asocia con un factor de riesgo (variable
categóricas y numéricas. Asimismo, estas pruebas se pueden
independiente):
aplicar cuando las muestras son pequeñas (<30 sujetos). No
www.villamedicgroup.com Página | 15
Mejores médicos.
✓ Compara el riesgo de enfermar en el grupo de expuestos frente al • b/d bxc
riesgo de enfermar del grupo de no expuestos. Esta medida es • Cuando la OR tiene el valor de 1, el comportamiento del factor
utilizada en los estudios prospectivos (cohortes o ensayos es indiferente; si el valor es superior a 1, el factor puede
clínicos). Mide la fuerza de la asociación entre el factor de riesgo considerarse como riesgo; y si es inferior a 1, es valorado
y la enfermedad. Se calcula de la siguiente forma: como factor protector.
𝐼𝑒
𝑅𝑅 =
𝐼𝑜
✓ Donde: TENER EN CUENTA:
• Ie: es la incidencia acumulada o riesgo de enfermar entre los Los valores de OR y RR son muy similares cuando la prevalencia
expuestos. de la enfermedad es menor al 10%, pudiéndose decir que son
• Io: es la incidencia acumulada o riesgo de enfermar entre los intercambiables.
no expuestos.
✓ Asimismo, su significado varía dependiendo del valor que tome: X. MEDIDAS DE IMPACTO POTENCIAL
• • RR > 1 → Factor de riesgo (FR). ✓ Expresan la importancia de una exposición frente a una
• • RR = 1 → Indiferente. La incidencia es igual en expuestos y enfermedad, es decir, miden la proporción de la enfermedad que
no expuestos. puede ser atribuida a la exposición. Asimismo, dan a conocer qué
• • RR < 1 → Factor de protección. sucedería si se eliminara la exposición en los individuos expuestos
✓ A continuación, se presenta un ejemplo de cálculo de Riesgo o en la población.
Relativo: ✓ En primer lugar, vamos a estudiar la importancia de una exposición
en los individuos expuestos y luego en la población general. Para
esto, se va a utilizar un caso hipotético de un estudio de la
incidencia de accidentes cerebrovasculares (ACV) en una
población:
Incidencia
(por 100
ACV No ACV Total
mil
habitantes)
Figura. Cálculo de riesgo relativo
Fumadores
80 99 920 100 000 80
(expuestos)
✓ Del ejemplo podemos decir que, el grupo expuesto tiene 2.4 veces
No fumadores
más riesgo de tener la enfermedad en comparación los no 200 999 800 1 000 000 20
(no expuestos)
expuestos. Además, dado que el RR es mayor que 1, podemos
decir que es un factor de riesgo. Población total 280 1 099 720 1 100 000 25.5
2. ODDS RATIO (OR)
✓ Conocido también como razón de productos cruzados, razón de
momios, razón de chance, razón de ventaja o razón de disparidad. 1. Medidas de impacto potencial en expuestos.
Consiste en comparar el nivel de exposición en los enfermos ✓ Corresponde a la importancia de un factor de riesgo (exposición)
(casos) con el equivalente en un grupo de no enfermos (controles). para desarrollar la enfermedad en los sujetos expuestos. Por
Es una medida de asociación utilizada en estudios de casos y ejemplo: cuantificar los accidentes cerebro vasculares
controles. Se define como la posibilidad de que una condición de (enfermedad) que se pueden atribuir al hábito de fumar
al riesgo de que esta ocurra en otro grupo. Se calcula de la 1.1. Riesgo atribuible en expuestos: Se refiere al riesgo que se
www.villamedicgroup.com Página | 16
Mejores médicos.
Incidencia de ACV (por 100 mil 90 90
80 80
70 70
60
60
50
hab)
%
40
30
20 30
10 20
0 10 25%
Fumadores (expuestos) No fumadores (no
0
expuestos)
Fumadores (expuestos) No fumadores (no
✓ El riesgo atribuible en expuestos es una medida absoluta y expuestos)
no da una idea de la proporción de la incidencia que es
atribuida sólo al hábito de fumar, para lo cual se tiene el 2. Medidas de impacto potencial en la población.
riesgo atribuible proporcional en expuestos. ✓ Corresponde a la importancia de un factor de riesgo (exposición)
1.2. Riesgo atribuible proporcional en expuestos: También para desarrollar la enfermedad en la población y no solamente en
denominado fracción atribuible en expuestos. Se refiere a la los expuestos. Por ejemplo: cuantificar los accidentes cerebro
proporción del riesgo que se atribuye al factor de riesgo vasculares (enfermedad) que se pueden atribuir al hábito de fumar
(exposición) en individuos expuestos. Se representa con la (exposición) en la población en general.
siguiente fórmula: 2.1. Riesgo atribuible poblacional: Se refiere al riesgo que se
puede atribuir al factor de riesgo (exposición) en la población
𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 − 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠
𝑅𝐴𝑃𝑒𝑥𝑝 = total (expuesta y no expuesta). Se expresa como el exceso
𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠
de riesgo en la población en relación a los no expuestos:
𝑅𝐴𝑃 = 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 − 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠.
✓ En el ejemplo, calculamos el riesgo atribuible proporcional en
✓ En el ejemplo, calculamos el riesgo atribuible poblacional:
expuestos: 𝑅𝐴𝑃 = 25.5 − 20 = 5,5 𝑝𝑜𝑟 100 𝑚𝑖𝑙 ℎ𝑎𝑏𝑖𝑡𝑎𝑛𝑡𝑒𝑠
✓ En la población total la incidencia de 5.5 por 100 mil
80 − 20
𝑅𝐴𝑃𝑒𝑥𝑝 = = 0.75 = 75% habitantes se atribuye al hábito de fumar (exposición).
80
2.2. Riesgo atribuible proporcional en la población: También
✓ El 75% de ACV en fumadores (expuestos) puede ser denominado fracción atribuible en la población. Se refiere a
atribuido al hábito de fumar (exposición). Asimismo, se puede la proporción del riesgo que se atribuye al factor de riesgo
decir que, eliminando el hábito de fumar (exposición) (exposición) en la población total. Se representa con la
TENER EN CUENTA:
Los riesgos atribuibles en expuestos se suelen usar en la práctica
clínica, puesto que en este ámbito se realizan intervenciones en
personas expuestas a un factor de riesgo; mientras que, los riesgos
atribuibles en población se suelen usar en salud pública, puesto que
las intervenciones se realizan a nivel de toda la población.
www.villamedicgroup.com Página | 17