Importancia de lo normal y anormal

En la práctica clínica, diferenciar y clasificar como anormal los datos que se encuentran
importantemente alejados de lo usual, es más fácil que diferenciar si un dato específico es
normal o anormal. El grado de anormalidad suele ser un reto para el clínico.
Caso clínico
Lucía de 36 años, originaria y residente de la Ciudad de México, acude a consulta
refiriendo cursar 18 semanas de embarazo. Entre sus antecedentes de importancia refiere
madre con diabetes mellitus, padre con hipertensión arterial, esposo sano, un hijo de dos
años de edad, actualmente sano, con antecedentes de peso al nacer de 4 kg. Como
antecedentes patológicos refiere sobrepeso desde la infancia y obesidad a partir de los 30
años de edad, con ganancia ponderal importante entre ambos embarazos. G:II, C:I, P:0,
embarazo previo con aumento ponderal de más de 12 kg, de curso normal. Durante el
embarazo actual refiere que en comparación al embarazo previo ha cursado con
cansancio fácil, mucha sed, mayor cantidad de orina y mayor aumento de peso. En
consulta previa le solicitaron estudios.
El médico le refiere que, por los antecedentes familiares, los personales patológicos y los
del embarazo previo, y considerando los síntomas actuales y el reporte de glucemia en
ayunas de 120 mg/dl, es conveniente que se realice una curva de tolerancia a la glucosa,
ya que de comprobarse intolerancia a la glucosa en dicho estudio es conveniente iniciar
con tratamiento para diabetes gestacional, a fin de tratar de evitar complicaciones.
La paciente le pregunta al médico que por qué piensa en diabetes gestacional, si sus
resultados de glucosa en ayunas se encuentran aún en límites normales, según lo que a
ella le han comentado.
El médico le responde que, si bien, según algunos estudios una concentración de glucosa
de 120 mg/dL podría considerarse normal (ya que se encuentra dentro del promedio más
dos desviaciones estándar), es recomendable monitoreo y tratamiento oportuno, ya que la
evolución de su embarazo no es la esperada.
Concepto de normalidad
Fletcher menciona tres criterios para considerar una medición anormal (no guardan
relación uno con otro):
1. Ser inusual
2. Relacionarse con una enfermedad
3. De estar presenta, se recomienda iniciar un tratamiento por sus mayores
beneficios
Straus los comparte e incluye otras definiciones de normalidad:
1. Gaussiana: lo que se encuentra entre la media y +/- 2 desviaciones estándar
2. Percentil: lo que se encuentra dentro de un rango percentilar
3. Culturalmente deseable: lo preferido por la sociedad (subjetivo)
4. Factores de riesgo: no conllevan ningún riesgo adicional para que se presente
una enfermedad
 5. Diagnóstica: los valores fuera de un rango hacen probable la presencia de una
enfermedad
6. Terapéutica: por encima de cierto rango de valores se considera que el
tratamiento ofrece más beneficio que perjuicio
Rendón enfoca normalidad en dos conceptos:
1. Aislado: las variaciones entre variables en grupos humanos no son muy amplias y
por tanto lo más frecuente es lo normal. Mismo criterio gaussiano
2. Multivariado: incluye tres criterios:
a. Anormalidad por presencia de signos y síntomas asociados a
enfermedades específicas
b. Anormalidad por exposición a factores de riesgo asociados a
enfermedad
c. Anormalidad por presentar estado en que profilaxis o terapia dan
mayores beneficios
Curva normal
Sirve para establecer los parámetros que se pueden plasmar en una distribución de
probabilidades por medio de la gráfica conocida como campana de Gauss.
Los datos cuantitativos se distribuyen a la izquierda y derecha de la media en una figura
de campana; pueden estar delimitados por una desviación estándar estadísticamente
significativa o no.
La mediana, la moda y la media de una variable son iguales entre sí. En el eje de las
abscisas (x) se encuentran los valores llamados z. El 50% de los datos se distribuyen a la
izquierda y el otro 50% a la derecha (simetría). En el eje de las x hay segmentos
denominados desviaciones (positivas y negativas).
En términos de proporción, el área debajo de la curva es igual a 1, es decir, incluye el
100% de los datos.
Utilidad de la curva de Gauss
Los datos obtenidos de una muestra o población pueden ser analizados mediante las
siguientes medidas:
 De tendencia central:
o La media es el promedio aritmético de una distribución o de un conjunto de
valores
o La mediana es el valor que divide a la distribución por la mitad
o La moda es la categoría puntuación que ocurre con mayor frecuencia
 De dispersión:
o El rango es la diferencia entre la puntuación mayor y la menor en una
distribución
o La desviación estándar es el promedio de desviaciones de las
puntuaciones respecto a la media
o La varianza es la desviación estándar elevada al cuadrado
Puntaje Z (unidades de desviación estándar)
Los datos obtenidos se transforman a unidades de desviación estándar, lo cual permite
conocer su ubicación debajo de la curva.
Una desviación estándar tomada a cada lado de la media contiene un área de 68.26% del
total; 2 desviaciones estándar a cada lado 95.44%; 3 desviaciones 99.74%.

Los valores Z transforman los puntajes originales con diferentes unidades de medición en
una misma. Son así una unidad estandarizada con lo cual es posible localizarlo en el eje
de abscisas de una curva normal estandarizada.

Cuando se tiene el valor de z debe buscarse en una tabla específica para estos valores,
de ahí puede ser localizada en la curva.
La forma en la que se buscan valores debajo de la curva en la tabla es la siguiente:
1. Localizar el puntaje de z que es la desviación estándar
2. Enseguida, buscar el valor que está entre el promedio y el valor z.
Normalidad y Anormalidad
Medidas de tendencia central: representan medidas descriptivas de un valor típico
observado en un grupo poblacional
Medidas de dispersión: muestran la variabilidad de dichos datos, representando
estadísticamente qué tanto se alejan de la media.

Normalidad estadística y clínica

Enfoque univariado/aislado: La normalidad son los datos pertenecientes a una
condición usual o frecuente (asumiendo que la población tiene características iguales), la
anormalidad son las condiciones extremas y no frecuentes.
El concepto comprende valores de una sola variable/medición de la población, delimitado
en intervalos (mismos que nos dicen si el dato es normal o anormal). Ej. temperatura,
peso, respiraciones x minuto.
Para definir normalidad en este enfoque se hacen tres preguntas:
1. ¿Qué proporción de valores se consideran “habituales”?
2. ¿Qué proporción no lo son?
3. ¿Qué tan poco común debe ser la condición para considerarse “anormal”?
Las mediciones que se realicen dan como resultado una gráfica de dispersión. Datos
frecuentes caen en el centro, media a la mitad, extremos son la desviación de datos
(campana de Gauss).
Los datos anormales pueden considerarse como tales cuando se dirigen hacia un extremo
(una cola) o hacia ambos (dos colas).
Ventajas:
 Posibilidad de que existan variaciones biológicas en los datos observados
 Límites claros que orientan al clínico sobre una posible enfermedad
 Certeza de valores encontrados en un 95% de la población siendo variación al
azar
Desventajas:
 Los valores sólo sirven para una determinada población
 Pueden enmascarar personas enfermas
 Existen enfermedades que sobrepasan el porcentaje del 95%
Multivariado/correlacionado: determinado por las decisiones y acciones del médico de
acuerdo con los datos presentados en el enfoque salud-enfermedad. Una persona es
“normal” mientras no presente datos de un proceso infeccioso/de enfermedad, hecho que
se considera “anormal”.
Criterios de normalidad en este enfoque:
1. Presencia de síntomas o signos
Definido por estudios realizados en las personas que padecen la misma
enfermedad y presentan signos o síntomas iguales o semejantes.
Cuando un dato clínico tiene una prevalencia menor en la población sana es
considerado poco significante, y viceversa.
Ventajas:
 Criterio de normalidad sustentado por enfermedad definida
 No arbitrarios
 Datos en el límite pueden alertar a los clínicos
 Permite adoptar un mejor diagnóstico, tratamiento y pronóstico de vida
Desventajas:
 Pacientes en fase preclínica dan criterios insuficientes para diagnóstico
 Cuando hay síntomas o signos pertenecientes a enfermedades
desconocidas
 Enfermedades que se presentan en etapas tardías
 Cuando no hay un tratamiento eficiente

2. Exposición a un factor de riesgo

Determinados por estudios epidemiológicos realizados previamente (físicos,
psicológicos, ambientales, etc).
Esperar a que aparezca un cuadro clínico cuando se conoce de la exposición al
factor de riesgo y hay un proceso mórbido y tratamiento efectivo puede resultar
perjudicial para el paciente.
Ventajas:
 Promoción, prevención, diagnóstico, tratamiento y rehabilitación oportunos
 Justifica el manejo profiláctico
 Basado en evidencia epidemiológica
Desventajas:
 Toda persona está expuesta a FR asociados a enfermedades
 Existen FR conocidos para algunas enfermedades pero sin tratamiento
efectivo
 No se conocen los FR de todas las enfermedades, por lo que hay que
esperar a que aparezca el cuadro clínico

3. Disponibilidad de una terapéutica

Si una maniobra profiláctica resulta de mayor beneficio que no darla quiere decir
que la persona está cursando por un proceso mórbido anormal.
Dependiendo de la desviación estándar en que se encuentra el paciente el
tratamiento puede ser profiláctico, específico o de rehabilitación e incorporación al
sistema productivo.
Ventajas:
 Ofrece una opción eficaz para mejorar la condición de salud
 Existen condiciones anormales en fases clínicas y preclínicas
 Condiciones particulares se pueden considerar normales
 Terapéutica puede confirmar enfermedades qué otras pruebas no lo hacen
Desventajas:
 Si no existe tratamiento eficaz puede dar paso a tratamiento experimental,
el cual puede ser cuestionable
 El concepto de tratamiento eficaz depende del criterio elegido, por lo que
debe ser comparado con un tratamiento de control o la ausencia de este