GUÍA DEL COEFICIENTE ODDS RATIO

Universidad Central de Venezuela

Constituye otra forma de cuantificar la asociación entre dos variables en una correlación
bivariada, que a su vez son nominales dicotómicas. La proporción de la escala o resultado
varía entre 0 e infinito, y carece de unidades de medida. Los Odds de un evento se calculan a
partir de un conjunto de variables predictoras (Cerda, Vera y Rada, 2013; Sainani, 2011).

Odds Ratio (O.R.) se define como un cociente entre dos Odds. Un Odd es la razón entre la
probabilidad de que un evento ocurra y la probabilidad de que no ocurra. El Odd del grupo de
interés se debe colocar siempre en el numerador y el de referencia en el denominador.
Asimismo el O.R. se emplea en modelos de regresión logística para determinar el nivel de
influencia que ejerce la Variable Independiente sobre la Dependiente (el coeficiente se usa
para estandarizar la salida logarítmica de la V.I.) (Cerda, Vera y Rada, 2013; Sainani, 2011).

Requisitos para la Aplicación de Odds Ratio

Se aplica sobre variables cuantitativas dicotómicas genuinas.

Los OR permiten trabajar con estudios retrospectivos y transversales. Un estudio es

retrospectivo cuando la muestra utilizada se conforma a partir del evento resultante (se
considera primero el efecto), y posteriormente se relaciona con los antecedentes. Los estudios
de caso son buenos ejemplos del tipo retrospectivo. En un estudio transversal se basa en la
medición de las condiciones de una muestra en un punto específico del tiempo, y son usadas
por ejemplo para evaluar el impacto de tratamientos y medidas preventivas sobre una
población (Cerda, Vera y Rada, 2013; Sainani, 2011).

Procedimiento y casos de aplicación

 Cuando se ha seleccionado la muestra, se determina en cada sujeto la presencia o ausencia
del resultado de interés, y su condición de expuesto o no expuesto a ella, midiéndose ambas
variables en forma simultánea (Cerda, Vera y Rada, 2013).

En el caso “a” se analiza la relación entre el consumo de alcohol y el desarrollo de una

miocardiopatía en el seguimiento de una muestra de 530 adultos, de los cuales hay 286
personas que reportaron una alta frecuencia en el consumo de alcohol, y 244 sujetos que
reportaron abstenerse de consumirlo. En el grupo de consumidores frecuentes 101 personas
desarrollaron un tipo de miocardiopatía y 185 no lo hicieron, mientras que en el grupo de
quienes no consumen alcohol, 63 personas desarrollaron algún tipo de miocardiopatía frente a
181 que no lo hicieron.

Miocardiopatía asociada al consumo de

alcohol
Consumo de Ocurre No ocurre Total
alcohol
Sí 101 (a) 185 (b) 286
No 63 (c) 181 (d) 244
Total 164 366 530
Fuente: Elaboración Propia

El O.R. calculado con los datos de la tabla anterior es el resultado de la siguiente operación:
[(a/b)/(c/d)] lo que resulta en 1,6.

Interpretación del Odds Ratio

Si bien el Coeficiente Odds Ratio oscila entre 0 e infinito, a fines de facilitar a la

interpretación se reconoce que un O.R. igual a 1 indica la ausencia de asociación entre
variables. Valores menores a 1 indican que existe una relación negativa entre variables, y
valores superiores a uno, una relación positiva. Paralelamente, es importante tener en cuenta
cuáles son la o las variables predictoras o explicativas, y cuál es la consecuencia esperada.
 Del caso “a” se interpreta que la razón entre la presencia de una miocardiopatía asociada al
alcoholismo versus la ausencia de una miocardiopatía, es 1,6 veces mayor entre los sujetos que
consumen alcohol frecuentemente en comparación con los sujetos que no consumen alcohol.
O en otras palabras, la ingesta frecuente de alcohol aumenta en 1,6 veces la aparición de una
miocardiopatía. Hay una relación positiva entre las variables mencionadas (Cerda, Vera y
Rada, 2013).

Consideraciones

El nivel de precisión del Odds Ratio depende del tamaño de la muestra, si es mayor será
más preciso. Igualmente es recomendable su uso en experimentos que cuentan con un grupo
control sobre el Riesgo Relativo (Sainani, 2011).

Los Odds Ratio tienen propiedades matemáticas que los hacen más apropiados para las
regresiones logísticas. Una de ellas es que el rango del O.R. varía desde el 0 al infinito
mientras que el Riesgo solo puede variar entre 0 y 1. El uso de la regresión logística le permite
a los investigadores examinar los efectos de múltiples predictores simultáneamente. Los O.R.
también son válidos en otros casos en los que el Riesgo Relativo no es idóneo, como en los
estudios de caso (Sainani, 2011).

Referencias bibliográficas
Cerda, J., Vera, C. y Rada, G. (2013) Odds ratio: aspectos teóricos y prácticos [Versión
Electrónica]. Revista Médica de Chile, 141 (10), 1329-1335. Recuperado el 1 de junio
de 2018 de https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0034-
8872013001000014&lng=es&nrm=iso.

Sainani, K. (2011) Understanding Odds Ratios [Versión Electrónica]. PM&R, 3 (3), 263–267.
Recuperado el 1 de junio de 2018 de https://www.pmrjournal.org/article/S1934-
1482(11)00053-0/fulltext.