Epidemiología de enfermedades

en organismos acuícolas

Bonny Bayot, Ph.D.

Centro Nacional de Acuicultura e Investigaciones Marinas
(CENAIM)
bbayot@espol.edu.ec
Brote masivo de cólera causado por
bombas de agua fuera de servicio,
Londres, 1854

John Snow

Datos: Rusty Dodson (NCGIA) – http://www.arcgis.com

http://www.ph.ucla.edu/epi/snow.html
John Snow: Padre de la epidemiología y de los sistemas de información geográfica
John Snow y la epidemia de cólera
de 1854

https://www.youtube.com/watch?v=_d2v42hgne0
 Definición de epidemiología,
epidemiología veterinaria
• Palabras griegas epidemia y logos (tratado o estudio)
• Palabras griegas epi (sobre), demos (pueblo) y logos (tratado o estudio)
• Término griego epidemeo (visitar), que hace referencia a la enfermedad
que se introduce (visita) en una comunidad

“Estudio de enfermedades en las

poblaciones, así como de los factores
que determinan su presentación,
siendo las poblaciones su palabra clave.
Además incluye la investigación y la
evaluación de otros acontecimientos
relacionados con la salud,
especialmente la productividad”
(Thrusfield, 1995; Veterinary
Epidemiology 2ª edición)

Se usa la productividad como indicador de salud en los animales de importancia

comercial, destacando la necesidad de establecer el umbral de productividad óptima
en cada situación.
 Enfoques utilizados para la
investigación en epidemiología
acuática
Enfoque clínico (clásico) Enfoque epidemiológico
Nivel de individuo Nivel de poblaciones
hacia abajo í

hacia arriba
 Estudio de enfermedades en
poblaciones
Para conocer que sucede y como actuar en el caso de un brote de epidémico en
una población es necesario responder las siguientes preguntas:

• ¿Qué está sucediendo?

• ¿En quién? ¿En quienes no?
• ¿Cuándo?
• ¿Cuánto?
• ¿Donde?
• ¿Cómo?
• ¿Por qué?
– ¿Por que algunos animales se
enfermaron y otros no?
– ¿Por que algunas unidades
productivas sufrieron la Epidemiología es conocer y actuar
enfermedad y otros no?
• Cual es la estrategia mas efectiva y
barata para controlarla?
 Monitoreo inicial – Colección de datos
• Recogida de datos históricos, clínicos
y complementarios (situación
epidemiológica)
– Investigación de brotes –
unidades de producción (¿Qué,
Cuando, Cuanto, Donde,
Porque?)
– Información clínica (edad,
tamaño, signos externos)
– Manejo (densidades,
alimentación, supervivencias,
crecimiento, días de cultivo,
productos usados, protocolo de
manejo)
– Ambiente (parámetros
ambientales, vectores, clima)
– Bioseguridad
– Localidad, extensión, afectación
contigua/separada
– Documentación fotográfica
 Conceptos básicos de enfermedades
en poblaciones
• Infección: Entrada, desarrollo y multiplicación del agente en un
individuo susceptible (no infectado)

• Enfermedad: Alteración de las funciones fisiológicas

• Riesgo: probabilidad de ocurrencia de la enfermedad

• Factores de riesgo: variables asociadas estadísticamente a la

ocurrencia de la enfermedad o de la infección
 Mecanismos de transmisión
Mecanismos de transmisión: Conjuntos de mecanismos por los cuales el
agente se disemina en una población
• Transmisión horizontal
• Directa: enfermedades contagiosas
– Contacto directo (vómitos, heces), canibalismo
• Indirecta: enfermedades transmisibles
– Fómites (vehículos, personal, equipo)
– Reservorios (agua, aire, polvo)
– Vectores
» Mecánicos (pájaros)
» Biológicos (otras especies acuáticas)
• Transmisión vertical (agente pasa de los individuos de una generación a su
descendencia)
• Hereditaria (el agente causal está incluido en el genoma del
progenitor)
• Congénita (transmisión del agente se produce antes del nacimiento o
en fases próximas)
Dinámica de una enfermedad

Tesis de Maestría,
Gainza 2006
Modelaje - Simulación

Tesis de Maestría, Gainza 2006

 Curva Epidémica
Número de individuos

Susceptibles Recuperados

Infectados

Tiempo
Transmisión viral (WSSV)

WSSV: Virus del síndrome de la mancha blanca

 Brote de WSD en piscinas

100
Prevalencia de WSSV(%)

80

60

40

20

0
0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112
Tiempo de cultivo (d’as)

WSD: Enfermedad del virus de la mancha blanca

Patogenicidad (WSSV)
Letalidad (WSSV)
 Dinámica de una enfermedad
Latencia Periodo Periodo no
infectante infectante
Dinámica de la
infecciosidad Tiempo

Infección Inicio de la Fin de la

capacidad de infección
infección

No
Incubación Sintomático enfermo
Dinámica de la
enfermedad
Tiempo

Infección Desarrollo Fin de

de síntomas síntomas
 Procedimientos utilizados para
tratar una enfermedad
Periodo de incubación de la enfermedad

Periodo latent de infecciosidad

Procesos Enfermedad Decrecimiento

Exposición patológicos clínica de la
detectables producción

Prevención Prevención Prevención

primaria secundaria terciaria
(terapia)

Intervenciones tempranas son las más adecuadas porque evitarán más gastos de dinero
 Triángulo de Sniezko

Hospedero Agente
patógeno

Enfermedad
Ambiente

Intensificación de los sistemas de

producción provoca interacciones
complejas entre algunos factores
(agente, hospedero, ambiente)
Determinantes de una enfermedad
• Infectividad (dosis)
• Patogenicidad/Virulencia
• Estabilidad capacidad de
infecciosidad en el
ambiente

Hospedero Agente
• Especie • Clima
• Edad • Localización
• Tamaño • Dieta
• Manejo
Ambiente • Estrés
• Portadores

Enfermedad
 Enfermedad de la mancha blanca
• Portal de entrada: región oral, oregano linfoide, epitelios, branquias
• Portal de salida: exuvios, descamasión de epitelios •Carga viral
• Transmisión por contacto con el agua • Patogenicidad,
• Transmisión por canibalismo transmisión y
virulencia
relacionadas con
temperatura
• Cepas más
virulentas

Hospedero Agente
• Bajas temperaturas
•Todas las especies • Estación climática fría
•Juveniles más susceptibles • Variación de temperatura
•Variabilidad en susceptibilidad • Localización geográfica
(resistencia) • Densidad de siembra
•Ciertos estadíos de (mortalidad
en post-muda) Ambiente • Número de animales
• Estrés
• Portadores
• Tiempo de cultivo
Enfermedad
 Temperatura (0C)

Prevalencia a WSSV (%)

34 40
Temperatura (°C) agua (tarde)
33 Temperatura (°C) agua (mañana)
Temperatura del agua (°C)

32
30
31

30
20
29

28
Prevalencia WSSV (%)
Control 10
27
Policultivo baja densidad
26
Policultivo alta densidad
25 0
0 7 14 21 28 35 42 49 56 63 70 77 84

Tiempo de
Tiempo de cultivo
cultivo (d’as)
(días)
Epidemiología y estadística

Población Muestra

Distribuciones de muestreo

Parámetro Estadístico
Inferencia
Libro de estadística para
epidemiología
Medidas de frecuencia de
una enfermedad
 Proporciones

• Cociente expresado como porcentaje, donde el numerador

está incluido en el denominador

• Ejemplo: Prevalencia: es una proporción, que es una

medida de casos existentes de una enfermedad en un
momento determinado o a través de un periodo de tiempo
= No de infectados
Total de la población
 Tasas
• Medida de la rapidez con que sucede un evento,
especificando: tiempo, lugar y población analizada

• Ejemplo: Incidencia: es una medida de los nuevos casos de

una enfermedad que se desarrollan en un periodo de tiempo
en un lugar y población específicos
= No de infectados en granja A en 1 año
Total de la población en granja A
Tablas de contingencias
 Tablas de contingencia
(2 x 2)

Enfermos No Total marginal • Dos variables binarias

Temperatura enfermos de fila (dicotómicas):
Temperatura y
Baja a b a+b enfermedad
Alta c d c+d
• Las celdas contienen los
Total marginal a +c b+d n conteos (observaciones
de columna
reales en cada caso que
se van registrando en un
estudio)

Utilizado para:

• Pruebas de hipótesis de proporciones en dos grupos

• Pruebas de hipótesis de asociación entres dos variables
• También usado para más de dos variables categóricas (tablas r x c)
 Probabilidad conjunta. Dos eventos
ocurriendo simultáneamente, ejm A1 y B1 =
P(A1,B1) = P(A1 ) P(B1). Intersección
Probabilidades conjuntas P(A1,B1) = P(A1) P(B1)

A1 A2 … An Prob. Marginal
B1 P(A1,B1) P(A2,B1) … P(An,B1) P(B1)
B2 P(A1,B2) P(A2,B2) … P(An,B2) P(B2)
… … … … … …
Bm P(A1,Bm) P(A2,Bm) P(An,Bm) P(Bm)
Prob. Marginal P(A1) P(A2) … P(An) 1

Probabilidades marginales Bajo el supuesto de independencia de

P(A1) = P(A1,B1) + P(A1,B2)+ …+ P(A1,Bm) las dos variables
P(B1) = P(A1,B1) + P(A2,B1)+ …+ P(An,B1)
 Frecuencias esperadas bajo el supuesto de la
hipótesis nula (Ho) (supuesto de independencia)
H0: No asociación entre las dos variables (independencia), lo que es igual a
decir que “las proporciones de enfermos son iguales en los dos rangos de
temperatura
Temperatura Enfermos No enfermos Total
marginal
de fila
Baja (a+c)(a+b)/n (b+d)(a+b)/n a+b
Alta (a+c)(c+d)/n (b+d)(c+d)/n c+d
Total a +c b+d n
marginal de
columna
• Si la hipótesis nula fuera correcta no debería haber discrepancias entre frecuencias observadas (esta
tabla) y esperadas (las que colectaremos)
• Discrepancias ó diferencias grandes indican falta de ajuste de la hipótesis nula (o evidencias en contra
de la hipótesis nula)

• Prueba de contraste: Estadístico que compara frecuencias observadas y esperadas (esta última
asumiendo que no hay asociación entre las variables)
( O − E − 0.5) 2 En tabla de 2 buscar el P-value asociado al
Pr ueba  2 =  E estadístico de la prueba, con 1 grado de
gl = (2 -1) x (2 – 1) = 1 libertad
 Ejemplo: Frecuencia de infección en
dos localidades
Hipótesis nula H0: No asociación entre temperatura y enfermedad (independencia) o que
la proporción de enfermos es igual en individuos expuestos a baja que a alta temperatura
Frecuencias observadas Frecuencias esperadas
Temperatura Enfermos No Total marginal de fila Temp Enfermos No enfermos
enfermos

Baja 50x38 50x62

Baja 26 24 50 100 100
Alta 12 38 50 Alta 50x38 50x62
Total marginal de 38 62 100 100 100
columna

Temp Enfermos No enfermos

( O − E − 0.5) 2
Pr ueba  2 =  E
gl = 1 Baja 19 31

Estadístico de prueba evaluado con los datos = 7.17. Alta 19 31

Consultando una tabla de Chi-cuadrado. 0.005 < p < 0.01
Decisión: Hay suficiente evidencia para rechazar la hipótesis
nula.

Conclusión: Existe una asociación entre temperatura y enfermedad, es decir hay una dependencia entre
las dos variables, o lo que es lo mismo, la proporción de individuos enfermos es mayor a temperatura baja
que a temperatura alta.
 Distribución Chi-cuadrado (2)

• Utilizada en análisis de datos

categóricos
• La forma de la distribución
depende de los grados de
libertad, con incrementos se
aproxima a normalidad
 Prueba exacta de Fisher
• Si en alguna de las celdas de la tabla de contingencias hay
frecuencias esperadas < 5, utilice la prueba exacta de Fischer,
en vez del del estadístico de Chi-cuadrado
• La prueba exacta de Fisher calcula la probabilidad exacta de
que ocurran las observaciones en la tabla que se está
analizando, comparadas con todas las otras posibles tablas
2x2
• Advertencia: Muchos piensan que la limitación para usar el
estadístico de Chi-cuadrado es tener celdas con frecuencias
observadas < 5. Esto es incorrecto, ya que como se señaló
arriba la limitante se refiere a las frecuencias esperadas
 Estudios de factores de riesgo
Factor de riesgo o factor Enfermos No enfermos Total marginal de fila
de protección

Expuestos (Temperatura 26 24 50
baja)
No expuestos (Temperatura 12 38 50
alta)
Total marginal de columna 38 62 100

Factor de riesgo: variable asociada estadísticamente a la presentación

de una enfermedad, controlada o no por el investigador

Factor de Protección: variable asociada estadísticamente a la

disminución de la probabilidad de contraer una enfermedad
 Estudios analíticos de factores de riesgo
En un estudio de cohortes, en primer En un estudio de caso-control, en
lugar se selecciona una cohorte de primer lugar se selecciona un grupo de
individuos sanos expuestos a un factor de individuos enfermos (casos) y un grupo
riesgo y un grupo de individuos sanos no de individuos sanos (controles) y luego
expuestos y luego se investiga si en el se investiga si en el pasado han
futuro desarrollan o no la enfermedad. estado expuestos al factor de riesgo.
Odds ratio para un estudio de cohortes

50 individuos sanos fueron expuestos al factor de riesgo de temperatura baja y

50 individuos sanos fueron no expuestos al factor de riesgo (temperatura alta),
y luego se investigó si en un periodo de tiempo desarrollaron o no la
enfermedad.

Factor de riesgo o Enfermos No enfermos Total marginal de fila

factor de protección

Expuestos (Temperatura 26 24 50
baja)
No expuestos (Temperatura 12 38 50
alta)
Total marginal de columna 38 62 100

Odds ratio = radio de oportunidad Los individuos expuestos a temperatura baja

= (26/24) / (12/38) tuvieron 3.43 más riesgo de enfermar a lo largo
= 3.43 del estudio, que individuos expuestos a alta
temperatura, por lo que se considera que la
temperatura es un factor de riesgo.
Interpretación de los factores de riesgo
Modelo de ocurrencia de mancha
blanca
• Piscinas con un período de
secado < 36 días tuvieron 9.14
veces más riesgo que piscinas
con mayor periodo de secado

• En piscinas con recambio en los

primeros 44 días del ciclo, el
riesgo para la ocurrencia de un
brote se incrementó en 17.16
veces, comparado con un
recambio después de los 44 días
del ciclo

• Piscinas con reportes de al

menos un brote en ciclo
anterior tuvieron 2.29 veces
más riesgo de un brote
Pruebas de diagnóstico
 Pruebas de diagnóstico
Es necesario que en cada país se implemente métodos de diagnóstico sensibles y
específicos para la detección de patógenos emergentes y re-emergentes:

• Detección de una infección o enfermedad

• Confirmar el diagnóstico en casos clínicos

• Estimar prevalencia de infección para análisis de riesgos o estudio de

factores de riesgo

• Programas de seguimiento y monitoreo (cálculo de tamaño de muestra y

cálculo de la prevalencia real)

• Prevenir esparcimiento de enfermedades a través del comercio

internacional

• Erradicar una infección en un país/región e implementación de medidas

de control

• Declaración de libertad de enfermedad en un país

 Problema con las pruebas de
diagnóstico
• Pruebas de diagnóstico imperfectas, pero se
necesita que sean pruebas con una alta
sensibilidad y especificidad
• Necesario compararlas con una prueba de oro
(patrón o de referencia), que teóricamente se acerca
a los resultados reales (correctos)
• Generalmente toda prueba de oro es de difícil
ejecución (costo, tiempo, complejidad)
– En la mayoría de los casos, la prueba de oro en
enfermedades causadas por patógenos acuícolas
es la reacción en cadena de la polimerasa (PCR).
 Tabla de contingencia para la
evaluación de una prueba de
diagnóstico
Prueba de oro Sensibilidad (S): Efectividad en detectar
Positivos Negativos animales con la enfermedad
(enfermos) (sanos) =Probabilidad de detectar correctamente
a un individuo enfermo
Positi Verdaderos Falsos Total de
vos positivos positivos positivos S = verdaderos positivos = a
Pru
eba a b a+b total de enfermos a+c
a Nega Verdaderos
eval tivos Falsos negativos Total de
uar negativos negativos Especificidad ( E): Efectividad en
d
c c+d detectar animales sin la enfermedad =
Probabilidad de detectar correctamente
Total de Total de Total a un individuo sano
enfermos sanos N=a+b
a+c b+d +c+d E = verdaderos negativos = d
total de sanos b+d
Muestreos/monitoreos para
estimación de prevalencia
de una infección y
detección de una infección
 Monitoreo – Colección de datos
• Recogida de datos históricos, clínicos
y complementarios (situación
epidemiológica)
– Investigación de brotes –
unidades de producción (¿Qué,
Cuando, Cuanto, Donde,
Porque?)
– Información clínica (edad,
tamaño, signos externos)
– Manejo (densidades,
alimentación, supervivencias,
crecimiento, días de cultivo,
productos usados, protocolo de
manejo)
– Ambiente (parámetros
ambientales, vectores, clima)
– Bioseguridad
– Localidad, extensión, afectación
contigua/separada
– Documentación fotográfica
 Cálculo del tamaño de una muestra (n)

• Estimar una media

– Peso, longitud,…
• Estimar una proporción (porcentaje de individuos con
una característica específica)
– Proporción de animales con una característica
determinada
– Prevalencia de una infección o enfermedad
• Detectar una infección o enfermedad (está presente o
no está presente la infección o enfermedad) - Tarea 1
http://www.winepi.net/
 Tamaño de muestra (n) para estimar una media,
sin considerar tamaño de la población

• Conocemos que con un 95% de confianza, el error muestral a ambos

lados del promedio es:
Error muestral = 1.96 (/n)
• Despejando n (tamaño de muestra):
Generalizando para
Al 95% de confianza cualquier confianza
1.96 2  2 z / 2  2
2
n= n=
Error muestral 2 Error muestral 2

Por tanto, tamaño de muestra (n) depende de:
• Confianza (z)
• Variabilidad (desviación estándar)
• Error muestral máximo aceptado
Estas fórmulas son usadas para poblaciones
grandes, generalmente cuando N > 1000 y la
fracción de muestreo es pequeña comparada
con el tamaño de la población (n/N < 10 %)
 Tamaño de muestra ajustado (na) para estimar
una media, considerando el tamaño de la
población (N)

z / 2  2
2
n= 2
Asíntota = n Error muestral

nN
na =
N+n

• El tamaño de muestra ajustado na es usado para poblaciones pequeñas y cuando la

fracción de muestreo es grande comparada con el tamaño de la población (n/N > 10%)
• Usualmente no es necesario hacer este ajuste porque las poblaciones acuícolas en
campo son grandes
Tamaño de muestra (n) para estimar una proporción,
sin considerar el tamaño de la población
Tamaño de muestra para estimar una Recordemos el tamaño de muestra para
proporción estimar una media

z / 2  2
2
( z / 2 ) 2 p q
n= n=
Error muestreal 2 2
Errormuestral
n = tamaño de muestra
z/2 = valor distribución normal, a una determinada confianza
p = proporción aparente de la variable que se quiere evaluar
q=1-p
 = pq

Usado para poblaciones grandes, generalmente cuando N > 1000 y la fracción de

muestreo es pequeña comparada con el tamaño de la población (n/N < 10 %)
Tamaño de muestra (n) para estimar una proporción,
considerando el tamaño de la población (N)
Ejemplo: tamaño de muestra considerando un 95% de confianza,
prevalencia aparente del 50% y un error máximo permitido del 12%
80

70 nN
na =
60
N+n
Tamaño de la muestra n

Tamaño de 50
muestra
(n) 40

30

20

10

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tamaño de la población N

• El tamaño de muestra ajustado na es usado para poblaciones pequeñas y cuando la

fracción de muestreo es grande comparada con el tamaño de la población (n/N > 10%)
• Usualmente no es necesario hacer este ajuste porque las poblaciones acuícolas en campo
son grandes
Tamaño de la muestra en función de la
proporción aparente y el error

( z / 2 ) 2 p q
n=
E2

Proporción p
Resumen: tamaño de muestra para estimar
los dos principales casos

Para estimar una media Para estimar una proporción

z / 2  2
2
( z / 2 ) 2 p q
n= n=
Error muestral 2 Error muestreal 2
Error estándar = σ/ n Error estándar = pq/n
Error muestral = 1.96σ/ n Error muestral = 1.96 pq/n

Tipos de errores que se reportan

• promedio ± desviación estándar
• promedio ± error estándar
• Promedio ± error muestral Intervalo de
confianza
 Tamaño de muestra para detectar una
enfermedad o infección
En ocasiones resulta necesario conocer si en una población existen individuos enfermos o
infectados (detectar). Detección de una infección consiste en encontrar al menos un
individuo infectado en la muestra extraída de una población. Fijarse que es distinto a la
prevalencia. Cuando una enfermedad está presente en una población es esperable encontrar
una determinada cantidad de individuos enfermos y el objetivo es seleccionar una muestra
que nos permita encontrar al menos uno de dichos individuos enfermos.
Con el muestreo se detectará, con un 95% de
confianza (nivel de significancia 5%), si en una
población estimada de tamaño N hay al menos
 1  un individuo infectado, asumiendo una
 d −1 

n = 1 − 0.05 d    N −  cantidad mínima de individuos enfermos (d). Si
   2 
  al completar el muestreo no se encuentra
d = número de animales enfermos esperados ningún individuo enfermo, se inferirá con un
N = Tamaño de la población 95% de confianza que la infección no está
0.05 (nivel de significancia 5%) presente, pero, si la infección está presente en
esa población, podría estarlo con una
prevalencia menor a la asumida.

• El tamaño de muestra (n) para detectar una

enfermedad o una infección depende de: d y N
• n es mayor con enfermedades de baja
prevalencia (pocos enfermos d)
• n incrementa con incrementos de N, hasta
que se consigue la estabilización del tamaño de
muestra a partir de 1000/5000 individuos
Métodos de muestreos
 Muestreo estratificado
Estratificado De conglo
1 2
3

5 6 A
4
7 8

Estratos
9
Estrato 10 1 2 3
4 5 6 B
7 8 9
10 11 12
11 C
13 14 15
Muestreo donde la población está compuesta de varios estratos distintos entre sí, con distinto tamaño y
mutuamente exclusivos (localidad, edad, etc.)
• Entre estratos son distintos en la característica de interés
• Dentro de cada estrato, los individuos son muy similares en la característica de interés
• Todos los estratos son muestreados, por lo que se necesita conocer número de individuos de cada
estrato. Conocimiento a priori de estratos
• Dentro de cada estrato, los individuos son seleccionados aleatoriamente utilizando un determinado
criterio (muestreo aleatorio simple, sistemático)
• La distribución del tamaño de muestra a cada estrato es seleccionado por una asignación (afijación )
• Estimaciones más precisas si la población está realmente estratificada y si los individuos dentro de
los estratos son homogéneos, porque se tendrá más información de la característica de interés en las
subpoblaciones
 Tamaño de muestra de los estratos en muestreo
estratificado
N = tamaño de la población
n = tamaño de muestra de la población N --------- n
Nh = tamaño de la población en cada estrato Nh ---------- nh
nh = tamaño de muestra de cada estrato

Afijación proporcional: Afijación óptima: Tamaño de Afijación óptima con costo variable:
Tamaño de muestra muestra asignado a los estratos es Tamaño de muestra asignado a los
asignado a los estratos es proporcional a sus tamaños y a las estratos es proporcional a los tamaño
roporcional Costo del muestreo
N k
= nWh C  ch nh
proporcional a sus desviacioneshestándar de los estratos y a la variabilidad, pero
tamaños nh = n = c0 +
también es inversamente proporcional
N al costo del muestreo en cada estrato
h =1
ptima  con costo
Afijación óptima   
variable    Nh
sh

Nh  N h sh 
nh = n =nh nW= hn k  ch 
  nh =
  sh  
N n k
Nh
= nW h    N h sh 
  Nh 
n
N  h =1   h =1 ch  
 
Estimadores del valor promedio y error estándar de
la característica Y de la población estratificada
k
Valor promedio de la = 
Nh
Y yh
característica Y de la h =1 N
población estratificada
que se está muestreando

 N h2 S h2
k
Error estándar de la media SEM =  2 (1− f h )
(standard error of the mean) h =1 N nh

Fracción de muestreo f nh
h =
Nh

Intervalo de confianza Y ± 1.96 SEM

 Muestreo por conglomerados
Muestreo donde la población está compuesta de varios grupos
llamados conglomerados, muy parecidos entre sí (es decir tienen
un valor similar de la característica de interés) y mutuamente
exclusivos
• Entre conglomerados son parecidos entre sí, y si no lo son, la muestra
final no es representativa de la población
• Dado que los conglomerados son homogéneos entre si, basta con
seleccionar algunos conglomerados
• Dado que solo se muestrean estos pocos conglomerados, la población
debe dividirse de tal manera que los conglomerados tengan valores
medios similares.
• El problema es que si el tamaño de los conglomerados seleccionados es
grande, puede que no sea posible observar todos sus elementos, lo cual
es una desventaja
• Dentro de cada conglomerado, los individuos son muy distintos entre sí.
 Muestreo
Estratificado
Multietápico
De conglomerados Multietápico
Variante del muestreo por conglomerados. Consiste
en la selección de sus muestras de cada etapa o
grupo seleccionado.
• Utilizado cuando hay conglomerados de gran
tamaño
• Primera etapa. La población es dividida en
conglomerados y se selecciona los
B conglomerados (unidades primarias)
• Segunda etapa: A diferencia del muestreo por
C conglomerados se selecciona un número
determinado de individuos dentro de cada grupo
(unidades secundarias) por métodos de muestreo
aleatorio, sistemático, estratificado
 Comparación entre muestreos
Estratificado De conglomerados Multietápico

A
Estratos

B
C
• Entre grupos, distintos
• Dentro de cada grupo,
individuos similares entre si
•Entre grupos, parecidos
•Dentro de cada grupo,
individuos distintos entre si
Tamaño de los conglomerados es grande
• Población dividida en conglomerados
• Etapa 1: Se selecciona conglomerados
• Etapa 2: Se selecciona individuos
dentro de cada conglomerado

• Observe que la división de la población en estratos y conglomerados siguen criterios

opuestos
• Heterogeneidad entre estratos vs homogeneidad entre conglomerados
• Homogeneidad dentro de los estratos vs heterogeneidad dentro de los
conglomerados
 Elementos básicos del diseño muestral

• Variable de interés: Característica principal

de interés
• Marco muestral: Listado de todos los
individuos que conforman la población
• Unidades mínima de muestreo: Es la
unidad mínima de observación para la cual
se obtiene información de la característica
de interés. Es decir el conjunto de estos
elementos se seleccionan en cada etapa
del muestreo. Puede estar conformada por
la unidad estadística o por un conjunto de
unidades estadísticas (conglomerados)
• Error muestral de diseño: máximo error
permitido por el encuestador: prevalencia
del 10%
• Confianza: medida de la certidumbre con la
que se efectúan las afirmaciones: 95% de
confianza
Muestreo y monitoreo a nivel de país,
region ó unidades productivas
 Estrategias sanitarias que un país
Estrategias sanitarias a nivel de
Estrategias sanitarias a nivel de país
país para minimizar el riesgo de
para minimizar el riesgo de entrada
entrada de nuevos patógenos o
de nuevos patógenos o
establecimiento de en el país de
establecimiento de en el país de
epidemias
epidemiasnuevos patógenos
Estrategias sanitarias a nivel de país para minimizar el
riesgo de entrada de nuevos patógenos o
establecimiento de en el país de epidemias

Análisis de riesgo a la importación Cuarentena (aislamiento)

Vigilancia epidemiológica/Sistemas de alerta Planes de Acción

Análisis de riesgo a las importaciones de
animales y productos asociados (IRA)

• Identificación, evaluación y
manejo de riesgos
asociados con la
importación de
animales/plantas y
productos derivados de
animales/plantas
 Determinación del riesgo por
importación de la mercancía
Identificación de Lista de agentes Programas control
peligros patógenos Exóticas, emergentes
Epidemiología enfermedad
Presencia en país Métodos ausencia de enfermedad
Evaluación de Prevalencia Metodología de muestreos
probabilidad de Características Incubación, propagación
introducción del epidemiológicas de la
peligro desde Portadores, fauna silvestre
enfermedad y agente
origen al punto Morbilidad, Mortalidad
de entrada al Inactivación del agente
país
Pruebas diagnóstico Sensibilidad de diagnóstico
Evaluación de Especies susceptibles Vías de exposición, vectores
exposición de y factores en país Manejo, clima, volumen
especies al importador
patógeno
Evaluación de Consecuencias Especies susceptibles, mortalidad
consecuencias biológicas y Impacto económico directo, indirecto
económicas
 Matriz de estimación de riesgo
Alto Despreciable Muy Bajo Bajo Moderado Alto Extremo

Moderado Despreciable Muy Bajo Bajo Moderado Alto Extremo

Bajo Despreciable Despreciable Muy bajo Bajo Moderado Alto

Muy Bajo Despreciable Despreciable Despreciable Muy bajo Bajo Moderado
Extremad bajo Despreciable Despreciable Despreciable Despreciable Muy bajo Bajo
Despreciable Despreciable Despreciable Despreciable Despreciable Despreciable Muy bajo

Desprecible Muy Bajo Bajo Moderado Alto Extremo

Probabilidad de RIESGO
entrada y
exposición

Consecuencias
Vigilancia Epidemiológica y
Planes de Acción

Redes de Alerta Sanitaria

• Autoridad sanitaria competente

• Agencias de salud
• Agencias centrales
• Agencias locales
• Veterinarios de campo
• Laboratorios de diagnóstico
• Órganos de decisión
• Usuarios finales

Productor concientizado acerca de amenazas (participar de la

vigilancia)
Vigilancia epidemiológica pasiva
– SAEMA (CENAIM-ESPOL)
 Estudio de enfermedades en
poblaciones
Para conocer que sucede y como actuar en el caso de un brote de epidémico en
una población es necesario responder las siguientes preguntas:

• ¿Qué está sucediendo?

• ¿En quién? ¿En quienes no?
• ¿Cuándo?
• ¿Cuánto?
• ¿Donde?
• ¿Cómo?
• ¿Por qué?
– ¿Por que algunos animales se
enfermaron y otros no?
– ¿Por que algunas unidades
productivas sufrieron la Epidemiología es conocer y actuar
enfermedad y otros no?
• Cual es la estrategia mas efectiva y
barata para controlarla?
 Estrategias sanitarias que un país
Estrategias sanitarias a nivel de país
para minimizar el riesgo de entrada
Muchas gracias
de nuevos patógenos o
establecimiento de en el país de
epidemiasnuevos patógenos