UNIVERSIDAD RICARDO PALMA

FACULTAD DE MEDICINA HUMANA

ESTADISTICA Y DEMOGRAFIA

SESIÓN 04-SESIÓN 05-SESIÓN 06

Introducción a la probabilidad: Operaciones, probabilidad condicional e

independencia. Teorema de Bayes.
Diagnóstico clínico. OR Y RR. Casos y Controles.

Dra. Ofelia Roque Paredes

INTRODUCCIÓN A LA TEORIA DE LA PROBABILIDAD
INTRODUCCIÓN A LA TEORÍA DE LAPROBABILIDAD
1. CONCEPTOS BÁSICOS:
1.1. EXPERIMENTO ALEATORIO:
E= Seleccionamos un paciente al azar de mi
muestra que presentan diabetes y luego de
haberles hecho los análisis de glucosa
respectivos se anotó el tipo de diabetes.

1.2. ESPACIO DE RESULTADOS (S)

S= {tipo I, tipo II}

 1.3. EVENTO O SUCESO (A)

A= {tipo II}

2. FUNCIÓN DE PROBABILIDAD:

P(A) = probabilidad de tipo II = Nro de pacientes con

tipo II/ n = 8/20= 0.4 el 40%
3. Operaciones de eventos

P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

P(A y B) = P(A) • P(B).
 El teorema de Bayes expresa la probabilidad de que ocurra
el evento A, dado que ha ocurrido B, en función de la
probabilidad de que ocurra B dado que ha ocurrido A, de
la probabilidad de A y de la probabilidad de B. La fórmula
del teorema de Bayes es la siguiente:

El teorema o regla de Bayes fue planteado por el matemático y religioso inglés Thomas Bayes. Este
teorema fue publicado en el año 1763, dos años después de la muerte de Bayes.
 DIAGNÓSTICO CLÍNICO

El diagnóstico clínico es el procedimiento mediante el

cual el profesional de la salud identifica una
enfermedad o el estado del paciente con la ayuda de
varias herramientas que permiten definir su cuadro
clínico.
DEFINICIÓN DE PRUEBA DIAGNÓSTICA:

Es aquella que es capaz de clasificar correctamente a los

individuos en los que se aplica. Es el resultado positivo en
los enfermos y es el resultado negativo en los sanos.
 Validez y fiabilidad
VALIDEZ.- Es la capacidad de la prueba de discriminar entre los
casos y los no casos para una enfermedad o condición
definida.

FIABILIDAD.- Es la capacidad de la prueba de obtener

resultados comparables si se usa en condiciones idénticas.
REPETIBILIDAD.

¿QUÉ ES MEJOR UNA PRUEBA VÁLIDA O UNA PRUEBA FIABLE?

VALIDEZ de una prueba diagnóstica es el grado en
que una prueba mide lo que debe medir. Exactitud
diagnóstica. Comparación con el GOLD STANDARD
Indicadores: Sensibilidad y Especificidad
Especificidad
Si un individuo no tiene una enfermedad ¿ qué
probabilidad existe de que el resultado obtenido sea
negativo ?.
Probabilidad de que una medida clasifique correctamente a
una persona NO ENFERMA.
Sensibilidad (equivalente a la tasa de positivos verdaderos):
Proporción de casos positivos que están bien detectadas por
la prueba.

La definición matemática es: Sensibilidad = VP / (VP + FN)

Especificidad (también llamada Tasa de verdaderos

negativos): proporción de casos negativos que son bien
detectadas por la prueba.

La definición matemática es: Especificidad = VN / (VN + FP)

Sensibilidad (equivalente a la tasa de positivos verdaderos):
Proporción de casos positivos que están bien detectadas por la
prueba. La definición matemática es:

Sensibilidad = VP / (VP + FN)

Por ejemplo, la sensibilidad es de 10/(10+20)=0.33. Significa que 33% de las

personas positivas han sido predichas como positivas.
Especificidad (también llamada Tasa de verdaderos
negativos): proporción de casos negativos que son bien
detectadas por la prueba. La definición matemática es:
Especificidad = VN / (VN + FP)

Un ejemplo de interpretación: la especificidad es de 60/(60+10)=0.86. Significa

que 86% de las personas negativas han sido predichas como negativas.
 Prevalencia: la frecuencia relativa de los
acontecimiento de interés en la muestra total
(VP + FN) / N.

Fuente: https://www.xlstat.com/es/soluciones/funciones/analisis-
detallado-de-sensibilidad-y-especificidad
Verdaderos positivos (VP): Número de casos que la prueba declara positivos y que
son verdaderamente positivos.
Falsos positivos (FP): Número de casos que la prueba declara positivos y que en
realidad son negativos.
Verdaderos negativo (VN): Número de casos que la prueba declara negativos y que
son realmente negativos.
Falsos negativos (FN): Número de casos que la prueba declara negativos y que en
realidad son positivos.

N = TP + FP + FN + TN, el tamaño efectivo de la población evaluada.

Aquí tenemos:
Seguridad de prueba diagnóstica

- Valor predictivo positivo

- Valor predictivo negativo

Dependen de la PREVALENCIA de la enfermedad

La ESPECIFIICIDAD se calcula, por lo tanto, como el cociente entre la fracción

de falsos negativos (1-sensibilidad) y la fracción de verdaderos negativos
(especificidad)
El valor predictivo positivo de una prueba diagnóstica se define
como:

1. Una cantidad igual a 1 menos la especificidad

2. Una función que depende sólo de la sensibilidad y la
especificidad de un test.
3. La probabilidad de que un individuo enfermo tenga un
resultado positivo.
4. La probabilidad de una enfermedad dado un resultado
positivo en el test.
5. La proporción de verdaderos positivos.
EJEMPLO:

En los preparativos de un programa de atención al diabético se

seleccionaron a 316 sujetos del registro de diabéticos de la
zona. Se les practicó la prueba o text y se observaron 204
verdaderos positivos, 5 falsos positivos, 4 falsos negativos y 103
verdaderos negativos. Con este resultado conteste la siguiente
pregunta:

La sensibilidad del test para la detección de microalbuminuria

es:
204/208; 204/316; 108/103; 201/208;208/316
¿Cuál de las características de un test diagnóstico es análogo al poder o
potencia de un estudio?

1. Valor predictivo positivo

2. Valor predictivo negativo
3. Sensibilidad
4. Especificidad
5. 5. Utiidad

La probabilidad de que un individuo tomado aleatoriamente en una serie de sujetos

de estudio tenga un resultado negativo en las pruebas diagnósticas si realmente no
tiene la enfermedad se denomina:

1. Sensibilidad
2. Especificidad
3. Proporción de falsos negativos
4. Proporción de faltos positivos
5. Valor predictivo negativo
PROCEDIMIENTO PARA CALCULAR LA PREVALENCIA, VPP
Y VPN

Influencia de la prevalencia en los resultados

de una prueba diagnóstica.

EJEMPLO 1
Datos:
Población de 20,000
habitantes
20 infecciones de VIH,
técnica de diagnóstico
ELISA.
Especificidad de 99% y
sensibilidad del 95%
EJEMPLO 2:
DATOS
Población de 166 habitantes
66 infecciones de VIH
Técnica de diagnóstico ELISA
Especificidad de 99%
Sensibilidad del 95%

Calcular la prevalencia VPP y VPN

https://www.slideserve.com/anneke/estudios-
de-pruebas-diagn-sticas
APLICACIÓN DE TABLAS CRUZADAS O TABLAS DE
CONTINGENCIA PARA EL RR Y OD
 Los odds y odd ratios
Los RR y odd ratios son de esos conceptos estadísticos por los que la gente
se asusta de la estadística y termina odiándola. Podríamos pasar
olímpicamente de estos conceptos e ignorarlos, pero son imprescindibles
para interpretar los resultados de las regresiones logísticas ya que están
basados en la idea de probabilidad, y además se usan mucho en el mundo
de las apuestas y las predicciones. Los RR y odd ratio son complejos de
entender y explicar. Hasta hoy. En el siguiente artículo explico de forma
detallada qué son, para qué sirven, por qué se usan en la regresión
logística y cómo se interpretan. Empecemos paso por paso y con ejemplos
claros y reales.

Fuente: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872013001000014#t1
Ejemplo 1. Cálculo e interpretación de OR en estudios
prospectivos (ensayos clínicos aleatorizados y estudios de
cohorte)

Se evaluó la asociación entre el antecedente de migraña y

el desarrollo de síndrome hipertensivo del embarazo
(SHE) utilizando un estudio de cohorte.
 n=685 embarazadas normotensas entre 11 y 16 semanas
de gestación, 264 con antecedente de migraña y 421 sin
este antecedente. En el grupo de embarazadas con
antecedente de migraña 24 desarrollaron SHE y 240 no lo
hicieron; por su parte, en el grupo de embarazadas sin
antecedente de migraña 13 desarrollaron SHE y 408 no lo
hicieron.

Foto tomada de: https://www.shutterstock.com/es/search/grupo-mujeres-

embarazadas?image_type=photo
RR de SHE en embarazadas expuestas versus no
expuestas = (a/a+b)/(c/c+d) = (24/264)/(13/421) = 2,9 (IC95%
1,5-5,7).

OR de SHE en embarazadas expuestas versus no

expuestas = (a/b)/(c/d) = (24/240)/(13/408) = 3,1 (IC95% 1,6-
6,3).

Interpretación OR: "la razón entre ocurrencia versus no

ocurrencia de SHE es 3,1 veces mayor en embarazadas con
antecedente de migraña en comparación a embarazadas
sin este antecedente. Esta asociación es estadísticamente
significativa".

Fuente: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872013001000014#t1
Ejemplo 2. Cálculo e interpretación de OR en estudios
retrospectivos (estudios de casos y controles no pareados)

Se evaluó la magnitud de asociación entre

hiperhomocisteinemia (HHC, definida como nivel de
homocisteína mayor o igual a 15 µmol/l) y cardiopatia
isquémica crónica empleando un estudio de casos y
controles no pareados16.
La muestra estuvo constituida por 114 casos (sujetos con
cardiopatia isquémica crónica) y 295 controles (sujetos sin
cardiopatia isquémica crónica). Entre los casos, 33 sujetos
presentaban HHC y 81 sujetos no la presentaban, mientras
que entre los controles 38 sujetos presentaban HHC y 257 no
la presentaban.
 OR de HHC en sujetos casos versus controles = (a/c)/(b/d) =
(33/81)/(38/257) = 2,8 (IC95% 1,6-4,7).

Interpretación OR: "la razón entre presencia de HHC

versus ausencia de HHC es 2,8 veces mayor en los sujetos
con cardiopatía isquémica crónica en comparación a los
sujetos sin esta patología. Esta asociación es
estadísticamente significativa".

Fuente: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872013001000014#t1
 Ejemplo 3. Cálculo e interpretación de OR en estudios
transversales

Se evaluó la asociación entre obesidad e hipertensión

arterial en escolares chilenos, empleando un estudio
transversal.
La muestra estuvo constituida por 2.980 escolares entre 6 y
14 años, de los cuales 622 eran obesos (162 hipertensos y
460 no hipertensos) y 1.593 eran eutróficos (142
hipertensos y 1.451 no hipertensos). El resto de los
escolares (n = 765) presentaban otros categorías de
diagnóstico nutricional (bajo peso y sobrepeso).
 Razón de Prevalencia de HTA en escolares obesos versus
eutróficos = (a/a+b)/(c/c+d) = (162/622)/(142/1.593) = 2,9
(IC95% 2,4-3,6)

OR de prevalencia de HTA en escolares obesos versus

eutróficos = (162/460)/(142/1.451) = 3,6 (IC95% 2,8-4,6)

Interpretación OR de prevalencia: "la razón entre

escolares hipertensos versus no hipertensos es 3,6 veces
mayor en escolares obesos en comparación a escolares
eutróficos. Esta asociación es estadísticamente
significativa".

Fuente: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872013001000014#t1
 CÁLCULO DEL ODD RATIO O RAZÓN DE MOMIOS CON
SPSS
Prevalencia de Depresión
SI NO

País con condiciones SI 248 87 335

socioeconómicas desfavorables NO 30 150 180

278 237

DIAGNÓSTICO
Prevalencia de Depresión
SI NO
OR = (A X D)
País con condiciones SI A B A+B
(B X C)
socioeconómicas
desfavorables NO C D C+D
A+C B+D

Recomendación: Tener presente que la presencia de la condición que estudiamos y

el factor de riesgo vayan de primera ya sea en fila como en columna.
 TIPO_PAIS DEPRESIÓN FRECUENCIA

MALAS CONDICIONES PRESENTE 98

MALAS CONDICIONES AUSENTE 12

BUENAS CONDICIONES PRESENTE 8

BUENAS CONDICIONES AUSENTE 130

TIPO_PAIS DEPRESIÓN FRECUENCIA

1 1 98

1 2 12

2 1 8

2 2 130

La variable es un factor de protección o es un factor de riesgo.

2. Debemos ponderar los datos de esta manera:

- Vamos a DATOS en el MENÚ de la parte superior y nos vamos a PONDERAR

CASOS.
- Ahora le decimos al SPSS que pondere los datos en base a la variable
FRECUENCIAS, para ello en la ventana que marcamos:
PONDERAR CASOS
FRECUENCIAS
- Luego marcamo ACEPTAR

3. Ahora nos vamos a ANALIZAR para el cálculo del indicador, ESTADISTICOS

DESCRIPTIVOS y de ahí a TABLAS CRUZADAS
4. En la ventana que sale pasamos las variables de esta manera en:

FILAS: TIPO_PAIS (Variable independiente o factor de riesgo)

CATEGORIAS o COLUMNAS: DIGNÓSTICO_DEPRESIÓN (Variable

dependiente CONDICIÓN si se curó de la depresión

5. Nos vamos a ESTADISTICOS y en a ventana que sale “Tabalas Cruzadas

Estadísticos” marcamos RIESGO y damos CLIC en CONTINUAR.

6. Luego en CASILLAS nos sale la ventana que “Tablas Cruzadas mostrar

en las Casillas” en PORCENTAJE marcar COLUMNAS, CONTINUAR y CLIC en
ACEPTAR
 ¿Pero tienen más riesgo de padecer depresión estadísticamente hablando,
las personas que viven en países con condiciones sociales desfavorables?

La respuesta está en la tercera tabla de resultados:

Y en la primera fila en donde verán un intervalo de confianza.

Indicará un RIESGO si es mayor a 1

INTERPRETACIÓN: Las personas que viven en países con condiciones sociales

desfavorables tienen XX veces más riesgo de padecer o tener un diagnóstico de
depresión que las personas que viven en países con condiciones sociales favorables.
 CÁLCULO DEL RIESGO RELATIVO CON SPSS
Se curó de Terapia

NO SI
Tipo de COUCHING 98 12 110
Terapia PSICOLOGO 8 130 138
106 142

Se curó de Terapia
Incidencia de la
enfermedad
NO SI
COUCHING a/ (a+b)
Tipo de a b a+b
RR =
Terapia PSICOLOGO c d c+d c/ (c+D)
a+c b+d
Incidencia de los no
expuestos al factor de riesgo
RR < 1 = PROTECCIÓN o los que tomaron terapia
psicológica
RR > = RIESGO
 EFECTO DE LA TERAPIA (COUCHING MOTIVACIONAL Y PSICOLÓGICA)

SE MIDE EL EFECTO DE LA VARIABLE: TIPO DE TERAPIA

TIPO_INTERVENCIÓN SE_CURO_DEPRESIÓN FRECUENCIA

COACH MOTIVAC NO 98
COACH MOTIVAC SI 12
PSICÓLOGO NO 8
PSICÓLOGO SI 130

TIPO_INTERVENCIÓN SE_CURO_DEPRESIÓN FRECUENCIA

1 1 98
1 2 12
2 2 8
2 1 130
 2. Debemos ponderar los datos de esta manera:

- Vamos a DATOS en el MENÚ de la parte superior y nos vamos a PONDERAR

CASOS.
- Ahora le decimos al SPSS que pondere los datos en base a la variable
FRECUENCIAS, para ello en la ventana que marcamos:
PONDERAR CASOS
FRECUENCIAS
- Luego marcamo ACEPTAR

3. Ahora nos vamos a ANALIZAR para el cálculo del indicador, ESTADISTICOS

DESCRIPTIVOS y de ahí a TABLAS CRUZADAS

4. En la ventana que sale pasamos las variables de esta manera en:

FILAS: TIPO_INTERVENCIÓN (Variable independiente o factor de riesgo)

CATEGORIAS o COLUMNAS: SE_CURO_DEPRESIÓN (Variable

dependiente CONDICIÓN si se curó de la depresión
5. Nos vamos a ESTADISTICOS y en a ventana que sale “Tabalas Cruzadas
Estadísticos” marcamos RIESGO y damos CLIC en CONTINUAR.

6. Luego en CASILLAS nos sale la ventana que “Tablas Cruzadas mostrar

en las Casillas” en PORCENTAJE marcar FILAS, CONTINUAR y CLIC en
ACEPTAR

7. Nos sale en RESULTADOS 3 tablas, analizamos la tercera:

Tabla 2:

TIENEN MAS RIESGO CONTINUAR CON LA DEPRESIÓN LAS PERSONAS QUE

TOMARON TERAPIA CON UN COACH.
EL RIESGO RELATIVO SE MUESTRA EN LA SEGUNDA FILA TIENEN UN
RIESGO XX DE CONTINUAR CON SU PATOLOGIA SI HAN TOMADO TERAPIA
CON UN COUCH Y SI EL INTERVALO DE CONFIANZA NO INCLUYE AL 1
SIGNIFICA QUE ES ESTADISTICAMENTE SIGNIFICATIVO.
TALLER GRUPAL: Vea los dos videos y responda lo siguiente:

a) Variables para asociar y cuál es la variable dependiente, y cuál es la

variable de grupo.
b) Describa en qué tipo de estudios se aplica (metología de investigación.
c) Describa para qué casos se aplica ODDS RATIO y el RIESGO RELATIVO
d) Interprete qué es factor de protección y factor de riesgo
ODDS RATIO

https://www.youtube.com/watch?v=TlsVAWvo6gI&t=4s

RIESGO RELATIVO

https://www.youtube.com/watch?v=DLtZ1-nE_18

https://www.youtube.com/watch?v=DLtZ1-
nE_18
GRACIAS