Medición de las condiciones de salud y enfermedad en la población

Existen diversas formas de medir la salud, dependiendo de cuál es su definición; una definición
amplia mediría el nivel de salud y bienestar, la capacidad funcional, la presencia y causas de
enfermedad y muerte y la expectativa de vida de las poblaciones (Donaldson, 1989).
Existen distintas medidas e indicadores de bienestar (social o económico) en salud y se han
desarrollado ciertos índices de “salud positiva” (Alleyne, 1998), tanto con fines operacionales,
como para investigación y promoción de condiciones saludables, en dimensiones tales como la
salud mental, autoestima, satisfacción con el trabajo, ejercicio físico, etc. La recolección de datos
y la estimación de indicadores tienen como fin generar, en forma sistemática, evidencia que
permita identificar patrones y tendencias que ayuden a emprender acciones de protección y
promoción de la salud y de prevención y control de la enfermedad en la población.

La recolección de datos y la estimación de indicadores tienen como fin generar, en forma

sistemática, evidencia que permita identificar patrones y tendencias que ayuden a emprender
acciones de protección y promoción de la salud y de prevención y control de la enfermedad en la
población.
Medición: Es el procedimiento de aplicar una escala estándar a una variable o a un conjunto de
valores.
La medición en epidemiología puede llevarse a cabo estudiando a las personas que enferman, es
decir, analizando la morbilidad de o por las enfermedades; cuando el objetivo son las personas
que fallecen, se estudia la mortalidad de las enfermedades.
Entendiendo a la epidemiología como la ciencia que estudia la distribución y los determinantes
de estados o eventos relacionados con la salud y al control de enfermedades, es que se encuentra
el asidero para explicitar que la estadística se presenta como una herramienta o método
complementario indispensable para entender el desarrollado y comportamiento de las
enfermedades en las poblaciones a lo largo del tiempo y el espacio.
Es por ello, que entonces debemos adquirir herramientas básicas de la estadística a fin de
enriquecer el entendimiento de la dinámica que ofrece el proceso Salud-Enfermedad-Atención.
Entendemos a la estadística como una ciencia, rama de las matemáticas, utiliza conjuntos de datos
numéricos para obtener, a partir de ellos, inferencias basadas en el cálculo de probabilidades.
Estadística: “Estudio que reúne, clasifica y recuenta todos los hechos que tienen una determinada
característica en común, para poder llegar a conclusiones a partir de los datos numéricos
extraídos”
Un indicador es una medición que refleja una situación determinada. Todo indicador de salud es
una estimación (una medición con cierto grado de impresión) de una dimensión determinada de
la salud de una población específica.
Los indicadores de salud se definen como mediciones resumidas que capturan información
relevante sobre distintos atributos y dimensiones del estado de salud y del desempeño de un
sistema de salud.
Las fuentes de datos suelen ser:
i. Registros de hospitales y servicios de salud
ii. Notificación de enfermedades bajo vigilancia
iii. Encuestas de seroprevalencia y de auto reporte de enfermedad, entre otros
enfermedades crónicas, por su larga evolución, requieren de monitoreo de etapas clínicas, por lo
que es preferible contar con registros de enfermedad.
Los indicadores de mortalidad general o por causas específicas permiten comparar el nivel general
de salud e identificar causas de mortalidad relevantes como accidentes, tabaquismo, etc. El
registro de la mortalidad requiere de la certificación de la muerte, para lo cual se usa el Certificado
Médico de Defunción.
La medición en salud requiere de la disponibilidad de datos sobre características relevantes de la
población (variables), tales como su;
1. Tamaño.
2. Composición.
3. Estilos de vida.
4. Clases sociales.
5. Eventos de enfermedad.
6. Nacimientos y muertes.
Los datos para la medición en salud provienen de diversas fuentes, por lo que deben de tomarse
en cuenta aspectos relacionados con;
1. La validez;
2. Calidad;
3. Integridad;
4. Cobertura de los datos mismos;
5. Sus fuentes;
Si los datos son incompletos o inconsistentes, se obtendrán medidas sesgadas o inexactas, sin
importar la sofisticación del análisis epidemiológico, y las intervenciones derivadas de su uso no
serán efectivas. La deficiente cobertura de los servicios en amplios sectores de población en varios
países, limita la generación de información útil y necesaria para resolver los problemas de salud.
Para la correcta toma de decisiones en todos los niveles de los servicios de salud, basada en
información pertinente, es necesaria la capacitación permanente del equipo local de salud y de
sus redes en la recolección, manejo, análisis e interpretación de datos epidemiológicos.
La cuantificación de los problemas de salud en la población requiere de procedimientos y técnicas
estadísticas diversas, algunas de ellas de relativa complejidad. En el análisis cuantitativo el
empleo de programas computacionales facilita el manejo y análisis de datos, pero no se deben
sobrestimar sus alcances y aplicaciones
Un programa computarizado reduce notablemente el tiempo de cálculo, procesamiento y análisis
de los datos, pero es el trabajo humano el que aporta resultados racionales y válidos para el
desarrollo de los objetivos de salud pública.
Existen dos paquetes de programas de cómputo diseñados específicamente para salud que
facilitan el almacenamiento, proceso y análisis de información epidemiológica:
1. Epi-Info producido por el Centro de Prevención y Control de Enfermedades de los
Estados Unidos (CDC) y la Organización Mundial de la Salud (OMS)
2. Epidat de la OPS y la Xunta de Galicia, España
El enfoque epidemiológico, consiste básicamente en:
1. la observación de los fenómenos de salud y enfermedad en la población;
2. la cuantificación de éstos en frecuencias y distribuciones;
3. el análisis de las frecuencias y distribuciones de salud y de sus determinantes; y,
4. la definición de cursos de acción apropiados
Tipos de datos y su tabulación
La cuantificación del estado de salud y patrones de enfermedad en la población, requiere de
métodos y técnicas que permitan recolectar datos en forma objetiva y eficiente. Uno de los
primeros pasos en el proceso de medición del estado de salud en la población es la definición de
las variables que lo representan o caracterizan.
Variable: cualquier característica o atributo que puede asumir valores diferentes.
Las variables pueden ser de dos tipos, cualitativas y cuantitativas. Denominamos variables
cualitativas a aquellas que son atributos o propiedades. Las variables cuantitativas son aquellas
en las que el atributo se mide numéricamente y a su vez se pueden clasificar en discretas y
continuas. Las variables discretas o discontinuas asumen valores que son siempre números
enteros; por ejemplo, el número de hijos de una pareja, el número de dientes con caries, el número
de camas de hospital, el número de hematíes por campo, el pulso, etc., que sólo pueden tomar
valores de un conjunto finito. Las variables continuas pueden tomar tantos valores como permita
la precisión del instrumento de medición; por ejemplo, el peso al nacer de un bebé de 2.500
gramos podemos medirlo con mayor precisión, como 2.496,75 gramos, si nuestra báscula lo
permite.
Las variables discretas o discontinuas Son aquellas que NO admiten todos los valores
intermedios en un rango, Suelen tomar solamente valores enteros (número de hijos, abortos,
partos, hermanos)
Las variables continuas Son aquellas que si admiten tomar cualquier valor dentro de un rango
numérico determinado, con uno o varios decimales (peso, talla, edad).

Cualitativas: como su nombre lo indica expresan distintas cualidades, características o modalidad.

Cada modalidad que se presenta se denomina atributo o categoría, y la medición consiste en una
clasificación de dichos atributos;
1. Dicotómicas: cuando sólo pueden tomar dos valores posibles, (hombre/mujer,
enfermo/sano, fumador/no fumador)
2. Politómicas; cuando pueden adquirir tres o más valores (color de los ojos, grupo
sanguíneo, profesión, etcétera)
Las variables cualitativas politómicas se dividen en:
1. Variable cualitativa ordinal o variable cuasicuantitativa: La variable puede tomar
distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que
el intervalo entre mediciones sea uniforme, por ejemplo: leve, moderado, fuerte
2. Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un
criterio de orden, como por ejemplo los colores.

Según la influencia las variables pueden ser:

1. Variable independiente: es aquella cuyo valor no depende de otra variable.
2. Es aquella característica o propiedad que se supone es la causa del fenómeno estudiado.
En investigación experimental se llama así a la variable que el investigador manipula
3. Variable Dependiente: es aquella cuyos valores dependen de los que tomen otra variable.
La variable dependiente se representa en el eje ordenadas como y.
4. Son las variables de respuesta que se observan en el estudio y que podrían estar influidas
por los valores de las variables independientes.
Las variables también pueden clasificarse según el nivel o tipo de medición: Variable nominal,
variable ordinal, variable de intervalo, variable proporcional o de razón.
Una variable de intervalo tiene distancias iguales entre sus valores y una característica
fundamental: el cero es arbitrario. El ejemplo típico de variable de intervalo es la temperatura
corporal. Existe la misma diferencia entre 37°C y 39°C que entre 38°C y 40°C (o sea, 2°C). Sin
embargo, no podemos decir que una temperatura de 60°C sea ‘tres veces más caliente’ que una
de 20°C. Tampoco podemos concluir que un individuo con un coeficiente de inteligencia de 120
es el doble de inteligente que otro con coeficiente 60.
Por último, si la variable de intervalo tuviese un punto de origen que es el valor cero significativo
o absoluto, estaríamos hablando de una variable proporcional o de razón. Ésta tiene intervalos
iguales entre valores y punto de origen cero. El peso y la altura son ejemplos típicos de variables
proporcionales, 80 Kg. es el doble que 40Kg. y hay la misma diferencia entre 50 y 35Kg. que
entre 105 y 90 Kg. En este nivel se puede sumar, restar, multiplicar y dividir.

Los datos sobre casos de enfermedades atendidas o notificadas por el centro o servicio de salud
pueden provenir de un listado de nombres, edades, sexo, etc., del cual se puede obtener el número
total o frecuencia de casos. Si se busca agrupar los casos según algunas
características de los mismos, la tarea de identificar los grupos poblacionales con mayores
problemas se simplifica. Los datos agrupados según determinadas características (edad, sexo,
residencia, clase social, etc.) pueden presentarse en cuadros y/o gráficos; esto facilita los cálculos
y la comparación e interpretación de los resultados.

La distribución de frecuencia es una disposición tabular de datos estadísticos, ordenados

ascendente o descendentemente, de acuerdo a la frecuencia de cada dato.
Las frecuencias pueden ser:
1. Xi = Variable
2. fi = Frecuencia Absoluta
3. Fi= Frecuencia Acumulada
4. hi = Frecuencia Relativa (fi/n)
5. Hi = Frecuencia Relativa Acumulada (Fi/n)

1. Frecuencia absoluta: Es el número de veces que se repite un determinado valor de la

variable (xi). Se designa por fi. La suma de todas las frecuencias absolutas es igual al
total de observaciones (n).
2. frecuencia acumulada (Fi): Las frecuencias acumuladas de una distribución de
frecuencias son aquellas que se obtienen de las sumas sucesivas de las fi que integran
cada una de las filas de una distribución de frecuencia, esto se logra cuando la
acumulación de las frecuencias se realiza tomando en cuenta la primera fila hasta alcanzar
la ultima. Las frecuencias acumuladas se designan con las letras Fi.
3. frecuencia relativa (hi): Es aquella que resulta de dividir cada una de las frecuencias
absolutas entre el número total de datos. Las frecuencias relativas se designan con las
letras hi. La suma de todas las frecuencias relativas es igual a la unidad.
4. frecuencia relativa acumulada (Hi): Es aquella que resulta de dividir cada una de las
frecuencias acumuladas entre número total de datos. Se designa con las letras Hi .
Propiedad: La última frecuencia relativa acumulada es la unidad.
Para los datos de variables cuantitativas: hay medidas que resumen su tendencia hacia un valor
medio (medidas de tendencia central) y otras que resumen su grado de variabilidad (medidas de
dispersión).
Ejemplo: El gobierno desea averiguar si el número medio de hijos por familia ha descendido
respecto de la década anterior. Para ello ha encuestado a 50 familias respecto al número de hijos,
y ha obtenido los siguientes datos:
0 0 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 5 6.
Se pide: a. Construir la tabla de frecuencias absolutas
 Xi fi Fi hi Hi
0 2 2 0.04 0.04
1 4 6 0.08 0.12
2 21 27 0.42 0.54
3 15 42 0.3 0.84
4 6 48 0.12 0.96
5 1 49 0.02 0.98
6 1 50 0.02 1

Medidas de tendencia central

Las medidas de tendencia central de los datos son la moda, la mediana, y la media o promedio.
La selección de las medidas depende del tipo de datos y propósitos. Los valores de muchas
variables biológicas, como la talla, se distribuyen de manera simétrica. Otras variables, como la
mortalidad y la tasa de ataque en una epidemia, tienen distribución asimétrica. Para distribuciones
normales (ejemplo de distribución simétrica), la media, la mediana y la moda son idénticas. Para
distribuciones asimétricas, la mediana representa mejor al conjunto de datos, aunque la media
tiene mejores propiedades para el análisis estadístico y pruebas de significancia.

Para calcular la media aritmética en una tabla de distribución de frecuencia se agrega una nueva
columna X (que es la variable) multiplicada por la frecuencia absoluta de dicha variable, luego la
sumatoria de Xi*Fi se divide entre la sumatoria de n que es la población.

𝑆𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑝𝑜𝑟 𝑠𝑢 𝑓𝑟𝑒𝑛𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑆𝑢𝑚𝑎 (𝑥𝑖 ∗ 𝑓𝑖) 𝑆𝑢𝑚𝑎 (𝑥𝑖 ∗ 𝑓𝑖)
𝑋̅ = = =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑁 𝑛

Xi fi Fi hi Hi Xi * fi
0 2 2 0.04 0.04 0×2=0
1 4 6 0.08 0.12 1×4=4
2 21 27 0.42 0.54 2 × 21 = 42
3 15 42 0.3 0.84 3 × 15 = 45
4 6 48 0.12 0.96 4 × 6 = 24
5 1 49 0.02 0.98 5×1=5
6 1 50 0.02 1 6×1=6
TOTAL 50 126

126 126
𝑥̅ = 𝑛
= 50
= 2.52
 OTRO EJEMPLO
DATOS: 5, 15, 8, 3, 9, 2, 12, 8, 6, 7
𝑆𝑢𝑚𝑎 (𝑥𝑖∗𝑓𝑖) 5+15+8+3+9+2+12+8+6+7 75
𝑥̅ = = =
10
= 7.5
𝑛 10

Xi fi Fi hi Hi Xi * fi
2 1 2×1=2
3 1 3×1=3
5 1 5×1=5
6 1 6×1=6
7 1 7×1=7
8 2 8 × 2 = 16
12 1 12 × 1 = 12
15 1 15 × 1 = 15
TOTAL 10 75
75
𝑥̅ = 10 = 7.5

La Mediana: es el valor que ocupa la posición central en un conjunto de datos, que deben estar
ordenados, de esta manera la mitad de las observaciones es menor que la mediana y la otra mitad
es mayor que la mediana, resulta muy apropiada cuando se poseen observaciones extremas. La
mediana de un conjunto de números es el número medio en el conjunto:
1. Ordenamos los datos de menor a mayor.
2. Si la serie tiene un número impar de medidas la mediana es la puntuación central de la
misma.
3. Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos
puntuaciones centrales.

2,3,4,5,6 Mediana = 5
3+4
2,3,4,5 𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 2 =
La moda es el valor que mas se repite en la frecuencia absoluta.Es el valor de un conjunto de
datos que aparece con mayor frecuencia. No depende de valores extremos, pero es más variables
que la media y la mediana.

Rango Medio
es la media de las observaciones menor y mayor. como intervienen solamente estas observaciones,
si hay valores extremos, se distorsiona como medida de posición, pero ofrece un valor adecuado,
rápido y sencillo para resumir al conjunto de datos.
Pasos o Requisitos del rango
Ordenamos los números según su tamaño.
Restamos el valor mínimo del valor máximo
Rango = {(Max - Min)}
Ejemplo: Para la muestra (8, 7, 6, 9, 4, 5), el dato menor es 4 y el dato mayor es 9. Sus valores se
encuentran en un rango de: Rango = (9-4) = 5
 Ejemplo 1:
DATOS: 5, 15, 8, 3, 9, 2, 12, 8, 6, 7
𝑆𝑢𝑚𝑎 (𝑥𝑖∗𝑓𝑖) 5+15+8+3+9+2+12+8+6+7 75
𝑥̅ = = =
10
= 7.5
𝑛 10

𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 2,3,5,6,7,8,8,9,12,15 = 7+8

2
=

Moda = 8

Ejemplo 2:

Xi fi Fi hi Hi Xi * fi
0 2 2 0.04 0.04 0×2=0
1 4 6 0.08 0.12 1×4=4
2 21 27 0.42 0.54 2 × 21 = 42
3 15 42 0.3 0.84 3 × 15 = 45
4 6 48 0.12 0.96 4 × 6 = 24
5 1 49 0.02 0.98 5×1=5
6 1 50 0.02 1 6×1=6
TOTAL 50 126

126 126
𝑥̅ = = = 2.52
𝑛 50

𝑛 50
𝑃𝑎𝑟𝑎 𝑠𝑎𝑐𝑎𝑟 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 1𝑟𝑜 = 2 = 2
= 25 (se busa en FI donde esta el 25 o el numero mayor mas cercano), se
toma el numero de la variable (xi)
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 2
Moda = 2 porque es la variable que tiene más frecuencia (fi)

Medidas de dispersión: también llamadas medidas de variabilidad, muestran la variabilidad de

una distribución, indicando por medio de un número si las diferentes puntuaciones de una variable
están muy alejadas de la media.
Para las variables cuantitativas contínuas las medidas de dispersión más usadas son básicamente
tres: desviación media, la varianza y la desviación estándar.
Tomando las desviaciones en valor absoluto (desviación media).
Tomando las desviaciones al cuadrado (varianza)
Cuanto mayor sea ese valor, mayor será la variabilidad, y cuanto menor sea, más homogénea será
a la media. Así se sabe si todos los casos son parecidos o varían mucho entre ellos

Desviación media (Di o DM): La desviación respecto a la media es la diferencia entre cada valor
de la variable estadística y la media aritmética. La desviación media es la media aritmética de los
valores absolutos de las desviaciones respecto a la media.

𝑆𝑢𝑚𝑎 (𝑥̅ −𝑥𝑖) 𝑆𝑢𝑚𝑎 (𝑥𝑖 − 𝑥̅ )

𝐷𝑖 = o 𝐷𝑖 =
𝑛 𝑛
Ejercicio = 9, 3, 8, 8, 9, 8, 9, 18
[ 9 − 9]+[ 9 − 3]+[ 9 −8]+[ 9 −8]+[ 9 −9]+[ 9 −8]+[ 9 −9]+[ 9 −18] No importa la resta todos los
DM =
8 números se ponen positivos
0+6+1+1+0+1+0+9 18
DM = = = 2.25
8 8

La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una
distribución estadística. La varianza se representa por signo griego cuando se calcula para una
población.

𝑆𝑢𝑚𝑎 (𝑥̅ − 𝑥𝑖)2

𝑉𝑎𝑟(𝑥) =
𝑛
[ 9 − 9]2 +[ 9 − 3]2 +[ 9 − 8]2 +[ 9 − 8]2 +[ 9 − 9]2 +[ 9 − 8]2 +[ 9 − 9]2 +[ 9 − 18]2
Var (x) =
8

0 +36 + 1 + 1 + 0 + 1 + 0 +81 117

Var (x) = = = 14.63
8 8

Desviación típica o estándar. La desviación típica es la raíz cuadrada de la varianza. Es decir, la raíz
cuadrada de la media de los cuadrados de las puntuaciones de desviación. La desviación típica se representa
por σ.

Desviación estándar = √𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎

TAREA:

Ejercicio: Calcular la media aritmética, mediana, moda, varianza y desviación estándar, de los siguientes
datos. 43, 51, 37, 39, 19, 24, 27.