Tema 3.

Tipos de medidas utilizadas en Epidemiología

¿QUÉ ES LA EPIDEMIOLOGÍA?
La Epidemiologia es la ciencia que se encarga del estudio de la distribución de la enfermedad (factor descriptivo) en la
población así como aquellos factores que determinan la aparición de la misma (factor analítico).

→ E. DESCRIPTIVA: Rama de la Epidemiología que estudia la frecuencia y distribución de un problema de salud. Describe
la ocurrencia de la enfermedad en función de las 3 variables epidemiológicas clásicas (Persona, Tiempo y Lugar),
respondiendo a las preguntas ¿Quién enferma? ¿Dónde se enferma? y ¿Cuándo se enferma?

PARA QUÉ SIRVE

✓ Nos da información sobre la Hª natural de la enfermedad (evolución), el curso natural de la enfermedad desde
que comienza hasta que finaliza sin intervención externa (sin que medidas preventivas que disminuyan los
factores de riesgo, sin un tratamiento)
✓ Identificación de sujetos con una aparente mayor probabilidad de enfermar
✓ Generación de HIPÓTESIS DE ESTUDIO sobre posibles relaciones causales que posteriormente tendrá que
confirmar la E. Analítica.

Esto se aplica a enfermedades infecciosas y crónicas, pero siempre es importante caracterizar y describir la distribución de
la enfermedad en estas 3 variables (P,T,L). Sobre eso se generan hipótesis del posible origen de la enfermedad.

COMIENZO EPIDEMIA DEL VIH

Con el comienzo de la epidemia del Sida-VIH, se encontró con que había un incremento de la ocurrencia de determinadas
patologías, patologías que eran infrecuentes porque se sabía cuál era la distribución de esas enfermedades. Además
ocurrían en un grupo de gente muy particular, sujetos jóvenes aparentemente sanos. Se vio quién enfermaba.

¿Dónde? En determinadas localizaciones de ciudades grandes

¿Cuándo? Comenzó en el año 81 en EEUU y a partir de ahí se extendió a todo el mundo Occidental

A partir de la caracterización de esos sujetos es cuándo se identifica el VIH (Virus Inmunodeficiencia Adquirida)

COMIENZO COVID-19

¿Dónde? Comienza en Wuhan

¿Quién enferma? En esos momentos no es posible distinguir si es más frecuente en hombres o mujeres.
¿Cuándo? Desde el 2019 a la actualidad

Estudiando a esos sujetos que empezaron con esa neumonía bilateral desencadenada en fallecimiento, y esas 3 variables
se puede identificar el virus.

→ E. ANALÍTICA: Rama de la Epidemiología que estudia los determinantes/causas de un problema de salud. Responden
al ¿por qué? de un problema de salud. Exploran relaciones causa-efecto

P.e ¿Por qué es mayor la prevalencia acumulada de infección en algunas CCAA?

P.e ¿Por qué algunas mujeres progresan desde diabetes gestacional a diabetes tipo 2 y otras no?
1. ESTUDIOS EPIDEMIOLÓGICOS
La Epidemiología lleva a cabo estos objetivos mediante el desarrollo de ESTUDIOS EPIDEMIOLÓGICOS.

Tipos de estudios:

DISTRIBUCIÓN DE LA ENFERMEDAD ¿Quién? ¿Cuándo? y ¿Dónde? → Estudios DESCRIPTIVOS (Observacionales): El

investigador no altera la realidad que estudia, se limita a observar la realidad

(Población) Estudios ecológicos

(Individuo) Estudios transversales/comunicación de un caso/series de casos

DETERMINANTES DE LA ENFERMEDAD ¿Por qué? → Estudios ANALÍTICOS

→ Observacionales: Caso-control y Cohortes

→ Experimentales: Ensayos Clínicos y Ensayos comunitarios

2. MEDIDAS EN EPIDEMIOLOGÍA

MEDIDA:
Unidad empleada para cuantificar Tipos de Medidas en General

– Medida Absoluta: cuantifican sin que haya una comparación. Cuantificación en la que se excluye toda relación.
“suma” “diferencia”. Son poco útiles en las comparaciones

– Medida Relativa: Cuantificación referenciada, ponderada. “división” Existen 3 tipos:

PROPORCIÓN: Cociente cuyo numerador procede del numerador. Adimensional Rango 0-1
Si el nº diabéticos crece hasta 40, 40/40 =1. denominador

RAZÓN: Cociente cuyos componentes (numerador y denominador) proceden de distintas poblaciones: ratio entre hombre
y mujeres 3:1. Dimensional. Rango 0-infinito. En este aula hay 30 mujeres por cada chico

TASA (Forma especial de razón): Cambio que se produce en una variable por unidad de cambio en otra, usualmente en el
tiempo. Dimensional. P.e Velocidad (espacio/tiempo)

Cuando hacemos comparaciones es muy importante ponderar esa comparación con la población origen de la medida que
estamos cogiendo.

2.1 TIPOS DE MEDIDAS EN EPIDEMIOLOGÍA

Los estudios epidemiológicos generan una información. Tipos de Medidas en Epidemiología

MEDIDAS DE FRECUENCIA => OCURRENCIA de enfermedad. Estudios descriptivos

• PREVALENCIA
• INCIDENCIA

MEDIDAS DE ASOCIACIÓN => MAGNITUD de la ASOCIACIÓN (Exposición FR– Enfermedad). Estudios analíticos

• RIESGO RELATIVO (RR)

• ODDS RATIO (OR)

MEDIDAS DE IMPACTO POTENCIAL => CAMBIO en la OCURRENCIA de enfermedad ante la modificación de la

exposición. Miden en que medida varia la ocurrencia de la enfermedad, o del FR. Estudios analíticos
• RIESGOS ATRIBUIBLES
MEDIDAS DE FRECUENCIA

– PREVALENCIA: fracción de la población que está enferma en un momento dado. Mide un ESTATUS, la enfermedad, el
peso de la enfermedad. Es puntual, hace referencia a un momento concreto del tiempo

Es una PROPORCIÓN. Adimensional (son personas). Rango 0-1

EJEMPLO

En una población de Estocolmo se seleccionó una muestra de 1030 mujeres de 70-40 años. (Allander 1970)

Después de ser examinadas, 70 de ellas fueron diagnosticadas de artritis reumatoide. La PREVALENCIA de artritis
reumatoide en este grupo era de: P = (70/1038)= 0.07 → 7%

7 casos de artritis reumatoide por cada 100 habitantes.

– INCIDENCIA: relación casos nuevos de la enfermedad respecto al grupo de sujetos susceptibles a ella en un período de
tiempo concreto. Se puede calcular a partir de 2 tipos de medida:

❑ PROPORCIÓN => INCIDENCIA ACUMULADA (IA): Adimensional. Rango 0-1. Estimación del riesgo individual de
enfermar.

EJEMPLO

Según el censo de 1960, en Suecia, 3076 varones de 20-64 años trabajaban en la industria del plástico. S/ el Registro
de Cáncer y Medio Ambiente 11 de ellos desarrollaron un tumor cerebral durante 1961-1973. (INS 1980)

Por tanto, la IA durante el período de 13 años sería IA = (11/3076)= 0.004 → 4‰

4 nuevos casos de tumor cerebral por cada 1000 trabajadores de la industria del plástico.

El riesgo que tiene un trabajador de ese sector de desarrollar la enfermedad en esos 13 años es del 4 por 1000

❑ TASA => DENSIDAD DE INCIDENCIA (DI): Dimensional. Rango 0-Infinito. Fuerza que tiene la enfermedad de influir
en la población

Relación de casos nuevos de la enfermedad respecto al grupo de sujetos susceptible a ella en un periodo de tiempo
concreto. Mide la FUERZA de la enfermedad.

Personas por tiempo de observación → Tiempo que cada una de las personas que participan en el estudio aporta libre de enf.

EJEMPLO

En 1973 aparecieron 29 casos de IAM en Estocolmo entre los hombres de 40-44 años (Ahlbom, 1978). El nº de años
en riesgo para los hombres de este grupo de edad fue de 41352.

Por tanto, la Tasa de incidencia (DI) durante ese período de 13 años sería DI = (29/41352= 0.007 → 7 por 10.000

7 nuevos casos de IAM por cada 1000 personas-año de seguimiento.

La fuerza de irrupción de la enfermedad en esta población es de 7 casos por cada 10.000 por año en riesgo.
 Ejercicio 1

Estudio donde tenemos 2 cohortes simplificadas de 4 personas que evalúan la aparición de una enfermedad.

1er cohorte → Se siguen a 4 personas durante 10 años. Hay 3 personas que desarrollan la enfermedad en cuestión (X
marca la aparición de la enfermedad) Se indica el nº de personas aportadas y el tiempo de seguimiento de cada una
de ellas. Se aportan 37 personas año de seguimiento.

Podemos calcular la IA y DI en este tipo de cohorte estática, que es aquella que sólo permite salidas del estudio una vez
empieza no permite incluir ninguna persona más. Podemos calcular IA y DI.

IA = 3 casos nuevos/4 personas susceptibles a enfermar al inicio= 75%.

DI = 3 casos nuevos/37 años aportados al estudio = 8.1%.

La IA nos dice que el riesgo que tiene cada persona de desarrollar la enfermedad es del 75%.
La DI nos dice que la fuerza de la enfermedad en la población es de 8 casos por cada 100 años de seguimiento

En este caso, al ser una cohorte dinámica, que permite tanto entradas como salidas del estudio, sólo nos permite calcular
DI, no la IA.

DI = 3 casos nuevos/28 años aportados al estudio = 25%.

La DI nos dice que la fuerza de la enfermedad en la población es de 25 casos por cada 100 años.

CONCLUSIÓN: La fuerza de la enfermedad es mayor en el 2º cohorte. La IA suministra información sobre el riesgo

individual y la DI suministra información sobre la capacidad de una enfermedad de irrumpir en la población.

Ejercicio 2

Con el objetivo de estudiar la ocurrencia de cardiopatía isquémica, se lleva a cabo el seguimiento de los sujetos de
entre 40-59 años de 2 muestras, A y B, durante un periodo de 5 años. Resultados del seguimiento:

1. Calcula e interpreta la prevalencia de la enfermedad para cada muestra a mitad del periodo.

La prevalencia se puede calcular al principio, mitad y final del periodo . A mitad del estudio (2 años y medio):

Población A

Sujeto enfermo → ① ② ⑥ ⑧
Sujeto sin enfermedad → ③ ⑤ ⑦⑨⑩
Enferma pero más tarde → ④ ⑪

A mitad del periodo hay 4 personas enfermas de 11 (⑫ abandona) por lo que:

Prevalencia = 4/11 = 0.36 → 36.4%

Nº de enfermos por cada 100 habitantes: hay 36 casos por cada 100.
Población B

Sujeto enfermo → ②④⑪

Sujeto sin enfermedad → ①③⑤⑧⑨⑫⑭⑮
Enferma pero más tarde → ⑥⑩⑬

A la mitad del periodo hay 3 personas enfermas de 14 (⑦ abandona) por lo que:

Prevalencia = 3/14 = 0.214 → 21.4%.

Nº de enfermos por cada 100 habitantes: hay 21 casos por cada 100.

2. Calcula e interpreta el riesgo de enfermar en ambas muestras.

Riesgo individual → Incidencia acumulada (IA)

Población A

Población susceptible de enfermar al inicio → 11 personas (①ya está enfermo)

Enfermos nuevos → ②④⑥⑧⑪
IA = 5/11 = 0.45 → 45.5%.

Riesgo individual de enfermar → probabilidad de enfermar del 46%

Población B

Población susceptible de enfermar al inicio → 14 personas (⑪ ya está enfermo)

Enfermos nuevos → ②④⑥⑩⑬
IA = 5/14 = 0.357 → 35.7%.

Riesgo individual de enfermar → probabilidad de enfermar del 36%

3. Calcula e interpreta la tasa de incidencia (DI) en ambas muestras.

Población A

Enfermos nuevos → ②④⑥⑩⑬

Tiempo aportado al estudio de los sujetos susceptibles de enfermar (libres de enf)
0+1+5+2.5+3.5+1+5+1.5+3.5+5+3.5+0.5 = 32 personas-año

DI = 5/32 = 0.15 → 15.6%.

Fuerza de la enfermedad para irrumpir en la población → se producen 15.6 casos por cada 100p-año de seguimiento

Población B

Enfermos nuevos → ②④⑥⑧⑪

Tiempo aportado al estudio de los sujetos susceptibles de enfermar (libres de enf)
5+2+5+0.5+3.5+4+1+5+5+3.5+0+5+3+5+5 = 52.5 personas-año seguimineto

DI = 5/52.5 = 0.095 → 9.5%.

Fuerza de la enfermedad para irrumpir en la población → se producen 9.5 casos por cada 100p-año de seguimiento

CONCLUSIÓN: Prevalencia A > Prevalencia B. La enfermedad tiene más peso en la población A.

Incidencia acumulada A > Incidencia acumulada B. Las personas de la población A tienen un mayor riesgo de enfermar
que las de la población B. Tasa de Incidencia A > Tasa de Incidencia B. La enfermedad tiene más fuerza para irrumpir en la
población A que en la población B.

Estudio caso-control: se pregunta por el pasado, no se Cohorte: se pregunta por el

puede calcular la incidencia porque ya están enfermos presente, se pueden
Ambos son observacionales identificar casos nuevos
MEDIDAS DE ASOCIACIÓN o medidas del efecto (Exposición FR– Enfermedad)

– RIESGO RELATIVO (RR): es una razón de riesgos (incidencia acumulada).

RR = IA (e) / IA (o)

Mide cuántas veces es más frecuente la enfermedad en el grupo expuesto (e) con respecto al grupo no expuesto (o)

Interpretación:
RR = 1 : NULIDAD DEL EFECTO
RR > 1 : FACTOR DE RIESGO
RR < 1 : FACTOR DE PROTECCIÓN
*Sólo podemos calcularlo en estudios de cohorte, en estudios de seguimiento donde presencio la ocurrencia de
enfermedad; no en casos-control, ya que no podemos calcular incidencias! (Las incidencias sólo se pueden calcular cuando
es posible identificar casos nuevos y en los estudios de caso-control los sujetos ya están enfermos)

P.e Se produce un incremento de la ocurrencia (incidencia/prevalencia) de

leucemia en un 20% y cuando la analizo observo que la mayoría son varones,
trabajadores de centrales nucleares y se ha producido en los últimos 10 años.

Estudiando los sujetos observo una posible relación entre las R-Gamma y diseño un
estudio analítico (cohorte) que me responda a la pregunta “¿existe una relación
entre las R-Gamma y la leucemia?” y me permita calcular la magnitud de dicha
asociación.

La manera más intuitiva de estimar si existe asociación entre la ocurrencia de leucemia y la exposición a las R-Gamma es
medir el riesgo de enfermar estando expuesto y compararlo al riesgo de enfermar sin estar expuesto (RR).

Si Riesgo expuesto (Re) = Riesgo no expuesto (Ro) la exposición no tiene efecto sobre la ocurrencia de enfermedad
Si Riesgo expuesto (Re) ≠ Riesgo no expuesto (Ro) la exposición sí tiene efecto sobre la ocurrencia de enfermedad.

Ejercicio 1―Leucemia y R-Gamma

COHORTE
450 trabajadores de la C. nuclear.
200 expuestos a R-Gamma -----> 32 leucemias
250 no expuestos a R-Gamma -----> 25 leucemias

Elaboro una tabla de contingencia

Magnitud de la asociación → Riesgo relativo (RR)

IA (e) = 32/200 = 0.16

IA (o) = 25/250 = 0.10

Interpretación → Hay una asociación entre las 2 variables. RR > 1 Es un factor de riesgo.

|𝟏 − 𝐑𝐑| × 𝟏𝟎𝟎 = |1 − 1.6| × 100 = | − 0.6| × 100 = 0.6 × 100 = 60%

El riesgo de padecer leucemia es un 60% (o 1.6 veces) mayor entre los expuestos a R-Gamma frente a los no expuestos.
 Ejercicio 2―Enfermedad y Vacuna

COHORTE
Se evalúa en un estudio cohorte si existe asociación entre la ocurrencia de una enfermedad en personas vacunadas y
no vacunadas.

235 expuestos a vacuna -----> 10 enfermedad

200 no expuestos (no vacuna) -----> 32 enfermedad

Magnitud de la asociación → Riesgo relativo (RR)

IA (e) = 10/235 = 0.04

IA (o) = 32/200 = 0.16

Interpretación → Hay una asociación entre las 2 variables. RR < 1 Es un factor protector.

|𝟏 − 𝐑𝐑| × 𝟏𝟎𝟎 = |1 − 0.25| × 100 = 0.75 × 100 = 75%

El riesgo de padecer la enfermedad es un 75% menor entre los vacunados (o mayor entre los no vacunados)

– ODDS RATIO (OR): es una razón de odds, un cociente de probabilidades. Es una medida epidemiológica utilizada en
estudios de caso-controles, al no poder calcular incidencias porque los sujetos ya están enfermos.

Se utiliza como ESTIMADOR DEL RR en estudios de Caso-Control siempre que:

• Cuando la enfermedad es poco frecuente <10% (Prevalencia <10%)

• Los casos y controles son representativos de poblaciones de referencia

Odds de exposición en casos Odds de exposición en controles

𝑎 casos expuestos 𝑏 controles expuestos
= =
𝑐 casos no expuestos 𝑑 controles no expuestos

Odds exposición en enfermos (CASOS) a×d

OR = =
Odds exposición en NO enfermos (CONTROLES) b×c

(Odds = Probabilidad de que ocurra un suceso / Probabilidad de que ocurra el suceso contrario). P.e En apuestas de
caballos probabilidad de que gane un caballo frente a que no gane.

Interpretación:
OR = 1 : NULIDAD DEL EFECTO
OR > 1 : FACTOR DE RIESGO
OR < 1 : FACTOR DE PROTECCIÓN

*Lo ideal es el RR por eso los estudios de cohorte siempre van a tener mayor capacidad demostrativa de causalidad que los
estudios de caso-control

P.e Se produce un incremento de la ocurrencia (incidencia/prevalencia) de CA pulmón en un 25% y cuando la analizo

observo que la mayoría son varones, mecánicos ido en los últimos 10 años.

Estudiando los sujetos observo una posible relación entre el DIESEL y el CA de

pulmón y diseño un estudio analítico (caso-control) que me responda a la
pregunta “¿existe una relación entre DIESEL y el CA de pulmón?” y me permita
calcular la magnitud de dicha asociación.
Como no podemos calcular la magnitud mediante incidencias recurrimos a la
OR como estimación del RR.
Prevalencia = 20/1000 = 0.02 = 2% o 20‰. La enfermedad es poco frecuente, de 20 por mil (<10%).

El RR no se puede calcular en estudios de caso control, SÍ el OR.

El RR se calcula con la IA (incidencia acumulada)
 Ejercicio 3 ―DIESEL y CA pulmón

CASO-CONTROL
1000 trabajadores de la G. Mecánica.

15 expuestos a DIESEL <----- 20 CA pulmón

235 expuestos a DIESEL <----- 980 no CA pulmón

Elaboro una tabla de contingencia

Magnitud de la asociación → Odds ratio (OR)

15/20 15
Odds exp 𝐸 = = =3
5/20 5

235/980 235
Odds exp ∄ = = = 0.315
745/980 745

Interpretación → Si asumimos que el diseño está correctamente hecho y la muestra es representativa de la población de
origen, como la prevalencia es <10% (de 20 por mil), esta OR es un estimador no sesgado del RR.

Es 9.5 veces más frecuente la ocurrencia de enfermedad, el CA de pulmón entre los expuestos al DIESEL frente los no
expuestos al DIESEL.
|𝟏 − 𝐎𝐑| × 𝟏𝟎𝟎 = |1 − 9.5| × 100 = | − 8.5| × 100 = 8.5 × 100 = 850%

El riesgo de padecer CA pulmón es un 850% mayor entre los expuestos al DIESEL frente a los que no.

Ejercicio 3–Variante

CASO-CONTROL
100 trabajadores de la G. Mecánica.

15 expuestos a DIESEL <----- 20 CA pulmón

10 expuestos a DIESEL <----- 80 no CA pulmón

Magnitud de la asociación → Odds ratio (OR)

15/20 15
Odds exp 𝐸 = = =3
5/20 5
10/80 10
Odds exp ∄ = = = 0.143
70/80 70

Prevalencia = 20/100 = 20% (>10%). No podemos usar la OR como estimador del RR, por lo que la interpretación será la
propia de la OR.

Interpretación → La frecuencia de exposición es 21 veces mayor en el grupo de enfermos.

El OR se utiliza como estimador del RR en casos cuya prevalencia es menor del 10%.

El RR no se puede utilizar en estudios de caso-control.

MEDIDAS DE IMPACTO POTENCIAL: mayor aplicación en Salud Pública, las otras en Epidemiología.

Miden cuánto cambia la ocurrencia de enfermedad si cambiamos la ocurrencia de la exposición. Si yo sé que la

exposición (tabaco) produce CA de pulmón, y consigo eliminarla, ¿cuánto CA de pulmón voy a reducir?

― RIESGOS ATRIBUILES (RA) o Exceso de riesgo

Mide el exceso de riesgo existente en el grupo de expuestos (e) ATRIBUIBLE al factor de exposición.
Es una diferencia de riesgos (medida absoluta):

RA = IA (e) – IA (o)

Riesgo de enfermar estando expuesto – Riesgo de enfermar sin estar expuesto

Interpretación:
RA = 0 : NULIDAD DEL EFECTO
RR > 0 : FACTOR DE RIESGO
RR < 0 : FACTOR DE PROTECCIÓN

― PROPORCIÓN de RIESGOS ATRIBUILES (RA%) o Fracción Etiológica

Mide la proporción de casos ATRIBUIBLES al factor de exposición en el grupo de expuestos.

Es una proporción de riesgos:

RA% = (IA (e) – IA (o)) / IA (e) = (RR ―1)/ RR

(IA (e) – IA (o)) → IA (e)

X → 100

Interpretación:
RA% = 0 : NULIDAD DEL EFECTO
RA% > 0 : FACTOR DE RIESGO
RA% < 0 : FACTOR DE PROTECCIÓN

P.e Se produce un incremento de la ocurrencia (incidencia/prevalencia) de

leucemia en un 20% y cuando la analizo observo que la mayoría son varones,
trabajadores de centrales nucleares y se ha producido en los últimos 10 años.

Observo una posible relación entre las R-Gamma y diseño un estudio analítico
(cohorte) que me responda a la pregunta “¿Cómo se afecta la frecuencia de
LEUCEMIA al disminuir la exposición a las R-GAMMA?”

Ejercicio 1―Leucemia y R-Gamma

COHORTE
450 trabajadores de la C. nuclear.
200 expuestos a R-Gamma -----> 32 leucemias
250 no expuestos a R-Gamma -----> 25 leucemias

Elaboro una tabla de contingencia

Medida del impacto potencial de R-Gamma → Riesgo atribuible (RA) y Proporción de Riesgo Atribuible (RA%)

IA (e) = 32/200 = 0.16 = 16% RA = 0.16 − 0.10 = 0.06 = 6%

IA (o) = 25/250 = 0.10 = 10% RA% = (0.16 − 0.10)/0.16 = 0.375 = 37.5%

Interpretación → El exceso de riesgo de leucemia ATRIBUIBLE exclusivamente a la exposición de R-Gamma es de un 6%.

RA > 0. Es un factor de riesgo.

El porcentaje de casos de leucemia ATRIBUIBLE a las R-Gamma es de un 37.5%. Si esta exposición se eliminara podríamos
reducir la ocurrencia de leucemia en un 37.5%, es decir, si eliminamos las R-Gamma reduciríamos 12 casos de leucemia.

― RIESGO ATRIBUILES POBLACIONAL (RAP) o Exceso de riesgo

Mide el exceso de riesgo existente en el total de la población (t) ATRIBUIBLE al factor de exposición.
Es una diferencia de riesgos (medida absoluta):

RAP = IA (t) – IA (o)

Riesgo de enfermar en la población – Riesgo de enfermar sin estar expuesto

Interpretación:
RA = 0 : NULIDAD DEL EFECTO
RR > 0 : FACTOR DE RIESGO
RR < 0 : FACTOR DE PROTECCIÓN

― PROPORCIÓN de RIESGO ATRIBUILE POBLACIONAL (RAP%)

Mide la proporción de casos ATRIBUIBLES al factor de exposición en toda la población (expuesta y no expuesta).
Es una proporción de riesgos:

RAP% = (IA (t) – IA (o)) / IA (t)

IA (t) = IA (e) * Pe + IA (o) * (1-Pe)

Dividiendo todos los términos por IA (o)

[Pe (RR ―1)/ Pe (RR ―1) + 1] 100

Interpretación:
RA% = 0 : NULIDAD DEL EFECTO
RA% > 0 : FACTOR DE RIESGO
RA% < 0 : FACTOR DE PROTECCIÓN
OR como estimador del RR
Se podrá utilizar la RR como estimador del OR para calcular el RA% y RAP% en los estudios de casos-controles, cuando no
podamos hallar incidencias, siempre que se cumplan los 2 criterios:

• Cuando la enfermedad es poco frecuente <10% (Prevalencia <10%)

• Los casos y controles son representativos de poblaciones de referencia

P.e Se produce un incremento de la ocurrencia (incidencia/prevalencia) de

leucemia en un 20% y cuando la analizo observo que la mayoría son varones,
trabajadores de centrales nucleares y se ha producido en los últimos 10 años.

Observo una posible relación entre las R-Gamma y diseño un estudio analítico
(cohorte) que me responda a la pregunta “¿Cómo se afecta la frecuencia de
LEUCEMIA al disminuir la exposición a las R-GAMMA?”
 Ejercicio 2―Leucemia y R-Gamma

COHORTE
450 trabajadores de la C. nuclear.
200 expuestos a R-Gamma -----> 32 leucemias
250 no expuestos a R-Gamma -----> 25 leucemias

Elaboro una tabla de contingencia

Medida del impacto potencial de R-Gamma → Riesgo atribuible poblacional (RA) y % Riesgo Atribuible Poblacional (RAP%)

IA (t) = 57/450 = 0.127 = 12.7% RAP = 0.127 − 0.10 = 0.027 = 2.7%

IA (o) = 25/250 = 0.10 = 10% RAP% = (0.127 − 0.10)/0.127 = 0.21 = 21%

Interpretación → Vivir en esta población incrementa el riesgo de desarrollar leucemias en un 2.7%.

El porcentaje de casos de leucemia en la población ATRIBUIBLE a las R-Gamma es de un 21%. Si esta exposición se
eliminara podríamos reducir la ocurrencia de leucemia en un 21%, es decir, reduciríamos 12 casos de leucemia.

RIESGO ATRIBUIBLE POBLACIONAL (RAP) utilizando el RR

𝐑𝐀𝐏% = [Pe (RR − 1)/(Pe (RR − 1) + 1] 100

200 200
𝐑𝐀𝐏% = [( ) (1.6 − 1)] / [( ) (1.6 − 1) + 1] = 𝟐𝟏%
450 450

*Hay 57 casos de leucemias: 32 expuestos a R-Gamma y 25 no expuestos, lo que quiere decir que hay otras causas que
intervienen en el desarrollo de la leucemia. De modo que si comparas el riesgo atribuible en los expuestos (RA) y en la
población (RAP) y ves que hay mucha diferencia entre ellos, se deberá a que hay muchos otros factores causando la enf.

Sin embargo, si el RAP y el RA son muy próximos, esto nos dirá que poca leucemia producida por otras causas. Conforme el
nº de casos no expuestos se reduce, el riesgo atribuible a expuestos (RA) y el riesgo atribuible poblacional (RAP) se
aproximará más.

Ejercicio 3 ―DIESEL y CA pulmón

CASO-CONTROL
1000 trabajadores de la G. Mecánica.

15 expuestos a DIESEL <----- 20 CA pulmón

235 expuestos a DIESEL <----- 980 no CA pulmón

Elaboro una tabla de contingencia

Medida del impacto potencial del DIESEL → Proporciones riesgos atribuibles (RA% y RAP%)

PROPORCION RIESGO ATRIBUIBLE (%RA y RAP%) utilizando el OR≈RR

𝐑𝐀% = (OR ―1)/ OR

𝐑𝐀𝐏% = [Pe (RR − 1)/(Pe (RR − 1) + 1] 100

250 250
𝐑𝐀𝐏% = [( ) (9.5 − 1)] / [( ) (9.5 − 1) + 1] =
1000 1000

2.125
= (0.25 ∗ 8.5)/ ((0.25 ∗ 8.5) + 1) = = 0.68 = 𝟔𝟖%
3.125

Interpretación → El porcentaje de casos de CA de pulmón ATRIBUIBLES a la exposición de DIESEL es de un 89.5%. Si esta

exposición se eliminara podríamos reducir la ocurrencia del CA en un 89.5%, es decir, si eliminamos el DIESEL reduciríamos
los casos de CA entre los expuestos a 2. (Reducimos 13 casos de 15)

El porcentaje de casos de CA de pulmón en la población ATRIBUIBLES a la exposición de DIESEL es de un 68%.

OR: productos cruzados

 SEMINARIO I. Tipos de Medidas en Epidemiología

Medidas de FRECUENCIA

En un cribado de 5000 mujeres se encontró que 25 de ellas padecían CA de mama. En los 5 años siguientes 10 mujeres
más de las examinadas presentaron esta enfermedad.

¿Qué medidas de frecuencia de enfermedad pueden ser obtenidas? Realice los cálculos e interprete los resultados.

Prevalencia de CA de mama (siempre hace referencia a un momento concreto) => Peso de la enfermedad
Prevalencia (al inicio del periodo) = 25/5000 = 0.005 → 5 casos por 1000 habitantes
Prevalencia (al final) = 35/5000 = 0.007 → 7 casos por 1000 habitantes

Incidencia (IA) => Riesgo individual de enfermar

Incidencia acumulada (IA) 10/(5000-25) = 10/4975 = 0.002 → 2 casos NUEVOS por 1000 habitantes.
Densidad de incidencia (DI): no podemos calcularla, porque no sabemos el tiempo que aporta al estudio cada mujer

→ Ejercicio Población A y Población B resuelto completo en el tema de Medidas de frecuencia

NIVELES DE PREVENCIÓN: actúan sobre la hª natural de la enfermedad para cortarla.

Periodo prepatogénico: la enfermedad todavía no existe pero sí los FR que van a determinada la ocurrencia de la
enfermedad.

Periodo patogénico

― Preclínico: existe la enfermedad pero aún no se ha manifestado

― Clínico: aparecen los primeros síntomas

⌂ Prevención PRIMARIA: actúa sobre el periodo prepatogénico, sobre los FR para reducir la ocurrencia y los nuevos casos.
Si quiero reducir la ocurrencia de las enfermedades cardiovasculares tengo que actuar sobre los FR (obesidad, tabaco,
hipertensión…). Reduciendo la ocurrencia de los FR voy a reducir la ocurrencia de la enfermedad. INCIDENCIA

⌂ Prevención SECUNDARIA: actúa sobre el periodo patogénico preclínico, actúa sobre una enfermedad que ya existe pero
aún no se ha manifestado clínicamente para reducir el nº de enfermos. PREVALENCIA

Medidas de ASOCIACIÓN

En una determinada población se ha realizado un estudio para tratar de establecer la posible asociación entre el
consumo de CARNES ROJAS Y EL CÁNCER DE COLON. Para ello se diseña un estudio de caso-control y se obtienen los
siguientes resultados: De los 22 sujetos, mayores de 65, diagnosticados con CA de colon (CASOS) y de los otros 578, que
no presentaban dicha patología (CONTROLES), 12 en el grupo de los casos y 188 en el de los controles habían mantenido
en los últimos años dietas con alto contenido en CARNES ROJAS.

En este escenario ¿existe relación entre consumo carnes rojas y ocurrencia CA de colon? Estima la magnitud
del efecto del consumo de CARNES ROJAS sobre el CA de colon e interpreta los resultados.

Elaborar una tabla de contingencia de doble entrada

600 participantes del estudio

12 expuestos a CARNES ROJAS <----- 22 CA colon

188 expuestos a CARNES ROJAS <----- 578 no CA colon
MEDIDAS DE ASOCIACIÓN, al ser un estudio Caso-control NO puedo calcular incidencia, que es la manera más intuitiva, por
lo que utilizo la OR (Odds ratio) ≈ RR.

12/22 12
Odds exp 𝐸 = = = 1.2
10/22 10

188/578 188
Odds exp ∄ = = = 0.482
390/578 390

Prevalencia = 22/600 = 0.03 = 3% (>10%). Como es una enfermedad poco frecuente (<10%), si asumimos que el estudio
está bien diseñado, podemos usar la OR como estimador no sesgado del RR. OR ≈ RR

|𝟏 − 𝐎𝐑| × 𝟏𝟎𝟎 = |1 − 2.49| × 100 = | − 1.49| × 100 = 149%

Interpretación → OR > 1. Hay asociación, es un FR.

La frecuencia del CA de colon es 2.49 veces o un 149% mayor sobre el grupo que estuvo expuesto al consumo de CARNES
ROJAS frente al grupo no expuesto a dicho consumo.

(O bien, si utilizamos la interpretación del RR) el riesgo de padecer CA de colon es 2.49 veces o un 149% mayor entre los
que consumen CARNES ROJAS frente a los que no.

Conclusión => Existe una asociación muy importante entre la exposición en estudio y la aparición de la enfermedad.

ESTIMACIÓN CON INTERVALOS DE CONFIANZA

Cuando estimamos el valor del efecto obtenemos un valor puntual, que puede ser más o menos próximo a la realidad
porque estamos trabajando con muestras y lo que queremos es inferir esas conclusiones a la población. Una manera de
ver como de bien o mal estamos haciendo la estimación es calculando el intervalo de confianza (IC).
1 1 1 1 1 1 1 1
±1.96 √ + + + ±1.96 √ − + −
𝐼𝐶 95% = OR 𝑒 𝑎 𝑏 𝑐 𝑑 𝐼𝐶 95% = RR 𝑒 𝑎 𝑎+𝑏 𝑐 𝑐+𝑑

Requisitos del IC:

1. Que el intervalo no incluya la hipótesis nula: Si el IC= (0.5-5.67) me invalidaría el estudio, porque si repitiera el estudio
con otra muestra algunas veces me saldría que la CARNE ROJA sería factor de riesgo y otras veces factor protector.

Nuestro IC debe incluir una serie de valores que estén agrupados o bien por debajo de 1 o bien por encima de 1, sin ser
ninguno de sus límites 1. Si el intervalo incluye al valor 1 (0.5-1-5), habiendo valores por encima y por debajo, la asociación
no sería estadísticamente significativa, y no sería válida, ya que a veces el valor podría ser FR y otras factor protector.

2. Que sea lo suficientemente estrecho para que me aporte información: Si yo te digo que tu padre gana entre 0 y
500.000 € no aporto información.

Ejercicio anterior calculando el IC 95%:

1 1 1 1
±1.96 √ + + +
(OR = 2.49) 𝐼𝐶 95% = OR 𝑒 12 188 10 390 = OR 𝑒 ±1.96 (0.437) = OR 𝑒 ±0.857

𝐿í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 OR 𝑒 +0.857 = OR ∗ 2.35 = 2.49 ∗ 2.35 = 𝟓. 𝟖𝟓

𝐿í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 OR 𝑒 −0.857 = OR ∗ 0.42 = 2.49 ∗ 0.42 = 𝟏. 𝟎𝟓

Nuestro estimador puntual era OR = 2.49 y calculando el IC 95% obtenemos 2 limites, siendo IC 95%= (1.05–5.85).
Esto quiere decir que si repitiésemos el estudio 100 veces el 95 de ellas la estimación puntual (OR) que obtendríamos
estaría comprendida entre estos 2 limites, siendo un FR al estar por encima de 1.
 Medidas de IMPACTO POTENCIAL

Estima el riesgo de desarrollar CA de colon atribuible al consumo de CARNES ROJAS entre los consumidores y en la
población general.

CASO-CONTROL

600 participantes del estudio

12 expuestos a CARNES ROJAS <----- 22 CA colon

188 expuestos a CARNES ROJAS <----- 578 no CA colon

Medida del impacto potencial del consumo de CARNES ROJAS → Proporciones riesgos atribuibles (RA% y RAP%)

Como no podemos calcular incidencias (IA) al ser un estudio de caso-control, hallamos las proporciones de riesgos
atribuibles usando el OR≈RR

𝐑𝐀% = (OR ―1)/ OR

𝐑𝐀𝐏% = [Pe (RR − 1)/(Pe (RR − 1) + 1] 100

200 200
𝐑𝐀𝐏% = [( ) (2.49 − 1)] / [( ) (2.49 − 1) + 1] =
600 600

0.496
= (0.33 ∗ 1.49)/ ((0.33 ∗ 1.49) + 1) = = 0.33 = 𝟑𝟑. 𝟐%
1.496

Interpretación → El porcentaje de casos de CA colon ATRIBUIBLES al consumo de CARNES ROJAS es de un 59.8%. Si esta
exposición, este consumo se eliminara, reduciríamos el 59.8% de los casos de CA colon, quedándose en 5. (Reducimos 7.2
casos de 12)

El porcentaje de casos de CA de colon en la población ATRIBUIBLES a la exposición de CARNES ROJAS es de un 33.2%. Si

elimináramos la exposición, conseguiríamos reducir la ocurrencia de CA colon en la población general en un 33.2%, es
decir evitaríamos 7.3 casos.

Durante 4 años y medio se siguió a 2 grupos de enfermeras (comparables en edad y nivel de actividad física). El primer
grupo, de 200 trabajaba en el servicio Rx y el otro de 400 en otras 2 plantas del mismo hospital. Al final del estudio se
observó que 12 de las enfermeras de Rx y 10 de las otras plantas habían presentado abortos espontáneos.

COHORTE
600 participantes del estudio

200 expuestos a Rx -----> 12 abortos espontáneos

400 no expuestos (otro servicio) -----> 10 abortos espontáneos

Magnitud de la asociación → Riesgo relativo (RR)

IA (e) = 12/200 = 0.06

IA (o) = 10/400 = 0.025

|𝟏 − 𝐑𝐑| × 𝟏𝟎𝟎 = |1 − 2.4| × 100 = 1.4 × 100 = 140%

Interpretación → Hay una asociación entre las 2 variables. RR > 1 Es un factor de riesgo. Es 2.4 veces más frecuente (o un
140% mayor) la aparición de abortos entre las enfermeras que trabajan en Radiología frente a las que no.
INTERVALO DE CONFIANZA para el RR

Estimador puntual → RR = 2.4

1 1 1 1
±1.96 √ − + −
𝐼𝐶 95% = RR 𝑒 12 200 10 400 = RR 𝑒 ±1.96 (0.419) = RR 𝑒 ±0.822

𝐿í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 RR 𝑒 +0.822 = RR ∗ 2.27 = 2.4 ∗ 2.35 = 𝟓. 𝟒𝟔

𝐿í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 RR 𝑒 −0.822 = RR ∗ 0.44 = 2.4 ∗ 0.44 = 𝟏. 𝟎𝟔

IC 95%= (1.06–5.46). Si repitiésemos el estudio 100 veces el 95 de ellas la estimación puntual (RR) que obtendríamos
estaría comprendida entre estos 2 limites. No es muy estrecho el IC, pero al menos no incluye la hipótesis nula, lo que
significa que es un FR. Para estrechar el valor, y aumentar la precisión tendríamos que aumentar el tamaño muestral.

Lo que determina que puedas calcular el RA o RAP es la incidencia, si no puedes calcular incidencia solo puedes hallar la
proporción (RA% y RAP%) porque puedes usar la OR y los riesgos. En los de COHORTE sí que puedes calcular incidencias
por lo que puedes calcular RA y RAP, pero en los de CASO-CONTROL solo proporciones con OR.

ENCUESTA NACIONAL DE SALUD

El estudio transversal por excelencia en nuestro país es la Encuesta Nacional de Salud. Se realiza
desde el 1987, cada 4 años, a 30.000 personas aprox. donde se incluyen niños <15 años.

La ENSE tiene como objetivo hacer un diagnóstico de salud de la población española mediante una recopilación y análisis
de una gran cantidad de aspectos de salud, divididos s/ sus características demográficas y socioeconómicas y por CCAA.

La ENSE está diseñada para:

― Proporcionar información sobre la valoración del estado de salud general de la población (física y psíquica) e identificar
los principales problemas de los ciudadanos (enfermedad crónicas, dolencias, accidentes, limitaciones funcionales)
― Conocer el grado de acceso y utilización de los servicios de salud y sus características.
― Conocer los factores determinantes de salud: características del medio ambiente (físico y social) y hábitos de vida que
suponen un riesgo para la salud

Obesidad, alimentación y actividad física

En base a la información que se recoge se sabe que:

→ Continua aumentando la obesidad en España, afectando ya al 17,4% de la población adulta y considerando obesidad
y sobrepeso más de la mitad (54.5%) de los adultos españoles se encuentra en sobrepeso
→ En los últimos 30 años, la PREVALENCIA de obesidad en adultos se ha multiplicado por 2.4: de un 7.4% hasta el 17.4%
actual, de 1987 a 2017.

→ La obesidad es más frecuente en hombres (18.2%) que en mujeres (16.7%) en adultos menores de 65 años. A partir
de esa edad las mujeres superan a los hombres.

→ El sobrepeso, al igual que la obesidad es mucho más frecuente en hombres, pero la diferencia es mucho mayor
(44.3% hombres vs 30% mujeres) y se mantiene en todos los grupos de edad

→ La obesidad refleja una gran disparidad social (clara relación con el estatus socioeconómico): los patrones de
variación de prevalencia con la clase social son sobretodo acusados en mujeres, de 7.3% en clase I a 24% en clase VI.

→ España es uno de los países con mayor prevalencia de obesidad infantil. En 2017 también continúa el aumento
paulatino de la prevalencia de obesidad infantil, que alcanza ya a más de 1 cada 10 menores (10.3% en 2-17 años),
ligeramente superior a la del 2011 (9.6%). La obesidad infantil presenta un claro gradiente social, mientras que en la
clase VI el 15.4% padecen obesidad, la proporción en la clase I es del 5.4%.

Con los datos que se detallan a continuación, describe la ocurrencia de accidentes ocurridos en España en 2011 y 2017,
en función de las 3 variables epidemiológicas clásicas (Quién/Dónde/Cuándo)
 Ejercicio― Encuesta Nacional de Salud

Ocurrencia de enfermedad

Prevalencia = nº casos nuevos/población total. En un momento determinado

Incidencia acumulada (IA) = nº casos nuevos/población susceptible a enfermar

2011 2017
Incidencia acumulada Incidencia acumulada
TOTAL IA = 3783,1/45941,8 = 0.082 82.3 casos por mil TOTAL IA = 4459,9/46043,7 = 0.0968 96.9 casos por mil
0-24 años IA = 1002,7/11651,9 = 0.086 86,1 casos por mil 0-24 años IA = 1438,4/11436,5 = 0.12577 125,8 casos por mil
25-44 años IA = 1271,6 / 14589,9 = 0.082 82,2 casos por mil 25-44 años IA = 1029,7 / 12986,8 = 0.0793 79,3 casos por mil
45-64 años IA = 844,3 / 11831,6 = 0.071 71,4 casos por mil 45-64 años IA = 930,2/ 13040,2 = 0.071 71,3 casos por mil
65 y más años IA = 664,6 /7868,6 = 0.084 84,5 casos por mil 65 y más años IA = 1061,6/8580 = 0.1237 123,7 casos por mil
HOMBRES IA = 1912,6/22609,8 = 0.0846 84,6 casos por mil HOMBRES IA = 2104,1/22613,7 = 0.093 93 casos por mil

MUJERES IA = 1870,5/23331,9 = 0.08 80,2 casos por mil MUJERES IA = 2355,8/23430 = 0.1005 100,5 casos por mil

Andalucía 64,4 casos por mil Andalucía 163,7 casos por mil

Madrid 78,0 casos por mil Madrid 89,0 casos por mil

Castilla LM 72,0 casos por mil Castilla LM 67,8 casos por mil

Canarias 83,0 casos por mil Canarias 69,4 casos por mil

I-II IA = 728,1/8478,5 = 0.08587 85,9 casos por mil I-II IA = 913,4/8856,9 = 0.10312 103,1 casos por mil

V-VI IA = 1662/21044,3 = 0.0789 79,0 casos por mil V-VI IA = 1981,4/21031,3 = 0.0942 94,2 casos por mil

CONCLUSIONES:
✓ Se ha producido un incremento en el riesgo de accidentes del 2011 al 2017 en el total de la población española.
De 82.3 a 96.9 casos por mil.

✓ También vemos que en el 2011 el riesgo en hombres era mayor que en mujeres (84.6 vs 80.2) mientras que en 2017
el riesgo en mujeres es mucho mayor (93 casos vs 100.5)

✓ El riesgo es mayor entre los sujetos menores de 25 años que entre los sujetos de 45-64, siendo la edad un factor que
influye en el riesgo de tener un accidente. Además ha aumentado considerablemente el riesgo en los sujetos
menores de 25 años y mayores de 65.

✓ También ha aumentado el riesgo en todos los estratos de la clase social, manteniéndose mayor entre las clases I-II

✓ En Andalucía ha aumentado muy considerablemente el riesgo, llegando casi a triplicarse, de 64.4 a 163.7 casos,
mientras que en Castilla LM y Canarias ha disminuido.