Manual de EpidemiologÃ - A

Área
Área de
de Medicina
Medicina
Preventiva
Preventiva ee Saúde
Saúde
Pública
Pública
Manual de
Epidemiología
Adolfo Figueiras Guzm án

Guzmán
Santiago de Compostela, 18 de noviembre de
2011
CURSO DE EPIDEMIOLOGÍA 2
SAÚDE PÚBLICA Adolfo Figueiras. Área de Medicina Preventiva e Saúde Pública (USC)
INDICE pag.
1. Bibliografía recomendada.............................................................................................................. 3
2. ORÍGENES Y EVOLUCIÓN DE LA EPIDEMIOLOGÍA............................................................ 4
2.1. LA MODERNA EPIDEMIOLOGÍA............................................................................................. 6
2.2. CONCEPTO DE EPIDEMIOLOGÍA........................................................................................... 7
3. INTRODUCCIÓN A LA FILOSOFÍA DE LA CIENCIA. ............................................................ 9
3.1. FUENTES DEL CONOCIMIENTO HUMANO ......................................................................... 9
3.2. CARACTERÍSTICAS DEL MÉTODO CIENTÍFICO .............................................................. 10
3.3. Evolución histórica del método científico. ................................................................................. 11
3.3.1. Racionalismo: lógica deductiva. ............................................................................. 11
3.3.2. Empirismo: lógica inductiva................................................................................... 11
3.3.3. Método hipotético-deductivo. ................................................................................. 12
3.3.4. Método científico actual.......................................................................................... 14
3.4. Evolución del concepto de causa en epidemiología. .................................................................. 17
3.4.1. Modelo determinista: causa necesaria y suficiente. ............................................. 17
3.4.2. Criterios de Bradford Hill. ..................................................................................... 17
3.4.3. Modelo multicausal................................................................................................. 18
3.4.4. Modelo de causas componentes y causas suficientes............................................ 19
3.4.5. Modelo probabilístico.............................................................................................. 20
4. MEDIDAS DE FRECUENCIA EN EPIDEMIOLOGÍA. ............................................................ 22
4.1. Prevalencia ................................................................................................................................. 22
4.2. INCIDENCIA ............................................................................................................................. 23
4.2.1. Incidencia acumulada............................................................................................. 23
4.2.2. Tasa de incidencia o densidad de incidencia. ........................................................ 24
4.3. Relación entre las medidas de frecuencia de una enfermedad. ................................................ 24
5. ESTUDIOS EXPERIMENTALES ................................................................................................. 25
5.1.2. Selección de los sujetos estudiados: Poblaciones y muestras. .............................. 27
5.1.3. ANÁLISIS DE LOS DATOS................................................................................... 33
5.1.4. INFERENCIA DE LOS RESULTADOS................................................................ 34
5.1.5. Inferencia estadística, epidemiológica y de salud pública.................................... 35
5.2. TIPOS DE ESTUDIOS EXPERIMENTALES ......................................................................... 37
6. DISEÑOS EPIDEMIOLÓGICOS OBSERVACIONALES......................................................... 38
6.1. ESTUDIOS DE COHORTES .................................................................................................... 38
6.1.1. Fundamentos de los estudios de cohortes ............................................................. 40
6.1.2. Análisis e interpretación de los resultados ........................................................... 42
6.2. ESTUDIOS DE CASOS Y CONTROLES................................................................................. 46
6.2.1. Fundamentos de los estudios de casos y controles. .............................................. 47
6.2.2. Análisis e interpretación de los resultados. .......................................................... 52
6.3. ESTUDIOS TRANSVERSALES............................................................................................... 56
6.3.1. Utilización de los estudios transversales .............................................................. 56
6.3.2. Medidas de frecuencia y de efecto.......................................................................... 57
7. Anexos............................................................................................................................................... 58
7.1. Formulas de los intervalos de confianza de las PRINCIPALES medidas de efecto................ 58
7.1.1. IC95% del RR calculada a partir de incidencias acumuladas: ............................. 58
7.1.2. IC95% del RR calculada a partir de Tasas de incidencia: .................................... 58
7.1.3. IC95% del OR:......................................................................................................... 58
7.2. tabla comparativa de las Medidas de frecuencia en epidemiología ......................................... 59
7.3. tabla comparativa de las medidas de efecto en epidemilogía ................................................... 60
1. BIBLIOGRAFÍA RECOMENDADA
• Argimón Pallás JM, Jiménez Villa J. Métodos de investigación clínica

y epidemiológica. Ed Harcourt 2000.
• Bakke OM, Carné X, García Alonso F. Ensayos clínicos con medica-

mentos. Barcelona: Doyma; 1994.
• Hernández Vaquero D. El artículo científico en Biomedicina. Barcelo-

na: Ciba-Geiby S.A; 1993.
• Hulley SB, Cummings SR. Diseño de la investigación Clínica. Barce-

lona: Doyma;1993.
• Notter LE, Hott JR. Principios de investigación en enfermería. Barce-

lona: Doyma, 1992.
• Polit D, Hunglet B. Investigación científica en ciencias de la salud.

Mexico: Interamericana, McGraw-Hill, 1994.
• Rebagliato M, Ruiz I, Arranz M. Metodología de la investigación en

epidemiología. Ed Díaz de Santos. 1996.
• Riegelman RK, Hirsh, Robert P. Cómo estudiar un estudio y probar

una prueba: Lectura crítica de la literatura médica. Washinton: OPS;
1992.
• Rothman, K.J. Epidemiología Moderna. Ed: Diaz de Santos, S.A. Ma-

drid. 1987
• Sackett D, Haynes RB, Guyatt GH, Tugwell P. Epidemiología clínica.

Ed Panamericana. 1998.
2. ORÍGENES Y EVOLUCIÓN DE LA EPIDEMIOLOGÍA
Hace casi 2400 años, Hipócrates expresó la idea de que la enfer-

medad puede estar conectada con el ambiente de la persona. Hoy en día esta
afirmación parece evidente, pero merece la pena resaltar lo avanzado para su
tiempo y la claridad con lo que lo expresó. Hipócrates dice en su obra De los
aires, aguas y lugares:
Quienquiera que desee investigar apropiadamente en medicina debe de proceder así: en
primer lugar tener en cuenta las estaciones del año y los efectos que cada una de ellas pro-
duce. Luego los vientos, el calor y el frío, especialmente en su calidad de comunes a todos los
países y luego en sus peculiaridades en cada localidad. De la misma manera, cuando uno
llega a una ciudad a la cual es extraño, debe de considerar su situación y como está orientada
en relación a los vientos y al sol; porque su influencia no es la misma si mira al norte o al sur,
al sol de levante o al sol de poniente. Uno debe de estudiar atentamente las aguas que los
habitantes usan, si son pantanosas y blandas, o duras y provenientes de lugares elevados y
rocosos, y luego si son salobres o inadecuadas para cocinar; y el terreno si es desolado y
deficiente en agua, o arbolado y bien provisto de agua, y si está en un lugar profundo y ence-
rrado o si es elevado y frío; y el modo en el que viven los habitantes y cuales son sus ocupa-
ciones, si son aficionados a beber y comen en exceso y dados a la indolencia, o sin son
amantes del ejercicio y del trabajo.
Durante los 2000 años siguientes no se estudió nada acerca de la

influencia del ambiente sobre la salud de las personas. Este hecho se puede
atribuir, por un lado, a que durante estos 20 siglos prevaleció el origen divi-
no de las enfermedades y, por otro, a que la palabra clave en el enunciado de
Hipócrates -autor de gran influencia durante todo este período- fue conside-
rar y no contar, con lo que se resta importancia a las observaciones objetivas
y a su aspecto cuantitativo, indispensables para un posterior análisis de los
datos y para que las conclusiones fuesen tenidas en cuenta por posteriores
autores.
Este es el caso de John Graunt, autor al que se le da crédito preci-

samente por introducir los métodos cuantitativos en epidemiología, constru-
yendo la primera tabla de vida partiendo de las listas de defunciones que
habían iniciado los sacristanes de Londres en 1603. También advirtió el exce-
so de nacimientos masculinos, la alta mortalidad infantil y la variación esta-
cional de las defunciones. A Graunt se le debe de considerar como el precur-
sor de la epidemiología y de la bioestadística y no como su fundador, ya que
las técnicas desarrolladas por este autor no fueron aplicadas con profundi-
dad en los siguientes años a su muerte.
A finales del siglo XVII y a principios del XVIII comenzó a surgir

la idea de la necesidad de utilizar grupos comparativos en las investigacio-
nes. Como consecuencia de ello, a mediados del siglo XVIII aparecieron dos
notables trabajos epidemiológicos. El primero, publicado en 1749, es el relato
de un experimento realizado por James Lind para comprobar la hipótesis de
que el consumo de cítricos podía evitar el escorbuto. De acuerdo con los re-
sultados observados -los sujetos tratados con cítricos experimentaron un
mejoría notable, superior a los sujetos tratados con otro remedios-, Lind infi-
rió que las frutas cítricas ácidas curaban el escorbuto y que podían constituir
un medio de prevención. Este hallazgo fue del interés de la marina británica
que ordenó incluir limones en la dieta de sus barcos. El otro trabajo con gru-
pos de comparación fue realizado por Daniel Bernuilli que evaluó el efecto
de la vacunación, concluyendo que ésta protegía contra la viruela y confería
inmunidad de por vida.
Un hecho histórico que tuvo una gran influencia sobre la epide-

miología fue la Revolución Francesa (finales del XIII), momento en el que se
despertó un gran interés por la Salud Pública -hay que recordar que la epi-
demiología es la ciencia básica en SP-. A este período pertenece el ilustre
epidemiólogo Pierre Charles-Alexandre Louis que se interesó por conocer las
leyes naturales, que al igual que en la física, operan en el campo de las cien-
cias de la Salud. Louis realizo varios estudios epidemiológicos observaciona-
les, uno de los cuales demostró la ineficacia de la sangría en el tratamiento de
enfermedades.
Además de epidemiólogo, Louis fue un gran maestro recibiendo

alumnos de otros países; así, dos alumnos suyos, Guy y Farr, fueron los im-
pulsores de la epidemiología en Inglaterra. Ambos se asociaron con la Socie-
dad Estadística de Londres. Guy llegó a ser decano de la Escuela de Medici-
na del King's College y fue uno de los pioneros en el desarrollo de la Salud
Pública en Inglaterra. Por su parte, Farr organizó el primer sistema moderno
de estadística vital y fue uno de los fundadores, junto con Snow, de la Socie-
dad Epidemiológica de Londres. Ésta, en un principio, surgió para determi-
nar la etiología del cólera, aunque también realizaba otra serie de estudios.
Así en 1754, Snow describe por primera vez la epidemiología del cólera, casi
30 años antes de que se descubriese el bacilo productor de la enfermedad.
Este hecho muestra en toda su amplitud, lo fascinante de los usos y fines de
la epidemiología.
A partir de 1874, con los avances microbiológicos y serológicos

llevados a cabo por científicos tan ilustres como Pasteur, Koch, etc., sustenta
y acrecienta la visión de esta nueva disciplina como la "ciencia de las enfer-
medades infecciosas". En esta etapa, la "teoría de los gérmenes" es la base de
la causalidad epidemiológica, aunque se realizaron estudios sobre enferme-

dades carenciales.
2.1. LA MODERNA EPIDEMIOLOGÍA
La moderna epidemiología deja de interesarse exclusivamente

por las enfermedades infecciosas, para pasar a ocuparse de todos los pro-
blemas de salud-enfermedad. Ya no se interesa exclusivamente por el agente
específico que las ocasiona, y se ocupa de los aspectos sociales que están re-
lacionados con las enfermedades. Esta nueva visión de la epidemiología se
debe en gran parte a John Ryle, que en 1943 ocupa la plaza de profesor de
Medicina Social en la Universidad de Oxford.
En esta época se inician los primeros estudios a gran escala, cu-

yos resultados han tenido una gran influencia posterior. Por ejemplo, los
ensayos comunitarios sobre la fluoración de las aguas, o el estudio de Fra-
minghan sobre las enfermedades cardiovasculares, que se inició en 1949 y
continúa en la actualidad. Durante estos años, este estudio ha aportado una
información valiosísima sobre los factores de riesgo de esta "epidemia" del
siglo XX en países desarrollados.
También de esta época son los primeros estudios epidemiológi-

cos sobre los efectos sobre la salud del hábito tabáquico. Estos estudios des-
pertaron el interés de los medios de comunicación y de la sociedad por los
factores de riesgo de las enfermedades. Muchos de los estudios, al saltar a los
medios de comunicación, estimularon la controversia debido a la rotundidad
con la que trasladan los resultados de los estudios y a la aparición, a menu-
do, de investigaciones con conclusiones contradictorias.
El papel de la epidemiología ha sido determinante para la instau-

ración de medidas preventivas eficaces y para la evaluación de intervencio-
nes sanitarias. A pesar de ello, el avance de la epidemiología es lento debido
a que no existe acuerdo en el concepto de causalidad o en la propia defini-
ción de epidemiología. También es importante el hecho de que se trata de
una disciplina en la que las investigaciones necesitan un período de tiempo
muy largo, que son costosas, y que la obtención de datos es difícil por la falta
de cooperación o porque son poco fiables.
2.2. CONCEPTO DE EPIDEMIOLOGÍA
Las definiciones de epidemiología han evolucionado a lo largo

del tiempo de forma paralela a sus fines y objetivos, que a su vez están rela-
cionadas con las enfermedades predominantes de cada época en los países
desarrollados. En un principio, dado la mayor frecuencia de las enfermeda-
des de carácter infeccioso, las definiciones de epidemiología incluían, de al-
guna manera, el carácter infeccioso de las enfermedades. Según avanzamos
en el siglo, en los países desarrollados las enfermedades infecciosas pierden
su protagonismo, para pasar a ser, debido al envejecimiento de las poblacio-
nes, las enfermedades crónicas las mayores responsables de la morbi-
mortalidad. Así, las más recientes definiciones de epidemiología incluyen,
por un lado, el concepto de factor de riesgo y, por otro, el concepto de méto-
do. También es de destacar la proposición de definición de Payne, que incide
en el carácter ecológico de las enfermedades.
W. H. Frost (1927): "...ciencia de las enfermedades infecciosas entendidas como fenómeno
de masas (o de grupo), consagrada al estudio de su historia natural y de su propagación, con
arreglo a una determinada filosofía..."
M. Greenwood (1934): "...estudio de la enfermedad como fenómeno de masas"
KF Maxcy (1951): "...rama de la medicina que estudia las relaciones entre los diferentes facto-
res que determinan la amplitud y propagación en la colectividad humana de una enfermedad
o de un estado fisiológico determinado..."
B. MacMahon (1970): "... estudio de la distribución de las enfermedades en el hombre y de los

factores que determinan su frecuencia"
PE Enterline (1979): "... simple sentido común en el estudio de los problemas de salud del
hombre, pero apoyado en técnicas especiales, propias de la epidemiología"
RR Neutra: "...ciencia, estudio o método de razonamiento..."
Payne: "estudio de la salud del hombre en relación a su medio"
M. Last: Estudio de la distribución y los determinantes de los estados o acontecimientos rela-

cionados con la salud de determinadas poblaciones; aplicación de este estudio al control de
los problemas sanitarios.
GRUPO DE EXPERTOS: Ciencia encargada del estudio de los aspectos ecológicos que
condicionan los fenómenos de salud y enfermedad de los seres humanos, a fin de establecer
sus causas, mecanismos de producción y los procedimientos tendentes a conservar, incre-
mentar y restaurar la salud individual y colectiva.
Es importante destacar de cada una de las definiciones los aspec-

tos más relevantes: según esto la epidemiología es un método de razona-
miento, estudia los fenómenos relacionados con la salud de los seres huma-
nos dentro de la comunidad a la que pertenecen y en relación al medio que le
rodea.
La existencia de múltiples definiciones, y alguna de ellas muy

complejas induce a pensar que ninguna de ellas reúne todos los requisitos
que debería cumplir. Nosotros, en función de los objetivos de esta asignatura
proponemos la siguiente definición: Aplicación del método científico al estu-
dio de la salud y sus determinantes en poblaciones humanas.
3. INTRODUCCIÓN A LA FILOSOFÍA DE LA CIENCIA.
3.1. FUENTES DEL CONOCIMIENTO HUMANO
El conocimiento humano proviene de múltiples raíces, y a menu-

do no somos capaces de determinar el origen de algunos de los que utiliza-
mos a diario. Por ejemplo, "lavarse las manos entre en dos consultas reduce
el riesgo de diseminación de bacterias", no sabemos si se debe a tradición,
autoridad, experiencia, razonamiento lógico o a un método científico.
En nuestra cultura determinadas "verdades" son consideradas

como hechos irrefutables, y nadie siente la necesidad de plantearse su utili-
dad, eficacia, etc. Esta forma de conocimiento viene dada por la tradición y
tiene la ventaja de que es eficiente, ya que el individuo no tiene que realizar
un esfuerzo para comprender esos aspectos. Sin embargo, plantea el proble-
ma de que nunca se evalúa su validez, por lo que puede interferir con otros
tipos de conocimientos que la pongan a prueba.
En cualquier disciplina existen autoridades o personas cuya ex-

periencia en ese campo está totalmente contrastada. Cuando nos enfrenta-
mos a tomas de decisiones en las que no tenemos una experiencia directa,
confiamos en el juicio de otras personas cuya autoridad en la materia es in-
cuestionable debido a su experiencia. Este tipo de conocimiento presenta dos
problemas, por un lado no es infalible ya que se basa en la experiencia per-
sonal, y por otro, nadie pone en entredicho la calidad de su información.
La propia experiencia es otra fuente muy frecuente de conoci-

miento. La habilidad de generalizar, reconocer fenómenos regulares y hacer
predicciones sobre la base de observaciones es una característica importante
del conocimiento humano. Sin embargo, presenta varias limitaciones: (1)la
experiencia individual puede ser tan restringida que no permite generaliza-
ciones, o estas observaciones pueden estar tan sesgadas que lleven a conclu-
siones equivocadas, (2) la subjetividad del observador puede influir en la
percepción del fenómeno: un mismo evento puede ser visto de distinta ma-
nera por dos sujetos.
El método de ensayo-error está muy relacionado con el anterior.

En él se ponen a prueba sucesivamente distintas alternativas hasta que se
encuentra la que solucione el problema. Puede ser útil en determinadas oca-
siones, pero no es sistemático y puede resultar ineficiente al basarse en el

azar. Además, este tipo de conocimiento no se registra por lo que nunca re-
sultará de utilidad a otros investigadores.
La solución a muchos problemas que presentan cierta dificultad

se realiza mediante razonamiento lógico, combinando la experiencia, las fa-
cultades intelectuales y sistemas formales de pensamiento. El razonamiento
inductivo se basa en generalizar a partir de observaciones específicas, mien-
tras que el deductivo, realiza predicciones específicas a partir de principios
generales. Ambos razonamientos son útiles; sin embargo, cuando se utilizan
de forma aislada presentan limitaciones. La calidad de la inducción depen-
derá de la calidad de las observaciones, y la de la deducción lo hará de la
calidad de las generalizaciones.
Hay que tener en cuenta que el razonamiento deductivo no es

una forma de generar nuevos conocimientos sino que es una manera de apli-
car los conocimientos ya existentes a situaciones nuevas.
El método científico es el método más complejo para adquirir

conocimientos. Además de otros componentes combina características de la
inducción, deducción para crear un método más fiable que los anteriores,
aunque tampoco es infalible.
3.2. CARACTERÍSTICAS DEL MÉTODO CIENTÍFICO
El método científico consiste en una serie de procedimientos or-

denados que se usan para adquirir información lo más fiable posible. La in-
vestigación es la aplicación del método científico al estudio de problemas
concretos. Kerlinger define la investigación científica como "investigación
sistemática controlada, empírica y crítica de proposiciones hipotéticas sobre
las relaciones que se presume que existen en los fenómenos naturales".
El método científico es sistemático, en cuanto avanza de forma

ordenada metódica desde la definición del problema hasta la "solución" del
mismo. También existe un control para que se minimicen los efectos de los
prejuicios y de la subjetividad en los resultados. Es empírico ya que el inves-
tigador ha de observar la realidad para plantearse problemas o para medir
los fenómenos de su interés. Otra característica importante es la capacidad
de ir más allá de las situaciones específicas a través de la generalización de
los resultados.
Para aplicar el método científico es necesario realizar dos asun-

ciones: (1) El mundo es real, y no creado por la mente humana. Además, la
naturaleza tiene un cierto orden, es más o menos regular y coherente. (2)
Todos los fenómenos tienen causas precedentes, no son causa del azar, de un
ser superior o por accidente. De esta manera, muchas de las actividades de

un investigador se dirigen a buscar relaciones causa-efecto, a dilucidar él por
que de las cosas.
La habilidad para inferir relaciones causales es esencial para so-

brevivencia de un individuo y de su especie. Esta es una habilidad que en
principio es exclusiva de los humanos, pero algunas especies de animales
parece que también son capaces de establecerlas. Con la determinación de
relaciones causales podemos controlar el medio que nos rodea, permitién-
donos predecir y modificar fenómenos de nuestro entorno.
Pero ninguno de nosotros nace con concepto alguno de conexio-

nes causales; parte de las conexiones causales de un niño proceden del es-
fuerzo de los padres por transmitir sus conocimientos, en parte basados en
sus propias experiencias. Sin embargo, todo ser humano, casi desde bebé,
tiene la tendencia a comprobar por si mismo las relaciones que sus mayores
les enseñaron, y someten a múltiples pruebas sus propias hipótesis, más que
nada por la alegría de la confirmación científica. El fruto de tal curiosidad
científica es la base de las creencias causales que le permiten al ser humano
adaptarse al medio que le rodea.
El establecimiento de relaciones causales, que a nivel individual

se basa fundamentalmente en el sentido común y en la intuición, a nivel
científico y filosófico es un proceso más complejo que planteó histórica-
mente, y todavía plantea, una gran controversia.
3.3. EVOLUCIÓN HISTÓRICA DEL MÉTODO CIENTÍFICO.
3.3.1. Racionalismo: lógica deductiva.
La visión racionalista dominó la ciencia desde la antigua Grecia

hasta la revolución científica. Según el racionalismo, el conocimiento científi-
co se acumula a través de la razón y de la intuición, siendo la observación
empírica desechada por inexacta. De esta forma, las ciencias más perfectas
era las matemáticas, ya que se basa enteramente en la lógica deductiva. Sin
embargo, una ciencia fundada sólo en proposiciones racionales estaría fatal-
mente alejada de la realidad, no pudiendo establecer predicciones por estar
autocontenida y carecer, por tanto, de conexión con el mundo natural.
3.3.2. Empirismo: lógica inductiva.
El empirismo moderno fue desarrollado por los filósofos de la

escuela de Oxford. Afirmaban que la investigación comenzaba con la obser-
vación y recolección de datos; luego, mediante la deducción, se generan rela-
ciones abstractas entre los hechos observados. Con estas relaciones abstractas
se podría predecir nuevos hechos a través de la inferencia inductiva. Sin em-

bargo para Hume, este tipo de inferencia plantea el problema de que carece
de necesidad lógica: ningún numero de observaciones o repeticiones, por
muy grande que sea, nos permite establecer relaciones causales. Por muchos
cisnes que hayamos visto y que todos hayan sido blancos, no nos permite
concluir que "los cisnes son blancos", ya que existe la posibilidad de que ob-
servemos un cisne "no blanco". Éste es el denominado "problema de Hume".
3.3.3. Método hipotético-deductivo.
Popper resuelve este problema mediante el falsacionismo encua-

drado dentro del método hipotético-deductivo, cuyos principales pilares son:
el falsacionismo, la deducción y la gran relevancia de las teorías. Según Pop-
per, las ciencias empíricas -como la epidemiología- son sistemas de teorías:
Las teorías son redes que lanzamos para expresar aquello que llamamos "el mundo": pa-
ra racionalizarlo, explicarlo y dominarlo. Y tratamos de que la malla sea cada vez más
fina.
Por tanto, la meta final es dominar la naturaleza, lo que equivale

en muchos casos a transformarla, y el instrumento fundamental para ello son
las teorías, que son el punto de partida de la ciencia. Popper reconoce cuatro
formas de contrastar una teorías. Cuando la ciencia es empírica, como la epi-
demiología, la teoría se contrasta al comparar mediante la experiencia las
consecuencias que de ella se derivan. Pero, según Popper, ¿cómo se generan
las teorías? Según él no se generan a través de la experiencia (inducción),
sino que es la experiencia la que es capaz de ponerlas a prueba. Según esto,
la única forma de generarlas es mediante la intuición y la conjetura.
Para Popper, la ciencia no es nunca un conjunto de enunciados

ciertos e irrevocablemente verdaderos, sino todo lo contrario. La ciencia nun-
ca alcanza la verdad, sino que se aproxima a ella proponiendo teorías que
permiten explicar más o menos los fenómenos naturales, pero nunca todos.
La función de la ciencia consiste en refutar dichas teorías (falsacionismo),
pero nunca será posible verificarlas o confirmarlas. Las teorías que han sido
puestas a prueba y no han sido refutadas, no quiere decir que sean verdade-
ras, sino que son explicaciones razonables de los fenómenos naturales en este
momento, hasta que un día son falsificadas y son sustituidas por otras que
explican mejor las observaciones.
Un enunciado de tipo universal del tipo "todos los cisnes son

blancos" no puede ser nunca comprobado universalmente por muchos que
fuesen los casos singulares (cisnes blancos) con los que se certificase dicha
afirmación. Sin embargo, podemos elaborar la teoría de que los cisnes son
blancos. Esa teoría es muy fácil refutar dicho enunciado por medio de la ex-
periencia: bastaría demostrar que existe un cisne "no blanco". Por ello, el
enunciado "todos los cisnes son blancos" es un enunciado científico, ya que
es contrastable mediante la experiencia. Sin embargo, las teorías teológicas
como "Dios es uno" no es falseable y, por tanto, no es una teoría científica.
En el enunciado de Popper sobre la contrastación de las teorías se

da una evidente asimetría lógica: Un enunciado universal nunca puede ser
deducido a partir de enunciados particulares, por muchos que estos sean. Sin
embargo, un solo enunciado particular puede contradecir un enunciado uni-
versal y, por tanto, refutarlo.
En definitiva, el proceso científico para Popper consiste en elabo-

rar teorías mediante la intuición y la conjetura (no mediante la observación o
inducción). Una vez creada la teoría o hipótesis, se utiliza la lógica deductiva
para crear predicciones de la realidad, y éstas se comparan con las observa-
ciones. Si la predicciones concuerdan con la realidad, nos permite decir que
esa teoría es una explicación razonable de la realidad en este momento. Si las
predicciones de la teoría no concuerdan con la realidad, refutaremos dicha
teoría.
El modelo hipotético-deductivo es el actualmente aplicado como

método científico con ciertas reservas:
1. En el proceso de elaboración de teorías e hipótesis puede intervenir la

inducción: partiendo de observaciones particulares, podemos establecer
una teoría o una hipótesis.
2. Podemos refutar una teoría o una hipótesis erróneamente porque se ha-

yan realizado mal las observaciones, o porque el estudio tenga errores
metodológicos; por tanto, también en la refutación se puede falsificar
erróneamente una teoría.
3. La comparación entre las predicciones y las observaciones no se realiza

mediante una estructura lógica. Generalmente se recurre a la estadística,
pero las conclusiones pueden ser equivocadas debido al error aleatorio.
4. En la actualidad, las teorías sobre las que se asientan las distintas ciencias
se establecen por consensos de la comunidad científica, a la vista de múl-
tiples estudios sobre un mismo tema. Aunque posteriormente surja una
investigación con resultados contradictorios, no tiene por que falsificar la
teoría ya que este resultado puede deberse a errores aleatorios o sistemáti-
cos.
3.3.4. Método científico actual.
En la actualidad el método científico es un proceso cíclico -o policícli-

co- y continuo que se puede descomponer en varias fases con fines didácticos
(ver figura Ilustración 1, página 15) pero que en realidad se superponen y
algunas de ellas (p. ej. la revisión bibliográfica) se realiza durante todo el
proceso.
1. Observación de la realidad: Según JJ Rousseau se requiere mucha filosofía

para observar lo que se ve todos los días. Es la parte empírica del proceso
científico. En ella, partiendo de las observaciones de la realidad, se plan-
tea el problema objeto de investigación.
2. Construcción de un modelo teórico. Se enmarca el problema a estudiar en un

modelo teórico.
2.1. Revisión de la literatura. Es necesario revisar los antecedentes, hallaz-

gos de estudios realizados sobre ese tema para aumentar el conoci-
miento sobre ese problema. Esta fase es fundamental para la cons-
trucción de la teoría y para identificar los factores o variables que
pueden estar relacionadas con el tema objeto de estudio.
2.2. Formulación de la teoría. Una vez observado el fenómeno que despertó

interés, el científico elabora, con la ayuda de la literatura sobre el te-
ma, una teoría que resulte verosímil y que sea susceptible de ser so-
metida a ulterior prueba. Una teoría es el conjunto de principios gene-
rales que orientan en la explicación de un fenómeno, y que están rela-
cionados por un modelo conceptual común.
2.3. Formulación de la hipótesis. De la teoría se deducen hipótesis para des-

cribir, explicar o predecir nuevos fenómenos. Una hipótesis es una
afirmación provisoria sobre la relación entre dos o más variables que
intervienen en la causalidad de un fenómeno. Se entiende por varia-
ble una característica o propiedad de un sujeto que puede variar entre
sujetos o conjunto de sujetos.
Observacion de la "realidad"
Induccion
Planteamiento del problema

FASE
CONCEPTUAL:
Revision de la Bibliografia
Creaccion de un
modelo teorico
Formulacion de la teoria
Deduccion
Formulacion de la hipotesis
Diseño de la investigacion
FASE
EMPIRICA:
Ejecucion del diseño
Puesta a prueba
de la hipotesis
Datos
Analisis estadistico
de los datos
Resultados
FASE
INTERPRETATIVA Discusion de los Resultados
Discusion e
interpretacion de los Publicacion del estudio
resultados
Ilustración 1: Proceso del Método Científico
3. Puesta a prueba de la hipótesis.
3.1. Fase de diseño: La puesta a prueba de la hipótesis se lleva a cabo me-

diante el diseño (proyecto) y posterior realización de un estudio de
campo. Dentro del diseño se incluyen la definición del tipo de estudio
que se va a utilizar (experimental, observacional), las características
de los sujetos que se van a incluir, las variables que se han de recoger
(en base a la revisión bibliográfica) y la forma de medirlas...
3.2. Ejecución de diseño. Consiste en la recogida de las variables para cada

sujeto estudiado, siguiendo el plan establecido en el diseño del estu-
dio.
3.3. Fase de análisis: Se aplican pruebas estadísticas de significación para

valorar la verosimilitud de las hipótesis formuladas, contrastándolas
con los datos reales obtenidos en el estudio. Dependiendo del tipo de
variables, se aplicarán distintas pruebas estadísticas. Si la predicción
de la hipótesis concuerda con los datos recogidos con una proba-
bilidad alta -al menos del 95%- de que no se deba al azar, y supo-
niendo que la metodología empleada es correcta, podremos decir que
la hipótesis es una explicación razonable y provisional de la relaciones

observadas.
4. Introducción de los resultados en la teoría.
4.1. Discusión de los resultados. Se interpretan los resultados, se valoran y se

comparan con los obtenidos en otros estudios sobre el mismo tema. Se
ha de valorar la validez de estudio, sus defectos metodológicos....
4.2. Publicación de los resultados. El objetivo toda investigación es contribuir

al avance de la ciencia. Si no se publican los resultados de una inves-
tigación, estos no son conocidos por la comunidad científica con lo
que no aportará nada a la ciencia, por ello la importancia de la publi-
cación de los resultados del estudio. También se pueden comunicar
nuevos problemas o hipótesis de investigación que se han originado
durante la investigación. Con esta etapa se cierra el proceso cíclico
que caracteriza al método científico, ya que con la publicación de los
resultados contribuimos a la construcción, modificación o perfeccio-
namiento del modelo teórico en el que desde un principio se encua-
draba el problema y del que surgieron las hipótesis.
Sin embargo, por mucha significación estadística que tenga la

relación entre dos variables (una de exposición y otra de efecto), esta es com-
pletamente insuficiente para establecer relaciones causales, ya que la signifi-
cación estadística depende de factores como el número de sujetos estudiados
o si las variables estudiadas pueden estar relacionadas a través de una terce-
ra variable de confusión. Por tanto, y bajo ningún concepto, se debe de inter-
pretar la magnitud de la significación estadística como una mediada de la
relación causal entre dos variables.
En definitiva, el establecimiento de relaciones causales excede el

campo de la estadística y a veces el de la epidemiología; se encuentra más
bien en el terreno de la filosofía, y según algunos autores (Lanes, 1985) en el
ámbito de la Salud Pública, en el que es necesario tomar decisiones para la
prevención de determinadas enfermedades actuando sobre sus factores de
riesgo potencialmente causales.
Pero esta dificultad de establecer relaciones causales no debe de

envolver en un excepticismo todas las conclusiones obtenidas de la epide-
miología. Es necesario admitir los conocimientos actuales como explicaciones
tentativas de la realidad; de no ser así, por un lado, no avanzaría la ciencia y,
por otro, no tendría objeto la aplicación práctica -en forma de medidas pre-
ventivas- de los conocimientos sobre factores de riesgo.
3.4. EVOLUCIÓN DEL CONCEPTO DE CAUSA EN EPIDEMIOLO-

GÍA.
El concepto de causa en epidemiología, al igual que su propia

definición, va paralela con sus fines y objetivos; y éstos, a su vez, están rela-
cionados con las enfermedades más predominantes en cada época. En un
principio, el origen de las enfermedades era un castigo divino, ello implicaba
necesariamente que no fuese necesario buscar su origen natural y, por consi-
guiente, sus causas. Posteriormente con la revolución científica se abandonó
este criterio. En esta época, dado la frecuencia de enfermedades infecciosas el
modelo causal aplicado era el determinista.
3.4.1. Modelo determinista: causa necesaria y suficiente.
Para el modelo determinista, una relación causal es la perfecta,

constante, única y recíproca conexión entre dos variables: causa y efecto. Este
modelo requiere los siguientes criterios:
C1 E1 a) Especificidad de causa: C es la sola causa de E (C=causa, E=efecto), lo que
C2 implica que la enfermedad no puede estar producida por otras causas dis-
E2
tintas a C.
C3 E3
b) Especificidad de efecto: E es el solo efecto de C, que implica que C no puede
C4 E4 causar otra enfermedades.
C5 E5 c) Causa suficiente: si existe la causa existe el efecto.
d) Causa necesaria: el efecto se produce solo si existe la causa.
3.4.2. Criterios de Bradford Hill.
Bradford Hill propuso una serie de principios orientativos en el

proceso de establecer relaciones causales en epidemiología.
1. Fuerza de la asociación. Es la relación entre la frecuencia de las enfermeda-

des en los individuos expuestos a un factor de riesgo, en relación a los no
expuestos. Según él, las asociaciones fuertes es más probable que sean
causales que las débiles, ya que éstas es más probable que se deban a ses-
gos.
2. Consistencia. Se basa en que si observamos una misma relación en pobla-

ciones diferentes, bajo condiciones, períodos y metodologías diferentes es
más probable que se trate de una relación causal. Sin embargo, según el
modelo determinista modificado de Rothman, un factor causal compo-
nente no ejercerá como causa si no se dan las causas componente com-
plementarias. Éstas pueden depender de características poblacionales o
temporales o de defectos metodológicos.
3. Especificidad de efecto. Implica que una causa conduzca únicamente a un

efecto, no a varios efectos. Se trata de un criterio polémico ya que la mul-
tiplicidad de efectos es la regla y no la excepción.
4. Temporalidad: La causa ha de preceder siempre al efecto, aunque sean unos

milisegundos.
5. Efecto dosis-respuesta. Si la frecuencia de aparición de la enfermedad se

incrementa con la dosis y el tiempo de exposición, esto apoya la relación
causal. Pueden existir excepciones como el efecto umbral, o el efecto de
saturación.
6. Coherencia. Implica que una interpretación de causa y efecto para una aso-
ciación no debe de entrar en conflicto con lo que se sabe de la historia na-
tural y la biología de la enfermedad. Pero la ausencia de información co-
herente no debe ser tomada como una prueba contra la asociación causal.
7. Evidencia experimental. Esta evidencia pocas veces es obtenible en pobla-

ciones humanas, ya que existen serios problemas éticos para experimentar
con exposiciones potencialmente dañinas. Por eso en epidemilogía se re-
curre a diseños observacionales (cohorte, casos controles) que intenta si-
mular los estudios experimentales y aproximarse a su validez.
8. Analogía. Consiste en que, una relación potencialmente causal es más

plausible si existen otras análogas ya demostradas. Si un medicamento
causa malformaciones congénitas, quizás pueda hacerlo otro del mismo
grupo.
Estos criterios para establecer la causalidad en epidemiología

presentan numerosas excepciones; y según Rothman alguno puede ser erró-
neo (Especificidad) o irrelevante (evidencia experimental y analogía). Hay
que resaltar que Hill no pretendía que estos criterios fuesen tomados de for-
ma rígida como criterios de inferencia causal, sino que eran meramente
orientativos y creía que la causalidad no podía guiarse por ninguna lista de
reglas tajantes; sin embargo posteriormente algunos autores utilizaron erró-
neamente su "lista" con este fin.
3.4.3. Modelo multicausal.
Cuando la incidencia de las enfermedades infecciosas disminuye

en los países desarrollados, aumenta la importancia de las enfermedades no
infecciosas. Se observó que para este tipo de enfermedades el método deter-
minista no se ajustaba bien; a la vez se constató mediante una gran cantidad
de evidencias empíricas y justificaciones teóricas el carácter multifactorial de
la etiología de las enfermedades y también la interconexión entre los distin-
tos factores. Todo suceso, en rigor, es producido por una cantidad importan-
te de factores, o al menos el principal está acompañado de otros muchos que

se relacionan con él.
FACTORES AMBIENTALES
- Distribucion geografica
- Civilizacion
- Dieta
- Habitos de higiene dental
Tasa de crecimiento Tasa de inicia y
y metabolismo TIEMPO progresion de
la caries
Sensibilidad y
resiostencia del diente
FACTORES DEL AGENTE FACTORES DEL HUESPED

- Placa dental - Edad
- Microorganismos - Sexo
S. mutans - Diferencias familiares
S. salivaris - Factores constitucionales: saliva...
Lactobacilli - Estado nutritivo
A. viscosus - Fluor
Ilustración 2: Ejemplo de modelo multicausal: la caries dental
Según este modelo, existen interrelaciones entre factores de ries-

go, causas intermedias y finales (ver Ilustración 2). Todo ello se resumen en
redes causales que intentan explicar la relación entre las distintas causas y la
relación entre éstas y la enfermedad.
Para prevenir la enfermedad será suficiente la eliminación de un cau-

sa que sea clave en la red o modelo que explica la ocurrencia de la enferme-
dad.
3.4.4. Modelo de causas componentes y causas suficientes.
Modelo desarrollado por Rothmani (1976) que combina concep-

tos del modelo determinista y del multicausal. Su carácter determinista le
viene impuesto porque cuando se completa una causa suficiente se produce
inevitablemente la enfermedad; pero también es multicausal, ya que para
que se produzca la enfermedad es necesario que existan simultáneamente
varias causas componentes hasta completar una causa suficiente.
En la Ilustración 3 se representa como varias causas componentes

(sectores) dan lugar a una causa suficiente (círculo). La figura también mues-
tra que una enfermedad puede tener varias causas suficientes y que estas
pueden tener en común una o más causas componentes.
A
C B A G
A
D F
E
B E
I II III
Ilustración 3: Modelo de causas componentes y suficientes.
Al igual que el modelo determinista, incluye el concepto de causa

necesaria pero con un carácter distinto: según el modelo de Rothman, si una
causa componente está presente en todas las causas suficientes, esa causa
componente será necesaria para completar cualquiera de las causas suficien-
tes y, por tanto, esa causa componente tendrá el carácter de causa necesaria
para la aparición de la enfermedad. Sin embargo, su carácter determinista no
es completo ya que carece de la especificidad de efecto: Una enfermedad
puede ser producida por distintas causas suficientes.
De acuerdo con este modelo, para prevenir la enfermedad no es

necesario conocer ni prevenir todas las causas componentes, sino que es sufi-
ciente con eliminar una causa componente de cada causa suficiente.
3.4.5. Modelo probabilístico.
En la epidemiología moderna, ante la dificultad de encontrar las

causas, la epidemiología habla de factores de riesgo (podría decirse que el
riesgo es la probabilidad de que ocurra algo negativo). Se buscan las relacio-
nes entre variables, estableciendo la asociación entre una exposición y su
efecto. Si la exposición aumenta el riesgo de padecer la enfermeda, se habla
de factor de riesgo; mientras que si previene su desarrollo, se dice que es un
factor protector.
Ilustración 4: Relación entre el plano filosófico, epidemiológico y estdístico
Filosófico Causa Efecto
Epidemiológico Exposición Efecto (enfermedad)
NIVEL Factor de riesgo
Factor protector
Estadístico Variables independientes Variables dependiente
Este modelo utiliza la teoría de probabilidades y el método esta-

dístico para establecer relaciones entre exposiciones y efectos. La aceptación
de este modelo no implica renunciar al modelo de causas componentes y

suficientes, ni al modelo multicausal, sino al contrario: a través de él pode-
mos identificar las distintas causas componentes y suficientes o los factores
que forman la red del modelo multicausal.
La principal ventaja de este modelo radica en que permite esti-

mar riesgos sin conocer todas las causas que componen el modelo. También
permite establecer relaciones dosis-respuesta entre una exposición y una
enfermedad, y la creación de modelos matemáticos (p. ej. mediante regresión
logística) con los que es posible analizar el efecto de múltiples exposiciones
controlando la relaciones entre ellas, ya sean relaciones de confusión o de
interacción.
Todos los modelos (determinista, multicausal, ...) son aproxima-

ciones teóricas al los procesos causales reales, pero no se ajustan perfecta-
mente a ella. Así para una enfermedad, un modelo puede adaptarse mejor
que otro, pero no implica que ese sea el verdadero para esa enfermedad. To-
dos estos modelos son representaciones de sus correspondientes teorías cau-
sales, y, según Popper, las teorías no son que aproximaciones momentáneas
a la realidad para intentar explicarla lo mejor posible.
EPIDEMIOLOGÍA 22
4. MEDIDAS DE FRECUENCIA EN EPIDEMIOLOGÍA.
La epidemiología es una ciencia, y como toda ciencia necesita uni-

dades de medida. Al igual que la física no tendría sentido sin unas unida-
des de masa, longitud etc. la epidemiología tampoco. Pero, ¿qué unidades
utilizará la epidemiología? Según su definición, utlizará unidades de me-
dida que midan la frecuencia de los fenómenos de salud-enfermedad.
Las medidas de frecuencia de una enfermedad pueden referir-

se al conjunto de todos los casos existentes (prevalencia) o a la aparición
de casos nuevos (incidencia).
4.1. PREVALENCIA
La primera medida que se nos ocurre para medir la frecuencia

de una enfermedad es conocer la proporción de la población que padece
la enfermedad en estudio en un momento determinado. A esta medida se
le denomina prevalencia. Su fórmula es la siguiente:
N º de individuos con enfermedad en un momento dado

Pr evalencia =
N º de individuos de la poblacion en ese momento
Matemáticamente esta medida de frecuencia es una proporción ya

que el numerador está incluido en el denominador. Al ser una proporción,
toma valores entre 0 y 1, que al multiplicarlo por 100 expresa el porcentaje
de la población que sufre la enfermedad en ese momento.
La prevalencia es una medida de frecuencia importante para

las enfermedades crónicas (p. ej. diabetes), sobre todo desde el punto de
vista de la Administración y Gestión Sanitarias, ya que permite estimar los
servicios sanitarios necesarios para tratar este tipo de dolencias. Sin em-
bargo, desde el punto de vista de la investigación epidemiológica
-centrada principalmente en búsqueda de factores de riesgo- presenta li-
mitaciones importantes, ya que la prevalencia está relacionada con los
factores de riesgo de la aparición de la enfermedad y con los factores que
modifican la supervivencia del sujeto una vez enfermo. Por ello, para apli-
caciones etiológicas (causales) se necesita una medida de frecuencia que
no se vea afectada por la duración de la enfermedad. Ésta es la incidencia.
EPIDEMIOLOGÍA 23
4.2. INCIDENCIA
La incidencia mide el número de casos nuevos de una deter-

minada enfermedad que aparecen en un período de tiempo determinado.
Refleja el flujo del paso del estado de salud al de enfermedad.
4.2.1. Incidencia acumulada.
La incidencia acumulada es la proporción de individuos sanos

al comienzo del período que pasan durante el mismo periodo al estado de
enfermedad.
N º de individuos que desarrollan la enfermedad en un momento dado

I. A . =
N º de individuos sanos al inicio del periodo
Esta medida se puede interpretar como el riesgo de un indivi-

duo de padecer la enfermedad durante ese tiempo, siempre y cuando no
muera por otra causa. Se trata de una proporción (el numerador está in-
cluido en el denominador) y por tanto es adimensional (no tiene unida-
des) y toma valores entre 0 y 1. Al ser una proporción carecemos de in-
formación del tiempo al que hace referencia, por ello un dato de inciden-
cia acumulada siempre se ha de acompañar del período de tiempo al que
hace referencia.
1 E
2 P
3 E
4 E
5 P
6 P
Z
7 E
8 E
9 P
10
11 E
12
0 1 2 3 4 5 6 7 8 9 10
Años de seguimiento
E Momento en el que el sujeto enfermó
P Momento en el que se produjo la pérdida en el seguimiento
Ilustración 5: Incidencia acumulada y tasa de incidencia
En algunos estudios el período de observación y el tiempo

desarrollo de la enfermedad varía de forma importante entre unos indivi-
duos y otros. En la incidencia acumulada de las dos exposiciones es la
EPIDEMIOLOGÍA 24
misma (ver Ilustración 5); sin embargo, gráficamente intuitivamente se

observa que una de las exposiciones es más peligrosa que la otra. Por ello,
en estos casos la incidencia acumulada no es útil, y se ha de recurrir a una
medida de la incidencia en la que se tiene en cuenta el tiempo de obser-
vación de cada sujeto. Ésta es la tasa de incidencia.
4.2.2. Tasa de incidencia o densidad de incidencia.
Se define como el número de comienzos de enfermedad en la

población dividido por la suma de períodos de tiempo de observación de
todos los individuos de esa población:
N º de episodios de enfermedad que aparecen en un periodo de tiempo det erminado

TI =
∑ Periodos de tiempo en riesgo de padecer la enfermedad
Matemáticamente es un cociente pero no es una proporción

por lo que posee unidades, en este caso, tiempo-1. También cabe resaltar
que el numerador de la TI es distinto a la de la IA, en cuanto que en ésta
un individuo sólo puede contribuir en una unidad aunque haya padecido
episodios recurrentes, mientras que en el caso de la TI un individuo con-
tribuye con tantos episodios como haya sufrido. El rango numérico va de
cero a infinito, este último valor se dará cuando todos los individuos des-
arrollan la enfermedad en el momento de iniciarse el seguimiento.
La interpretación intuitiva de un número cuya unidades son

tiempo-1 es difícil. Para facilitarlo es útil realizar el inverso incluyendo las
unidades. De esta forma, el nuevo valor tiene unidades de tiempo, y se
pued interpretar como el tiempo medio de seguimiento hasta la ocurren-
cia de la enfermedad.
4.3. RELACIÓN ENTRE LAS MEDIDAS DE FRECUENCIA DE UNA

ENFERMEDAD.
Que la prevalencia de una enfermedad sea baja no implica

necesariamente que su incidencia sea también baja. Puede ser debida a
que la enfermedad provoca la muerte rápidamente o, por el contrario, que
se cure en un breve período de tiempo.
En la se representa la incidencia, la prevalencia y la relación

entre ellas. El deposito A representa la los sujetos libres de enfermedad de
una determinada población. El depósito B representa el número de sujetos
de esa población con esa enfermedad. Entonces la prevalencia sería la re-
lación entre B/B+A.
EPIDEMIOLOGÍA 25
5. ESTUDIOS EXPERIMENTALES
5.1.1.1. INTRODUCCION
El objetivo último de la epidemiología es el estudio de la salud y sus de-

terminantes en las poblaciones humanas. Para ello aplica el método científico,
que como hemos visto en el tema 3, es la metodología más avanzada para generar
¿Epidemiología?
conocimiento.
Objetivo Estudio de la salud y sus determinantes en
poblaciones humanas En el método científico se aplican dos grandes paradigmas: el experimen-
¿Cómo? Aplicación del método científico
tal y el observacional. En la experimentación el investigador toma parte en
la investigación, manipulando las condiciones en las que realiza el estu-
Experimentar Observar
dio. Generalmente mantiene constantes (o controlados) todos lo factores
Éticas y practicas que influyen en el resultado excepto el factor objeto de estudio. Por el con-
trario, en la investigación observacional el investigador se limita a obser-
var la realidad sin intervenir sobre ella. Son ejemplos de ciencias experi-
mentales la química y la farmacología básica, y de ciencias observaciona-
les, la astronomía o la meteorología.
En epidemiología aplicamos ambas metodologías. Idealmente el diseño

mas adecuado es el experimental, ya que permite controlar mejor las variables
que pueden interferir en los resultados del estudio, pero por consideraciones
prácticas y éticas en epidemiología es frecuente la utilización de metodología
observacional.
Usos del método experimental
en Epidemiología Los estudios experimentales son muy utilizados en Salud Pública. Pue-
Tipos Ejemplos den utilizarse para valorar la eficacia / efectividad de intervenciones preventivas
•Preventivo ¿Es eficaz la Aspirina para la prevención
del IAM? (p. ej. ¿es eficaz la vacuna contra la hepatitis B? o es eficaz aspirina en la preven-
•Comunitario ¿Es eficaz la fluoración del agua de
bebida para la prevención de la caries? ción infarto agudo de miocardio). Son los denominados ensayos preventivos. Tam-
•Evaluación de ¿Es eficaz la “contravisita” para mejorar
servicios la prescripción de los médicos? bién para valorar la eficacia / efectividad de intervenciones realizadas a nivel de
•Terapéuticos Es eficaz la estreptomicina en el
tratamiento de la TB
grupos de población (no a nivel de individuo). Son los llamadas ensayos comunita-
rios que se pueden realizar a nivel de familias, barrios, ciudades, regiones, o em-
presas. Un ejemplo de este tipo de estudio son los realizados para valorar la efi-
cacia de la fluoración del agua de bebida para prevenir la caries.
Los estudios experimentales también pueden ser de gran utilidad en la

evaluación de servicios sanitarios. Así, antes de poner en marcha la implantación de
un programa para mejorar la calidad de la prescripción de medicamentos me-
diante la visita de un profesional independiente, puede ser útil valorar su efecti-
vidad / eficiencia mediante un estudio experimental.
EPIDEMIOLOGÍA 26
Finalmente, los estudios experimentales son la principal metodología

para valorar la eficacia de los nuevos medicamentos antes de que salgan al mer-
cado. Son los denominados ensayos clínicos.
El error aleatorio
En epidemiología la unidad mínima de estudio es el sujeto, y la variabili-
dad interindividual es una característica intrínseca a la biología: no existen
El error aleatorio...
dos individuos iguales. o lo que es lo mismo: no existen dos individuos
Laboratorio Epidemiología
que, ante un mismo estímulo, respondan de manera idéntica (tanto en
Unidades de estudio Tejidos Individuos
Órganos Poblaciones
tipo de respuesta como en intensidad). Fruto de esta variabilidad en la
Variabilidad respuesta ↓ ↑
respuesta, en epidemiología aplicamos modelos causales probabilísticos
Error aleatorio No Si
(que estudia y comparar frecuencias de desarrollar la enfermedad). Y para
Observaciones Una Muchas
estudiar frecuencias se necesita investigar un número adecuado de suje-
tos, de forma que la respuesta obtenida en el experimento sea, en realidad,
una "respuesta media" de los sujetos.
Esta forma de experimentar contrasta con la utilizada en las ciencias de

laboratorio (fisiología o farmacología) donde se estudian fenómenos de
tipo deterministas, en los que siempre que se realice el experimento con
ese factor se producirá el efecto. Esto implica que en las ciencias de labora-
torio con realizar una sola vez el experimento (o alguna más con fines de
comprobación) es suficiente.
Hay que resaltar que las diferencias entre el carácter probabilístico de la

epidemiología y el determinista de las ciencias del laboratorio procede de
nuestro grado de conocimiento sobre las mismas. Si conociésemos todas
las causas contributivas de un efecto, y las pudiésemos controlar, la rela-
ción objeto de estudio sería determinista, y bastaría con experimentar con
un solo sujeto.
El número de sujetos (tamaño de la muestra) necesario para realizar un

estudio experimental en epidemiología va a depender de múltiples factores. En-
tre ellos, el efecto mínimo que queramos detectar, la variabilidad y la frecuencia
del efecto y la probabilidad de cometer el error tipo I y el error tipo II que quera-
mos asumir a priori. El tamaño de la muestra necesario aumentará: (1) cuanto
mayor sea la variabilidad en la respuesta (si todos los sujetos respondiesen igual
solo necesitaríamos uno o dos), (2) cuanto mas pequeño sea el efecto que quera-
mos detectar, y (3) cuanto menor sea el riesgo de cometer los errores tipo I y II
que queramos asumir.
EPIDEMIOLOGÍA 27
5.1.2. Selección de los sujetos estudiados: Poblaciones y muestras.
Cuando se diseña un estudio experimental se ha de decidir acerca de los

sujetos a estudiar y la forma en la que han de ser reclutados. Pero en pri-
mer lugar debemos pensar cúal es la población diana a la cual queremos
¿Cómo los selecciono?
aplicar los resultados del estudio, y que viene determinada por la pregun-
Población
diana
Criterios de
Población
diana
Conjunto de sujetos a los que se
pretende aplicar los resultados del
experimento
ta a investigar. Hay que resaltar que esta población diana es de naturaleza
inclusión
Población
estudio
Población
estudio
Conjunto de sujetos a los que
podemos acceder en función de:
•Características temporales y
ficticia, ya que en el momento de realizar el estudio no conocemos a todos
espaciales
Muestra
•Criterios de inclusión/exclusión
los sujetos que la componen: el investigador no tiene acceso, por motivos
Muestra Subconjunto de la población
estudio
•Tiempo
•Dinero
temporales ni espaciales, a toda la población diana potencial ya que no
Criterios de
exclusión puede estudiar a enfermos del futuro ni estudiar a una muestra represen-
tativa de todos los enfermos del mundo. Por ello, la investigación se ha de
limitar a la población accesible (o también llamada población a estudio) que
está definida por criterios espaciales y temporales (p. ej. sujetos con hemo-
rragia gastrointestinal en el área de Santiago en los año 2002-2005). Ade-
más, por motivos éticos y prácticos se definen unos criterios de inclusión y
de exclusión que han de ser adecuados para la pregunta a investigar.
Estrategias para evitar el efecto de factores ajenos a la in-

tervención
Cuando administramos una intervención a un conjunto de sujetos y se
observa un efecto... ¿podemos atribuir todo el efecto observado a la inter-
vención? La respuesta es negativa, ya que debemos tener en cuenta el
efecto observado se puede deber a tres componentes: (1) Las evoluciones
naturales del proceso pueden ser cíclicas o autolimitadas. (2) La interven-
ción puede coincidir en el tiempo con otras intervenciones o factores ex-
ternos (cointervenciones), que pueden hacer que atribuyamos una mayor
o menor afectividad a la intervención que a la real. (3) La mejoría debida a
la intervención.
Para separar la mejoría debida a la intervención de la debida a la evolu-

ción natural de la enfermedad o a factores externos al estudio es necesario
establecer un grupo de comparación o grupo control, en el que influyan los
mismos factores externo.
EPIDEMIOLOGÍA 28
Tipos de grupo control
Tipos de grupos control

Se pueden agrupar los tipos de grupos controles en tres gran-
des bloques: (1) Controles históricos, (2) Control intragrupo pre-post; (3)
Controles históricos
Intervención
Controles concurrentes.
Grupo intervención
Controles históricos Los controles históricos se basan en comparar los resultados del grupo de
intervención con otro grupo de sujetos que no recibieron la intervención
Tiempo
en el pasado. Aquí se puede incluir la comparación con sujetos de épocas

/ Cointervenciones
/ Cambios en la enfermedad u otros factores anteriores en los que se tenga registrada su evolución, pero no suelen con-
tener todos los datos necesarios. Además, la misma evolución del proceso
(tuberculosis, fiebre amarillas) puede cursar de distinta forma por factores
como la nutrición o las resistencias. Otro problema es que los investigado-
Tipos de grupos control
res son reacios a incluir a pacientes con mal pronóstico al grupo experi-
Controles antes-
antes-después
mental. Por todo ello, los estudios con controles históricos tienden a dar
Sujeto 1
Preintervención Postintervención
resultados erróneamente positivos (Am J Med 1982; 72: 233-40).
Sujeto 2
Sujeto n
Los controles pre-postintervención se basan en comparar la evolución del
efecto antes y después de la intervención. Este tipo de controles tiene el
/ Cointervenciones
/ Curso natural del proceso problema de que no controla el curso natural del proceso, y tampoco la
existencia de cointervenciones externas que hayan podido coincidir en el
tiempo con la intervención objeto de estudio.
Tipos de grupos control (3): concurrentes
Los controles concurrentes se caracterizan porque es un grupo de sujetos
Controles concurrentes
distinto al de intervención que se compara de manera simultanea (concu-
rrente) en el tiempo, lo que permite eliminar los errores y falacias de otros
Grupo
intervención
tipos de controles: No influyen la evolución de la enfermedad a lo largo
Grupo
control
del tiempo (p. ej. resistencias), ni cambios en factores concomitantes (nu-
trición), ni el carácter autolimitado de algunos procesos, ni la existencia de
/ Problemas de ética
/ Problemas prácticos cointervenciones.
¿Cómo formar el grupo control?

Cualquier tipo de asignación sistemática conocida por los investigadores
(fecha de nacimiento −p. ej. par o impar−, letras del apellido...), puede
condicionar su decisión de incluir o no a un sujeto en el estudio, por cono-
cer a que grupo de tratamiento va a ser asignado (BMJ 1999; 319: 375-6).
De esta forma, el grupo intervención supuestamente más efectivo posi-
blemente contenga enfermos más graves. Algo similar ocurrirá si es el
paciente el que elige su propio tratamiento. Si la asignación de los sujetos
a uno o otro grupo se deja a juicio del promotor del estudio (p. ej. indus-
tria farmacéutica), probablemente se asignarán −consciente o inconscien-
EPIDEMIOLOGÍA 29
temente− los sujetos de forma que se verifiquen los objetivos del estudio.
Si se forma el grupo control con sujetos que rehusaron participar o con los
¿Cómo formar un buen grupo control?
no elegibles, el grupo control probablemente no será comparable con el de
intervención (Lancet 1980; i: 339-40).
Distribución aleatoria
El azar determina que sujetos son

asignados a cada uno de los grupos
Como hemos visto asta ahora, en un estudio experimental los suje-
Fisher
tos que están sometidos a la intervención lo están porque participan en el
Ocultación secuencia de aleatorización (OSA)
estudio, y ya que el investigador tiene la capacidad de asignar la exposi-
•NO sesgo selección ción, dicha asignación deberá realizarse mediante un método que garanti-
•NO sesgo de confusión Bradford Hill
ce una distribución equilibrada de todas las causas contribuyentes del
efecto en los dos grupos. La única medida que garantiza que dicha distri-
bución sea equilibrada es la distribución al azar de los sujetos entre los
grupos de tratamiento. De hecho, se ha encontrado que en los estudios
experimentales en los que la distribución al azar no esta correctamente
realizada, el efecto de la intervención se incrementa en un 41% (JAMA
1995; 273: 408-12). El método de distribución al azar de intervenciones fue
desarrollado por Fisher para su aplicación en investigación agrícola. Pos-
teriormente Bradford Hill lo aplicó a la investigación clínica.
Pero la distribución al azar puede perder parte de sus ventajas si

no se oculta la secuencia de aleatorización a los investigadores o al personal
sanitario. Esto impedirá que el conocimiento de la intervención que reci-
birá cada paciente (o una unidad de aleatorización) condicione su inclu-
sión o no en el estudio. La ocultación de la secuencia de aleatorización se
puede conseguir centralizando la aleatorización en un departamento ajeno
en el de reclutamiento, o al que se realiza el tratamiento.. Este procedi-
miento fue puesto en práctica por Bradford Hill en el ensayo clínico sobre
la eficacia de la estreptomicina en el tratamiento de la tuberculosis.
Hay que resaltar que la distribución al azar, a diferencia de otros métodos

−como el emparejamiento, el análisis estratificado o el multivariante−,
presenta la gran ventaja de que no sólo permite la comparabilidad entre
los grupos por factores pronósticos conocidos, sino que también de los
desconocidos.
¿Cómo realizar la distribución al azar?

A la hora de realizar la distribución al azar nos surgen dos preguntas: (1)
Qué unidades de asignación son las mas correctas para esta intervención,
y (2) Qué método de asignación es el mas adecuado para un estudio en
concreto.
EPIDEMIOLOGÍA 30
1. Unidades de asignación
La unidad de aleatorización más adecuada cuando la inter-

vención no es transferible (p. ej. un tratamiento farmacológico) es el indi-
¿Unidades de distribución al azar? (2) viduo ya que se consigue una mejor comparabilidad entre grupos al ser
mayor el numero de unidades a distribuir. Sin embargo, en algún tipo de
intervenciones (p. ej. en intervenciones educativas) puede existir un fe-
Asignación por
Intervenciones
grupos
nómeno de trasferencia de la intervención (o contaminación) entre sujetos
Educativas
del grupo de intervención y el de control que puede conducir a una in-
↓ Riesgo
contaminación fraestimación del efecto. En este tipo de intervenciones es muy útil formar
conjuntos de sujetos agrupados manera natural (colegios, centros de sa-
lud, comarcas...), y luego distribuirlos al azar.
Existen otros tipos de intervenciones que son de carácter comuni-

tario, en las que no se incide sobre individualmente sobre cada sujeto, sino
que se intervienen sobre agrupaciones de sujetos (escuelas, prisiones, ciu-
¿Unidades de distribución al azar? (3)
dades, comarcas...). Este es el caso de intervenciones realizadas a nivel de
zonas geográficas o administrativas (fluoración del agua de abastecimien-
to) o en unidades de organización sanitaria (p. ej. áreas de salud). En estas
Intervenciones Asignación por
Comunitarias comunidades situaciones la distribución se realiza a nivel de comunidades que son las
unidades mínimas de intervención.
La desventaja de la aleatorización por grupos o por comunidades

es la dificultad de calcular los tamaños de la muestra y los errores están-
dar, ya que hay que tener en cuenta que existe una correlación interna
entre los grupos de sujetos: los sujetos dentro del mismo grupo de asigna-
ción son más parecidos que entre grupos distintos.
2. Métodos de asignación
La asignación aleatoria simple se caracteriza porque la probabilidad
de ser asignado es conocida de antemano y permanece constante a lo lar-
go del ensayo. Este procedimiento es equivalente al método de tirar una
moneda al aire (si a la primera unidad de asignación −p. ej. sujeto− le toca
cara, será asignada al grupo de intervención, y si a la segunda cruz irá al
de control), aunque en la práctica se utilizan tablas de números aleatorios
o programas de ordenador para realizarla. Esta metodología, aunque es
conceptualmente adecuada, presenta dos limitaciones cuando el número
de unidades de asignación es pequeño: (1) es posible que los grupos que-
den descompensados en cuanto al número de unidades de asignación
durante o al final del ensayo, y (2) que los grupos de intervención y de
control no resulten comparables por variables pronósticas relevantes del
efecto.
EPIDEMIOLOGÍA 31
La distribución al azar por bloques permite conseguir, no sólo que la

¿Cómo distribuir al azar?
relación final entre el número de unidades de asignación entre los grupos
sea la establecida a priori, sino que a lo largo de la secuencia del estudio
2) Asignación aleatoria por bloques
también se mantenga esta relación. Esto puede ser de interés para valorar
1. Determinar el número de sujetos por bloque (p. ej. 4)
intervenciones sobre efectos que presentan un comportamiento estacional
2. Establecer las posibles combinaciones de bloques y
tratamientos (A y B) (por humedad, polinización) o sobre efectos que pueden ser sensibles a
1:AABB; 2:ABAB; 3: ABBA; 4: BBAA; 5; BABA; 6: BABA
cointervenciones externas (campañas de divulgación). Para realizar la
3. Distribución al azar de los bloques:
asignación por bloques debemos: (1) Determinar el número de unidades
Nº aleatorios 6 2 3 6 6
Secuencia BAAB ABAB ABBA BAAB BAAB
experimentales que componen cada bloque (p. ej. 4); (2) Establecer todas
las posibles combinaciones de bloques y tratamientos y asignarles un nú-
mero: 1:AABB; 2:ABAB; 3: ABBA; 4: BBAA; 5; BABA; 6: BABA; y (3) Ex-
traer una serie de números aleatorios (tabla o programa informático). De
esta manera tendremos una secuencia equilibrada de tratamientos. Por
ejemplo: si la secuencia de números aleatorios es 6, 2, 3, 6, 6 la secuencia
de tratamientos será: BAAB, ABAB, ABBA, BAAB, BAAB.
La distribución al azar por bloques plantea la limitación de que el

investigador puede deducir que intervención le corresponde al siguiente
sujeto. Para evitarlo el investigador no debe conocer cuántos pacientes
contiene cada bloque.
Cuando una población estudio es heterogénea respecto a los facto-

¿Cómo distribuir al azar? res pronósticos y el número de unidades de asignación es reducido, la
3) Asignación aleatoria estratificada distribución al azar simple o por bloques puede dar lugar a que los grupos
1. Determinar la variable pronostica de interés (gravedad) y
establecer las categorías (leve y grave )
de intervención y control no sean comparables por algunas características
2.
3.
Clasificar a cada sujeto de la muestra y formación de estratos
Realizar una distribución al azar (simple o por bloques) en
determinantes del efecto objeto de estudio. En este caso la distribución al
cada uno de los estratos
azar estratificada puede ser de gran utilidad, ya que permite que los grupos
Estrato de sujetos leves
de estudio contengan la misma proporción de sujetos (o de unidades de
Estrato de sujetos
graves
distribución) de cada categoría pronóstica. Para realizar la distribución al
azar estratificada debemos: (1) Establecer la variable pronóstica de interés
por la que queremos que los grupos resulten comparables. Esta variable
ha de ser un factor relevante del efecto; (2) posteriormente se establecerán
las categorías de estratificación y se clasifica a cada sujeto de la muestra en
cada estrato; y (3) finalmente, se realiza una distribución al azar dentro de
cada uno de los estratos, generalmente por bloques. Cabe resaltar que la
distribución al azar estratificada sólo permite realizar grupos comparables
por factores pronósticos conocidos, pudiendo quedar los desconocidos
desequilibrados.
EPIDEMIOLOGÍA 32
Comparabilidad tras la administración de la intervención.

Una vez finalizado el proceso de distribución al azar conseguire-
mos que, si el azar no nos juega una mala jugada, los grupos sean compa-
Población, muestra e intervención
rables antes de la intervención. Sin embargo, tan pronto se administra la
Enmascaramiento
intervención a un grupo y a otro no, desaparece la comparabilidad: los
Población
diana a simple ciego
Criterios de
inclusión
Población
estudio
Distribución al azar
sujetos que reciben la intervención conocen −o intuyen inconscientemen-
Intervención
Muestra
teórica
Autosugestión te− que la reciben y los del grupo control que no la reciben. Este fenómeno
Comparables
Control
Heterosugestión
se denomina autosugestión (cuando es el sujeto el que conoce la interven-
Criterios de
exclusión
Placebo
Int. referencia
ción). Para evitar el sesgo de cointervención debido a la autosugestión
Enmascaramiento
a doble ciego
(también llamado en farmacología efecto placebo), la intervención ha de
ser enmascarada para el sujeto. Se habla entonces de simple ciego. Para
enmascarar la intervención a menudo es necesario la utilización de un
placebo o de la intervención de referencia en el grupo control. Cuando no
es ético administrar placebo en el grupo control porque existe una inter-
vención efectiva, se administra en el grupo control la intervención de refe-
rencia.
A pesar de la utilización del simple ciego, puede subsistir un efecto

residual al trasmitir el investigador una mayor confianza en el efecto de la
intervención.. Este fenómeno se denomina heterosugestión, y se evita si el
médico desconoce el tratamiento que está recibiendo el paciente. Para ello
se utiliza la técnica de enmascaramiento denominada doble ciego.
Medida de la variable respuesta

Según algunos autores, en las ciencias biomédicas la subjetividad
es ubicua. Los investigadores, consciente o inconscientemente intentan
Medida de la variable respuesta
que los resultados del estudio en el que están trabajando sean positivos.
Población
diana ¿Prejuicios?
¿Prejuicios? Esto, unido a que la medida de los resultados (mejoría/agravamiento) de
¿Subjetividades?
numerosas enfermedades es subjetiva, hace necesario la utilización de
Criterios de
inclusión Distribución
al azar
Población Medida de la
técnicas de enmascaramiento también en esta fase de evaluación de la

estudio respuesta
Intervención
Muestra Sujeto
eficacia para garantizar que el conocimiento del tratamiento que recibe

teórica
Control
Investigador
Criterios de
3ª Persona cada paciente, no influya en la valoración de los resultados. Con la técnica
exclusión
de simple ciego, además de evitar el efecto placebo, también se evita que,

cuando la medida del efecto es realizada por el paciente (p. ej. dolor), esta
se vea influenciada por el conocimiento del tratamiento que está recibien-
do. Si es el investigador el que mide de la variable respuesta este ha de ser
ciego respeto a la intervención que recibe cada sujeto (doble ciego).
Sin embargo, existen circunstancia en las que el tratamiento es difí-

cil de enmascarar o en las que no se puede realizar por cuestiones éticas.
EPIDEMIOLOGÍA 33
En estos casos es útil la técnica de enmascaramiento denominada triple

ciego. Esta técnica consiste en que otro evaluador, que no está involucrado
en el seguimiento de los pacientes y que ignora la medicación administra-
da, realiza "a ciegas" la evaluación de la respuesta.
Existen otras situaciones en las que en la práctica el enmascara-

miento no tiene sentido o es infructuoso. Los procedimientos quirúrgicos
no se enmascaran fácilmente o no es ético hacerlo. El sabor o los efectos
indeseables de los medicamentos constituyen un indicio para el paciente,
para el médico, o para ambos. En estos casos no se realiza enmascara-
miento.
5.1.3. ANÁLISIS DE LOS DATOS
Una vez que hemos medido la variable respuesta en todos los suje-
Análisis de los datos
tos procederemos al análisis de los datos. Para ello, calcularemos la fre-
cuencia del evento objeto de estudio en cada uno de los grupos. Este even-
Población
diana
Criterios de
to puede ser curación, mejorías, fallecimiento, reacción adversa. De esta
inclusión Distribución
Población
estudio
al azar
Medida de la
respuesta
manera, para cada uno de los grupos (intervención y no intervención)
dispondremos del número de sujetos en riesgo de sufrir el evento y tam-
Intervención Evento Evento
a =Re
Muestra
teórica a+b a b a+b
=RR
c+d c d
c =Re
c+d bién del número de eventos.
Control
Criterios de
exclusión
En el grupo de intervención dividiendo el número de eventos ocu-
rridos [a] entre el total de posibles eventos [a+b] podremos por tanto cal-
cular la probabilidad de ocurrencia del evento. Como en general los even-
tos son de carácter negativo (enfermedades, recaídas, fallecimientos) a
esta probabilidad se le denomina riesgo. Por tanto, el riesgo entre los ex-
puestos a la intervención (Re) será:
a [1]
Re =
a+b
De forma análoga podemos calcular el Riesgo entre los no expues-

−
tos ( Re ):
c [2]
Re − =
c+d
Para comparar el riesgo entre los expuestos con el riesgo en los no

expuestos podemos realizar un cociente entre ambos riesgos. Este cociente
será una razón ya que el numerado no está incluido en el denominador.
Esta razón es una razón de riesgos o también llamada riesgo relativo (RR), y
tomá la siguiente forma:
EPIDEMIOLOGÍA 34
a
Re [3]
RR = = a+b
Re − c
c+d
El RR no tiene unidades y puede tomar valores entre 0 y + infinito.

Cuando RR =1 indica que Re = Re − , o lo que es lo mismo, la exposición
no influye sobre la incidencia de la enfermedad. Cuando RR>1 indica que
el Re > Re − lo que implica que la exposición está asociada con una ma-
yor frecuencia de la enfermedad; esta exposición es, por tanto, un factor
de riesgo. Cuando el RR>1, este nos indica el número de veces en que la
exposición incrementa el riesgo de que suceda el evento. Por ejemplo si en
un estudio obtenemos un RR=4, y partimos de la fórmula [3] esto indica
que:
Re Lo que indica que la exposición aumenta
RR = = 4 ⇒ Re = 4 ⋅ Re −
Re −
en 4 veces el riesgo de padecer la enfermedad.
Si RR<1 indica que Re < Re − lo que implica que la exposición está

asociada a una disminución de la frecuencia de la enfermedad. Esta expo-
sición es un factor protector de la enfermedad. Cuando el RR<1, este no se
puede interpretar en términos de cuántas veces incrementa el riesgo (por-
que lo disminuye). Por ello, es útil calcular el inverso del RR (1/RR) e in-
terpretar el valor obtenido en términos de cuántas veces disminuye la ex-
posición el riesgo de padecer la enfermedad. Por ejemplo, si el RR=0.2,
esto indica que:
Re Como 1/0.2=5, esto indica que:
RR = = 0.2 ⇒ Re = 0.2 ⋅ Re −
Re −
1 − o lo que es lo mismo, que la exposición disminuye en 5

Re = Re
5
veces el riesgo de padecer la enfermedad.
5.1.4. INFERENCIA DE LOS RESULTADOS
Sin embargo, el objetivo último del estudio no es conocer el valor de la

medida de efecto en la muestra estudiada, sino intentar estimar el valor de esa
medida de efecto en la población. Pero debido a que es prácticamente imposible
que la muestra reproduzca exactamente lo que ocurre en la población (que la
medida de efecto sea la misma en la muestra que en la población), el valor pun-
tual del valor de la medida de efecto en nuestra muestra debe ir acompañada de
un intervalo en el que, con una determinada confianza (generalmente del 95%),
se encuentre el verdadero valor de la medida de efecto en la población. Esto es lo
que se denomina intervalo de confianza al 95%.
EPIDEMIOLOGÍA 35
Para calcular el IC aproximado al 95% podemos utilizar esta sencilla

formula en la que a, b, c y d, de la fórmula [3]
a c [4]
IC 95% RR = exp( LnRR ± 1.96 ⋅ + )
a +b c +d
Si obtenemos un valor de RR=0.2 (IC95%: 0.06 a 0.65) esto nos

indica que en los sujetos estudiados el RR es de 0.2, pero en la población
de la que provienen esos sujetos el valor del RR se encuentra con un 95%
de confianza entre 0.06 y 0.65. Gráficamente:
Muestra
0 1
RR
95% de confianza
en la población
Como podemos observar, el RR en la población estudiada se encuentra,

con un 95% de confianza, por debajo de la unidad lo que indica que con
un 95% de confianza en la población la intervención es protectora.
Sin embargo si al calcular el RR y sus IC95% obtenemos que RR=0.2

(IC95%: 0.01 a 1.2) nos indica que en la muestra estudiada el RR es protec-
tor (disminuye en 5 veces el riesgo) y que en la población estudiada, con
un 95% de confianza está entre 0.01 y 1.2 o lo que es lo mismo, con un 95%
de confianza puede ser factor protector (entre 0.01 y 1), no tener efecto (en
1) o ser un factor de riesgo (entre 1 y 1.2). Esto indica que no podemos
sacar conclusiones a nivel de la población.
Muestra
0 1
RR
95% de confianza
en la población
5.1.5. Inferencia estadística, epidemiológica y de salud pública
Una vez que hemos calculado los intervalos de confianza nos

podemos preguntar... ¿A que población podremos aplicar estos resulta-
dos? Desde el punto de vista estadístico, sólo las podremos aplicar a la
población estudio de la que fue extraída la muestra teórica. La estadística
sólo nos informa sobre la probabilidad de que, no existiendo diferencias en
Interpretación de los resultados
la población a estudio, las diferencias observadas entre el grupo de inter-
•Accesibilidad espacial Población diana vención y de control en nuestra muestra se deban a un error aleatorio en el
•Accesibilidad temporal Inferencia en SALUD PUBLICA
•Criterios de inclusión
•Criterios de exclusión
(Validez externa)
proceso de extraer la muestra.
Población estudio
•Muestreo probabilístico
•Inferencia ESTADISTICA
(Intervalos de confianza)
Además, ni los intervalos de confianza ni la estadística nos propor-
Muestra cionan información sobre los errores sistemáticos (sesgos) que pueden afec-
Validez interna
tar a la validez interna del estudio.
EPIDEMIOLOGÍA 36
Por otro lado, la población estudio es un subconjunto muy pequeño de la

población diana a la que el investigador (o futuros investigadores o profesionales
de la Salud Pública) van aplicar los resultados. Para la extrapolación de los resul-
tados a la población diana no se pueden utilizar criterios estadísticos, sino que se
basa en un proceso de razonamiento inductivo. Para realizar este razonamiento
se ha de tener en cuenta cuanto se aleja la población diana de las condiciones en
las que se realizó el experimento.
La mayoría de los estudios experimentales se diseñan para valoran la efi-

cacia (grado en el que una intervención originan resultados beneficiosos en condi-
ciones ideales), y no la efectividad (grado en el que una intervención originan resul-
tados beneficiosos en condiciones reales de aplicación). Se dice que los estudios
experimentales que valoran la eficacia tienen una orientación explicativa frente a
los que tienen por objeto valorar la efectividad, que tienen una orientación prag-
mática. En la siguiente tabla se resumen las características de ambos enfoques.
ENFOQUE
EXPLICATIVO PRAGMÁTICO
Miden Eficacia Efectividad
Condiciones Ideales (experimentales) Reales de la práctica clínica diaria
Criterios de ESTRICTOS (homogéneos): AMPLIOS (heterogéneos):

Inclusión Diagnostico de referencia Dco real por médicos reales
Por expertos Varias patologías
Sólo una patología Varios medicamentos
Sólo un tratamiento
Edad, no embarazo
Duración Corta La real
Seguimiento RIGUROSO:
Cumplimentación = Clínico real
Abandonos
+ frecuentes
Placebo SI NO
Enmascaramiento Doble ciego Evaluación por terceros
Análisis De los que terminan el estudio Por intención de tratar
Variables “Blandas” “Duras”

EPIDEMIOLOGÍA 37
Como puede observarse los estudios con un enfoque pragmático se

Interpretación de los resultados
asemejan más a la práctica clínica o a los programas de salud, y por tanto
¿Eficacia vs Efectividad? la aplicabilidad de los resultados a la población diana será más fácil. Por el
contrario, realizar inferencias a una población diana muy distinta a la po-
1. Complementarios
2. Continuo
blación de estudio a partir de estudios explicativos puede ser aventurado
(y de realizarse han de basarse en criterios epidemiológicos y de salud
Eficacia Efectividad
pública, y no estadísticos). Por tanto, el enfoque explicativo y el pragmáti-
co son complementarios: idealmente se debe de comenzar con estudios
con un enfoque explicativo y, una vez que haya demostrado su eficacia,
valorar su efectividad mediante un estudio con enfoque pragmático.
RESUMEN (tema 10) A este respecto, hay que decir que la relación entre eficacia y efec-
tividad es un continuo en el que nos podemos encontrar con múltiples
Fundamentos •Tamaño muestra adecuado
•Grupo control grados de eficacia / efectividad, ya que un estudio puede tener determi-
•Distribución al azar
•Enmascaramiento nadas características explicativas (por ejemplo ciego) y otras de tipo
Medida efecto •Razón de riesgos pragmático (análisis por intención de tratar).
Inferencia •Intervalos de confianza
•Enfoque explicativo o pragmático
5.2. TIPOS DE ESTUDIOS EXPERIMENTALES
Dependiendo de que la asignación a los grupos de interven-

ción se realize individuo a individuo o si los sujetos estudiados son sujetos
sanos o enfermos los extudios experimentales se pueden clasificasr:
Distribución de grupos de individuos Ensayos Comunitarios
Estudios Suj. Sanos Ensayos de Campo
Distribución
experimentales
individuo a individuo Suj. Enfermos Ensayos Clínicos

EPIDEMIOLOGÍA 38
6. DISEÑOS EPIDEMIOLÓGICOS OBSERVACIONALES
El paradigma de la investigación científica es el experimento,

pero las limitaciones impuestas por la ética y el costo restringen, a menu-
do, la investigación epidemiológica a los estudios observacionales. Y dado
que en epidemiología es frecuente estudiar exposiciones que son factores
de riesgo, no es ético que el investigador asigne a los sujetos causas poten-
ciales de una enfermedad.
Para comprender las limitaciones éticas de los ensayos clínicos

puede ser útil responder a este pregunta ¿Sería ético asignarles a la mitad
de la población de una ciudad una exposición de 20 cigarrillos/día duran-
te 20 años para comprobar su efecto sobre el cáncer de pulmón?
Sin embargo, la gente, queriendo o sin querer, con frecuencia

se expone a si misma a muchos factores potencialmente dañinos, esco-
giendo una amplia gama de dosis de diversas sustancias potencialmente
tóxicas.
Los epidemiólogos utilizan estas exposiciones voluntarias de

los sujetos (o de sus médicos) para simular los estudios experimentales,
realizando estudios observacionales en los que el investigador se limita a
"observar" la realidad, no interviniendo en ella ni la manipulando comoo-
curre en los estudios experimentales. Por tanto, el investigador deja de ser
un experimentador (manipulador) para limitarse únicamente a observar la
realidad. Así, los estudios de seguimiento o de cohortes sólo difieren de
los ensayos clínicos en que el investigador no asigna la exposición; pu-
diendo decirse que son estudios experimentales que “empiezan un poco
más tarde”, una vez que las exposiciones ya están asignadas.
6.1. ESTUDIOS DE COHORTES
También llamados estudios de seguimiento o de incidencia.

Siguen la secuencia temporal natural de la enfermedad en cuanto la causa
(exposición) debe de preceder al efecto (enfermedad). Por tanto, en un
estudio de cohortes un grupo de personas libres de enfermedad y expues-
tas al potencial Factor de Riesgo (FR) y un grupo de no expuestos son se-
guidos a lo largo del tiempo. La incidencia de la enfermedad (casos nue-
vos aparecidos durante ese período) se compara en los dos grupos.
La función de los estudios de cohortes es responder a la pre-

gunta "¿Cuales son los efectos de una determinada exposición?". Tienen,
EPIDEMIOLOGÍA 39
por tanto, la capacidad de detectar todos los efectos asociados a una expo-
sición.
A cada uno de los grupos de individuos que comparten la ex-

posición se le denomina Cohorte, palabra latina con la que se conocía a una
de las diez divisiones de las antiguas legiones romanas.
Enfermos Sanos
EXP a+b a b
SECUENCIA DE ESTUDIO
NO EXP c+d c d
PROCESO:
Efecto
1. Selecionar un grupo de
Presente Ausente expuestos
2. Seleccionar un grupo deno
Exposicion
Presente
a b a+b 3.
expuestos
Seguir a ambos grupos durante
un periodo de tiempo necesario.
4. Valorar la aparicion del efecto en
Ausente c d c+d ambos grupos
5. Comparar la proporcion del
efecto en ambos grupos
Ilustración 6: Diseños de cohortes
Los principales objetivos de los estudios de cohortes son:
• Estimar la incidencia de la enfermedad/es en los individuos expuestos

y no expuestos al FR De aquí otro de los nombre, con los que se desig-
nan a este tipo de estudios es el de estudios de incidencia.
• Estimar cuántas veces más de riesgo tienen los expuestos de padecer la

enfermedad en relación a los no expuestos.
• Descubrir si existe relación entre dosis y respuesta.
• Estimar el número de casos de enfermedad que podamos atribuir al FR
Los estudios de cohortes no son eficientes para estudiar la re-

lación entre un FR y una enfermedad que tenga una incidencia muy baja,
ya que esto implicaría seguir a un número muy elevado de sujetos duran-
te un período de tiempo prolongado.
En los estudios de cohortes los grupos no tienen por que for-

marse en función de la exposición de los sujetos al inicio del estudio. Las
cohortes pueden formarse en un momento anterior al inicio del estudio y
EPIDEMIOLOGÍA 40
se realiza el seguimiento hacia delante en el tiempo para valorar el efecto.

Este tipo de estudios, podrían llamarese estudios de cohortes “desde
atrás” (que tambien se llaman estudios de cohortes históricas) en contraste
a los más comunes que serían “hacia delante”.
6.1.1. Fundamentos de los estudios de cohortes
6.1.1.1. La asignación
Se ha de comprobar antes de entrar en el estudio, que los suje-

tos están libres de la enfermedad objeto de estudio. Cuando la exposición
es muy frecuente el estudio de cohortes se puede realizar en un área geo-
gráfica definida, como en el estudio de Framingham. Sin embargo, cuando
la exposición es rara, es más eficiente en un grupo de expuestos y se com-
para con una muestra de los no expuestos. Otra medida para mejorar la
eficiencia es estudiar a sujetos que por su ocupación o localización facili-
ten el seguimiento: Médicos, militares,...
El grupo de no expuestos, han de carecer por completo de ex-

posición para garantizar que no existe una infravaloración del efecto aun-
que no siempre esto no es posible. Por ejemplo, en la actualidad práctica-
mente no existen no fumadores estrictos ya que los no fumadores son fu-
madores pasivos.
Los individuos expuestos no deben de entrar en el estudio

hasta que se halla producido la exposición. Sin embargo, no es necesario
que la observación comience inmediatamente después de la exposición. Es
más eficiente realizar una estimación del período de latencia y de induc-
ción de la enfermedad cuando éstos son desconocidos. Posteriormente en
el análisis se asumirán distintos períodos de inducción y de latencia. El
efecto medido será máximo cuando se realice el análisis para la estimación
correcta.
La elección de la cohorte de no expuestos se basaba en que

ésta debe ser lo más comparable posible a la cohorte de expuestos en las
variables que se consideran pronósticas de la enfermedad, con excepción
del factor de riesgo. Así, si se toman como expuestos a Médicos fumado-
res el grupo de no expuestos estará formado por médicos no fumadores.
Con el fin de mejorar la eficiencia del estudio, existen estudios

de cohortes en los que no hay un grupo de no expuestos si no que para
calcular las medidas de efecto se utilizan datos de la incidencia en la po-
blación general. Este enfoque presenta limitaciones importantes: (1) no se
conoce la proporción de exposición entre la población general; (2) no co-
EPIDEMIOLOGÍA 41
nocemos si existen enfermos al inicio del estudio; (3) la población general

puede diferenciarse de forma importante de la población expuesta en
edad, sexo, nivel socio-cultural, etc. (4) No conocemos los valores de las
variables de confusión y de las modificaciones de efecto en la población
general.
La medida de la exposición se debe de realizar por el mismo

método en los dos grupos (cuestionario, historia clínica, analítica). Es con-
veniente clasificar a los expuestos según su nivel de exposición para com-
probar la relación dosis-respuesta.
6.1.1.2. Seguimiento y diagnóstico
La etapa del seguimiento implican problemas logísticos que

son responsables de su elevado coste. El problema central se encuentra en
el seguimiento de un elevado número de personas durante el tiempo ne-
cesario. Este seguimiento implica un contacto periódico con todos los par-
ticipantes en el estudio para establecer cambios en la exposición y para
diagnosticar las enfermedades.
Cuando el período de seguimiento es largo, resulta fácil per-

der la pista de un número elevado de sujetos. Así, los resultados de estu-
dios con niveles de pérdidas superiores al 20% se deben interpretar con
cautela. Sin embargo, son admisibles una mayor proporción de pérdidas
siempre que se compruebe que las bajas no están relacionadas, directa o
indirectamente, con la exposición.
Un requisito fundamental es que el seguimiento médico ha de

ser idéntico en ambos grupos, tanto en pauta de visitas como en explora-
ciones para evitar el mayor seguimiento en el grupo de expuestos y, por
tanto, una mayor probabilidad de detectar la enfermedad.
Cuando se afirma que un estudio de cohortes es, en realidad,

un ensayo clínico sin distribución al azar, implícitamente se está afirman-
do la necesidad de recurrir al enmascaramiento en los estudios de cohor-
tes, tanto en el seguimiento como en el diagnóstico. La subjetividad del
encargado del seguimiento del diagnóstico puede estar influido por el
conocimiento de la exposición; mediante enmascaramiento, en el que el
facultativo desconoce la exposición, evitamos la influencia de este sesgo
en el seguimiento y en el diagnóstico. Esta subjetividad es debida a un
principio fundamental de la psicología humana: el de que las personas,
investigadores incluidos, ven aquello que quieren o esperan ver.
El tiempo de seguimiento ha de ser lo suficiente para que apa-

rezca la enfermedad. En los estudios de seguimiento la estimación del
tamaño de la muestra se realiza en persona-año, pudiéndose compensar
EPIDEMIOLOGÍA 42
un período de seguimiento más corto con el seguimiento de un mayor

número de personas. Sin embargo, el período de seguimiento ha de ser lo
suficientemente largo como para que aparezca el efecto.
El intervalo entre las distintas visitas del seguimiento estarán

en función de la enfermedad y debe ser lo suficientemente largo en el
tiempo como para que aparezca el efecto. Además, períodos de tiempo
demasiado largos o demasiado cortos entre visitas puede producir falta de
interés o cansancio entre los participantes.
En cuanto a la valoración del efecto, esta debe cumplir :
• La medida del desenlace debe reflejar el verdadero valor del efecto.
• La medida del diagnóstico debe ser exacta; esto es, si es posible debe
ser diagnosticado mediante el "diagnóstico de referencia" que es capaz
de diagnosticar inequívocamente una enfermedad. El diagnóstico de
referencia puede ser una biopsia, una necropsia, un angiograma, etc.
Son, en general, pruebas costosas e invasivas; por ello, se utiliza una
prueba más sencilla y menos costosa para diagnosticar la enfermedad.
En este caso, la sensibilidad y fiabilidad de la prueba no son del 100%,
por ello el calculo del RR y RA debe ser corregido en función de la va-
lidez del test diagnóstico.
• La medida del efecto debe ser la misma para expuestos y para no ex-
puestos, para evitar que exista un sesgo debido a los errores de dia-
gnóstico.
6.1.2. Análisis e interpretación de los resultados
6.1.2.1. Riesgo Relativo o Razón de Riesgos
Tiene la misma interpretación que en los estudios experimen-

tales (véase página ¡Error! Marcador no definido.). Mide la magnitud de
la asociación entre exposición y efecto, e indica cuantas veces más de ries-
go de padecer la enfermedad tienen los expuestos en relación a los no ex-
puestos. Se calcula a través de la razón entre la incidencia en el grupo ex-
puesto y la del grupo no expuesto.
Ie
RR =
Ie
Si consideramos a la incidencia como el riesgo absoluto de un ex-
puesto o de un no expuesto a desarrollar la enfermedad, el RR es una ra-
zón de riesgos:
EPIDEMIOLOGÍA 43
Re
RR =
Re
Cuando se aplica a las cerdas de la tabla de 2 x 2 (véase la ), la
expresión del RR es:
a
Ie Re a+b
RR = = =
Ie Re c
c+d
El RR no tiene unidades y puede tomar valores entre 0 y +

infinito. Cuando RR =1 indica que Ie = Ie , o lo que es lo mismo, la exposi-
ción no influye sobre la incidencia de la enfermedad. Cuando RR>1 indica
que el Ie > Ie lo que implica que la exposición está asociada con una ma-
yor frecuencia de la enfermedad; esta exposición es, por tanto, un factor
de riesgo.
Si RR<1 indica que Ie < Ie lo que implica que la exposición está

asociada a una disminución de la frecuencia de la enfermedad. Esta expo-
sición es un factor protector de la enfermedad.
6.1.2.2. Riesgo Atribuible (RA).
Sin embargo, la información que facilita el RR es incompleta

ya que cuando se compara incidencias del 80% y 40% se obtiene un RR
igual al del 20% y 10% (ver Ilustración 7). Como se puede observar en la
figura, aunque la exposición A y la B presentan el mismo RR, desde el
punto de vista de la Salud Pública es claro que una exposición es más
prioritaria que otra a la hora de realizar intervenciones preventivas.
Incidencia Incidencia
Acumulada Acumulada
1 1
Exposicion A Exposicion B
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
Expuestos No expuestos Expuestos No expuestos
Ilustración 7: Riesgo Relativo y Riesgo Atribuible

EPIDEMIOLOGÍA 44
Dadas estas limitaciones del RR se hace necesaria una medida de

efecto que tenga en cuenta los valores de la incidencia. Esta medida de
efecto es el RA. El RA indica incidencia entre los expuestos que se puede
atribuir al factor de riesgo.
El RA es el exceso de incidencia o de riesgo en los individuos

expuestos en relación a los no expuestos. Desde el punto de vista matemá-
tico:
RA = Ie − Ie
El RA es la disminución de la incidencia entre los expuestos que se
observaría si desapareciese el FR, ya que si desaparece el FR (la exposi-
ción) lo expuestos se comportarían igual que los no expuestos. En la
Ilustración 7 el RA está representado por la diferencia de alturas entre las
incidencias. Como puede verse en dichas ilustración, el RA no depende
únicamente del RR si no que también depende de la incidencia de la en-
fermedad. Para enfermedades poco incidentes, aún con RR alto, el RA
será más bajo que en enfermedades más frecuentes y RR bajos.
Por ello, desde el punto de vista de la administración y gestión

sanitaria es más importante el RA que el RR. ya que el RA nos indica
cuantos casos de enfermedad podemos evitar si instauramos un programa
para la reducción de la exposición.
Las unidades del RA son unidades de incidencia, bien inci-

dencia acumulada o tasas de incidencia.
6.1.2.3. Fracción Etiológica de Riesgo
Es la proporción de casos entre los expuestos que puede ser

atribuible a la exposición. Al ser una proporción carece de unidades.
Desde el punto de vista gráfico (ver Ilustración 7), la FER re-

presenta la proporción de la incidencia en los expuestos que es atribuible
al FR. Es el porcentaje del área de la columna de la incidencia de los ex-
puestos que representa la diferencia de incidencias.
Ie − Ie RA Ie Ie 1
FER = = = − =1−
Ie Ie Ie Ie RR
EPIDEMIOLOGÍA 45
6.1.2.4. Riesgo Atribuible vs Fracción Etiológica de Riesgo.
En la Ilustración 8 se representa al resultado del seguimiento

de dos cohortes (una de expuestos y otra de no expuestos). Al final del
seguimiento, en la cohorte de expuestos el 80% (=A+B) desarrollaron la
enfermedad objeto de estudio, mientras que en la cohorte de no expuestos
la desarrollaron el 30% (=D).
100
80
60
40
20
0
Expuestos No expuestos
Ilustración 8: Riesgo Atribuible vs Fracción Etiológica de Riesgo
Si tenemos en cuenta que la incidencia en los expuestos sería

la misma que en los no expuestos si no existiese la exposición, es fácil cal-
cular el número de sujetos en la cohorte de expuestos, a los que la enfer-
medad se puede atribuir a la exposición: sería (A+B)  C, como A=D
(A+B)  C = B, (en términos numéricos: 80%  30% = 50%). Ese 50% es el
RA, y se calcula a través de la resta de la incidencia en expuestos con la
incidencia en no expuestos.
Si quisiésemos calcular la proporción de la incidencia (no de

los sujetos) que se podría evitar si eliminásemos el factor de riesgo, ten-
dríamos que dividir el valor calculado anteriormente (B=50%) entre la
incidencia en lo expuestos (A+B=80%). Esta división daría B/(B+A)=0.625.
EPIDEMIOLOGÍA 46
6.2. ESTUDIOS DE CASOS Y CONTROLES.
En los estudios de casos y de controles se compara la exposi-

ción de un grupo de personas enfermas (casos) con la exposición en un
grupo de personas sanas (controles). De esta forma, el criterio para selec-
cionar la población estudio es la presencia o la ausencia de la enfermedad,
y no la exposición como en los estudios de cohortes.
En los estudios de CC se parte del efecto y se va hacia atrás en

la línea del tiempo, en la búsqueda de la presencia o ausencia de una o
varias exposiciones sospechosas. Por tanto, la secuencia temporal del es-
tudio es la inversa a la secuencia natural de la enfermedad:
Exposición (causa) → Enfermedad (efecto)
de ahí que algunos autores denominen a estos estudios como estudios

retrospectivos.
Estos estudios intentan responden la pregunta: "¿Cuales son los

factores que han causado este evento?". Por tanto, son capaces de evaluar
toda la gama de exposiciones sospechosas de estar relacionada con la en-
fermedad.
Casos Controles
(Enfermos) (sanos)
EXP a b
c
SECUENCIA DE ESTUDIO
d
a+
b+
NO EXP c d
Efecto
PROCESO:
Presente Ausente
1. Selecionar un grupo de casos
Exposicion
Presente
a b 2.
(enfermos)
Seleccionar un grupo de controles
(sanos)
3. Se valora en ambos grupos la
Ausente c d exposicion en un momento anterior
en el tiempo: se clasifican (tanto los
casos como los controles) en
a+b c+d expuestos y no expuestos
Ilustración 9: Diseño de casos y controles.
Se puede considerar a un estudio de casos y de controles como

un estudio de cohortes, en los que los casos son los enfermos que aparece-
rían después de un período de seguimiento, mientras que los controles es
una muestra de los que no desarrollaron la enfermedad (ver Ilustración 9).
Por ello, una de las claves de los estudios de CC es que el "muestreo" (tan-
EPIDEMIOLOGÍA 47
to en los casos como en los controles) debe ser independiente de la exposi-

ción.
Generalmente se recogen todos los casos que se producen en

un período de tiempo, pero si no es así, los controles han de provenir de la
misma población hipotética de la que surgen los casos. O dicho de otra
forma, los controles han de ser seleccionados entre los que, de haber des-
arrollado la enfermedad, serían considerados como casos.
6.2.1. Fundamentos de los estudios de casos y controles.
6.2.1.1. Selección de casos y de controles.
Los criterios diagnósticos de la enfermedad deben de definirse

de forma precisa, con criterios diagnósticos claros y, a poder ser, con el
diagnóstico de referencia, ya que de lo contrario estaremos clasificando
como casos a sanos y como controles a enfermos, pues la sensibilidad y
especificidad de la prueba de diagnostica no será nunca del 100%. Esta
mala clasificación, se realiza de manera no diferencial entre casos y con-
troles, por lo que, en realidad, no se trata de un sesgo (error sistemático),
sino que se trata de un error aleatorio que conduce hacia la hipótesis nula:
no existe relación entre la exposición y el efecto.
Los casos no tienen por que ser un muestra representativa de

los enfermos; se puede restringir a casos varones, casos de una determi-
nada población, etc. Por tanto, los controles tampoco necesitan ser repre-
sentativos estadísticamente de la población sana, sólo es necesario que los
controles han de ser seleccionados entre los que, de haber desarrollado la
enfermedad, serían considerados como casos.
De esta forma, la fuente de los casos condiciona la procedencia

de los controles: cuando los casos son todos los diagnosticados en una
comunidad o una muestra de éstos, los controles deben de ser una mues-
tra de los sujetos sanos (respecto a la enfermedad de interés) de esa co-
munidad. Si los casos son los sujetos diagnosticados en uno o varios hos-
pitales, los controles pueden estar formados, o bien por una muestra de la
población de la zona de cobertura de ese hospital (ya que si enfermaran
irían a ese hospital), o por sujetos hospitalizados de otras enfermedades
no relacionadas con la de interés. Existe un tercera fuente de controles:
controles referidos por los casos (p. ej. familiares). Este tipo de controles
son, en realidad, una forma de emparejar por determinadas variables co-
mo hábitos dietéticos, estatus socioeconómico, raza, etc. El análisis bruto
no es adecuado para este tipo de abordaje, y se ha de realizar el análisis
mediante análisis estratificado o multivariante controlando por los facto-
res de apareamiento, p. ej. mediante regresión logística condicional.
EPIDEMIOLOGÍA 48
La procedencia hospitalaria de los controles garantiza un me-

nor sesgo de memoria, una mayor participación y menores costes; sin em-
bargo, nunca estaremos seguros que la afección de los controles no está
relacionada, positiva o negativamente, con la exposición. La procedencia
comunitaria de los controles presenta la ventaja de que no estarán relacio-
nados con la exposición, pero tiene los inconvenientes de un mayor coste,
de un porcentaje de participación más pequeño que puede invalidar los
resultados del estudio.
Por ello, puede ser de utilidad seleccionar dos grupos contro-

les: uno hospitalario y otro comunitario para comparar el nivel de exposi-
ción en los dos grupos. Sin embargo, algunos autores no son partidarios
de la utilización generalizada de este método, ya que los investigadores
tendrán más confianza en uno de los grupos y, además, los resultados
pueden ser distintos según el grupo control con el que se compare, te-
niendo los investigadores tomar la decisión de elegir el grupo de referen-
cia con menos sesgo. Según estos autores, esta decisión ya podría tomarse
antes de iniciar el estudio.
La representatividad de los controles no ha de ser estrictamen-

te estadística, sólo es necesario que los controles no estén relacionados,
positivamente o negativamente, con la exposición y que se les aplique los
mismos criterios de inclusión y de exclusión. Si en un estudio de casos y
de controles que estudia el riesgo de hemorragia gastrointestinal asocia-
dos al consumo de Antiinflamatorios no Esteroideos (AINES), no se pue-
den seleccionar como controles a pacientes que acuden a una consulta de
reumatología, ya que estos sujetos estarán relacionados positivamente con
la exposición debido a su enfermedad, o en un estudio sobre Anticoncep-
tivos Orales (ACO) se han de excluir a las diabéticas al estar contraindica-
do.
Otro punto a tener en cuenta a la hora de establecer los crite-

rios de inclusión de los casos y de los controles es el de "oportunidad de
exposición". Mediante los criterios de exclusión no se debe de dar la opor-
tunidad de entrar a formar parte en el estudio a personas que no han po-
dido estar expuestas al factor de riesgo de interés. De esta forma, en un
estudio de CC para estudiar la relación entre infarto agudo de miocardio
(IAM) y consumo de ACO debemos de excluir, tanto en los casos como en
los controles, a los sujetos del sexo masculino, ya que es poco probable su
exposición a los ACO.
Cuando un sujeto seleccionado como control (sano) desarrolla

la enfermedad durante el período de estudio, no se debe de incluir en el
estudio como control, sino que en puridad se incluirá en el estudio a la
vez como caso y como control, ya que cada caso debe ser elegible control
EPIDEMIOLOGÍA 49
hasta que desarrollo la enfermedad y cada control debe ser elegible como
caso si desarrolla la enfermedad.
Tradicionalmente, a la hora de seleccionar controles se impo-

nían criterios de restricción para que los controles fuesen lo más parecidos
posibles a los casos en todos los factores pronósticos de la enfermedad
menos en el FR de interés. Sin embargo, en la actualidad y debido a los
progresos del análisis estratificado y multivariante, no es necesario ni
conveniente este enfoque ya que puede conducir a un sobreeparejamiento.
Sólo es necesario recoger como variables todos los factores conocidos o
sospechosos que puedan estar relacionados con la exposición y con la en-
fermedad. Posteriormente mediante el análisis se podrá controlar o ajustar
por la influencia de todas estas variables.
6.2.1.2. Valoración de la exposición.
La fuente de la que obtendremos información sobre la exposi-

ción (cuestionario, registros [historia clínica], examen físico) debe ser el
mismo para los casos y para los controles.
Los estudios de casos y controles, por definición son estudios

longitudinales, lo que implica que ha de existir una secuencia temporal
entre la exposición y el efecto. Por ello, aunque la medida de la exposición
se realice en el momento o posteriormente al diagnóstico de la enferme-
dad, esta medida ha de realizase retrospectivamente: se ha de preguntar
sobre la exposición en un momento cronológico anterior al diagnostico y
por tanto, anterior al momento de la entrevista.
Si se realiza un estudio sobre cáncer de pulmón y hábito tabá-

quico, tanto a los casos como a los controles se le preguntará sobre la ex-
posición anterior a una estimación de la suma de período de inducción y
de latencia. No tendrá el hábito tabáquico actual, sino el de hace 15 ó 20
años.
El período de inducción para una misma enfermedad varía en

función de la exposición y de la dosis de esta. El período de latencia de-
penderá del nivel cultural del enfermo, de la accesibilidad del sistema
sanitario para el enfermo, de la calidad de sistema sanitario, etc. El perío-
do de latencia se puede obviar estableciendo el día índice, que es día en el
que aparecieron los primeros signos o síntomas de la enfermedad. En el
caso de un estudio de CC AINES y HGD el día índice se establecía el día
de la aparición de sangre en heces, vómitos en poso de café, etc.
La información acerca de la exposición se recabará en un pe-

ríodo de tiempo anterior a la enfermedad denominado "ventana etiológi-
ca". Este período de tiempo ha de ser anterior al día índice para garantizar
EPIDEMIOLOGÍA 50
que la enfermedad no influyó como inductor de la exposición. Así, en un

estudio sobre AINES y HGI, las molestias y dolores de la HGI podían ha-
ber inducido a consumir AINES. Con el establecimiento del día índice y
de la ventana etiológica, eliminamos este posible sesgo.
Cuando el período de inducción es desconocido, es útil pre-

guntar sobre la exposición en un período de tiempo amplio. Luego en el
momento del análisis se pueden calcular los OR para distintos períodos de
inducción. Cuando el período de inducción se corresponda con la reali-
dad, el efecto (OR) será máximo. En el estudio de AINES y HGI se pre-
guntó por la exposición anterior en 28 días anteriores al día índice, y luego
se estimó la ventana etiológica en los días 1 al 8 anterior al día índice ya
que en este período el efecto (OR) será máximo.
También es interesante medir la dosis de la exposición para

analizar la posible relación dosis-respuesta. Una relación de este tipo pue-
de apoya un mayor grado de firmeza causal en las conclusiones.
En la medida de la exposición en muy pocos casos se puede

recurrir a un método que sea exacto. Por ello, se ha de valorar, en lo posi-
ble la validez y la precisión del método de recogida de datos.
6.2.1.3. Medida de la exposición.
Una de las principales limitaciones de los estudios de CC se

encuentra en el sesgo de memoria. Éste surge cuando se preguntan por
exposiciones en ventanas etiológicas muy alejadas del momento del diag-
nostico de la enfermedad, en enfermedades graves (cáncer) o que supone
un grave trauma psicológico (malformaciones congénitas). En estas dos
últimas circunstancias los casos realizan un esfuerzo mucho mayor que
los controles sanos para por recordar las exposiciones. Además, la presen-
cia o magnitud del sesgo, para una misma enfermedad, varía en función
de las exposiciones, de manera que no es predicible antes de empezar el
estudio.
Este sesgo se produce fundamentalmente por la condición de

sanos de los controles. Por ello, una forma de evitar este sesgo es seleccio-
nar como controles a personas sanas con respecto a la enfermedad de inte-
rés, pero que sean enfermos de otras patologías y, a ser posible, con el
mismo grado de gravedad. Si estamos interesados en el estudio de los FR
de un determinado cáncer, podremos tomar como controles enfermos de
otro cáncer. Sin embargo, este tipo de abordaje siempre presenta el incon-
veniente de que la enfermedad de los controles puede estar relacionada,
positiva o negativamente, con la exposición de interés, con lo que podre-
mos introducir un nuevo sesgo.
EPIDEMIOLOGÍA 51
Otro de los aspectos a tener en cuenta a la hora de valorar la

exposición es la subjetividad del entrevistador. Si un investigador (o gru-
po de investigadores) destina recursos, tiempo y esfuerzo a al realización
de un estudio, es para obtener resultados positivos: o sea, existe relación
entre el FR y la enfermedad. Por ello, el investigador a la hora de entrevis-
tar sobre la exposición a los casos posiblemente lo haga con más insisten-
cia que a los controles, aunque sea de forma inconsciente. Para evitar este
sesgo, es útil que el entrevistador sea ciego respecto a la pertenencia del
sujeto que entrevista al grupo de casos o de controles.
6.2.1.4. Casos incidentes, casos prevalentes.
El utilizar casos prevalentes en vez de incidentes permite, en

la mayoría de los casos, acortar el período de estudio. Cuando la exposi-
ción no afecta a la duración de la enfermedad, entonces el utilizar casos
prevalentes en vez de incidentes dará odds ratio que será una buena esti-
mación de la razón de tasas de incidencias.
Sin embargo, los casos prevalentes están formados por los

sobrevivientes de los casos incidentes y de los que todavía no curaron. Por
ello, cuando la exposición de interés afecta a la duración de la enfermedad
ya sea acertándola o alargándola, o afecta a la sobrevivencia o a la cura-
ción, el efecto observado mediante el odds ratio se compondrá, en realidad,
de la suma de dos efectos: (1) el efecto de la exposición sobre la aparición
de la enfermedad, y (2) el efecto de la exposición sobre la duración y/o
sobrevivencia/curación de la enfermedad.
En definitiva es preferible, siempre que sea posible, utilizar

como casos enfermos nuevos (incidentes) en vez de prevalentes.
Una posible medida para mejorar el diseño de los CC con ca-

sos prevalentes es el de comparar el OR de los casos prevalentes con los
incidentes que aparezcan durante el estudio.
EPIDEMIOLOGÍA 52
6.2.2. Análisis e interpretación de los resultados.
6.2.2.1. Odds ratio.
Para calcular la magnitud de la asociación causal en los estu-

dios de casos y controles no podemos recurrir a la RR como en los estu-
dios de cohortes, ya que no tenemos datos de incidencia. Únicamente es
posible calcular la incidencias en expuestos y en no expuestos, y por tanto
el RR, cuando los casos son todos los producidos en esa población, y los
controles son una muestra de representativa de esa población. Sin embar-
go, esta es una rara excepción y, por tanto y en general, no es posible el
cálculo del RR y del RA como en los estudios de cohortes.
Esta limitación de los estudios de CC es subsanable: se puede

utilizar otra medida de efecto que está considerada como una buena esti-
mación del RR: el OR o odds ratio o razón de odds.
Para una correcta valoración de esta medida de efecto, puede

ser importante una correcta interpretación del concepto de odds. Por odds
se entiende la razón entre el número de eventos favorables dividido entre
el número de eventos no favorables. Así, el odds de sacar un cuatro al
tirar un dado es de un caso favorable entre 5 no favorables (1/5). Relacio-
nándolo con la probabilidad, el odds es un concepto análogo, pero la pro-
babilidad, en vez de tener como denominador los eventos no favorables
tiene los eventos posibles. En términos probabilísticos la probabilidad de
sacar un cuatro al tirar un dado es 1/6.
Cuando el número de eventos favorables es pequeño en rela-

ción al número de posibles, el valor de odds se aproxima bastante al de la
probabilidad. Así, el odds de sacar un "as de copas" de una baraja españo-
la es de 1/39 (=0.0256), mientras que en términos de probabilidad sería
1/40 (0.0250). De esta forma se puede considerar al odds como una buena
estimación de la probabilidad, cuando el número de eventos favorables es
pequeño en relación al número de posibles. Además, también se puede
decir que el odds es una sobreestimación de la probabilidad, y que esta
sobreestimación será mayor cuanto mayor es el número de eventos favo-
rables en relación al de posibles.
El odds ratio en los estudios CC no es más que la razón entre el

Odds de la exposición entre los casos (a/c) y el odds de la exposición en el
grupo control (b/d). Así pues el OR refleja la probabilidad (en puridad el
odds) de que los casos estén expuestos al factor de estudio comparada con
la probabilidad de que lo estén los controles.
EPIDEMIOLOGÍA 53
Anteriormente hemos relacionado el Odds con la probabili-

dad. De la misma forma podemos relacionar el OR con el RR. El RR o ra-
zón de riesgos, como indica su nombre no es más que una razón de ries-
gos. Pero, un riesgo no es más que la probabilidad de que ocurra algo ne-
gativo; por tanto, el RR es probabilidad de enfermar de los expuestos en
relación de la probabilidad de enfermar de los no expuestos.
Como en la mayoría de las enfermedades, la proporción de

enfermar es baja, o dicho de otra forma: "a" será muy pequeño en relación
a "a+b", y "c" será muy pequeño en relación a "c+d".
Si a << b y c << d, la expresión del RR se puede trasformar a:
a a a
Ie a+b b c
RR = = ≈ = = OR
Ie c c b
c+d d d
Por tanto, el OR es una buena estimación del RR cuando la

incidencia de la enfermedad es baja. Pero además, en los últimos años,
distintos autores (Miettinen y Rothman) han demostrado que no es nece-
sario que la enfermedad sea rara para que el OR sea un buen estimador
del RR, siempre y cuando este RR se calcule a través de tasas de inciden-
cia; no mediante incidencia acumulada.
Además, el OR tiene la ventaja sobre el RR de que su resultado

es independiente de si se expresa en términos de riesgo de padecer la en-
fermedad o de la probabilidad de permanecer sano. Esta es una cualidad
muy deseable en una medida de asociación. Por ello, algunos autores re-
comiendan su empleo también en los estudios de cohortes, junto con el
RR.
En general, en los estudios de CC no es posible determinar el

RA. Únicamente es posible cuando se puede calcular la incidencia: cuando
los casos son todos los producidos en esa población y los controles son
una muestra de representativa de esa población, conociendo la fracción de
muestreo. Sin embargo, si es posible conocer la Fracción Etiológica de
Riesgo (FER):
Ie − Ie Ie Ie 1 1
FER = = − = 1− ≈ 1−
Ie Ie Ie RR OR
También es de interés conocer la FER para toda la población.

Para ello necesitamos conocer la proporción de los casos que están ex-
puestos al hipotético factor de riesgo (a/a+c).
EPIDEMIOLOGÍA 54
6.2.2.2. Interpretación de los resultados.
Por lo discutido anteriormente, la interpretación de los resul-

tados del OR es igual al del RR al ser una buena estimación del RR. Así,
cuando es igual a 1, indica que no existe asociación entre la exposición y la
enfermedad, al no haber diferencia entre la probabilidad de enfermar en-
tre los expuestos y los no expuestos. Si el OR es mayor de 1 indica que la
exposición es un FR de la enfermedad; y, si por el contrario, es menor que
la unidad indica que la exposición es un factor protector de la enferme-
dad. La FER tiene una interpretación análoga a la del FER de los estudios
de cohortes.
6.2.2.3. La precisión de la asociación.
Las cifras obtenidas del calculo del OR son una estimaciones

puntuales que son únicamente aplicables al conjunto de sujetos estudia-
dos: si el valor del OR es de 3, podemos decir que la exposición aumenta
en tres veces el riesgo de enfermar en los sujetos estudiados. Pero, ¿Cúan-
tas veces aumenta esa exposición el riesgo de padecer la enfermedad en
cualquier sujeto no perteneciente a la muestra estudiada?.
En un estudio de CC se estudian un número determinado de

casos y de controles, y estos sujetos desde el punto de vista estadístico son
una muestra de una población general hipotética e infinita, que se puede
hacer equivalente a la población humana. El objetivo del epidemiólogo no
es únicamente establecer asociaciones causales en los sujetos de estudio,
sino que su objetivo fundamental es generalizar los resultados a esa po-
blación hipotética; pero en el proceso de selección de la muestra (que
además no tiene que ser representativa desde el punto de vista estadístico)
existe un error muestral.
Si extraemos varias muestras de una misma población, es poco

probable que un estadístico, p. ej. OR, coincida en todas ellas. Esta varia-
ción en el valor del OR se debe al error de muestreo. Tradicionalmente si
un OR toma un determinado valor distinto de 1 se le añadía sistemática-
mente un valor de la "p", que indicaba que probabilidades había de que,
no existiendo relación entre FR y la enfermedad en la población de donde
partían los sujetos (OR=1), el error muestral sea el responsable de la rela-
ción observada (OR 1) en la muestra. Este error muestral puede explicar
en parte que, en distintos estudios, una medida de efecto que relaciona un
mismo FR con una misma enfermedad (tabaco y cáncer de pulmón) de
distintos valores de OR.
EPIDEMIOLOGÍA 55
A menudo la "p" se interpreta como una forma de medir el

error muestral, pero se considera inapropiada, y ha sido sustituida por los
intervalos de confianza: p. ej.: OR=3 (1,5 - 4,7). Este intervalo de confianza
representa los valores entre los que, con una confianza del 95%, se encuen-
tra el valor verdadero del OR en la población. Así en el ejemplo el OR en
la muestra es de 3 y los valores de este OR en la población se encontraran
con un 95% de seguridad entre los valores 1,5 y 4,7. Esta forma de dar los
resultados nos aporta mucha más información, ya que por un lado nos da
idea de la precisión del calculo del OR: si el IC es muy amplio, p. ej. 2.1 -
232.2 nos indicará que ese OR es muy poco preciso. Además nos da in-
formación sobre la significación estadística: si el IC no incluye el 1 se pue-
de decir que el OR es significativo. Si por el contrario incluye la unidad, p.
ej. 3 (0,85 - 5.6) indica que existe una probabilidad igual o menor al 95% de
que en la población no exista efecto (OR=1) o que el sentido del efecto sea
observado en la población sea el contrario al observado en la muestra: en
este caso los valores que van del 0.85 al 1.
Existen múltiples fórmulas para el cálculo de estos intervalos

de confianza, ninguna de ellas exacta. En la actualidad estos IC se calculan
mediante paquetes estadísticos que realizan un cálculo iterativo en el que
el output entra de nuevo como input en un proceso cíclico hasta que ambos
no difieran más de una cantidad prefijada.
EPIDEMIOLOGÍA 56
6.3. ESTUDIOS TRANSVERSALES.
Los estudios transversales estudian la relación entre una serie

de variables en una población (o en una muestra) determinada y la pre-
sencia de una determinada característica (p. ej. una enfermedad, un hábi-
to, unas actitudes, etc.). La peculiaridad más importante de este tipo de
estudios, y que sirve para diferenciarlos de otros tipos de diseños (como
los E. de cohortes o los de CC) es que todas las variables se valoran simul-
táneamete o en corto periodo de tiempo.
El hecho de que se midan simultáneamente todas las variables da

lugar a su nombre, ya que se realiza un corte transversal en el tiempo y
valoramos todas las variables conjuntamente. A diferencia de los estudios
de cohortes y de CC, en los que existe secuencia temporal entre la exposi-
ción y el efecto, en los estudios transversales esta no existe.
Por tanto, no existe secuencia temporal entre la exposición y el

efecto, lo que dificulta el establecimiento de relaciones causales. Así si
queremos analizar la relación entre el consumo de analgésicos y el riesgo
de trastornos renales, y elaboramos un estudio transversal mediremos
simultáneamente el consumo de analgésicos y la presencia de trastornos
renales (TR). Si observamos una relación entre consumo de analgésicos y
TR, esta relación se puede deber a que los analgésicos aumenten el riesgo
de TR o a que las personas al padecer TR, debido al dolor, consuman más
analgésicos.
6.3.1. Utilización de los estudios transversales
Los estudios transversales, a pesar de esta importante limita-

ción son muy frecuentes en la bibliografía ya que:
• Pueden ser muy útiles como primera aproximación a un problema de

salud, que posteriormente se a analizará con mas profundidad con un
diseño longitudinal.
• También son utilizados cuando la variable de exposición es constante

en el tiempo (grupo sanguíneo, sexo, fecha de nacimiento, raza, carac-
terísticas genéticas, antecedentes familiares de una enfermedad) ya que
con este tipo de variables da igual una medida simultánea con la varia-
ble de efecto que una medida con secuencia temporal ya que son cons-
tantes para un individuo.
EPIDEMIOLOGÍA 57
• Para realizar estudios meramente descriptivos: proporción de sujetos

que presentan una determinada característica en un momento dado (p.
ej. proporción de vacunados contra hepatitis B, proporción de fumado-
res, proporción de personal sanitario que utiliza guantes al extraer
muestras de sangre…).
6.3.2. Medidas de frecuencia y de efecto.
En los estudios transversales, por su naturaleza, no es posible

estimar la frecuencia de la aparición de una enfermedad (u otro fenómeno
de interés) a través de la incidencia. La única medida de frecuencia que se
puede utilizar es la prevalencia (ver página 22). Por ello, a los estudios
transversales también se les denomina estudios de prevalencia.
Para medir el efecto de una determinada variable de exposi-

ción que sea estable en el tiempo sobre la prevalencia de un determinado
fenómeno deberemos de comparar la prevalencia en los expuestos con la
prevalencia en los no expuestos mediante la razón de prevalencias (RP), o
mediante la diferencia estas (DP):
Pe
RP = DP = Pe − Pe
Pe
Cuando la prevalencia del fenómeno objeto de estudio es baja,

el odds ratio de prevalencia (ORP) es una buena estimación de la RP, por el
mismo motivo que el OR es una buena estimación del RR cuando la inci-
dencia de la enfermedad es baja.
EPIDEMIOLOGÍA 58
7. ANEXOS
7.1. FORMULAS DE LOS INTERVALOS DE CONFIANZA DE LAS

PRINCIPALES MEDIDAS DE EFECTO.
7.1.1. IC95% del RR calculada a partir de incidencias acumuladas:
IC 95% del RR = e ln( RR ) ±1.96⋅ EE del ln( RR )
donde el EE del RR es el Error Estándar del RR, que se calcula a partir del
número de efectivos de la tabla de contingencia de 2 x 2:
b d
EE del Ln( RR) = +
a ⋅ ( a + b) c ⋅ ( c + d )
7.1.2. IC95% del RR calculada a partir de Tasas de incidencia:
IC 95% del RR = e ln( RR ) ±1.96⋅ EE del ln( RR )
donde el EE del RR es el Error Estándar del RR, que se calcula a partir de

la siguiente ecuación
1 1
EE del Ln( RR) = +
A1 A0
Siendo A1 y A0 el número de casos de enfermedad entre los expuestos y

no expuestos respectivamente.
7.1.3. IC95% del OR:
IC 95% del OR = e ln( OR ) ±1.96⋅ EE del ln( OR )
donde el EE del OR es el Error Estándar del OR, que se calcula a partir del
número de efectivos de la tabla de contingencia de 2 x 2:
1 1 1 1
EE del Ln( OR ) = + + +
a b c d
MEDIDAS DE FRECUENCIA
Incidencia
Prevalencia Incidencia acumulada Tasas de Incidencia
Denominación • Prevalencia • Incidencia acumulada al final del periodo • Tasa de ataque
de estudio. • Riesgo individual (para un período y un
acontecimiento
Se utiliza fundamentalmente en • Transversales • Cohortes • Cohortes

estudios:
Definición • Proporción de sujetos que presentan una • Proporción de sujetos que desarrollan una • Nº de comienzos de enfermedad en la po-
determinada característica en un momento determinada enfermedad en un periodo blación, dividido por la suma de los
dado. dado de tiempo. períodos de tiempo en observación.
• Probabilidad de que un individuo desarrolle (personas-tiempo)
la enfermedad en el período determinado.
Formula • P = Nº sujetos enfermos en un momento • IA=nº Enf./total de expuestos o no • TI=Nº comienzos enf./ Suma de los
dado / Nº total de sujetos en ese momento expuestos períodos de tiempo de todos los individuos.
Tipo de cociente: • Proporción • Proporción • Tasa
Rango • 0 →1 • 0 →1 •0→ +∞
Unidades • Sin Unidades • Sin unidades (pero es necesario • Tiempo-1

especificarr el periodo de tiempo al que
hace referencia
© Adolfo Figueiras. 1993.
Area de Medicina Preventiva y Salud Pública (USC)
ESTUDIOS EXPERIMENTALES ESTUDIOS OBSERVCIONALES
ENSAYOS CLÍNICOS ESTUDIOS DE COHORTES CASOS-CONTROLES TRANSVERSALES

Grupo de Pacientes tratados (grupo de expuestos) que lo Sujetos expuestos al factor de riesgo Sujetos enfermos de la enfermedad No hay grupos de estudio defini-
estudio están por que participan en el estudio (EXP.) objeto de estudio (CASOS) dos como tales con anterioridad al
inicio del estudio.
Pacientes no tratados, tratados con fármaco de Sujetos no expuestos al factor de ries- Sujetos sanos respecto a la enferme-
Grupo de referencia o con placebo (grupo de no exp.) go (NO EXP.) dad objeto de estudio (puede es tar
Grupos comparación enfermo de otra enf. (CONTROLES)
Longitudinales vs Estudios longitudinales.
transversales La Exposición (factor de riesgo, tratamiento) y el efecto (enfermedad, eficacia) se mide en distintos momentos. Estudios transversales
- El investigador distribuye aleatoriamente los Partimos de un efecto y analizamos la
sujetos a estudio en los distintos grupos de Se parte de una exposición (presencia presencia-ausencia de los posibles fac-
tratamiento. Asignación al azar de las unida- ausencia del factor de riesgo) y se ana- tores de riesgo en un momento anterior Se miden simultáneamente la ex-
Diseño des a estudio a los grupos de comparación. liza su posibles efectos. al efecto. posición y el efecto.
- Se parte de la exposición (tratado vs no trata-
Asignación de los suje- do) y se analiza la eficacia-seguridad de la No hay grupos de estudio defini-
tos a los grupos de estu- exposición El investigador no asigna las exposiciones, sino que se limita a observar las dos como tales con anterioridad al
dio . exposiciones que han elegido las unidades de estudio. inicio.
Grado de firmeza de las
relaciones causales ++++++++++ +++++ ++++ +
- Permiten establecer con una elevada seguri- - Permiten establecer relaciones cau- - Permiten establecer relaciones causa- - Se pueden estudiar en un mismo
dad las relaciones causales entre la exposi- sales con una cierta seguridad. les con una cierta seguridad. estudio varios efectos y/o varios
ción y el efecto. - A partir de una exposición podemos - A partir de un efecto podemos estudiar exposiciones.
estudiar todos sus efectos todos las exposiciones relacionadas - Bajo coste económico.
con este.
Ventajas. - Buena relación coste-eficacia.
- Problemas éticos: no es ético que el inves- - Larga duración del estudio - No permite determinar todos los efec- - No útiles en enfermedades poco
tigador asigne a los sujetos exposiciones - Caros tos asociados a una causa frecuentes.
potencialmente peligrosas, con el único fin - Posibilidad de sesgo de memoria - Posibilidad de sesgo por inexis-
de comprobar su peligrosidad. tencia de secuencia temporal o
Limitaciones. - Caros por no respuestas.
Medidas de efecto - RR (riesgo relativo) - RR (riesgo relativo) - OR (odds ratio) que se puede conside- Razón de Prevalencia y POR
- RA - RA (Riesgo atribuible) rar como una estimación del RR (Odds ratio de prevalencia)
- FER - FER (Fracción etiológica de riesgo) - FER (Fracción etiológica de riesgo)
©Adolfo Figueiras. Área de Medicina Preventiva e Saúde Pública (USC)
MEDIDAS DE EFECTO EN EPIDEMIOLOGÍA Y SU INTERPRETACIÓN
RR OR RA FER
• Razón de Riesgos • Odds Ratio • Riesgo Atribuible • Facción etiológica de riesgo
• Riesgo Relativo • Razón de odds. • Diferencia de tasas • Fracción prevenida
• Razón de tasas de incidencias. • Razón de ventajas. • Diferencias de incidencias • Exceso de RR
Denominación
• Experimentales • Estudios de casos y controles • E. de cohortes • E. de cohortes
• Ensayos clínicos • Estudios transversales • Experimentales • E. de casos y controles. (asumiendo
Se utiliza funda- al OR como un estimación del RR)
mentalmente en • Ensayos comunitarios
estudios: • E. Cohortes • Experimentales
• Indica el número de veces más de • Indica que el nº de casos entre los • Es la incidencia o el riesgo de pade- Proporción de los casos potenciales
riesgo, que tienen los expuestos a expuestos es X veces mayor que cer el efecto asociado exclusiva- que pueden ser prevenida si se retira
padecer el efecto, en relación a los entre los controles. mente con la exposición. la exposición.
no expuestos. • También se puede interpretar como • Es la incidencia que se previene al
estimación del riego relativo cuando retirar el factor de riesgo
Definición se obtiene de datos incidentes.
RR = Ie/Ie− OR = a⋅d/b⋅c RA = Ie - Ie− FER = (Ie-Ie−)/Ie

Fórmula FER = 1-(1/RR)
RR: 0 → 1 → + ∞ OR: 0 → 1 → + ∞ RA: Rango de la I de la que FER: 0 →1
Rango proviene.
Sin unidades (Razón) Sin unidades (Razón) • Sin unidades (IA) • Sin Unidades (Proporción)
Unidades: • Tiempo-1 (TI)
• RR>1: La exposición aumenta en “X” • OR>1: La exposición aumenta en “X” • En el (X⋅100)% de los • En el (X⋅100)% de los casos ex-
veces el riesgo de padecer la veces el riesgo de padecer la expuestos la enfermedad es puestos la enfermedad es atribuible
enfermedad. enfermedad. atribuible a la exposición. a la exposición.
• RR<1: La exposición disminuye en • OR<1: La exposición disminuye en • Si eliminasemos el factor de • Si eliminasemos el factor de riesgo,
“1/x” veces el riesgo de padecer la “1/x” veces el riesgo de padecer la riesgo, disminuiría (X⋅100) disminuiría (X⋅100) casos de
enfermedad. enfermedad. casos de enfermedad entre 100 enfermedad entre 100 enfermos
Interpretación IA expuestos. expuestos.
© Adolfo Figueiras. 1993.
Si eliminásemos el factor de
riesgo aumentaría el tiempo de Area de Medicina Preventiva y Salud Pública (USC)
seguimiento médio hasta la

aparición de la enfermedad en
los expuestos en 1/X unidades
TI de tiempo.
INTERPRETACION Hipótesis
Formula Valores nula
Exp. Factor de Riesgo Exp. Factor Protector
(no efecto)
Riesgo relativo Ie/Io 0→1→∞ (p. ej. RR=4) La exposición (p. ej. RR=0.2 ⇒1/RR=5) La exposición RR=1
Razón de riesgos aumenta en 4 veces el riesgo de disminuye en 5 veces el riesgo de
padecer la enfermedad padecer la enfermedad
Riesgo atribuible Ie – Io -1 →0→∞ La incidencia de la enfermedad La incidencia de la enfermedad evitada por
que es atribuible a la exposición la exposición RA=0
(p. ej. RA=0.2) En el 20% de los RA=-0.2 En el 20% de los vacunados se

expuestos la enfermedad se puede evito la enfermedad por la exposición.
atribuir a la exposición
Fracción etiológica RA/Re 0→1 Proporción de la incidencia de la FER=0
de riesgo enfermedad que es atribuible a la
exposición
(p. ej. FER=0.9) El 90% de los casos

de enfermedad que se producen
entre los expuestos se deben a la
exposición
Fracción protectora (Io-Ie)/Io= 0→1 Proporción de la incidencia de enfermedad FP=0
evitada entre los expuestos por la acción
1-RR del factor protector
NNT 1/(-RA) 0→∞ Número de sujetos que es necesario tratar NNT=∞

para evitar un caso de enfermedad

Manual de EpidemiologÃ - A

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual de EpidemiologÃ - A

Cargado por

Copyright:

Formatos disponibles

Área

Adolfo Figueiras Guzm án

• Argimón Pallás JM, Jiménez Villa J. Métodos de investigación clínica

• Bakke OM, Carné X, García Alonso F. Ensayos clínicos con medica-

• Hernández Vaquero D. El artículo científico en Biomedicina. Barcelo-

• Hulley SB, Cummings SR. Diseño de la investigación Clínica. Barce-

• Notter LE, Hott JR. Principios de investigación en enfermería. Barce-

• Polit D, Hunglet B. Investigación científica en ciencias de la salud.

• Rebagliato M, Ruiz I, Arranz M. Metodología de la investigación en

• Riegelman RK, Hirsh, Robert P. Cómo estudiar un estudio y probar

• Rothman, K.J. Epidemiología Moderna. Ed: Diaz de Santos, S.A. Ma-

• Sackett D, Haynes RB, Guyatt GH, Tugwell P. Epidemiología clínica.

2. ORÍGENES Y EVOLUCIÓN DE LA EPIDEMIOLOGÍA

Hace casi 2400 años, Hipócrates expresó la idea de que la enfer-

Durante los 2000 años siguientes no se estudió nada acerca de la

Este es el caso de John Graunt, autor al que se le da crédito preci-

A finales del siglo XVII y a principios del XVIII comenzó a surgir

Un hecho histórico que tuvo una gran influencia sobre la epide-

Además de epidemiólogo, Louis fue un gran maestro recibiendo

A partir de 1874, con los avances microbiológicos y serológicos

la causalidad epidemiológica, aunque se realizaron estudios sobre enferme-

2.1. LA MODERNA EPIDEMIOLOGÍA

La moderna epidemiología deja de interesarse exclusivamente

En esta época se inician los primeros estudios a gran escala, cu-

También de esta época son los primeros estudios epidemiológi-

El papel de la epidemiología ha sido determinante para la instau-

2.2. CONCEPTO DE EPIDEMIOLOGÍA

Las definiciones de epidemiología han evolucionado a lo largo

M. Greenwood (1934): "...estudio de la enfermedad como fenómeno de masas"

B. MacMahon (1970): "... estudio de la distribución de las enfermedades en el hombre y de los

RR Neutra: "...ciencia, estudio o método de razonamiento..."

Payne: "estudio de la salud del hombre en relación a su medio"

M. Last: Estudio de la distribución y los determinantes de los estados o acontecimientos rela-

Es importante destacar de cada una de las definiciones los aspec-

La existencia de múltiples definiciones, y alguna de ellas muy

3. INTRODUCCIÓN A LA FILOSOFÍA DE LA CIENCIA.

3.1. FUENTES DEL CONOCIMIENTO HUMANO

El conocimiento humano proviene de múltiples raíces, y a menu-

En nuestra cultura determinadas "verdades" son consideradas

En cualquier disciplina existen autoridades o personas cuya ex-

La propia experiencia es otra fuente muy frecuente de conoci-

El método de ensayo-error está muy relacionado con el anterior.

siones, pero no es sistemático y puede resultar ineficiente al basarse en el

La solución a muchos problemas que presentan cierta dificultad

Hay que tener en cuenta que el razonamiento deductivo no es

El método científico es el método más complejo para adquirir

3.2. CARACTERÍSTICAS DEL MÉTODO CIENTÍFICO

El método científico consiste en una serie de procedimientos or-

El método científico es sistemático, en cuanto avanza de forma

Para aplicar el método científico es necesario realizar dos asun-

ser superior o por accidente. De esta manera, muchas de las actividades de

La habilidad para inferir relaciones causales es esencial para so-

Pero ninguno de nosotros nace con concepto alguno de conexio-

El establecimiento de relaciones causales, que a nivel individual

3.3. EVOLUCIÓN HISTÓRICA DEL MÉTODO CIENTÍFICO.

3.3.1. Racionalismo: lógica deductiva.

La visión racionalista dominó la ciencia desde la antigua Grecia

3.3.2. Empirismo: lógica inductiva.

El empirismo moderno fue desarrollado por los filósofos de la

se podría predecir nuevos hechos a través de la inferencia inductiva. Sin em-

3.3.3. Método hipotético-deductivo.

Popper resuelve este problema mediante el falsacionismo encua-

Por tanto, la meta final es dominar la naturaleza, lo que equivale