EPIDEMIOLOGÍA – 2

(2024)

Pablo Martínez Stuardo

MEDIDAS DE FRECUENCIA

− Relativas
− Absolutas

FRECUENCIAS RELATIVAS

Para comparar frecuencia de eventos de salud se debe construir medida independiente del
tamaño de la población en la que se realiza la medición

− Razones (A/B)
− Proporciones (A/A+B)
− Tasas (A/A+B) x constante

TASAS

1. Similar a proporción, pero incorpora tiempo en denominador

2. Toma todos los casos del evento en estudio en una población, lugar y tiempo
determinado
3. Expresan dinámica de suceso en población en el tiempo
4. Expresa riesgo (incidencia, representa medición de rapidez de cambio de estado a otro)
5. Se pueden hacer predicciones con base en las tasas calculadas en periodos anteriores

Estructura básica de una tasa

− Numerador y denominador referidos a mismo lugar y tiempo

− Denominador es la población en riesgo del evento
− Combina persona, lugar y tiempo
A
Tasa = x Constante
A+B
− Numerador: Número de individuos de una población que experimentan un evento
− Denominador: Número total de individuos de esa población expuestos al riesgo de ese
evento
− Constante: Amplificador que facilita la interpretación

Alcances conceptuales para el uso de tasas

− Tasas brutas: Cuando se refieren a toda la población

− Tasas especificas: Cuando se refieren a una parte de la población

Utilidad para investigar el riesgo de la población de un evento, para comparar tasas primero
se debe corregir utilizando métodos de estandarización de tasas
MEDIDAS DE MORBILIDAD

Las más utilizadas so prevalencia e incidencia

1. Prevalencia
2. Incidencia

PREVALENCIA

Proporción de una población que padece de una enfermedad en un momento determinado

─ Útil para valorar extensión de enfermedades crónicas en una población

Número total de casos de la enfermedad
Prevalencia (P) = x 100%
Población total
PREVALENCIA DE PUNTO

Prevalencia de un evento en un punto en el tiempo (proporción de casos en ese punto)

Ecuación

─ P(A)t: Número de individuos que presentan la enfermedad en un punto del tiempo

─ n(Ω)t: Número total de individuos en un tiempo determinado en ese punto del tiempo
n(A)t
P(A)t = x 100%
n(Ω)t
Ejemplo: ¿Cuál es la prevalencia de X en el año 4 o 2do período de observación?

En ese punto en el tiempo hay 8 individuos, de ellos 2 presentan X

n(X)4
Pe(X)4 = x 100%
n(Ω)
2
Pe(X)4 = x 100%
8
Pe(X)4 = 25%
Respuesta: Hay una prevalencia del 25% de X en el año 4 de observación
PREVALENCIA DE PERIODO

Prevalencia de un estado en un período de tiempo definido (proporción de casos nuevos y

existentes)

Ecuación

─ ⅀n(A)t: Número de individuos que presentan la enfermedad en un periodo de tiempo

─ n(Ω): Número total de individuos en un tiempo determinado en ese periodo del tiempo

Ejemplo: ¿Cuál es la prevalencia del evento X entre el inicio y el 8vo año o al tercer período de
observación?

En ese periodo en el tiempo hay 9 individuos, de ellos 4 presentan X

⅀n(X)8
Pe(X)8 = x 100%
n(Ω)
4
Pe(X)8 = x 100%
9
Pe(X)8 = 44%
Respuesta: Hay una prevalencia del 44% de X en el periodo entre t1 y t2

USOS DE LA PREVALENCIA

Medida útil para cuantificar la carga de la enfermedad en una población en un punto del
tiempo, el cálculo de la prevalencia de diversas enfermedades a través de diferentes áreas
geográficas o entre diferentes subgrupos de la población y luego de examinar la prevalencia de
otros factores de riesgo potenciales pueden ser de particular utilidad en la planificación de los
servicios de salud, pero no es la mejor medida para establecer los factores determinantes de
la enfermedad en una población

MEDIDAS DE OCURRENCIA

La prevalencia en una determinada población aumenta si aumenta la incidencia de la

enfermedad (aumento de casos nuevos) y si aumenta la duración de la enfermedad (menos
fallecimientos o menos curaciones), se correlacionan (si aumenta duración aumenta
prevalencia)

Prevalencia = Incidencia x duración de la enfermedad

INCIDENCIA ACUMULADA

Proporción de casos nuevos de una enfermedad que aparecen en una población en un

determinado período de tiempo, con respecto a la población susceptible en ese periodo
Número total de casos NUEVOS de la enfermedad
Incidencia (I) = x 100%
Población total SUCEPTIBLE
Ejemplo: Calcular la incidencia acumulada en t4

Número total de casos de la enfermedad

I(X)4 = x 100%
Población total SUCEPTIBLE
3
I(X)4 = x 100%
9
I(X)4 = 33%
Riesgo: El riesgo es la proporción de individuos de una población (inicialmente libres de
enfermedad) que desarrollan la enfermedad dentro de un intervalo de tiempo especificado

─ Riesgo de incidencia se expresa como un porcentaje (o si es pequeño por 1000)

IA: Número de casos nuevos de una enfermedad en un período específico de tiempo /número
de personas libres de la enfermedad al comienzo del período de observación

Características de la incidencia acumulada

1. Se estima en una cohorte fija

2. El t de observación de la población será el mismo para todas las personas del estudio y el
número de personas susceptibles será el mismo que al inicio
3. Las personas observadas deben ser susceptibles y estar libres de la enfermedad al
comienzo de la observación
4. Se debe fijar el período de observación de ocurrencia del EVENTO a medir por un período
específico de TIEMPO
5. Mide RIESGO
TABLA RESUMEN MEDIDAS DE MORBILIDAD

Ecuación Prevalencia Incidencia acumulada Tasa de incidencia

Numerador Número total de Número total de casos Número total de casos
casos presentes nuevos nuevos
Denominador Población total Número de personas Sumatoria de tiempos
en ese momento expuestas al inicio de libres de enfermedad de
ese periodo cada caso
Amplificador 100 o 1000 100 o 1000 100 o 1000
Tipo de medida Tasa Tasa Tasa
Significado Proporción de Probabilidad de Velocidad con que
población enfermedad enferma la población
enferma
Unidad Ninguna Ninguna Casos (persona-tiempo)
Tiempo de Existente Reciente Reciente
diagnostico

Ejercicio de prevalencia e incidencia

Calcular prevalencia en todo el periodo de tener K

⅀n(K)8
Pe(K)8 = x 100%
n(Ω)
10
Pe(K)total = x 100%
20
Pe(K)total = 50%
Calcular incidencia entre el 1 de julio y el 31 de diciembre
3
IA(K)t2 − t3 = x 100% = 21,4%
20 − 6
EJERCICIO DE PREVALENCIA E INCIDENCIA

El Centro de Salud Arauco tiene una población asignada de 5060 adultos mayores, la
morbilidad registrada por demencia del adulto mayor fue de 54 casos nuevos en el año 2012 y
65 casos nuevos en el año 2013, el año 2014 el total de casos nuevos fue de 39, suponga usted
que la población se mantiene constante a través de los años y recuerde que la demencia es
una patología crónica sin recuperación

Prevalencia de demencia durante todo el periodo

54 + 65 + 39
Pe(Demencia)total = x 100% = 3,12%
5060
Prevalencia de demencia en el año 2012
54
Pe(Demencia)2012 = x 100% = 1,06%
5060
Prevalencia de demencia en el año 2013
54 + 65
Pe(Demencia)2013 = x 100% = 2,35%
5060
Prevalencia de demencia en el año 2014
54 + 65 + 39
Pe(Demencia)2014 = x 100% = 3,12%
5060
Incidencia de demencia durante todo el periodo
54 + 65 + 39
IA(Demencia)total = x 100% = 3,12%
5060
Incidencia de demencia en el año 2012
54
IA(Demencia)2012 = x 100% = 1,06%
5060
Incidencia de demencia en el año 2013
65
IA(Demencia)2013 = x 100% = 1,29%
5060 − 54
Incidencia de demencia en el año 2014
39
IA(Demencia)2014 = x 100% = 0,79%
5060 − 54 − 65
MORTALIDAD

Definición

− Mortalidad: Magnitud de presencia de muerte en población en un tiempo determinado

(representa proceso, permite comparaciones)
− Defunción: Muerte individual biológica

Relevancia de las mediadas de mortalidad

1. Hecho único, irrepetible e inevitable de cada persona

2. Dinámica poblacional relevante del cambio demográfico
3. Proceso de salida de mayor relevancia en determinación de tamaño, crecimiento y
estructura de una población
4. Cuantifica y cualifica muertes en una población (edad, seco, causas)
5. Permite analizar causas y magnitud para comparar en el tiempo
6. Permite establecer medidas globales, útil para evaluar intervenciones

Mediciones de mortalidad

1. Tasas de mortalidad
2. Letalidad
3. Tablas de vida
TASAS DE MORTALIDAD

Medida de frecuencia de ocurrencia de muerte en población durante tiempo determinado

− Permite medir magnitud de muerte en población en tiempo determinado

− Se requiere conocimiento de las defunciones y de población en riesgo de morir
− Se basa en estadísticas vitales
− Denominador más utilizado es tamaño de la población
− Amplificador 10 elevado a (n)

Es posible especificar

1. Según enfermedad
2. Según grupo etario
3. Según área geográfica

Tasa de mortalidad
Muertes de una población en un periodo de tiempo determinado
= x 10^n
Tamaño de la población
TASAS DE MORTALIDAD MÁS USADAS

Tasa Ecuación
Tasa de Total defunciones durante periodo de tiempo
x 1000
mortalidad Total de la población en mitad de tiempo
general
Tasa de Total defunciones causa durante periodo de tiempo
x 1000
mortalidad Total de la población en mitad de tiempo
por causa
Tasa de Total defunciones de menores de 1 año durante periodo de tiempo
x 1000
mortalidad Total de nacidos vivos en ese tiempo
infantil
Tasa de Total defunciones de menores de 28 días durante periodo de tiempo
x 1000
mortalidad Total de nacidos vivos en ese tiempo
neonatal
Tasa de Total defunciones causa embarazo durante periodo de tiempo
x 100.000
mortalidad Total de nacidos vivos en ese tiempo
materna
Tasa de Total defunciones entre 28 días a 1 año durante periodo de tiempo
x 1000
mortalidad Total de nacidos vivos en ese tiempo
post-
neonatal
Tasa de Total defunciones durante periodo de tiempo según sexo
x 1000
mortalidad Total de la población según sexo en mitad de tiempo
según sexo
Mortalidad Total defunciones causa durante periodo de tiempo
x 100 o 1000
proporcional Total de la población en todas las causas en ese tiempo
EJERCICIOS

Ejercicio 1: ¿Cuál de las siguientes ecuaciones representa la Tasa de mortalidad por cáncer
de estómago en Chile el 2024?

Tasa de mortalidad especi�ica por CG

Total defunciones por cancer de estomago en 2024
= x 1000
Total de la población en 2024
Ejercicio 2: En base al enunciado, estime la Tasa de mortalidad general. Se han registrado
todas las defunciones del año 2017 en Chile, y se contabilizaron 106.388 muertes. La
población estimada para el 30 de junio de 2017 es de 18.373.917. ¿Cuál es la tasa de
mortalidad general?
Total defunciones en 2017
Tasa de mortalidad general = x 1000
Total de la población en 2017
106.388
Tasa de mortalidad general = x 1000
18.373.917
Tasa de mortalidad general = 5,79%
Ejercicio 3: En base a la información entregada, estime la Tasa de mortalidad específica para
cáncer de próstata. En una población de 32.000 personas, 10.000 hombres y 22.00 mujeres,
se registraron 50 muertes por cáncer de próstata durante un año determinado. ¿Cuál es la Tasa
de mortalidad específica para cáncer de próstata?
Total defunciones en año determinado
Tasa de mortalidad especi�ica = x 100.000
Total de hombres en ese año
50
Tasa de mortalidad especi�ica = x 100.000
10.000
Tasa de mortalidad especi�ica = 500 por cada 100.000 habitantes
NOTA: Es el total de hombres y no de la población total en ese año, ya que solo los hombres
son susceptibles a tener cáncer de próstata (sólo los hombres tienen próstata)

Ejercicio 4: En base a la información entregada, estime la Tasa de mortalidad específica para

cáncer de mamas. En un país determinado, durante un año específico, se registraron 800
muertes por cáncer de mama entre las mujeres. La población total de mujeres en ese país en
ese año fue de 2,000,000. ¿Cuál es la Tasa de mortalidad específica para cáncer de mama?

Tasa de mortalidad especi�ica

Total defunciones cáncer de mama en año determinado
= x 100.000
Total de mujeres en ese año
800
Tasa de mortalidad especi�ica = x 100.000
2.000.000
Tasa de mortalidad especi�ica = 40 por cada 100.000 habitantes
TASA DE LETALIDAD

Cuantifica la gravedad de una enfermedad considerada desde el punto de vista poblacional

Definición: Proporción de casos de una enfermedad que resultan mortales con respecto al
total de casos en un periodo especificado.

─ La medida indica la importancia de la enfermedad en términos de su capacidad para

producir la muerte
─ En el estricto rigor matemático es una proporción, por lo tanto, utiliza como amplificador
el 100, sin embargo, en la literatura médica se menciona como tasa expresada en
porcentaje
─ Por convención se amplifican por 100
─ Proporción que mide riego (tasa)
Número de muertos por la enfermedad
Letalidad = x 100
Número de personas que padecen la enfermedad
En la tasa de mortalidad, el denominador representa toda la población en riesgo de fallecer por
esa enfermedad, en donde están incluidos los que tienen la enfermedad y los que no la
padecen (pero tienen riesgo de padecerla), en la letalidad el denominador se limita a contener
las personas que están padeciendo esa enfermedad

ESTANDARIZACIÓN DE TASAS

Diferencias entre tasas

Aspecto Tasa bruta Tasa específica Tasa ajustada

Definición Es el número de Es el número de Es una tasa que ha sido
eventos en relación eventos en relación ajustada para tener en
con la población con un subgrupo cuenta las diferencias en la
total, sin ningún específico de la distribución de variables de
tipo de ajuste o población, confusión entre los grupos
corrección generalmente definido comparados
por una característica
Utilización Visión general de la Examinar la frecuencia Comparar la frecuencia de
frecuencia de un de un evento en un evento entre grupos que
evento en una subgrupos específicos pueden tener diferencias en
población de una población variables de confusión
Ventajas Fácil de calcular y Detecta diferencias y Controla las diferencias en
comprender patrones que pueden variables de confusión,
no ser evidentes en la comparación más precisa
tasa bruta entre grupos
Desventajas No tiene en cuenta Puede ser sesgado si Requiere datos adicionales
las diferencias en la el subgrupo específico y un método estadístico
distribución de no es representativo para ajustar las tasas
variables de de la población total
confusión entre
grupos
RELEVANCIA DE LA ESTANDARIZACIÓN DE TASAS

Se deben considerar las características de las poblaciones, para poder compararlas con otras,
es necesario conocer la estructura poblacional

Edad en este caso: Se comporta como confusor cuando estimamos riesgo de morir, se debe
estandarizar (ajuste)

Confusor: Distorsión de la medida del efecto de una exposición sobre un evento debido a la
asociación de la exposición con otros factores que influyen, ocurre cuando parte o la totalidad
de la asociación aparente entre la exposición y evento se explica por otras variables

1. Se asocia a la variable independiente (exposición)

2. Se asocia a la variable dependiente (evento)
3. El evento no es causado por la exposición

Existen dos métodos de estandarización

1. Método directo
2. Método indirecto
EJEMPLOS ESTANDARIZACIÓN DE TASAS

Ejemplo 1: ¿Será que la vida en Alaska propicia la longevidad más que la vida en Florida,
EEUU?

Las tasas brutas sugieren que la fuerza de mortalidad es mayor en Miami que en Alaska
para cualquier grupo de edad dado, las dos poblaciones tienen tasas de mortalidad muy
similares, Miami tiene una mayor proporción de mujeres en los grupos de mayor edad, en que
la mortalidad es alta (41% vs 15% en Alaska)

─ Dado que los datos de los estratos más grandes dominan las tasas brutas de mortalidad,
la tasa de mortalidad de Miami está fuertemente influida por la alta mortalidad de las
edades mayores

─ En contraste, en Alaska la tasa bruta de mortalidad refleja las bajas tasas de

mortalidad entre las mujeres jóvenes, que son una proporción mucho mayor de la
población de Alaska que de la de Florida

Tasas brutas de mortalidad: Son el número total de muertes en una población en un período
de tiempo determinado, dividido por el tamaño total de esa población, no tienen en cuenta las
diferencias en la edad u otros factores que podrían afectar la mortalidad

Fuerza de mortalidad en Miami vs. Alaska: A pesar de que las tasas brutas sugieren que
Miami tiene una mayor fuerza de mortalidad que Alaska para cualquier grupo de edad, por
diferencias en la estructura demográfica de ambas poblaciones

Estandarización de tasas de mortalidad: Al estandarizar las tasas de mortalidad, se eliminan

los efectos de la estructura demográfica y se pueden comparar de manera más precisa las
tasas de mortalidad entre poblaciones.

Por lo tanto: La edad es confusor, si se aplica un método de estandarización las tasas se

pueden comparar y resultan relativamente similares
ESTANDARIZACIÓN DE TASAS METODO DIRECTO

Se calcula la tasa que se esperaría encontrar en las poblaciones bajo estudio si todas tuvieran
la misma composición según la variable cuyo efecto se espera ajustar (edad)

1. Se utiliza la estructura de una población estándar, cuyos estratos (grupos de edad)

corresponden al factor que se quiere controlar y a la cual se aplica las tasas específicas
por esos mismos estratos de las poblaciones estudiadas

2. Se obtiene el número de casos esperado en cada estrato si la composición fuera la

misma en cada población

3. La tasa estandarizada se obtiene dividiendo el total de casos esperados por el total de

la población estándar

Ecuación

⅀(tasas especi�icas de estratos estandar x peso estandar)

Tasa estandarizada (D) =
⅀(pesos estandar)
Por lo tanto

─ Tasa de mortalidad estandarizada por edad Alaska: 6,71 x1000 habitantes

─ Tasa de mortalidad estandarizada por edad Miami: 6,92 x1000 habitantes
ESTANDARIZACIÓN DE TASAS METODO INDIRECTO

Es más apropiado cuando los números absolutos de cada estrato son muy pequeños, se
toman las tasas específicas por estrato de una población estándar de suficiente tamaño y
relevancia, estas tasas son promediadas usando como pesos los tamaños de los estratos de
la población de estudio, toma el número de muertes o eventos en la población de estudio y los
compara con un número esperado de muertes

Entrega razón de mortalidad estandarizada (RME), no permite la comparación de las tasas

entre las poblaciones

Por ejemplo: El número de muertes que se esperarían en la población de estudio si su

experiencia de mortalidad (sus tasas específicas por estrato) fueran las mismas que para la
población estándar

Muertes observadas
RME =
Muertes esperadas
RAZÓN DE MORTALIDAD ESTANDARIZADA (RME)

La RME indica el exceso o el déficit en la verdadera experiencia de mortalidad en la población

de estudio con respecto a lo que se hubiera esperado si hubiera tenido la experiencia de la
fuerza de mortalidad en la población estándar (o de referencia)

RME mayor a 1: Indica que el riesgo de morir en la población observada fue más alto que el
esperado si su distribución fuera la de la población de referencia

RME menor a 1: Indica que el riesgo de morir en la población observada fue menor que el
esperado si su distribución fuera la de la población de referencia
COMPARACIÓN DE METODOS DE ESTANDARIZACIÓN DE TASAS

Aspecto Directo Indirecto

Enfoque Construye una población estándar y Tasas observadas en una población
le aplica las tasas brutas por estrato se aplican a la estructura de otra
(estándar)
Tasas Requiere tasas específicas por Puede desconocerse
específicas estrato de la población en estudio
Población Aporta pesos Aporta tasas específicas
estándar
Resultado Tasa ajustada RME
Significado Se calcula la diferencia, razón o Se compara en función del
cambio porcentual de las tasas estándar, no es posible la
ajustadas comparación directa
Necesita Tasas especificas por estrato, Eventos totales, tasas especificas
distribución de la población por estrato en una población
estándar estándar
Calculo (Tasa especifica x pesos estándar Muertes observadas / (tasa
de estratos) / pesos estándar especifica x tamaño estrato)
MEDICIONES EN EPIDEMIOLOGÍA

Medidas de frecuencia Medidas de asociación Medidas de impacto

Prevalencia Incidencia Amplitud Razón De remover la
exposición
De punto y Incidencia Diferencia de Razón de riesgo Expuestos (RAP) y
de periodo acumulada riesgo, relativo (RR), de poblacional (RAPP)
y tasa de exceso de incidencia acumulada
incidencia riesgo, riesgo (RIA), razón de tasas,
atribuible odds ratio (OR)

Asociación negativa (factor protector) Sin asociación Asociación positiva (factor de riesgo)

Asociación: Débil (1,1 – 1,3) / Moderado (1,4 – 3,0) / Fuerte (mayor a 3,0)

CONCEPTOS

─ Riesgo: Probabilidad de que se produzca el evento, homologable a incidencia

─ Factor de riesgo: Asociación positiva entre el factor expuesto y el evento
─ Riesgo absoluto: Incidencia, indica magnitud del riesgo en individuos con exposición
determinada, pero no tiene en cuenta el riesgo del evento en individuos no expuesto, por
lo que no indica si la exposición se asocia con un mayor riesgo del evento

TABLAS DE CONTINGENCIA

─ Exposición: Variable independiente

─ Evento: Variable dependiente (outcome, resultado)
─ Incidencia del evento en expuestos (IE): a/(a+b)
─ Incidencia del evento en no expuestos (INE): c/(c+d)

TEMPORALIDAD

─ Prospectivo: Exposición está antes del evento (independiente antes de dependiente)

─ Retrospectivo: Al observar variable dependiente evaluamos si previamente existió
exposición a la variable dependiente

MEDIDAS DE ASOCIACIÓN

Evalúan la fuerza con la que un evento (efecto) se asocia con un factor (causa), todas las
medidas de asociación evalúan como la exposición a un factor de riesgo afecta un outcome,
en probabilidad de que ocurra

1. RR (riesgo relativo) para estudios de cohorte y experimentales

2. OD (odds ratio) para estudios caso control y transversales
3. RP (razón de prevalencia) para estudios transversales
RIESGO RELATIVO

1. Indica probabilidad
2. Expresa fuerza de asociación ¿Cuánto mayor es el riesgo entre los expuestos que entre los
no expuestos?
3. Estudios de cohorte (prospectivos)
Incidencia en expuestos (IE)
RR =
Incidencia en NO expuestos (INE)
Valores de RR (con intervalo de confianza del 95%, indica significancia estadística)

─ Mayor a 1: Exceso de riesgo

─ Igual a 1: Nula asociación
─ Menor a 1: Carencia de riesgo (calcular reciproco para interpretar), se usa RRR (impacto)

Ejemplo: Determinar relación entre exposición a toxico T y el desarrollo de leucemia. La

incidencia de cáncer en expuestos es de 0,30, mientras que la de no expuestos es de 0,10
Incidencia enfermos de leucemia expuestos a toxico T 0,30
RR = = =3
Incidencia enfermos de leucemia NO expuestos a toxico T 0,10
Respuesta: La probabilidad (riesgo) de padecer leucemia dada la exposición al toxico T es 3
veces mayor en comparación a los expuestos

Ejemplo 2: 2000 embarazadas sometidas a estudio hasta parto, se investiga habito de fumar
en embarazo e incidencia de recién nacidos bajo peso para su edad gestacional (RNBPEG)

Incidencia RNBPEG en Emb fumadoras 43/250

RR = = = 2,87
Incidencia RNBPEG en Emb NO fumadoras 105/1750
Respuesta: La probabilidad (riesgo) de las embarazadas fumadoras de tener a un recién
nacido bajo peso para la edad gestacional es 2,78 veces mayor que en no fumadoras

Ejemplo 3: Riesgo de morir a 30 días en pacientes con NAC con compromiso de conciencia

Incidencia muertos con CC 27/111

RR = = = 4,46
Incidencia muertos sin 𝐶𝐶𝐶𝐶 18/330
Respuesta: La probabilidad (riesgo) de las paciente NAC con CC de morir es 4,46 veces mayor
que en pacientes sin CC
ODDS RATIO

1. Razón de productos cruzados, disparidades, desigualdad relativa, riesgo relativo indirecto

o razón momios
2. Expresa posibilidad de un evento
3. Flexible (retrospectivos, prospectivos y transversales)

Calculo: p (probabilidad de evento), 1-p (probabilidad de no evento), odds (p/(1-p))

Probabilidad evento en expuesto
Probabilidad evento en NO expuesto Odds expuesto
OR = =
Probabilidad no evento en expuesto Odds NO epuesto
Probabilidad no evento en NO expuesto
Mayor a 1: Exceso de riesgo / Igual a 1: Nula asociación / Menor a 1: Carencia de riesgo

Ejemplo: Asociación ACV y uso de ACO

p(ACV ACO)
1 − p(ACV NO ACO) 56 𝑥𝑥 75
OR = = = 6,6
p(NO ACV ACO) 64 x 10
1 − p(NO ACV NO ACO)
Respuesta: Las mujeres que presentaron un AVC tuvieron 6,6 veces más posibilidades de
estar expuestas a ACO que las que no tuvieron un AVC, RETROSPECTIVO

Ejemplo 2: Estudio caso control, demostrar asociación entre tabaco y enfermedad coronaria

112 𝑥𝑥 224
OR = = 1,62
88 x 176
Respuesta: Personas con enfermedad coronaria tienen más posibilidades de estas expuestas
a tabaco (+) que las que no presentaron enfermedad coronaria, RETROSPECTIVO

OR (estimador de RR) obtenido en estudio caso control es buena aproximación del RR en

población de interés

1. Cuando los casos son representativos

2. Cuando los controles son representativos
3. Cuando la enfermedad estudiada no ocurre con frecuencia

OR y RR relacionados, útil solamente cuando prevalencia e incidencia es menor al 10%

RAZÓN DE PREVALENCIAS

─ Razón (división) entre la prevalencia de enfermedad de personas expuestas, en relación a

la prevalencia de enfermedad de no expuestos
─ Estudios transversales

Prevalencia de evento en expuestos

RP =
Prevalencia de enfermedad en NO expuestos
Ejemplo

20/70
RP = = 2,0
10/70

RESUMEN DE MEDIDAS DE ASOCIACIÓN

Odds radio OR Caso control

Riesgo prevalencia RP Transversal
Riesgo relativo RR Cohorte
MEDIDAS DE IMPACTO

Estadísticas para evaluar la magnitud de los efectos de un factor de riesgo, intervención o

tratamiento sobre la salud pública, ayudan a entender mejor la importancia y urgencia de las
medidas preventivas o terapéuticas

1. Riesgo atribuible (RA) y riesgo atribuible porcentual (RA%)

2. Riesgo atribuible poblacional (RAP) y riesgo atribuible poblacional porcentual (RAP%)
3. Reducción de riesgo relativo (RRR)
4. Número necesario que tratar (NNT)

RIESGO ATRIBUIBLE (RA)

─ Diferencia entre la incidencia de expuesto versus los no expuestos

─ Establece riesgo adicional de enfermedad relacionado con la exposición estudiada
─ ¿Cuál es el riesgo de enfermar atribuible al factor estudiado?

RA = Riesgo en expuestos − Riesgo en NO expuestos

Interpretación: Por cada 100 expuesto al factor de riesgo, se producirá RA casos de la
enfermedad atribuibles a este

RIESGO ATRIBUIBLE PORCENTUAL (RA%)

Exceso de riesgo absoluto en porcentaje (fracción etiológica)

Riesgo en expuestos − Riesgo en no expuestos

RA% = 𝑥𝑥 100%
Riesgo en expuestos
Interpretación: En RA% de 75% significa que el 75% de los casos de enfermedad en la
población son atribuibles a la exposición al factor de riesgo, es decir, si se elimina el factor de
riesgo, se pueden prevenir 75 de cada 100 casos de la enfermedad
RIESGO ATRIBUIBLE POBLACIONAL (RAP)

─ Diferencia entre riesgo de la población y riesgo de grupo no expuesto

─ Equivalente a RA, pero utiliza como referente tasa de incidencia de población general
─ Exceso de riesgo para población dada la exposición

RAP = Incidencia en población − Incidencia en NO expuestos

Ejemplo: En población con incidencia de cáncer de 0,18, se quiere conocer cuánto podrías
atribuirse a exposición de un factor de radiación R, se sabe que la incidencia de cáncer en
personas no expuestas es de 0,10

RAP = Incidencia en población de cáncer − Incidencia en NO expuestos a radiación R

RAP = 0,18 − 0,10 = 0,08
Respuesta: Por cada 100 personas en la población se producirán 18 casos de cáncer, de esos
casos 8 son atribuibles a exposición a radiación R

RIESGO ATRIBUIBLE POBLACIONAL PORCENTUAL (RAP%)

Efecto a la exposición de una población en porcentaje

Incidencia en población − Incidencia en NO expuestos

RAP = 𝑥𝑥 100%
Incidencia en población
Para el mismo ejemplo anterior
Incidencia población de cáncer − Incidencia en NO expuestos a radiación R
RAP% = 𝑥𝑥 100%
Incidencia en población de cáncer
0,18 − 0,10
RAP% = 𝑥𝑥 100% = 44%
0,18
Respuesta: Esos 8 casos representan el 44% de los casos poblacionales
REDUCCIÓN DE RIESGO RELATIVO (RRR)

Porcentaje de reducción de riesgo que representa el grupo expuesto respecto al no expuesto

RRR = (1 − RR) 𝑥𝑥 100%

Ejemplo: Conocer reducción de riesgo de cáncer gástrico con relación a exposición a toxico T

RRR = (1 − 0,20) 𝑥𝑥 100% = 80% (no expuestos a toxico T reducen riesgo de CG en un 80%)

Efectividad de tratamiento con RRR: Podemos utilizar RRR cuando queremos exponer como
un factor protector nos sirve para exponer la efectividad de medicamentos, terapias, vacunas
o tratamientos
Riesgo en expuestos a PROTECTOR − Riesgo NO expuestos PROTECTOR
RRR = x 100%
Riesgo en NO expuestos a PROTECTOR
Ejemplo: Reducción de riesgo de COVID-19 con relación a la exposición a la vacuna Sinovac

─ Riesgo de COVID-19 en vacunados de un 2%

─ Riesgo de CODIV-19 en NO vacunados de un 20%
0,02 − 0,2
RRR = x 100% = 90%
0,2
Interpretación: Inmunización con Sinovac reduce en 90% riesgo de presentar COVID-19
ANALISIS ESTADISTICO DESCRIPTIVO

1. Gestión de base de datos

2. Análisis univariado (cuantitativa)
3. Análisis univariado (cualitativa)
4. Análisis bivariado (cuantitativa – cuantitativa)2
5. Análisis bivariado (cualitativa – cualitativa)

GESTIÓN DE BASE DE DATOS

Importante revisar

1. Se debe revisar que la base de datos no tenga observaciones fuerza rango (sexo 4, en
codificación 0 y 1)
2. Se debe revisar que la base de datos no tenga incoherencias (edad de 203)
3. Se debe revisar que la base de datos no tenga observaciones duplicadas (dos encuestas
para el mismo individuo)

Estadística

Descriptiva: Métodos gráficos y numéricos usados para resumir, y procesar datos para
convertirlos en información (media, varianza, desviación estándar)

Inferencial: Constituye la base para hacer predicciones, previsiones y estimaciones acerca

de una población basándose en una muestra (estimaciones, pruebas hipótesis, análisis de
relaciones entre variables)
ANALISIS UNIVARIADO (CUANTITATIVA)

Tipo Distribución normal Distribución no normal

Central Media Mediana
Dispersión Dispersión estándar Rango intercuartílico
Ejemplo

ANALISIS UNIVARIADO (CUALITATIVA)

Tipo Nominal Ordinal

Estadígrafo Proporción Proporción
Ejemplo

ANALISIS BIVARIADO (CUANTITATIVA – CUANTITATIVA)

Tipo Relación simétrica Diferentes distribuciones

Análisis Correlación (Pearson valor p) Regresión lineal simple (predicción)
Ejemplo

ANALISIS BIVARIADO (CUALITATIVA – CUALITATIVA)

Tipo 2x2 rxc

Tabla contingencia Regresión logística simple -
Ejemplo
MÉTODOS DE ESTIMACIÓN

Estimación puntual: Utilización de datos de la muestra para calcular un solo número para
estimar el parámetro de interés

Estimación de intervalo: Ofrece un intervalo de valores razonables, donde se pretende que

esté el parámetro de interés, con un grado de confianza

INTERVALO DE CONFIANZA (IC)

Rango de valores donde se encuentra con alta probabilidad el valor real de una variable, un
IC de 95% indica que este valor se encuentra en el rango con un 95% de certeza

Ejemplo

─ Con una confianza del 99%, la proporción de voto a un partido político determinado está
entre el 29 y el 31%
─ Con una confianza del 95%, la estatura media de un grupo está entre 1,80 y 1,84 metros

HIPOTESIS ESTADISTICA

Una hipótesis es un enunciado (supuesto) respecto a un parámetro (población), NO respecto

a un estadístico (muestra)

─ Media poblacional: Media de cuentas mensuales de celular en una ciudad (µ = $5.000)

─ Proporción poblacional: Proporción de adultos con celulares en esa ciudad (π = 0,68)

PRUEBA DE HIPOTESIS ESTADISTICA

Procedimiento para buscar una decisión sobre el valor de la verdad de una hipótesis
estadística, se puede rechazar o no rechazar esta hipótesis estadística

─ H0: Hipótesis nula

─ H1: Hipótesis alternativa
CONTRASTE DE HIPOTESIS

Pasos generales

1. Formular hipótesis a priori (nula y alternativa)

2. Contrastar hipótesis nula con datos de la muestra
3. Calcular probabilidad (con valor p de significancia) de encontrar resultados más
distantes o no de la hipótesis nula
4. Decidir si rechazar o no la hipótesis nula

PLANTEAR LAS HIPOTESIS

Hipótesis nula (H0): Mantiene que el efecto de interés no existe (es nulo, vale 0), en la
población de donde proviene la muestra, predicción de que no hay interacción entre las
variables, no hay una relación causal entre un tratamiento nuevo y una reducción de los
síntomas de la enfermedad

Hipótesis alternativa (H1): Mantiene que existe algún efecto distinto de 0 en la población de
donde proviene la muestra (hay interacción entre las variables)

PRUEBAS DE CONTRASTE DE HIPOTESIS

1. Para variables dependientes con naturaleza cualitativa

2. Para variables dependientes con naturaleza cuantitativa (paramétricas y no
paramétricas)

PRUEBAS DE CONTRASTE PARA VARIABLES DEPENDIENTES CUALITATIVAS

Estimar variabilidad de proporciones: Intervalos de confianza de la proporción

Tablas de contingencia

─ Dos muestras independientes: Test de Chi cuadrado o test exacto de Fisher

─ Dos muestras dependientes: McNemar’s Test
TEST DE CHI – CUADRADO (X2)

Permite determinar si dos o más variables dependientes cualitativas están o no asociadas,

se puede probar si las proporciones son iguales en todas las categorías (uniformes) o
especificar una proporción diferente para cada categoría

TEST EXACTO DE FISHER

Utilizado en variables dependientes cualitativas, esta prueba es más robusta, lo que

permite mayor exactitud en casos en que alguna de las celdas de la tabla de contingencia
generada contenga un número menor a 5

T DE STUDENT (PARAMETRICA)

Esta es la prueba de contraste de hipótesis que nos permite comparar medias, por lo tanto,
es para variables dependientes cuantitativas continuas (o discretas) comparadas con una
variable cualitativa o categórica de no más de dos grupos

1. Muestras pareadas
2. Muestras independientes

ANOVA (PARAMETRICA)

Similar al T de Student (variables dependientes cuantitativas), pero cuando la variable de

exposición tiene más de dos grupos

PRUEBAS NO PARAMETRICAS

1. Mann-Whitney Test (H0 medianas iguales, poblaciones independientes)

2. Wilcoxon Test (H0 medianas iguales, poblaciones pareadas)
3. Kruskal-Wallis Test (H0 medianas iguales, más de dos poblaciones independientes)
4. Friedman Test (H0 medianas iguales, más de dos poblaciones pareadas)
REGRESIÓN LINEAL SIMPLE

Cuando la función f(x) es lineal

f(x) = B0 + B1X
Entre dos variables cuantitativas

─ B1 mayor a 0: Relación lineal positiva

─ B1 menor a 0: Relación lineal negativa

REGRESIÓN LINEAL MULTIPLE

Entre múltiples variables cuantitativas

Yi = B0 + BnXn + ei
B0: Ordenada

Bn: Efecto promedio en unidad de variable predictora Xn sobre la dependiente Y, coeficientes

parciales de regresión

ei: Residuo o error, diferencia entre valor observado y estimado por el modelo

ANALISIS REGRESIÓN LINEAL

1. Bondad de ajuste del modelo (R2 indica cantidad de varianza de Y que es explicada por X)

2. Diagnostico en regresión lineal simple (para tener grado de certeza sobre la calidad de las
inferencias)

REGRECIÓN LOGISTICA

Conjunto de modelos estadísticos utilizados cuando se desea conocer la relación entre

variable dependiente cualitativa, dicotómica (regresión logística binaria) y una o más
variables explicativas independientes (covariables), ya sean cualitativas o cuantitativas

1. Cuantificar la importancia de la relación existente entre cada una de las covariables y la

variable dependiente

2. El objetivo de la regresión logística no es, como en regresión lineal, predecir el valor de la

variable Y a partir de una o varias variables predictoras (Xn), sino que predecir
la probabilidad de que ocurra Y conocidos los valores de las variables Xn

3. Técnica estadística que tiene como objetivo comprobar hipótesis o relaciones cuando
la variable dependiente es una variable binaria (dicotómica)

4. Se basa en la idea que las variables independientes tratan de predecir la probabilidad que
ocurra algo sobre la probabilidad que no-ocurra

5. Si la variable es cualitativa solo se calcula el OR, en base a las proporciones

TABLA DIFERENTECIA REGRESIÓN LINEAL Y LOGISTICA

Aspecto Regresión logística simple Regresión lineal simple

Cuando se Variable dependiente cualitativa Variable dependiente
utiliza cuantitativa
Indicador de AUC (más cercano a 1 modelo bien R2 (más confiable más
modelo de ajustado), AIC (menor es mejor) cercano a 1)
ajuste
Valor P Menor a 0,05 independiente influye en la Menor a 0,05 independiente
dependiente influye en la dependiente
Indicador en la OR B1
ecuación