Está en la página 1de 99

Definiciones operacionales

Incidencia y prevalencia


Todas las diferentes tasas de morbilidad que se manejan en epidemiologa pueden clasificarse como tasas de incidencia o de prevalencia

Incidencia y prevalencia


La tasa de incidencia mide la probabilidad de que una persona sana desarrolle enfermedad durante un periodo especfico de tiempo Es decir, representa el nmero de casos nuevos de enfermedad en una poblacin durante un periodo de tiempo definido La tasa de prevalencia mide el nmero de personas en una poblacin que en un momento dado tienen la enfermedad

Incidencia y prevalencia


Las frmulas para calcular estas tasas son:


en un periodo de tiempo

Incidencia = nmero de casos nuevos poblacin en riesgo

Prevalencia = nmero existente de casos poblacin total

en un punto en el tiempo

Incidencia y prevalencia


La prevalencia nos indica la cantidad de personas que tienen la enfermedad en un punto en el tiempo y depende de dos factores:
o Los sujetos que han estado enfermos o La duracin de la enfermedad

Incidencia y prevalencia


Aun cuando el nmero de casos sea pequeo cada ao, si la enfermedad es crnica, el numero de casos se va a acumular; la prevalencia ser mayor que la incidencia Por el contrario si el padecimiento es de breve duracin (aguda) debido a recuperacin o muerte (o migracin) la prevalencia ser muy baja

Incidencia y prevalencia


La relacin entre prevalencia e incidencia y la duracin de la enfermedad se expresa por la formula: PbI v d que indica que la prevalencia vara directamente con la incidencia y la duracin de la enfermedad

Incidencia y prevalencia


Los tratamientos que tienen xito en prolongar la vida tienen un profundo efecto sobre la prevalencia de enfermedad. Un ejemplo clsico es el de la insulina en la diabetes

lgunas consideraciones sobre la incidencia




Para determinar a incidencia es necesario seguir prospectivamente a un grupo definido de individuos y determinar la tasa con que aparecen los casos nuevos de enfermedad bajo estudio

lgunas consideraciones sobre la incidencia




Se deben de llenar ciertos requisitos para poder calcular la incidencia: 1. Conocer el estado de salud de la poblacin en estudio. Tenemos que contar con una base para considerar a un sujeto como sano o enfermo

lgunas consideraciones sobre la incidencia


2. Fecha de inicio de la enfermedad. En padecimientos agudos esto es generalmente sencillo. En casos crnicos o con inicio incierto, el evento mas temprano que pueda definirse en forma objetiva se considerara como la fecha de inicio; por ejemplo, en cncer la fecha de diagnostico se considera como fecha de inicio en vez de la fecha de los primeros sntomas

lgunas consideraciones sobre la incidencia


3. Especificacin del numerador. Nmero de personas vs. nmero de eventos. En ciertas circunstancias se puede presentar mas de un evento en un mismo individuo dentro de un periodo de tiempo definido; por ejemplo un mismo individuo puede tener mas de un episodio de broncoespasmo al ao

lgunas consideraciones sobre la incidencia

Incidencia = nmero de personas con broncoespasmo poblacin en riesgo

en un ao

Incidencia = nmero de ataques de broncoespasmo poblacin en riesgo

en un ao

lgunas consideraciones sobre la incidencia


4. Especificacin del denominador. El denominador debe de estar definido y correctamente enumerado. Hay dos puntos importantes con respecto al denominador en las tasas de incidencia a) como la incidencia cubre un periodo de tiempo el nmero de sujetos en riesgo va a modificarse. La solucin mas practica es tomar como denominador a la poblacin existente a la mitad del periodo de observacin

lgunas consideraciones sobre la incidencia


b) Como la incidencia se refiere a casos nuevos, solo deberamos incluir a las personas en riesgo de adquirir la enfermedad. El denominador no debe incluir a aquellos sujetos que ya la tienen o que no estn en riesgo de hacerlo. Usualmente sin embargo esta correccin al denominador nunca se hace pues tcnicamente es muy difcil hacerlo; adems suele carecer de significancia estadstica

lgunas consideraciones sobre la incidencia


5. Periodo de observacin
siempre se debe definir el periodo exacto de observacin. En general es un ao, pero puede ser cualquier otro periodo de tiempo

lgunas consideraciones sobre la incidencia




Periodos de observacin de duracin no uniforme


o Denominadores de persona-tiempo


Vamos a suponer que un grupo especifico de individuos esta siendo observado prospectivamente para determinar la incidencia de lcera pptica y el estudio se va a prolongar 3 aos

lgunas consideraciones sobre la incidencia




Durante el seguimiento algunos de los pacientes se pierden, se mudan a otra regin o fallecen. Adems, los pacientes ingresan al estudio en diferentes pocas despus de que este se ha iniciado Todo esto trae como consecuencia periodos de observacin de diferente duracin, lo que har que los sujetos contribuyan en forma desigual al clculo de la poblacin en riesgo

lgunas consideraciones sobre la incidencia




Con el propsito de utilizar todos los casos y poder balancear la contribucin en tiempo de observacin de cada uno de los participantes, vamos a utilizar una unidad de tiempo persona, Vg. ao-sujeto para el denominador Por ejemplo, en este estudio hipottico de incidencia de lcera pptica, 12 sujetos son observados por periodos de tiempo de diferente duracin

En conjunto las 12 personas fueron observadas por un total de 66 aos Si entre estos doce sujetos se desarrollan 3 casos de lcera pptica, la incidencia sera de 3 en 66 aos de seguimiento o 4.5 por 100 aos-sujeto de observacin

Denominador tiempo-persona


Es vlido nicamente bajo 3 condiciones:


o el riesgo de enfermedad es constante durante todo el periodo de seguimiento (habitualmente no es as) o la tasa de enfermedad/muerte entre los que se pierden a seguimiento debe ser la misma que para los que siguen bajo observacin. Esto requiere tratar de determinar que sucedi con los sujetos que se perdieron

Denominador tiempo-persona
o si la enfermedad es rpidamente fatal algunos individuos se observaran por periodos inferiores a la unidad de tiempo y esto har que la tasa sea artificialmente alta (contarn como un caso en el numerador, pero como menos de una unidad tiempo-persona en el denominador)

Usos de la incidencia y prevalencia




La prevalencia es til particularmente en el estudio de enfermedades crnicas; tambin es til para planear las cargas de trabajo y las necesidades de equipamiento Cuando no existe informacin para calcular la incidencia las tasas de prevalencia pueden utilizarse para estimar la importancia de una enfermedad en la poblacin sin olvidar sin embargo que la prevalencia no es un buen estimador de la incidencia

Usos de la incidencia y prevalencia




Las tasas de incidencia son la herramienta fundamental para el estudio de la etiologa de enfermedades tanto agudas como crnicas Como nos dan una determinacin directa de la tasa de enfermedad en una poblacin, nos permite establecer el riesgo de enfermedad

Usos de la incidencia y prevalencia




Al comparar las tasas de incidencia de una enfermedad entre grupos poblacionales que difieren en uno o mas factores identificables podemos probar por medio de estudios analticos si un factor afecta el riesgo de adquirir la enfermedad, e incluso podemos establecer una hiptesis sobre la magnitud del efecto

Usos de la incidencia y prevalencia




La incidencia constituye una determinacin directa del riesgo En contraste, una prevalencia elevada no necesariamente indica un alto riesgo; quizs solo refleje un incremento en la sobrevida Por el contrario una prevalencia baja puede deberse a un proceso rpidamente fatal, una recuperacin rpida o una incidencia baja

Usos de la incidencia y prevalencia




Una limitante de la prevalencia es que nos da una imagen sesgada de la enfermedad ya que favorece la inclusin de casos crnicos sobre los agudos La diferencia entre casos incidentes y prevalentes puede ser una fuente importante de sesgo

Usos de la incidencia y prevalencia




Esta diferencia es fundamental para comprender los resultados de un programa de tamizaje El primer rastreo poblacional va a detectar casos prevalentes e incidentes; un segundo rastreo detectar ya solo los casos incidentes que se desarrollaron a partir del primer rastreo

Usos de la incidencia y prevalencia




Otra limitante de la prevalencia es evidente en estudios de corte seccional, en donde la presencia de un factor de riesgo y la presencia de enfermedad se miden simultneamente, esto es, la causa y el efecto se miden al mismo tiempo

Usos de la incidencia y prevalencia




Para poder considerar que un factor tiene una asociacin causal con un padecimiento, el factor debe anteceder al padecimiento Es decir, la variable independiente debe anteceder a la variable dependiente, lo que no es posible establecer en un estudio de corte seccional

Usos de la incidencia y prevalencia




Es importante reconocer este aspecto pues frecuentemente se utiliza informacin de un estudio de corte seccional para desarrollar inferencias causales, sobre todo porque es mas fcil determinar la prevalencia

Usos de la incidencia y prevalencia




La determinacin de la incidencia requiere de por lo menos dos determinaciones en los mismos individuos:
o primero una encuesta para identificar a los individuos que no tienen la enfermedad o una segunda evaluacin de estos individuos sanos para determinar cuantos se enfermaron a partir de la primera encuesta

Usos de la incidencia y prevalencia




Esto queda demostrado en el estudio clsico de Framingham sobre enfermedades cardiovasculares (ECV) Se llevo a cabo un estudio de CS para determinar la prevalencia de ECV Dos aos despus fueron evaluados los sujetos inicialmente libres de ECV para determinar la incidencia

La explicacin a esta discrepancia es el diferente curso que sigue la enfermedad en y jvenes En los jvenes la ECV se manifestaba como IAM y muerte sbita En las jvenes era mas comn que se manifestara como angina de pecho

Dada la mayor duracin de la enfermedad en , la prevalencia en estas se incrementa e iguala a la de los a pesar de la mucho mayor incidencia de ECV en el

juste de tasas


Las tasas crudas se refieren a toda una poblacin Son tasas que pueden ocultar el hecho de que uno o mas subgrupos de esa poblacin presenten un riesgo significativamente diferente

Ajuste de tasas


Por ejemplo, la poblacin total no es un denominador ideal para una tasa de mortalidad ya que las personas en diferentes grupos de edad difieren con respecto a su riesgo de muerte

Misma tasa de mortalidad especfica

Ajuste de tasas


La tasa cruda de mortalidad es un promedio balanceado de las tasas de mortalidad especficas por grupo de edad (el balance lo dan las proporciones de cada grupo)

Ajuste directo de las tasas


La diferencia en la composicin de la edad de dos grupos puede ser eliminada para permitir una comparacin justa de las dos poblaciones. Los pasos a seguir son los siguientes: 1. Seleccione una poblacin estndar


Combinamos la poblacin A con la poblacin B

Multiplicamos las columnas 1 v 2 y 1v4

Esto responde a nuestra pregunta Cul seria el nmero de muertes esperadas en la poblacin estndar si las persona estuvieran muriendo con las tasas observadas para cada grupo especfico de poblacin (A y B) LA RESPUESTA OBVIAMENTE ES FICTICIA

 

E nmero de muertes esperadas (74) es el mismo para ambos grupos A y B y las tasas ajustadas por edad (74/10,000=7.4/1,000) son tambin iguales Porque ocurre esto? La poblacin A y B tienen la misma tasa de mortalidad especfica por grupos de edad; una vez eliminada la diferencia en la composicin de las poblaciones al utilizar una poblacin estndar, las tasas se vuelven idnticas

Ahora vamos a suponer que las tasas de mortalidad ya no son idnticas

La tasa para la poblacion A= 74/10,000 7.4 por 1,000 La tasa para la poblacion B= 92/10,000 9.2 por 1,000

La poblacin estndar a utilizar puede ser seleccionada en forma arbitraria, esto es en lugar de combinar A+B, pueden utilizarse los datos demogrficos de algn censo

Poblacin, muertes de residentes y tasas de mortalidad por edad para las poblaciones A y B, 1960
Poblacin A Poblacin B

1.34

1.89

20.55

49.8%

19.5%

Porque?

Ajuste indirecto de tasas




Que podemos hacer cuando:


o el nmero de muertes es muy pequeo lo que lleva a clculos inestables de las tasas de mortalidad especfica por grupo de edad o se desconocen las tasas de mortalidad especfica por grupo de edad

Ajuste indirecto de tasas




Con el mtodo indirecto, las tasas de la mayor de las dos poblaciones se utiliza como estndar debido a que sus tasas son mas estables

Ajuste indirecto de tasas




El ajuste indirecto de las tasas de mortalidad se basa en las tasas de mortalidad especifica por grupo de edad mas que en la composicin por edad Equivale a preguntarnos cual seria la mortalidad en la poblacin mas pequea si las tasas de muerte especficas por edad fueran las mismas que las de la poblacin estndar

o se tomaron rx de trax para detectar TB; se evaluaron para anomalas CV o poblacin total 24,884 (24,772 normales +112 con ECV) o la mortalidad en el grupo ECV es de 17.9 o la mortalidad en el grupo sin ECV es de 1.15 o la mortalidad cruda es 15.6 veces mayor en el grupo con ECV

o o o o

la distribucin por edad es muy diferente en el grupo de ECV el 58% de la poblacin es >55 en el grupo sin ECV solo el 9.1% es >55 ES NECESARIO AJUSTAR POR EDAD

el grupo con ECV solo tuvo 20 muertes vs. 286 del grupo sin ECV sus tasas de mortalidad especfica por grupo de edad son muy inestables

Por ejemplo
Grupo 15-34 Si en cambio 35-54 Si en cambio ECV+ 23 23 24 24 24 Muertes 1 2 5 4 6 Tasa 4.34 8.69 20.83 16.66 25.0

En cambio
Grupo 35-54 Si en cambio ECV8,838 8,838 8,838 Muertes 102 101 103 Tasa 1.15 1.14 1.16

Como calculan las muertes esperadas? 15-34 23 v 0.25/100 = 0.057 = 0.01 (muertes observadas= 1) 35-54 24v1.15/100 = 0.27 = 0.3 (muertes observadas= 5) 55+ 65v6.61/100 = 4.29 = 4.3 (muertes observadas= 14)

Aun despus del ajuste la tasa de mortalidad es mayor para el grupo ECV+ que para el grupo ECV- (4.25 vs.1) Esto es, tuvieron mas muertes que las esperadas si tuvieran las mismas tasas de mortalidad especifica por grupo de edad que la poblacin estndar

Una forma comn de evaluar el ajuste por el mtodo indirecto es el relacionar el total de muertes esperadas y observadas
Tasa de mortalidad estandarizada Total de muertes observadas = Total de muertes esperadas

Tasa de Mortalidad Estandarizada




Si la TME es >1 indica que hay un mayor nmero de muertes que las esperadas Si la TME es <1 indica que hay un menor nmero de muertes que las esperadas

Anlisis de la mortalidad por cohorte


En todos los grupos de edad la incidencia ha ido disminuyendo En todos los grupos es similar:
o alta en la infancia o baja en la adolescencia o incrementa de ah en adelante

Anlisis de la mortalidad por cohorte


La curva de 1960 da la impresin de que el riesgo de mortalidad por TB se va incrementado con la edad Esto sin embargo no es cierto

Anlisis de la mortalidad por cohorte




Cuando la frecuencia de la enfermedad cambia con el paso del tiempo, se recomienda analizar la informacin agrupando a los sujetos por su fecha de nacimiento Los grupos resultantes se conocen como cohortes de nacimiento

Anlisis de la mortalidad por cohorte

Anlisis de la mortalidad por cohorte

Curva de cohorte

Curva de corte seccional

Anlisis de la mortalidad por cohorte




Por el contrario, cuando la frecuencia de la enfermedad aumenta con el paso del tiempo, las curvas de corte seccional muestran un aparente decremento con la edad

Mortalidad por cncer broncognico

Estimacin de riesgo


Los estudios analticos estn diseados para determinar si existe una asociacin entre un factor y una evento de salud y si es as, determinar la intensidad de dicha asociacin

Estimacin de riesgo


Un estimador muy importante del grado de asociacin que analiza la tasa de incidencia de la enfermedad en cuestin en sujetos con y sin el factor de riesgo de inters es el llamado riesgo relativo
Riesgo relativo= tasa de incidencia en expuestos tasa de incidencia en no expuestos

Estimacin de riesgo


Los estudios prospectivos permiten el clculo directo de las tasas de incidencia de enfermedad en poblaciones expuestas y no expuestas Esto se debe a que ambos grupos representan una poblacin definida en cuanto al riesgo y pueden ser seguidos para determinar el desarrollo de enfermedad

En los estudios retrospectivos las tasas de incidencia no pueden ser determinadas porque carecemos de un denominador apropiado (poblacin en riesgo)

Debido a la forma en que se integran los grupos en un estudio retrospectivo, estos no representan al total de la poblacin expuesta y no expuesta A pesar de ello, si es posible determinar en forma alternativa una estimacin de riesgo si se satisfacen ciertos requisitos

Razn de riesgo
1. Los controles son representativos de la poblacin general 2. Los casos son representativos de todos los casos en la poblacin general 3. La frecuencia de enfermedad es baja

Razn de riesgo


Si se satisfacen estos requisitos se puede realizar una estimacin del riesgo denominada tasa de momios (o razn de momios)

Razn de momios
Presente Expuesto No expuesto Total P1 P3 P1+P3 Ausente P2 P4 P2+P4 Total P1+P2 P3+P4

La razn de riesgo (algo similar a la incidencia) seria igual a:


P1 P1+ P2 de los que tienen el factor cuantos estn enfermos P3

P3+ P4 de los no que tienen el factor cuantos estn enfermos

Si como es lo habitual, la frecuencia de enfermedad en la poblacin es baja, P1 ser pequeo en relacin a P2 y P3 ser pequeo en relacin a P4 por lo que podemos reducir los denominadores a P2 y P4
P1 P2 P3 P1 P4 P2 P3

P4

La expresin:
P1 P2 P3

P4

se denominada tasa o razn de momios porque el resultado se puede considerar como la probabilidad de tener la enfermedad con el factor presente y ausente respectivamente

Por ejemplo


Hace algn tiempo se pens que la amigdalectoma poda asociarse al desarrollo subsiguiente de la enfermedad de Hodgkin Se reunieron 101 casos de enfermedad de Hodgkin y 107 controles libres de Hodgkin y se investig si tenan historia de amigdalectoma

Amigdalectoma y Enf. Hodgkin

Casos
AMIGDALECTOMIA

Controles

SI

67(P1)

43(P3)

NO

34(P2)

64(P4)

La razn de momios mostrara:


67 OR= 43 64

=2.9 34

este estudio estim que el riesgo de desarrollar Hodgkin despus de una amigdalectoma era 3 veces mayor que en los sujetos no amigdalectomizados

Este mtodo es adecuado para aquellos estudios en donde los controles no han sido apareados Un problema inherente en estos casos va ser el de la existencia de factores de confusin

Factores de confusin


Una variable de confusin es aquella que que se sabe que puede estar asociada tanto con el factor de riesgo de interes como causalmente con la enfermedad bajo estudio Es importante controlarlos ya que nos pueden llevar a asociaciones espurias o sesgadas entre el factor de inters y la enfermedad

Factores de confusin


Por ejemplo la edad, el nivel de educacin y el nivel socioeconmico son variables de confusin comunes porque cada una suele estar asociada con los factores de riesgo y la enfermedad bajo estudio Existen dos formas de controlarlos:
o por apareo de los controles o por mtodos estadsticos (estratificacin o regresin)

Apareo de los controles




Mtodo sencillo para controlar los factores de confusin Consiste en elegir los controles de manera que sean similares a los casos en ciertas caractersticas Las variable mas frecuentemente apareadas son la edad, el gnero y la raza

Apareo de los controles




Cuando se aparean los controles, el apareo debe mantenerse durante el anlisis estadstico Si no se tiene esta precaucin suele resultar en una subestimacin del riesgo

Apareo de los controles




Hay que tener cuidado en solo aparear las variables que puedan constituir un factor de confusin Obviamente no podemos investigar el efecto de una variable que ha sido apareada

Apareo de los controles




El aparear demasiadas variables tiene inconvenientes:


o pudiera incluirse una variable con importancia causal o incrementa el costo (se requiere seleccionar mas controles) o si no se encuentran controles apropiados pudieran perderse algunos casos

Apareo de los controles




En un estudio de C y C con apareamiento la unidad de anlisis es el par:


o o o o caso expuesto-control expuesto (a) caso expuesto-control no expuesto (b) caso no expuesto-control expuesto (c) caso no expuesto-control no expuesto (d)

Controles Expuestos No expuestos

Expuestos Casos

No expuestos

a y d son pares concordantes y no contribuyen al anlisis

 

Por lo tanto la razn de momios ser b/c Un ejemplo lo constituye el estudio sobre la asociacin de el uso de estrgenos y el cncer de endometrio Se incluyeron 451 casos y 888 controles apareados por hospital, raza, edad (+5 a.) y fecha de ingreso (+6 meses)

Controles Estrgeno No estrgeno

Estrgeno Casos

17

76

No estrgeno

10

111

Razn de momios = 76/10 = 7.6

Riesgo atribuible


Es el grado en que la incidencia de enfermedad puede ser atribuida a un factor de riesgo Puede calcularse de dos formas:

RA= [incidencia en la poblacin general]-[incidencia en los no expuestos]


incidencia en la poblacin general

Riesgo atribuible


Por ejemplo si la incidencia en la poblacin general es de 2.5/1,000 y la incidencia en la poblacin no expuesta es de 1/1,000, la proporcin de la incidencia de enfermedad atribuible a la exposicin es de: [2.5] [1.0]/2.5 = 0.60 es decir, el 60% de los casos son atribuibles al factor de riesgo en cuestin

Tambin el riesgo atribuible se puede definir como la diferencia aritmtica o absoluta en las tasas de incidencia entre los sujetos expuestos y no expuestos