You are on page 1of 18

Epidemiologa y Estadstica

TEMA 1. ESTUDIO DE UN TEST.


PARMETROS DE USO.
1.1.

RP+ = S/1-E

Estudio de un test.

La actividad epidemiolgica estudia la frecuencia de enfermedad. Sin


embargo, todas sus medidas son realmente de la frecuencia de diagnsticos de enfermedad, de ah la importancia de conocer la autntica
correspondencia entre el diagnstico y la realidad patolgica. Muy
pocas pruebas diagnsticas, quiz ninguna, identican con certeza si
el paciente tiene o no la enfermedad.
La ecacia de una prueba diagnstica depende de su capacidad para
detectar correctamente la presencia o ausencia de la enfermedad que
se estudia, lo que se expresa matemticamente en cuatro ndices como:
sensibilidad, especicidad, valor predictivo positivo y valor predictivo
negativo.
Estos ndices se obtienen a partir del anlisis de una serie de pacientes a los que se les realiza una prueba diagnstica (prueba problema),
comparndose los resultados con los de una prueba de superior rendimiento diagnstico (prueba de referencia). Los resultados obtenidos se
expresan de la siguiente manera:

RP- = 1-S/E

Valor predictivo positivo. Se trata de la proporcin de verdaderos


positivos entre aquellos que han sido identicados como positivos
en una prueba de test (MIR 03-04, 135; MIR 01-02, 205; MIR 99-00,
239; MIR 98-99, 199; MIR 98-99F, 204; MIR 97-98, 81; MIR 96-97, 138;
MIR 96-97, 139; MIR 95-96, 30; MIR 95-96F, 60; MIR 94-95, 60).

Valor predictivo negativo. Se trata de la proporcin de verdaderos


negativos entre aquellos que han sido identicados como negativos
en un test (MIR 03-04, 135; MIR 02-03, 28; MIR 00-01, 217; MIR 94-95,
236).

Valor global (eciencia) del test. Indica la proporcin de resultados


vlidos entre el conjunto de resultados.

Sensibilidad + Tasa de falsos negativos = 100%.

Especicidad + Tasa de falsos positivos = 100% (MIR 96-97, 152; MIR


95-96F, 54).

Tabla 1.

VP
a

FP
b

Total positivos
a+b

FN
c

VN
d

Total
negativos
c+d

Total de
enfermos
a+c

Total de
sanos
b+d

TOTAL
INDIVIDUOS
a+b+c+d

Verdaderos positivos. Resultados positivos en sujetos enfermos.


Verdaderos negativos. Resultados negativos en sujetos sanos.
Falsos positivos. Resultados positivos en sujetos sanos.
Falsos negativos. Resultados negativos en sujetos enfermos.

Razn de probabilidad negativa. Compara la probabilidad de que


un paciente enfermo presente un resultado negativo comparado
con la probabilidad de que el resultado negativo se presente en un
individuo sano.

El resultado de un test puede ser continuo (p. ej. niveles de glucemia


en mg/dl) y entonces hay que decidir cul se considerar como
resultado positivo, hay que elegir un punto de corte.

Sensibilidad (S). Se dene como la probabilidad de que un individuo


enfermo tenga un test +. La sensibilidad indica la proporcin del
total de enfermos que el test es capaz de detectar (MIR 03-04, 143;
MIR 00-01F, 238; MIR 98-99F, 205).

Especicidad (E). Probabilidad de que un individuo sano tenga un


test -. La especicidad indica la proporcin de individuos sanos
conrmados como tales por el resultado negativo del test (MIR 9899F, 208).

Tasa de falsos negativos (TFN). Es la probabilidad de que un individuo estando enfermo sea clasicado como sano.

Tasa de falsos positivos (TFP). Es la probabilidad de que a un individuo sano se le clasique como enfermo.

Razn de probabilidad positiva. Compara la probabilidad de que


un paciente enfermo presente un resultado positivo comparado
con la probabilidad de que el resultado positivo se presente en un
individuo sano (MIR 99-00F, 209; MIR 98-99, 198; MIR 98-99, 201).

El punto de corte escogido determinar la sensibilidad y especicidad de la prueba (si cogemos 70, la prueba ser muy sensible y poco
especca; si cogemos 140, ser poco sensible y muy especca) (MIR
96-97, 142).
Para determinar el punto de corte se pueden utilizar las curvas de
caractersticas operativas para el receptor (COR). Se seleccionan varios
puntos de corte y se estima la sensibilidad y especicidad para cada
uno de ellos. Posteriormente, se representa grcamente la sensibilidad
en funcin de (1-Especicidad). La prueba ideal se sita en el ngulo
superior izquierdo (S y E = 1).

Una prueba sin ningn valor sigue la diagonal que va del ngulo
inferior izquierdo al ngulo superior derecho (cada incremento de la sensibilidad se asocia a una prdida de igual magnitud de especicidad).
De esta forma, la sensibilidad y la especicidad son valores interdependientes, de forma que si aumenta la sensibilidad disminuye la espe-

Pg. 3

MANUAL CTO 4 Ed.


cicidad y viceversa. Si se adoptan criterios de diagnstico muy estrictos
disminuye la sensibilidad (hay menos enfermos que cumplen estos criterios), y paralelamente aumenta la especicidad (pocos sanos cumplen
estos criterios) (MIR 01-02, 206; MIR 99-00F, 217; MIR 99-00F, 203; MIR
98-99F, 209; MIR 96-97, 147; MIR 96-97F, 216; MIR 96-97F, 197).

1.2.

Relacin entre prevalencia y valores predictivos.

Los valores predictivos de un test son variables, dependen de la prevalencia de la enfermedad en la poblacin. La sensibilidad y la especicidad
son caractersticas propias del test y no se modican con cambios en
la prevalencia.
Si la prevalencia de la enfermedad aumenta, aumenta el valor predictivo positivo, mientras que disminuye el valor predictivo negativo
(MIR 99-00F, 203; MIR 97-98, 63; MIR 97-98, 87; MIR 97-98F, 69; MIR
95-96, 151).
Si la prevalencia de la enfermedad disminuye, aumenta el valor
predictivo negativo y disminuye el valor predictivo positivo (MIR 96-97,
147; MIR 95-96, 95).

1.3.

Aceptabilidad de un mtodo diagnstico.

No existe un parmetro gua til para todas las situaciones. La aceptabilidad de un test depende de la patologa estudiada y de las condiciones
reales en el medio y en la colectividad.
Si lo que interesa es detectar el mayor nmero posible de enfermos,
se debe usar un test con alta sensibilidad. As se te escaparn pocos,
aunque al precio de bastantes falsos positivos. Elegiremos un test
sensible cuando:
La enfermedad sea grave y no pueda pasar desapercibida.
La enfermedad sea tratable.
Los resultados falsamente positivos no supongan un traumatismo
psicolgico en los individuos examinados (MIR 98-99, 200).
Si lo que quieres es asegurar el diagnstico, debes usar un test cuya
especicidad sea mxima.
Utilizaremos un test lo ms especco posible cuando:
La enfermedad sea importante, pero difcil de curar o incurable.
Los resultados falsamente positivos puedan suponer un trauma
psicolgico para el individuo examinado .
El tratamiento de los falsos positivos pudiera tener graves consecuencias (MIR 02-03, 49; MIR 01-02, 203; MIR 00-01, 210; MIR 96-97,
130; MIR 95-96F, 49).

1.4.

Screening.

Estrategia de deteccin precoz de la enfermedad. Lo ideal es aplicar


primero un test muy sensible (detecta todos los casos posibles de
enfermedad se obtienen muchos FP y pocos FN) y en una segunda
fase aplicar un test muy especco (se conrma el diagnstico de esos
posibles enfermos se obtienen muy pocos FP).
En la puesta en marcha de un programa de screening deben tenerse
en cuenta criterios dependientes de la enfermedad, del test y de la
poblacin diana.
1) Criterios dependientes de la enfermedad.
La enfermedad debe ser comn y grave.
Debe conocerse la historia natural de la enfermedad.
El tratamiento, en el estado presintomtico, debe reducir la morbimortalidad en mayor medida que el tratamiento despus de la
aparicin de los sntomas.
2)

Criterios dependientes del test.


De fcil aplicacin.
Coste razonable dentro del presupuesto de salud.
Inocua para la poblacin.
Conabilidad o capacidad de repeticin.
Validez. Se reere a la capacidad del test de medir lo que realmente
deseamos medir. El concepto de validez incluye los de sensibilidad,
especicidad y valor predictivo.

Pg. 4

3) Criterios dependientes de la poblacin diana.


El riesgo de ser afectado por la enfermedad debe ser alto.
La informacin demogrca debe estar disponible en la comunidad.
La comunidad debe sentir la necesidad de programas de salud pblica.
(MIR 98-99F, 213; MIR 97-98, 66; MIR 96-97, 145; MIR 95-96, 109; MIR
95-96F, 188).

1.5.

Coeficiente Kappa.

El coeciente Kappa es una medida del grado de concordancia no aleatoria entre varios observadores o entre distintas mediciones de la misma
variable. Vara de -1 a +1 (MIR 97-98, 85; MIR 96-97F, 210).
k= -1. Discrepan ms mediciones de lo esperado por azar.
k = 0. Concordancia debida al azar.
k = +1. Concordancia completa.
Ejemplo. Dos oftalmlogos revisaron la misma serie de 100 fotografas de fondo de ojo para determinar el grado de retinopata. Se desea medir el grado de coincidencia, concordancia entre los dos observadores.

TEMA 2. CONCEPTO Y USO DE LA


EPIDEMIOLOGA.
2.1.

Concepto de epidemiologa.

Etimolgicamente, la palabra epidemiologa procede del griego y


signica tratado sobre el pueblo (epi = sobre, demo = pueblo, logos =
tratado).
Podramos denir la epidemiologa como la ciencia que estudia la
distribucin y los determinantes del fenmeno salud-enfermedad en las
poblaciones humanas. La comunidad sustituye al individuo a la hora de
buscar la respuesta a ciertas preguntas sobre la etiologa y la prevencin
de la enfermedad, y sobre los recursos necesarios para los cuidados de
salud de esa poblacin.
La epidemiologa se ocupa de dos aspectos fundamentales:
1. Estudiar la distribucin de las enfermedades en relacin con las
variables lugar, tiempo y persona. Es lo que se denomina Epidemiologa Descriptiva.
2. Buscar los factores que determinan la distribucin encontrada e
identicar asociaciones causales. Es lo que hace la llamada Epidemiologa Analtica.
Las principales posibilidades de aplicacin de la Epidemiologa
son:
Establecer el diagnstico de salud de una comunidad.
Conocer los factores causales de enfermedad y las probabilidades
de enfermar.
Evaluar la ecacia/efectividad/eciencia de los procedimientos
preventivos y teraputicos de los servicios de salud.
1.
2.
3.
4.

Los principales pasos dentro del mtodo epidemiolgico seran:


Observar un fenmeno.
Elaborar una hiptesis.
Probar la hiptesis.
Emitir un informe o ley.

2.2.

Indicadores de riesgo. Causas de enfermedad.

CONCEPTOS.
Riesgo. Es la probabilidad de desarrollar una enfermedad por estar
expuesto a ciertos factores.
Causa. Es la condicin que, sola o acompaada de otras condiciones, inicia o permite iniciar una secuencia de acontecimientos que
producen un determinado efecto.
Factor de riesgo. Variable endgena o exgena al individuo, controlable, que precede al comienzo de la enfermedad y que est asociada
a un incremento de la probabilidad de aparicin de la misma, y a

Epidemiologa y Estadstica

la que podemos atribuir responsabilidad en la enfermedad. P. ej.:


tabaco como factor de riesgo de cncer de pulmn.
Marcador de riesgo. Variable no controlable, endgena al individuo
(constitucional), y cuya presencia anuncia a los individuos particularmente vulnerables. P. ej.: sexo femenino como marcador de riesgo
de cncer de mama.
Indicador de riesgo. Variable sin relacin causal con el problema,
pero cuya presencia alerta precozmente sobre el padecimiento. P.
ej.: Manchas de Koplik como signo precursor de la aparicin del
sarampin.

CRITERIOS EPIDEMIOLGICOS DE CAUSALIDAD.


La existencia de asociacin estadstica no es sinnimo de causalidad,
sino que deben cumplirse los denominados criterios de causalidad.
Fuerza de asociacin. Es un criterio muy importante, consistente
en cuntas veces ms riesgo de enfermedad tienen las personas
expuestas al factor estudiado que las no expuestas (ver Tema 4).
Efecto dosis-respuesta. Es decir, que la asociacin tenga coherencia interna, que al incrementarse la presencia del factor de riesgo
aumente la de la enfermedad.
Secuencia temporal. La exposicin al presunto factor de riesgo debe
preceder al efecto.
Coherencia externa o consistencia de los resultados. Los resultados
deben ser concordantes con los obtenidos en otros estudios (reproducibilidad).
Ausencia de distorsiones metodolgicas en el estudio, debidas a
sesgos.
Ausencia de explicaciones alternativas. Es decir, ausencia de otras
hiptesis que expliquen los resultados.
Plausibilidad biolgica. Que los resultados sean compatibles con el
marco de los conocimientos cientcos previos.
Efecto de la cesacin o reversibilidad. Es decir, que exista una disminucin del riesgo tras la reduccin de la exposicin al presunto
factor de riesgo.
Demostracin experimental. Es la prueba causal por excelencia,
pero su realizacin plantea en ocasiones problemas ticos (MIR
99-00, 240; MIR 99-00F, 207; MIR 98-99, 202; MIR 96-97F, 212).
MODELOS CAUSALES.
Determinista o unicausal. Este modelo dice que siempre que se
presente la causa (causa suciente) y slo cuando se presente la
causa (causa necesaria), ocurre el efecto. Hay especicidad de causa
(el efecto tiene una nica causa) y tambin de efecto (cada causa
produce un nico efecto).
Multicausal. Postula que hay pluralidad de causas y multiplicidad
de efectos, formando redes causales, de forma que diferentes causas
producen el mismo efecto, y una nica causa produce varios efectos.
Determinista modicado (Rothman). En este modelo se distinguen
3 tipos de causas:
1. Causa suciente. Es aquella que inevitablemente produce el
efecto cuando se presenta.
2. Causa complementaria o contribuyente. Son aquellas causas que
forman parte de una causa suciente.
3. Causa necesaria. Es la que debe estar presente inevitablemente
para que se produzca el efecto, por tanto, debe formar parte de
todas las causas sucientes de una enfermedad.

TEMA 3. MEDIDAS DE FRECUENCIA DE LA


ENFERMEDAD.
3.1.

Formas bsicas de medida.

Frmula: R = a/b
Ejemplo: razn de hombres/mujeres.

Proporcin. Cociente en que el numerador est incluido en el denominador. Sus valores oscilan de 0 a 1. Es adimensional.
Frmula: P = a/a+b
Ejemplo: proporcin de aprobados en un examen.
Tasa. Mide la ocurrencia de un suceso durante un perodo de tiempo
en una poblacin determinada. Es un cociente en el que el numerador
est incluido en el denominador pero, a diferencia de la proporcin, el
tiempo tambin est incluido en el denominador. Tienen, por tanto,
dimensin temporal.

Frmula: T = a / persona x tiempo.


Ejemplo: 300 Ca pulmn/ 100.000 personas-ao.

3.2.

Medidas de frecuencia de la enfermedad.

Prevalencia. Es el nmero total de casos entre el total de la poblacin. No hace distincin entre casos antiguos y nuevos y nos describe la
situacin en un momento determinado del tiempo. Es mayor a mayor
incidencia y mayor duracin de la enfermedad (MIR 96-97, 141; MIR
96-97F, 213).

Incidencia acumulada. Se dene como el nmero de casos nuevos


de una enfermedad que se producen en un perodo de tiempo. Es la probabilidad de que un individuo desarrolle la enfermedad en ese perodo
(MIR 01-02, 195; MIR 00-01F, 234; MIR 98-99F, 212; MIR 96-97, 155; MIR
95-96, 44; MIR 95-96, 37).

sta se puede relacionar con la prevalencia segn las siguientes


frmulas.

Tabla 2. Medidas de frecuencia de la enfermedad.

Casos existentes

Poblacin total

Proporcin de individuos
enfermos en una poblacin en un
momento concreto

Casos nuevos observados

Poblacin susceptible al
comienzo del perodo

Riesgo individual de
enfermar

Casos nuevos observados

Suma de los perodos de


riesgo

Velocidad con que determinada


enfermedad aparece en una
poblacin

Densidad de incidencia. Se dene como el nmero de casos nuevos


de la enfermedad que se producen en un perodo de tiempo, teniendo en
cuenta la informacin que aporta cada uno de los individuos.

Nmero. Es un valor absoluto. Al no conocer el denominador no se


puede conocer la importancia relativa del problema.
Razn. Cociente en el que el numerador no est incluido en el denominador, es decir, cociente entre dos entidades que poseen caracteres
distintos. Sus valores oscilan de 0 a innito.

Personas x tiempo: es una unidad de medida de la poblacin en


riesgo. Se obtiene sumando la cantidad de tiempo que cada individuo
ha estado expuesto al factor de estudio.

Pg. 5

MANUAL CTO 4 Ed.


Ejemplo:
12 ---3 ----4 -5 -------<-- aos ->

1 ao
4 aos
5 aos
2 aos
8 aos
Total: 20 aos

La densidad de incidencia es una tasa que expresa la velocidad con


la que se desarrolla una enfermedad en una poblacin y, para ser vlida,
todos los sujetos debieran haber sido seguidos un tiempo suciente
para desarrollarla. Este concepto se conoce tambin con el nombre de
fuerza de la morbilidad.

TEMA 4. MEDIDAS DE ASOCIACIN O DEL


EFECTO.

4.3.

Miden la diferencia de ocurrencia de una enfermedad entre dos grupos


de personas: personas expuestas (a un factor de riesgo) y personas no
expuestas.

4.1.

Responde a la pregunta: Cunto ms frecuente es la enfermedad


entre los expuestos a un factor de riesgo, respecto a los no expuestos?
Su signicado vara dependiendo del valor que tome:
RR > 1

Factor de riesgo (FR).


RR = 1

Indiferente. La incidencia es igual en expuestos


y no expuestos.
RR < 1

Factor de proteccin.

a+b

c+d

a+c

b+d

a+b+c+d

Incidencia en expuestos: Ie = a/a+b


Incidencia en no expuestos: Io = c/c+d

a+b

c+d

a+c

b+d

a+b+c+d

Razn de prevalencia.

TEMA 5. MEDIDAS DE IMPACTO.


5.1.

(MIR 01-02, 212; MIR 99-00F, 211; MIR 99-00F, 198; MIR 97-98F, 83).

Odds ratio (razn de desventaja).

Es una razn. Es la medida bsica de los estudios casos-controles.


Su significado es idntico al del RR, aunque no puede calcularse
como l, ya que en los estudios casos-controles no puede calcularse
la incidencia de la enfermedad. Para que la OR sea un buen estimador del RR es necesario que los controles sean representativos de la
poblacin de la que han surgido los casos y que la enfermedad tenga
una incidencia baja, inferior al 10%. (MIR 02-03, 36; MIR 00-01, 196;
MIR 99-00F, 209).

Diferencia de incidencias o riesgo atribuible (RA).

Es una medida que informa sobre el exceso de riesgo en los individuos


expuestos frente a los no expuestos al factor de riesgo. Indica la incidencia
acumulada en el grupo de expuestos que se debe exclusivamente al factor
de riesgo. Representa el descenso en el nmero de casos nuevos entre los
expuestos si se evitara el FR (MIR 03-04, 127; MIR 03-04, 152; MIR 00-01F,
249; MIR 94-95, 237).
RA = Ie - Io

Fraccin atribuible en expuestos o fraccin etiolgica


del riesgo (FAE).

Es la proporcin de la enfermedad que se debe a la exposicin, es decir,


la proporcin de casos nuevos de enfermedad, entre los expuestos,
que se evitara si eliminsemos el factor de riesgo (MIR 02-03, 39; MIR
98-99, 193).

TEMA 6. TIPOS DE ESTUDIOS


EPIDEMIOLGICOS.
6.1.

Pg. 6

Es la medida de asociacin de los estudios transversales. Su interpretacin es similar a la del riesgo relativo, es decir, el nmero de veces ms
que padecen la enfermedad los expuestos frente a los no expuestos.

5.2.

4.2.

Riesgo relativo (RR).

Es la medida de asociacin en los estudios de cohortes. Mide la


fuerza de la asociacin entre el factor de riesgo y la enfermedad.
Puede variar entre 0 e infinito (MIR 03-04, 136; MIR 03-04, 149;
MIR 03-04, 152; MIR 02-03, 29; MIR 00-01, 193; MIR 98-99F, 211;
MIR 96-97, 129).

Estudios descriptivos.

Los objetivos de los estudios descriptivos son:


1. Describir las caractersticas y la frecuencia de un problema de salud,
en funcin de las caractersticas de PERSONA (edad, sexo, estado
civil...), de LUGAR (rea geogrca...) y de TIEMPO de aparicin del
problema y su tendencia.
2. Servir de base para estudios analticos.
1. Series de casos clnicos. Describen las caractersticas de un grupo
de enfermos. Son estudios longitudinales, ya que contienen informacin adquirida a lo largo del tiempo. Su principal ventaja es que
permiten generar nuevas hiptesis, mientras que el mayor inconveniente es que no presentan grupo control, por lo que cualquier
FR puede ser un hallazgo casual.

Epidemiologa y Estadstica
2. Estudios ecolgicos. Pueden ser transversales o longitudinales. Son
estudios en los que la unidad de anlisis son grupos de individuos, no
individuos (p.ej. clases de una escuela, ciudades, regiones). Son tiles
cuando no se pueden hacer mediciones de exposicin individuales
(contaminacin del aire, ruidos, etc.).
Ventajas. Permiten describir diferencias en poblaciones que
habrn de ser estudiadas con ms detalle posteriormente (MIR
00-01, 198).
Limitaciones. Los datos son promedios de poblaciones. Se usan
medidas aproximadas de exposicin (impuestos por alcohol,
ventas de cajetillas de cigarrillos...) y de enfermedad (mortalidad
en vez de incidencia...) lo que limita el valor de los hallazgos.
3. Estudios transversales o de prevalencia. Son estudios descriptivos
y transversales, ya que estudian la relacin entre una enfermedad
y algunas variables en un momento concreto del tiempo. Buscan
hallar una posible relacin entre un FR y una enfermedad, que luego
habr de ser vericada por estudios analticos (MIR 00-01, 195; MIR
00-01F, 240).
Caractersticas. Es de corte o transversal, ya que enfermedad
y caractersticas se miden simultneamente.
Ventajas. No tienen problemas ticos, son de duracin mnima,
su coste es bajo y son de fcil reproductibilidad. Son tiles para el
estudio de enfermedades crnicas en la poblacin (MIR 99-00F,
205; MIR 95-96, 37).
Inconvenientes. No es til para estudiar enfermedades raras, no
permite ver el mecanismo de produccin de la enfermedad y no
sirve para comprobar una hiptesis previa de causalidad (no es
posible conocer la secuencia temporal porque la informacin
sobre el factor de riesgo y la enfermedad se recogen a la vez) (MIR
01-02, 202; MIR 97-98, 62; MIR 96-97F, 214; MIR 95-96, 29).
Anlisis de las medidas de enfermedad. Con el estudio de prevalencia, la medida que se obtiene es la RAZON DE PREVALENCIA de
individuos expuestos (MIR 96-97, 136; MIR 95-96F, 53).

6.2.

Estudios analticos.

Los estudios analticos (intentan establecer una relacin de causalidad


entre el factor de riesgo y la enfermedad) se pueden clasicar en experimentales y observacionales. En los estudios experimentales es el
investigador el que asigna el factor de estudio (qu frmaco, vacuna,
campaa de educacin... cunto tiempo, cundo, cunta dosis recibirn
los individuos...) mientras que en los observacionales, el investigador
se limita a observar qu es lo que sucede en un grupo de individuos, sin
manipular el estudio.

6.2.1. Estudios analticos experimentales.


TERMINOLOGA.
Decimos que un estudio es experimental cuando cumple dos condiciones:
Asignacin por parte del investigador del factor de estudio.
Aleatorizacin de la muestra de modo que los participantes son
adscritos al azar a uno u otro grupo de estudio.
LIMITACIONES.
Problemas ticos. Es el principal inconveniente de este tipo de estudios.
No es admisible exponer a unos sujetos a un factor de riesgo que presumiblemente es el causante de una enfermedad.
VENTAJAS.
Son los estudios que mejor valoran la utilidad de una intervencin
y aportan mayor evidencia causal (MIR 02-03, 27).
Permiten un gran control sobre cualquier efecto que no sea el estudiado.
Permiten el empleo de tcnicas de enmascaramiento.
1. Ensayo clnico aleatorio. Es, con mucho, el estudio experimental
ms frecuente. La asignacin aleatorizada del factor de estudio (un
frmaco o intervencin sanitaria) se hace sobre los individuos. Es el

que ofrece la mejor evidencia de una posible relacin causa-efecto


y la ecacia de una actuacin (MIR 99-00, 229; MIR 98-99, 259; MIR
97-98, 78; MIR 97-98F, 74; MIR 96-97F, 211; MIR 96-97, 144). (Ampliar
estudio en Tema 8).

Figura 1.

Ensayo clnico aleatorio.

2. Ensayo de campo. Es un estudio experimental que valora la ecacia


de una medida preventiva. En general, estos estudios son ms caros
que los ensayos clnicos y requieren mayor nmero de individuos.
Las principales diferencias respecto a los ensayos clnicos son:
Se hacen sobre individuos sanos.
Valoran la ecacia de las medidas preventivas (MIR 99-00,
242).

6.2.2. Estudios analticos cuasiexperimentales.


Se diferencian de los estudios experimentales puros en que no hay
asignacin al azar (aleatorizacin).
1. Ensayo comunitario de intervencin. Son una variedad de los ensayos de campo (MIR 00-01, 194).
Se aplica a individuos sanos.
Valora la ecacia de medidas preventivas.
No se aplica aleatorizacin individual.
2. Ensayos antes-despus. En este tipo de estudios, el frmaco (o medida en general) se administra a los individuos y se compara el resultado
con la situacin basal. Los estudios antes-despus tienen la ventaja de
que son ms fciles de hacer, pero tienen el inconveniente grave de
que, al no disponer de grupo de control, los resultados son difciles de
interpretar.
3. Estudios controlados no aleatorios. Se realizan cuando la asignacin
aleatoria, o no ofrece ventajas, o no se puede hacer.

6.2.3. Estudios analticos observacionales.


1. Estudios de cohortes.
DESCRIPCIN.
Partiendo de un grupo de individuos expuestos al factor de riesgo
(cohorte expuesta), y de otros comparables en todo pero que no estn
expuestos al FR (cohorte no expuesta), se estudia la incidencia de la
enfermedad en ambas cohortes (MIR 03-04, 132; MIR 01-02, 199; MIR
00-01F, 237; MIR 94-95, 239).

CARACTERSTICAS.
Son estudios longitudinales, de seguimiento.
Es prospectivo (excepto en los estudios de cohortes histricas).
Va de la causa al efecto (enfermedad).

Pg. 7

MANUAL CTO 4 Ed.


VENTAJAS.
Es el mejor estudio para comprobar hiptesis previas de causalidad,
cuando por razones ticas, no es posible realizar un estudio experimental.
Es el mejor para el estudio de la multiefectividad del factor de riesgo
(todos los efectos del factor de riesgo).
La posibilidad de sesgos es baja.
Sirven para el estudio de exposiciones raras.
INCONVENIENTES.
No es bueno para el estudio de enfermedades raras (MIR 01-02,
198).
No es bueno para el estudio de enfermedades de largo perodo de
incubacin.
El coste es alto.
No sirve para el estudio de la multicausalidad de la enfermedad.
Son difcilmente reproducibles.
Anlisis de las medidas de la enfermedad. Los estudios de cohortes
son los que permiten saber cul es la incidencia de la enfermedad. Las
medidas que se obtienen son:
Riesgo relativo. Es la medida de la fuerza de la asociacin.
Diferencia de incidencias o riesgo atribuible. Informa sobre el exceso
de riesgo de enfermar.
Fraccin atribuible. Estima la proporcin de la enfermedad entre
los expuestos, que es debida al factor de riesgo.
(MIR 99-00, 235)

2. Estudios de cohortes histricas (retrospectivas). El investigador


identica, mediante registros, una cohorte expuesta en el pasado a
un factor de riesgo, y otra cohorte no expuesta. Mediante dichos registros (p.ej. historias clnicas) sigue la evolucin de ambas cohortes,
comparando los resultados.
Por ejemplo: Los trabajadores que son despedidos, sufren una mayor
morbilidad que los que no son despedidos?
En 1989 se dise un estudio de cohortes retrospectivo, consistente
en identicar a los trabajadores despedidos de una fbrica. De esa misma localidad, se identic a otro grupo de trabajadores que siguieron
trabajando. Mediante las historias clnicas, se estudi la morbilidad de
ambas cohortes.
3) Estudio de casos-controles.
DESCRIPCIN.
Partiendo de un grupo de individuos enfermos (casos), y de otros
comparables a ellos en todo, pero que no tienen la enfermedad (controles), se estudia la exposicin, en ambos, a distintos factores de
riesgo (MIR 03-04, 129; MIR 03-04, 137; MIR 01-02, 196; MIR 00-01,
197; MIR 95-96F, 56).

CARACTERSTICAS.
Es un estudio longitudinal.
Es retrospectivo.
Va del efecto (enfermedad) a la causa.

ESTUDIOS EPIDEMIOLGICOS

ESTUDIOS ANALTICOS
(analizan hiptesis)

ESTUDIOS DESCRIPTIVOS
(describen una situacin)

- Series de casos clnicos.


- Estudios ecolgicos.
- Estudios descriptivos de mortalidad.
- Estudios descriptivos de morbilidad.
- Estudios de prevalencia (estudios transversales).

Existe asignacin controlada


del factor de estudio?
SI

NO

Existe asignacin
aleatoria de los sujetos?

ESTUDIO OBSERVACIONAL

SI

NO

ESTUDIO EXPERIMENTAL

ESTUDIO CUASI-EXPERIMENTAL

Eleccin de los sujetos


en funcin de?

Enfermedad
(efecto)
- Ensayo clnico.
- Ensayo de campo.
- Ensayo clnico cruzado.

- Ensayo comunitario de intervencin.


- Estudio antes-despus.
- Estudios controlados no aleatorizados.

Existe hitoria previa


de exposicin?
SI

NO

Estudio de
casos-controles

Estudio de prevalencia
(transversal)

Figura 2. Tipos de estudios epidemiolgicos.

Pg. 8

Exposicin
al factor

Estudio de
cohortes

Epidemiologa y Estadstica
VENTAJAS.
Es de corta duracin.
Es ideal para el estudio de enfermedades raras.
Es el mejor para el estudio de enfermedades de largo perodo de
induccin.
El coste es bajo.
Es el mejor para el estudio de la multicausalidad de la enfermedad
(los posibles factores de riesgo de una determinada enfermedad).
Es el mejor para formular nuevas hiptesis etiolgicas.
INCONVENIENTES.
No es bueno para comprobar hiptesis previas de causalidad.
No permite el estudio de la multiefectividad del factor de riesgo.
La posibilidad de sesgos es muy alta, su control difcil.
Anlisis de las medidas de la enfermedad. En los estudios de casos-controles no puedes obtener informacin sobre la incidencia de
la enfermedad ya que partes de una poblacin seleccionada. Tampoco
tienes informacin sobre la prevalencia, ya que el nmero de enfermos
slo depende de los que t elijas. Debido a ello, la fuerza de la asociacin
no se puede calcular directamente, como en el estudio de cohortes, sino
de forma indirecta mediante la ODDS RATIO (MIR 99-00, 234).
Tabla 3. Diferencias entre los estudios de cohortes y los de
casos y controles.

Definida

Indefinida

No

Varios

Uno

Una

Varias

Poco til

Muy til

Muy til

Poco til

Pocos

Muchos

Muchos

Pocos

Elevado

Bajo

Larga

C or t a

Regular

Mala

TEMA 7. VALIDEZ Y FIABILIDAD DE LOS ESTUDIOS


EPIDEMIOLGICOS.
Cuando realizamos un estudio de investigacin clnica casi nunca trabajamos con poblaciones completas. Lo que hacemos es, partiendo de
observaciones realizadas en un grupo reducido de personas (la llamada
muestra), generalizar o extrapolar nuestros resultados a colectivos ms
amplios. El hecho de que no trabajemos con poblaciones completas, sino
con muestras, puede introducir en nuestras observaciones errores producidos por el azar, a los que llamamos errores aleatorios. Existen adems otros tipos de errores no relacionados con el hecho de trabajar con
muestras, y que son conocidos como errores sistemticos o sesgos.

7.1.

Tipos de Error.

1. Error aleatorio. Es el error que puede atribuirse a la variabilidad


aleatoria que conlleva siempre un proceso de muestreo. El azar hace
que la muestra con la que vamos a trabajar no sea representativa.

El error aleatorio no afecta a la validez interna de un estudio, pero


reduce la posibilidad de elaborar conclusiones sobre la relacin exposicin-enfermedad, aunque no altera el sentido de la asociacin.
Los errores aleatorios, a diferencia de los errores sistemticos, se
pueden minimizar aumentando el tamao de la muestra (MIR 9798F, 67; MIR 96-97F, 206).
2. Errores sistemticos o sesgos. Son los errores producidos cuando
hay un fallo en el diseo o en la ejecucin del estudio, que hace
que los resultados de la muestra sean diferentes de la poblacin de
la que proceden. No se relacionan con el tamao de la muestra y,
cuando no se controlan, tienden a invalidar las condiciones de un
estudio, es decir, la existencia de sesgos conduce a la elaboracin
de conclusiones incorrectas sobre la relacin entre una exposicin
y una enfermedad.
TIPOS DE ERRORES SISTEMTICOS.
1. Sesgo de seleccin (MIR 02-03, 40; MIR 94-95, 235). Se produce
cuando se asignan sujetos al grupo control que dieren signicativamente, en alguna caracterstica clave, del grupo problema. Este tipo
de sesgos se pueden controlar mediante un proceso de aleatorizacin
en la constitucin de los distintos grupos de estudio (MIR 95-96, 34).
Son ejemplos de este tipo de sesgo:
Sesgo de autoseleccin o del voluntario. La participacin o autoderivacin del individuo al estudio compromete su validez.
Sesgo diagnstico o sesgo de Berkson. Es el que se produce
cuando para saber qu ocurre en la poblacin, eliges una muestra
hospitalaria de esa poblacin y el factor de riesgo que estamos
estudiando se asocia a una mayor probabilidad de hospitalizacin. Tambin se incluye en este tipo de sesgo aquel que puede
surgir al elegir como control pacientes con alguna enfermedad
que tambin se asocia al factor de exposicin estudiado.
Sesgo del obrero sano. La salida del trabajador enfermo del
mercado laboral compromete la validez del estudio.
Falacia de Neyman. Se produce en los estudios casos y controles
al seleccionar casos prevalentes (ya existentes) en vez de casos
incidentes (casos nuevos). Esto conlleva que en los casos sea
menos frecuente la exposicin a aquellos FR que disminuyen la
supervivencia.
Ejemplo. Queremos estudiar si la actividad fsica tiene algn efecto
sobre la frecuencia de insuciencia coronaria. Comparamos personas
con actividad y personas sedentarias. Un sesgo de seleccin sera cuando
la inactividad de los sedentarios fuese a consecuencia de padecer la
enfermedad cardaca.
2. Sesgo de informacin. Se produce cuando hay un error sistemtico
en la medicin de alguna variable clave del estudio. La clasicacin
incorrecta puede afectar de igual manera a todos los grupos de
estudio o no. Los sesgos de informacin debidos al investigador o
a los participantes en el estudio se controlan mediante tcnicas de
enmascaramiento (MIR 00-01, 201).
Clasicacin incorrecta diferencial. La probabilidad de clasicacin errnea de la exposicin (en un estudio de casos y control)
afecta de manera desigual a sanos y enfermos o la clasicacin
de enfermo o no enfermo (en un estudio de cohortes) se hace
de manera distinta, segn se est o no expuesto al factor de
estudio. Este tipo de sesgo produce una sub o sobreestimacin
del efecto del factor de exposicin en la enfermedad. Dentro
de este grupo cabe destacar:
Sesgo de memoria. Se produce en los estudios casos y controles. El hecho de padecer la enfermedad hace que ests
ms motivado para recordar posibles antecedentes de exposicin.
Sesgo de atencin o efecto Hawthorne. Los participantes en
un estudio pueden modicar su comportamiento si saben
que estn siendo observados.
Clasicacin incorrecta no diferencial. La probabilidad de
clasicacin errnea ocurre en todos los grupos de estudio de
manera similar. El error de clasicacin no diferencial produce

Pg. 9

MANUAL CTO 4 Ed.


una infraestimacin del efecto del factor de exposicin estudiado
en la enfermedad (MIR 99-00F, 200).

los resultados del estudio son aplicables a otros individuos distintos


de los del estudio (MIR 96-97, 151; MIR 95-96F, 63).

Ejemplo. Queremos estudiar el efecto del tabaco sobre la aparicin


de bronquitis crnica, comparndose un grupo de fumadores y otro
de no fumadores. Existe la posibilidad de que los fumadores sean diagnosticados ms fcilmente de bronquitis crnica que los no fumadores,
simplemente por el hecho de que fumar se considera que est asociado
a la bronquitis crnica.

Fiabilidad. Es el grado de reproductibilidad de un estudio, es decir,


el grado de similitud que presentaran los resultados si repitieses el estudio en condiciones similares. Es el grado de ausencia de error aleatorio
(MIR 96-97F, 223).

Tabla 4. Tipos de error.

Simtrico.
Incorregible.
Impredecible.
Estimable por
estadstica.

Asimtrico.
Corregible.

Predecible.

Prevencin y

control por
epidemiologa.

NO

SI

Tamao muestral.

Sesgo de seleccin:
- Aleatorizacin.
Sesgo de clasificacin:
- Enmascaramiento.
Factor de confusin:
- Aleatorizacin.
- Apareamiento.
- Restriccin.
- Estratificacin.
- Anlisis multivariante.

3. Factor de confusin (confounding). Un factor de confusin es una


variable extraa al estudio que modica los resultados que se obtienen. Todo factor de confusin debe cumplir tres condiciones (MIR
03-04, 147; MIR 02-03, 43; MIR 01-02, 200; MIR 00-01F, 236; MIR 00-01,
208):
Ser un factor de riesgo para la enfermedad.
Estar asociado con la exposicin.
No ser un paso intermedio entre la exposicin y la enfermedad
(MIR 97-98, 88).
Para prevenir los sesgos de confusin tenemos distintas tcnicas
(MIR 01-02, 215):
Fase de diseo: aleatorizacin (estudios experimentales), apareamiento y restriccin (MIR 00-01, 219; MIR 99-00F, 206).
Fase de anlisis estadstico: anlisis estraticado (dividir los
datos globales en dos grupos segn la presencia o no del factor
de confusin) y anlisis multivariante (MIR 98-99F, 217; MIR
98-99F, 214; MIR 96-97F, 207; MIR 94-95, 233).
Ejemplo. Queremos saber si existe relacin entre el alcohol y el cncer
de pulmn. La OR cruda es de 2,4. Sospechamos que el tabaco puede
actuar como factor de confusin. Al estraticar observamos que:
OR cruda: 2,4
OR en fumadores: 1
OR en no fumadores: 1
El tabaco es un factor de confusin, puesto que el valor de la OR se
ha modicado en los estratos (de 2,4 a 1). La verdadera OR entre alcohol
y Ca. de pulmn es de 1.

7.2.

Validez y fiabilidad.

Validez. El estudio mide lo que realmente se propone medir. Es el


grado de ausencia de error sistemtico. Tambin recibe el nombre de
exactitud.
Validez interna. Es el grado de validez del resultado para los pacientes
del estudio. Se dice que un estudio tiene validez interna, cuando los
resultados del estudio son aplicables a los individuos del estudio.
Validez externa. Se dice que un estudio tiene validez externa cuando

Pg. 10

Figura 3.

7.3.

Tipos de error.

Validez de un test diagnstico.

Para conocer si una prueba diagnstica es til, se comparan sus resultados


con los de otra prueba que acta como patrn de referencia (gold standard).
El grado en el que las medidas de la prueba evaluada se correlacionan con
la de referencia se denomina validez de criterio.
La prueba de referencia debe haber sido aceptada como tal por la
comunidad cientca, se debe aplicar a toda la serie de casos estudiados
y no tiene que incorporar informacin procedente de la prueba que
evala.
El valor real de la prueba slo podr ser establecido si el estudio se
realiza en condiciones semejantes a la prctica clnica habitual, es decir,
incorporando un amplio espectro de pacientes a los que en condiciones
normales se les aplicara dicho procedimiento diagnstico (MIR 02-03,
50; MIR 01-02, 204; MIR 00-01F, 235; MIR 00-01, 212; MIR 96-97, 151).

TEMA 8. ENSAYO CLNICO


8.1.

Introduccin.

Un ensayo clnico es un experimento cuidadosa y ticamente diseado


con el n de dar respuesta a preguntas que tienen que ver con la utilidad
de procedimientos diagnsticos, teraputicos y prolcticos en el ser humano. Los ensayos clnicos son estudios prospectivos y experimentales
en los que, una vez seleccionada la muestra, se divide aleatoriamente en
dos grupos de pronstico comparable que idealmente slo se diferencian
en la intervencin teraputica que van a recibir (MIR 99-00F, 216; MIR
96-97F, 198; MIR 96-97F, 211; MIR 95-96F, 48).
Teniendo en cuenta los objetivos perseguidos en el desarrollo de un
medicamento, se distinguen 4 fases:
Ensayo en fase I: es la primera vez que un frmaco se da a humanos.
Generalmente se realiza con voluntarios sanos (n=20-80) y sin grupo
control. El principal objetivo es evaluar la toxicidad y conocer la dosis
nica aceptable no txica.

Epidemiologa y Estadstica

Ensayo en fase II: el principal objetivo es aportar informacin sobre la


relacin dosis/respuesta, proporcionando una informacin preliminar
sobre la ecacia. Se hacen en pacientes (n=100-200). No necesariamente tienen que ser comparativos (MIR 02-03, 23).
Ensayo en fase III: es el prototipo del ensayo clnico. Suele ser comparativo con la teraputica de referencia o con un placebo. Es la
investigacin clnica ms extensa y rigurosa sobre un tratamiento
mdico. Sirve para establecer la ecacia de un nuevo frmaco y la
existencia de efectos adversos frecuentes.
Ensayo en fase IV: tambin se denomina farmacovigilancia y consiste
en el seguimiento postcomercializacin de un nmero muy elevado
de pacientes con el n de detectar efectos adversos poco frecuentes o
de aparicin tarda. La Fase IV tambin sirve para evaluar interacciones entre medicamentos y sugerir nuevas indicaciones de frmacos
ya aceptados para otro n.

As la Farmacovigilancia es la recogida de datos sobre seguridad


de frmacos una vez que se autoriza su comercializacin. Su objetivo es detectar reacciones adversas poco frecuentes que no han sido
identicadas durante el desarrollo del ensayo, dado que este se ha
realizado en una poblacin limitada (generalmente n < 2000). El Sistema Espaol de Farmacovigilancia, recibe informacin de diferentes
fuentes, entre ellas, y principalmente, la Noticacin Espontnea de
reacciones adversas.
La noticacin espontnea de reacciones adversas, supone la recogida y noticacin mediante las tarjetas amarillas, de las reacciones
adversas que aparecen durante la prctica clnica.
En general, se acepta cualquier reaccin adversa. Sin embargo, las
de mayor inters son las reacciones adversas graves, inesperadas o raras,
y aquellas de frmacos de comercializacin reciente (menos de 3 aos).
El programa de Noticacin Espontnea est dirirgido especialmente a
mdicos, aunque incluye a otros profesionales sanitarios.

8.2

Etapas en la realizacin de un ensayo clnico.

A continuacin se desarrollan los pasos a seguir para la realizacin de


un ensayo clnico en fase III con dos grupos de intervencin.

8.2.1. Seleccin de la cohorte de estudio.


Consiste en la eleccin de un grupo de sujetos adecuados para la evaluacin del medicamento de los cuales se extrapolarn los resultados
del ensayo clnico. Mediante la formulacin de los criterios de inclusin
se establecen las caractersticas clnicas y sociodemogrcas de los
enfermos en los que se emplear el frmaco. Los criterios de exclusin
se utilizan para desdear a aquellos enfermos con criterios de inclusin
pero que presentan alguna contraindicacin, condiciones que pueden
afectar a la variable resultado o alguna caracterstica que le haga complicado de ser estudiado (MIR 01-02, 211).
En funcin de los criterios de inclusin, podemos dividir los EC en
dos grandes grupos:
EC pragmticos: se acercan lo ms posible a la poblacin general.
Los criterios de inclusin son muy laxos (prcticamente los nicos
son los diagnsticos) (MIR 03-04, 257; MIR 00-01, 200).
EC explicativos: los criterios de inclusin son muy estrictos, por lo
que la poblacin no es exactamente igual a la poblacin general.
Cuando los criterios de inclusin son muy estrictos, el EC presenta
una muestra ms homognea y se necesita menor tamao muestral
para detectar las diferencias. Adems, hay mayor validez interna.
Sin embargo, existe una clara limitacin a la hora de generalizar los
resultados y de reclutar a los pacientes. Se utilizan, sobre todo, en las
fases II y III.
En cambio, cuando no son estrictos, el reclutamiento se ver facilitado,
se podr generalizar los resultados con mayor facilidad y tendr mayor
validez externa. Sin embargo, la muestra ser heterognea, se necesita un
mayor tamao muestral y los resultados son confusos si slo es ecaz en
subgrupos de pacientes. Se utilizan en las fases III y IV.
En esta etapa, tambin hay que determinar el tamao muestral.
Este ha de ser suciente para obtener un IC del 95 % de la ecacia cuyos
lmites sean clnicamente relevantes.

8.2.2. Medicin de variables basales.


Consiste en determinar una serie de variables en los sujetos que cumplen los criterios de inclusin y han aceptado participar en el estudio
(consentimiento informado), con los siguientes propsitos:
Denir las caractersticas de la poblacin a la que podr extrapolarse
el resultado del ensayo clnico.
Aportar una serie de datos que nos permitan posteriormente vericar
que la aleatorizacin ha sido ecaz y hacer anlisis estraticado (Ej.
por edad) en caso de diferencias entre los dos grupos (MIR 01-02,
216; MIR 00-01F, 243).
Demostrar que el evento resultado, cuya frecuencia se pretende
disminuir con el frmaco estudiado, no est presente al comienzo
del estudio.
Registrar posibles predictores del evento inters, de modo que se
pueda evaluar su interaccin con el frmaco estudiado si la aleatorizacin no los ha distribuido homogneamente entre los distintos
grupos de estudio.
8.2.3. Aleatorizacin.
Consiste en asignar por azar, sin que inuya ningn factor, los pacientes
de la muestra a los dos grupos de intervencin de modo que, si el tamao muestral es sucientemente grande, se consiga una distribucin
homognea de las variables predictoras en ambos grupos. Se puede
realizar de tres formas diferentes (MIR 02-03, 42):
Aleatorizacin simple: cada paciente tiene la misma probabilidad
de ser asignado a cualquiera de los grupos de tratamiento. Con este
mtodo, existe riesgo de desigualdad numrica entre grupos.
Aleatorizacin por bloques: se establecen bloques de aleatorizacin,
de modo que en cada bloque la mitad de los pacientes reciba el tratamiento experimental y la otra mitad el control. Con este tipo de
aleatorizacin se evita la desigualdad numrica entre los distintos
grupos, por lo que es especialmente til cuando el tamao muestral
no es muy grande.
Aleatorizacin estraticada: los pacientes son divididos en grupos
(estratos) homogneos respecto a alguna variable de inters pronstico y posteriormente son asignados aleatoriamente a uno de
los dos grupos de intervencin (MIR 02-03, 24).
En general, diremos que la aleatorizacin debe conseguir asignar
los tratamientos de forma desconocida e impredecible. Debe ser un
proceso reproducible y estar documentado. Ha de basarse en propiedades matemticas conocidas. No debe ser prevista la secuencia de
los tratamientos, y nalmente, debe ser posible detectar los fallos de
la asignacin.
Para evitar sesgos en la aleatorizacin es importante que quien decide
la inclusin de los paciente en el ensayo y quien lleva a cabo la aleatorizacin, desconozcan la secuencia de aleatorizacin hasta que se aplique
a cada uno de los enfermos reclutados. En caso de no hacerse ocultacin
de la secuencia de aleatorizacin, existe la posibilidad de seleccionar incorrectamente a los sujetos del ensayo y perder la comparabilidad de los
dos grupos de tratamiento. La ocultacin de la secuencia de aleatorizacin
se puede conseguir mediante un sistema de aleatorizacin centralizado
en un lugar distinto a aquel en el que se lleva a cabo el ensayo o mediante
sobres numerados secuencialmente, opacos y lacrados, que contengan
el tratamiento y que slo se abran tras la inclusin del paciente en el EC
(MIR 01-02, 211).

8.2.4. Aplicacin de la intervencin.


Es importante evitar que tanto investigadores como otros proveedores de
cuidados traten de forma diferente a los dos grupos de intervencin. Para
evitar esto, el llamado sesgo de cointervencin, y que la medicin de la
variable resultado pueda estar sesgada por el mismo motivo utilizaremos
el enmascaramiento. Los tipos de enmascaramiento son:
Simple ciego: el paciente desconoce el grupo de tratamiento al que
est asignado.
Doble ciego: paciente, personal sanitario y evaluador de la variable
resultado lo desconocen.
Triple ciego: adems de los anteriores, el analista de los datos desconoce el tipo de tratamiento de cada uno de los grupos.

Pg. 11

MANUAL CTO 4 Ed.


Tanto las reacciones adversas especcas como la falta de ecacia y
los cambios analticos especcos pueden desenmascarar un EC.
Otro aspecto a considerar en esta fase del ensayo clnico es que
siempre que exista un tratamiento ecaz, hay que administrarlo al grupo
control, as que lo que se determinar con el ensayo clnico ser la ecacia
relativa del nuevo frmaco. En caso de no existir alternativa teraputica
previa, se medir la ecacia en trminos absolutos.

8.2.5. Anlisis de los resultados.


En este punto se deben tener en cuenta los siguientes aspectos:
Las prdidas de sujetos incluidos en el ensayo clnico ocurridas antes
de la aleatorizacin van a afectar a la capacidad de generalizacin de
los resultados, mientras que las prdidas postaleatorizacin pueden
afectar a la validez interna (MIR 00-01, 203; MIR 00-01F, 242).
El anlisis estadstico de los ensayos clnicos es muy parecido al de los
estudios de cohortes, pero es ms frecuente el uso de mtodos no paramtricos y, al tener importancia no slo que ocurra la variable resultado,
sino cundo ocurre, es frecuente el uso de anlisis de supervivencia.
Comparaciones mltiples: al aumentar el nmero de comparaciones,
aumenta la posibilidad de resultados falsamente positivos.
Anlisis de subgrupos: puede ocasionar problemas, especialmente
cuando no se tiene previsto desde el principio. Produce comparaciones mltiples, aumenta la probabilidad de resultados espreos,
y por tanto, sus resultados deben interpretarse con precaucin (MIR
00-01F, 244).
Anlisis por intencin de tratar frente a anlisis por protocolo (MIR
01-02, 208; MIR 98-99, 194; MIR 97-98, 86):
- Por protocolo: incluye slo a aquellos pacientes que han cumplido los requisitos del protocolo y/o han nalizado el estudio.
- Por intencin de tratar: el anlisis incluye a todos los pacientes
que han sido seleccionados y en el grupo en el que fueron asignados, aunque no hayan nalizado el estudio o hayan cambiado
de grupo.
Los anlisis intermedios se realizan durante las fases III y IV del estudio. Estn justicados para evitar que los pacientes del grupo control
no se benecien del tratamiento. Sin embargo, el realizar muchos
anlisis intermedios aumenta el riesgo de cometer un error tipo I,
debe estar previsto en el protocolo del estudio, se debe mantener la
condencialidad de los resultados y debe haber una penalizacin
estadstica porque, de nuevo, se estn realizando comparaciones
mltiples (MIR 02-03, 26).
La magnitud del efecto del tratamiento en los ensayos clnicos se
puede expresar de varias formas:
- El riesgo relativo: cociente entre el riesgo de sufrir un determinado
evento en el grupo expuesto a un determinado tratamiento y el
riesgo de sufrir el mismo evento en el grupo control (no expuesto
al tratamiento) (MIR 02-03, 29; MIR 01-02, 209).
- La reduccin absoluta del riesgo (RAR), que es la diferencia entre
el porcentaje de eventos en el grupo control y el porcentaje de
eventos en el grupo experimental (MIR 00-01, 204).
- La reduccin relativa del riesgo (RRR) es la diferencia entre el
porcentaje de eventos en el grupo control y el porcentaje de
eventos en el grupo experimental, dividido por el porcentaje de
eventos en el grupo control.
- El nmero necesario de pacientes a tratar (NNT), que se obtiene
como el inverso de la RAR multiplicado por 100 y es el nmero de
pacientes que se deben tratar para prevenir un suceso indeseable
adicional (MIR 03-04, 127; MIR 02-03, 47; MIR 01-02, 207; MIR 0001, 218; MIR 99-00F, 199; MIR 98-99, 197).

8.3.

Tipos de ensayos clnicos.

Diseo clsico o en paralelo: el grupo control recibe el tratamiento


a la vez que el grupo experimental con el n de controlar el efecto de
factores pronsticos que pudieran cambiar a lo largo del tiempo. El
anlisis de los datos consiste en comparar la diferencia en la variable
resultado entre ambos grupos con la variabilidad esperable dentro
de cada grupo por el mero efecto del azar. Los hallazgos sern estadsticamente signicativos cuando la variabilidad intergrupo sea
sucientemente mayor que la intragrupal.

Pg. 12

Diseo cruzado o intrapaciente: consiste en que un mismo paciente va


a recibir los dos tratamientos objeto de comparacin en dos momentos
distintos, de modo que cada paciente sirve de control a s mismo, lo
cual reduce la variabilidad intragrupal y consigue un control perfecto
de los factores pronsticos de carcter perenne, como el sexo, la raza,
etc. Uno de los problemas es el efecto carry-over o de arrastre (el efecto
de uno puede inuir sobre la toma del otro), por lo que debe haber
un perodo de lavado entre la administracin de los dos frmacos, de
modo que el primer frmaco haya sido totalmente aclarado del organismo antes de administrar el segundo (MIR 03-04; 134; MIR 03-04,
138; MIR 02-03, 45; MIR 01-02, 217; MIR 00-01F, 240).

Figura 4.

Ensayo clnico cruzado.

Diseo secuencial: consiste en introducir pares de pacientes randomizados a los dos tratamientos hasta que la diferencia entre los
distintos tratamientos favorece a uno u otro (exceso de preferencias),
momento en el que el ensayo clnico se detiene (MIR 02-03, 22; MIR
00-01F, 241).
Diseo factorial: en ese tipo de diseo se evalan simultneamente dos
tratamiento distintos en una misma muestra de sujetos, asignndose
aleatoriamente a los sujetos a uno de los cuatro grupos posibles: A, B,
A+B y placebo. Con este diseo se puede evaluar la interaccin entre
los dos tratamientos, aunque hay que asumir que los dos tratamientos
no interaccionan entre s.

TEMA 9. NIVELES DE CALIDAD DE LA EVIDENCIA


CIENTFICA.
9.1.

Factores determinantes de la calidad de la evidencia


cientfica.

Los aspectos del diseo de un estudio epidemiolgico que estn asociados a una mayor calidad y rigor cientco son:
El sentido prospectivo del estudio (secuencia temporal).
La asignacin aleatoria a los grupos experimental y control.
La existencia de un grupo control concurrente.
El enmascaramiento de los pacientes e investigadores participantes.
La inclusin en el estudio de un nmero suciente de pacientes como
para detectar, en caso de haberlas, diferencias estadsticamente
signicativas entre los distintos grupos del estudio.

9.2.

Escalas de gradacin de la evidencia cientfica.

Todas son muy similares entre s y presentan al metaanlisis de EC


controlados y aleatorizados como el estudio ms riguroso y que aporta
mayor evidencia causal (MIR 02-03, 21; MIR 01-02, 197; MIR 99-00, 229;
MIR 98-99, 259; MIR 97-98F, 74; MIR 97-98, 78; MIR 96-97, 144).

Epidemiologa y Estadstica
La calidad de la evidencia cientca se clasica en tres grados de
recomendacin para la adopcin de una medida sanitaria:
Buena (grado A): existe adecuada evidencia cientca para recomendar
o desaconsejar la adopcin del procedimiento mdico.
Regular (grado B): existe cierta evidencia cientca (no concluyente)
para recomendar o desaconsejar la adopcin del procedimiento
mdico.
Mala (grado C): existe insuciente evidencia cientca para recomendar o desaconsejar la adopcin del procedimiento mdico.

c. Muestreo sistemtico. El proceso de seleccin se basa en alguna regla


sistemtica simple, por ejemplo, elegir uno de cada n individuos.
d. Muestreo por etapas o polietpico. La seleccin se realiza en dos o
ms etapas sucesivas y dependientes.
Por ltimo, individuo ser cada uno de los componentes de la poblacin y de la muestra. Al nmero de individuos que forman la muestra
se llama tamao muestral (n).

Tabla 5. Gradacin de la evidencia cientfica.

Una variable es una caracterstica observable que se desea estudiar en una


muestra de individuos, pudiendo tomar diferentes valores.

10.3. Variables.

1. Tipos de variables.
Tabla 6. Tipos de variables.

Metaanlisis de EC controlados y aleatorizados.


EC controlado y aleatorizado de muestra grande.

EC controlado y aleatorizado de muestra


pequea.

Nominal dicotmica

Sexo

Nominal no dicotmica

Raza

Ordinal

Nivel socioeconmico

Discreta

N episodicos de asma/sem

Continua

Uricema

EC controlado no aleatorizado con controles


concurrentes.

Estudio de cohortes prospectivos.


Estudio de cohortes retrospectivos.

Estudio de casos y controles.

EC controlado no aleatorizado con controles


histricos.

Series clnicas, estudios transversales y ecolgicos.


Comits de expertos.

TEMA 10. ESTADSTICA. GENERALIDADES.


Concepto de estadstica.
Mtodo de razonamiento que permite interpretar un conjunto de datos
cuyo carcter esencial es la variabilidad.

2. Escalas de medicin. Son criterios usados para denir las diferentes


categoras en que se pueden agrupar los valores de la variable. Las
categoras de las variables deben cumplir dos condiciones:
Mutuamente excluyentes.
Colectivamente exhaustivas.

10.1. Tipos de estadstica.


1. Estadstica descriptiva. Organizacin, presentacin y sntesis de los
datos de una manera cientca y lgica.
2. Estadstica inferencial. Bases lgicas mediante las cuales se establecen conclusiones relacionadas con poblaciones, a partir de
los resultados obtenidos en muestras; trabaja con los datos que le
proporciona la estadstica descriptiva y es la parte de la estadstica
fundamental para la medicina clnica.

10.2. Poblacin y muestra.


La poblacin es el conjunto de todos los individuos, generalmente inaccesible, que tienen en comn alguna caracterstica observable y del
que se pretende obtener una serie de conclusiones.
Se denomina muestra al conjunto menor de individuos, accesible y
limitado, sobre el que se realiza el estudio con idea de obtener conclusiones generalizables a la poblacin.
El proceso de seleccin de los individuos se puede realizar mediante
distintas tcnicas de muestreo:
a. Muestreo aleatorio simple. Es aquel tipo de muestreo en el que cada
individuo tiene las mismas posibilidades de ser elegido para formar
parte de la muestra.
b. Muestreo aleatorio estraticado. Con este tipo de muestreo aseguras
que la muestra tenga la misma proporcin de una(s) variable(s) que
la poblacin de la que procede.

Hay cuatro niveles de escalas de medicin.


Nivel nominal. Clases o categoras en las que se est o no incluido.
P.ej. estado civil, raza.
Nivel ordinal. Las categoras se ordenan de una forma determinada
(de mayor a menor, de menor a mayor). P.ej. intensidad del dolor
(MIR 03-04, 146).
Nivel de intervalo. Existe un orden numrico, la diferencia entre
valores sucesivos es siempre la misma. P.ej. temperatura.
Nivel de razn. Es la escala que proporciona ms informacin. Tiene
las mismas caractersticas que la anterior, pero adems posee el cero
absoluto (no tiene el rasgo que nosotros estamos midiendo). P.ej.
glucemia, talla.

TEMA 11. ESTADSTICA DESCRIPTIVA.


Se puede considerar la estadstica descriptiva como el conjunto de tcnicas que facilitan la organizacin, resumen y comunicacin de datos.

11.1. Representacin grfica.


La representacin grca de los datos facilita un anlisis visual. Segn
la naturaleza de las variables estudiadas se utilizan diferentes tipos de
representacin.

Variables cualitativas.
- Diagrama de rectngulos.
- Diagrama sectorial (pastel).

En ambos casos se debe cumplir el principio de proporcionalidad


de las reas a las frecuencias absolutas. En los diagramas de sectores, el
ngulo central es proporcional a la frecuencia absoluta correspondiente,
por lo que tambin lo es su rea. Los diagramas de rectngulos tienen
una base constante y una altura proporcional a la frecuencia absoluta
correspondiente (tambin su rea es proporcional a la frecuencia absoluta).

Pg. 13

MANUAL CTO 4 Ed.

Variables cuantitativas continuas.


Histograma. Es un grco que est formado por rectngulos adyacentes que tienen por base cada uno de los intervalos y por altura
las frecuencias absolutas. La supercie de cada rectngulo es proporcional a la frecuencia de cada una de las clases y el rea total lo
ser al nmero de individuos en la muestra.
Polgono de frecuencias. Es una lnea quebrada que une los puntos
medios de las barras superiores de los rectngulos del histograma.

11.2. Sntesis de los datos.

Figura 5.

Diagrama sectorial.

1. Medidas de localizacin o tendencia central. Las medidas de centralizacin nos indican alrededor de qu valores se agrupan los datos
observados. Distinguimos:
Media aritmtica. Es la medida de centralizacin ms comn. Se
calcula sumando los valores numricos de todas las observaciones
y dividiendo el total por el nmero de observaciones.

Variables cuantitativas discretas.


- Diagrama de barras. En un diagrama, sobre el valor que puede tomar la variable, se levanta una barra cuya altura mide exactamente
la frecuencia absoluta del valor. Tambin se puede representar la
frecuencia relativa y/o los porcentajes.

Figura 6.

Diagrama de rectngulos.

La media aritmtica verica la propiedad de equilibrar las desviaciones positivas y negativas de los datos respecto a su valor, es decir,
(xi - ) = 0. Acta, por tanto, como centro geomtrico o centro de
gravedad para el conjunto de puntos.
Mediana. Es el valor numrico que divide al conjunto de datos ordenados en dos partes iguales, es decir, el 50% de los datos ser menor
que ella y el 50% de los datos mayor. En una distribucin simtrica, la
mediana coincide con la media aritmtica, pero no en una asimtrica
(MIR 98-99, 211; MIR 97-98, 77; MIR 96-97F, 204).
Moda. Es el valor ms corriente o el valor de la variable que se presenta con mayor frecuencia. Pueden existir distribuciones con ms
de una moda.
Parmetros de posicin: cuartiles, deciles, percentiles. Valores que
dividen el conjunto de las observaciones en cuatro, diez o cien partes
iguales. Por ejemplo:
Q2=D5=Pc50= Mediana. El 50% de las observaciones sern inferiores
al segundo cuartil, quinto decil o percentil 50 (MIR 97-98F, 73; MIR
96-97F, 203; MIR 95-96, 31).
Media geomtrica. Muy utilizada en microbiologa y serologa, cuyos datos tienen una marcada asimetra positiva (hacia la derecha).
Ejemplo: ttulos de anticuerpos.

COMPARACIN DE MEDIDAS DE CENTRALIZACIN.


Aunque desde un punto de vista puramente descriptivo las tres medidas
proporcionan informacin complementaria, sus propiedades son muy
distintas: la media utiliza todos los datos y es, por tanto, preferible si los
datos son homogneos; tiene el inconveniente de que es muy sensible
a observaciones atpicas, y un error de datos o un valor anormal puede
modicarla totalmente. Por el contrario, la mediana utiliza menos informacin que la media, ya que slo tiene en cuenta el orden de los datos y no
su magnitud, pero, en contrapartida, no se ve alterada si una observacin
(o en general una pequea parte de observaciones) es extrema o contiene
errores grandes de medida o de transcripcin (MIR 95-96, 39).
En consecuencia, es siempre recomendable calcular la media y la
mediana: ambas medidas diferirn mucho cuando la distribucin sea
muy asimtrica, lo que sugiere heterogenicidad en los datos.
2. Medidas de dispersin o variabilidad. Junto a las medidas de tendencia central, completan la informacin sobre la distribucin de la
variable (indican si los valores de la variable estn muy dispersos o se
concentran alrededor de la medida de centralizacin).
Rango o Recorrido. Diferencia entre el valor mximo y el mnimo
observado en una serie.
R = Mx. - Mn.

Figura 7.

Pg. 14

Histograma y polgono de frecuencias.

Desviacin media. Es la media de las desviaciones respecto a la


media aritmtica.

Epidemiologa y Estadstica

Varianza. Se dene como la media del cuadrado de las desviaciones


de los elementos respecto a la media aritmtica.

Dos sucesos son mutuamente excluyentes (incompatibles) cuando


no pueden suceder a la vez (P.ej.: ser mujer y tener cncer de prstata).

Desviacin tpica o estndar. Es la raz cuadrada positiva de la varianza. Es, junto con la anterior, la medida de dispersin ms usada.

Dos sucesos son independientes cuando la probabilidad de aparicin de uno de ellos no depende, no se modica por la aparicin del
otro (P. ej.: efectos secundarios de un frmaco en dos pacientes).

La desviacin tpica es una medida complementaria de la media


aritmtica; mientras que sta da una idea de la magnitud general de la
distribucin, la desviacin estndar muestra cmo se distribuyen los
valores alrededor de la media.

Rango intercuartlico. Es la diferencia entre el percentil 75 y el 25.


Es, junto con el rango, la medida de dispersin usada para los datos
asimtricos.
Coeciente de variacin (CV). Es una medida de dispersin adimensional. Es el porcentaje que representa la desviacin estndar sobre
la media. Es el mtodo de eleccin para comparar la variabilidad o
dispersin relativa de variables que estn expresadas en las mismas
o en diferentes unidades (MIR 96-97, 153).

12.1. Probabilidad condicionada.


La probabilidad de A condicionada a la ocurrencia de B se dene considerando nicamente los casos en los que aparece B, y viendo en cuntos
de estos casos ocurre el suceso A. Es la probabilidad de que suceda A,
una vez que ya ha sucedido B.

12.2. Regla de la multiplicacin.


Es la probabilidad de que sucedan A y B.
P (AB) = P (A/B)xP(B)
Si dos sucesos son independientes:
P (AB) = P (A)xP(B)

Tabla 7. Formas de medida.

(MIR 98-99, 210; MIR 96-97F, 224).

Media

Desviacin tpica o
estndar

Mediana

Rango intercuartlico
Rango

12.3. Regla de la suma.


Nos indica la probabilidad de que suceda A o de que suceda B.
P (AB) = P(A) + P(B) - P (AB)
Si dos sucesos son mutuamente excluyentes (o bien se da A o bien
se da B), entonces:
P (AB) = P(A) + P(B)

3. Propiedades de media y varianza.


Si a todos los valores de una distribucin se les suma una constante,
su media queda aumentada en ese valor mientras que su varianza
no se modica.
Si a todos los valores de una distribucin se les multiplica por una
constante, su media y su desviacin tpica quedan multiplicadas
por la constante, mientras que su varianza queda multiplicada por
el cuadrado de esa constante.

TEMA 12. PROBABILIDAD.


Supongamos una poblacin nita con N elementos, k de los cuales tienen
la caracterstica A. Llamaremos probabilidad de la caracterstica A en la
poblacin a: P (A) = k/N. La probabilidad se dene , desde un punto de
vista ptimo, en trminos de frecuencia relativa.

De esta forma,

Propiedades.
La probabilidad es un valor entre 0 y 1, es decir, 0 < P(A) < 1.
Llamaremos suceso seguro E, al que ocurre siempre, entonces:
P(E)=1.
Si es el suceso complementario de A, que ocurre siempre que no
lo hace A, entonces: P( ) = 1 - P(A).

Figura 8.

Reglas de la probabilidad.

TEMA 13. DISTRIBUCIONES DE PROBABILIDAD.


Una vez que hemos escogido la muestra y recogido los datos, el siguiente
paso es inferir las propiedades de la poblacin a partir de la muestra.
El instrumento conceptual que permitir esta generalizacin es un
modelo de la poblacin, es decir, una representacin simblica de su
comportamiento.
Encontramos tres leyes tericas que tienen la particularidad de
ser seguidas por una inmensa mayora de los fenmenos biolgicos
habituales:
Distribucin Binomial.
Distribucin de Poisson.
Distribucin normal o de Gauss.

13.1. Distribucin binomial.


Es una ley terica de aplicacin siempre que se conozca, de entrada, la
probabilidad de aparicin de un fenmeno biolgico (p). El resultado

Pg. 15

MANUAL CTO 4 Ed.


TEMA 14. ESTIMACIN DE PARMETROS.

es dicotmico y puede ser evaluado como xito o fracaso. La variable


de inters es el nmero de xitos alcanzados en n pruebas .
La distribucin binomial constituye siempre un diagrama de barras
discontinuo se aplica a variables discretas.

El propsito general de la inferencia estadstica es obtener conocimiento


o informacin de una poblacin a travs de una muestra.

13.2. Distribucin de Poisson.

14.1. Estimacin de medias.

Constituye un caso particular de la ley binomial para aquellas situaciones


en que la probabilidad de aparicin de un fenmeno es muy pequea.
Es, por tanto, la ley adecuada para los sucesos raros, cuando p < 0,1
y n x p <5.

En este caso, queremos conocer la media poblacional a partir de la media


muestral. Para ello, podemos aplicar:

13.3. Distribucin normal o de Gauss.


Es seguida por una inmensa cantidad de variables biolgicas cuyas
medidas se agrupan alrededor de un valor central, y que presentan
una frecuencia cada vez menor a medida que se alejan de dicho valor
medio.

CARACTERSTICAS.
Corresponde a variables cuantitativas continuas.
Se caracteriza por dos medidas: media y desviacin tpica.
Es unimodal.
Es simtrica alrededor de la media. Por tanto, media, mediana y
moda coinciden (MIR 96-97F, 220).
Tiene forma acampanada, sin un pico excesivo.
Va desde - innito a + innito (asinttica al eje de abscisas).
El rea bajo la curva = 1.
El 50% de las observaciones se encuentran por debajo de la media
aritmtica y el 50% por encima. El 68% de las observaciones se encuentran dentro del intervalo S; el 95% dentro del intervalo 1,96 S y
el 99% dentro del intervalo 2,57 S (MIR 98-99F, 219; MIR 98-99, 207;
MIR 96-97F, 217; MIR 96-97, 146; MIR 95-96, 45).

Figura 9.

1. Estimacin puntual. La media muestral es un buen estimador de la


media poblacional ().
2. Estimacin por intervalos. El valor numrico de los estimadores
puntuales determinados en muestras diferentes puede variar, es decir,
si repitiramos los clculos con otra muestra diferente de la misma poblacin, el resultado de la media muestral podra ser diferente. Por tanto,
sera mejor que, adems aportramos un intervalo que presumiblemente
incluya tambin el parmetro de la poblacin. Es por tanto preferible la
estimacin por intervalos, ya que entonces se indican lmites de valores
dentro de los cuales el parmetro poblacional tiene la probabilidad de
estar. Al intervalo alrededor del estadstico muestral se le denomina
intervalo de conanza, y a sus lmites, lmites de conanza. El clculo
de los lmites de conanza comprende el empleo del error estndar de
la media y los principios de la distribucin normal.
Error estndar de la media. De una poblacin pueden extraerse
innitas muestras, cada una de ellas con su media. Este conjunto de
medias se distribuyen segn una curva normal cuya media, la media
de las medias, es la media poblacional () y cuya desviacin tpica se
conoce como EL ERROR ESTNDAR DE LA MEDIA; es, por tanto, la
dispersin de las medias muestrales con respecto a la media poblacional
(MIR 94-95, 227). Se calcula mediante la frmula:

= desviacin tpica poblacional.


NO TIENE NADA QUE VER LA DESVIACIN TPICA DE LOS VALORES DE LA VARIABLE EN LA MUESTRA O EN LA POBLACIN, CON EL
ERROR ESTNDAR DE LAS MEDIAS MUESTRALES ALREDEDOR DE
LA MEDIA POBLACIONAL.

Distribucin normal.

Tipicacin. La distribucin normal viene denida por la media


y la desviacin tpica; pueden existir, por tanto, innitas curvas de
este tipo, tantas como innitos valores puedan tomar la media y la
desviacin tpica. La distribucin normal tipicada tiene una media=
0 y una desviacin tpica =1 [N (0,1)] y se encuentra tabulada. Nosotros
podemos transformar cualquier variable aleatoria que se distribuya
normalmente a una normal tipicada mediante la siguiente transformacin:

Figura 10. Clculo del error estndar de la media.


Si construimos un intervalo de conanza del 95%, concluiremos
que en el 95% de las ocasiones la media poblacional estar entre:

Mientras que en un 5% de las ocasiones nos equivocaremos.


Si establecemos el nivel de conanza en el 99%, la media poblacional
se situar en un 99% de las ocasiones entre:

Pg. 16

Epidemiologa y Estadstica

En el caso de que se desconozca el valor del parmetro (que es lo


ms habitual en la prctica) o cuando n < 30, los lmites de conanza
se calcularan siguiendo:

Donde el valor t corresponde a los valores tabulados de la distribucin terica t-Student. (MIR 98-99F, 221; MIR 96-97F, 205; MIR 96-97F,
202; MIR 95-96, 28).

14.2. Estimacin de un porcentaje.


Si hemos estudiado una variable cualitativa, el objetivo ser aplicar a
la poblacin el porcentaje o proporcin obtenido en la muestra con un
margen de tolerancia (intervalo de conanza).
En caso de muestras pequeas (n <100), la estimacin de un porcentaje poblacional sigue una distribucin binomial y su clculo est
tabulado.
En caso de muestras grandes (n >100) y si n x p>5 y n x(1-p)>5, la
distribucin binomial se puede aproximar a la distribucin normal y la
estimacin del porcentaje poblacional sera (MIR 98-99, 204):
p 1,96 x eep, p<0,05
p 2,57 x eep, p<0,01, donde:

p: proporcin (en tantos por uno) hallada en la muestra.


eep: error estndar del porcentaje.

convenio del 5%. A continuacin, se calcula cul es la probabilidad de


que las diferencias que nosotros hemos observado puedan ser explicadas
por azar. Esta probabilidad es el valor de la p o grado de signicacin
estadstica. As, cuanto menor sea p, es decir, cuanto menor sea la probabilidad de que el azar sea el responsable de las diferencias, mayor ser
la evidencia contra H0 y a favor de H1.

De tal forma, si:


p <0,05 Diferencias reales. Poca probabilidad de que se deban al
azar. Se acepta H1. Resultado estadsticamente signicativo. Rechazo
de Ho.
p >0,05 No existe suciente evidencia como para decir que ambos
tratamientos son diferentes. Las diferencias pueden deberse al azar
con una probabilidad mayor al nivel de exigencia. No se rechaza H0.
(MIR 03-04, 153; MIR 99-00F, 212; MIR 98-99, 208; MIR 97-98, 75;
MIR 97-98, 73; MIR 97-98, 68; MIR 97-98F, 65; MIR 96-97, 132; MIR
96-97F, 222; MIR 96-97F, 219; MIR 95-96F, 55; MIR 94-95, 224).

15.2. Errores alfa y beta.


Error tipo I. Se rechaza H0 siendo cierta. (Se acepta que hay diferencias y, de hecho, no las hay). Es como un falso positivo: dar como
signicativo algo que no es. Se denomina a la probabilidad de cometer el error tipo I. El valor de la p coincide con la probabilidad de
cometer el error tipo I (MIR 02-03, 35; MIR 01-02, 213; MIR 00-01, 202;
MIR 99-00, 230).
Cuando entre los distintos grupos de estudio se comparan ms de
una variable de resultado, aumenta la posibilidad de resultados falsamente positivos. Para evitarlo, se aumenta la exigencia del nivel de
signicacin como sigue (MIR 00-01F, 244; MIR 97-98, 68):
P=0,05/n de comparaciones

14.3. Estimacin de medidas de asociacin.


Independientemente del tipo de estudio epidemiolgico y del parmetro
utilizado para medir la fuerza de asociacin (RR, OR, RP), ste ha de
ser extrapolado a la poblacin general mediante la construccin de un
intervalo de conanza.
Si el IC incluye el 1 (efecto neutro del factor de estudio), se habla de
un resultado no signicativo (MIR 00-01, 199; MIR 99-00F, 211).

Error tipo II. No se rechaza H0 y sta es falsa. (No se aceptan las


diferencias y s las hay). Sera como un falso negativo: damos como no
signicativo algo que lo es. Se denomina a la probabilidad de cometer
un error tipo II (MIR 00-01, 206; MIR 98-99, 203; MIR 95-96F, 61).
Poder o potencia del test. Lo complementario del error es la
potencia o poder estadstico de un test (1- ): capacidad que tiene un
test de detectar una diferencia cuando sta existe en realidad, es decir,
corresponde a la probabilidad que tengo de demostrar la hiptesis
alternativa, siendo cierta (MIR 01-02, 210; MIR 98-99, 209; MIR 97-98F,
75; MIR 95-96, 46).

TEMA 15. CONTRASTE DE HIPTESIS.

Tabla 8. Contraste de hiptesis.

15.1. Hiptesis nula, hiptesis alternativa y grado de


significacin estadstica.
Para su comprensin partiremos de un caso prctico. Se compara un tratamiento nuevo (N) contra la HTA con uno tradicional (T) en dos series
de individuos. Tras cierto tiempo, N controla al 70% de los individuos y T
al 30%. El problema consiste en saber si esto es debido a una real mayor
ecacia de N o se debe simplemente a diferencias que el azar puede establecer (variaciones aleatorias del muestreo), sin que existan diferencias
reales en el control de hipertensos entre ambos tratamientos.
Para abordar este problema, se consideran dos hiptesis:
Hiptesis nula (H0). No existen diferencias entre los dos tratamientos
(N=T).
Hiptesis alternativa (H1). S existen diferencias entre los dos tratamientos (N T).
Estas dos hiptesis son mutuamente excluyentes, de forma que slo
hay dos decisiones posibles:
Rechazar H0 aceptar H1.
No rechazar H0 no poder aceptar H1.
Previamente al ensayo de una hiptesis, se ja la probabilidad mxima de que los resultados diferentes observados entre los dos grupos
puedan ser debidos simplemente al azar (H0 cierta), que suele ser por

EXISTE
DIFERENCIA
Ho falsa

NO EXISTE
DIFERENCIA
Ho cierta

HAY
DIFERENCIAS
SIGNIFICATIVAS.
Rechazo Ho.

1Poder
estadstico o
potencia del
test

Error tipo I o
error alfa

NO HAY
DIFERENCIAS
SIGNIFICATIVAS.
No rechazo Ho.

Error tipo II o
error beta

1-

15.3. Pruebas de significacin estadstica.


1) Asociacin estadstica entre dos variables. El objetivo es demostrar o no
la asociacin estadstica entre dos variables observadas en una muestra.
Datos apareados. En una nica muestra se estudia si existe una
diferencia signicativa en la variable resultado antes y despus de algn
acontecimiento relevante.

Pg. 17

MANUAL CTO 4 Ed.

Figura 11. Pruebas de asociacin estadstica.

Tabla 9. Test de contraste de hiptesis.

Dicotmica

Dicotmica

Cualitativa
(> 2 categoras)

Cualitativa
(>= 2 categoras)

Dicotmica

Cuantitativa

Cualitativa
(> 2 categoras)

Cuantitativa

Cuantitativa

Cuantitativa

Variable resultado cualitativa de dos o ms categoras: test de Mc


Nemar.
Variable resultado cuantitativa: t de Student apareada.

Pg. 18

Variable resultado cuantitativa (varias medidas repetidas): ANOVA


para medidas repetidas.
(MIR 03-04, 145; MIR 99-00F, 208; MIR 98-99, 213; MIR 98-99, 212; MIR
97-98, 69; MIR 97-98F, 77; MIR 97-98F, 70; MIR 96-97F, 200; MIR 95-96,
47; MIR 95-96F, 57; MIR 94-95, 234, MIR 94-95, 232).
2) Test no paramtricos. Son pruebas que no dependen de la distribucin
de la variable y no precisan condicin previa de normalidad. Estas pruebas
no manejan los valores cuantitativos que toma la variable en cuestin sino
nicamente sus rangos. Son pruebas de menor precisin que las paramtricas, por lo que solamente demostrarn como signicativas diferencias
mayores. Por lo tanto, generalmente se preere utilizar pruebas paramtricas (t de Student, anlisis de la varianza, etc.) y el uso de los test no
paramtricos se limita a estudios con tamaos muestrales menores de 30,
en los que las poblaciones no puedan ser consideradas como normales, o
bien, cuando la variable represente solamente una medida aproximada del
carcter, sin una valoracin exacta. Si las muestras son mayores de 30, no
existe inconveniente en utilizar pruebas paramtricas (MIR 94-95, 230).
3) Anlisis multivariante. Son un conjunto de test estadsticos que se
aplican cuando se intenta establecer la asociacin estadstica entre tres

Epidemiologa y Estadstica
o ms variables. Ejemplo: se desea saber si existe una relacin entre la
infeccin de herida quirrgica, la administracin de prolaxis y el tipo
de ciruga (MIR 01-02, 214; MIR 95-96F, 50).

2= (105-44,4)2/44,4 + (80-140,6)2/140,6 + (15-75,6)2/75,6 + (300239,4)2/239,4


2= 177,7, que es mayor que el valor de la tabla (3,84, p<0,05).

Tabla 10. Test no paramtricos.

Rechazamos Ho , ya que el valor calculado es superior al tabulado,


y concluimos que existe asociacin entre el estado nutricional y los
resultados acadmicos (p<0,05).
En la tabla 2 x 2 de valores tericos o esperados alguna casilla tiene
menos de 5 elementos en vez de la prueba de Chi2, se deber utilizar el
test exacto de Fisher.

Dicotmica
independiente.

Cuantitativa (n <30)
u ordinal.

Dicotmica pareada
o dependiente.

Cuantitativa (n <30)
u ordinal.

Cualitativa
(>2 categoras).

Cuantitativa (n <30)
u ordinal.

Cualitativa pareada
(>2 categoras).

Cuantitativa (n <30)
u ordinal.

Ordinal.

Ordinal.

TEMA 16. DISTRIBUCIN CHI-CUADRADO.


Test de independencia. Se contrasta la hiptesis nula de que dos
criterios de clasicacin (variables cualitativas), cuando se observan en
la misma serie de individuos u objetos, son independientes.
H0. No hay asociacin entre las variables.
H1. S hay asociacin entre las variables.
Test de homogeneidad. Se estudia una variable en dos o ms muestras. La pregunta es: son las muestras extradas de poblaciones, que son
homogneas con respecto a alguna variable?
H0. Las muestras se extraen de la misma poblacin.
H1. Las muestras provienen de distinta poblacin.
Ejemplo. Estudiamos una muestra de 500 nios para saber si existe
asociacin entre el estado nutricional (pobre, bueno) y los resultados
acadmicos (malos, satisfactorios). Los datos se muestran en la tabla:

105

15

120

80

300

380

18 5

31 5

500

TEMA 17. ANLISIS DE CORRELACIN


Y REGRESIN.
Sirven para estudiar la relacin entre dos variables cuantitativas.
Anlisis de regresin. Es til para determinar la posible forma de la
relacin entre variables y, por tanto, se puede usar para hacer predicciones o estimar el valor de una variable que corresponde para un valor de
la otra. En este anlisis disponemos de dos variables de inters, X e Y. La
variable X se llama variable independiente o explicativa y es controlada
por el investigador. La variable Y se llama dependiente.
Con el anlisis de regresin lineal obtenemos una ecuacin del
tipo:
Y = + X, donde y son los coecientes de regresin.
El coeciente representa el punto en el que la lnea corta el eje
vertical (valor de Y para X = 0). El coeciente es la pendiente de la
recta que muestra la cantidad que cambia Y por una unidad de cambio
de X (MIR 97-98F, 71).
Anlisis de correlacin. Estudia tambin la relacin entre dos variables cuantitativas, aunque aqu no se habla de variable dependiente
ni independiente. El coeciente de correlacin de Pearson mide la
intensidad de la relacin lineal entre las dos variables cuantitativas. Las
caractersticas del coeciente de correlacin son las siguientes:
Vara entre -1 y + 1 -1 r +1
Para r = 1, hay una relacin perfecta entre x e y, es decir, todos los
puntos (x,y) estn en una lnea recta.
Un valor positivo de r indica que a medida que aumenta una variable,
lo hace la otra o que a medida que disminuye una tambin lo hace
la otra. Un coeciente de correlacin negativo indica que a medida
que disminuye una variable aumenta la otra o viceversa.
r = 0 indica que no hay correlacin lineal.
(MIR 98-99, 206; MIR 98-99F, 222; MIR 97-98F, 82; MIR 96-97, 154; MIR
96-97F, 199).

Hiptesis.
H0. El estado nutricional y los resultados acadmicos son independientes.
H1. Las dos variables no son independientes.
= 0,05
Test estadstico.

Decisin. Rechazamos H0 si el valor de la 2 calculado es igual o


mayor que el tabulado.
Clculo del estadstico 2.
1) Obtencin de las frecuencias esperadas: para cada casilla, el valor de la
frecuencia esperada es total las x total columnas/total. En este caso:

44,4

75,6

120

140,6

239,4

380

185

315

500

Figura 12. Distintos tipos de relacin entre las variables.

TEMA 18. TAMAO MUESTRAL.


Para realizar un estudio sobre una poblacin es necesario trabajar con
una muestra, ya que abarcar a todos los miembros de una comunidad
es prcticamente imposible.

Pg. 19

MANUAL CTO 4 Ed.


El tamao de la muestra se determina en el diseo del estudio de
modo que sea apropiado para los objetivos buscados y los condicionamientos que se est dispuesto a asumir. Un nmero insuciente de
participantes impedir encontrar las diferencias buscadas, concluyendo
errneamente que no existen, y un nmero excesivo aumenta innecesariamente el coste. Manejar muestras es ms barato, rpido, fcil y
sucientemente preciso y exhaustivo. Los datos obtenidos en la muestra
se generalizarn a la poblacin original utilizando ciertas pruebas estadsticas con una mnima probabilidad de error (<5% habitualmente).
Hay dos campos en la inferencia estadstica donde vamos a desarrollar el clculo del tamao muestral:

Estimacin de parmetros. El tamao depender de la variabilidad


del parmetro que se desea estimar (sta debe ser previamente conocida, o bien, aproximarse a partir de datos preexistentes o estudios
pilotos), de la precisin con que se desee obtener la estimacin
(amplitud deseada del intervalo de conanza, teniendo en cuenta
que a mayor precisin, mayor nmero de sujetos se necesitarn ) y
del nivel de conanza.

Contraste de hiptesis: se utiliza para estudios comparativos y el


tamao de la muestra indica el nmero aproximado de sujetos que
se necesitan para detectar una diferencia determinada, si existe, con
unos mrgenes de error previamente denidos. Los factores a tener
en cuenta para determinar el tamao muestral son:
- Objetivo del estudio y variable principal.
- Magnitud del efecto que queremos detectar (delta).
- Variabilidad de la variable principal.
- Error tipo I o alfa asumido (0,05).
- Error tipo II o beta asumido (0,2-0,1).
- Poder estadstico (1-beta:80-90%).
- Proporcin de pacientes en los distintos grupos.
- Proporcin de prdidas (d): deberemos multiplicar el tamao
calculado por: 1/(1-d).
- Tipo de comparacin (test unilateral o de una cola cuando se
presupone que la diferencia entre los grupos ser siempre a
favor de uno de ellos; test bilateral o de dos colas cuando no se
presupone la direccin de la diferencia; el test bilateral es ms
conservador y requiere de mayor tamao muestral).
(MIR 02-03, 32; MIR 02-03, 37; MIR 01-02, 218; MIR 00-01F, 239; MIR
00-01, 205; MIR 00-01, 207; MIR 99-00F, 199; MIR 98-99, 205, MIR 98-99,
197, MIR 98-99F, 220; MIR 96-97F, 218, MIR 94-95, 221).

Pg. 20