Beruflich Dokumente
Kultur Dokumente
Epidemiolgica
Tema 5. Mortalidad 25
Tema 17. Estudio de una epidemia. Concepto y estudio de un brote epidmico 113
PRCTICAS
Definicin de epidemiologa.
La epidemiologa (epi: sobre; demos: pueblo; logos: ciencia) es la ciencia que se encarga del
estudio de la distribucin y frecuencia de la enfermedad en la poblacin y de identificar
los factores que determinan la aparicin de la misma. Suministra informacin que
posteriormente se usar en la medicina preventiva y salud pblica, es decir, la informacin que
nos proporciona se aplica al estudio del control de las enfermedades.
Se estudian poblaciones (conjuntos de individuos) porque se desconoce por qu ocurre la
enfermedad individualmente.
El padre de la epidemiologa moderna es John Snow. Este mdico estableci la relacin entre la
una zona de Londres (Broad Street) y la aparicin de clera en las personas. Se dio cuenta,
apuntando los decesos en un mapa, que esta epidemia estaba relacionada con lugares con
acceso a pozos privados (fabrica de cerveza, hostal) y consigui clausurar aquel pozo (que ms
tarde se descubri contaminado con heces de un paal de un beb).
La epidemiologa cobra un papel importante en el estudio del SIDA en Espaa.
Por su parte, epidemia o brote epidmico se define como nmero de casos por encima de lo
esperado.
Usos de la epidemiologa.
Conocer la historia natural de las enfermedades.
- Identificar factores de riesgo y pronsticos de enfermedad.
- Medir el efecto de dichos factores sobre la ocurrencia de la enfermedad (conocer la
frecuencia en funcin de distintas variables como el sexo, la edad y la posicin socio-
econmica).
- Medir los tiempos de induccin de los factores de riesgo.
Control de los problemas de salud en la poblacin.
- Desarrollar y evaluar los programas de intervencin sanitaria.
- Administrar de forma racional los recursos ilimitados.
Control de los problemas de salud en los individuos.
- Evaluar pruebas diagnsticas o de tratamiento.
- Elaborar protocolos clnicos.
Lectura crtica de las evidencias cientficas.
Es una herramienta al uso de la medicina preventiva y salud pblica.
1
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
b) Medidas de asociacin: magnitud de la asociacin exposicinenfermedad.
Riesgo relativo (RR): razn en la cual el numerador es el riesgo de enfermar o morir
de los expuestos, y el denominador, el riesgo de enfermar o de morir de los no
expuestos.
Odds ratio (OR): solo se obtienen mediante estudios analticos. Es la relacin entre la
frecuencia o probabilidad de que se obtenga un resultado (xito) y la probabilidad
de que se obtenga otro (fracaso).
No olvidar nunca que la correlacin no indica causalidad: conocer que un factor y una
enfermedad estn correlacionados no indica que uno cause la otra, es decir, no indica la
secuencia temporal. Conocer la causalidad es muy importante.
Demografa.
La demografa es la ciencia cuyo fin es el estudio de la poblacin humana y que se ocupa de
su dimensin, estructura, evolucin y caractersticas generales desde el punto de vista
cuantitativo.
2
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 2: MEDICIN DE LA FRECUENCIA DE LA ENFERMEDAD
Introduccin.
Ya hemos visto que la epidemiologa descriptiva se encarga de medir la frecuencia, mientras
que la epidemiologa analtica se encarga de medir el riesgo (usando la epidemiologa
descriptiva) y nos puede ayudar a implementar medidas de prevencin.
Tipos de medicin de Frecuencia:
Tipos de medicin de frecuencia.
La frecuencia la podemos medir en:
1. Nmeros -n absolutos
absolutos, como por ejemplo, el nmero de muertos en accidentes de trfico
segn la edad de las vctimas. Muertos en Accidentes de trafico segn la edad de las victimas
Max
del Max
30 Max en varones
Varones Mujeres
25
Tasa por 100.000 habitantes
20
15
Max en mujeres
10
0
4
s
4
-1
-1
-2
-2
-3
-3
-4
-4
-5
-5
-6
-6
-7
-7
-8
0-
5-
m
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
y
85
Grupo de edad
De esta forma, antes observbamos que haba ms muertes absolutas en el grupo de 25-34
aos, pero eso era debido a que este grupo de edad es el predominante en la poblacin. No
obstante, en este grfico de nmeros relativos vemos que mueren muchas ms personas del
grupo 18-20 aos en funcin del nmero de personas de esta edad presente en la poblacin
estudiada.
Siempre que podamos mediremos nmeros relativos, pues proporcionan una imagen ms
realista que permite la comparacin.
3
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Frecuencia: conceptos de incidencia y prevalencia.
A. La incidencia es la aparicin de casos nuevos de enfermedad entre los sujetos
susceptibles de pasar la enfermedad y que no tienen la enfermedad al comienzo del
seguimiento.
Segn estas directrices, en un estudio de gripe A no entraran ni los vacunados (no
susceptibles) ni los inicialmente enfermos. En caso especfico de cncer de tero solo
contaramos a las mujeres, pues los hombres no son susceptibles de padecer esa
enfermedad.
La incidencia es muy importante en investigacin epidemiolgica analtica, puesto que
informa de la estimacin del riesgo de padecer una enfermedad y es necesaria para
evaluar asociaciones causales.
4
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Adems, si se estudia la evolucin de una enfermedad en muchos aos, puede cambiar
la definicin de la mimsa. Por ejemplo, la prevalencia de demencia es distinta segn el
sistema de diagnstico utilizado (DSM-III, DSM-IV, ICD-9, ICD-10).
100
En la siguiente imagen observamos una poblacin dinmica definida por la estancia hospitalaria
90
durante un mes. Es decir, a esta poblacin solo pertenecen los pacientes ingresados durante
Ej para calcular
ese Mortalidad
mes (enero), 80
independientemente de si ingresan ese mes o ya estaban ingresados cuando
70
entre los nacidos
comenz el en el ao
mes. Esta imagen la analizaremos posteriormente.
60
50 Dinamica
Mes de Enero 40 Febrero
30
1
Ej para calcular 5
infecciones 10 15 20 20
25 30 31
entre ingresados en La Paz Gripe 10
0IHQ
1
ao1 ao2 ao3 ao4
7 Iq cat 28:alta
Iq: intervencin quirrgica
cat: catter
2 IHQ: infeccin de herida quirrgica
1 Iq 18:alta
ITU: infeccin de tracto urinario
S-CAT: infeccin de catter
3 ITU
2 7:alta
ITU
4 20 Iq
S-CAT
IHQ
5
3 Iq 10 cat 15 28 (+)
5
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
INCIDENCIA.
Incidencia acumulada (IA).
La incidencia acumulada es el riesgo individual de enfermar o de morir de una causa
determinada considerando un intervalo de tiempo (t-0 a t-1) determinado en una poblacin
fija susceptible (solo se tienen en cuenta las personas susceptibles, si no lo son, se eliminan del
clculo).
3. La incidencia acumulada no es til en una poblacin dinmica (ya que por definicin se
usan poblaciones fijas).
6
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Caractersticas de la DI:
- Las unidades en que se mide son, por tanto, casos de enfermedad por cada persona-
tiempo (tiempo-1).
- Puede medirse tanto en poblaciones fijas como dinmicas como estacionarias.
- El rango de resultados abarca desde el 0 hasta el infinito (es una razn, no una
proporcin), pues depende la cantidad de personas (numerador) y el intervalo de tiempo
(denominador).
- Los eventos contados en el numerador deben de proceder de eprsonas que contribuyan
con personas-tiempo en el denominador en el momento de producirse el evento.
- Al comparar dos conjuntos iguales de personas-tiempo (por ejemplo 400 personas-ao), los
resultados son similares excepto en casos extremos: no es lo mismo seguir a 400
personas durante un ao que 4 personas durante 100 aos (400 personas-aos).
- La tasa de incidencia elimina el inconveniente de la incidencia acumulada en tanto en
cuanto podemos medir la reiteracin de un suceso, es decir, una persona puede
enfermar varias veces dentro del periodo de tiempo establecido.
No obstante, si al enfermar por primera vez el paciente deja de ser susceptible a la
enfermedad, deberemos dejar de seguir al paciente a partir de ese momento y mantener
el seguimiento si no pierden la susceptibilidad.
17d
1 Iq 18:alta
ITU 7d
2 7:alta
ITU
11d
20 Iq
S-CAT
IHQ 26d
3 Iq 10 cat 15 28 (+)
7 Total: 75 d
DI de infeccin global y de IHQ? = 2,5 meses
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
2. Densidad de incidencia de IHQ en enero. Para calcularlo:
- Numerador: son el nmero de IHQ que aparecen en enero. En este caso son 2
infecciones: las del n 1 y n 5.
- Denominador: en este caso solo tenemos que tener en cuenta el tiempo que pasa a
partir de la intervencin quirrgica: hemos de descartar tanto el tiempo entre el
ingreso hasta la intervencin como todo el del n 3 que no participa ya que no ha
sido operado. En este caso se sigue contando a los pacientes que ya han sufrido una
IHQ porque esto no impide que tengan otra. En el caso de que un suceso confiera
inmunidad a que vuelva a ocurrir deberamos dejar de contarles.
As, el denominador es: 18+13+11+22=64d=2,1 meses
- DI de infeccin global (enero) = 2 inf/2,1 p-mes = 0,9 por persona-mes.
Densidad de incidencia basada en datos agrupados.
La tasa de incidencia basada en datos agrupados se obtiene para un lugar geogrfico en un
tiempo determinado. Esto es as porque la poblacin de un estudio de grandes proporciones
puede variar mucho en el tiempo.
8
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
De una manera ms sencilla, tambin podemos aproximar la incidencia acumulada (para
IA<0,1) como:
IA = DI x t
Esta segunda frmula nos da un valor muy aproximado que podemos tomar como vlido siempre
y cuando se encuentre dentro del rango de la incidencia acumulada (entre 0 y 1).
Tambin tiene utilidad para el clculo de esperanza de vida (tablas de vida): si conocemos la
DI a una edad, sabemos el tiempo que tardar en ocurrir ese suceso (la muerte).
Por ejemplo, si a la edad de 30 aos la DI de muerte es de 0,05 por ao; la esperanza de vida
a partir de esa edad es de 1/0,05=20 aos.
Hay que destacar que ninguna de estas dos medidas de frecuencia son realmente tasas, sino
proporciones, ya que el numerador siempre est incluido en el denominador.
Usos de la incidencia.
La incidencia sirve para:
Investigacin etiolgica*: es la funcin principal*. Permite averiguar a qu se debe la
enfermedad.
7 Iq cat 28:alta
1 Iq 18:alta
ITU
2 7:alta
ITU
20 Iq
S-CAT
IHQ
3 Iq 10 cat 15 28 (+)
33% 66% 0%
Usos de la prevalencia.
La prevalencia se usa para:
Planificacin sanitaria*: es la aplicacin principal*. Permite estimar el nmero de casos
totales de una enfermedad que habr.
Ejemplo. Si 160 alumnos aprueban Epidemiologa y 40 no (ni que fuese Neuroanatoma), cul
sera el Odds de aprobar Epidemiologa?
Odds aprobar = P(aprob)/P(no aprob) = (160/200) / (40/200) = 160 / 40 = 4
Tambin podemos calcular la probabilidad de que ocurra algo en funcin del Odds
(despejando):
P = Odds / (1 + Odds)
En el ejemplo anterior, sabiendo que el Odds es 4 podramos haber calculado la probabilidad de
aprobar:
P(aprob) = 4 / (1 + 4) = 4/5
11
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
12
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 3: MEDIDAS DEL EFECTO Y DEL IMPACTO POTENCIAL EN EPIDEMIOLOGA
MEDIDAS DE ASOCIACIN.
Riesgo relativo y estudios de cohorte.
Los estudios de cohorte son estudios con un gran periodo de seguimiento y dos grupos
diferentes (expuestos y no expuestos) observados que se clasifican finalmente como sanos o
enfermos tras el periodo de seguimiento en una tabla de contingencia de este tipo:
Expuestos a b a+b
No expuestos c d c+d
COHORTE:
Ahora vamos a ver dos ejemplos, uno de correlacin negativa y otro de correlacin positiva:
15 aos
Ejemplo 1. Hacemos un estudio de cohortes siguiendo a 450 trabajadores de una central nuclear,
200 200
R-GAMMA 32 leucemias
de los cuales estn expuestos a rayos-gamma y 250 no (trabajan en oficinas). Tras 15 aos
de seguimiento aparecen 32 personas con leucemia en el grupo de expuestos y 25 en el de
250 sanos.
no expuestos 25 leucemias
Existe asociacin entre la radiacin gamma y la leucemia? Qu magnitud tiene?
57 393 450
vacuna 10 225
32 168 200
vacuna 235
O dicho de otra manera: el riesgo de enfermar es un 75% menor entre los expuestos a la
vacunacin (|1-RR|x100).
Se va a poder calcular slo una aproximacin al riesgo relativo, ya que no tenemos datos de
incidencia, que se denomina Odds ratio o razn de Odds, donde Odds se define como la
probabilidad de un suceso partido por la probabilidad del suceso contrario.
14
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
donde:
- Odds de exposicin en enfermos = [a/(a+b)] / [b/(a+b)] = a/b
Odds de exposicin en enfermos indica el nmero de expuestos por cada no expuesto
que encuentro en el grupo de enfermos.
El OR (Odds Ratio) da los mismos tipos de valores y se interpreta de forma similar que el
Riesgo Relativo (RR), pero se utiliza como estimador de RR en los estudios de casos-control
que se utilizan cuando la enfermedad es poco frecuente (< 10%).
CASO-CONTROL:
Ejemplo 1. Hacemos un estudio de casos-controles sobre 1000 trabajadores de una mecnica, 20
(pasado)y 980 no. Se comprueba su exposicin y 15 de los
de los cuales padecen cncer de pulmn
15 expuestos
enfermos C. DIESEL
estuvieron 20 CA PULMN
expuestos a productos de combustin del diesel y 235 de los no enfermos
tambin. Existe asociacin entre la exposicin a los productos de combustin del diesel y la
235 expuestos
aparicin C.de
de cncer DIESEL 980 NO CA PULMN
pulmn? Qu magnitud tiene?
20 980 1000
MAGNITUD DE LA ASOCIACIN C. DIESEL CA PULMN
Calculamos el OR:
OR =Odds
(15 xexp
745)
(E) /= (5
(15x/ 235) = 9,5
20) / (5 / 20) = 15 / 5
OR
Es=decir,
Oddslaexp (E) / Oddsdeexp
frecuencia (E) =
exposicin es 9,5 veces mayor en el grupo de enfermos que en el
de no enfermos. Odds exp (E) = (235 / 980) / (745 / 980) = 10 / 70
Si calculamos el RR vemos que es similar (buena aproximacin) gracias a que la enfermedad es
poco prevalente (20/1000 = 2%): OR = (15 x 745) / (5 x 235) = 9,5
RR = (15/250) / (5/750) = 9
RR = (15/250) / (5/750) = 9
Ejemplo 2. Hacemos un estudio de casos-controles sobre 100 trabajadores de una mecnica, 20
de los cuales padecen cncer de pulmn y 80 no. Se comprueba su exposicin y 15 de los
enfermos estuvieron expuestos a productos de combustin del diesel y 10 de los no enfermos
CASO-CONTROL:
tambin. Existe asociacin entre la(pasado)
exposicin a los productos de combustin del diesel y la
aparicin de cncer
15 expuestos de pulmn? Qu magnitud tiene?
C. DIESEL 20 CA PULMN
10 expuestos C. DIESEL 80 NO CA PULMN
Primer realizamos la tabla de contingencia:
TABLA DE CONTINGENCIA:
CA CA
C. DIESEL 15 10 25
C. DIESEL 5 70 75
20 80 100
C. DIESEL 15 10 25
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
C. DIESEL 5 70 75
Calculamos el OR:
OR = (15 x 70) / (5 x2010) = 2180 100
Es decir, la frecuencia de exposicin es 21 veces mayor en el grupo de enfermos que en el de
no enfermos.
MAGNITUD
Adems, podemos DE LA
calcular ASOCIACIN
el OR C.Odss:
a travs de los DIESEL CA PULMN
Odds exp (E) = (15 / 20) / (5 / 20) = 15 / 5
OR = Odds exp (E) / Odds exp (E) =
Odds exp (E) = (10 / 80) / (70 / 80) = 10 / 70
- Odds de exposicin en enfermos: 15/5 = 3 > en el grupo de enfermos encuentro 3
En el grupopor
expuestos de enfermos
cada no expuesto. OR = (15 x 70) / (5 x 10) = 21
- Odds de exposicin
encuentro 3 expuestos
en NO enfermos: 10/70 = 1/7 > en el grupo de NO enfermos
por cada no expuesto
encuentro 1 expuesto por cada 7 no expuestos (0,14). RR = (15/25) / (5/75) = 9
En el grupoeldeRR
NO enfermos La frecuencia de exposicin es 21 veces
Si calculamos vemos encuentro
que es muy distinto (mala
mayor en elaproximacin) gracias
grupo de enfermos que enaelque la
1 expuesto por cada 7 no expuestos (0,14)
enfermedad es ms o menos prevalente (20/100 = 20%): de no enfermos
RR = (15/25) / (5/75) = 9
Aclaracin.
En estudios de casos y controles puede haber muchos sesgos, por lo tanto estos estudios deben
de ser validados, la nica conclusin que obtenemos de estos es que encontramos asociacin en
lo que estamos estudiando. Sin embargo, los cohortes se parecen ms a ensayos clnicos porque
se controlan ms variables.
El OR es buen estimador del RR cuando la enfermedad que estudiamos tiene una
prevalencia pequea (<10%) que es cuando vamos a plantear un estudio de casos y
controles.
57 393 450
R-GAMMA
R-GAMMA 32 32
168 168
200 200
R-GAMMA
25 25
225 225
250 250
R-GAMMA
57 57
393 393
450 450
MAGNITUDMEDIDA
Calculamos DE
el LADEL
RA%: IMPACTO POTENCIAL
ASOCIACIN DE R-GAMMA SOBRE LEUCEMIA
R-GAMMA - LEUCEMIA
IA (e) = 32 / 200 = 0,16 = 16%
RA%
RR = IA (e) (IA= (e) IA
/ IA=(o) - IA(e) = 32
(o)) / IA/ (e)
200 = 0,16
= 1,6
IA (o) = 25
IA (o) = 25 / 250 = 0,10 / 250 = 0,10 = 10%
RA%
|1-RR| x 100= el riesgo es = (0,16
un 60% 0,10)
mayor entre/ 0,16 = 0,375 = 37,5%
los expuestos
RA% = [(0,16/0,10) -1 ] / [0,16/0,10] = 37,5%
El 37,5% de los enfermos expuestos deben su enfermedad al hecho de estar expuestos. En
otras palabras, si se elimina la exposicin, se previenen un 37,5% de los casos en los
expuestos.
17
200 R-GAMMA 15 aos 32 leucemias
200 R-GAMMA 32 leucemias
250 no expuestos 25 leucemias
250 no expuestos
Investigacin Epidemiolgica 25 leucemiasManuel Jurez y Vctor Macarrn
Ejemplo. Tenemos
TABLAelDEmismo caso que en el primer ejemplo de RR (asociacin entre la radiacin
CONTINGENCIA:
gamma y la leucemia), con la misma tabla de contingencia:
LEU LEU
TABLA DE CONTINGENCIA:
LEU LEU
R-GAMMA 32 168 200
R-GAMMA 32 168 200
R-GAMMA 25 225 250
R-GAMMA 25 225 250
57 393 450
57 393 450
CalculamosMEDIDA
MAGNITUD DE
el DEL IMPACTO
LA ASOCIACIN
RAP: POTENCIAL
R-GAMMA DE R-GAMMA SOBRE LEUCEMIA
- LEUCEMIA
IA (t) = 57 / 450 = 0,127 = 12,7%
RR = IA (e)RA IA=(t) - IA
/ IA=(o) IA (e)
(o) = 32 / 200 = 0,16 = 1,6
IA (o) = 25 / IA (o)= =0,10
250 25 / 250 = 0,10 = 10%
RA =entre
|1-RR| x 100= el riesgo es un 60% mayor 0,127los
0,10 = 0,027 = 2,7%
expuestos
18
10 expuestos C. DIESEL 80 NO CA PULMN
Investigacin Epidemiolgica
CASO-CONTROL: Manuel Jurez y Vctor Macarrn
Ejemplo TABLA
de RA%DE CONTINGENCIA:
y RAP%
(pasado)
en estudio de casos y controles.
15 expuestos C. DIESEL 20 CACA
PULMN CA
Usamos el mismo caso del ejemplo 2 de Odds ratio sobre la asociacin entre los combustibles
diesel 10 expuestos C. DIESEL
y la 80 NO CA PULMN
aparicin de cncer de pulmn, con la siguiente tabla de contingencia:
C. DIESEL 15 10 25
TABLA DE CONTINGENCIA:
CA CA
C. DIESEL 5 70 75
C. DIESEL 15 10 25
5 20
70 75 80 100
C. DIESEL
20 80 100
MEDIDA DEL IMPACTO POTENCIAL DE DIESEL SOBRE CA PULMN
Calculamos RA% yDE
MAGNITUD RAP%:
LA ASOCIACIN C. DIESEL CA PULMN
RA% = (OR-1) / OR = (21-1) / 21 = 95%
Odds exp (E) = (15 / 20) / (5 / 20) = 15 / 5
OR = Odds exp (E) / Odds exp (E) =
Odds exp (E) = (10 / 80) / (70 / 80) = 10 / 70
RAP% = RA% x Frexp (casos) = 95% x (15 / 20) = 71,2%
En el grupo de enfermos
OR = (15 x 70) / (5 x 10) = 21
encuentro 3 expuestos
Diferencia entre riesgo
por cada no expuesto
atribuible y porcentual.
La diferencia entre RA(P) y RA(P)% es que: RR = (15/25) / (5/75) = 9
-En RA(P) mide la cantidad de incidencia
el grupo de NO enfermos encuentro
atribuible
La frecuencia al factores de
de exposicin exposicin (RA en los
21 veces
expuestos
1 expuesto y RAP
por cada en la poblacin).
7 no expuestos (0,14) mayor en el grupo de enfermos que en el
- RA(P)% mide la proporcin de casos atribuibles de no enfermosal factor de exposicin y que por tanto
se podran evitar al eliminar ese factor (RA% en los expuestos y RAP% en la poblacin).
19
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
20
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 4. DEMOGRAFA SANITARIA. INDICADORES DE SALUD. SISTEMAS DE INFORMACIN SANITARIA
Concepto de demografa.
La demografa nos aporta informacin sobre poblacin que se va a considerar en un estudio
epidemiolgico.
Dentro de la demografa se definen dos tipos:
- Demografa esttica: cuyas fuentes de informacin son el padrn y los censos. Su principal
indicador son las pirmides de poblacin, que relacionan la demografa esttica con la
dinmica.
- Demografa dinmica: permite calcular indicadores de natalidad, mortalidad y cuadro
vegetativo, as como estudiar la transicin demogrfica.
La demografa tiene aplicacin en la salud pblica, ya que se integra en los sistemas de
informacin sanitaria.
Segn la ONU, la demografa es: Ciencia cuyo fin es el estudio de la poblacin humana y que
se ocupa de su dimensin, estructura, evolucin y caractersticas generales, desde el punto
de vista cuantitativo.
DEMOGRAFA ESTTICA.
La demografa esttica se ocupa de los dos primeros componentes de la demografa:
- La dimensin o tamao de la poblacin.
- La estructura o composicin de la poblacin: edad, sexo, estado civil, lugar de
nacimiento, nacionalidad, nivel educativo, nivel econmico, idioma y fecundidad
DEMOGRAFA DINMICA.
Transicin demogrfica.
La observacin de la pirmide de poblacin permite estimar el progreso de la natalidad y
mortalidad, aunque esto slo es posible si se excluyen migraciones de poblacin. Por ello, la
silueta de la pirmide de poblacin se utiliza para describir la transicin demogrfica, que es la
evolucin que experimentan las poblaciones conforme el desarrollo econmico del pas. Se
describen tres fases principales en funcin de la tendencia de su pirmide demogrfica.
El paso de una fase a otra se produce conforme tiene lugar el desarrollo socioeconmico de la
poblacin.
22
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Papel de la demografa dinmica.
La demografa dinmica estudia la progresin de la poblacin, la cual depende de dos variables
fundamentales:
- Flujo de entrada: natalidad e inmigracin.
- Flujo de salida: mortalidad y emigracin.
De aqu se extraen 2 trminos:
- Crecimiento vegetativo: es la diferencia entre natalidad y mortalidad.
- Saldo migratorio: es la diferencia entre inmigracin y emigracin.
Natalidad y mortalidad.
Son los parmetros que ms nos interesan, al estar ms relacionados con la salud.
La natalidad se puede medir de tres maneras:
- Tasa de natalidad (TN): mide la cantidad de crecimiento de una poblacin.
Habitualmente se mide en tanto por mil. Espaa tiene una TN de 10.8 recin nacidos vivos
por cada 1000 habitantes.
- ndice sinttico de fecundidad (ISF): es una magnitud muy intuitiva que mide el nmero
de hijos que se espera por mujer en funcin de la tasa de natalidad y fecundidad
existente en dicho periodo. Se mide en tanto por 1000.
Para asegurar la renovacin poblacional es necesario que cada mujer tenga 2.1 hijos. En el
caso de Espaa, el ISF es de 1.41, menor que la media europea (1.45), por lo que la
inmigracin es imprescindible para renovar la poblacin e impedir su envejecimiento.
La tasa de mortalidad tambin se mide habitualmente en tanto por mil. La de Espaa est en
torno a 8,8 muertos por cada mil habitantes y es una de las ms bajas de Europa.
23
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
INDICADORES DE SALUD.
Un indicador de salud es una variable que sirve para medir el nivel de vida y de bienestar de
una comunidad, en funcin del estado de salud, supervivencia, estilos de vida, condiciones
ambientales, situacin econmica, asistencia sanitaria...
Los indicadores de salud tienen un triple objetivo:
- Diagnstico: miden el estado de salud de una comunidad.
- Planificacin: permiten identificar problemas de salud de la poblacin y aplicar
soluciones.
- Evaluacin: estudian la relacin entre actividades efectuadas y necesidades
detectadas.
24
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 5: MORTALIDAD
2. El conocimiento de las causas de moralidad nos sirve para identificar problemas de salud
y contribuye a priorizarlos (para las enfermedades de gran letalidad).
Hay ms personas que mueren por ECV que por envenenamiento, y las conclusiones que
derivan de este enunciado.
25
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Adems, hay un tercer documento que es el cuestionario para la declaracin de la
defuncin que rellena la funeraria y es necesario para poder enterrar o incinerar al
difunto.
Esta informacin llega al registro civil, se inscribe en el libro de defunciones del registro
civil, de manera que el fallecido est oficialmente muerto y pierde todos sus derechos
civiles (por ejemplo, se comunica a la Seguridad Social para que deje de cobrar una pensin).
Adems, llega al INE lo que permite su uso para las aplicaciones que vimos en el anterior
apartado: registro de mortalidad por comunidades autnomas y municipios.
A nosotros, como mdicos, la parte que ms nos interesa del certificado de defuncin es aquel
en el que figura la/s causa/s de la muerte, sin embargo, puede ser muy difcil certificarla.
Por ejemplo: mujer obesa a los noventa aos que con el paso del tiempo desarrolla diabetes,
HTA, fibrilacin auricular, ictus y muerte. Esta paciente puede haber muerto como
consecuencia de la obesidad (con la que empez todo) y la diabetes, que desarrollaron las
sucesivas consecuencias; o el ictus (ltimo). Por este motivo en el cuestionario figura una
sola causa de la muerte y aparecen una serie de casillas en la que figuran los datos
relacionados con las causas de la muerte: causas antecedentes en orden cronolgico. Lo
importante es poner la secuencia cronolgica de acontecimientos que llegaron a la muerte.
Caractersticas:
- Sistema de categoras por las que se asignan cdigos a las enfermedades.
- Recoge 21 grandes grupos de enfermedades y 2036 categoras de causas de muerte.
26
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Permite el registro sistemtico, el anlisis, la interpretacin y la comparacin de
datos de mortalidad y morbilidad recolectados en diferentes pases o reas, y en
diferentes pocas.
- Incluye enfermedades y procedimientos.
- Es tarea de la OMS la coordinacin de las adaptaciones de las diferentes
clasificaciones a la CIE-10.
- La versin 10 entr en vigor en Espaa en 1999.
La tasa de mortalidad infantil en los pases del mundo, pone en evidencia que los pases
con bajo desarrollo econmico y social, tienen un porcentaje muy elevado de
mortalidad infantil, principalmente debido a infecciones del feto y del recin nacido, a
causa de consumir aguas y alimentos contaminados.
29
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
jvenes, en torno a 30 aos de edad), ms que por
accidentes de trfico y que por accidentes
laborales.
Detrs de las principales causas de muerte (cncer,
enfermedades cardiovasculares y respiratorias) se
esconde el estilo de vida: mala alimentacin,
sedentarismo y tabaquismo.
En mujeres:
- 34%: enfermedades cardiovasculares (ms que los
varones).
- 22%: tumores.
Tienen menos importancia las enfermedades respiratorias
(10%), aparecen las enfermedades del sistema digestivo
(5%, igual que en varones) y disminuyen las muertes por
causas externas (suicidio, accidente laboral y accidente de
trfico): 2%.
3) MIPSE.
Es la mortalidad innecesariamente prematura y sanitariamente evitable. Esta medida
hace referencia a la eficacia del sistema sanitario.
5) Esperanza de vida.
Es el nmero de aos de vida, que como promedio, vivir la poblacin que haya nacido en
un determinado momento (ao en el que se nace)
Se calculan mediante las tablas de vida y es una forma de definir la mortalidad (a mayor
esperanza de vida, menos mortalidad).
30
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
La variacin de los aos de vida con discapacidad desde 1990 hasta 2010 en Espaa, ha sido:
- Las principales causas son el dolor lumbar y la depresin, que no han variado.
- Las cadas han aumentado significativamente.
La variacin de los aos de vida ajustados por discapacidad desde 1990 hasta 2010, en Espaa,
ha sido:
- Cardiopata isqumica siguen siendo el principal.
- El accidente de trfico ha disminuido de forma impactante, desde el puesto 3 al 12.
- Las cadas han aumentado significativamente.
31
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
32
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 6: EPIDEMIOLOGA DESCRIPTIVA. PERSONA, TIEMPO Y LUGAR
33
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
34
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 7: TIPOS DE ESTUDIOS EPIDEMIOLGICOS
b) Estudios longitudinales: son aquellos estudios en los que hay seguimiento, hay
investigacin en el tiempo y la exposicin precede a la enfermedad. Interviene la
variable tiempo. Pueden ser de dos tipos:
I. Prospectivos: el seguimiento es hacia delante, hacia el futuro. Cada cierto
tiempo se vuelve a recoger informacin de los inviduos.
II. Retrospectivos: el seguimiento es hacia atrs, hacia el pasado. Se reconstruye
el tiempo hacia atrs recogiendo informacin.
35
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Principales estudios epidemiolgicos.
1. Estudio ecolgico.
Su caracterstica principal es que es el nico estudio que analiza datos agregados. Es un
estudio principalmente descriptivo y transversal, aunque tambin puede ser en ocasiones
analtico (con menos potencias que los estudios individuales analticos). Es siempre
observacional.
Son ms baratos y rpidos de llevar a cabo por lo que suelen ser la primera fase en la
investigacin de una nueva hiptesis. Ejemplo: son ms frecuentes lo accidentes de trfico en
las provincias donde ms alcohol se consume (analizando datos de alcoholismo por provincia)?
2. Estudio transversal.
Son estudios individuales, observacionales, transversales y normalmente descriptivos (es
el paradigma del estudio descriptivo) aunque pueden ser analticos (siendo los menos potentes
para establecer asociaciones).
Suelen ser estudios basados en muestras representativas de la poblacin (generalizables).
ESTUDIOS TRANSVERSALES
Presente
POBLACION
ENFERMEDAD: Presente
(EFEFCTO) Ausente
EXPOSICION: Presente
(FACTOR) Ausente
Muestra
GRUPO A
(Factor EFECTO
presente) Presente COMUNIDAD A EFECTO
Ausente Prevalencia
de caries
+
+
Fluoracin de
FACTOR DE
PARTICIPANTES EXPOSICIN las aguas de
consumo
- -
EXPOSICION
ENFERMEDAD
5. Estudio de cohortes.
Son estudios observacionales, individuales, analticos y longitudinales (tanto prospectivos
como retrospectivos). Su principal diferencia con el estudio de casos y controles es que se
seleccionan individuos libres de la enfermedad objeto de estudio y se los clasifica en
funcin de si estn expuestos o no expuestos al factor de estudio.
El estudio es complicado, suelen requerir muchos individuos y muchos aos de
seguimiento. Son muy caros.
ESTUDIOS DE COHORTES (Prospectivo)
Presente Futuro
EXPOSICION ENFERMEDAD
Presente (Expuestos) Presente
Ausente (No expuestos) Ausente
Pasado Presente
EXPOSICION ENFERMEDAD
Presente (Expuestos) Presente
Ausente (No expuestos) Ausente
37
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Clasificacin de los estudios epidemiolgicos.
1. Objetivo:
- Descriptivos: estudios transversales y ecolgicos.
- Analticos: todos los estudios (cohortes, casos y controles, experimentales,
transversales y ecolgicos), sin embargo los estudios transversales y ecolgicos
analticos son menos potentes que el resto de analticos.
3. Unidad de anlisis:
- Ecolgicos: estudios ecolgicos.
- Individuales: el resto (transversales, experimentales, cohortes y casos y controles).
4. Tiempo y direccin:
- Transversales: nicamente los estudios descriptivos, es decir, los ecolgicos y los
transversales.
- Longitudinales:
Prospectivos: estudios experimentales.
Retrospectivos: los estudios de casos y controles.
Prospectivos o retrospectivos: los estudios de cohortes y, en ocasiones, los estudios
ecolgicos.
Todos los estudios tienen sesgos, pero unos menos que otros.
38
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Algunos esquemas:
S No
ESTUDIOS ESTUDIOS
EXPERIMENTALES OBSERVACIONALES
Grupo de comparacin?
Randomizacin?
S No S No
Estudios Estudios
analticos descriptivos
Direccin?
ENSAYO ENSAYO
CONTROLADO CONTROLADO NO
RANDOMIZADO RANDOMIZADO S No
ENSAYO CLINICO
ESTUDIOS DE ESTUDIOS ESTUDIOS
ENSAYO DE CAMPO
COHORTES CASOS- TRANSVERSALES
ENSAYO DE
CONTROL
INTERVENCION ESTUDIOS
COMUNITARIA ECOLOGICOS
ENFERMEDAD
Hiptesis
ESTUDIOS DESCRIPTIVOS ESTUDIOS ANALITICOS
ESTUDIOS DE
COHORTES
ENSAYO CLINICO
ESTUDIOS
ECOLOGICOS ESTUDIOS
TRANSVERSALES ESTUDIOS CASOS- ENSAYO
CONTROL COMUNITARIO
39
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Analticos
Ensayo clnico
Experimentales
Ensayo de campo
Observacionales
Cohortes
Casos y controles
Transversales analticos Ecolgicos analticos
Individuos Grupos de
individuos
Transversales descriptivos
Ecolgicos descriptivos
Descriptivos
40
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 8: ESTUDIOS ECOLGICOS Y TRANSVERSALES
Caractersticas.
La unidad de observacin y anlisis es un grupo de individuos, tanto para la exposicin
como para la enfermedad.
Normalmente se dispone de la informacin sobre la exposicin y enfermedad de grupos
de anlisis pero no de individuos concretos. A veces se tiene informacin sobre los
individuos, pero se estudian agregadamente.
Esto tiene relevancia puesto que la agrupacin trae consigo un sesgo implcito, ya que
podemos incluir en el grupo algn individuo que no cumpla las condiciones que se le
exigen y que la falta de informacin nos lleva a obviar.
Con frecuencia utiliza datos secundarios.
Los estudios ecolgicos tienen un carcter predominantemente descriptivo y generador
de hiptesis.
Son muy tiles puesto que hay algunas exposiciones que tienen nicamente variacin
poblacional, es decir, que no se pueden estudiar individualmente y hay que estudiarlos
ecolgicamente. Como ejemplo de esto podemos citar la relacin entre el dficit de
democracia y la tasa de mortalidad infantil; mortalidad materna; o la esperanza de vida.
Otros ejemplos, podran ser las incidencias de determinadas enfermedades en los grupos
de poblacin estudiados, durante un tiempo, para ver en qu periodo de tiempo se dan
ms casos de enfermedad y poder centrarse en ese tiempo.
42
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Estudios de tendencias temporales analticos.
Nos permite monitorizar enfermedades y
establecer hiptesis. Por ejemplo, podemos
establecer una relacin entre el descenso en el
precio del alcohol relacionndolo con el
consumo del mismo y con las muertes por
cirrosis.
Igualmente podemos valorar la validez de
leyes, por ejemplo, estudiando el descenso de
la mortalidad en accidentes de moto con la ley
de obligatoriedad de llevar casco. En el caso de
la valoracin de las leyes, los estudios
ecolgicos sern siempre el tipo de estudio de
eleccin.
43
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
variables prximas y no la que queremos medir en realidad. Es la llamada tercera
variable, que no aparece.
Problema del periodo de induccin: la exposicin debe ser previa a la enfermedad,
respetando los periodos de induccin. Muchas veces no podemos respetar los periodos de
induccin e incluso no sabemos cunto tiempo dura ese periodo.
Falacia ecolgica (es el inconveniente ms importante): Se produce al agrupar los datos.
No podemos aplicar los resultados de estudios poblacionales a individuos, puesto que la
relacin observada puede deberse a que los grupos no son homogneos, sino que hay
grandes diferencias entre los miembros de un mismo grupo.
No sabemos si los individuos que contraen la enfermedad son los que estn ms expuestos
al factor de riesgo de inters. Pueden estar operando terceros factores (confusin o
interaccin) que se encuentran desigualmente distribuidos entre los grupos estudiados y
que son responsables de las correlaciones encontradas.
Ejemplo. Estudiamos si la incidencia de accidentes de trfico se relaciona con el nivel de
ingresos medios de tres barrios diferentes y en el resultado que nos arroja el estudio vemos
que la poblacin con mayor nmero de accidentes de trfico es aquella con un mayor
salario medio.
Lo que ocurra en realidad es que, dentro del grupo con una media salarial mayor, solo
aquellos que tenan ingresos menores de 20.000 dlares tenan accidentes de trfico,
mientras que los que tenan ingresos mayores (mayores de 20.000 dlares), no tenan
accidentes. Sin embargo, esta mayor desigualdad social del primer grupo determino que su
nmero de accidentes fuera mayor.
La falacia ecolgica se produce cuando se aplican directamente a los individuos los
resultados obtenidos al estudiar grupos de individuos. Por ejemplo, al estudiar barrios con
una determinada media econmica pero dentro de cada barrio hay mucha desigualdad
social.
Estudios multinivel.
Simplemente hay que saber que existen y que introducen
variables ecolgicas e individuales en el mismo estudio. Ejemplo:
vivir en un barrio desfavorecido (grupo 1) aumenta el riesgo de
cardiopata isqumica despus de controlar por ingresos,
educacin y ocupacin.
44
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
ESTUDIOS TRANSVERSALES.
Suponen una foto del estado actual de alguna enfermedad: estudio en un momento
determinado del tiempo, no interesa el seguimiento en el tiempo.
Han servido para describir numerosas enfermedades como los recin nacidos con ceguera por
altas concentraciones de oxgeno en la incubadora, o el sarcoma de Kaposi en varones jvenes
infectados por VIH.
Su diseo supone la creacin de una tabla de contingencia 2x2 como la que se muestra a
continuacin.
Enfermos No enfermos
Expuestos 32 168
No expuestos 25 225
46
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Diferencia entre casos prevalentes e incidentes.
Una diferencia con el ensayo clnico, es que, en el ensayo clnico, la asignacin de la posicin
es aleatoria, se randomiza quien recibe el tratamiento y quien el placebo, mientras que en el
estudio transversal, ya estn asignados los papales.
2. Estudios transversales.
Son importantes para establecer el estado de salud de una poblacin y con la finalidad
de planificacin de servicios sanitarios.
Suelen ser el primer paso en el estudio de una relacin causal, despus se utilizarn
otros diseos.
Si la muestra es representativa de una poblacin concreta, permite generalizar los
resultados.
No permite establecer la secuencia temporal entre causa y efecto.
Dificultad de separar los factores de riesgo (causas) de los factores pronsticos que
influyen en la duracin de la enfermedad.
47
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
48
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 9: ESTUDIOS DE COHORTES
Introduccin.
Se estudia en grupos de individuos, pero no agregadamente.
Partimos de una poblacin (por ejemplo, la UAM). Una vez seleccionada la poblacin, se extrae
una muestra (por ejemplo, el grupo 306).
El investigador observa la exposicin a un determinado factor a estudiar; y clasifica a los
participantes en expuestos y no expuestos (por ejemplo, fumadores y no fumadores).
Mediante los estudios de cohortes, se estudian incidencias: los casos nuevos. Por lo tanto, en el
periodo de inicio del seguimiento, descartaramos todos los casos prevalentes (ya
existentes). Ejemplo: cualquier individuo con cncer de pulmn al inicio del estudio, no entrara
a formar parte de l.
Expuestos a b a+b
No expuestos c d c+d
Total a+c b+d a+b+c+d
- La medida que se calcula en este tipo de estudios es el riesgo relativo (RR). Se calcula
como la incidencia en expuestos (enfermos expuestos entre el total de expuestos) entre
incidencia en no expuestos (enfermos no expuestos entre el total de no expuestos):
49
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Hay dos tipos de estudios de cohortes:
1. Cohorte fija: todos los participantes entran a formar parte del estudio en el mismo
momento. Por ejemplo: el participante 1 desarrolla la enfermedad en un punto
determinado, distinto del participante 2, pero nadie puede incluirse en el estudio
despus del tiempo 0.
2. Cohorte dinmica: cada participante entra a formar parte del estudio en distintos
momentos. Por ejemplo: el participante 1 entra al estudio el 10 de octubre y el
participante 2 entra el 6 de octubre.
Definicin de cohorte.
En estadstica, se entiende como un grupo de sujetos con una caracterstica o grupo de
caractersticas comunes, que son seguidos en el tiempo y que comparten dos atributos:
- Al inicio del estudio estn en riesgo desarrollar el evento de inters (desenlace
especifico): enfermedad, secuela Por ejemplo, una mujer no puede desarrollar cncer de
prstata.
- En el momento de inclusin en la cohorte (tiempo 0) estn libres del desenlace de
inters.
Ejemplos de cohorte: generacin de 1996, profesin, comunidad geogrfica
50
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Ejemplos:
- Si la cohorte expuesta la componen trabajadores de industrias, se puede elegir como
grupo no expuesto a individuos que trabajan en otras industrias y que no estn
expuestos al factor de estudio.
- Mujeres expuestas a un anticonceptivo que se pretende estudiar; y como grupo de no
expuestas, mujeres expuestas a otro anticonceptivo.
B. Fuentes de informacin.
Primaria: se obtiene directamente de participantes. Es especfica para el estudio.
Secundaria: informacin recogida previamente para otros fines. Por ejemplo: historia
clnica, exmenes fsicos Esta informacin est ms sujeta a sesgos.
C. Recogida de la informacin.
Se realiza una recogida de informacin sobre variables que puedan modificar o confundir la
asociacin principal. Por ejemplo: estilos de vida, sociodemogrficas, factores genticos.
D. Periodo de seguimiento.
Depende de la frecuencia del evento de inters estudiado (aos, meses, semanas, das,
etc.).
Hay que definir dos momentos definen el periodo de seguimiento:
- Momento basal del seguimiento: es el examen inicial (medicin basal).
- Momento final del seguimiento: evaluacin del final del seguimiento.
En los estudios de cohortes, tambin se producen prdidas en el seguimiento. Las causas son:
- Abandono.
- Prdidas naturales (muerte por otra causa al evento de inters, migracin, etc.).
- Prdidas administrativas (agotamiento de financiacin, etc.).
Cuantificar las causas que producen prdidas en el seguimiento es importante para evaluar la
validez del estudio.
Para evitar las prdidas en el seguimiento, se siguen una serie de estrategias:
- Excluir: personas con especiales dificultades para el seguimiento (p. ej. personas que
piensen cambiar su residencia).
- Recoger informacin: direccin, telfono particular, telfono de empresa, etc.
- Ejecucin: contacto con participantes (por telfono, correo electrnico).
E. Resultados.
Los resultados del estudio de cohortes se recogen en una tabla de contingencia. Como se ha
visto, se calcula la incidencia en los individuos expuestos y la incidencia en los individuos no
expuestos. A partir de los resultados se calcula el riesgo relativo (RR).
La magnitud del efecto es lo que tiene relevancia clnica:
- Absoluta: incidencia de expuestos-incidencia de no expuestos.
- Relativa: riesgo relativo.
Debido a que se identifican casos nuevos (incidentes) es posible determinar la relacin
temporal entre exposicin y enfermedad, ya que se han descartado los casos prevalentes
y al inicio se seleccionan participantes libres.
51
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Tipos de estudios de cohortes.
1. Segn la direccin del seguimiento.
1.1.Estudios prospectivos (estudio de
cohortes concurrente o longitudinal).
Se pretende identificar a la poblacin
(individuos expuestos y no expuestos) y
acompaarla a lo largo de tiempo hasta
el punto en el que el efecto se
desarrolle o no (ms comn).
El periodo de seguimiento debe ser
superior al tiempo de induccin del evento. Por ejemplo: el seguimiento de una cohorte
de fumadores que han consumido tabaco durante dos aos no puede medir el efecto del
tabaco sobre el cncer de pulmn.
52
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Secuencia temporal
Ms evidente (seguimiento en el tiempo) Menos evidente
SIMILITUDES
Diseo
Se comparan poblaciones expuesta y no expuesta
53
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Inconvenientes de los estudios de cohortes.
Son caros y precisan un periodo de seguimiento prolongado (especialmente prospectivos).
No permiten el estudio de enfermedades infrecuentes (a excepcin de los
retrospectivos).
Son poco adecuados para enfermedades con largos periodos de induccin (a excepcin
de los retrospectivos).
Presentan sesgos por conocer la exposicin y por los largos periodos de seguimiento (p.
ej. cambios en criterios diagnsticos). La consecuencia son las perdidas en el seguimiento.
55
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
56
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 10: ESTUDIO DE CASOS Y CONTROLES
Introduccin.
El estudio de casos y controles tiene una filosofa diferente a los estudios de cohortes y los
ensayos clnicos. Los estudios de casos y controles surgen como alternativa a los estudios de
cohortes y ensayos clnicos en situaciones de:
- Bsqueda de eficiencia en tiempo o economa.
- Imposibilidad de realizar otro tipo de estudios, como cuando una enfermedad tiene un
largo perodo de induccin o como cuando no se dispone de un seguro que cubra los
posibles efectos secundarios.
En estos casos se recurre al estudio de casos y controles, que nos permite as estudiar cosas
que los de cohortes y ensayos clnicos no permiten.
FR + 10 9.990 10.000
FR - 5 19.995 20.000
Ahora supongamos que vamos a realizar un estudio de casos y controles escogiendo: todos los
casos (los 15 enfermos) y una muestra de los sanos (en este caso, 1 de cada 200 sanos) que
sern los controles. El objetivo del estudio de casos y controles es intentar llegar a conclusiones
semejantes sobre el efecto de la exposicin (FR +) que con el estudio de cohortes.
FR + 10 50 60
FR - 5 100 105
Una vez definida nuestra poblacin de casos y nuestra poblacin de controles se busca el factor
de riesgo (FR) o exposicin en el pasado:
Pasado Tiempo actual
3. Casos incidentes (casos nuevos). Mejor casos incidentes que prevalentes porque:
- No estn afectados por el sesgo de superviviencia (su eleccin no depende de la
supervivencia, mientras que s lo hace en la de los prevalentes).
- Suelen recordar mejor la exposicin.
4. Casos prevalentes (casos incidentes que han sobrevivido hasta el momento del estudio).
Si no es posible tener casos incidentes, se pueden elegir casos prevalentes, pero:
- Restringir la informacin de la exposicin hasta el momento del diagnstico (por
ejemplo: Cunto fumaba usted hasta que se le diagnostic la enfermedad?).
- Verificar que no hay diferencias de estimacin de riesgo entre los casos incidentes y
prevalentes.
- A pesar de lo anterior, hay que recordar que estos casos pueden estar sujetos al sesgo
de supervivencia y generalmente son peores que los incidentes.
58
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Seleccin de los controles.
- Deben proceder de la misma poblacin base que los casos: se debe evitar la inclusin o
exclusin de controles que sobre o infra representen algunas condiciones asociadas a la
exposicin.
Por ejemplo, estudiamos la asociacin de una enfermedad al bajo consumo de frutas y
verduras. Independientemente de que dos personas coman la misma cantidad de estos
alimentos, el sitio en el que vivan (montaa o ciudad) puede influir en la aparicin de la
enfermedad. Por eso deben de proceder de la misma poblacin base.
- La medida de la exposicin debe ser de la misma calidad en casos y controles. Hay que
realizar un estudio similar tanto en casos como controles; por ejemplo, realizando las
mismas preguntas o incluso no conociendo el realizador del estudio quin es caso y quin
es control para no cometer (ni siquiera subliminalmente) ningn sesgo al interrogar al
sujeto.
100
80
60
40
20
1 2 3 4 5 6 7
Identificacin de la exposicin.
Para identificar la exposicin se recomienda:
- Recoger la informacin en la misma estacin o periodo de tiempo en casos y en
controles.
- Que el entrevistador (persona que recoge los datos de casos y controles) sea el mismo
para los casos y para los controles.
- Que el entrevistador desconozca la hiptesis del estudio, para evitar sesgo por
conocimiento.
- Que el entrevistador desconozca la condicin de caso o de control.
- Que se utilicen los mismos instrumentos para casos y controles y sean administrados de
la misma manera.
59
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Medicin del efecto (de la exposicin sobre la enfermedad) en casos y controles.
Imposibilidad de usar RR.
En los estudios de cohortes podamos medir incidencias: la incidencia de enfermar en
expuestos (Ie) y la incidencia de enfermar en no expuestos (Io); y a partir de ellas calcular
el riesgo relativo (RR):
RR = Ie / Io
Ie = a / (a + b)
Io = c / (c+ d)
Sin embargo, en los estudios de casos y controles no se puede calcular la incidencia, luego
no se puede utilizar el riesgo relativo y ser necesaria otra medida de efecto.
Solucin: OR.
En los estudios de casos y controles usamos la odds ratio o razn de ventaja (OR), que es el
cociente entre el odds de enfermar en expuestos y el odds de enfermar en no expuestos.
Odds se define como la probabilidad de un suceso (P) dividido entre la probabilidad del
suceso contrario (1 P). La OR se interpreta de la misma forma que el RR.
Casos Controles
FR + a b
FR - c d
Para calcular la OR realizamos una tabla de contigencia 2x2 en la que colocamos en las filas
el factor de riesgo (primero positivo y luego negativo) y en las columnas casos/controles (en
este orden). Para evitar equivocaciones no debemos alterar el orden.
FR + 10 9.990 10.000
FR - 5 19.995 20.000
FR + 10 50 60
FR - 5 100 105
Enfermos 10 5 15
FR + 10 50 60
FR - 5 100 105
Anlisis de los resultados en estudios de casos y controles: intervalos de confianza del OR.
El anlisis ha de seguir los 3 siguientes pasos:
A) Prueba de hiptesis (! o chi): calculamos la ! de nuestra tabla de contingencia.
Si ! es mayor de 1,96 (estamos en 1 grado de libertad), descartamos la hiptesis nula y
aceptamos la alternativa: la OR calculada ser significativa con un P < 0,05.
Si ! es menor de 1,96 no podemos descartar la hiptesis nula y la OR calculada no ser
significativa y por lo tanto no seguimos.
Dada una tabla del tipo:
Casos Controles Total
FR + a b N1
FR - c d N0
Total M1 M0 T
La ! se calcula como:
63
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Vamos a practicarlo con un ejemplo:
Casos Controles Total
FR + 10 90 100
FR - 1 99 100
Primero calculamos !:
Como ! > 1,96, la OR que calcularemos ser significativa para una P > 0,05 y procedemos a
calcularla:
OR = (a x d) / (b x c) = (10 x 99) / (90 x 1) = 990 / 90 = 11
Ahora calculamos el intervalo de confianza para ese OR:
OR superior 95% = OR (1 + 1,96/!) = OR (1 + 1,96/2,8) = 59
OR inferior 95% = OR (1 - 1,96/!) = OR (1 - 1,96/2,8) = 2
As, el intervalo de confianza de la OR para una P < 0,05 (95%) es de (2-59), es decir, es entre 2 a
59 veces ms probable enfermar en el grupo de expuestos que en el de no expuestos.
64
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
3. Sesgo de sospecha de diagnstico. El conocer los antecedentes de exposicin del sujeto a
un factor supuestamente nocivo puede influenciar la intensidad del proceso diagnostico,
de modo que el investigador puede llegar a forzar ligeramente el diagnstico. Es un
sesgo que no existe en los estudios de casos y controles, pero s en los de cohortes.
6. Sesgo de no respuesta. El grado de inters o motivacin que pueda tener un individuo que
participa voluntariamente en una investigacin puede diferir sensiblemente en relacin
con otros sujetos. La negativa de algunos sujetos para ser incluidos en un estudio puede
estar dada por motivaciones sistemticas experimentadas por ellos.
Por ejemplo, si un cuestionario indaga por hbito tabquico en el contexto de una
exploracin acerca de enfermedad pulmonar, pueden rechazar su participacin individuos
que presentan problemas respiratorios y se automarginan para no ser sancionados
socialmente o bien, pueden excluirse sujetos fumadores que se sienten sanos y no desean
ser evaluados. Se da en estudios de casos y controles.
9. Sesgo sospecha de de exposicin. Puede creer que ha sido expuesto y dar una respuesta
no real. Se da en los estudios de casos y controles.
Desenmascaramiento
Trabajador sano
Sospecha de diagnstico
Recuerdo
Antecedentes familiares
No-respuesta
Sospecha de exposicin
Adminisin hospitalaria
Prevalencia
65
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Notas sobre la exposicin a un factor de riesgo.
La exposicin en la prctica normalmente no es solo si (FR +) o no (FR -). Este es el caso de
las exposiciones politmicas, en las que existen distintos niveles de exposicin.
En estos casos se calcula un OR para cada nivel de exposicin respecto a una categora, que la
consideramos de referencia (nivel menor de exposicin) que sera el equivalente a la no
exposicin (FR -). Se puede calcular la !2 de tendencia, lo que nos informa si el aumento de
exposicin sigue, de forma significativa, una tendencia lineal creciente o decreciente.
Ejemplo. Se realiza un estudio para valorar si existe relacin entre tomar caf y alteraciones de
la conducta en menores de 20 aos, para lo que se toman 156 casos y 230 controles de 3
institutos de la zona metropolitana de Madrid, obteniendo los siguientes resultados:
0 tazas 10 45 1
Se calcula el OR para cada nivel de exposicin para lo que se toma como valor de referencia el
de 0 tazas de caf que sera el equivalente a FR -. Podemos elaborar tablas como en el caso
de exposicin s/no. Estos seran los ejemplos de tablas para calcular el OR en los casos de 1
taza y 5 tazas de exposicin:
Casos Controles Casos Controles
Representacion
Podemos representar grafica
los OR obtenidos de las anteriores
grficamente ORpuntual):
(solo el valor (valor puntual)
7
6
5
4
3 OR
2
1
0
0 1 2 3 4 5 6 7
Conclusiones (parciales):
66 consumir 3 tazas/dia (0,8-5,7).
-No existe un riesgo (OR) significativo hasta
Si el consumo es de 4 o mas, el OR se multiplica por mas de 5 y tiene p<0,05.
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Las conclusiones (parciales) seran:
- No existe un riesgo (OR) significativo hasta consumir ms de 3 tazas/da (0,8-5,7), ya que
esta exposicin es la ltima cuyo intervalo de confianza que incluye el valor nulo (OR = 1).
- Si el consumo es de 4 o ms tazas/da, el OR se multiplica por ms de 5 y tiene P < 0,05.
Sin embargo, podemosel agrupar
investigador
los datospuede agrupar
de exposicin paralos datos de exp para simplificar ?
simplificar:
a) Podemos agruparlos en 3 grupos de exposicin: 0 tazas de caf/da (FR -), 1-3 tazas de
caf/da (FR + pero sin ser significativo) y 4 o ms tazas de caf/da (FR + siendo
significativo), F de Riesgo
obteniendo casos
los siguientes datos controles
y representacin: OR lim95%
Factor de riesgo Casos Controles OR lim 95%
0 tazas caf 10 45 1
0 tazas 10 45 1
1-3 44 105 1,9 (0,9-4,1)
1-3 tazas
4 o mas 44 102 105 80 1,9 (0,9-4,1) 5,7 (2,7-12,1)
4 o ms tazas 102 80 1,8 (2,7-12,1)
3
OR conclusion?
2
Total
S toma caf 146
156185 230
3,5 (1,7-7,3)
3,5
3
Conclusin:
2,5
2
-El tomar caf (no im
1,5 OR cuanto) multiplica po
1 el riesgo de alt condu
0,5
0
no si
La conclusin de esta agrupacin sera: el tomar caf (no importa cunto) multiplica por
Segn todo lo anterior cmo es mejor expresar la exposici
3,5 el riesgo de alteracin de conducta.
67
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Campos de aplicacin de los estudios de casos y controles.
Los casos y controles dan pistas acerca de relaciones que el investigador sospecha. Se usan en:
- Estudio de enfermedades crnicas (que muchas veces no se conoce cmo empieza)
- Estudio de enfermedades transmisibles (cuando aparece un brote).
- Estudio de una epidemia.
- Eficacia de programas de deteccin precoz.
- Evaluacin de servicios sanitarios.
- Epidemiologa gentica.
Comparacin de cohortes y estudios de casos y control.
Cohortes Casos y controles
Clculo de incidencia S No
Resumen.
Ventajas y usos de los estudios de casos y controles:
- Son muy eficientes.
- Son muy eficaces para estudiar enfermedades de poca frecuencia o con periodo de
latencia largo.
- Son muy tiles para generar hiptesis causales (en enfermedades nuevas, brotes). Se
puede utilizar un estudio de casos y controles para localizar de entre varias
exposiciones una de verdadero inters y realizar un estudio de cohortes sobre ella.
68
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 11: ESTUDIOS EXPERIMENTALES. ENSAYOS CLNICOS Y ENSAYOS COMUNITARIOS
Son los diseos que nos proporcionan la mejor eficacia en epidemiologa. Son los ms
protocolizados, estn regulados por la ley y se tienen muchas experiencias.
Estudios experimentales.
Son estudios en seres humanos en los que el investigador asigna la exposicin al
procedimiento que se va a evaluar. No es simplemente un estudio observacional.
La fase 3 es el ensayo clnico propiamente dicho, ya que se realiza con un nmero elevado de
pacientes, en la cual se confirma definitivamente la eficacia, indicaciones, dosis y pauta
En la fase 4 el medicamento ya est distribuido y se puede comprar. Es el llamado ensayo
clnico postcomercializacin, en el cual se plantean nuevas aplicaciones o variaciones en los
usos del frmaco: nuevas dosis, nuevas vas de administracin, nuevas formulaciones Adems,
se realiza la farmacovigilancia.
70
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
2. Medir variables basales.
- Permite conocer el grupo de sujetos a los que se podr aplicar el resultado del estudio.
- Permite verificar la eficacia de la aleatorizacin. Los dos grupos sern muy similares
en las variables basales (tanto aquellas que podemos ver como aquellas que no) si estn
bien aleatorizados, sern homogneos.
- Demostrar que el evento de inters no est presente al inicio del estudio.
3. Aleatorizacin o randomizacin.
Consiste en la asignacin aleatoria de la intervencin creando grupos homogneos de
comparacin que sean comparables en todo salvo en la exposicin (que es la que asignamos).
Este paso es lo que diferencia a un ensayo clnico de un estudio de cohortes. Supone la
principal ventaja y fortaleza de los ensayos clnicos.
Hay que hacerla correctamente (se juega la validez del ensayo) y mantenerla en el tiempo.
- Suele permitir un control eficiente de factores de confusin conocidos y no conocidos
si el tamao de la muestra es suficiente. Tiende a conseguir una distribucin
homognea de los principales predictores conocidos o no.
- Elimina sesgos en la asignacin del tratamiento. Por ejemplo: evitar que demos el
frmaco a aquellos sujetos que estn ms enfermos y el placebo a los ms sanos. Si esto
ocurriese dara lugar a un sesgo que invalidara al estudio.
No podemos darle el frmaco real (no placebo) a las personas ms enfermas, porque
aumenta la frecuencia de pacientes enfermos expuestos al frmaco y creamos
grupos no homogneos ni comparables.
- Facilita el cegamiento (enmascaramiento) de la identidad de los tratamientos por los
investigadores, participantes y asesores.
Ejemplo de randomizacin. Contamos con el ensayo clnico que lanz al mercado las estatinas:
En 1944, 4444 pacientes con enfermedad coronaria participaron en el estudio. Si la
poblacin es lo suficientemente grande y la aleatorizacin ha sido correcta los dos grupos
deben de ser homogneos en condiciones basales, de forma que podamos compararlos.
Fijndonos en la tabla 1 vemos que se cumple esta condicin:
Los porcentajes que observamos en la tabla son muy similares. Esta semejanza en cuanto
a los porcentajes nos permite eliminar los factores de confusin conocidos pues en caso de
existir influirn por igual en los dos grupos.
71
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
4. Aplicar la intervencin de forma ciega: enmascaramiento (si es posible).
Tiene que tener lugar la ocultacin de la secuencia de aleatorizacin, para que la
asignacin a los grupos no est afectada por el deseo consciente, o no, de que un paciente
reciba una especfica intervencin.
Simple ciego: el paciente desconoce el grupo del tratamiento.
Doble ciego: cuando lo desconoce el paciente, los proveedores de cuidados sanitarios
y el evaluador de la variable resultado.
Triple ciego: cuando incluso el analista de los datos del ensayo desconoce la
naturaleza del tratamiento de cada grupo de comparacin. Hablar de los resultados
para el grupo A y los resultados para el grupo B, sin saber cul recibe placebo y cul
recibe tratamiento.
Abierto o no ciego: cuando no hay ningn tipo de enmascaramiento porque las
caractersticas del frmaco o la intervencin lo impiden (por ejemplo, cuando la
intervencin es una ciruga).
No siempre es posible enmascarar, pero al menos hay que intentar conseguir un doble ciego.
73
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Al final del ensayo clnico calculamos la razn de riesgo (RR): permite calcular la incidencia en
los sujetos expuestos (enfermos y no enfermos); y la incidencia en los sujetos no expuestos
(enfermos y no enfermos).
Aspectos ticos.
La declaracin de Helsinki de la Asociacin Mdica Mundial recoge las recomendaciones para
guiar a los mdicos en la investigacin biomdica en personas.
Cruentamente, afirma que para la obtencin de un beneficio futuro para toda la humanidad
podemos hacer un dao a personas individuales en el presente.
El balance beneficio-riesgo debe ser muy positivo.
74
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Compensacin y tratamientos que se ofrecer a los sujetos participantes en el caso de
lesin o muerte atribuibles al ensayo clnico.
- Ofrecimiento a responder cualquier pregunta sobre el estudio y que lo pueden abandonar
cuando lo deseen sin ningn perjuicio.
75
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
76
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 12: SESGOS EN LOS ESTUDIOS EPIDEMIOLGICOS
PRECISIN
ALTA BAJA
ALTA
V
A
L
I
D
E
Z
BAJA
Como se observa validez y precisin no son conceptos unidos. Los datos pueden ser:
1. Vlidos y precisos: el resultado no est afectado por ningn sesgo y el tamao de la
muestra es suficiente para generar un resultado estadsticamente significativo.
3. Precisos pero no vlidos: hay que repetir el estudio, pues el resultado no es vlido.
77
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Tipos de errores.
De todo esto se obtiene que:
a) El error aleatorio es la falta de precisin de la muestra, se debe a la variabilidad del
parmetro y se puede corregir aumentando el tamao muestral.
S No S No
S 18 119 137 S 18 72 90
Hbito Hbito
tabquico tabquico
No 5 115 120 No 5 162 167
78
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
2. Sesgo de supervivencia selectiva.
Se produce cuando se incluyen en un estudio casos prevalentes (aquellos que ya han
tenido la enfermedad y han sobrevivido a la misma). Se evita usando casos incidentes.
25 500- 3. expuestos
200 Sesgo
725 de autoseleccin o del voluntario.
Lneas Alta Tensin
300 (40 voluntarios)
500 800: 32 Leucemia A.L. (15 voluntarios)
Se produce cuando la seleccin de la muestra se realiza entre voluntarios. La relacin que
- 200
se no expuestos
observa entreLneas Alta Tensin
la exposicin y la: 18 Leucemiaes
enfermedad A.L.
diferente en aquellos que entran
voluntariamente al estudio, que entre los que no.
sis utilizando casos incidentessupone una fuente de sesgo tanto en la autoinclusin como en la
Anlisis utilizando sujetos voluntarios
La autoseleccin
EUCEMIA A. L. (LAL) autoexclusin.
LEUCEMIA A. L. (LAL)
El primer ejemplo es un estudio de cohortes, donde se quiere estudiar la relacin entre la
exposicin a OR=
lneas 1de
No
Si alta tensin No y la aparicin de leucemia. Para ello se toman 200
individuos expuestos a lneas de alta tensin, de los que 40 son voluntarios; y 200 no
Prev HLA-A2 :
25 expuestos.
40 De los expuestos, 32 desarrollan leucemia (15 de los voluntarios); mientras
que de los
LINEAS no Casos
ALTA Si incidentes:
32 lo 15/
expuestos, hacen 5%
300 =18.
168 200 RR= 0,16 / 0,09 = 1,8
5 475
TENSIN
760 Controles (p.general) =25/500 = 5%
ANLISIS USANDO SUJETOS VOLUNTARIOS ANLISIS NO USANDO VOLUNTARIOS
No
18 182 200
n
0 (40 voluntarios)
500 : 32
800 Leucemia A.L. (15 AL
Leucemia voluntarios) Leucemia AL
ensin : 18 Leucemia A.L.
S 50 No 350 400 S No
350 400
35 325 360
- 314 mujeres con Ca Mama : 118 expuestas a Anticonceptivos orales (ACO)
- 364 mujeres sanas (50 voluntarias) : 123 expuestas a ACO (50 voluntarias)
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
El sesgo de seleccin es muy frecuente en los estudios cuyos datos proceden exclusivamente de
historias clnicas.
S 15 2 17 S 15 20 35
Anlisis
os de acuerdo utilizandodedatos
BZD al recuerdo de procedentes
las madres BZD de H Clnicas
No 5 78 83 No 5 60 65
les RN H. orales RN
20 80 100 20 80 100
No Si No
OR = 117 OR = 9
2 17 como el OR Sies mucho
BZD
Vemos 15 mayor usando20 35
datos referidos Prev consumo
por las madres BZDlos
que usando
Prev consumo BZD
de historias clnicas (real). Esto se produce porque las madres en el grupo
con hijos control
enfermos
en el grupo control
recordaban perfectamente si haban tomado benzodiacepinas durante el embarazo,
(segn pero
HClnica):
78 las 83
madres con hijos (segn
No 5 recuerdo):
sanos no lo recordaban
60 (la prevalencia
65 de consumo de BZD en el
grupo control con datos 2,5%
2/ 80referidos
= es del 2,5%; mientras que con datos20/
de 80 = 25%
historia clnica es
del 25%).
80 100 20 80 100
2. Sesgo del entrevistador.
Se produce cuando la informacin es solicitada, recogida o interpretada de manera
os de procedentes de H Clnicas
sistemticamente distinta en los diferentes grupos de estudio. Se da en dos
circunstancias:
les RN Cuando el investigador conoce la situacin del sujeto en estudio respecto a la
exposicin o al efecto.
No
Cuando el investigador conoce la hiptesis del estudio y favorece los resultados
OR = 9
de acuerdo con la misma.
20 35 Prev consumo BZD
3. Sesgo de deteccin.
La sospecha de la en el grupoentre
relacin control
la exposicin y la enfermedad favorece que en los
individuos expuestos(segn HClnica):
se detecte con mayor frecuencia la enfermedad, debido a que se
60 65
les realiza un seguimiento ms cercano.
20/ 80 = 25%
Prevencin de los sesgos de clasificacin.
80 100
La prevencin de los sesgos de clasificacin se realiza:
- Con el cegamiento sobre el estado de exposicin o enfermedad, til para el sesgo del
entrevistador.
- Con la estandarizacin de procedimientos y definiciones operativas, til para el sesgo
de deteccin.
Conclusiones.
- Los sesgos o errores sistemticos deben considerarse siempre como una posible explicacin
a cualquier asociacin estadstica observada, sea sta positiva, negativa o nula.
- Los estudios de casos y controles son especialmente susceptibles a sesgos de seleccin y al
sesgo de memoria.
- Los estudios de cohortes prospectivos son especialmente susceptibles a sesgos debidos a
prdidas en el seguimiento; y los retrospectivos a sesgos de seleccin.
- Todos los diseos pueden verse afectados por sesgos de clasificacin.
81
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
82
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 13: FACTORES DE CONFUSIN
A modo de smil con un asesinato, definiremos los factores de confusin como los sospechosos
posibles para identificar al verdadero responsable de la enfermedad (ms all de toda duda
razonable). Al igual que en los juicios, vale ms salvar a un inocente que condenar a un
culpable.
Es preciso identificar todos los factores teniendo en cuenta la asociacin (calculada mediante
el riesgo relativo). La medicin del efecto de los factores o causas determinadas en un estudio,
debe ser:
- Vlida. Es el valor que se mide, que cuanto mas se aproxime al real, mas valido ser.
Cuando se mide un valor, solamente es una aproximacin, pero puede aproximarse mucho al
valor real.
- Precisa (fiable). La precisin se obtiene cuando todas las mediciones se parecen a un valor,
pero a veces, todas las mediciones pueden equivocarse en la misma direccin (por
ejemplo, un instrumento mal calibrado), deteriorndose la validez.
Dentro de los sesgos ya estudiados, hay uno que es capital, el sesgo de confusin. Es un sesgo
debido a que el mundo y sus componentes son multivariables y multicausales, con lo que
determinar los factores de riesgo de un efecto es fundamental. Pero al vivir en un mundo
multicausal, hay mltiples factores que coactan para originar el efecto, por lo que es preciso
descartar los factores de confusin, que son explicaciones alternativas al evento, pero que
realmente no son causa ni la influencian.
En el caso del estudio sobre el juego y el cncer, el consumo de tabaco se relaciona con el
cncer (hay ms prevalencia), y se relaciona con el juego (hay ms prevalencia de fumadores
en los que juegan), y el consumo de tabaco no es consecuencia ni de jugar ni de padecer
cncer.
Adems, el consumo de tabaco no es un paso intermedio entre la cadena causal entre el
juego y el cncer.
84
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Con este estudio se pretende contestar a las siguientes preguntas:
- Es un factor de confusin la presencia de antecedentes familiares de cncer de
mama (AF) en la relacin de estudio (ACO-cncer de mama)?
- Debemos de tener en cuenta la presencia de antecedentes familiares para estudiar
la citada relacin?
El formato operativo bsico para analizar datos epidemiolgicos son las tablas 2x2, que otorgan
tres tipos de informacin:
- Significacin: valor P (probabilidad de error).
- Magnitud de la asociacin: se calcula con el riesgo relativo (RR), que es el dato que
tenemos en este problema, y el esencial en el estudio de los factores de confusin.
- Precisin de la magnitud: se expresa mediante el intervalo de confianza.
Posteriormente se pretende ver si los antecedentes familiares son un factor de confusin en
el estudio, aplicando las tres caractersticas de las que hablbamos antes:
- Se asocia con la enfermedad? (incluso en los no expuestos a los ACO). S, y los
antecedentes familiares no son consecuencia de la enfermedad (cncer).
- Se asocia con la exposicin? (incluso en los no enfermos). S, hay ms frecuencia de
antecedentes familiares en los que toman ACO que en los que no tienen, ya que el
medico prescribe ACO en mayor medida a los que tienen antecedentes familiares.
Adems, los antecedentes familiares no son consecuencia de tomar ACO.
- Los antecedentes familiares NO son un paso intermedio en la cadena causal entre el
factor objeto de estudio (ACO) y la enfermedad (cncer de mama). El consumo de ACO
no va a modificar los antecedentes familiares de manera que puedan derivar en cncer
de mama.
Cumpliendo estos tres requisitos, los antecedentes familiares son un candidato a factor de
confusin, aunque es difcil determinarlo en un anlisis en crudo.
85
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Anlisis entre las mujeres que tienen antecedentes familiares.
Cncer de mama No cncer de mama TOTAL
Toma ACO 6 1994 2000
No toma ACO 12 7988 8000
TOTAL 18 9982 10000
RR = (6/2000) / (12/8000) = 2
Anlisis entre las mujeres que no tienen antecedentes familiares.
RR = (72/72000) / (9/18000) = 2
Estas dos tablas ya no son crudas, sino que son estratos. Se dividen en 90.000 mujeres sin
antecedentes y 10.000 con antecedentes, es decir, se tienen en cuenta 2 posibles factores
(causas o confusores) de enfermedad: anlisis estratificado bivariable o multivariable.
Con estos datos vemos el verdadero efecto de los anticonceptivos en el cncer sin tener en
cuenta la diferente distribucin de los antecedentes familiares en ambos grupos. Podemos
ver que el efecto del factor estudiado es mucho mayor en la incidencia de cncer: RR=1,3 ->
RR=2. Esta diferencia se debe a la distribucin diferente de los antecedentes familiares en
ambos grupos.
Mediante la estratificacin vemos el efecto en estratos en los que se han hecho homogneas las
condiciones de estudio, con lo que podemos valorar la diferencia entre la poblacin que
toma ACO y las que no, independientemente de los antecedentes familiares, puesto que se
homogenizan en ambos grupos.
Para determinar que los antecedentes familiares son un verdadero factor de confusin, es
preciso comparar el RR crudo y el RR de los estratos.
86
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
1. Realizacin de un promedio entre los RR de los dos grupos estratificados. Para ello, se
emplea una frmula que se denomina RR (u OR) combinado de Mantel y Haenszel. Es un
promedio ponderado que tiene en cuenta el nmero de estratos y el nmero de sujetos
(tamao muestral por estrato).
4. Tambin es precisa una comparacin con significacin estadstica, la cual depende del
tamao muestral, ya que se puede cometer un error por un insuficiente tamao muestral.
Se pretende una diferencia estadsticamente significativa y una diferencia clnicamente
relevante.
Con esta frmula se pretende analizar cuando del RR crudo cambia al ajustarse. Se resta
1 al denominador porque es el valor de ausencia de efecto.
Cuando el cambio es importante entre el RR crudo y el RR ajustado (superior al 10%), el
factor analizado, es un potencial factor de confusin.
87
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Si es un factor de confusin, la medida de la asociacin (RR) entre la exposicin y la
enfermedad sin tener en cuenta el FC (efecto crudo) ser diferente del RR teniendo en
cuenta el factor de confusin (efecto ajustado).
El criterio prctico del factor de confusin: RR crudo ajustado (>10%).
88
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Resumen. Estrategia ante un factor de confusin.
1. Sospecha: explicacin de una alternativa plausible?
2. Identificacin: Lista de todos los FR de la enfermedad (y asociados a la exposicin).
3. Comprobacin:
Requisitos de condicionalidad (las 3 condiciones bsicas)
Diferencia crudo-ajustado con los RR.
4. Evaluacin (medicin):
Diferencia relevante crudo (confundido)-ajustado (no). Ver si es relevante.
No se emplean tests de significacin (aunque ayuda cuando existen muchos
potenciales factores de confusin)
5. Control:
Prevencin en el diseo:
- Randomizacin.
- Restriccin de variables (por ejemplo, los antecedentes familiares).
- Tcnica del apareamiento o matching: creacin de grupos homogneos (por
ejemplo, un diseo proporcionado de mujeres con antecedentes).
Tratamiento en el anlisis una vez cometida la confusin: anlisis estratificado y
modelos multivariantes. La interaccin no se puede tratar sino se describe.
Notas finales
La confusin no es un error de estudio sino un hecho que debe identificarse y comprenderse. El
no tener en cuenta la confusin al interpretar los resultados si es un error y puede sesgar un
estudio.
La confusin no es negativa puesto que podemos encontrar relaciones que nos permitan
establecer estrategias preventivas y teraputicas.
89
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
90
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 14: INFERENCIA CAUSAL. CAUSALIDAD EN EPIDEMIOLOGA
Objetivos.
- Distinguir entre asociacin causal y no causal.
- Qu es una causa?
- Cmo sabemos que un factor determinado es una causa?
Inters de la causalidad en epidemiologa.
El objetivo del mtodo epidemiolgico es la exactitud en la medicin, teniendo en cuenta los
factores de confusin, para indagar las causas de las enfermedades no prevenibles actualmente.
Definicin de causa.
Modelos de causalidad: determinista y probabilstica.
Existen 2 modelos de causalidad:
Modelo causal determinista: la presunta causa siempre produce el efecto. Ejemplo: al
tocar el extremo distal de un cigarrillo, te produces una quemadura en el labio.
Modelo causal probabilstica: conforme aumenta la exposicin al factor de riesgo
(causa), aumenta la probabilidad de que ocurra el efecto (pero la causa no
determina de forma indefectiva el efecto). Ejemplo: fumar durante muchos aos
aumenta la probabilidad de padecer cncer de pulmn.
3. Causas necesarias Son causas componentes que forman parte de todas las causas
suficientes: sin ella no hay enfermedad (sin embargo, esto nunca ocurre as porque
siempre hay componentes desconocidos). Son las ms importantes para la prevencin
de la enfermedad.
92
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Interaccin causal.
Una enfermedad resulta de los efectos acumulativos de mltiples causas actuando juntas
(interaccin causal). Por ejemplo, en la mayora de los casos, la HTA resulta de una
interaccin compleja de mltiples factores genticos y ambientales.
Definicin de causa.
Una causa es cualquier evento, acto o condicin precediendo a la enfermedad sin la
cual la enfermedad no habra ocurrido (causa componente) o habra ocurrido ms tarde.
Explicaciones
alternativas
a
la causal Aplicar
Criterios
En el caso de que el tamao muestral sea pequeo, hay que interpretar una diferencia
sustantiva no significativa como no probada y no como no real o no causal (podra
serlo pero no podemos confirmarlo por el tamao muestral usado).
Hay que distinguir entre diferencias sustantivas y significativas:
- Diferencia significativa: existe una diferencia que el azar no puede explicar.
- Diferencia sustantiva: el hecho de que haya diferencia produce un cambio en el modo
de actuacin. Ejemplo: tenemos 2 frmacos antihipertensivos y ambos producen una
disminucin significativa de la presin arterial respecto al frmaco usado
habitualmente; el primer frmaco produce una disminucin de 1 mm Hg y el segundo,
una de 5 mm Hg. La diferencia de ambos es significativa, pero solo es sustantiva la del
segundo (no vamos a cambiar el tratamiento por 1 mm Hg pero s por 5 mm Hg).
Una diferencia sustantiva puede ser o no significativa; y una significativa ser o no
sustantiva.
Transversal Dbil
Ecologicos Dbil
Es considerado el nico criterio imprescindible para la causalidad (sine qua non), pero
no es suficiente para establecerla (falacia post hoc ergo propter hoc o despus de
esto, entonces, a consecuencia de esto: como pasa antes, se debe a esto).
7. Especificidad.
8. Analoga.
9. Coherencia.
Valoracin global.
- La causalidad no es cuestin de s/no, sino de ms o menos.
- Los criterios son reglas metodolgicas que orientan, pero no deciden si existe realmente
causalidad o no.
- Necesitamos un juicio informado y objetivable.
- Slo el criterio de temporalidad es necesario, pero cuanto ms criterios se cumplan,
ms probable es que la relacin sea causal. Es decir, ser ms probable la causalidad si
el evento tiene una relacin pequea, pero consistente y plausible; que si nicamente tiene
una relacin fuerte.
- En ltimo trmino, las decisiones se basan en la importancia prctica.
Principio de precaucin.
- En caso de amenazas serias e irreversibles para la salud de las personas o los ecosistemas,
la existencia de incertidumbre cientfica reconocida no debera invocarse como excusa
para posponer medidas preventivas o de salud pblica.
- Si no hay amenazas graves, y se trata de emprender iniciativas masivas de prevencin,
el principio de precaucin debe llevar a no precipitarse ni a expandir las acciones si no
hay certeza de que los beneficios superarn a los daos.
95
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Resumen de los criterios de Hill.
N Criterio Definicin Interpretacin
Azar
P<0,05
Si tamao muestral pequeo: diferencia
Asociacin estadstica, sin sesgo, ms sustantiva no significativa como no
0 Validez
all del azar e independiente probada, no como no real o no
causal
Sesgos y factores de confusin, difcil
descarte
RR alto
Ms verosilimitud cuanto ms aumenta,
Intensidad de la asociacin por medida pero sigue siendo sensible a sesgos
2 Fuerza
de efecto Poblacin dependiente: un RR no tiene
por qu no ser real y deberse a pequeo
tamao muestral
96
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 15: PRUEBAS DE CRIBADO. APLICACIN DE LA EPIDEMIOLOGA AL DIAGNSTICO. ESTUDIOS
DE VALIDEZ DE PRUEBAS DIAGNSTICAS
Tipos de pruebas.
En cuanto a su forma de expresin, las pruebas pueden ser cuantitativas o cualitativas.
- Pruebas cuantitativas. Corresponden a las determinaciones en laboratorio (hemograma,
bioqumica, dimetro de lesiones en radiografa). Otorgan un dato numrico de una escala
cuantitativa continua. A la hora de determinar si el valor obtenido, es o no patolgico, se
interpreta acorde con puntos de corte (rangos de valores).
- Pruebas cualitativas. Por ejemplo, pueden ser: datos de la anamnesis, antecedentes
personales y familiares, signos de la exploracin fsica. Se pueden evaluar con esta
metodologia para ver cuanto nos aportan (valoracion como si fuesen una prueba).
Patrn oro.
La valoracin de una prueba diagnstica (comprobacin de su calidad), se realiza comparndola
con un procedimiento anterior (referente), que se denomina patrn oro, el cual define el
estado de enfermo o sano.
Un patrn oro es la mejor opcin diagnstica en cada campo, la que proporciona la mayor
aproximacin a la verdad (nos da la verdad del diagnstico). No dejan de ser pruebas y
tambin pueden tener fallos.
Es comn que estas pruebas sean complejas, caras, costosas e incluso peligrosas (invasivas).
Por eso siempre se estn estudiado nuevas pruebas alternativas que reduzcan estos parmetros.
Ejemplos de patrones oro:
- Anatoma patolgica: citologa (invasiva)/ necropsia (poco deseable). La anatoma
patolgica es el paradigma de patrn oror, ya que otorga la verdad de lo que se estaba
sospechando.
97
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Enfermedades infecciosas: cultivos bacterianos en microbiologa (crece el microorganismo
desde la muestra obtenida del paciente), que son mejores pruebas diagnsticas que la
serologa (no informa de una infeccin activa). Aunque actualmente est siendo superado
por las tcnicas moleculares (superacin del patrn oro del cultivo microbiano).
- Seguimiento de la Historia Natural y la supervivencia del paciente hasta que acontece el
evento. Esperar a que la enfermedad se manifieste, demostrara los datos pronosticados
con pruebas anteriormente realizadas, comprobando la calidad de esta prueba.
Generalmente se aplica para pruebas de cribado (clasifican pacientes con riesgo y
pacientes sin riesgo).
El patrn oro es el referente frente al que se comparan el resto de pruebas, ya que nos da la
verdad del diagnstico. Por ejemplo, se puede comparar la serologa con los cultivos
bacterianos, pero la serologa no otorga la certeza de infeccin.
Enfermo Sano
98
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Para llevar a cabo el estudio se somete a los pacientes al patrn oro, que los clasifica en
enfermos y sanos; despus, en un momento al azar, se realiza una nica determinacion
puntual de glucosa (influenciada por el azar, la variabilidad biolgica), que es la prueba
problema de inters (positivos o negativos)
En la imagen se puede apreciar que existe un grupo de enfermos y uno de sanos, determinados
por el patrn oro. La distribucin de los valores de glucemia obtenidos en la prueba problema
en enfermos ser de tipo gaussiana, en la que la mayora de los casos se distribuyen alrededor
de la media (valor alto), aunque existen, con menos frecuencia, individuos con valores ms
alejados de la media.
En los sanos la toma del valor puntual de glucosa resultar en una grfica parecida pero
centrada en valores ms bajos.
Es importante tener en cuenta que en condiciones reales no se conoce quin es sano y quin
enfermo, ya que es lo que se trata de dilucidar utilizando la prueba problema.
Posteriormente, se establece un punto de corte para diferenciar entre enfermos y sanos, pero
algunos valores se solapan. La determinacin del punto de corte tendr consecuencias sobre
las conclusiones de la prueba.
100
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
MEDIDAS QUE SE OBTIENEN DE ESTOS ESTUDIOS.
Se trabaja con la tabla de contingencia para evaluar 4 parmetros: sensibilidad, especificidad,
valor predictivo negativo y valor predictivo positivo.
Estos valores se expresan en tanto por uno o en porcentaje.
Enfermo Sano
Test positivo VP FP TP
Test negativo FN VN TN
TE TS
Sensibilidad.
Se define como la probabilidad de obtener un positivo en la prueba estando enfermo. Es, por
tanto, una probabilidad condicionada a estar enfermo: sabiendo que el paciente est enfermo
(por el patrn oro) se calcula cul es la probabilidad de dar positivo en la prueba problema.
La sensibilidad:
- Aumenta cuando se minimizan los falsos negativos.
- Su utilidad radica en el screening o cribado poblacional.
- En una prueba muy sensible, el mayor valor clnico lo tiene el resultado negativo. Sirve
para descartar el diagnostico.
De entre los ejemplos anteriores, una prueba con alta sensibilidad, sera la que establece el
punto de corte bajo (80mg/dl), ya que la mayora de los enfermos son positivos. Sin embargo,
este aumento de sensibilidad tiene un coste, y es que muchos sanos son determinados como
positivos en la prueba problema: se pierde especificidad.
La sensibilidad es una propiedad intrnseca de la prueba (para un punto de corte). Esto quiere
decir que, si la prueba se repite varias veces en las mismas condiciones (aplicacin, protocolo,
tiempo, reactivos), los resultados de sensibilidad no varan y sern iguales (para este punto de
corte).
Un ejemplo de prueba muy sensible es la prueba de cribado. Esta prueba interesa para poder
descartar al negativo y para alertar al positivo con el fin de que se someta a un procedimiento
adicional confirmatorio. Es til an a pesar de la gran cantidad de falsos positivos que pueden
aparecer.
Especificidad.
Se define como la probabilidad de obtener un negativo en la prueba, estando sano. Es, por
tanto, una probabilidad condicionada a estar sano: sabiendo que el paciente est sano (por el
patrn oro) se calcula cul es la probabilidad de dar negativo en la prueba problema.
101
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
La especificidad:
- Aumenta cuando se minimizan los falsos positivos.
- Su utilidad radica en las pruebas de confirmacion.
- Es una prueba muy especifica: el mayor valor clinico lo tiene el resultado positivo. Sirve
para confirmar el diagnostico.
De entre los ejemplos anteriores, una prueba de alta especificidad sera la que define el valor
de corte alto (200mg/dl), ya que la mayora de los sanos son negativos. Sin embargo, el
aumento de especificidad tiene un coste, y es que muchos enfermos son determinados como
negativos en la prueba problema: se pierde sensibilidad.
Un valor predictivo positivo del 75% significa que si el paciente es positivo para una prueba
estar enfermo con una probabilidad del 75%.
Hasta las mejores pruebas diagnsticas tienen valores absolutos menores del 100% en el valor
predictivo positivo. Y muchas veces se utilizan pruebas diagnsticas con un valor predictivo
positivo muy bajo (hasta del 50%), lo cual es muy precario.
El valor predictivo positivo es la medida mas intuitiva en relacion con el trabajo clinico (en
realidad no conocemos a priori el status enfermo/sano).
El valor predictivo positivo no es una propiedad intrnseca de la prueba (esta en relacin con el
rendimiento en condiciones reales, no de investigacin), sino que depende de la prevalencia
poblacional de la enfermedad (adems de las propiedades intrnsecas de la prueba). La
prevalencia puede ser:
- Prevalencia en la poblacin general.
- Prevalencia en el ambiente hospitalario (distinta a la poblacin general). Por ejemplo, la
prevalencia de casos de afasia de Wernicke en un servicio de neurologa es distinta a la
de la poblacin general, ya existe un cribado previo realizado por atencin primaria.
La proporcion de individuos sanos y enfermos es distinta en el ambiente hospitalario que en la
poblacion general.
102
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Valor predictivo negativo.
El valor predictivo negativo es la probabilidad de estar sano teniendo un resultado de la
prueba negativo.
Se calcula con la siguiente formula:
Un valor predictivo negativo del 98% indica que un paciente con un resultado negativo tiene un
98% de probabilidades de estar sano.
1. Prevalencia = 20%.
Si tomamos 400 pacientes con una prevalencia del 20% habr:
- 80 personas enfermas.
- 320 personas sanas.
Como se tienen los datos de sensibilidad y especificidad se puede calcular:
- Mediante la sensibilidad (probabilidad de dar positivo estando enfermo), se expone que el
90% de los enfermos sern positivos. En total, los verdaderos positivos son 72, y los
falsos negativos, 8.
- Mediante la especificidad (probabilidad de dar negativo estando sano), se expone que el
80% de los sanos sern negativos. En total, los verdaderos negativos sern 262, y los
falsos positivos, 58.
Enfermo Sano
Test positivo 72 58 130
Test negativo 8 262 270
80 320 400
Este valor supone una ganancia frente al 20% inicial, pero, an as, no conforma una buena
prueba (se acerca a poder determinar la salud o enfermedad tirando una moneda a cara o
cruz, que garantiza un 50% de aciertos).
103
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
El valor predictivo negativo en esta prueba se calcular con la respectiva formula:
Este valor supone un elevado valor predictivo negativo, lo que indica que los pacientes, se
podrn determinar como sanos teniendo un resultado negativo en la prueba diagnstica,
con un 97% de probabilidad.
2. Prevalencia=5%.
Enfermo Sano
Test positivo 18 68 86
Test negativo 2 312 314
20 380 400
El valor predictivo positivo es de un 21%. Se puede observar que es un valor ms bajo que el
anterior, lo que es realmente psimo, ya que nicamente un quinto de los pacientes
positivos en la prueba diagnstica es realmente enfermo.
El valor predictivo negativo es de un 99%, el cual ha incrementado hasta casi poder
determinar directamente como sano a un resultado negativo en la prueba diagnstica (99%
de probabilidades).
3. Prevalencia=40%.
Enfermo Sano
Test positivo 144 43 187
Test negativo 16 197 213
160 240 400
El valor predictivo positivo es de un 77%. Este valor superior a los anteriores, lo que
favorece poder determinar como enfermo a un resultado positivo en un 77% de los casos.
El valor predictivo negativo es de un 92,5%, el cual se ha reducido un poco respecto a los
anteriores.
Consecuentemente, la prevalencia debe ser un factor para determinar la actuacin del mdico
a la hora de orientar bien las pruebas diagnsticas.
La prevalencia poblacional no se puede modificar, pero se puede actuar sobre otros factores,
por ejemplo, realizando buenas anamnesis y orientaciones clnicas.
Si las pruebas se aplican con orientacin clnica se puede concentrar la prevalencia y dirigir las
pruebas hacia las personas que tienen ms riesgo. Por ejemplo, si hay 2 personas enfermas de
cada 10, y estas diez personas tienen una buena orientacin clnica, puede ocurrir que sea
posible descartar a 5 de ellas. Las pruebas realizadas sobre los diez individuos originales
contarn con una prevalencia del 20%, mientras que si la realizo sobre el nuevo valor la
prevalencia ser del 40%, aumentando el rendimiento de las pruebas diagnsticas.
104
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
La medicina defensiva tradicional en el servicio de Urgencias, puede caer en una
sobreextensin de las pruebas para adquirir un mayor conocimiento. Existe una batera de
pruebas estndar que se aplican a cada paciente, independientemente de la causa que le hace
acudir a urgencias. Este modo de actuacin reduce el rendimiento de las pruebas, ya que la
prevalencia se encuentra disminuida por la falta de orientacin clnica.
Las pruebas se deben usar de forma encadenada, en batera, para aprovechar el factor de la
prevalencia en nuestro favor. Una forma comn es el encadenamiento de pruebas sensibles con
especficas. Una prueba muy sensible se lleva a todos los enfermos como positivos, adems de a
algn sano; este conjunto tendr una prevalencia ms alta. Sobre este grupo se realiza una
prueba muy especfica para confirmar el estado de salud o enfermedad.
105
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
106
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 16: VIGILANCIA EPIDEMIOLGICA
EPIDEMIOLOGA Y VIGILANCIA.
Epidemiologa.
La epidemiologia tiene dos definiciones:
1. Es el estudio de los factores relacionados con la salud en poblaciones humanas.
2. Es el mtodo de trabajo objetivo aplicado a la descripcin de los fenmenos de la salud,
explicacin de su etiologa y bsqueda de mtodos de intervencin ms eficaces.
Usos de la Vigilancia.
Los datos de Vigilancia son esenciales para las funciones de Salud Pblica:
- Detectar brotes o epidemias.
- Detectar casos individuales de problemas.
- Estimar la magnitud de problemas.
- Establecer prioridades: segn la gravedad, frecuencia, posibilidad de prevencin
- Entender la historia natural de la enfermedad.
107
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Monitorizar y evaluar los programas de prevencin y control. Cualquier actitud
implementada, hay que evaluarla para ver si es efectivo.
- Identificar reas de inters para la investigacin, etc.
Mtodos de un sistema de Vigilancia. Cmo es un sistema de Vigilancia ideal?
Definido el objetivo hay que establecer los mtodos de obtener, analizar y transmitir la informacin.
Un sistema de Vigilancia ideal debera ser:
- Sencillo. Los sistemas complejos solo sirven para eruditos, y aunque sea sencillo, debe cumplir
el objetivo.
- Flexible. Es esencial para adaptarse a las necesidades cambiantes (los patrones de
enfermedad cambian).
- Rpido. Fundamental para proporcionar la informacin en un momento til a las personas que
toman las decisiones.
- Sensible. Necesario para captar la informacin requerida.
- Con elevado valor predictivo positivo: disminucin de los falsos positivos que consumen
recursos que no son necesarios consumir.
- Aceptable para todos los implicados: pblico, proveedores sanitarios, profesionales, servicios
- Eficiente (le gusta al gerente), en la relacin costo-efectivo. Si dos sistemas tienen igual
resultado, siempre se emplear el ms barato para no enfadar al gerente.
Caractersticas:
- Sencillos: requiere pocos recursos extras.
- No suponen grandes cargas en cuanto a organizacin y mantenimiento.
- Limitaciones importantes: infradeclaracin de la enfermedad. Este problema se
fundamenta en que la enfermedad no se declare porque los mdicos asistenciales no
tienen tanto inters y se les puede olvidar.
2. Vigilancia activa.
El receptor de los datos inicia la recogida de datos de forma activa. Los datos son buscados
por personas especializadas, responsables de los servicios de Salud Pblica, que contactan
con los servicios sanitarios (clnicos, laboratorios) o con pacientes para conocer si se han
producido casos y recoger informacin sanitaria (bsqueda activa de las fuentes de
informacin).
Un ejemplo de vigilancia activa pura, seran los registros de enfermedades. Pero con
frecuencia los sistemas de Vigilancia Pasiva, se complementan con mtodos de Vigilancia
Activa. Por ejemplo, una notificacin pasiva incompleta por el mdico asistencial, que
necesita completarse de forma activa (caso de meningitis estreptoccica que no llega
correctamente al responsable Salud Publica y va al mdico a preguntarle).
Caractersticas:
- La informacin es ms completa y exacta.
- Son ms costosos (requiere recursos extra a los existentes).
- Tienen una utilizacin selectiva para enfermedades prioritarias o durante periodos de
tiempo limitados (por el elevado coste). Los recursos van destinados a enfermedades
que requieren un conocimiento ms importante.
108
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Fuentes de datos: de dnde obtenemos los datos?
Fuentes sanitarias y no sanitarias:
Registros: de mortalidad (fuente bsica para estudios de mortalidad, publicada por el INE),
de enfermedades (cncer, SIDA, etc.), de utilizacin de servicios sanitarios (atencin en
servicios de urgencias, altas), de accidentes de trabajo, de enfermedades relacionadas
con la asistencia sanitaria, de Sociedades Cientficas.
Encuestas:
- Encuestas de salud.
- Encuestas generales.
- Encuestas de otros mbitos (escolares, laborales, etc.).
Otras fuentes de datos disponibles:
- Historia clnica electrnica.
- Notificacin de casos.
- Farmacovigilancia.
- Sistemas de monitorizacin medioambiental: calidad del agua, aire
- Datos de salud de animales: veterinarios, datos de vectores y reservorios animales, salud
alimentaria, etc. Por ejemplo, la medicin de mercurio en peces.
Plan de Vigilancia.
1. Objetivos de la Vigilancia: es preciso determinar el evento que se quiere estudiar.
2. Definicin de caso:
Casos: sospechoso, poco probable o confirmado. Hay que normalizar la definicin:
qu consideramos caso o no caso?
Establecer los criterios clnicos, epidemiolgicos y de laboratorio que vamos a usar
para definir los casos. Mediante estos criterios se pretende sistematizar, para evaluar
todos los casos con los mismos criterios y la misma interpretacin.
109
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
4. Anlisis e interpretacin de los datos.
Conclusiones.
- Siempre hemos de recoger datos que vayan a servir: recoger datos para actuar!
- La Vigilancia Epidemiolgica es un proceso que se caracteriza por suministrar informacin
para la accin.
Ejemplos:
- Primer caso de virus Zika por transmisin sexual.
- El Ebola se desborda.
- Epidemia de obesidad actual. Este es un ejemplo de enfermedad no infecciosa.
Sistemas de informacin de Salud Pblica.
Los Sistemas de Informacin en Salud Publica sobre mortalidad, morbilidad y factores de riesgo
asociados a distintas enfermedades son aquellos SIS que permiten obtener estimaciones sobre
la magnitud y tendencia de los problemas de salud en la comunidad.
110
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
SIS de base poblacional.
Permiten calcular prevalencias en la poblacin
general.
- Registros:
Registro de Mortalidad (INE).
Registro de Nacimientos (INE).
Registro de enfermedades: Registro nacional
de casos de SIDA, registro de cncer (CCAA).
- Encuestas:
Encuestas de salud:
Por entrevista:
Encuestas generales: Encuesta nacional
de salud (ENS, cada 5 aos) (MSSSI).
Encuestas de problemas de salud
especficos: Encuesta de discapacidades
(INE) y Encuesta de uso de drogas (Plan
Nacional Drogas).
Por examen mdico.
Encuestas generales.
- Sistemas de notificacin:
Vctimas de accidentes de trfico (DGT).
Vctimas de accidentes de trabajo (MTSS).
Enfermedades laborales.
SIS procedentes de registros sanitarios.
Estos SIS no permiten calcular prevalencias,
porque no se realizan con una muestra
representativa de la poblacin general.
- Registros: CMBD (conjunto mnimo base
de datos de altas hospitalarias) (MSSSI).
- Encuestas: EMH (INE)
- Sistemas de notificacin:
EDO (MSSSI)
Sistemas de notificacin de
toxicomanas.
Interrupcin voluntaria del embarazo
(MSSSI).
111
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Sistemas especficos de Vigilancia Epidemiolgica: registros de casos; encuestas de
seroprevalencia; sistemas centinelas y otros.
Procedimiento de notificacin.
1. Notificacin por cualquier persona obligada a Salud Publica de la CCAA (sistemas de
alerta).
2. Salud Publica de la CCAA:
- Recibe las notificaciones.
- Completa a informacin de forma activa.
3. Notificacin de la CCAA al Instituto de Salud Carlos III (ISCIII), dependiente del Ministerio
de Salud (Dolors Monserrat Monserrat):
- Forma envo.
- Tiene una periodicidad establecida.
4. Gestin en el ISCIII Ministerio:
- Se agrega la informacin.
- Cumplimiento de la obligacin de contribuir a la Vigilancia internacional:
UE- Centro europeo de control de enfermedades (eCDC) de Estocolmo.
OMS: mundial, OMS-Europa.
Resumen.
- La Vigilancia Epidemiolgica es una parte esencial de la epidemiologa.
- Su funcin es la recogida de informacin sistemtica, anlisis, difusin, accin, evaluacin
- Se vigila para actuar.
- Mantiene una estrecha relacin de nivel de vigilancia con el nivel de decisin e intervencin
- Dinmico y adaptado a necesidades.
112
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 17: ESTUDIO DE UNA EPIDEMIA. CONCEPTO Y ESTUDIO DE UN BROTE EPIDMICO
Definicin de brote.
Segn el BOE, un brote epidmico es:
1. La aparicin de una enfermedad, problema o riesgo para la salud en una zona hasta
entonces libre de ella.
2. La presencia de cualquier proceso relevante de intoxicacin aguda colectiva, imputable a
causa accidental, manipulacin o consumo.
3. El incremento significativamente elevado de casos (en zona endmica) en relacin a los
valores esperados.
La simple agregacin de casos de una enfermedad en un territorio y en un tiempo
comprendido entre el mnimo y el mximo del perodo de incubacin o de latencia,
podr ser considerada, asimismo, indicativa.
4. La aparicin de cualquier incidencia de tipo catastrfico que afecte, o pueda afectar, a la
salud de una comunidad.
Un brote tambin puede producirse por la aparicin de casos de enfermedad por un virus o
bacteria con un serotipo diferente (como el caso de la gripe H5N1).
Qu es una epidemia?
Es la aparicin en una comunidad o en una regin de casos de una enfermedad, conducta
especfica u otros hechos en relacin con la salud que claramente exceden de lo esperado en
condiciones normales durante un perodo de tiempo determinado. El lugar y el tiempo en que
se presentan los casos se hallan netamente definidos.
114
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
f) Brotes de histeria colectiva. No son brotes reales, si no casos de enfermedad que
aparecen por imitacin. Por ejemplo, una persona vomita y la de al lado tambin lo
hace porque le entran nauseas del olor. O tambin, una persona tiene cefalea por el
ambiente y la de al lado acaba por dolerle tambin. E incluso si una persona bosteza,
tambin se le contagia al de al lado.
Estos brotes de histeria colectiva son frecuentes por el comportamiento instintico e
inconsciente de las personas, que es imitar al resto.
115
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
3. Planificacin de toma de muestras clnicas y medioambientales. Diseo de un
cuestionario. Establecer una definicin inicial de caso.
a) Recogida de informacin.
- Informacin demogrfica.
- Informacin socioeconmica y cultural.
- Saneamiento bsico. P.ej. una rotura de una
tubera que se mezcla con el agua potable.
- Di stribucin, manipulacin y consumo de
alimentos.
- Contaminacin ambiental e industrial.
- Sanidad animal.
- Antecedentes de casos y brotes de la misma
enfermedad en la zona.
c) Definicin de caso.
- Incluir criterios objetivos:
Clnicos, biolgicos y epidemiolgicos.
Tiempo, lugar y persona.
- Simple, precisa y prctica.
- Compromiso entre sensibilidad-especificidad.
Se pretende que no se escape ningn caso, por eso, al principio, la definicin de caso es
muy amplia, aunque se cojan muchos falsos positivos que se descarten despus. Es mejor
que una persona se diagnostique como enferma, aunque no lo est, que al revs.
4. Confirmacin del brote. Contar los casos existentes hasta el momento, de forma
sistemtica, analizando toda la poblacin objeto. Bsqueda activa de otros casos.
Tras la deteccin de una situacin epidmica, la confirmacin del brote (comparacin entre
casos observados y casos esperados), se puede realizar mediante:
- Mtodos probabilsticos.
- Mtodos descriptivos.
5. Describir los datos en trminos de tiempo, lugar y persona. Y los determinantes: agente,
husped y medioambiente. Determinar quin est a riesgo de enfermar.
Con los casos existentes, mediante la descripcin de los datos de persona, lugar y tiempo, se
puede construir la hiptesis a cerca de: patgeno, fuente, transmisin.
116
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
a) Estudio de los datos en trminos de tiempo:
curva epidmica.
La curva epidmica es un grfico o histograma
donde se representa la frecuencia de aparicin
de nuevos casos segn la fecha de aparicin de
sntomas, de diagnstico o de identificacin
(intervalo de tiempo).
En el estudio de la curva epidmica, distinguimos
dos tipos de brotes:
- Brotes de fuente comn. Por ejemplo, un
brote producido por un alimento comn
que comen muchas personas; escape
industrial de una sustancia que afecta a
todas las personas que viven cerca; brote de
legionelosis por el aire acondicionado
Tienen una curva estrecha y alta: tiempo
de horas en el eje X (hasta 72 horas).
Adems de la curva epidmica (casos/ hora), tambin se pueden estudiar los casos
acumulados, obteniendo una curva con forma sigmoidea. Esta curva expone la
propagacin de enfermedades infecciosas: fases de la epidemia.
Dependiendo de la forma actual de la curva, se puede determinar en qu fase del brote nos
hallamos:
- Pocos casos (parte baja de la curva). Induce
la sospecha de encontrarnos al inicio de la
fase epidmica y se esperan ms casos.
- Crecimiento exponencial. Se puede afirmar
que aparecern ms casos nuevos de
enfermedad (crecimiento del brote
epidmico): comunicacin a nivel poblacional
y a los medios de comunicacin para que la
poblacin se prepare.
- Fase estacionaria. Se podra afirmar que no
aparecern muchos ms casos nuevos.
117
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
b) Estudio de los datos en funcin de lugar. Territorio epidmico.
Estudiar el lugar del brote epidmico, puede
brindar informacin acerca del origen del
brote, siempre en funcin de las posibles
causas del brote.
Ejemplo: brote de clera en 1854 en el barrio
de Soho (London). John Snow elabor un
mapa de los casos de clera y lugares de
inters. En este caso, tena especial
relevancia las calles y las bombas de agua.
As, pudo determinar la bomba de agua
contaminada con el paal de un bebe, pues
todos los casos estaban alrededor de esa
bomba.
118
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
- Tasa de ataque de no expuestos: probabilidad de que una persona no expuesta al
factor de riesgo desarrolle la enfermedad.
+ = La ms baja prioridad
+++ = La ms alta prioridad.
Etiologa: bacteriana, vrica, medioambiental
Conclusiones.
- La investigacin de brotes es importante.
- Debe garantizar dos atributos:
Rapidez.
Calidad.
- Provee argumentos para identificar la fuente y modos de transmisin.
- Orienta la intervencin incluso si el agente causal no se conoce.
120
PRCTICAS
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
PRCTICA 1: AJUSTE DE TASAS. CERTIFICACIN DE LA CAUSA DE LA MUERTE
AJUSTE DE TASAS.
Es frecuente que nos encontremos con dificultades para establecer conclusiones a partir de la
comparacin directa de tasas crudas entre poblaciones diferentes, cuando pueden existir
diferencias en la estructura de la poblacin.
Para poder comparar poblaciones con estructuras diferentes usamos el ajuste de tasas:
tcnica para resolver el problema de comparacin de tasas (frecuencias) entre grupos con
estructuras de poblacin diferentes. El ajuste de tasas se usa frecuentemente para comparar
tasas crudas de mortalidad y comparar incidencia de infeccin nosocomial a partir de un
sistema de vigilancia epidemiolgico.
Ajuste de tasas
1. Directa: consiste en determinar la tasa global de una poblacin si su distribucin fuese
similar a la de la poblacin
Tcnica estndar.
del Ajuste Consiste en aplicar las tasas especficas de cada
de Tasas
poblacin a la estndar (es una especie de poblacin media), para obtener las tasas
estandarizadas de ambas,
Ajuste Directoque ya s son comparables. Este es el mtodo utilizado.
121
JDS 2016
PRCTICAS
EPIDEMIOLOGA GENERAL Y DEMOGRAFA SANITARIA
Ajuste de tasas
Investigacin Epidemiolgica
Tcnica del Ajuste de Tasas Manuel Jurez y Vctor Macarrn
2. Indirecta: consiste en determinar la tasa global de una poblacin si tuviera las mismas
Ajuste
tasas especficas Indirecto
de las de una poblacin de referencia.
Problema.
Una poblacin (A) compuesta por 6.000 personas fue objeto de un programa de prevencin de JDS 2016
Calcule la tasa de incidencia (densidad de incidencia) cruda en cada poblacin y compare los
resultados. Estandarice dichas tasas (ajuste de tasas) si lo cree necesario y razone la respuesta.
A lo mejor, deberamos considerarnos estandarizar las tasas para poder compararlas. Hay que
justificar por qu estandarizamos y para ello deben darse las dos circunstancias siguientes:
1. Diferente estructura de poblacin. En la poblacin A el estrato de mayor de 65 aos
representa un 66,6% (4000/6000x100), mientras que el mismo estrato de la poblacin B
representa un 20% (1000/5000x100). Es decir, la poblacin A (envejecida) y B (joven)
tienen diferentes estructuras de poblacin.
122
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
2. Indicios de que exista alguna asociacin entre la edad y el efecto que se mide. Para
comprobar si existe asociacin edad-efecto vamos a calcular las tasas especficas de cada
estrato poblacional:
POBLACIN A < 65 AOS: DI = 4/2000 = 0,002 = 2 por 1000
POBLACIN A > 65 AOS: DI = 32/4000 = 0,008 = 8 por 1000
POBLACIN B < 65 AOS: DI = 20/4000 = 0,002 = 5 por 1000
POBLACIN B > 65 AOS: DI = 15/1000 = 0,008 = 15 por 1000
La edad parece asociarse a mayor incidencia: la incidencia en mayores de 65 de
poblacin A es 4 veces mayor y en el mismo estrato de la poblacin B es 3 veces mayor.
Habiendo demostrado tanto que las poblaciones tienen estructuras diferentes como que hay una
posible asociacin entre la edad y el riesgo de enfermar, debemos preguntar si las diferencias
encontradas en las tasas crudas se deben a un efecto real o a un artefacto producido por el
diferente tipo de poblacin y para demostrarlo procedemos a un ajuste de tasas.
Para ello planteamos el ajuste de tasas cuyo objetivo es conseguir unas nuevas tasas
estandarizadas que se calculan mediante la aplicacin de las tasas especficas de cada grupo
a una nueva poblacin estndar, y que ya s son directamente comparables.
POBLACIN A
DI cruda Casos esperados en la poblacin estndar
POBLACIN B
DI cruda Casos esperados en la poblacin estndar
123
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
C. CLCULO DE LAS TASAS ESTANDARIZADAS.
Consiste en calcular las tasas estandarizadas (TE) de cada poblacin usando los casos
esperados para cada poblacin y la poblacin total estndar:
124
salud.
salud.
125
PRCTICAS
EPIDEMIOLOGA GENERAL Y DEMOGRAFA SANITARIA Certificacin de la causa de muerte
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Objetivo
Objetivode unade una certificacin
correcta correcta ycertificacin:
casos.
El objetivo es determinar la causa bsica o fundamental (la que desencadena todo el proceso),
y laDeterminar la causa
inmediata (produce bsica,
finalmente y la
la muerte) inmediata
de la de la muerte.
muerte. Complementar con causas
Complementar con la causas intermedias u otros procesos
intermedias (que derivan de la fundamental y algunas produciendo la inmediata) u otros
procesos concomitantes, aunque no determinantes de la muerte (denominados otros procesos).
concomitantes,
Seguimos aunque no determinantes de la muerte.
el siguiente esquema:
Casos:
1. Paciente de 38 aos ADVP diagnosticado de SIDA, hepatitis crnica B y neumona por
JDS 2016
Pneumocistinis carinii, que tras un periodo de desintoxicacin presenta un cuadro de
sepsis por Pseudomonas aeruginosa.
Fundamental: SIDA.
Inmediata: Sepsis por Pseudomonas aeruginosa.
Intermedias:
- Inmunodeficiencia Sepsis por Pseudomonas aeruginosa.
- Neumona por Pneumocistis carinii Inmunodeficiencia.
Otros procesos: ADVP; Hepatitis B.
2. Paciente de 13 aos con leucemia linfoblstica aguda (LLA) en remisin tras un
tratamiento con quimioterapia, que presenta anemia y posteriormente fallece por
bronconeumona.
Fundamental: LLA.
Inmediata: Bronconeumona.
Intermedias:
- Inmunocompromiso Bronconeumona.
- Insuficiencia medular Anemia.
Otros procesos: Tratamiento con quimioterapia; Anemia.
3. Mujer de 80 aos con demencia senil, artrosis e infarto cerebral con resultado de
hemiplejia con encamamiento prolongado. Es llevada a urgencias con sntomas de
insuficiencia respiratoria y se le diagnostica una neumona por aspiracin.
Fundamental: Accidente cerebrovascular (ACVA).
Inmediata: Neumona aspirativa.
Intermedias:
- Coma y alteracin conciencia Neumona aspirativa.
- Hemiplejia.
Otros procesos: Demencia senil; Artrosis.
126
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
4. Varn de 82 aos fumador, con antecedentes de infarto de miocardio y diabetes, acude a
urgencias y es diagnosticado de gripe complicada con una neumona. A pesar del
tratamiento fallece de una insuficiencia respiratoria aguda.
Fundamental: Gripe.
Inmediata: Neumona.
Intermedias:
- Alteracin inmunidad local Neumona.
- Insuficiencia respiratoria.
Otros procesos: Infarto de miocardio; Diabetes; Tabaquismo.
5. Mujer de 38 aos diagnosticada de cncer de ovario con infiltracin diafragmtica, que es
sometida a ciruga y posterior quimioterapia. A los 5 aos presenta metstasis en hgado y
huesos, falleciendo de una encefalopata heptica aguda.
Fundamental: Cncer de ovario.
Inmediata: Encefalopata heptica.
Intermedias:
- Metstasis hepticas Encefalopata heptica.
- Metstasis seas.
- Infiltracin diafragmtica
Otros procesos: Quimioterapia
6. Nia de 4 aos con antecedentes de tetraloga de Fallot corregida con ciruga, ingresa con
un cuadro de fiebre, cefalgia, vmitos y erupcin petequial; en el LCR se asla Neisseria
meningitidis tipo C y, a pesar del adecuado tratamiento, fallece en 24 horas.
Fundamental: Meningitis meningoccica C.
Inmediata: Shock txico.
Intermedias:
- Sepsis meningoccica Shock txico.
- Coagulacin intravascular diseminada (Waterhouse-Friderichen).
Otros procesos: Tetraloga de Fallot corregida.
7. Varn de 44 aos que acude a urgencias con un cuadro de dolor precordial irradiado a
brazo izquierdo, sin antecedentes patolgicos de inters. Durante su traslado sufre una
arrtimia supraventricular, ingresando ya cadver.
Fundamental: Infarto agudo de miocardio (IAM).
Inmediata: Insuficiencia cardiaca.
Intermedias:
- Arritmia Insuficiencia cardiaca.
- Fallo ventricular.
- Rotura cardiaca.
- Embolismo.
8. Hombre de 60 aos, alcohlico, con cirrosis que ha evolucionado a hipertensin portal con
ascitis. Acude al servicio de urgencias con hematemesis por sangrado de sus varices
esofgicas y a pesar de las medidas aplicadas en urgencias, fallece.
Fundamental: Cirrosis alcohlica.
Inmediata: Rotura de varices esofgicas.
Intermedias:
- Hipertensin portal Rotura de varices esofgicas.
- Alteracin de la coagulacin Rotura de varices esofgicas.
Otros procesos: Alcoholismo.
127
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
128
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
PRCTICA 2: DISEO DE ESTUDIOS EPIDEMIOLGICOS. MEDIDAS DE FRECUENCIA
130
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
10. Para probar la eficacia del flor en la prevencin de la caries dental se eligen dos
poblaciones cercanas. Despus de observar la prevalencia actual de caries en ambas se
fluoriza el agua de una de ellas. Durante los dos aos siguientes se estudia la aparicin de
nuevas caries.
Es un estudio de intervencin comunitaria (diferente del de campo porque la exposicin
aqu es poblacional):
- OBJETIVO: analtico.
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de exposicin (fluorizacin del
agua) asignada POBLACIONALMENTE por el investigador (observacional).
- TIEMPO DEL ESTUDIO: longitudinal.
- DIRECCIN: prospectiva.
- UNIDAD DE ESTUDIO: individual.
Direccin
131
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
MEDIDAS DE FRECUENCIA.
a) En un cribado de 5000 mujeres se encontr que 25 de ellas padecan cncer de mama. En los 5
aos siguientes 10 mujeres ms de las examinadas presentaron esta enfermedad.
1. Qu medidas de frecuencia de enfermedad pueden ser obtenidas?
Se puede calcular tanto la incidencia acumulada como la prevalencia.
Hay 36 enfermos de cada 100 habitantes Hay 21 enfermos de cada 100 habitantes
5. Cul es la diferencia entre tasa de incidencia e incidencia acumulada? (utilice los datos
anteriores para argumentarlo).
La tasa de incidencia lleva incorporado el concepto de tiempo. Esta dimensin del
tiempo no hace referencia a un periodo delimitado entre dos puntos temporales, sino
que las tasas son medidas instantneas del cambio que se produce en una variable
por unidad de cambio de otra variable, que es el tiempo, informndonos de riesgos
instantneos (siendo mayor en enfermedades agudas o virulentas y menor en crnicas)
o la fuerza de la enfermedad para irrumpir en la poblacin. Su dimensin es tiempo-1
y puede tomar valores de 0 a infinito.
133
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
134
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
PRCTICA 3: ANLISIS EPIDEMIOLGICO CRUDO
135
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
2. Existe asociacin entre la exposicin estudiada y la enfermedad?
No se sabe si existe exposicin, habr que determinar si dicha hipottica asociacin es debida o
no al azar mediante pruebas de contraste de hiptesis o de significacin estadstica.
En este caso usaremos el test de !2 de Mantel y Haensel, donde nuestras hiptesis sern:
- Hiptesis nula (Ho): no existe asociacin entre la exposicin y enfermedad.
- Hiptesis alternativa (H1): existe asociacin significativa entre la exposicin y la
enfermedad.
Una vez calculada la !2 experimental la compararemos con !2 terica (tabulada):
- Si !2 experimental > !2 terica > rechazo de Ho > acepto H1: existe asociacin
significativa.
- Si !2 experimental < !2 terica > no podemos rechazar Ho > no podemos asegurar
que exista asociacin significativa.
Pregunta 2
(Nota: en este caso la !2 terica ser 3,84 al tener 1 grado de libertad, ya que tenemos una
tabla 2x2. Esto sera equivalente a usar una ! terica de 1,96, como hacamos en el contraste
Existe
} de
de hiptesis casos yasociacin
controles). entre la exposicin estudiada y la
enfermedad?
La forma de calcular la !2 experimental, dada la siguiente tabla, es la siguiente:
Presencia Ausencia
Expuestos a b N1
No expuestos c d N0
M1 M0 T
13
Procedemos a calcular la !2 experimental de nuestra tabla (de las dos formas):
Ca mama No Ca mama Total
136
} Existe asociacin entre la exposicin estudiada y la
enfermedad?
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Chi2 terica:
} buscamos la !2 terica en la distribucin !2, la correspondiente a 1 grado de libertad y a
Ahora
una P<0,05.
Pregunta 2
As, nuestra ! terica es de 3,84.
15
2
Existe
}Como asociacin entre la exposicin estudiada y la
! experimental (22,91) > ! terica (3,84) podemos rechazar la hiptesis nula (Ho) y
2 2
aceptar la hiptesis alternativa (H1): hay asociacin entre el consumo excesivo de grasas
enfermedad?
saturadas y el cncer de mama.
De hecho se realiz un estudio real sobre cncer y nutricin con los siguientes resultados:
EL ESTUDIO PROSPECTIVO EUROPEO SOBRE CNCER Y
NUTRICIN (EPIC) (1993)
Estudio prospectivo de 23 centros de 10 pases europeos.
Recogida de informacin:
Dieta+
Tabaco
Actividad fsica (ocupacional y en el tiempo libre)
Deportes
Anticonceptivos
Uso de terapia hormonal sustitutoria,
Actividad reproductiva,
Exposiciones de riesgo
Antecedentes mdicos y quirrgicos.
Resultados: Usando un diario de 7 das para evaluar el consumo de grasas
saturadas, se ha confirmado que un alto consumo de estas aumenta el riesgo de
cncer de mama.
17
3. Calcule la medida de asociacin que corresponda (Odds Ratio o Riesgo relativo), as como su
intervalo de confianza. Interprete los resultados.
En este ejercicio se nos piden dos cosas:
- Clculo de la magnitud de la asociacin > medida de asociacin, riesgo relativo (RR) en
este caso, ya que estamos ante un estudio de cohortes y se pueden calcular incidencias.
- Clculo de la precisin de la estimacin del efecto > intervalo de confianza (IC).
137
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Primero calculamos la medida de asociacin, que en estudios de cohortes es el riesgo relativo
(RR), que se calcula como:
RR = Ie / Io
donde:
- Ie: incidencia en expuestos (probabilidad de que un expuesto desarrolle la enfermedad)
que se calcula como a/(a+b).
- Io: incidencia en no expuestos (probabilidad de que un no expuesto desarrolle la
enfermedad) que se calcula como c/(c+d).
El} Clculo
intervalo de los
de confianza INTERVALOS
probabilidad de error (en este caso P<0,05).
se calcula DE CONFIANZA (IC)
de la siguiente forma:
Chi2 experimental
22
En nuestro caso:
Interpretacin: De cada 100 veces que se repitiera un estudio de este tipo, en 95 de ellas el RR
se encontrara entre este rango de valores (1,25 1,70).
139
29
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
b) Juicio de causalidad, basado en la totalidad de pruebas disponibles, para el que no es
suficiente un solo estudio y en que entran consideraciones abstractas.
Para ello usamos los criterios de causalidad de Hill:
- Ninguno de los criterios es suficiente para demostrarla, pero cuanto ms y mejor se
cumplan ms verosmil ser la relacin de causalidad.
- La ausencia de alguno, salvo el de temporalidad, no indica que no exista causalidad.
- Criterios como validez, fuerza, temporalidad y gradiente dosis-respuesta se pueden
comprobar dentro de un estudio epidemiolgico concreto. El resto dependen de
informacin externa.
- No suele ser necesario llegar a una idea de causalidad definitiva para justificar
actuaciones de salud pblica.
5. Calcule las medidas de impacto potencial que puedan obtenerse en este tipo de estudio.
Interprete los resultados.
Una vez que tenemos bastantes evidencias de que un factor puede ser causal, nos interesa
calcular las medidas de impacto potencial.
Riesgo atribuible en el grupo de expuestos:
- Riesgo atribuible (RA) o exceso de riesgo: es el exceso de riesgo o de incidencia de
enfermar entre los expuestos que es debido a la exposicin; o la cantidad de
incidencia de enfermedad atribuible a la exposicin.
Se calcula como:
RA = Ie Io
En nuestro caso:
RA = (400 / 733) (100 /267) = 0,55 0,37 = 0,18 = 18%
Interpretacin: la incidencia de cncer en sujetos con dieta con CSO de grasas
atribuible a la dieta con CSO de grasas es del 18%.
En el caso de estudios de casos y controles, donde no se puede calcular incidencia (ni IA ni DI),
estas medidas se pueden calcular de la siguiente manera:
- Proporcin de riesgo atribuible (RA%):
RA% = [(OR 1) / OR] x 100
141
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
142
EPIDEMIOLOGA GENERAL Y DEMOGRAFA SANITARIA
PRCTICAS
Anlisis Estratificado
Expuestos
Enfermos Enfermos
Expuestos (Casos)
sanos Tiempo No No Tiempo
Enfermos Expuestos
Investigacin Investigacin
Enfermos Expuestos
No No
Expuestos enfermos
No No (Controles)
sanos
Enfermos Expuestos
143
Medida de riesgo Riesgo Relativo Odds Ratio
Enfermedades poco
Aplicabilidad Exposiciones raras
frecuentes
Dificultad Caros. Complicados. Baratos Sencillos.
Alto nivel de evidencia. Menor nivel de evidencia.
Validez
Menos sensibles a Ms sensibles a sesgos.
A) Prueba de hiptesis (! o chi): calculamos la ! de nuestra tabla de contingencia.
Si ! es mayor de 1,96 (estamos en 1 grado de libertad), descartamos la hiptesis nula y
aceptamos la alternativa: la OR calculada ser significativa con un P < 0,05.
Si ! esEpidemiolgica
Investigacin menor de 1,96 no podemos descartar la hiptesis
ManuelnulaJurez
y la ORy calculada no ser
Vctor Macarrn
significativa y por lo tanto no seguimos.
1. Calclese
Dadala magnitud
una del
tabla del efecto en estudio.
tipo:
Ulcus No ulcus Casos
Total Controles Total Casos Controles Total
PQ 170 FR330
+ a500 b +
FR N1 a b N1
No PQ 80 FR420
- c500 d -
FR N0 c d N0
2. Cules podran ser los posibles factores de confusin que deberan considerarse?
Un factor de confusin es un factor asociado por separado con la exposicin y con el efecto y
que no son un paso intermedio de la cadena fisiopatolgica de la asociacin estudiada, y que si
no estn controlados (anormalmente distribuidos entre casos y controles) pueden llevar a
3)
El sexo es un factor
resultados errneos. PQ UP
Los posibles factores de riesgo son: dieta, consumo de alcohol o de caf, tabaquismo pero nos
vamos a centrar en el sexo. 1) 2)
de confusin SEXO
Para que el sexo sea considerado un factor de confusin debe cumplir los 3 siguientes requisitos:
1) El sexo debe estar asociado con la exposicin: la mayora de los expuestos son hombres.
Vamos a comprobarlo:
1) Hombres Mujeres TOTAL
S: Producto Qui. 400 100 500
NO: Producto Qui 100 400 500 OR = 16
TOTAL 500 500 1000
144
+
Frecuencia
HOMBRES
+
Frecuencia
de exposicin de enfermedad
- MUJERES -
Teniendo en cuenta que el estatus de de expuesto / no expuesto de los sujetos en estudio,
segn su sexo, es el que se muestra a continuacin, cuales son sus conclusiones sobre el estudio.
Calcule, razonando la respuesta, la magnitud del efecto para cada sexo, as como la frecuencia
de exposicin y de aparicin de la enfermedad en cada uno de ellos.
Realizamos la estratificacin por sexo:
HOMBRES MUJERES
145
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Vamos a comprobar de nuevo si el sexo est asociado a la exposicin y a la enfermedad:
- Frecuencia de exposicin (FE):
FE hombres = 400 / 500 x 100 = 80%
FE mujeres = 100 / 500 x 100 = 20%
El sexo est asociado con la exposicin porque la frecuencia de sta vara en funcin
del sexo.
Conclusiones:
- OR crudo (2,7) OR ajustado (1) > sexo es factor de confusin.
- OR hombres (1) = OR mujeres (1) > sexo no es modificador del efecto (interaccin).
CONFUSIN INTERACCIN
Es un sesgo No es un sesgo
146
Es creble el resultado del estudio?
Investigacin Es posible
Epidemiolgica que existan problemas de diseo?
Manuel Jurez y Vctor Macarrn
3. Disctanse los posibles sesgos del estudio.
Los posibles sesgos son:
A. Sesgo de confusin:
En el debido al sexo.
mismo se comparaban 250 casos diagnosticados de ulcera gstrica por los servicios de
salud laboral de la empresa en los ltimos cinco aos con dos grupos de controles.
B. Sesgo de seleccin de los controles (tpico de casos y controles): los controles se tienen
que parecer
Uno de en todo
ellos a los
estaba controles,
compuesto salvo
por 750 en estar
sujetos enfermos.
atendidos Es muy
por dichos probable
servicios que exista
en ese mismo
tiempo debido a problemas de salud diversos, en ningn caso de tipo digestivo,
porque han concentrado individuos de otra categora profesional. Adems, no se
y que posteriormente se comprob eran administrativos, en su mayora mujeres
menciona ningn tipo de aleatorizacin.
SELECCIN DE LOS CASOS SELECCIN DE LOS CONTROLES
- Definicin de caso (H C) ? - Definicin de control (H C)
- Potencialmente en riesgo - Son comparables a los casos
?
de exposicin ?
- Incidentes ? -Proceden de la misma poblacin que los casos
(= frecuencia de exposicin que los casos, si no
existiera asociacin) ?
Son comparables -La exposicin en estudio no influye en la
ambos grupos
? seleccin de los controles (la exposicin solo
causa sntomas digestivos) ?
-Se ha comprobado la existencia de posibles
fact de confusin ?
148
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
PRCTICA 5: PRUEBAS DE CRIADO (SCREENING)
1. Le parece que el cncer de crvix cumple los criterios bsicos para el desarrollo de un
programa de deteccin precoz (PDP)? Defina deteccin precoz y enumere los criterios que
ha de cumplir la enfermedad a cribar. Razone la respuesta para ambos casos (Colombia e
Israel).
Un programa de deteccin precoz (PDP) o test Screening tiene como objetivo la identificacin
presunta de enfermedades o defectos inadvertidos, mediante la utilizacin de pruebas,
reconocimiento u otros procedimiento que puedan aplicarse rpidamente. Su uso es distinguir
entre las personas en apariencia sanas que probablemente padecen una enfermedad, de las que
probablemente, no la padecen.
No se pretende realizar un diagnstico puesto que aquellos que presentan resultados positivos
o sospechosos deben ser enviados a sus respectivos mdicos para realizar un diagnstico y
tratamiento adecuados.
En los PDP es muy importante conocer la historia natural de la enfermedad, siendo lo ideal un
perodo subclnico detectable (perodo entre que la enfermedad se hace detectable y aparece
la enfermedad) amplio, porque es en ste en el que se realiza el test de screening.
Periodo subclnico
detectable
En el enunciado se nos pregunta por los criterios bsicos del cncer de crvix, es decir, los
criterios de la enfermedad:
1. Criterios de la enfermedad. Estos son:
Prevalencia: cuanta mayor prevalencia, ms inters tiene realizar un PDP, porque es
mayor la importancia en frecuencia en la poblacin.
En nuestro caso:
- Prevalencia Colombia (45-60 aos): 12 por mil.
- Prevalencia Israel (45-60 aos): 0,3 por mil.
Es una enfermedad prevalente (Colombia), con lo que cumple el criterio.
El carcinoma de crvix cumple los 4 criterios por lo que s, cumple los criterios bsicos para
realizar un PDP.
2. Le parece que el test de Papanicolaou cumple los criterios bsicos para el desarrollo de un
PDP?
Ahora tenemos que comprobar si se cumplen los criterios del test.
2. Criterios del test. Estos son:
Caractersticas de la aplicacin: la citologa de Papanicolau es de fcil aplicacin y
bajo coste, con lo que cumple el criterio.
150
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Capacidad predictiva: la capacidad predictiva depende de la prevalencia de la
enfermedad en la poblacin de estudio, afectando principalmente al valor predictivo
positivo (a menor prevalencia, menor valor predictivo positivo). Estos valores son ms
informativos y son los que realmente se usan. En los test de screening se buscan altos
valores predictivos negativos.
- Valor predictivo positivo (VPP): probabilidad de que un individuo que d positivo
al test est realmente enfermo. Se calcula como:
VPP = a / (a + b)
- Valor predictivo negativo (VPN): probabilidad de que un individuo que d negativo
al test est realmente sano. Se calcula como:
VPN = d / (c + d)
En nuestro caso:
- Colombia:
Prevalencia: 12 por 1000; es decir, 1000 es el total (T) y 12 el total de enfermos
(a+c).
Sensibilidad: 90%; es decir, a = 90% de 12 (10,8).
Especificidad: 90%; es decir, d = 90% de (1000-12) (889,2).
Montamos la tabla:
12 988 1000
- Israel:
Prevalencia: 0,3 por 1000; es decir, 1000 es el total (T) y 0,3 el total de enfermos
(a+c).
Sensibilidad: 90%; es decir, a = 90% de 0,3 (0,27).
Especificidad: 90%; es decir, d = 90% de (1000-0,3) (999,7).
Israel Enfermedad No enfermedad
151
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
Respuesta.
El test de Papanicolau cumple con los criterios bsicos, porque es de fcil aplicacin y bajo
coste, y tiene alta sensibilidad y especificidad.
- En el caso de Colombia el VPP es alto, porque hay una gran prevalencia de la enfermedad.
- En Israel, el VPP es bajo, porque hay una baja prevalencia.
- En ambos pases, el VPN es muy alto (> 99,9%), que es lo realmente importante en un
test de screening.
Enfermedad No enfermedad
a+c b+d
4. Calcule la capacidad predictiva del test en los casos de Colombia e Israel. Comente el por qu
de la posible diferencia encontrada entre ambos pases.
Contestado en el ejercicio 2.
5. En base a todo lo expuesto que puede concluirse sobre el cribado del cncer de cuello como
PDP?, le parece que deba ser recomendado como actividad de prevencin secundaria?
S, ya que cumple con todos los criterios de la enfermedad y del test. Sin embargo, tambin
deberamos tener en cuenta los criterios del programa de aplicacin (aunque el ejercicio no da
informacin).
3. Criterios del programa de aplicacin.
Recursos econmicos.
Poblacin de acceso.
Relacin coste-beneficio.
Otros aspectos relacionados con la organizacin y administracin del programa.
152
6.- Repita los pasos anteriores para el caso espaol (tabla 1), esto es, discuta si el cancer de
cuello cumple en nuestro pas los criterios de enfermedad de un PDP, calcule la capacidad
predictiva
Investigacin del test de Papanicolaou en esta nueva situacin Manuel
Epidemiolgica y finalmente comente
Jurez si le parece
y Vctor que
Macarrn
6. Repitasulos
cribado
pasosdeba ser recomendado
anteriores para el como
caso actividad
espaol de prevencin
(tabla secundaria.
1), esto es, discuta si el cncer de
cuello cumple en nuestro pas los criterios de enfermedad de un PDP, calcule la capacidad
predictiva del test de Papanicolaou en esta nueva situacin y finalmente comente si le parece
que su cribado deba ser recomendado como actividad de prevencin secundaria.
Tabla 1:
Recomendara el cribado como actividad de prevencin secundaria dado que en ambos sitios
tiene un VPN muy alto (> 99,9%).
153
7.- Razone sus conclusiones a la luz de las ltimas recomendaciones sobre intervenciones
preventivas propuestas por los expertos (tabla 2).
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
7. Razone sus conclusiones a la luz de las ltimas recomendaciones sobre intervenciones
preventivas propuestas por los expertos (tabla 2).
Tabla2:
- Los criterios de la enfermedad los cumple (aunque no es una enfermedad muy grave
tasa de mortalidad baja ni con una alta prevalencia).
- Los criterios del test tambin se cumplen (alto VPN).
- Los criterios del programa: existen recursos pero mejor optimizarlos y realizar una
citologa cada 3 aos.
- Problemas con la accesibilidad a personas de baja nivel socioeconmicos.
18
154
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
EJERCICIO 2. LECTURA CRTICA DE UN ESTUDIO DE VALIDACIN DE PRUEBAS DIAGNSTICAS.
Valor predictivo de las tcnicas antignicas rpidas en el diagnstico de la faringitis aguda
estreptoccica, Med Clin (Barc) 1987; 89; 405-6.
Responda a las siguientes preguntas:
5. Considere la validez interna y externa del estudio. Qu errores pueden haberse cometido?.
- Validez interna: sensibilidad y especificidad.
- Validez externa: valores predictivos, que dependen de la prevalencia ed la enfermedad.
Obtendramos los mismos resultados en otra poblacin? Es la muestra de estudio
representativa de la poblacin en la que se pretende hacer la prueba?
Screening Diagnstico
156
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
157
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
158