Investigacion Epidemiologica - Manuel Juarez y Vi Ctor Macarron

Investigacin
Epidemiolgica
Manuel Jurez y Vctor Macarrn

Grupo 306 - Curso 2016/2017
Medicina UAM
TEORA
Tema 1. Conceptos y usos de la epidemiologa 1
Tema 2. Medicin de la frecuencia de la enfermedad 3
Tema 3. Medidas del efecto y del impacto potencial en epidemiologa 13
Tema 4. Demografa sanitaria. Indicadores de salud. Sistemas de informacin sanitaria 21
Tema 5. Mortalidad 25
Tema 6. Epidemiologa descriptiva. Persona, tiempo y lugar 33
Tema 7. Tipos de estudios epidemiolgicos 35
Tema 8. Estudios ecolgicos y transversales 41
Tema 9. Estudio de cohortes 49
Tema 10. Estudio de casos y controles 57
Tema 11. Estudios experimentales. Ensayos clnicos y ensayos comunitarios 69
Tema 12. Sesgos en los estudios epidemiolgicos 77
Tema 13. Factores de confusin 83
Tema 14. Inferencia causal. Causalidad en epidemiologa 91
Tema 15. Pruebas de cribado. Aplicacin de la epidemiologa al diagnstico. Estudios de

97
validez de pruebas diagnsticas
Tema 16. Vigilancia epidemiolgica 107
Tema 17. Estudio de una epidemia. Concepto y estudio de un brote epidmico 113
PRCTICAS
Prctica 1. Ajuste de tasas. Certificacin de la causa de muerte 121
Prctica 2. Diseo de estudios epidemiolgicos. Medidas de frecuencia 129
Prctica 3. Anlisis epidemiolgico crudo 135
Prctica 4. Anlisis epidemiolgico estratificado 143
Prctica 5. Pruebas de cribado (screening) 149

TEORA
Investigacin Epidemiolgica Manuel Jurez y Vctor Macarrn
TEMA 1: CONCEPTOS Y USOS DE LA EPIDEMIOLOGA
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.
Diseo de estudios epidemiolgicos.

La funcin de la epidemiologa se lleva a cabo mediante el diseo de estudios epidemiolgicos,
los cuales pueden ser:
1. Descriptivos: describen la enfermedad, miden y cuantifican. Se basan en el quin,
dnde y cundo.
Estos estudios son observacionales y pueden ser:
A. Sobre la poblacin: ecolgicos.
B. Sobre el individuo: comunicacin de un caso, estudio de series de casos y estudios
transversales.
2. Analticos: buscan el origen de la enfermedad estableciendo asociaciones causales. Se

basan en el por qu, es decir, factores de riesgo.
Estos estudios pueden ser:
I. Observacionales: estudios de casos y controles y de cohortes.
II. Experimentales: ensayos clnicos y comunitarios.
Tipos de medidas de la epidemiologa.

a) Medidas de frecuencia: ocurrencia de la enfermedad.
Prevalencia: el nmero de casos actuales de una enfermedad en una poblacin.
Incidencia: el nmero de casos que son nuevos en una poblacin, por ejemplo, en un
grupo de 300 personas aparecen 30 casos de dengue, por tanto la incidencia en esa
poblacin es del 10%.
1
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).
c) Medidas del impacto potencial:

Riesgos atribuibles: mide el cambio de ocurrencia de la enfermedad ante la
modificacin de la exposicin. EPIDEMIOLOGIA
Ejemplo de estudio epidemiolgico. E. ANALITICA LEUCEMIA E. DESCRIPTIVA
Tenemos una enfermedad, la leucemia, y ?

queremos estudiar la relacin (causalidad INCIDENCIA / PREVALECIA
estadsticamente signifativa) entre las Ionizantes- Radiaciones
gamma 20%
radiaciones gamma y la aparicin de leucemia. - .............. Existe relacin entre las R-GAMMA
y la LEUCEMIA ? - > Varones
- ..............
La estadstica descriptiva (quin, dnde y ( significacin estadstica
causalidad )
cundo) nos cuantifica y describe la - C. NUCLEAR
enfermedad mediante medidas de

frecuencia /(incidencia/prevalencia): es del
20%, pero es mayor en varones y trabajadores Cual es la MAGNITUD de esa asociacin ?
de centrales nucleares. Cmo se afecta la frecuencia de la LEUCEMIA
La estadstica analtica (por qu) estudia el al disminuir la exposicin a las R-GAMMA?
origen y causalidad de la enfermedad y se

hace dos preguntas:
- Cul es la magnitud de esa asociacin? > medidas de asociacin (RR y OR).
- Cmo se afecta la frecuencia de leucemia al disminuir la exposicin de las radiaciones
gamma? > medidas de impacto potencial (riesgos atribuibles).
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.
Esquema de los tipos de estudios epidemiolgicos.
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
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
2. Nmero relativos, usamos 3 medidas:

-n relativos:
a) Proporcin: cociente deproporcin,
dos cantidadesrazn,
en el quetasanumerador est incluido en el
denominador. Ejemplos: % de ancianos de la poblacin, % de muertos en intervencin
quirrgica, % de enfermos de gripe A en un colegio
b) Razn: cociente de dos cantidades en el que el numerador no est incluido en el
denominador. Ejemplos: IMC (peso/talla2), razn hombre/mujer, razn jvenes/
adultos
c) Tasa: razn que mide la velocidad de cambio de una variable en funcin de otra,
que suele ser el tiempo. Por ejemplo: Infecciones/mes, accidentes/ao, km/h
Figura 81-2:Tasa de mortalidad por 100000 habitantes, de los accidentes de
Mediante el uso de nmeros
circulacin relativos
en Espaa en 2005,podemos igualmente
segn el sexo y edad medir el nmero de muertes
por accidentes de trfico en un tiempo determinado, pero esta vez aporta ms datos al
estar en proporcin con las caractersticas de la poblacin a la que hace referencia.
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
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.
B. La prevalencia es el nmero de casos de enfermedad presente en un determinado

momento en el tiempo en una zona determinada, en relacin a una poblacin (en teora
susceptible.
Se utiliza en los casos en los que no se puede hacer un seguimiento eficaz y, por lo tanto,
no es posible determinar la incidencia. Es mucho ms sencilla de medir, pero la relacin
con la etiologa es mucho ms complicada, ya que vara mucho en funcin del momento en
que se mida (es como una foto de una situacin concreta que se toma en un instante
determinado, de manera que la situacin puede cambiar drsticamente al poco tiempo).
Se trata de una proporcin, ya que calcula el nmero de casos de enfermedad dentro de
una poblacin susceptible. Por tanto, el rango de la prevalencia oscila entre 0 y 1.
Un ejemplo sera la ILQ (medida de radioterapia) el ltimo da del ao o los fumadores de
esta clase hoy.
Cuando se compara incidencia y prevalencia en un momento determinado, casi siempre la

prevalencia es mayor (existen ms casos de los que aparecen). No obstante, existen algunas
enfermedades en las que ambos parmetros son prcticamente iguales, lo que se debe a que la
duracin de la enfermedad es muy corta, como ocurre en el cncer de pulmn, en el que la
supervivencia es breve. Sin embargo, si la duracin de la enfermedad (supervivencia) es muy
grande la prevalencia ser mucho mayor.
En un estudio se observa cmo evolucionan la prevalencia y la incidencia en un grupo de recin

nacidos infectados por Serratia marcescens. Inicialmente la incidencia es casi tan elevada
como la prevalencia. La disposicin que se tom fue separar el grupo de recin nacidos
infectados, as como las enfermeras que los trataban (ya que podan actuar como vector de la
enfermedad) del grupo de recin nacidos sanos. Cuando se formula una hiptesis de cul puede
ser la etiologa y se aplica una medida, se sabe que sta es eficaz si la incidencia disminuye. La
prevalencia tarda ms en caer.
Problemas asociados a la medicin de frecuencia.

A. En la definicin del numerador: debe ser aceptada ampliamente, ms difcil de
recoger, pueden perderse casos
Definicin de causas de muerte: a simple vista, parece que la definicin de muerte
est bastante clara, pero no es tan sencillo en el caso de la mortalidad debida a
accidentes de trfico, pues la definicin vara en funcin de cmo lo establezca cada
pas. Por ejemplo, en Portugal la muerte una hora despus del accidente de trfico ya
no se considera como ocasionada por dicho accidente, mientras que en Espaa la
muerte por accidente de trfico es aquella que se produce hasta 24 horas despus de
dicho accidente. As, en Portugal no se incluiran como mortalidad por accidente de
trfico pasada 1 hora y en Espaa 24.
Definicin de una enfermedad: este caso es an ms complejo, pues multitud de
enfermedades cursan con muchos sntomas que no todos los enfermos presentan. Por
ejemplo, la gripe cursa con tos, fiebre, fatiga, cefalea, dolor farngeo, mucosidad,
escalofros, dolores musculares, diarrea, nuseas; y sin embargo, nadie presenta
absolutamente todos los sntomas. Por tanto, se llega a un consenso segn el cual se
diagnostica gripe cuando hay aparicin sbita de los sntomas, aparecen uno de los
cuatro sntomas principales (fiebre, febrcula, malestar general, cefalea o mialgia)
junto a uno de los tres sntomas respiratorios (tos, dolor farngeo o disnea) y ausencia
de otras sospechas diagnsticas.
4
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).
B. En la definicin del denominador: susceptibilidad y tipo de poblacin.

Susceptibilidad: inclusin o no, de personas de la poblacin estudiada segn sea
susceptible o no de padecer una enfermedad.
En el caso concreto del cncer de tero, la tendencia es incluir a todas las mujeres de
la poblacin en el denominador, pero sera necesario excluir a aquellas operadas de
histerectoma, las cuales no son susceptibles de padecer la enfermedad.
Tipo de poblacin: puede ser:
- Poblacin fija o esttica: los miembros son permanentes; se conoce la cantidad
120
inicial de individuos, la cual va disminuyendo por distintas razones (enfermedad,
100 muerte, emigracin). No admite la admisin de nuevos miembros. Ejemplo de uso:
80
para calcular la mortalidadTipos denacidos
entre los poblaciones
en el ao.
- Poblacin dinmica: los miembros son transitorios; forman parte de la poblacin
60 mientras presentan
Fija la condicin que la define. La poblacin flucta en el tiempo
40 variando la cantidad de individuos de ao en ao, mes en mes, etc. Ejemplo de uso:
para calcular infecciones entre ingresados en la Paz.
20
- Poblacin estacionaria: poblacin estable con una tasa de crecimiento cero
0 (debido a que la tasa de natalidad es igual a la tasa de mortalidad) y una
Tipos de poblaciones
ao1 ao2 ao3 ao4
composicin por edades que no cambia.
100 100
120
90 90
100Ej para calcular Mortalidad 80 80
80entre los nacidos en el ao

70 Tipos de poblaciones 70
60 60
60 Fija 50 Dinamica 50 Estacionaria
40 40
40 30 30
Ej para calcular infecciones 20 20
20
entre ingresados en La Paz 10 10
0 0 0
ao1 ao2 ao3 ao4 ao1 ao2 ao3 ao4 ao1 ao2 ao3 ao4
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
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).
(desde t-0 hasta t-1 en una poblacin fija).

Debido a que el numerador solo puede ser como mximo tan elevado como el denominador, el
rango de la incidencia acumulada oscila entre 0 y 1, aunque puede expresarse en tanto por
ciento (multiplicando por 100), tanto por mil (multiplicando por mil), etc.
En el grfico anterior, si queremos ver la incidencia acumulada de la infeccin por herida

quirrgica (IHQ), pondremos en el denominador nicamente los pacientes intervenidos (4
pacientes: todos menos el n 3 que no ha sido intervenido). Como la poblacin fija de pacientes
intervenidos durante enero de de 4 personas y, de ellas, slo dos presentan infeccin por herida
quirrgica en ese mes, la incidencia acumulada es de 2/4=0,5=50%.
Si queremos ver la incidencia acumulada de la poblacin fija durante enero de infeccin de
catter, en el denominador pondremos solo los pacientes que han tenido un catter (2
Problemas
pacientes: n 1 y n 5) y en el numerador en la aplicacin
solo el paciente n 5 que de la IA:
sufre la infeccin. As, la IA
es de 1/2=0,5=50%. 1) Poblaciones con igual frecuencia de un evento, pero
diferente tiempo hasta que ocurre:
Problemas de la IA:
1. Poblaciones con igual frecuencia de un supervivencia tras una intervencion
evento, pero diferente tiempo hasta que quirurgica en dos poblaciones
ocurre. Si empleamos un intervalo de tiempo
muy grande para medir la incidencia
caso 4
acumulada de muerte por dos enfermedades
distintas, podra suceder que el Mortalidad:
tiempo de
caso 3
supervivencia en una de ellas fuera
100%mucho
ambas Poblacion B
mayor que en la otra, pero como todos los poblacion A
poblaciones
pacientes acaban muriendo dentro del caso 2
intervalo de tiempo escogido, la incidencia
acumulada en ambos casos es la misma. Es caso 1
decir, la incidencia acumulada no nos
informa de las caractersticas del suceso, 0 5 10 15 20
sino nicamente de su acontecimiento.
2) Solo mide la frecuencia de un evento/persona
2. Solo mide la frecuencia de un evento/persona. En el caso de que nuestro estudio est
orientado a la comparacin de los efectos 3) Poblaciones
adversos de dosdinamicas: no se puede
frmacos distintos, doscalcular
tcnicas(IA:P fija)
quirrgicas distintas la incidencia acumulada nos informar de si existen dichos
efectos adversos tras cada uno de los distintos manejos teraputicos, pero no del
nmero o gravedad de dichos efectos adversos. Es decir, la incidencia acumulada no nos
informa de la reiteracin de un suceso estudiado en un paciente, solo de su
acontecimiento, independientemente del nmero de veces que ocurra.
3. La incidencia acumulada no es til en una poblacin dinmica (ya que por definicin se
usan poblaciones fijas).
Tasa de incidencia o densidad de incidencia (DI).

La tasa de incidencia es la mejor medida de frecuencia de todas. Se define como el potencial
instantneo de cambio entre salud/enfermedad (es decir, la velocidad de aparicin de la
enfermedad). Tambin puede definirse comola relacin entre el nmero de nuevos casos a lo
largo de un periodo concreto y la suma de los perodos de riesgo de cada uno de los
individuos a lo largo del perodo que se especifica en cualquier tipo de poblacin (fija,
dinmica o estacionaria).
6
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.
Densidad de incidencia basada en datos individuales.

En datos individuales, la DI se calcula como:
- Numerador: nmero de casos incidentes o episodios de enfermedad a lo largo de un
periodo de tiempo. Es el total de nmero de casos aparecidos en sujetos en riesgo y
libres de la enfermedad al inicio del seguimiento.
- Denominador: personas-tiempo a riesgo. Es la suma de los tiempo de seguimiento de
todos los sujetos a riesgo a lo largo del periodo de estudio.
Ejemplo. En el caso de la estancia hospitalaria, vamos a calcular:

1. Densidad de incidencia de infeccin global en enero. Para calcularlo:
- Numerador: son el nmero de infecciones que aparecen en enero. En este caso son 4
infecciones: IHQ y gripe de n 1 e IHQ y S-CAT de n 5. Se descarta la ITU del n 3
porque apareca en diciembre (no est libre cuando comienza el seguimiento) y la
ITU del n 4 (porque aparece en febrero, y estamos estudiando enero).
- Denominador: es la suma de tiempo de todos los pacientes durante el tiempo que
pasan en enero del hospital. Se tienen en cuenta todos los pacientes y toda su
estancia en enero porque padecer una infeccin no les quita el riesgo de padecer
otra.
As, el denominador es 21+17+7+11+26=82d=2,7 meses.
- DI de infeccin global (enero) = 4 inf/2,7 p-mes = 1,5 por persona-mes.
Mes de Enero Febrero
1 5 10 15 20 25 30 31
Gripe
IHQ
21d
7 Iq cat 28:alta
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
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.
Si el periodo de tiempo no es excesivamente largo y si la poblacin del rea de inters y su

composicin demogrfica son relativamente estables, la poblacin promedio puede
estimarse como la poblacin a mitad de periodo.
Los eventos y las salidas de la cohorte deben ocurrir uniformemente a lo largo del periodo de
seguimiento.
Ejemplo. Se han tenido 50 casos de tuberculosis en Madrid durante el cuatrienio 20002004

(4 aos). El censo informa que la poblacin en el 2000 es de 5000 personas y en 2004 de
4500.
Primero calculamos la poblacin-tiempo:
P-T = P promedio x t = [(5000+4000)/2] personas x 4 aos = 19000 p-a
Y ahora la DI:
DI = n de casos / PT = 50 /19000 p-a = 0,0026 por p-a = 2,6/1000 p-a
Si queremos calcular la P-T de una forma ms exacta, lo que hacemos es averiguar:
Nmero de personas estables durante los 4 aos. Si hay 4000 personas estables, ya
tenemos 16000 personas-ao, ya que el tiempo de seguimiento es de 4 aos.
Nmero de fallecidos durante el tiempo que dura el estudio. Si mueren 300 personas,
como no todas mueren al principio (no se les habra seguido) ni al final (se les habra
seguido 4 aos), multiplicamos este nmero por el promedio del tiempo que dure el
estudio (2 aos), es decir, tendramos 600 personas-ao.
Nmero de nacimientos durante el tiempo que dura el estudio. Si nacen 700 personas,
como no todas nacen al principio (se les habra seguido 4 aos) ni al final (no se les
habra seguido), multiplicamos este nmero por el promedio del tiempo que dure el
estudio (2 aos), es decir, tendramos 1400 personas-ao.
Nmero de inmigrantes durante el tiempo que dura el estudio. Si hay 500 inmigrantes a
lo largo de los 4 aos, se presupone que no han llegado todos al principio (se les habra
seguido 4 aos) ni al final (no se les habra seguido), por lo que se presupone que cada
uno slo ha sido seguido la mitad de tiempo que dura el estudio (2 aos), es decir,
tendramos 1000 personas-ao.
Sumamos todo: 16000+600+1400+1000=1900 (igual que antes):
DI = n de casos / PT = 50 /19000 p-a = 0,0026 por p-a = 2,6/1000 p-a

Relacin de la tasa de incidencia con la incidencia acumulada.
La tasa de incidencia es la ms utilizada porque se relaciona muy bien con otras medidas de
frecuencia como la incidencia acumulada, la cual puede ser calculada como:
8
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).
Tasa de incidencia, tiempo estimado y clculo de tablas de vida.

Por otra parte, la tasa de incidencia tambin se relaciona con otras medidas de frecuencia como
el tiempo estimado hasta que ocurra un determinado evento.
Esto se calcula hallando la inversa de la tasa de incidencia. Esto permite, por ejemplo, estimar
el tiempo que tardar en ocurrir un evento adverso tras una intervencin quirrgica y, por
tanto, aumentar la vigilancia del paciente a partir de ese momento, y no antes, aumentando as
la eficiencia.
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.
Otras tasas: tasa de ataque y tasa de letalidad.

Estas medidas de frecuencia son muy similares a la incidencia acumulada, pero difieren de ella
en pequeos detalles.
A. La tasa de ataque es el nmero de casos de enfermedad entre el total de personas
expuestas. Como puede apreciarse, hemos sustituido en el denominador la poblacin
susceptible (propia de la incidencia acumulada) por la poblacin expuesta. Esto quiere
decir que los sujetos expuestos no tienen por qu ser susceptibles de padecer la
enfermedad (aunque es preferible en caso de tener acceso a este dato) y que es posible
que excluyamos a muchos individuos susceptibles de padecer la enfermedad por el
hecho de no haber estado expuestos a aquello que la origina.
Ejemplos: el 25% de los que comieron tarta en un cumpleaos que acab con una
enfermedad diarreica; el 10% de los soldados que durmieron esa noche en el cuartel
enfermaron de gripe A.
B. La tasa de letalidad (de la enfermedad X) es el nmero de muertes debidos a X entre el

total de enfermos por X. Este caso es una forma muy concreta de calcular la incidencia
acumulada, teniendo en cuenta que slo admite casos de muerte y que la poblacin
susceptible es nicamente aquella que padece una enfermedad especfica.
Ejemplos: el 40% de los enfermos de cncer de pncreas acaban muriendo por su
enfermedad; el 0,1% de los enfermos de gripe A mueren por neumona gripal.
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.
Evaluacin del tratamiento o accin preventiva: como ya se ha mencionado, si la

incidencia disminuye tras la aplicacin de una medida teraputica, tenemos la seguridad de
que dicha medida es eficaz. En el caso de que la incidencia se mantenga o incluso
aumente, significara que el tratamiento aplicado es peor que no hacer absolutamente
nada.
Planificacin sanitaria (prediccin): la incidencia en este mbito no es muy eficaz, pues

nicamente indica cuntos casos nuevos habr de una enfermedad concreta. Sin
embargo, a un gestor sanitario no le basta con saber esto, sino que necesita conocer el
nmero total de enfermos que habr (para comprar medicamentos, camas, etc.), no
cuntos de ellos sern nuevos enfermos.
9
PREVALENCIA.
Prevalencia.
La prevalencia es la proporcin de la poblacin enferma en un
momento concreto, como una fotografa. En este contaje se
tienen en cuenta tanto las personas que acaban de enfermar
como las que llevan enfermas mucho tiempo. Mide el estatus, no
el riesgo. Como es un proporcin, sus valores van del 0 al 1, o
del 0 al 100% y no tiene unidades.
Ejemplo. En el caso de la estancia hospitalaria vamos a calcular prevalencias de IHQ:

- el 10 de enero: hay 3 (1, 2 y 5) pacientes hospitalizados (denominador) y 1 paciente (el 5)
tiene IHQ (numerador); luego la prevalencia es de 1/3=33,3%
- el 15 de enero: hay 3 (1, 2 y 5) pacientes hospitalizados (denominador) y 2 paciente (1 y 5)
tienen IHQ (numerador); luego la prevalencia es de 2/3=66,6%
- el 31 de enero: hay 1 (el 4) pacientes hospitalizados (denominador) y ningn paciente tiene
IHQ (numerador); luego la?
Prevalencia prevalencia
ej: en los diases
11de 0/1=0%
, 15 y 31 del mes ( preval. de IHQ)
Mes de Enero Febrero
1 5 10 15 20 25 30 31
Gripe
IHQ
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%
Relacin entre incidencia y prevalencia.

La tasa de incidencia se relaciona con la prevalencia mediante las siguientes frmulas:
Sin embargo, tambin se puede hacer una aproximacin (para P<0,1):

P = DI x Duracin enfermedad
La segunda frmula es ms sencilla y nos da un resultado muy aproximado que podemos tomar
como vlido siempre y cuando se encuentre dentro del rango de la prevalencia (entre 0 y 1).
No obstante, la primera frmula siempre ser ms precisa.
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.
Investigacin etiolgica (rara): aunque la aplicacin de la prevalencia en este campo es

escasa (se usa principalmente la incidencia), se usa frecuentemente en estudio de:
- Malformaciones congnitas (ejemplo: prevalencia al nacimiento).
- Enfermedades crnicas no fatales que no tienen un claro momento de inicio.
- Seroprevalencia.
Investigacin no etiolgica: como la investigacin en servicios de salud.
Valoracin de un test (diagnstico, pesquisas).
10
Otra medida de frecuencia: Odds.
El Odds es la probabilidad de que algo ocurra dividido por la probabilidad de que ocurra el
suceso contrario.
Odds = P / (1 P)
En este caso es una razn real ya que el numerador y el denominador son diferentes y este no
incluye al numerador.
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
12
TEMA 3: MEDIDAS DEL EFECTO Y DEL IMPACTO POTENCIAL EN EPIDEMIOLOGA
Introduccin: medidas de asociacin e impacto potencial.

Las medidas de asociacin o efecto permiten evaluar la relacin entre un factor de
riesgo y la aparicin de una enfermedad. Indican la magnitud de la asociacin causal
mediante el riesgo relativo (RR) y la odds ratio (OR).
Las medidas de impacto potencial muestra cmo se modifica la aparicin de la
enfermedad ante la modificacin de los factores de riesgo o exposicin. Esto slo es
vlido si hay certeza de que existe relacin causal entre la enfermedad y el factor de
riesgo. Tienen ms aplicacin en salud pblica. Se usan los riesgos atribuibles.
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:
Enfermos No enfermos Total
Expuestos a b a+b
No expuestos c d c+d
Total a+c b+d a+c+b+d
La razn de riesgos o riesgo relativo se calcula como la incidencia de enfermar en expuestos

dividido entre la incidencia de enfermar en no expuestos:
RR = IA (e) / IA (o) = [a/(a+b)] / [c/(c+d)]
As, RR mide cuntas veces es ms frecuente enfermar en el grupo expuesto (e) con respecto
al grupo de no expuestos (o).
Para expresarlo en cunto porcentaje es mayor o menor el riesgo usamos la siguiente frmula:
% = |1-RR| x 100
Segn los resultados:
- RR = 1: indica nulidad del efecto. No hay relacin entre la exposicin o no al factor de
riesgo y la aparicin de la enfermedad.
- RR > 1: indica que hay correlacin positiva. Hay relacin y factor de exposicin es un
factor de riesgo.
- RR < 1: indica que la correlacin es negativa (en el sentido de que la incidencia es menor
en los individuos expuestos). Hay relacin, pero el factor de exposicin es un factor de
proteccin frente a la aparicin de la enfermedad.
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?
Primero realizamos la tabla de contingencia:

TABLA DE CONTINGENCIA:
LEU LEU
R-GAMMA 32 168 200
R-GAMMA 25 225 250
57 393 450
MAGNITUD DE LA ASOCIACIN R-GAMMA - LEUCEMIA

13
IA (e) = 32 / 200 = 0,16
RR = IA (e) / IA (o) = = 1,6
IA (o) = 25 / 250 = 0,10
57 393 450
MAGNITUD DE LA ASOCIACIN R-GAMMA - LEUCEMIA
Ahora calculamos el RR:
COHORTE:
IA (e) = 32 / 200 = 0,16
RR = IA (e) / IA (o) = = 1,6
235 vacuna IA (o) = 25 / 250 =10
0,10
enfermedad
El RR es de 1,6 y como es mayor de 1, existe relacin entre la radiacin gamma y la leucemia
|1-RR| un
siendo la radiacin x 100=
factorelderiesgo
riesgo es
paraun 60% la
padecer mayor entre los
enfermedad. De hecho, es 1,6 veces
expuestos
200
ms no vacuna
probable enfermar estando expuesto que no. 32 enfermedad
O dicho de otra manera: el riesgo de enfermar de leucemia es un 60% mayor entre expuestos
(|1-RR|x100).
COHORTE:
Ejemplo 2. Hacemos un estudio de cohortes siguiendo
235 vacuna a 435 personas, 235 son vacunados frente
10 enfermedad
a una determinada enfermedad y 200 no. Tras el seguimiento aparecen 10 personas enfermas en
el grupo de expuestos
200 no vacuna y 32 en el de sanos. Existe Enf
asociacin
32 enfermedad Enf y la aparicin de
entre la vacuna
enfermedad? Qu magnitud tiene?

vacuna 10 225 235
Enf Enf
vacuna 10 225
32 168 200
vacuna 235
vacuna 32 168 42 200 393 435

42 393 435
MAGNITUD
Ahora DE
calculamos el RR:LA ASOCIACIN VACUNA - ENFERMEDAD
MAGNITUD DE LA ASOCIACIN VACUNA - ENFERMEDAD
IA (e) = 10 / 235 = 0,04
IA (e) = 10 / 235 = 0,04
RR= =IA IA
RR (e) (e) / IA
/ IA (o) = (o) = = 0,25 = 0,25
IA/ 200
IA (o) = 32 (o) ==0,16
32 / 200 = 0,16
El RR es de 0,25 y como es menor de 1, existe relacin entre la vacunacin y la aparicin de la
|1-RR|siendo
enfermedad x 100=la el riesgo es un
vacunacin un 75% menor
factor entre los expuestos
de proteccin frenteentre
a padecer
|1-RR| x 100= el riesgo es un 75% menor
hecho, es 0,25 veces ms probable enfermar estando expuesto que no.
los laexpuestos
enfermedad. De
O dicho de otra manera: el riesgo de enfermar es un 75% menor entre los expuestos a la
vacunacin (|1-RR|x100).
Odds ratio y estudios de casos-controles.

El estudio de casos y controles consiste en un estudio entre un conjunto de casos (enfermos) y
casos control (no enfermos), estudiando su exposicin en el pasado. En estos estudios no se
pueden calcular incidencias, porque puede que los casos no sean todos los que se producen en
la poblacin (se realiza el estudio con un grupo de datos que no es el total de la poblacin).
Tambin se realizar una tabla de contingencia, pero la exposicin se referir a la exposicin
en el pasado. Evita consecuencias ticas porque no tenemos que exponer nosotros a los sujetos.
Expuestos (en el pasado) a b a+b
No expuestos (en el pasado) c d c+d
Total a+c b+d a+c+b+d
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.
El OR se va a calcular como el Odds de exposicin en enfermos dividido entre el Odds de

exposicin en no enfermos:
OR = Odds de exposicin en enfermos / Odds de exposicin en NO enfermos
14
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.
- Odds de exposicin en NO enfermos = [c/(c+d) / [d/(c+d)] = c/d

Odds de exposicin en NO enfermos indica el nmero de expuestos por cada no
expuesto que encuentro en el grupo de NO enfermos.
- OR = (a/b) / (c/d) = (ad) / (bc)

OR se puede calcular como el producto cruzado de a por d entre b por c.
OR indica cunto mayor es la frecuencia de exposicin en enfermos que en no
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?

CA CA
C. DIESEL 15 235 250
C. DIESEL 5 745 750
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:
CA CA
C. DIESEL 15 10 25
C. DIESEL 5 70 75
20 80 100
MAGNITUD DE LA ASOCIACIN C. DIESEL CA PULMN

15
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
CA CA
C. DIESEL 15 10 25
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
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.
MEDIDAS DE IMPACTO POTENCIAL.

Son medidas que slo se realizan cuando estamos seguros de la relacin de causalidad entre la
exposicin al factor de riesgo y la aparicin de la enfermedad. Indican el cambio en la
ocurrencia de enfermedad ante la modificacin de la exposicin.
Riesgo atribuible (RA) o exceso de riesgo.

Es una diferencia de riesgos, calculada como la diferencia entre la incidencia acumulada en
los individuos expuestos y la de los no expuestos.
RA = IA (e) IA (o)
y mide el exceso de riesgo existente en el grupo de expuestos (e) atribuible al factor de
exposicin.
La interpretacin de sus valores es similar a la de RR:
- RA = 0: indica nulidad de efecto.
- RA > 0: indica que la exposicin se comporta como un factor de riesgo.
- RA < 0: indica que la exposicin se comporta como un factor de proteccin.
COHORTE:
Es bsicamente similar al RR15 enaos
un estudio de cohortes, pero eliminando la confusin posible
por otros
200 R-GAMMAfactores, es decir, nos asegura que la32relacin es causal: representa la cantidad de
leucemias
incidencia atribuible a la exposicin. Permite as conocer en trminos absolutos cunto mayor
es la frecuencia de enfermedad en el grupo expuesto en comparacin al no expuesto.
250 no expuestos 25 leucemias
Ejemplo. Tenemos el mismo caso que en el primer ejemplo de RR (asociacin entre la radiacin
gamma y la leucemia), con la misma tabla de contingencia:
LEU LEU
R-GAMMA 32 168 200
R-GAMMA 25 225 250
57 393 450
MAGNITUD DE LA ASOCIACIN R-GAMMA16

- LEUCEMIA
IA (e) = 32 / 200 = 0,16
RR = IA (e) / IA (o) = = 1,6
IA (o) = 25 / 250 = 0,10
57 393 450

MEDIDA DEL IMPACTO POTENCIAL DE R-GAMMA SOBRE LEUCEMIA
Calculamos el RA:
IA (e) = 32 / 200 = 0,16 = 16%
RA = IA (e) - IA (o)
IA (o) = 25 / 250 = 0,10 = 10%
RA = 0,16 0,10 = 0,06 = 6%

La incidencia en expuestos que puede ser atribuida al factor de exposicin es del 6%.
Proporcin de riesgo atribuible (RA porcentual o RA%) o fraccin etiolgica.

Mide la proporcin de los casos de enfermedad atribuibles al factor de exposicin en el grupo
de expuestos. Permite decir qu porcentaje de los casos de enfermedad en los expuestos al
factor riesgo se debe a la exposicin y por lo tanto permite calcular el porcentaje de casos
que se previenen en el grupo expuesto si se elimina la exposicin.
RA% = [IA (e) IA (o)] / IA (e) = (RR 1) / RR
En los estudios de casos y controles, donde no pueden calcularse las incidencias, el RA% se
halla mediante la siguiente frmula:
COHORTE: RA = (OR 1) / OR
COHORTE:
Interpretacin de los resultados:
15 aos
15 aos
- RA% 200
= 0: R-GAMMA
indica nulidad de efecto. 32 leucemias
200- R-GAMMA 32 leucemias
RA% > 0: indica que la exposicin es un factor de riesgo.
- RA% 250
< 0: no
indica que la exposicin es un factor de proteccin.
expuestos 25 leucemias
TABLA
TABLA DE DE CONTINGENCIA:
CONTINGENCIA:
LEU LEU
LEU LEU
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.
Riesgo atribuible poblacional (RAP).

Mide el exceso de riesgo en el total de la poblacin (t) de enfermar atribuible al factor de
riesgo. Es decir, mide el impacto del factor de riesgo en la poblacin, y no slo en el grupo
de expuestos. Se calcula como:
RAP = IA (t) - IA (o)
Donde IA (t) es la incidencia total de enfermar en la poblacin (n de enfermos/total poblacin).
La interpretacin es la misma que la del RA. Permite afirmar la incidencia de la enfermedad
producida por la exposicin al factor de riesgo en la poblacin total.
17
200 R-GAMMA 15 aos 32 leucemias
200 R-GAMMA 32 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:
LEU LEU
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
La incidencia de la leucemia en la poblacin general debida a la exposicin es del 2,7%. En

casos como este, donde la exposicin es un factor de riesgo, RAP siempre ser menor que RA.
Proporcin de riesgo atribuible poblacional (RAP%).

Permite calcular la proporcin de la casos atribuibles al factor de exposicin en toda la
poblacin (expuesta y no expuesta). Se calcula como:
RAP% = [IA (t) - IA (o)] / IA (t) = RA% x Frexp (casos) = RA% x [a / (a+c)]
COHORTE:
En los estudios de casos y controles, donde no pueden calcularse las incidencias, el RAP% se
COHORTE:
halla mediante la siguiente frmula:
15 aos
RAP% =15
RA% x Frexp (casos) = RA% x [a / (a+c)]
aos
Permite afirmar qu porcentaje del total de enfermedades que se han dado en la poblacin
se han debido250 no expuestos
al factor 25 leucemias
de riesgo. Su interpretacin es la misma que la del RA%.
gamma y la leucemia),
TABLA DE conCONTINGENCIA:
la misma tabla de contingencia:
TABLA DE CONTINGENCIA: LEU LEU
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
MEDIDA DEL IMPACTO POTENCIAL DE R-GAMMA SOBRE LEUCEMIA
MAGNITUD DE
Calculamos el LA ASOCIACIN R-GAMMA - LEUCEMIA
RAP%:
IA (t) = 57 / 450 = 0,127
IA (e)
RAP% = (IA(t) = 32
IA (o))/ 200 = 0,16
/ IA(t)
RR = IA (e) / IA (o) = IA (o)==1,6
25 / 250 = 0,10
IA (o) = 25 / 250 = 0,10
RAP% = (0,127- 0,1) / 0,127 = 0,21 = 21 %
|1-RR| x 100= el riesgo es un 60% mayor entre los expuestos
RAP% = 37,5 % x (32 / 57) = 21 %
El 20% del total de leucemias de la poblacin son debidas a la exposicin a rayos gamma. Es
decir, si se eliminan los rayos gamma, se reduce el nmero de leucemias en un 20%.
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
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
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
20
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
Principales fuentes de informacin de la demografa esttica.

El padrn municipal (Ley 4/1996 de 10 de enero):
- Es un registro administrativo de residencia (mbito local).
- Su formacin, mantenimiento, revisin y custodia corre a cargo del ayuntamiento.
- Se realiza una revisin con referencia al 1 de enero de cada ao.
- Datos obligatorios: nombre y apellidos, sexo, domicilio habitual, nacionalidad, lugar y
fecha de nacimiento, y D.N.I.
El censo de poblacin y vivienda:

- Es un registro estadstico del tamao y
la composicin de la poblacin (mbito
nacional).
- Su recogida, anlisis y custodia corre a
cargo del INE.
- Se realiza una revisin cada 10 aos.
- Contiene datos demogrficos, culturales,
econmicos y sociales de los habitantes
del pas (cuestionario de vivienda / datos
padronales / cuestionario de hogar /
datos individuales).
- Es de obligado cumplimiento.
Existen 16 censos en nuestro pas; el realizado en 2011 es el primero que utiliza metodologa
europea, en el cual han sido utilizados distintas fuentes de informacin (datos de padrones,
encuestas e internet). Estos censos son estimaciones puesto que solo se encuesta a un 12% de
la poblacin.
Representacin de la demografa esttica.

La demografa esttica se suele representar en pirmides de
poblacin:
- Es una representacin grfica de la estructura de la poblacin por
sexo y edad.
- La informacin se obtiene del padrn y el censo.
- Posee informacin demogrfica de aplicacin sanitaria:
mortalidad (vrtice) y natalidad (base) de la poblacin.
- A pesar de ser el principal indicador de la demografa esttica,
tambin posee informacin sobre la dinmica de las poblaciones.
21
En las pirmides, las barras horizontales indican el porcentaje de poblacin de cada sexo que,
sobre el total de la poblacin, representa un grupo de edad.
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.
1. Pirmide en fase 1: aumento de mortalidad y de natalidad.

En la primera fase, la pirmide tiene forma de pagoda (con una base anche y vrtice muy
agudo). Esta silueta de la pirmide denota alta natalidad y mortalidad. Es la clsica
pirmide de poblacin de pases subdesarrollados.
2. Pirmide en fase 2: disminucin de mortalidad y aumento de natalidad.

En la segunda fase de desarrollo socioeconmico, la primera variable que disminuye es la
mortalidad, de modo que la base se mantiene ancha y el vrtice es menos agudo (forma de
campana).
3. Pirmide en fase 3: disminucin de mortalidad y disminucin de natalidad.

En la tercera fase, disminuye tambin la natalidad, de modo que la pirmide de poblacin
adopta forma de bulbo.
Ejemplo. Estructura de la poblacin espaola, segn sexo y edad:
Lo cual se puede demostrar mediante la evolucin de las tasas de natalidad y mortalidad de

la poblacin espaola:
22
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.
- Tasa de fecundacin: se calcula dividiendo el nmero de recin nacidos vivos en un

periodo por el nmero de mujeres en edad frtil (15-45 aos).
- 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.
APLICACIN DE LA DEMOGRAFA EN SALUD PBLICA.

1. Suministra informacin necesaria para la elaboracin de tasas e indicadores sanitarios,
utilizados en planificacin sanitaria.
2. Suministra la informacin necesaria para la caracterizacin de la enfermedad en
trminos de persona, lugar y tiempo.
23
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
TEMA 5: MORTALIDAD
Por qu se estudia la frecuencia y las causas de la mortalidad en la poblacin?

Por tres razones:
1. La magnitud (frecuencia) de la mortalidad general tiene consecuencias demogrficas
para la poblacin (planificacin econmica, de defensa, prestaciones sociales,
servicios sanitarios, influencia en el mundo). Por ejemplo, si muere mucha gente, la
poblacin disminuye (como ha pasado este ao en Espaa, que ha disminuido la poblacin
por balance natalidad-mortalidad sin tener en cuenta las migraciones).
Adems, un pas envejecido es un problema porque se genera menos riqueza y hay ms
gente que mantener. Hay gente que argumenta que el estancamiento reciente de Japn se
debe a la menor capacidad de trabajo por mayor edad laboral.
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.
3. La distribucin de la mortalidad y sus causas, segn el tiempo, lugar y las

caractersticas de las personas:
- Enriquece la informacin anterior.
- Sirve para evaluar las intervenciones sanitarias.
- Sugiere hiptesis sobre las causas (etiologa) de las enfermedades.
Por ejemplo, la informacin de la mortalidad sugiere hiptesis sobre las causas de las
enfermedades en la epidemia de la mortalidad por cncer de pulmn del siglo XX, cuando
en el siglo XIX era una enfermedad relativamente infrecuente. Una de las primeras
hiptesis explicativas era que tras el invento de la mquina de liar cigarrillos de tabaco
el consumo de los mismos se dispar.
Fuentes de informacin de la mortalidad en Espaa.

1) Circuito que sigue la informacin sobre la mortalidad.
Cuando una persona fallece:

- El mdico tiene que examinar y firmar un certificado de defuncin (lo puede traer l
o se compra en la farmacia), sin el cual no hay muerte y no se puede heredar ni
enterrar.
- En el reverso, el certificado de defuncin cuenta con un boletn estadstico de
defuncin a responder por la familia o un empleado del registro civil.
25
- 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.
En nuestra legislacin la causa de la muerte que aparece en las estadsticas es la causa

bsica, inicial o fundamental de la muerte (es el fenmeno ms importante, el sustrato
anatomopatolgico ms claro). En este caso ser el ictus, adems de porque lo hemos puesto
en la causa inmediata, las normas de codificacin del INE, priorizar al ictus. No podria
aplicarse la parada cardio-respiratoria o la diabetes: causas antecedentes.
De hecho, recientemente apareci un estudio que deca que en los ltimos aos haba
disminuido la muerte por diabetes, aun siendo ms prevalente. Realmente se debe a un
problema con la codificacin del INE, que no considera a la diabetes como una causa de
muerte. Lo mismo podra ocurrir con la insuficiencia cardiaca.
Boletn estadstico de defuncin: se ha unificado en el mismo documento del certificado

mdico de defuncin (en el reverso), y ahora ya no lo rellena el mdico sino los familiares del
fallecido o el empleado del registro civil.
2) Clasificacin Estadstica Internacional de Enfermedades y Problemas relacionados con

la salud (CIE10).
Con independencia de lo que aparezca en el certificado de defuncin como causa de
muerte (ictus, enfermedad cerebral vascular, apopleja), el mdico codificador lo aadir
a las estadsticas como una de las enfermedades que figuran en la Clasificacin Estadstica
Internacional de Enfermedades y Problemas, que se actualiza cada diez aos.
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
- 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.
3) Calidad de los datos de defuncin registrados en Espaa

La calidad del registro en Espaa es buena, similar a pases de nuestro nivel de desarrollo.
Para evaluar la calidad se comparan en una sub-muestra la informacin recogida con la
informacin obtenida de las autopsias y las historias clnicas.
La mortalidad se obtiene por lugar de residencia: los datos se refieren a los residentes en
Espaa.
Ejemplos:
- Si un hombre de Villalba muere por un accidente de trfico en Madrid, su muerte
contar en Villalba (residencia).
- Si un sueco muere en Mallorca, su muerte contar en el lugar donde est
empadronado, en Estocolmo, por ejemplo.
La concordancia es grande para las grandes enfermedades causantes de defuncin (EPOC,

ECV) y algo un poco menor para enfermedades ms especficas.
La parada cardio-respiratoria es una causa mal definida de muerte en la mayora de los
casos (es la causa real de la muerte lo que genera secundariamente la parada cardio-
respiratoria, por ejemplo, un infarto que provoca una parada cardio-respiratoria).
Es relevante el programa CERTIFICA, que sirve para la autoformacin de mdicos para la

certificacin de defunciones.
El clculo de las tasas de mortalidad.

El clculo de tasas de mortalidad es una medida de incidencia; y pueden ser de dos tipos: tasas
generales y tasas especficas de mortalidad, ademas de otas:
- Tasa general:
Bruta.
Ajustada
- Tasa especfica de mortalidad:
Tasas especficas por edad; tasa de mortalidad infantil, neonatal, postneonatal y
perinatal.
Tasas por sexo.
Tasas por causa.
Etc (tiempo, lugar).
- MIPSE: mortalidad innecesariamente prematura y sanitariamente evitable.
- Aos de vida potencialmente perdidos.
- Esperanza de vida.
- Aos de vida ajustados por enfermedad.
1) Tasas generales de mortalidad.
Se refieren al conjunto de la poblacin:
A. Tasa bruta/cruda de mortalidad.
Se miden calculando el nmero de fallecidos en una poblacin durante un periodo de
tiempo concreto dividido entre la poblacin media en ese periodo de tiempo; y
multiplicado por 1000 (se puede multiplicar por 100.000 si la causa es an menos
frecuente, para conseguir un resultado entero).
La fuente de la que se obtienen estos datos es el Registro Civil.

27
Ejemplo. En Espaa la tasa es mayor que en Marruecos. Esto se debe a que en Espaa
somos ms viejos. As, la tasa bruta de mortalidad nos indica la salud, pero ms bien
el envejecimiento.
B. Tasa ajustada de mortalidad.

Nos indica cual sera la mortalidad de la poblacin si la estructura de edades no hubiera
cambiado a lo largo de este periodo de tiempo y fuera la misma estructura de edad en
todos los pases.
Es un ndice que nos permite ver que la salud ha ido mejorando (estado de salud), ya que
si la poblacin no hubiese envejecido tanto la mortalidad hubiese continuado
descendiendo en lugar de iniciar el ascenso leve pero continuo que indica la tasa bruta de
mortalidad como consecuencia del envejecimiento de la poblacin.
Se ajusta bastante bien al desarrollo de los pases: a ms desarrollo, menor tasa; y
viceversa.
2) Tasas especficas de mortalidad.

Se calculan en referencia a un grupo de poblacin.
A. Tasas especficas de edad.
Se calculan como el nmero de fallecidos de una determinada edad en un periodo de
tiempo, dividido entre la poblacin media de esa edad; y multiplicado por 1000.
B. Tasa de mortalidad infantil, neonatal, postneonatal y perinatal.

Antes de nada, es preciso delimitar los trminos infantil, neonatal, postneonatal y
perinatal:
- Periodo infantil: desde el nacimiento
hasta un ao de vida.
- Periodo neonatal: desde el nacimiento
hasta los 28 das de edad.
- Periodo postneonatal: desde los 28
das de edad hasta el primer ao de
vida.
- Periodo perinatal: desde las 28
semanas de la gestacin del nio hasta
los 7 das de vida.
La mortalidad infantil es uno de los ms importantes indicadores de salud y desarrollo.

Se calcula como el nmero de muertos en el primer ao de vida dividido entre el
nmero total de recin nacidos vivos de ese mismo ao, y multiplicado por 1000.
A su vez la mortalidad infantil se divide en:

- Mortalidad neonatal: mueren en el primer mes de vida (da 28).
- Mortalidad postneonatal: mueren a partir del primer mes de vida (28 das).
28
La mortalidad perinatal es un indicador de la calidad de intervencin obsttrica, pues
indica el nmero de muertos desde la 28 semana de gestacin hasta los primeros 7 das de
vida.
En Espaa, la mortalidad infantil,

neonatal y postneonatal se reduce
cada ao.
Esta es mayor en nias que en nios,
adems nacen ms nios que nias, sin
embargo, esta diferencia, se va a
equilibrando a lo largo de la vida, hasta
el punto de que hay muchas ms
ancianas que ancianos.
Las principales causas de mortalidad infantil son:

- 27%: malformaciones congnitas, deformidades y anomalas cromosmicas.
- 8%: acortamiento de la gestacin (tabaco, alcohol y otras causas) y bajo peso al
nacer.
Este mbito nos limita el punto hasta el que no podemos reducir la causa de
mortalidad, ya que las posibilidades de actuacin mdica estn muy reducidas; pues las
causas genticas son ajenas a la accin mdica y el control de la mujer embarazada es
difcil.
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.
C. Mortalidad proporcional por causas.

Hay dos parmetros que nos sirven para relacionar las principales causas de muertes
con el nmero de muertes totales.
- Mortalidad proporcional: de cada 100 muertes cual es el tanto por ciento que se
debe a cada una de las causas.
- Tasa de mortalidad proporcional por causa: nmero de personas (termino
absoluto) que mueren de una causa determinada, entre el total de defunciones en
la poblacin (o subpoblacin), en un determinado periodo de tiempo.
D. La mortalidad segn las caractersticas personales (edad, gnero y clase social).

En varones:
- 32% tumores.
- 26%: enfermedad cardiovascular.
- 12%: enfermedades respiratorias (bronquitis, enfisema, EPOC).
- 4%: causas externas (accidentes y suicidios). Estos ltimos cobran ms importancia
con el tiempo, cada da 6-8 personas mueren por suicidio (generalmente personas
29
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%.
Las mujeres mueren de enfermedad cardiovascular

porque viven ms. Es decir, al llegar a edades ms
longevas, hay mayor probabilidad de morir por
enfermedad cardiovascular.
Esto se debe a que tienen menos causas externas y menos
posibilidad de desarrollar cncer, adems de que
desarrollan cnceres con una tasa de mortalidad menor.
En cuanto a la poblacin infantil debemos recordar que la tasa de mortalidad infantil es

mayor en nias que en nios, adems nacen ms nios que nias, sin embargo, esta
medida se va a equilibrando a lo largo de la vida, hasta el punto de que hay muchas ms
ancianas que ancianos.
Tambin es importante recordar que la principal causa de mortalidad infantil en Espaa
son las malformaciones congnitas y las anomalas cromosmicas.
3) MIPSE.
Es la mortalidad innecesariamente prematura y sanitariamente evitable. Esta medida
hace referencia a la eficacia del sistema sanitario.
4) Aos de vida potencialmente perdidos.

Esta medida, indica los aos que podra haber vivido una persona si no hubiese fallecido
por muerte prematura.
En este caso siguen arriba las enfermedades cardiovasculares y el cncer.
Sin embargo, en el 3 puesto de mortalidad por aos de vida perdidos se encontraban los
accidentes de trfico en 1990, porque la mayora de las vctimas son individuos jvenes. Sin
embargo, en 2010 ha disminuido al puesto 8.
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
6) Aos de vida ajustados por enfermedad o discapacidad.

La aparicin de enfermedades discapacitantes limitan la condicin de vida normal del
individuo: enfermedades osteomusculares, mentales (especialmente la depresin). Ya que
estas enfermedades no suelen causar la muerte del individuo (prcticamente nadie muere por
romperse una pierna, por ejemplo).
Ejemplos:
- Diabetes: es la primera causa de amputacin de miembros en Espaa y la primera
causa de ceguera. Es el motivo clsico de gnesis de discapacidad.
- En los ltimos aos, han aumentado ms las cadas.
Los aos de vida ajustados por discapacidad tienen en cuenta, los aos de vida perdidos
por muerte prematura (antes de 75) y los aos de vida vividos con discapacidad. Los AVAD
suman los aos de vida perdidos (AVP) debido a la mortalidad prematura y los aos perdidos
por enfermedad/discapacidad (APD).
Esta medida es el mejor indicador de salud y de carga de enfermedad de la poblacin.
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.
Evolucin de la mortalidad en Espaa.

Desde el ao 1990 hasta el 2010, lo que ha disminuido principalmente son el nmero de
muertes por accidentes de trfico. Este es el mayor xito de la sanidad pblica en Espaa.
Esto lo ha logrado la DGT, que en definitiva depende del Ministerio del Interior.
Sin embargo, ha aumentado la mortalidad por Alzheimer y por carcinoma colorrectal.
31
Tendencias de la mortalidad en Espaa.

La mortalidad ha ido disminuyendo desde
1900 hasta la actualidad.
En el ao 1918 hubo un pico de mortalidad
debido a la epidemia de la gripe espaola.
En torno a 1935-1940 vuelve a haber un
aumento de la tasa bruta de mortalidad
coincidiendo con la guerra civil.
Desde 1990 por el envejecimiento de la
poblacin la tasa de mortalidad aumenta
progresivamente.
Esto no significa que haya empeorado el
sistema de salud, y se puede demostrar
porque la esperanza de vida es cada vez
mayor por medio de la tasa ajustada de
mortalidad.
Cada ao aumenta el nmero de muertes, sin embargo, la tasa de mortalidad ha ido
disminuyendo con el tiempo debido a que el nmero de habitantes de la poblacin es mayor.
Al haber ms poblacin muere ms gente, pero la relacin entre estos dos factores disminuye. Es
importante que recordemos que la tasa de mortalidad sigue un ligero ascenso desde la
dcada de los 90 como consecuencia del envejecimiento de la poblacin.
Distribucin geogrfica de la mortalidad en

Espaa.
La distribucin de mortalidad en Espaa vara en
funcin de que tasas utilicemos para medirlo.
Si miramos una distribucin grafica que represente
las tasas crudas la mortalidad ser mayor en
Castilla Len, Castilla la Mancha, Galicia,
Asturias y el Pas Vasco. Esto es as, porque es
donde vive la poblacin ms envejecida.
Sin embargo, al mirar las tasas ajustadas de
mortalidad veremos que es mucho mayor en
Asturias, Andaluca, Canarias y Valencia. En
Asturias hay una gran cantidad de contaminantes.
En las comunidades del sur hay un menor nivel
educativo, econmico y social. Como conclusin
podemos afirmar que hay varias causas
relacionadas con la mortalidad.
32
TEMA 6: EPIDEMIOLOGA DESCRIPTIVA. PERSONA, TIEMPO Y LUGAR
33
34
TEMA 7: TIPOS DE ESTUDIOS EPIDEMIOLGICOS
Criterios para clasificar los estudios epidemiolgicos.

1. Objetivo del estudio: por qu se hacen?
a) Estudios descriptivos: se limitan a estudiar la frecuencia y distribucin de la
enfermedad (y los factores de riesgo). Ej: qu proporcin de una poblacin tiene
diabetes o fuma.
b) Estudios analticos: son aquellos cuyo principal objetivo es estudiar la asociacin

entre variables, es decir, la relacin entre factores de riesgo o de proteccin y sus
consecuencias.
2. Control ejercido por el investigador sobre las condiciones del estudio.

a) Estudios experimentales: el investigador tiene el control, pues decide quin est
expuesto a un factor a estudiar y quin no: asigna o escoge las condiciones de
exposicin. Ej: ensayos clnicos.
b) Estudios observacionales: son la mayora. En ellos el investigador no interviene o

manipula las condiciones, no tiene control, sino que saca sus conclusiones a partir
de la simple observacin de una situacin.
3. Unidad de anlisis o tipo de datos analizados.

a) Estudios individuales: son aquellos que tienen informacin de cada individuo del
estudio (datos individuales o individualizados). Se analizan los datos propios de
cada individuo para ver la prevalencia, la asociacin, etc.
b) Estudios ecolgicos: analizan datos agregados, no datos de cada individuo por

separado; la unidad de anlisis es un grupo (provincias, pases europeos, etc.).
Tambin se mide la frecuencia y distribucin. Un ejemplo sera mirar la mortalidad en
una poblacin y el consumo de grasas general para ver la asociacin o estudiar la
relacin entre fumar y padecer bronquitis crnica por distritos en Madrid. Solo hay un
estudio de este tipo: estudio ecolgico.
4. Relacin del estudio con la variable tiempo.

a) Estudio transversal: puede llevarnos un mes, pero en la investigacin dentro de ese
estudio no est incluido la variable del tiempo. Es como una encuesta en un
momento determinado (fotografa). La mayora de los estudios transversales son
descriptivos (prevalencia de diabetes). No hay seguimiento, no hay investigacin en
el tiempo de la ocurrencia de la exposicin y enfermedad.
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.
5. Criterio de seleccin de sujetos:

a) Segn la exposicin: los sujetos se seleccionan en funcin de si estn expuestos o no
al factor que estudiamos. Es caracterstico de los estudios de cohortes y de los
experimentales.
b) Segn la enfermedad: los sujetos se seleccionan en funcin de si presentan o no la

enfermedad. Es caracterstico de los estudios de casos y controles.
c) No aplicable: los sujetos se eligen independientemente de la exposicin y la

enfermedad. Es caracterstico de los estudios transversales y ecolgicos.
35
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
3. Estudios experimentales o ensayos.

Son estudios experimentales (hay asignacin de la exposicin por parte del investigador),
individuales y longitudinales prospectivos.
Son difciles de llevar a cabo (problemas ticos) y suelen ir dirigidos a evaluar la eficacia de
medicamentos o la efectividad de intervenciones preventivas o teraputicas.
Los 3 principales tipos de estudios experimentales son:

3.1.Ensayo clnico (ensayo aleatorizado controlado): estudio experimental que evala
cualquier variable, normalmente la eficacia de medicamentos. Se diferencia del
ensayo de campo que este solo analiza intervenciones preventivas. Randomizacin.
3.2.Ensayo de campo: estudio experimental que evala la efectividad de intervenciones

preventivas o teraputicas, siendo la unidad de exposicin individual.
3.3.Ensayo de intervencin comunitaria: estudio experimental que evala la

efectividad de intervenciones preventivas o teraputicas, siendo la unidad de
exposicin o asignacin (no de anlisis) poblacional o agregada. El ejemplo ms claro
es la fluoracin de las aguas de consumo (se expone a un pueblo entero por ejemplo).
Otro ejemplo sera un programa en las escuelas sobre alimentacin saludable y
ejercicio fsico (aunque en prcticas lo vimos como ejemplo de ensayo de campo).
ENSAYOS CLINICOS (O DE CAMPO) ENSAYO COMUNITARIO
Presente Futuro Presente Futuro
GRUPO A
(Factor EFECTO
presente) Presente COMUNIDAD A EFECTO
Ausente Prevalencia
de caries
+
+
Fluoracin de
FACTOR DE
PARTICIPANTES EXPOSICIN las aguas de
consumo
- -
GRUPO B EFECTO EFECTO

(Factor Presente COMUNIDAD B
ausente) Ausente 36 Prevalencia
de caries
4. Estudio de casos y controles.
Son estudios observacionales, individuales,
ESTUDIOS DE CASOSanalticos y longitudinales retrospectivos. Su
Y CONTROLES
principal diferencia con el estudio de cohortes es que la seleccin de los individuos se realiza
en funcin de si tienen la enfermedad objeto de estudio (casos) o no la tienen (controles).
El diseo es complicado, sobre todo en la seleccin de controles.
Pasado Presente
EXPOSICION
ENFERMEDAD
Presente Presente (CASOS)

Ausente
Presente Ausente (CONTROLES)

Ausente
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
ESTUDIOS DE COHORTES (Retrospectivo)
Pasado Presente
EXPOSICION ENFERMEDAD
Presente (Expuestos) Presente
Ausente (No expuestos) Ausente
6. Serie de casos clnicos.

Pre-estudios, descriptivos, no hay seguimiento (no hay comparacin entre grupos). No es
un estudio epidemiolgico, sino la antesala de un futuro estudio de casos y controles
donde se recogen una serie de casos.
7. Comunicacin de un caso clnico.

Pre-estudios, descriptivos, no hay seguimiento (no hay comparacin entre grupos). No es
un estudio epidemiolgico, sino la antesala de un futuro estudio de casos y controles
donde se recogen el primer caso que aparece.
37
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.
2. Control del investigador:

- Experimentales: estudios experimentales (los 3 ensayos).
- Observacionales: todos menos los experimentales (transversales, ecolgicos, cohortes
y casos y controles).
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.
5. Seleccin de los sujetos:

- Exposicin: estudios experimentales y de cohortes.
- Enfermedad: estudios de casos y controles.
- No procede: estudios transversales y ecolgicos.
Fuerza de la asociacin entre la exposicin y enfermedad en estudios analticos.
Vamos a analizar cul es la potencia de los estudios analticos para establecer la asociacin
entre la exposicin al riesgo y la enfermedad:
- Experimentales > Observacionales.
- Individuales > Ecolgicos.
Dentro de los individuales: Longitudinales > Transversales.
Dentro Ventajas e inconvenientes
de los longitudinales: de los principales
Prospectivos diseos epidemiolgicos
> Retrospectivos.
Ventajas e inconvenientes de los principales diseos epidemiolgicos.

De corte Casos y controles Cohortes Experimentales
transversal
Enfermedades crnicas Rpidos y baratos Exposiciones raras Relacin temporal
Resultados Enfermedades raras Analizan varios efectos de Control de sesgos

generalizables una exposicin
Enfermedades de largo periodo de
+ Rpidos y baratos latencia Relacin temporal
Incidencia
Prevalencia Analizan varios factores a la vez
Analizan varios efectos
No relacin temporal No en exposiciones raras No en enfermedades raras Limites por razones

ticas
Sesgos No miden incidencia Costosos y de larga duracin
Elevado coste
- No en enfermedades Relacin temporal difcil Perdidas seguimiento
raras Solo estudian una
Sesgos intervencin
Todos los estudios tienen sesgos, pero unos menos que otros.
38
Algunos esquemas:
Asignacin de la exposicin por el investigador?
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
Quin? Dnde? Cundo? Por qu?

(Frecuencia y distribucin de (Determinantes d la
la enfermedad) enfermedad)
Hiptesis
ESTUDIOS DESCRIPTIVOS ESTUDIOS ANALITICOS
Poblacin Individuo Estudios Estudios

como unidad de como unidad observacionales experimentales
anlisis de anlisis
ESTUDIOS DE
COHORTES
ENSAYO CLINICO
ESTUDIOS
ECOLOGICOS ESTUDIOS
TRANSVERSALES ESTUDIOS CASOS- ENSAYO
CONTROL COMUNITARIO
39
Analticos
Ensayo clnico
Experimentales
Ensayo de campo
Ensayo de intervencin comunitaria
Observacionales
Cohortes
Casos y controles
Transversales analticos Ecolgicos analticos
Individuos Grupos de
individuos
Transversales descriptivos
Ecolgicos descriptivos
Descriptivos
40
TEMA 8: ESTUDIOS ECOLGICOS Y TRANSVERSALES
ESTUDIOS ECOLGICOS O DE CORRELACIN.

Tomaremos el ejemplo de uno de los estudios
ecolgicos ms relevantes. Se toma como dato
la dieta de 17 cohortes de sujetos (ntese que
son grupos y no individuos aislados)
provenientes de 7 pases diferentes.
Tras finalizar el estudio se relacion el
porcentaje de caloras de la dieta procedentes
de la ingesta de cidos grasos saturados con la
mortalidad por afeccin coronaria,
comprobndose que existe una relacin lineal
entre ambas.
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.
Algunos ejemplos de datos secundarios los obtenemos de:

- Encuestas Nacionales de Salud.
- Estadsticas de mortalidad del INE.
- Encuestas de presupuestos familiares.
- Datos del censo.
- Encuesta de morbilidad hospitalaria.
- Encuestas de discapacidad del INE.
Variables usadas por los estudios ecolgicos.
Las variables que vamos a utilizar para los estudios ecolgicos son:
- Mediciones agregadas. Resumen las caractersticas de los individuos dentro de un grupo.
Como ejemplo:
El consumo medio de grasa.
La proporcin de fumadores.
41
- Medidas ambientales, que representan caractersticas fsicas del lugar geogrfico del
grupo de inters. Por ejemplo:
Las horas de luz solar.
La intensidad de la polucin ambiental.
- Mediciones globales (intrnsecamente ecolgicas), que representan caractersticas
grupales que no tienen anlogo a nivel individual. Por ejemplo:
El sistema poltico.
La atencin sanitaria.
La magnitud de desigualdades en salud.
Ejemplos de estudios ecolgicos.
- Estudios geogrficos exploratorios.
Un ejemplo de estos sera el estudio
de la distribucin de la mortalidad
por infarto agudo de miocardio en
Europa, en la que se ve una gran
diferencia entre los pases del norte
(gran mortalidad) y del sur (menor
mortalidad). De estos estudios
podemos extraer estrategias de
prevencin y generacin de hiptesis.
De esta manera, a partir de este estudio podemos estudiar la distribucin del consumo de
frutas y verduras, advirtiendo que tiene una imagen especular, esto es, un mayor
consumo en los pases del sur (y menor consumo en los del norte).
- Estudios de tendencias temporales exploratorios. Supone la observacin de lo ocurrido

en un periodo de tiempo (no confundir con un estudio longitudinal puesto que aqu no se
toman individuos a los que se siguen, sino que solo valoramos datos de las poblaciones
enmarcados en un periodo de tiempo). En uno de los grupos se advierte como a lo largo del
tiempo descienden las muertes por infarto.
Esto se debe posiblemente a la mejora del nivel socioeconmico y al uso de frmacos
antihipertensivos, que mediante otro estudio podemos ver como aumenta su consumo en
este mismo rango temporal estudiado. Igualmente nos permiten conocer los datos de
incidencia de ciertas enfermedades en un periodo de tiempo y ver la tendencia de la
misma.
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
- 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.
Adems, tambin tienen una especial

relevancia en salud pblica, como, por
ejemplo, el estudio de la prevalencia de
consumo de tabaco, con respecto a una
serie de medidas empleadas:
Aumento del precio del tabaco: 59%.
Polticas de los medios: 28%.
Leyes de aire limpio: 11%.
Limitacin del acceso a la juventud: 2%.
- Estudios de inmigracin. Estos estudios nos ponen en alerta de la importancia de las
circunstancias socioeconmicas a las que se ven sometidos los inmigrantes que llegan a
un pas.
Por ejemplo: un estudio estableci la
diferencia en la mortalidad por cncer
de estmago en diferentes conjuntos
de inmigrantes, separndolos en tres
grupos:
Los que haban nacido en Italia.
Los que haban nacido en Canad
de dos padres italianos.
Los que haban nacido en Canad
con solamente un padre italiano.
La mortalidad relacionada con el cncer de estmago desciende dentro de estos tres

grupos, ya que el primer grupo es el que ms mortalidad presenta.
Inconvenientes de los estudios ecolgicos.

Mala clasificacin de datos: gente que no est expuesta se clasifica como expuesta.
Colinealidad: ocurre cuando se incluyen simultneamente predictores ecolgicos
altamente correlacionados, lo que da lugar a razonamientos de asociacin errneos. Ej:
el mercurio corporal y el consumo de pescado.
Mala disponibilidad de datos: a veces, no est disponible la informacin sobre otras
variables que afectan la relacin de estudio. Esto frecuentemente nos hace utilizar
43
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.
A tener en cuenta en los estudios ecolgicos.

En los estudios ecolgicos, hay que tener presente una serie de condiciones:
- La interpretacin de los datos debe ser muy cautelosa puesto que no son los diseos ms
adecuadas para realizar inferencias causales.
- Las variables pueden operar de forma diferente a nivel individual y colectivo.
- Al estudiar datos de pases diferentes pueden existir diferencias en la notificacin,
registro, codificacin de las variables.
- Es difcil controlar la confusin por terceras variables.
- Importante pensar como los individuos se organizan dentro del grupo y cmo interactan
entre los grupos.
- Puede existir variables confusoras o modificadoras del efecto a nivel ecolgico, aunque
no lo sean de forma evidente a nivel individual
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
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.
Observacin clnica Asociacin subyacente.

Altas concentraciones de oxgeno en
Nios recin nacidos con ceguera
incubadora
Sarcoma de Kaposi en varones jvenes Infeccin por VIH
Cataratas, defectos del corazn y sordera de Infeccin materna por rubeola durante el
recin nacidos. embarazo.
Angiosarcoma de hgado en trabajadores. Exposicin industrial al cloruro de vinilo
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
Para ellos se toma una muestra representativa de la

poblacin total (obtenida al azar), donde se escogen, en un
determinado momento, individuos enfermos y no enfermos, e
individuos expuestos al factor de riesgo y no expuestos.
Permiten describir fenmenos de salud (establecer el

estado de salud) de una poblacin y con la finalidad de
planificacin de servicios sanitarios.
Un ejemplo que se coment fue un estudio llevado a
cabo para conocer los porcentajes de hipertensos
diagnosticados, diagnosticados y tratados, y
tratados y controlados en Espaa en 1998, frente a
aquellos hipertensos no conocidos, no tratados y no
controlados, respectivamente. Y de aqu se extrajo la
conclusin de que solo el 23% de los hipertensos estn
controlados.
Aplicaciones de los estudios transversales.

- Estimacin de la prevalencia de una enfermedad.
- Evaluacin de la salud de la poblacin (encuestas poblacionales).
- tiles para la planificacin de servicios sanitarios y valoracin de la idoneidad de los
recursos disponibles.
- tiles para valorar prcticas, actitudes, conocimientos y creencias de la poblacin sobre
un acontecimiento en relacin con la salud.
- Determinacin de las caractersticas de las personas enfermas y sugerir hiptesis
etiolgicas.
- Investigacin de los factores causales para enfermedades de larga duracin y que se
inicien de forma lenta. Es til en la medida en que la exposicin actual refleja la
exposicin etiolgicamente importante.
En este caso cuenta con la limitacin de que al no incluir la variable tiempo y no haber
seguimiento, no podemos estar seguros de las causas pese a las asociaciones que
observemos. NO sabemos si fue antes la exposicin o la enfermedad.
- Con frecuencia son la primera etapa de un futuro estudio de cohortes.
45
- Permiten llevar a cabo vigilancia epidemiolgica de enfermedades y factores de riesgo.
Obtencin de datos con fines especficos.
- Entrevistas frente a mediciones.
- Biomarcadores.
- Administrado por un entrevistador:
Telfonico. El secreto es la insistencia hasta que los seleccionados amenazan con
denuncias.
Cara a cara.
- Autoadministrado.
Otros aspectos importantes
- Es necesaria la predeterminacin del tamao muestral y clculo del poder estadstico,
esto es, la capacidad de encontrar diferencias estadsticamente significativas cuando
realmente las hay.
- Una vez elegida la muestra se debe tratar de obtener la mxima participacin:
importancia de que la tasa de respuesta (participacin) sea alta dentro de la muestra
elegida.
- Se deben recoger tambin, las variables que puedan modificar o afectar la asociacin
de estudio.
Ventajas de los estudios transversales.

- Son ms baratos y sencillos que otros diseos (el coste depende sobre todo del tamao del
estudio y de las tcnicas de medida).
- Se pueden realizar en un corto periodo de tiempo.
- Permiten estudiar a muchos individuos.
- Se pueden estudiar mltiples enfermedades.
- Si se trata de una muestra representativa de la poblacin general se pueden generalizar los
resultados.
- En vigilancia epidemiolgica permiten tomar decisiones rpidas.
Limitaciones de los estudios transversales.
- No establece la secuencia temporal de las variables estudiadas, por lo que impide la
establecer relaciones causales (causacin reversa). Ejemplos:
Actividad fsica y enfermedad coronaria.
Nivel socioeconmico y enfermedad mental.
- Existe cierta dificultad para separar los factores de riesgo de los factores pronostico que
influyen en la duracin de la enfermedad.
Si hay factores que incrementan la duracin de la enfermedad en un determinado grupo de
la poblacin, las caractersticas que diferencian a ese grupo de la poblacin general
aparecern como asociadas a la enfermedad.
Por ejemplo: En un estudio se valor la posible relacin de la leucemia con un determinado
gen. Los individuos con leucemia con la variante A del gen mueren, mientras que los
individuos con leucemia con la variante B del gen sobreviven y sern parte de la muestra
del estudio por lo que el resultado dir que el gen es la causa de la leucemia cuando en
realidad es un factor protector.
- Sensibles al sesgo de no respuesta por parte del participante.

- Falta de representatividad de la muestra. Ejemplo: tuberculosis e inmigrantes ilegales.
46
Diferencia entre casos prevalentes e incidentes.
El estudio transversal siempre estudia prevalencia, es decir, los casos presentes en un

momento determinado, el cual no se ve afectado por otras variables como las perdidas,
defunciones o curaciones.
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.
Mal uso de los estudios transversales:

- En 1975 se observ la asociacin entre monitorizacin durante el parto y una disminucin
de la mortalidad perinatal.
- En 1995 un meta anlisis demostr que la monitorizacin fetal no aportaba beneficios para
los nios y poda complicar el parto
- Actualmente en EEUU se considera una recomendacin tipo D (evidencia contra su uso
rutinario).
- A pesar de eso en partes se monitoriza al feto.
Resumen de los estudios ecolgicos y los estudios transversales.
1. Estudios ecolgicos.
La unidad de observcin y anlisis es un grupo de individuos.
Algunas exposiciones tienen nicamente variacin poblacional y su estudio tiene que
ser abordado ecolgicamente (ejemplo: leyes, regmenes de gobierno, etc.)
Son baratos y rpidos.
Pueden generar hiptesis.
Relevantes para integrar a nivel poblacional problemas de salud complejos.
Hay que evitar la falacia ecolgica.
Proporcionan evidencias dbiles sobre la asociacin entre un factor y una enfermedad.
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
48
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).
Entonces se realiza un seguimiento en el tiempo. El primer momento se llama tiempo cero,

tiempo basal o tiempo al inicio del seguimiento: es igual para los dos grupos (por ejemplo, el
11 de octubre).
Tras el seguimiento de los participantes, algunos de los expuestos y no expuestos, desarrollaran
el evento: enfermedad, secuela, complicacin; y otro grupo en expuestos y en no expuestos,
que no desarrolla el evento. Por ejemplo, fumadores y no fumadores, cuantos de ellos
desarrollan cncer de pulmn y cuantos no.
El tiempo de seguimiento siempre tiene que ser mayor al tiempo de induccin de la

enfermedad. Por ejemplo, el seguimiento durante 2 aos a fumadores no es til porque el
tiempo de induccin del cncer de pulmn es mayor.
Otro ejemplo: alcohol y cirrosis heptica. El tiempo de seguimiento debe ser mayor al tiempo de
induccin de la cirrosis.
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.
Los datos necesarios en los estudios de cohortes son:

- Presentacin de los datos en una tabla de contingencia o 2x2.
- En las columnas, se colocan enfermos y no enfermos.
- En filas, se colocan, expuestos y no expuestos.
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):
Ejemplo. Si el RR es de 2,2; este resultado significara que es 2,2 veces ms probable la

aparicin de cncer de pulmn en los individuos expuestos, que en los individuos no
expuestos al tabaco.
- El seguimiento de los participantes en un estudio de cohortes se representa en una

grfica: eje de abscisas: tiempo de seguimiento; y en el eje de ordenadas: participantes.
49
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.
Es mucho ms eficaz la cohorte dinmica, porque:

- Tiene mayor tamao muestra.
- Se parece ms a la poblacin general: hay migraciones y no es constante a lo largo del
tiempo.
Sin embargo, tiene una mayor complejidad en el anlisis.
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
Las principales caractersticas de los estudios se cohorte son:

- Son analticos: buscan causalidad.
- Son observacionales: solo se ven expuestos y no expuestos, no se interviene.
- Son longitudinales: seguimiento a lo largo del tiempo.
Se seleccionan y comparan los participantes, segn estn expuestos o no a un determinado
factor al comienzo del periodo de observacin (en el estudio de casos y controles, se estudian
enfermos y no enfermos).
Diseo del estudio de cohortes.

Se realiza un seguimiento de ambos grupos para
comparar la incidencia del evento de inters. Por
ello hay que descartar los casos prevalentes. Se
compara incidencia, y no prevalencia.
Si existe asociacin positiva entre exposicin y

efecto: el grupo de personas expuestas tendr
mayor incidencia que los no expuestos.
A. Eleccin de los sujetos.

Se realiza de dos formas:
- Seleccionar grupos para la inclusin en el mismo basndose en si han sido expuestos o
no (p. ej. cohortes que presentan una exposicin laboral). As se obtiene una exposicin
especfica.
- Seleccionar poblacin definida antes de que cualquiera de sus miembros se exponga
o antes de identificar sus exposiciones. Se obtienen muchas exposiciones.
La identificacin de la cohorte no expuesta es esencial: su funcin es estimar la frecuencia

que tendra la enfermedad en la poblacin de donde provienen los individuos que
componen la cohorte expuesta si no existiera exposicin.
Si la frecuencia es similar en ambos grupos: la exposicin no aumenta la probabilidad de
desarrollar el evento de inters.
Para poder efectuar esta afirmacin, la cohorte no expuesta debe ser comparable a la
expuesta respecto a las variables que se consideran pronosticas del evento de inters
(sociodemogrficas, estilos de vida, etc.).
50
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.
Hay que realizar una serie de acciones en dos momentos clave:

- Al inicio del seguimiento (tiempo 0), han de realizarse 3 acciones:
Descartar casos prevalentes.
Definir caractersticas de los participantes.
Observacin y clasificacin al grupo expuesto o al no expuesto.
- Durante el seguimiento, hay que recoger:
Informacin sobre la aparicin del efecto (incidencia).
Informacin sobre otros efectos que puedan interferir con los resultados (p. ej.
muerte por causa no relacionada con el efecto a estudiar).
Mediante la recogida de informacin, se pretende ver el efecto, incidencia y otros factores

que influyan en el evento. Por ejemplo, la aparicin de otra causa del evento o el
desarrollo de otra enfermedad a causa de la exposicin.
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
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.
Ejemplos. Estudio Framingham sobre enfermedad cardiovascular en individuos entre 30 y

62 aos de edad; o la cohorte ENRICA de la UAM sobre los hbitos dietticos y el sndrome
de fragilidad durante 2 aos.
1.2.Estudios retrospectivos (estudio prospectivo no concurrente o histrico).

Los datos estn recogidos en el pasado en
poblacin preexistente.
Estos estudios son menos comunes. Tiene una
especial diferencia con los estudios de casos y
controles, y es que, aunque los individuos ya hayan
desarrollado la enfermedad, los datos ya estaban
recogidos con anterioridad al desarrollo del
evento.
Ejemplo. Cohorte de poblacin sueca para el

estudio de diferentes canceres. Se trata de
personas que haban desarrollado cncer y se
pretenda ver la ocupacin haban tenido estos
individuos en su pasado.
Diferencias y similitudes entre un estudio de cohortes prospectivo y retrospectivo:
COHORTES PROSPECTIVO COHORTES RETROSPECTIVO (HISTRICO)

DIFERENCIAS
Tiempo
Exposicin y no exposicin se determinan a Exposicin se determina a partir de registros
medida que ocurren anteriores
Econmicamente
Ms caros (por la duracin) Ms baratos
Tiempo de realizacin del estudio
Ms largos Ms cortos
Sesgos
Menos (se sigue todo el tiempo a los Ms (debido a fuentes recogidas para otros
participantes) fines, errores o falta de registros, etc.)
Factores de exposicin
Factor de exposicin frecuente Factor de exposicin raro
52
Secuencia temporal
Ms evidente (seguimiento en el tiempo) Menos evidente
SIMILITUDES
Diseo
Se comparan poblaciones expuesta y no expuesta
2. Segn la inclusin de participantes.

2.1.Cohortes fijas.
Los participantes que forman la cohorte se enumeran al inicio del
seguimiento y no se permite la entrada de nuevos participantes.
Todos los participantes entran a la vez al estudio, pero no todos
tienen porque terminarlo al mismo tiempo.
Ejemplo. Estudio de la progesterona y la incidencia de cncer de

mama. Se concluye que la incidencia de cncer de mama era 1.8
veces mayor en las mujeres con anomalas hormonales.
2.2.Cohortes dinmicas (preferible).

Son cohortes que aceptan nuevos participantes a lo largo del
tiempo.
- Representan mejor a la poblacin de origen.
- Tienen mayor tamao muestral.
Ejemplo. Proyecto SUN: investigacin de la incidencia de la dieta,
trabajo, ejercicio fsico y frmacos a enfermedades como la
obesidad, diabetes, enfermedad cardiovascular, sndrome
metablico, depresin
3. Segn el nmero de cohortes.

3.1.Estudios de una cohorte (ms frecuente).
Existe una nica poblacin de estudio.
Ejemplo. Nurses health study (NHS) (1976). Estudia los

factores de riesgo en enfermedades crnicas en las mujeres:
anticonceptivos a largo plazo.
3.2.Estudios de dos cohortes.

Se realiza una seleccin de dos
poblaciones separadas de expuestos y
no expuestos, y se comparan los
resultados entre las dos muestras.
Estn indicados cuando la exposicin es poco comn y normalmente se permite una
comparacin con la poblacin general. La poblacin de comparacin presenta unas
caractersticas similares.
Ejemplo. Estudio sobre los efectos de la exposicin crnica a radiaciones ionizantes; o el

estudio Manresa (mortalidad por cncer de pulmn por hbitos tabquicos).
Ventajas de los estudios de cohortes.
- Permite calcular la incidencia del/de los eventos.
- Permite establecer la historia natural de la enfermedad (secuencia temporal).
- tiles para medir los efectos de exposiciones infrecuentes en la poblacin:
estudios retrospectivos.
- Permite medir varios efectos de una sola exposicin.
- tiles cuando el efecto es relativamente frecuente.
53
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.
Calidad de la evidencia cientfica.

NIVEL DE EVIDENCIA TIPOS DE ESTUDIOS
1a. Revisin sistemtica de ensayos clnicos aleatorizados (ECA).
1
1b. Ensayo clnico aleatorizado individual.
2a. Revisin sistemtica de estudios de cohortes.
2 2b. Estudios de cohortes individual y ECA de baja calidad.
2c. Estudios ecolgicos o de investigacin de resultados en salud.
3a. Revisin sistemtica de estudios de casos y controles.
3
3b. Estudios de casos y controles.
4 Series de casos.
5 Casos aislados.
Comparacin entre estudio de cohortes y estudio de casos y controles.

ESTUDIOS DE COHORTES ESTUDIOS DE CASOS Y CONTROLES
MUESTRA
Grupo de poblacin definido con Casos de la enfermedad y controles sin la
caractersticas comunes (cohorte). enfermedad o problema de salud.
TAMAO DE LA MUESTRA
Grande. Pequeo.
SENTIDO
Hacia delante. Hacia atrs.
MEDIDA DE RIESGO
Riesgo relativo (RR). Odds Ratio (OR).
COSTE
Elevado. Menor.
DURACIN
Larga. Breve.
ENFERMEDADES
Permite estudiar varias al mismo tiempo. Estudia una enfermedad.
ESTUDIO DE ENFERMEDADES LARGAS O DE LARGA DURACIN
Inapropiado Adecuado.
SESGOS
Menores/ mejor control Grandes/ difcil control (sesgos de seleccin)
54
Comparacin entre estudio de cohortes y ensayo clnico.

ESTUDIOS DE COHORTES ENSAYOS CLNICOS
SIMILITUDES
Comparacin de un grupo expuesto con un grupo no expuesto.
DIFERENCIAS
Exposicin
Observacin de la exposicin, para Intervencin. Asignacin aleatoria de la
clasificar exposicin.
Objeto de estudio
Tratamiento o medida preventiva (razones
Factor de riesgo
ticas).
55
56
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.
Diferencias con los estudios de cohorte.

Los estudios de cohortes y de casos y controles son distintos en cuanto a que:
- En el estudio de cohortes tenamos una poblacin que clasificbamos en expuesta y no
expuesta, y seguamos durante un determinado tiempo, al cabo del cual parte de la
poblacin enfermaba y otra no. A partir de las incidencia de enfermar en expuestos y no
expuestos calculbamos el riesgo relativo (RR): mide cunto ms enferman los expuestos
que los no expuestos (si es un factor de riesgo).
- En el estudio de casos y controles conocemos qu parte de la poblacin ha enfermado y
cul no. Esta caracterstica dota al estudio de casos y controles de una gran eficiencia en
cuanto al tiempo y la economa; adems puede favorecer la organizacin de estudios que
de otro modo no se hubiesen realizado (como por ejemplo, acerca de enfermedades con
un largo tiempo de induccin). Sin embargo, no nos permite calcular incidencias y por lo
tanto, tampoco el riesgo relativo.
Ejemplo de estudio de casos y controles.

Un ejemplo clsico de estudio de casos y controles fue el realizado por Broders en 1920 en el
cual se estudiaba si exista relacin entre fumar con pipa y el cncer espinocelular del labio.
Un estudio semejante no hubiese sido posible utilizando otro mtodo, ya que, por sus
condiciones, resulta impracticable. El proceso a seguir consiste en realizar una serie de
preguntas a un grupo de personas enfermas y a otro grupo de no enfermos para intentar llegar a
una conclusin sobre la influencia, o no, del factor en la enfermedad.
Objetivo de los estudios de casos y controles.

En un ejemplo extremo, suponemos la existencia de dos cohortes: una de 10.000 sujetos
expuestos (FR +) y otra de 20.000 sujetos no expuestos (FR -), que son seguidas durante 10
aos. Al cabo de los 10 aos, enferman 10 de los sujetos expuestos y 5 de los no expuestos.
Enfermos Sanos Total
FR + 10 9.990 10.000
FR - 5 19.995 20.000
Total 15 29.985 30.000
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
Total 15 150 165

57
"casos"= enfermos
Tipo de estudio. "controles" = sanos o enfermos otra enfermedad.
El estudio de casos y controles es un estudio tpicamente retrospectivo, en el que existen:
(pero la
- Casos: poblacin eleccin de estos ha de ser independiente de la exposicin)
enferma.
- Controles: poblacin sana o enferma de otra enfermedad. Lo ideal que compartan todo
lo posible con los casos (salvo la presencia o no de enfermedad), incluso la exposicin.
Sin embargo, la eleccinSedebusca el FRhaendeelserpasado:
los controles independiente de la exposicin.
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
FR? Casos Pero Cmo elegimos

FR? controles estos casos y controles?
Eleccin de los participantes: casos y controles.

Seleccin de los casos.
1. Diagnstico. Antes de seleccionar los casos, es muy importante identificarlos bien. Es
decir, es importante realizar un buen diagnstico y evitar falsos positivos (poblacin
diagnosticada como enferma siendo realmente sana), porque cuantos ms falsos
positivos se incluyan ms se diluir el efecto del factor causal (la asociacin).
Para ello, seguiremos las siguientes recomendaciones:
- Establecimiento de criterios diagnsticos claros y precisos, es decir, si una persona
no se adeca a los criterios establecidos es ms conveniente eliminarla del estudio
que incluirla bajo unas condiciones incorrectas (por ejemplo, excluir a los cnceres
sin confirmacin por histologa o a los enfermos que no tengan al menos un sntoma y
un signo de los siguientes).
- Estandarizacin de las tcnicas diagnsticas para ser considerado como caso.
- Los criterios de exclusin de los casos tambin se aplicarn a los controles (por
ejemplo, si excluimos a los casos menores de 50 aos, tambin los excluiremos en los
controles).
2. Poblacin de la que proceden los casos:

- Los casos pueden ser todos los producidos en esa poblacin o solo una muestra de
ellos.
- Se debe restringir el estudio a las personas que hayan podido exponerse al factor de
riesgo estudiado: las que no hayan podido estar expuestas no se usan ni como casos
ni como controles.
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.
5. Casos fallecidos. Los casos fallecidos pueden incluirse pero la informacin de la

exposicin la debemos recoger de otras fuentes relacionadas con el individuo:
familiares, registros de empresa, historias clnicas, y esta informacin debe ser fiable
(en caso contrario, es mejor no incluirlos).
58
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.
- La utilizacin de mltiples grupos de comparacin est relacionada con la

generalizacin (no siempre til). Es preferible tener un grupo control grande tomado de
una misma fuente frente a grupos pequeos de diferentes orgenes ms numerosos, ya
que los grupos pequeos pueden no compartir alguna caracterstica y esto puede llevar al
sesgo.
Relacin entre la ganancia de informacion y el
- Nmero de controles por caso.aExiste
n de controles elegiruna
porregla
cadasegn
caso la cual, para mejorar al mximo la
eficacia, la relacin ptima de es de 5 controles por caso (ms controles no dan una
eficacia mayor al estudio).
Proporcion
de informa
cion posible
de obtener
100
80
60
40
20
1 2 3 4 5 6 7
Numero de controles /caso
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
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.
- Odd de enfermar en expuestos:
- Odd de enfermar en no expuestos:
- Odd ratio (OR):
Por ello, realmente la forma ms fcil de calcular la OR es como el cociente de

productos cruzados:
Numerador: casos exp (a) x controles no exp (d).
Denominador: casos no exp (b) x controles exp (c).
El RR no debe usarse en estudios caso-control, ya que en este tipo de estudios el total de
enfermos y sanos es una cantidad elegida por el investigador, es decir, el evento resultado
(enfermedad o sano) no es aleatorio. Por consiguiente, esto introduce un sesgo al intentar
estimar la frecuencia natural de los eventos, pues sta resultara absolutamente espuria. Por
ende, no ser posible aplicar indicadores que hablen de probabilidad o riesgo. Es en estos
estudios caso-control donde debe necesariamente utilizarse el OR y no el RR.
60
Comparacin de medicin de efecto por RR y OR.
Vamos a calcular las medidas de efectos e dos ejemplos anteriores:
a) En la cohorte de 30.00 personas tenan esta distribucin y el RR se calculara del
siguiente modo:
FR + 10 9.990 10.000
FR - 5 19.995 20.000
Total 15 29.985 30.000
RR = Ie / Io = (10 / 10.000) / (5 / 20.000) = 4

b) Pero si solo escogemos los casos (enfermos) y una muestra de los sanos (1 de cada
200) al final del seguimiento (teniendo 9.990/50 = 50 controles expuestos y 19.995/200
= 100 controles no expuestos), podemos hacer un estudio de casos y controles sin sesgo
(similar experiencia P-T), donde la medida de efecto (OR) se calculara del siguiente
modo:
FR + 10 50 60
FR - 5 100 105
Total 15 150 165
OR = (a x d) / (b x c) = (10 x 100) / (50 x 5) = 4

Luego, en casos y controles una condicin para que el OR estime adecuadamente el RR
(sin sesgos) es que casos y controles procedan de la misma cohorte y tengan similar
seguimiento (P-T).
Relacin entre la OR y el RR segn cambia la frecuencia de la variable resultado.

La OR slo se aproxima al riesgo relativo
cuando el suceso es raro, por lo que su
interpretacin debe matizarse en funcin de
lo frecuente que sea el suceso que se usa
como respuesta o variable dependiente. Puede
comprobarse que cuando el evento es de rara
ocurrencia (menos del 10%) apenas existen
diferencias entre el OR y RR y por tanto ambos
estimadores son intercambiables; sin embargo
a partir de una frecuencia del 10% de la
variable resultado, la OR empieza a
despegarse del valor de RR.
Esto ocurre cuando a y c son nmeros

pequeos, entonces, la OR y la RR tendrn
valores parecidos. Si esto no ocurre, la OR ser
mucho mayor que el riesgo relativo y podr
llevarnos a error.
OR de exposicin vs. OR de enfermedad.

En los casos en que la enfermedad tenga una frecuencia baja (y sean a y c pequeos), el OR es
una buena medida que se aproxima al RR bastante y adems tiene la misma interpretacin:
cuntas veces ms enferma el grupo de expuestos (FR +) que el de no expuestos (FR -).
61
Es importante recordar que en un estudio de casos y controles se busca el OR de la
enfermedad. Sin embargo, con la tabla de contingencia que hemos usado, en realidad lo que
se est calculando es el OR de exposicin: cuntas ms veces estn expuestos los enfermos
que los no enfermos.
A pesar de ello, tanto el OR de enfermedad (deseado) como el OR de exposicin
(calculado), aunque se calculen de forma diferente, son numricamente equivalentes
(demostrado por Cornfield en 1951) y vamos a demostrarlo:
- Calculamos el OR de la enfermedad. Para ello invertimos la tabla usada:
FR + FR - Total
Enfermos 10 5 15
Sanos 50 100 150
Total 60 105 165
OR enf = (a x d) / (b x c) = (10 x 100) / (5 x 50) = 4

- Calculamos el OR de exposicin. Es el ya calculado usando la tabla utilizada
anteriormente, y que seguiremos usando:
FR + 10 50 60
FR - 5 100 105
Total 15 150 165
OR exp = (a x d) / (b x c) = (10 x 100) / (50 x 5) = 4

En esta tabla se puede observar que ambos OR son iguales. Este hecho es relevante en el
sentido de se podr colocar los datos en las tablas del modo explicado (es decir, como si se
calculase la OR de enfermar y no de estar expuesto) y as aplicar este formato tanto en
cohortes como en casos y controles.
Reglas prcticas en casos y controles.

Lo ms importante en los estudios de casos y controles son las siguientes normas:
1) La interpretacin del OR es similar a la del RR (cunto ms enferman los expuestos que
los no expuestos) y nos da unos rangos de valores posibles con el mismo significado (OR >
1 identifica un factor de riesgo; OR < 1 identifica un factor de proteccin y OR = 1
identifica nulidad de la asociacin).
2) Condiciones para aproximar el OR al OR:

La eleccin ha de ser independiente a la exposicin: tanto en casos como en controles
se pregunta la exposicin posteriormente.
Debe existir similar experiencia P-T en casos y controles.
Frecuencia de la enfermedad:
- Porcentaje (frecuencia) de la enfermedad en no expuestos ha de ser < 0,01.
- Porcentaje (frecuencia) de la enfermedad en expuestos ha de ser < 0,1.
3) Los controles han de ser representativos de los casos: deben proceder de la misma
poblacin base, por ejemplo, de una misma cohorte.
4) El tiempo de induccin es clave en expuestos y no expuestos.
5) El nmero ptimo de controles por caso es de 5.
6) Es mejor usar casos incidentes que prevalentes.

62
La OR proporciona una estimacin no sesgada del RR si
controles se eligen de forma independiente de la exposicin y
tiene similar experiencia en P-TManuel
Investigacin Epidemiolgica en casos y controles
Jurez y Vctor Macarrn
En definitiva, un estudio de casos y controles
debe considerarse como un estudio de
cohortes, en el que los casos son los mismos
(o una muestra no sesgada de estos) y los
controles una muestra de la poblacin no
enferma (o al menos no enfermedad de esa
enfermedad) de aquellas mismas cohortes.
De este modo, la direccin de la investigacin
es contraria a la direccin temporal de la
enfermedad.
La OR proporciona una estimacin no sesgada
del RR si los controles se eligen de forma
independiente a la exposicin, si se tiene
similar experiencia en P-T en casos y
controles y si la frecuencia de la enfermedad
es baja.
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:
B) Medida puntuales de efecto: consiste en calcular la OR:

OR = (a x d) / (b x c)
C) Medidas de efecto por intervalo: calculamos el intervalo de confianza de nuestro OR

para una P < 0,05 (por ello usamos un valor de 1,96). Podemos calcular el intervalo de
confianza de dos formas:
- OR (1 1,96/!)
- e (lnOR 1,96 (1/a + 1/b + 1/c + 1/d)
Normalmente usaremos la primera (la segunda es una aproximacin). Para comprobar que
hemos hecho todo bien, si la ! calculada es significativa, el intervalo de confianza (ambos
lmites) tiene que estar por encima de 1 (si es un factor de riesgo) o por debajo de 1 (si es
un factor de proteccin) pero nunca incluir al valor nulo (OR = 1).
63
Vamos a practicarlo con un ejemplo:
Casos Controles Total
FR + 10 90 100
FR - 1 99 100
Total 11 189 200
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.
Existen 2 problemas a los que nos podemos enfrentar al hacer el anlisis:

a) Orden de las filas y columnas en la tabla. Para evitar errores, siempre hemos de colocar
la exposicin en filas (primero expuestos y luego no expuestos) y luego enfermedad
(primero enfermos o casos y luego no enfermos o controles).
b) Diferencias no significativas. Para conseguir que el OR calculado sea significativo la
solucin es aumentar el tamao muestral. Aunque no cambie el OR (la relacin se
mantiene), ste se hace significativo y el intervalo de confianza vara (no incluye el valor
nulo).
Sesgos en estudios de casos y controles.

Los 2 principales problemas de los estudios de casos y controles son:
- No medir frecuencia.
- Gran nmero de sesgos: los estudios de casos y controles son susceptibles de sufrir ms
sesgos que los de cohortes (aunque compartan una parte de ellos).
Los sesgos en los estudios de cohortes y de casos y controles:

1. Desenmascaramiento. Puede ocurrir que una enfermedad oculta aparezca por el estudio
de otra enfermedad. Por ejemplo, fuertes sangrados menstruales en una mujer pueden
llevar a una investigacin que desemboque en un diagnstico de cncer subyacente.
Ocurre tanto en estudios de cohortes como en casos y controles.
2. Sesgo del trabajador sano. Se puso en evidencia cuando trabajadores sometidos a

ambientes peligrosos parecieron tener una tasa de supervivencia superior que la poblacin
general. La explicacin no es que el ambiente peligroso proteja a los trabajadores, sino
que la buena salud es un requisito previo para trabajar en esos ambientes, cosa que no
pasa en la poblacin general. Ocurre tanto en estudios de cohortes como en casos y
controles.
64
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.
4. Sesgo de recuerdo. Se produce cuando hay un recuerdo incompleto o impreciso en el

reporte de la informacin entre los grupos a comparar. Por ejemplo, puede ser que los
casos recuerden una exposicin pasada mejor que los controles, sobre todo si saben que la
misma se asocia a la enfermedad en estudio. Ocurre nicamente en los estudios de casos y
controles.
5. Sesgo de antecedentes familiares. Parecido al anterior, pueden no recordarse

determinados antecedentes familiares importantes. Ocurre nicamente en estudios de
casos y control.
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.
7. Sesgo de admisin hospitalaria. Si siempre se toman casos hospitalarios, los controles se

deben tomar tambin de poblacin hospitalaria, ya que las personas que van a un hospital
suelen estar menos sanas que el resto de la poblacin. Ocurre en estudios de casos y
controles.
8. Sesgo de prevalencia. Al tomar datos de prevalencia en vez de incidencia se puede dar

lugar a sesgo. Ocurre 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.
Cohortes Casos y controles
Desenmascaramiento
Trabajador sano
Sospecha de diagnstico
Recuerdo
Antecedentes familiares
No-respuesta
Sospecha de exposicin
Adminisin hospitalaria
Prevalencia
65
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:
Factor de riesgo Casos Controles OR lim 95%
0 tazas 10 45 1
1 taza 15 40 1,7 (0,7-4,1)
2 taza 14 35 1,8 (0,7-4,5)
3 tazas 15 30 2,2 (0,8-5,7)
4 tazas 30 25 5,4 (2,3-12,8)
5 tazas 25 20 5,6 (2,3-13,9)
6 tazas 27 19 6,4 (2,6-15,8)
7 tazas 20 16 5,6 (2,2-14,5)
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
1 taza (FR +) 15 40 5 tazas (FR +) 25 20
0 tazas (FR -) 10 45 0 tazas (FR -) 10 45
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.
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
Ejemplo de1 FR politmico con datos agrupados al mximo :

0
0 de 1 a 3 4 o mas

F de Riesgo casos
Las conclusiones de esta agrupacin seran idnticas a las anteriores. controles OR (lim9
b) Podemos agruparlos al mximo en: no toma caf (equivalente a toma 0 tazas y FR -) y
no toma caf
s toma caf (suma de todos los FR +).
10 45 ref=1
Si toma caf
Factor de riesgo Casos
146
Controles
185
OR lim 95%
3,5 (1,7-7
No toma caf 10 45 1
Total
S toma caf 146
156185 230
3,5 (1,7-7,3)
Total 156 230
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
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
Casos Todos los producidos Todos o una seleccin
Controles Todos los que no enferman Una muestra
Definida: cualquier sujeto puede Indefinida

Poblacin en riesgo
enfermar y hay que seguirlos a todos
Exposicin Medida antes de la enfermedad Medida despus de la enfermedad
Clculo de incidencia S No
Clculo de RR Directo Estimada (OR)
N de efectos medibles Muchos efectos (enfermedades) Un efecto (enfermedad)
N de exposiciones estudiadas Una exposicin Varias exposiciones
Enfermedades raras Poco tiles Muy tiles
Exposiciones raras tiles No tiles
Evitar prdidas de sujetos Necesario No necesario
Determinar correctamente exp. Necesario Imprescindible
Sesgos posibles Pocos Muchos
N de sujetos en estudio, Altos (poco eficiente) Bajo (muy eficiente)

coste y cantidad de tiempo
usados
Establecimiento de causa Posible Imposible (sugerencias)
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.
Inconvenientes de los estudios de casos y controles:

- No estiman medidas de frecuencia de la enfermedad.
- Tienen gran probabilidad de sesgos.
68
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.
Hay tres tipos de estudios:

1. Ensayos de campo (preventivos). Se utiliza para prevenir
enfermedades que tienen una gran repercusin
epidemiolgica y en salud pblica. Se usa gente sana que
est expuesta a una amenaza de agresin. Al ser gente sana
se necesita mucha N (cantidad de poblacin).
Un ejemplo es la administracin de la vacuna de la polio en
1955 a nios de diferentes escuelas.
2. Ensayos comunitarios. La intervencin y exposicin se

hace a un grupo de personas en lugar de a personas
concretas, de forma que no sabemos cunta intervencin
recibe un individuo ni siquiera si la recibe.
Por ejemplo: se dieron diferentes charlas y clases a un
grupo de nios de 13 aos sobre los efectos del tabaco para
que dejasen de fumar o no empezasen a hacerlo. Frente a
un grupo control se observ que quince aos ms tarde los
que haban recibido la charla fumaban menos que los
que no. Individualmente no sabemos si todos los nios
recibieron la exposicin: no fueron a clase, se quedaron
dormidos
Otro ejemplo es la cloracin del agua: toda la poblacin
tiene acceso a ella, pero no tiene por qu estar expuesta
(puede comprar agua embotellada).
3. Ensayos clnicos (teraputicos). Es un experimento cuidadosa y ticamente diseanado

con el fin de responder a preguntas concretas formuladas previamente; que tienen que
ver con la evaluacin de la utilidad de procedimientos diagnsticos, teraputicos y
preventivos en el ser humano (definido por Bradford Hill en 1952).
Normalmente, para facilitar su comprensin, el ensayo clnico se refiere a frmaco, pero
se puede referir a ms cosas: tcnicas diagnsticas, tcnicas para dejar de fumar
Indicaciones para realizar un ensayo clnico.

Los ensayos clnicos estn indicados cuando:
Las estrategias para responder a esa pregunta de investigacin por mtodos
observacionales ya han sido llevadas a cabo: es un tema relativamente maduro. El ensayo
clnico no suele ser el primer abordaje.
El conocimiento existente no es suficiente para realizar recomendaciones clnicas o de
salud pblica.
Un experimento proporcionar probablemente un aumento importante del conocimiento;
en ocasiones es la nica forma de responder a una pregunta de investigacin.
Caractersticas del ensayo clnico.

El ensayo clnico se caracteriza por:
Con grupo control (o grupo de comparacin):
- Frente a placebo (si no hay tratamiento establecido).
- Frente al tratamiento establecido.
Randomizados (asignacin aleatoria de la exposicin).
Con ocultamiento de la secuencia de la aleatorizacin.
Doble ciego: ni los individuos ni los investigadores saben quin pertenece al grupo de
control y quin al grupo experimental.
69
Con anlisis segn intencin de tratar.
Ser prospectivo.
Principales caractersticas de las fases de un ensayo clnico.
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.
Pasos en la realizacin de un ensayo clnico.

Los pasos en la realizacin de un ensayo clnico son:
1. Seleccionar la cohorte de estudio.

Para ello hay que:
- Definir unos criterios de inclusin, que son muy estrictos: edad, sexo, condiciones de
morbilidad
- Establecer el tamao adecuado (aquel que nos otorgue el poder estadstico necesario)
y el plan de reclutamiento.
Si no conseguimos para nuestro estudio la muestra o tamao necesario no conseguimos
potencia y por lo tanto no es tico realizar el estudio, ya que exponemos a unos
riesgos a los sujetos del estudio y no vamos a poder extrapolar los resultados a la
poblacin general, por lo que sera un riesgo intil. Ningn comit de tica va a apoyar
un ensayo clnico sin tamao adecuado.
- Definir los criterios de exclusin. Normalmente se excluyen aquellos pacientes en los
cuales:
El estudio puede producir dao.
El tratamiento activo no puede o es poco probable que sea efectivo.
Es poco probable que se adhiera a la intervencin.
Es poco probable que se complete el seguimiento.
Existen problemas prcticos o ticos en la participacin.
Excluir sujetos con riesgos competitivos con el evento de estudio. Por ejemplo: no
vamos a incluir a un paciente con grandes posibilidades de morir (ej. personas con
cncer terminal), ya que si muere no puede proporcionarnos la informacin que
necesitamos en nuestro estudio.
70
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.
No es lo mismo seleccin randomizada que seleccin de conveniencia. Por ejemplo, si se

quiere realizar un estudio en los alumnos de 3; no es randomizar coger a toda la gente que te
encuentres en el pasillo, ya que es distinto de los individuos que te encuentras en la
biblioteca o en la cafetera, por ejemplo. Para randomizar tendramos que coger una lista con
todos los alumnos de 3, y elegir una muestra randomizada entre toda la poblacin (alumnos
de 3).
71
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.
Utilidad de la intervencin del enmascaramiento:

Es muy importante que mantengamos el ciego y que no sea violado por ninguna persona del
equipo, ya que un paciente que sabe que est siendo tratado con frmaco tendr una actitud
positiva, mientras que uno que sabe que est siendo tratado con placebo tendr una actitud
negativa y es ms probable que abandone el estudio.
- El enmascaramiento evita cointervenciones por los investigadores y otro personal
sanitario (factores de confusin posteriores a la randomizacin), as como las
cointervenciones por parte del propio paciente.
- Evita errores diferenciales de medida por parte de los sujetos de estudio o de los
investigadores.
- Menos probable (no viene en el tema):
[Los mdicos transfieran sus inclinaciones o actitudes a los participantes.
Ajustar la dosis de forma diferente en los dos grupos.
Animar o desanimar a los pacientes en continuar el estudio.
Abandonar el estudio sin proporcionar datos. Favorece que los dos grupos sigan siendo
comparables, ya que si los pacientes del grupo placebo abandonan el estudio los
resultados de un grupo y otro no sern comparables estadsticamente.]
Desventajas del enmascaramiento:

- Requiere colaboracin con la industria o la
farmacia: frmaco y el placebo tengan una
estructura similar.
- Hay veces que es identificable quien
pertenece a cada grupo por la clnica o por
la analtica: no se puede mantener el
ciego.
- Ti e n e q u e e x i s t i r u n s i s t e m a d e
desenmascaramiento urgente para que en
caso de que haya que frenar un estudio por
la aparicin de reacciones adversas a los
medicamentos, y as, poder avisar a los
pacientes y tomar medidas preventivas lo
antes posible.
5. Seguimiento de las cohortes.

Es esencial para:
Ev itar prdidas en el seguimiento
(postrandomizacin). Sobre todo, si tienen
relacin con la intervencin.
Excluir del estudio aquellos enfermos que
cumplan criterios de retirada.
Evitar cambios en la asignacin de la
intervencin.
Registrar cambios en la distribucin de las variables de confusin.
72
Estar atentos a las cointervenciones.
Realizar anlisis interinos. Un analista hace anlisis en todo momento para ver si en
algn momento hay que frenar el estudio.
El seguimiento de la cohorte sigue el diagrama CONSORT (pgina anterior).
6. Medida de variable resultado, de forma ciega a ser posible.

Medimos la variable resultado preservando el enmascaramiento.
Tambin hay que medir los efectos adversos de la intervencin.
Los errores de medida en la variable resultado son los que tienen gran influencia en
la validez del estudio.
7. Anlisis de los datos.

Se realiza como en cualquier otro estudio de cohortes (incluso ms sencillo), ya que
los individuos son comparables salvo en un parmetro.
Utilidad del anlisis de supervivencia o regresin de Cox, que permite la medicin del
tiempo hasta la aparicin de un evento.
Anlisis intracentro en estudios multicntricos. Sirve para asegurarse de que la
randomizacin fue eficaz en cada centro y la consistencia de los resultados
intercentricos. Es decir, consiste en asegurarnos de que en cada hospital el
funcionamiento es igual que en todos.
Anlisis de los datos por intencin de tratar. Nos ayuda a saber qu hacer con el
manejo de los datos con aquellas personas que no cumplieron con su tratamiento o
que incluso se cambiaron a lo largo del estudio al tratamiento del grupo de
comparacin.
Debemos de incluir en el anlisis a todos los pacientes en los grupos en los que fueron
aleatoriamente asignados, independientemente de que cumplieran o no los criterios
de entrada, independientemente del tratamiento que realmente recibieran, e
independientemente de que abandonaran el tratamiento o se desviaran del
protocolo.
De este modo seguimos teniendo grupos comparables. Se hace as siempre excepto
cuando quiero reportar reacciones adversas a los medicamentos.
De esta forma:
- Se preservan los beneficios de la aleatorizacin.
- Si la falta de cumplimiento refleja el futuro comportamiento de los enfermos, la
medida de la eficacia obtenida ser ms parecida a la que se obtendr en la
prctica clnica. Es decir, se reflejan los futuros problemas de adhesin al
tratamiento que tendrn lugar en la vida real.
- Infraestima la eficacia del tratamiento, de forma que en la prctica real podremos
obtener mejores resultados.
- Lo ms probable es que la falta de adhesin al tratamiento se asocie a factores
predictores de la variable resultado.
Ejemplo. 4444 pacientes en pacientes con patologa coronaria.

Fueron seguidos durante de aos posteriores a la
randomizacin. Durante los dos primeros aos se mueren los
mismos pacientes en el grupo placebo que en el grupo con
tratamiento, sin embargo, a partir del tercer ao se empiezan
a separar las curvas y vemos que a partir del quinto ao se
demuestra que el tratamiento es eficaz.
Diseo de un ensayo clnico.
73
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).
Desventajas de los ensayos clnicos.

A menudo son costosos en tiempo y en dinero. Son poco eficientes (eficiencia es los
resultados en funcin de los costes).
Muchas preguntas no se pueden responder por problemas ticos o de escasa factibilidad
(eventos muy raros o que requieren modificacin prolongada de los hbitos de vida).
El investigador se morira antes de encontrar los sujetos necesarios para poder realizar el
estudio de un evento de muy baja frecuencia.
En general slo miden la eficacia (resultados en condiciones ideales) de las
intervenciones en lugar de su efectividad (los resultados que se obtienen en la situacin
real).
Hay que saber diferenciar estos terminos:
- Eficacia: resultados en condiciones optimas, experimentales.
- Efectividad: reultados en condiciones habituales (consulta).
- Eficiencia: se refiere a los costes (compensacion economica a los participantes).
Tienden a responder a preguntas muy especficas sobre un solo factor de resigo o
intervencin.
Pueden dar lugar a abusos en los derechos de las personas. Por eso est establecida una
rgida legislacin.
Sesgos en ensayos clnicos.

Todos se pueden prevenir, pero solo en parte:
Sesgo de seleccin: consiste en la existencia de diferencias en los dos grupos de
comparacin. Prevencion: ocultando la secuencia de aleatorizacin.
Sesgo de co-intervencin: existencia de diferencias en los cuidados recibidos por los dos
grupos de comparacin despus de la intervencin. Prevencion: enmascarando la
intervencin.
Sesgo de atricin (prdida o abandono): supone las diferencias en los abandonos,
prdidas o cumplimiento teraputico entre los dos grupos. Prevencin: anlisis segn la
intencin de tratar.
Sesgo de informacin: existencia de diferencias en la evaluacin de las variables
resultados en los grupos de comparacin. Prevencin: enmascaramiento de la
intervencin.
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.
Elementos a incluir en el consentimiento informado.

Cualquier evento negativo que se produzca en la vida de una persona mientras est en el
tratamiento con el ensayo clnico se debe a la intervencin, ya sea una cada, un suicidio,
vrtigo, etc.
Por eso es fundamental que el paciente firme el consentimiento informado y que contemos con
un seguro que proporcione una compensacin econmica ante cualquier fatalidad.
En el consentimiento informado deben figurar:

- La naturaleza del proyecto de investigacin. Beneficios y riesgos de participar en el
estudio.
- Los procedimientos diagnsticos y teraputicos a que estar sometido el sujeto de
estudio. Es informado de las alternativas teraputicas.
- Recordar y garantizar que la participacin en el estudio es voluntaria, tanto al inicio
como durante el desarrollo del mismo.
- Salvaguardar la confidencialidad.
74
- 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.
Resumen del ensayo clnico.

- El ensayo clnico constituye el mejor instrumento para evaluar las relaciones de
causalidad en Medicina. Producen una evidencia de alta calidad.
- El ensayo clnico randomizado, controlado y doble ciego es el paradigma de la
investigacin clnica en seres humanos.
- Otras estrategias como por ejemplo el ocultamiento de la secuencia de aleatorizacin, el
anlisis por intencin de tratar tambin mejoran su validez.
- Ha proporcionado importantes conocimientos en el terreno de la teraputica y la Salud
Pblica.
- Est sometido a importantes regulaciones legales como consecuencia de sus
implicaciones ticas.
75
76
TEMA 12: SESGOS EN LOS ESTUDIOS EPIDEMIOLGICOS
VALIDEZ Y PRECISIN. ERRORES.

Definicin.
Antes de empezar con esta clase es importante resaltar dos conceptos bsicos:
Validez: es la capacidad de medir correctamente una variable. Es decir, es la capacidad
de aproximar lo mximo el valor medido al valor real. Solo puede aumentarse la validez
realizando un buen estudio.
La validez puede ser:
- Validez interna: grado de validez del resultado para los pacientes de nuestro estudio.
- Validez externa: grado de validez del resultado para la poblacin general (grado en
que podemos generalizar los resultados del estudio).
Precisin: es la capacidad de reproducir los mismos resultados cuando la prueba se

realiza repetidamente. Depende de la variabilidad del parmetro que queremos medir y se
puede aumentar la precisin de un estudio aumentando el tamao de la muestra.
Clasificacin de los datos segn su validez y precisin.

Para que una medida sea correcta debe cumplir los criterios de validez y precisin. Como
ejemplo de estos conceptos se utiliza habitualmente la diana.
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.
2. Vlidos pero no precisos: se debe aumentar el tamao de la muestra, ya que la

imprecisin es fruto del azar.
3. Precisos pero no vlidos: hay que repetir el estudio, pues el resultado no es vlido.
4. Ni precisos ni vlidos: la muestra no es representativa de la poblacin a la cual se

quieren extrapolar los resultados. Hay que aumentar el tamao muestral (para aumentar
la precisin) y repetir el estudio bien hecho (para aumentar la validez).
77
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.
b) El error sistemtico o sesgo es la ausencia de validez o, dicho de otra forma, es la

diferencia sistemtica entre la estimacin del efecto obtenida en el estudio y el
parmetro que se pretende estimar. Para corregir esto es necesario repetir el estudio
estructurndolo de una forma adecuada.
Por ello, los sesgos disminuyen la validez de los estudios epidemiolgicos.
Error aleatorio Error sistemtico (sesgo)
Muestreo, Diseo y ejecucin del

Causa
variabilidad del parmetro estudio
Disminuye al aumentar el tamao S No
Afecta a Precisin Validez
SESGOS O ERRORES SISTEMTICOS.

El sesgo o error sistemtico es la diferencia sistemtica entre la estimacin del efecto
obtenida en el estudio y el parmetro que se pretende estimar; que disminuye la validez de
los estudios epidemiolgicos.
Existen dos tipos de sesgos:
- Sesgo de seleccin: por usar una muestra no representativa (validez externa).
- Sesgo de clasificacin o informacin: por no medir bien la muestra (validez interna).
Sesgos de seleccin.
Se producen en el proceso de seleccin o seguimiento de la poblacin de estudio, haciendo que
sta no sea representativa en cuanto a la relacin exposicin-efecto de la poblacin diana.
Lleva a una estimacin del efecto entre los sujetos incluidos en el estudio distinta del efecto
obtenible para la poblacin en su conjunto (tericamente considerada diana del mismo). Por
ello, afecta a la validez externa del estudio.
Principales tipos de sesgos de seleccin.

1. Sesgo de Berkson u hospitalario.
Se produce cuando los estudios se realizan en hospitales, ya que la muestra hospitalaria
no es realmente una muestra al azar de la comunidad (y por lo tanto no es
representativa).
En el ejemplo, tenemos un estudio de casos y controles que pretende estimar la asociacin

entre el hbito tabquico y la aparicin de cncer de pulmn.
ANLISIS EN PACIENTES HOSPITALIZADOS ANLISIS EN TODOS LOS PACIENTES
Cncer de Pulmn Cncer de Pulmn
S No S No
S 18 119 137 S 18 72 90
Hbito Hbito
tabquico tabquico
No 5 115 120 No 5 162 167
23 234 257 23 234 257
El OR en pacientes hospitalizados es de 3,5 y en todos los pacientes de 8,1; es decir, el

OR es distinto segn si usamos pacientes hospitalizados o todos. Esto se puede explicar
porque la prevalencia del hbito tabquico del grupo control es mayor en el hospitalario
(119/234=50,8%) que en el de la poblacin general (72/234=30,7%).
78
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.
En este ejemplo (real) se ve como inicialmente se public un estudio de casos y controles

utilizando casos prevalentes en el cual se demostraba que el gen HLA-A2 estaba
relacionado con la leucemia, es decir, era un factor de riesgo.
Anlisis
Un ao despus se publica utilizando
el estudio de casos casos supervivientes
y controles, pero con casos incidentes y se
ve que, contrariamente a lo publicado, el HLA-A2 es un factor de buen pronstico contra
LEUCEMIA A. L. (LAL)
la leucemia, pero no un factor de riesgo (su OR es 1, es decir, nula). Esto ocurri porque los
pacientes prevalentes eran los que sobrevivieron gracias al gen HLA-A2 (y por eso
tenan ms prevalencia de tener
Si HLA-2). No OR= 1,4
ANLISIS USANDO
HLA-A2CASOSSiSUPERVIVIENTES
15 25 40 ANLISIS USANDO
Prev HLA-A2 : CASOS INCIDENTES
Casos prevalentes: 15/ 225 = 30%
Leucemia AL Leucemia AL
No 210 475 685 Controles (p.general) =25/ 500 = 5%
S No S No
225 500 725
S 15 25 40 S 15 25 40
HLA-2 HLA-2
No 210 475 685 No 285 475 760
Anlisis utilizando casos incidentes
sis utilizando casos supervivientes
225 500 725 300 500 800
LEUCEMIA A. L. (LAL) LEUCEMIA A. L. (LAL)
No OR= 1,4 Si No OR= 1

PrevSiHLA-A2 : 15 25 40
Prev HLA-A2 :
5 25 40
HLA-A2 Casos prevalentes: 15/ 225 = 30% Casos incidentes: 15/ 300 = 5%
10 475 685 Controles

No (p.general) 5%
285=25/ 500 =475 760 Controles (p.general) =25/500 = 5%
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.
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
zando sujetos voluntarios

Lneas de S 32
Anlisis 168
NO 200
utilizando
Lneas de S 17
sujetos voluntarios 143 160
alta alta
A A. L. (LAL) tensin No 18 182 200 tensin No 18 182 200
No 50 350 400 35 325 360
Si No
168 200 RR=

0,16 / 0,09 = 1,8 0,11 / 0,09 RR= = 1,2
LINEAS ALTA Si 17 143 160
En este caso, la RR usando voluntarios aumenta respecto a la realidad (es decir, sin usar
TENSIN
voluntarias).
182 200
No 18 182 79 200
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)
Anlisis utilizando sujetos voluntarios

El primer ejemplo es un estudio de casos y controles, donde se quiere estudiar la relacin
Ca Mama
entre la administracin de anticonceptivos orales (ACO) y la aparicin de cncer de mama.
Para ello se toman 314 casos (mujeres
Si con cncer
No de mama), de las cuales 118 estuvieron
expuestas a ACO; y 364 controles (mujeres sanas) que incluye 50 voluntarias, de las cuales
123 estuvieron expuestas a ACO (50 voluntarias).
ACO Si 118 123 241 OR = 1,2
ANLISIS USANDO SUJETOS VOLUNTARIOS ANLISIS NO USANDO VOLUNTARIOS
No 196 241 437
Ca Mama : 118 expuestas a AnticonceptivosCa orales
Mama (ACO) Ca Mama
s (50 voluntarias) : 123 expuestas a ACO (50 voluntarias) 314 364 678
S No S No
isis utilizando sujetos voluntarios

S 118 123 241
Anlisis NO utilizando
S 118 73 191
ACO ACO sujetos voluntarios
Ca Mama No 196 241 Ca437
Mama No 196 241 437
Si No
314 364 Si678 No 314 314 628
118 123 241 OR = 1,2

ACO Si 118 73 191 OR = 2
En este caso, la OR usando voluntarias disminuye respecto a la realidad (es decir, sin usar
196 241 voluntarias)
437 porque las voluntarias que se presentan al estudio porque ya estaban tomando
No 196 241 437
ACO y tenan miedo de enfermar.
314 364 678
4. Sesgo del trabajador sano. 314 314 628
Se produce cuando escogemos como grupo control a trabajadores, ya que el poder
isis NO utilizando sujetos
trabajar exige voluntarios
un grado de salud mayor que el que tiene la poblacin general.
Ca Mama Prevencin de los sesgos de seleccin.
Si NoLa prevencin de los sesgos de seleccin se realiza en dos fases del estudio:
a) En la planificacin del estudio:
118 73
- Usar,
191
siempreORque=sea
2 posible, exposiciones y casos de enfermedad incidentes y
evitar prevalentes.
- Utilizar siempre los mismos criterios para seleccionar a los sujetos de los distintos
196 241 grupos
437 que sern comparados.
- Utilizar en ambos grupos de comparacin los mismos procedimientos diagnsticos.
314 314 628
b) Al recoger la informacin:
- Disminuir la falta de participacin y las prdidas en el seguimiento.
Sesgos de clasificacin.
Se producen en el proceso de recogida de la informacin de los sujetos seleccionados,
haciendo que los grupos no sean comparables entre s en cuanto a la relacin exposicin-
efecto. Por ello, afecta a la validez interna del estudio.
Algunos ejemplos se producen:
- En estudios de casos y controles > clasificamos como expuestos a pacientes que no lo
estn y viceversa.
- En estudios de cohortes > clasificamos como enfermos a pacientes que no lo estn y
viceversa.
- En ensayos clnicos > el investigador valora de forma sistemticamente distinta la
clnica de los pacientes segn el tratamiento que reciben.
El sesgo de seleccin es muy frecuente en los estudios cuyos datos proceden exclusivamente de
historias clnicas.
Principales tipos de sesgos de clasificacin.

1. Sesgo de memoria.
Aparece en 2 situaciones:
a) Cuando los individuos que padecen un efecto negativo para su salud recuerdan y
comunican sus exposiciones previas de forma diferente (por lo general ms exacta)
que los no afectados.
80
- 20 RN con hendiduras orales : 15 expuestos BZD gestacin (referido por la madre)
- 80 RN
Investigacin sanos : 2 expuestos a BDZ gestacin (referido
Epidemiolgica por laymadre)
Manuel Jurez Vctor Macarrn
b) Cuando los sujetos sometidos a una exposicin recuerdan o informan de forma
Anlisis utilizando datos de acuerdo al recuerdo de las madres
diferente sobre el efecto de la misma que los sujetos no expuestos.
Un ejemplo del primer casoH. orales RN

(personas que padecen un efecto negativo y recuerdan mejor
sus exposiciones) sera un estudio de casos y controles, que pretende estudiar la asociacin
entre el consumo de BZDSi durante el No embarazo y el nacimiento de recin nacidos con
hendiduras orales. Para ello se toman 20 recin nacidos con hendiduras nasales, de los
OR = 117
cuales 15 estuvieron expuestos a BZD en la gestacin (segn refiere la madre); y 80 recin
nacidos sanos, de los
Si cuales
15 2 estuvieron
2 expuestos a17BZD en la gestacin (segn refiere la
BZD
madre). Prev consumo BZD
en el grupo control
ANLISIS USANDO
No DATOS
5 REFERIDOS78 ANLISIS
83 USANDO (segn
DATOS DE H CLNICAS
recuerdo):
ales : 15 expuestos BZD gestacin (referido
H. Oral RN por la madre) H.2/Oral
80 RN
= 2,5%
s a BDZ gestacin (referido porSla madre)
20 No 80 100 S No
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
82
TEMA 13: FACTORES DE CONFUSIN
Ubicacin de los factores de confusin en el mtodo epidemiolgico.

Los factores de confusin son un punto clave en cualquier estudio epidemiolgico, de ah que
cierto autor se atreviera a definir la epidemiologa como la rama de la medicina que estudia los
factores de confusin.
La investigacin epidemiolgica trata de identificar causas de enfermedades, problemas de
salud y factores de riesgos asociados.
- Una causa es un culpable directo de parte o la totalidad del efecto.
- Los factores de confusin son alternativas a la causa real de la enfermedad y tratan de
desmitificar una causa de una enfermedad.
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.
La validez es ms importante que la precisin, ya que el grado de precisin puede aumentarse

con el aumento del tamao muestral, pero el aumento del tamao muestral no repercute en
la validez. La variabilidad se combate midiendo ms sujetos, estabilizando la medida y
aproximndose al valor real.
Se dice que ms vale acertar aproximadamente que equivocarse con precisin. Por ejemplo, si
medimos la presin de arterial varias personas a un paciente, nos saldrn resultados parecidos
(y precisos). Sin embargo, si el aparato de medirlo est descalibrado, los resultados tambin
sern parecidos (y precisos) pero no vlidos (nos alejamos de la realidad, todos en la misma
direccin).
La validez puede verse afectada, lo que supone un riesgo en el estudio epidemiolgico. Se

distinguen dos tipos de sesgos, dependiendo de la afectacin a la precisin o a la validez:
- Sesgos aleatorios: consiste en un error en la medicin del parmetro debido al azar.
Afecta a la precisin y se soluciona aumentando el tamao muestral.
- Sesgos sistemticos: consisten en una infraestimacin o sobrevaloracin de la medida,
por fallos en todo el proceso de medicin o en la eleccin de los participantes. Afecta a 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.
Ejemplo de estudio con un factor de confusin.

Un estudio en 1979 pretenda estudiar la relacin entre el
juego de azar (factor de riesgo en estudio) y cncer (evento)
en 100.000 sujetos con caractersticas sociodemogrficas, de
2 estados de EEUU: Yutah (juego ilegal) y Nevada (juego
legal). Se vio un RR de cncer asociado a juegos de azar
importantsimo, ya que haba un exceso importante de
muerte por cncer de los individuos que jugaban.
83
Esto realmente significa que el juego de azar sea una causa de cncer? Evidentemente no, ya
que a gente que juega a juegos de azar, tiende a fumar y beber ms para amenizar el tiempo,
un factor que no no se tuvo en cuenta.
Al tener en cuenta estos dos factores, el RR de la relacin estudiada desapareci casi por
completo (se haba cometido una sobreestimacin). La explicacin radica en que en Nevada
estn Las Vegas (por cierto, el doctor Banegas tiene una prima en Las Vegas) y en Utah, la
poblacin predominante son blancos anglosajones y mormones (muy sanos).
La existencia de una explicacin alternativa hizo que desapareciera la relacin causal de un
factor de confusin, que es el fumar.
Definicin de confusin y factores de confusin.

La confusin es un error en la medida de la asociacin entre una exposicin y una
enfermedad, resultante del efecto de otra/s variable, que a su vez se asocia con ambas.
- Es una mezcla de efectos, de una 3 variable que a su vez se asocia con ambas.
- Disminuye, anula, invierte, o hace aparente una relacin.
- Es un sesgo que afecta a la validez y a la causalidad.
As, los factores de confusin son un tipo de error que deben cumplir las siguientes
caractersticas bsicas:
1. El factor de confusin se asocia con la enfermedad, como causa o como proxy, pero no
es consecuencia de la enfermedad. Por ejemplo, es cierto que hay ms frecuencia de
cardiopata isqumica en los individuos que tienen un colesterol LDL elevado en plasma.
2. El factor de confusin se asocia con la exposicin. Por ejemplo, los individuos con una
dieta rica en grasa saturada tienen un elevado colesterol LDL en plasma.
3. Criterio capital. El factor de confusin no es un paso intermedio (mediador) en la
cadena causal entre el factor objeto de estudio y la enfermedad. Es decir, no debe ser
un efecto de la exposicin.
Si el factor fuese un mediador, obligatoriamente ser productor de la enfermedad, no
algo ajeno o extrao que confunde.
Por ejemplo, la cardiopata isqumica es un efecto de
la dieta grasa, pero una forma por la que se
produce cardiopata isqumica es a travs del LDL,
que es un efecto de la dieta grasa (exposicin).
Consecuentemente, el LDL es una causa de
cardiopata isqumica (mediador), y por tanto no
puede ser un factor de confusin.
Esquema resumen by Banegas.

- A: factor de riesgo (exposicin).
- B: enfermedad (efecto).
- C: factor de confusin. Est asociado a la enfermedad y al
factor de riesgo, pero no es consecuencia de ninguno de
los dos.
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.
Ejemplo para descubrir un factor de confusin.

En un estudio de cohortes queremos conocer el efecto del consumo de anticonceptivos orales
(ACO) en la aparicin del cncer de mama. Se estudiaron 100.000 sujetos y se presuma que
exista una relacin, pues esto es la condicin mnima de todo estudio.
Aqui se pone en evidencia una asociacion cruda o bruta, es decir, una relacion que no tiene en
cuenta otros factores (relacion univariable o bivariable).
84
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?
Para ello, se estudia la siguiente tabla de contingencia en crudo:

Cncer de mama No cncer de mama TOTAL
Toma ACO 78 73922 74000
No toma ACO 21 25979 26000
TOTAL 99 99901 100000
RR = (78/74000) / (21/26000) = 1,3

El efecto crudo (sin tener en cuenta otras variables) tiene un riesgo relativo de 1,3, que es una
diferencia estadsticamente significativa (calculada con el SPSS).
Esto supondra un 30% ms de probabilidades de padecer cncer de mama por el consumo de
ACO en las mujeres del estudio, lo que supone una relacin importante.
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.
Comprobacin de un hipottico factor de confusin. Anlisis estratificado.

Para comprobar si los antecedentes familiares son un verdadero factor de confusin, medirlo,
cuantificarlo y controlarlo, se emplea una estrategia analtica que consiste en desdoblar la
tabla de contingencia en otras dos, en funcin de las mujeres que tienen antecedentes
familiares y las que no los tienen, es decir, se realiza un anlisis estratificado de los datos:
ruptura de la tabla 2x2 en otras dos:
- Mujeres con antecedentes familiares.
- Mujeres sin antecedentes familiares.
85
Anlisis entre las mujeres que tienen antecedentes familiares.
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.

Toma ACO 72 71928 72000
No toma ACO 9 17991 18000
TOTAL 81 89919 90000
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.
En ambas tablas (AF y no AF), el RR es de 2. Con la estratificacin se comprueba si hay o no

confusin, se mide y se trata.
- Mujeres sin antecedentes familiares. RR=2. Es el RR real en la poblacin normal
independiente de los antecedentes familiares. En esta tabla no se puede explicar que los
antecedentes familiares puedan ser una causa de cncer (confusor), ya que ninguna de
estas mujeres tiene antecedentes familiares.
- Mujeres con antecedentes familiares. RR=2. No se puede explicar que los antecedentes
familiares sean una causa (confusor) de cncer de mama, ya que todas las mujeres tienen
antecedentes familiares.
Como se ve en los dos casos: Lo que no vara, no puede explicar la diferencia.
Anlisis de la posible confusin. Valoracin de confusin e interaccin. OR combinado de

Mantel y Haenszel.
La estratificacin nos permite comprobar este efecto de confusin, pero adems nos permite
valorar la diferencia entre confusin y modificacin del efecto (interaccin).
- Confusin: variable externa a la relacin que se evala, relacionada con la exposicin y
con el efecto. Su presencia produce un sesgo en la relacin.
- Interaccin o modificacin del efecto: variable que cambia la intensidad o el sentido de
la relacin entre el factor de estudio (exposicin) y la respuesta.
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
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).
En este caso, el RR de M-H (ponderado por estratos) ser de 2.
Solo se realizar la RR combinada, en el caso de que ambos RR sean mayores de 1, puesto

que, si uno de ellos est por debajo de 1, ser un factor de proteccin y no puede ser
combinado con el otro, aunque si se puede realizar el anlisis de la modificacin del
efecto.
2. Comparacin del RR crudo con el RR de los estratos. La comparacin del RR combinado o

ajustado (2) y el crudo (1,3) pretende ver si los antecedentes familiares son un verdadero
factor de confusin (hay que trata) o simplemente son una interaccin (modificacin del
efecto o termino moderador), en la que es preciso describir.
3. La comparacin del RR crudo con el RR combinado de los estratos (RR=2), se

fundamenta en ver si al tener en cuenta el factor de confusin, el RR es diferente, o lo
que es lo mismo, ver si el RR crudo ignora el factor de confusin respecto al RR
estratificado. Se puede apreciar que el RR ajustado (tiene en cuenta el hipottico factor
de confusin) es diferente del RR crudo (confusin), pero hay que matizar: cun
diferente es?
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.
5. Para la valoracin de la diferencia entre los RR, y as obtener una diferencia

estadsticamente significativa y clnicamente relevante, es preciso analizar un cambio
relativo:
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
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%).
Clasificacin de los factores.

1. Factor ni confusor ni modificador del efecto:
RR crudo = RR estratificado promedio o ajustado.
RR estratificado 1 = RR estratificado 2.
2. Factor confusor no modificador de efecto:
RR crudo RR estratificado promedio o ajustado.
RR estratificado 1 = RR estratificado 2.
3. Factor no confusor pero si modificador de efecto:
RR crudo = RR estratificado promedio o ajustado.
RR estratificado 1 RR estratificado 2.
4. Factor confusor y modificador de efecto:
RR crudo RR estratificado promedio o ajustado.
RR estratificado 1 RR estratificado 2.
En nuestro ejemplo, los antecedentes familiares:
- Es un factor de confusin: RR crudo (1.3)
RR ajustado (2). Y, adems, es mayor de un
10% (233,33%).
- NO es un modificador del efecto (no hay
interaccin), ya que el RR estratificado 1 (2)
es igual al RR estratificado 2 (2).
Por tanto, nuestro factor (antecedentes

familiares) ser un factor confusor, pero no
modificador de efecto.
Siempre hay que tener en cuenta que todo factor
de confusin que altere ms de un 10% la
relacin cruda ya es considerable.
Diferencias entre confusin e interaccin.

SESGO DE CONFUSIN INTERACCIN
Es un sesgo (error sistemtico) No es un sesgo
Perturbacin errnea del efecto
Fenmeno natural
(infraestima o exagera el efecto)
Puede o no estar presente, dependiendo Es independiente del diseo del
del diseo del estudio estudio
No se evala mediante un test estadstico Se evala mediante un test estadstico
Se puede obtener un estimador global del No se puede obtener un estimador
efecto: comparacin del RR crudo y el RR global del efecto: no se pueden unir
ajustado los estratos.
Se debe evitar Se debe describir
88
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
90
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.
Limitaciones del modelo causal determinista.

Sin embargo, el modelo causal determinista tiene dos limitaciones:
a) Multifactorialidad, pues hay enfermedades con diferentes causas (psico-neuro-
inmuno-endocrinas) que influyen al mismo tiempo sobre la produccin del efecto. La
salud es muy variable y sus determinantes muy diversos.
b) Conocimiento incompleto: es posible que no todos los determinantes se conozcan
durante el estudio, es decir, en general tenemos un conocimiento incompleto de la
causalidad.
Modelo causal determinista modificado.

El modelo causal determinista modificado una modificacin del modelo determinista en
funcin de la probabilidad.
Este modelo consiste en suponer que el 100% de los casos de un evento (en nuestro caso una
enfermedad) se debe a un nmero concreto de causas deterministas o causas suficientes
(en nuestro caso los mecanismos patognicos de la enfermedad) y que cada una de las
causas suficientes por s misma es capaz de provocar la enfermedad en un cierto nmero
de individuos de una poblacin (en un porcentaje). Es decir, cada causa suficiente ser el
responsable de un porcentaje de casos de la enfermedad, y la suma de todos los casos que
produzcan todas las causas suficientes de esa enfermedad ser el 100% de la incidencia.
Dentro de cada causa suficiente, se distinguen a su vez, un conjunto de causas componentes

o factores de riesgo, que son porciones de la causa suficiente. De las causas
componentes o factores de riesgo tenemos que saber que:
Las causas componentes que sean comunes a todas las causas suficientes se
denominan causas necesarias.
Todas las causas suficientes tendrn un componente de azar, que puede ser de dos tipos:
- Azar cognoscible: es el azar como ignorancia, es decir, el componente que
consideramos como azar por desconocer su origen (no conocemos la causa).
- Azar intrnseco: es el azar como tal, es decir, depende de la variabilidad propia de
cada evento.
Ejemplo. Vamos a considerar una enfermedad, la cardiopata isqumica, cuyas causas

suficientes (CS) son:
- Causa suficiente I: aterosclerosis coronaria, que explica el 30% de los casos.
- Causa suficiente II: vasoespasmo coronario, que explica el 20% de los casos.
- Causa suficiente III: coronaritis o infeccin coronaria, que explica el 50% de los casos.
Como podemos comprobar una sola causa suficiente es capaz de producir la enfermedad
(1 individuo enfermo = 1 causa suficiente), y cada una explica un porcentaje en la
poblacin de la misma (sumando todos el 100% de los casos de enfermedad).
91
Adems, cada causa suficiente est compartimentada en diferentes causas componentes
(CC) o factores de riesgo (FR), que son:
- Causa componente A: HTA.
- Causa componente B: tabaquismo.
- Causa componente C: DM2.
- Causa componente D: mutacin gentica troponina cardiaca.
- Causa componente E: hipercolesterolemia.
- Causa componente F: disfuncin endotelial.
- Causa componente G: hipotermia.
- Causa componente H: inactividad fsica.
- Causa componente I: inmunosupresin.
- Causa componente J: contacto de riesgo (Chlamydia).

Las causas suficientes estn compuestas de distintas causas componentes, entre las que
no podemos obviar el azar cognoscible e intrnseco:
- Causa suficiente I: A, B, C, D y E.
- Causa suficiente II: A, B, F, G y H.
- Causa suficiente III: A, C, F, I y J.
Como se puede observar, A es una causa necesaria porque es una causa componente comn
a todas las suficientes.
Modelo causal determ inista m odificado.
Poblacin (Varias CS)
Causa Causa Causa
Mecanismos
suficiente suficiente suficiente
I II III 50%
30% 20%
E A H A J A
Individuo
=
1 CS D B G B I C
C F F
B A B A
CC
C D C
Azar D
cognoscible
Azar
Fte: Rothm an y elaboracion propia. intrnseco
Ej: EIC:
Resumen CS (aterotrombo,
del modelo espasmo,
casual determinista infeccin), y sus CC o FR
modificado.
1. Causas suficientes Cada una de ellas es capaz de provocar la enfermedad por s
misma y es responsable de un porcentaje de casos de la enfermedad. Normalmente
una persona enferma de una nica causa suficiente.
2. Causas componentes Porciones de la causa suficiente. Son factores de riesgo,

que necesitan interactuar con otros factores componentes para desarrollar un
mecanismo de produccin de la enfermedad. Cada causa componente es responsable
del porcentaje de casos producidos de las causas suficientes en las que interviene:
las causas suficientes son el resultado de la coactuacin de todas las causas
componentes de las que est formada.
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
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.
Definir un factor de riesgo como una causa: criterios de causalidad.

Un factor de riesgo se denomina causa de una enfermedad cuando, por s mismo e
independientemente, provoca un aumento de la probabilidad de que aparezca la
enfermedad.
Para definir los factores de riesgo como causas se han desarrollado unos criterios de causalidad.
Los ms importantes son los de Bradford Hill, que recopil los principales criterios para
sistematizar causa-efecto. Aunque se postulan como reglas seguras de decisin, en realidad
no son ms que criterios orientativos a la hora de tomar una decisin (no son reglas seguras sino
reglas metodolgicas que orientan la decisin).
Estos criterios son 9 (ms un pre-requisito antes de aplicar los criterios).
0. Validez (pre-requisito) Debe existir asociacin estadstica significativa (valor P<0,05)

entre el factor de riesgo y la enfermedad.
Hay que disminuir el azar, y para ello debemos considerar el efecto de los sesgos y de los
factores de confusin. Hay que intentar descartar al mximo (no siempre posible) el
papel de ambos factores o reconocer en qu direccin estn afectando, y as
disminuiremos el azar.
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.
1. Temporalidad La causa debe preceder en el tiempo al efecto y no deberse al propio

efecto (causalidad inversa o reversa). Adems, debe preceder al efecto en una periodo
de tiempo compatible con el periodo de induccin de la enfermedad (por ejemplo, para
estudiar el efecto carcingeno de un factor de riesgo, ser necesario esperar durante
mucho tiempo).
93
No todos los estudios epidemiolgicos tienen la misma capacidad para poner de
manifiesto este criterio, es decir, no todos los estudios tienen la misma capacidad de
establecer causalidad: los estudios que mejor lo hacen son los estudios de diseo
Temporalidad. Tipos de estudios
longitudinal; y los que menos los transversales y ecolgicos, donde se estudian,
normalmente, al mismo tiempo las causas y efectos.
Tipo de Capacidad de establecer

causalidad
Estudio
Ensayos clnicos Fuerte
randomizados
Cohortes Moderada o Fuerte
Casos-control Moderada
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).
2. Fuerza Es la intensidad de asociacin entre causa y efecto, en funcin de la medida

de efecto (RR o riesgo relativo).
En biomedicina consideramos:
- RR entre 1 y 2 asociacin dbil.
- RR entre 2 y 4 asociacin moderada.
- RR mayor de 4 asociacin fuerte.

Como vemos, conforme aumenta el RR aumenta la verosimilitud de la asociacin. Sin
embargo, no hay seguridad y sigue siendo susceptible o sensible a sesgos (aunque el RR
sea de 20).
Cuando este criterio est presente, fortalece la relacin de causalidad; pero su ausencia
no lo descarta ya que es poblacin-dependiente y un RR pequeo no tiene porqu no ser
real y se puede deber a un pequeo tamao poblacional.

El RR no es una caracterstica biolgicamente consistente, pues su tamao depende de:
- Su frecuencia en las distintas poblaciones.
- La frecuencia de otros factores de riesgo (causas componentes) de la enfermedad.
Cuanto mayor es la frecuencia de otras causas componentes, antes se completa el
mecanismo que produce la enfermedad. Sin embargo, todos las causas componentes son
biolgicamente igual de importantes (si falta una de ellas no se completa el
mecanismo y se evita el porcentaje de casos que explica la causa suficiente de la
que forman parte).
- La frecuencia basal de la enfermedad en la poblacin.
Los modelos multivariables indican en qu medida la asociacin puede explicarse por una
sola (o varias) variables, cuando otras variables permanecen constantes (RR ajustado).
3. Gradiente dosis-respuesta Es la relacin lineal entre causa y efecto: cuanto ms

intensa o ms duradera es la exposicin a un factor, mayor ser la probabilidad de
desarrollar el evento.
No es infalible, porque supone la relacin lineal entre causa y efecto, pero no todas las
relaciones son lineales. Por ejemplo:
94
- La relacin entre colesterol y enfermedad coronaria; entre PA e infarto y entre densidad
sea y fractura es curva.
- La relacin entre PA y morbilidad; entre peso y mortalidad y entre consumo de alcohol y
mortalidad es en curva J.
- La relacin entre anemia y morbilidad; entre presin intraocular y glacuoma y entre
toma de alcohol y accidentes de trfico es en palo de golf (al niveles bajos de alcohol
no aumenta, pero al aumentarlos se dispara).
- La relacin entre tabaquismo o radiacin y cncer s es lineal.
Cuando este criterio est presente, fortalece la relacin de causalidad; si no aparece, no
la descarta (puede haber relaciones distintas que hablen de distintos mecanismos).
4. Consistencia Es obtener efectos (RR) que vayan en la misma direccin (similares) en

varios estudios pero en circunstancias variadas: variar persona, tiempo y lugar;
mbitos de estudio, diseos/jerarqua, factores de riesgo.
Cuanto ms diferentes sean las circunstancias, mayor consistencia tendr el estudio y
podremos disminuir la influencia de los factores de confusin.
Sin embargo, es posible que todos los estudios se equivoquen en la misma direccin (muy
poco probable). Adems, hemos de tener cuidado con el sesgo de publicacin: consiste en
obtener diferentes estudios con resultados en diferentes direcciones, pero publicar
solo los que obtienen resultados positivos.
As, no es una regla segura, pero si muy til en prctica: testa las hiptesis en muchas
condiciones distintas, lo que fortalece la relacin de causalidad.
5. Plausibilidad o credibilidad biolgica Consiste en conocer los mecanismos

mediadores, por los cuales la causa provoca el efecto, lo que implica la colaboracin
con otras ciencias (biolgicas y sociales).
La ausencia de la plausibilidad no implica que no haya causalidad, porque depende del
conocimiento cientfico actual (puede que no conozcamos todos los mecanismos
biolgicos, es decir, al menos tiene que estar disponible tericamente).
6. Evidencia experimental No siempre es factible.
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
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
La causa precede en tiempo al efecto,

Diseo longitudinal
1 Temporalidad siendo este tiempo compatible con el
Sine qua non
periodo de induccin
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
Aumenta la probabilidad del efecto, al

aumentar la intensidad o duracin de la
3 Gradiente Relacin lineal entre causa y efecto causa
No todas las relaciones son lineales
No siempre es bella
Variar: P, T, L, diseos/jerarqua, FR/

Efecto en la misma direccin en
4 Consistencia independencia
circunstancias variadas
Sesgo publicacin
Colaboracin con otras ciencias

Mecanismos biolgicos mediadores de
5 Plausibilidad Depende del estado actual del
la asociacin
conocimiento
96
TEMA 15: PRUEBAS DE CRIBADO. APLICACIN DE LA EPIDEMIOLOGA AL DIAGNSTICO. ESTUDIOS
DE VALIDEZ DE PRUEBAS DIAGNSTICAS
Este tema pretende evaluar cuantitativamente el rendimiento de las pruebas diagnsticas

empleadas diariamente en las consultas, conocer cunto de buenas o malas son las pruebas
empleadas en reducir la incertidumbre en el diagnstico.
Introduccin. Proceso diagnstico.

El proceso diagnstico se puede definir como la aplicacin de datos clnicos, exploraciones,
tcnicas o pruebas, que permiten reducir la incertidumbre en la identificacin de un estado o
proceso patolgico.
Cualquier diagnostico siempre se otorga en trminos probabilsticos y no de certeza (salvo los
diagnsticos patognomnicos), atribuyndose las pruebas para reducir la incertidumbre de este
diagnstico (aumento de probabilidades de padecer lo que se postulaba).
Lo que interesa al aplicar una prueba es que la probabilidad de acertar el diagnstico

(probabilidad postprueba) sea mayor que la que exista antes de realizar la prueba
(probabilidad preprueba), salvo cuando un sntoma o signo sea patognomnico.
Las pruebas se pueden clasificar segn la intencin.

- Prueba de cribado (o screening). Pretende la deteccin precoz de una enfermedad antes
de hacerse clnicamente evidente para el paciente. Lo que se busca es separar a la
poblacin para clasificar a las personas en dos subpoblaciones:
Grupo con alta probabilidad de estar enfermo: sera conveniente otras pruebas para
confirmar el diagnstico.
Grupo con baja probabilidad de esta enfermo: se le manda a su casa.
Por ejemplo, un anlisis de colesterol: las personas con alto colesterol sern derivados al
mdico de atencin primaria para realizarles otra prueba (perfil lipdico), y a las
personas con bajo colesterol se les despacha, ahorrndose ms pruebas.
Las pruebas de cribado seleccionan a la poblacin, pero no confirman ningn evento.
- Prueba de confirmacin. Este tipo de pruebas no criban a la poblacin, sino que

confirman o descartan la sospecha de un estado patolgico. Normalmente se aplican si el
estado patolgico es grave o importante y requiere un rpido tratamiento peligroso y
caro. Se pretende estar seguros de que el individuo est realmente enfermo para
optimizar los recursos, y aplicarlos nicamente en las personas enfermas.
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
- 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).
Es habitual que los patrones oro sean:

- Pruebas invasivas.
- Pruebas costosas.
- Pruebas peligrosas.
Consecuentemente, se intentan desarrollar pruebas alternativas con minimicen estas
caractersticas: acercamiento al resultado del patrn oro para evitar los inconvenientes
causados al paciente sin perder rendimiento diagnstico. Por ejemplo, en cardiologia antes se
media el flujo y la presion sanguinea con un cateter en una camara cardiaca, lo cual se sustituyo
por eco-Doppler, que es menos invasiva.
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.
Validacin de una prueba diagnstica.

La validacin de una prueba consiste en la cuantificacin del rendimiento diagnstico de la
prueba problema, para lo que se procede a la comparacin de la prueba problema con el
patrn oro (otorga la verdad).
Para esto se toma a un grupo de pacientes enfermos y sanos, a los que se les realizan las dos
pruebas (hay que hacrsela a todos, no vale hacerla nicamente a los que den positivo en la
prueba problema).
Los resultados obtenidos se expresan a modo de tabla de contingencia:

- Columnas: patrn oro (enfermo/sano).
- Filas: prueba problema (positivo/negativo).
Patrn oro
Enfermo Sano
Test Verdadero Falso

Prueba positivo positivo positivo
problema Test Falso Verdadero
negativo negativo. negativo
De esta tabla de contingencia, se obtienen cuatro posibilidades:

- Dos posibilidades de acertar:
Test positivo y enfermo: verdadero positivo.
Test negativo y sano: verdadero negativo.
- Dos posibilidades de equivocarse:
Test positivo y sano: falso positivo.
Test negativo y enfermo: falso negativo.
Estos cuatro resultados solo pueden ser ptimos cuando se realizan las 2 pruebas a todos los
individuos, para ver como varan los puntos de certeza.
Significado de las 4 posiciones y como varan los puntos de corte. Ejemplo.

Se quiere comprobar el valor diagnstico en la diabetes tipo II, de una nica determinacin de
glucosa en cualquier momento del da (condiciones no basales) con respecto al patrn oro (prueba
de sobrecarga de glucosa). Se pretende ver cunto se acierta con respecto al patrn oro.
98
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)
Los resultados obtenidos, se distribuyen en forma de curva de campana de Gauss en torno a un

valor de glucemia alta en los enfermos y un valor de glucemia baja en los sanos (tambin
tienen variabilidad, porque pueden acabar de comerse algo dulce).
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 solapan las dos graficas de

distribucin:
En las imgenes siguientes se pueden observar como las

distribuciones de glucemia se solapan en el grupo de
sanos y de enfermos, aunque es cierto que la de grafica
de los enfermos est claramente desplazada a la
derecha.
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.
1. Ejemplo de punto de corte a 140 mg/dl.

- Enfermos. La mayora de los enfermos segn el
patrn oro, dan positivo en la prueba problema
(verdaderos positivos). Sin embargo, con este
valor de corte, un grupo de personas enfermas
estn situadas en el extremo de menor glucemia
(inferiores al punto de corte) de su distribucin: son
clasificados como sanos, sin serlo (falsos
negativos).
- Sanos. La mayora de los sanos segn el patrn oro,
dan negativo en la prueba problema (verdaderos
negativos). Sin embargo, con este valor de corte,
un grupo de personas sanas estn situadas en el
extremo de mayor glucemia (superiores al punto
de corte) de su distribucin: son clasificados como
enfermos, sin serlo (falsos positivos). Esto acontece
pos variabilidad biolgica o por haberse comido un Donuts.
99
Existen, por tanto, cuatro situaciones posibles, que se distribuyen en la tabla de
contingencia como extrapolacin directa.
Cualquier prueba, siempre tiene en mayor o menor proporcin resultados en las 4 situaciones,
porque la certeza es una fantasa.
2. Ejemplo de punto de corte a 80mg/dl.

- Enfermos. Al disminuir el punto de corte, casi
todos los enfermos son positivos (verdaderos
positivos), minimizndose los falsos negativos.
- Sanos. Al disminuir el punto de corte, se
aumenta el nmero de personas sanas que dan
positivo para la prueba, aumentando as los
falsos positivos.
- Positivos: dos tercios son enfermos y un tercio
son sanos.
- Negativos: la mayora son sanos.
De este modo se consigue una prueba que, en caso
de ser negativa, prcticamente asegura la
pertenencia al grupo de sanos. Consecuentemente
es una buena prueba de screening: a los negativos se
les puede mandar a casa (casi asegurndonos de que
son negativos) y a los positivos se les puede seguir haciendo pruebas.
El punto de corte bajo otorga una ALTA SENSIBILIDAD.
3. Ejemplo de punto de corte a 200mg/dl.

La situacin es opuesta a la del caso anterior.
- Enfermos. Al establecer un punto de corte alto,
aumenta el nmero de enfermos con resultado
negativo (falsos negativos). Se desploman los
resultados, y habr que cribar los falsos
negativos ya que su tasa es enorme.
- Sanos. Al establecer un punto de corte alto, la
mayora de los sanos son negativos para la
prueba.
- Positivos. La mayora son enfermos: se puede
decir, con bastante seguridad, que un positivo
ser enfermo.
- Negativos. Como contrapartida al punto
anterior, aumenta el nmero de falsos
negativos, es decir, quedan enfermos sin
diagnosticar como tal.
En el caso de que un individuo sea positivo, prcticamente asegura la pertenencia al grupo

de enfermos, lo que indica que un punto de corte alto constituye una buena prueba de
confirmacin diagnstica.
El punto de corte alto otorga una ALTA ESPECIFICIDAD.
Modificacin del punto de corte para cambiar el uso de la prueba.

Una misma prueba puede tener un rendimiento diagnostico distinto segn el punto de corte que
se establezca, lo que es bueno para poder obtener pruebas de cribado y pruebas de
screening. En la prctica, la modificacin del punto de corte se emplea para beneficiar al
investigador a su favor:
- Se quiere una prueba de screening: se baja el punto de corte y se aumenta la
sensibilidad.
- Se quiere una prueba de confirmacin: se sube el punto de corte y se aumenta la
especificidad. Por ejemplo, cuando se quiere una confirmacin para establecer un
tratamiento y se requiere la seguridad de que el paciente est enfermo.
100
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.
Por ejemplo, una sensibilidad del 85%, quiere decir que:

- El 85% de los enfermos definidos por el patrn oro, daran positivo en la prueba.
- El 15% de los enfermos determinados por el patrn oro, daran negativos en la prueba: falsos
negativos.
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.
Por ejemplo, una especificidad del 98% quiere decir:

- El 98% de los sanos definidos por el patrn oro, daran negativo en la prueba.
- El 2% de los sanos definidos por el patrn oro, daran positivo en la prueba: falsos positivos.
101
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.
La especificidad es una propiedad intrnseca de la prueba (para un punto de corte), esto

quiere decir que, si la prueba se repite en las mismas condiciones, los resultados de
especificidad no variaran y sern iguales (para ese punto de corte).
Un ejemplo de prueba muy especfica, es una prueba de confirmacin. El valor ms

importante en la clnica es el positivo (ya que implicar, en un gran nmero de los casos que el
individuo esta enfermo); por lo tanto, un valor positivo implicar una gran probabilidad de ser
enfermo.
Recapitulacin de los parmetros descritos.

Estos dos parmetros (sensibilidad y especificidad) estn condicionados al conocimiento del
estado de salud del individuo y por ello no tienen un gran valor clnico, ya que la misin del
mdico es averiguar precisamente si el paciente est enfermo o sano.
En clnica se trabaja con pruebas que darn un resultado y, por tanto, interesa conocer cul es la
probabilidad de estar enfermo segn los datos obtenidos en dicha prueba. Estas medidas se
conocen como valores predictivos y son las ms intuitivas y tiles en un contexto clnico:
averiguar si el paciente esta o no enfermo.
Valor predictivo positivo.

El valor predictivo positivo es la probabilidad de estar enfermo teniendo un resultado
positivo. Se pretende conocer cuanto de certeza existe de que un paciente este enfermo o no.
Se calcula con la siguiente formula:
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
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.
El valor predictivo negativo es la medida ms intuitiva en relacin con el trabajo clnico.

El valor predictivo negativo depende de la prevalencia poblacional de la enfermedad (adems
de las propiedades intrnsecas de la prueba).
La prevalencia poblacional de la enfermedad tambin influye sobre este valor.
Truco del doctor Dez para acordarse de las formulas.
Simulacin. Cmo afecta la variacin en la prevalencia a los valores predictivos?

Se posee una prueba con una sensibilidad del 90% y una especificidad del 82%. Al ser propiedades
intrnsecas de la prueba, no varan aun cuando varia la prevalencia poblacional.
Se van a analizar tres escenarios con una prevalencia poblacional de la enfermedad distinta.
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
El valor predictivo positivo en esta prueba se calcular con la respectiva formula:
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
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
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
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.
Valor de la prevalencia poblacional en el diagnstico.

La relacin entre la prevalencia y el rendimiento diagnstico es un problema que se puede usar
a nuestro favor.
Por ejemplo, una prueba diagnstica medida en un servicio de neurologa que tiene una
prevalencia de afasia de Wernicke del 50%, otorga unos valores predictivos positivo y
negativo de un 99%.
Entusiasmados con este resultado, se decide usar esta prueba diagnstica en atencin primaria
(poblacin general), donde la prevalencia de afasia de Wernicke es menor. En este ambiente,
se obtiene un valor predictivo positivo de un 1,1%, lo cual indica que la prueba es una
porquera.
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
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
106
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.
Existen una serie de elementos comunes entre estas dos definiciones:

- Enfermedad status salud.
- Frecuencia: cuantificacin.
- Distribucin: quin, cmo, dnde.
- Determinantes de la enfermedad: factores que afectan a la distribucin.
- Mtodo: proceso empleado para describir la frecuencia y distribucin.
Vigilancia.
Es una funcin propia de la epidemiologa en administracin sanitaria. Consiste en la recogida
sistemtica y continua, anlisis e interpretacin de los datos para su uso en planificacin,
implementacin y evaluacin de la prctica de salud pblica.
Tiene una serie de funciones:
- Difusin oportuna de los datos a los que necesitan conocerlos y a los que han generado.
Influir en las decisiones.
- Integracin en programas de Salud Pblica. Eslabn final: aplicacin de datos a
prevencin y control de eventos de salud (enfermedades, accidentes).
- Organizacin de los SIS necesarios para planificar y evaluar resultados.
Marco de la Vigilancia: introduccin histrica patrocinada por el Ministerio de Salud,
Gobierno de Espaa.
Evolucin de la vigilancia en relacin con epidemiologa:
- John Graunt a mitad del siglo XVII estudi las causas de muerte a nivel comunitario a partir
de boletines de mortalidad.
- Vigilance en guerras napolenicas para referirse a la Vigilancia a la que se sometan
grupos de personas.
- Vigilancia de enfermedades transmisibles.
- En 1968, la Asamblea Mundial de Salud de la OMS seal que el trmino Vigilancia deba
aplicarse a cualquier problema de salud y no solo a transmisibles.
- Preferencia por el trmino Vigilancia de Salud Pblica (formacin/investigacin).
Evolucin con ampliacin de fronteras: desde enfermedades transmisibles a crnicas,
factores de riesgo, malformaciones congnitas, exposiciones ambientales y laborales de
riesgo, sustancias adictivas, etc. Todo lo que pueda estar relacionado con el
desencadenamiento de una enfermedad.
VIGILANCIA DE SALUD PBLICA.

Objetivos de la vigilancia.
- Identificar problemas de salud.
- Guiar y orientar las intervenciones de salud pblica.
- Orientar la investigacin.
Qu necesitamos conocer? Lo que no se mide no existe.
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
- 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.
Tipos de Vigilancia en Salud Pblica.

La clasificacin de los tipos de Vigilancia en Salud Publica se realiza en funcin del
procedimiento por el que de forma preferente se realiza la recogida de datos (quien recoge los
datos).
Puede ser:
1. Vigilancia pasiva.
La informacin es recogida por clnicos, laboratorios u otros profesionales, que notifican
regularmente casos de enfermedad o muerte a los departamentos de salud pblica.
La autoridad responsable de Salud Pblica recibe notificaciones por parte de los mdicos,
etc. El receptor espera que el declarante comunique los casos segn las normas
establecidas (espera las notificaciones).
Un ejemplo claro es el sistema de Enfermedades de Declaracin Obligatoria (EDO).
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
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.
Definiciones de las fuentes de informacin.

- Registros (VA): la informacin sobre el fenmeno de la salud se recoge de toda la
poblacin de referencia continuamente, es decir, a medida que se va produciendo el
evento. No existe la infradeclaracin en los registros. Ejemplo: registro de mortalidad.
- Encuestas (VA): la informacin se recoge de forma ocasional o peridica de una muestra
representativa de la poblacin de referencia (si la muestra est bien hecha y es
representativa, representa lo que ocurre en la poblacin general). Ejemplo: la encuesta de
minusvalas.
- Sistemas de notificacin (VP): la informacin se recoge pasivamente, y en general, se
desconoce la representativad de los datos recogidos. Al no haber una bsqueda activa de
informacin, los datos obtenidos estn condicionados en muchos casos por la actitud
ante la notificacin por parte de quienes tienen que realizarla. Ejemplo: notificacin
EDO.
Comparacin entre registros y encuestas:

- Registro: una enfermedad y poca informacin. Esto se debe a que a que se basa en una
enfermedad concreta y se pretende que sea continuado en el tiempo, por lo que no se
puede exigir a quienes recogen la informacin que lo hagan en exceso, porque acaban
exhaustos y el registro mure.
El registro es fijo: recoge todos los casos de forma continuada y est dirigido a una
enfermedad: especifico y dirigido. Por ejemplo, el registro de SIDA.
- Encuesta: muchas enfermedades y factores de riesgo, y mucha informacin. Es ms

costoso porque se busca mucha informacin de forma exhaustiva espordicamente o en la
muestra (ya que nos ponemos).
La encuesta es flexible y verstil, ya que no se realiza de forma continuada.
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.
3. Recogida de datos: es preciso sistematizar la recogida y transmisin de la informacin,

as como la periodicidad de recogida de informacin. Para ello se emplea:
Vigilancia activa/pasiva.
Instrumentos de recogida de datos.
109
4. Anlisis e interpretacin de los datos.
5. Difusin de la informacin y medidas de control: a todas aquellas personas que vayan a

tomar decisiones y a los que hayan tomado los datos, para as:
- Facilitar la implementacin de las acciones de salud pblica.
- Realizar recomendaciones: informar a los tomadores de decisiones, al nivel del
decisor.
6. Evaluacin: objetivo apropiado?, es la informacin til?, debe continuarse?,

revisiones? Siempre hay que evaluar para ver que el objetivo se ha cumplido.
Quin realiza la Vigilancia de la Salud Pblica?

1. Epidemilogos (como el ilustre doctor Banegas) y servicios de salud pblica. En Espaa
depende de cada Comunidad Autnoma (la ms excelente, CyL).
2. Profesionales sanitarios: mdicos, enfermeras
3. Servicios de medicina preventiva hospitalarios.
4. Farmacuticos.
5. Servicios de call-center y atencin urgente (061), etc.
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.
SISTEMAS DE VIGILANCIA EPIDEMIOLGICA EN ESPAA.

Marco histrico.
- En 1900 se produca la vigilancia del caso contagioso. Circular sobre la obligacin de
declarar los casos de enfermedades infectocontagiosas.
- En 1986, aparece la Ley 14/1986, Ley General de Sanidad. Competencia de las
administraciones sanitarias para crear los registros y elaborar anlisis de informacin
necesarios para sus objetivos.
- En 1995, se crea el RD de Creacin de la Red nacional de Vigilancia Epidemiolgica.
Modificacin posterior de listado de enfermedades a vigilar (coordinacin UE).
- En 2003, se aprueba la Ley de cohesin y calidad del SNS. Tambin de cumplimiento
internacional: UE, OMS, OCDE.
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.
Clasificacin segn marco de referencia:

- SIS de base poblacional: el marco de referencia es toda la poblacin.
- SIS de utilizacin de servicios sanitarios: el marco de referencia son los usuarios de los
servicios sanitarios.
Clasificacin segn el mtodo de recogida de datos:

- Registros: la informacin sobre el fenmeno de salud se recoge de toda la poblacin de
referencia continuamente, es decir, a medida que se va produciendo.
- Encuestas: la informacin se recoge de forma ocasional o mediante una muestra
representativa.
- Sistemas de notificacin: la informacin se recoge pasivamente, se desconoce la
representatividad.
110
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).
RED NACIONAL DE VIGILANCIA EPIDEMIOLGICA.

La creacin de la Red Nacional de Vigilancia Epidemiolgica fue determinada por el RD
2210/1995. Tena una serie de objetivos:
- Configuracin de la Red como un conjunto de sistemas de vigilancia.
- Establecimiento de responsabilidades: funciones bsicas de la administracin del Estado y
de las CCAA.
- Integracin en un sistema de informacin para la decisin y control.
- Marco europeo.
- Reconocimiento de confidencialidad.
En 2013 se produjo la aprobacin de nuevos protocolos.
Posteriormente se producira la publicacin OM en 2015 de modificacin anexos del RD 1995
(listado de enfermedades y formas de vigilar): de 33 a 60 enfermedades. Se notifican ms
variables.
La Red Nacional de Vigilancia Epidemiolgica est integrada por distintos sistemas:

- Sistema bsico de Vigilancia Epidemiolgica: notificacin de EDOS; notificacin de
situaciones epidmicas y brotes; y sistema de informacin microbiolgica.
111
- Sistemas especficos de Vigilancia Epidemiolgica: registros de casos; encuestas de
seroprevalencia; sistemas centinelas y otros.
Las modalidades de declaracin se fundamentan en datos epidemiolgicos bsicos, de forma

semanal.
Los protocolos se basan en:
- Encuesta epidemiolgica para cada enfermedad.
- Datos individualizados con informacin de paciente, enfermedad y factores de riesgo.
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
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).
Dos tipos de brotes:

- Comunitarios.
- Nosocomiales: aparecen en instituciones cerradas.
El brote no depende del nmero de casos, si no
del nmero de enfermedad que aparece:
- 1 caso de fiebre hemorrgica se
considera brote epidmico.
- .5000 casos de gripes estacional no se
consideran brote, porque es normal.
Consiste en la aparicin de muchos casos en una
zona o 1 caso donde no existe la enfermedad.
Ejemplo. Aparicin de un brote de legionelosis.

Hay una endemia de casos y de pronto un pico
muy marcado de casos de legionelosis, es
decir, una aparicin inesperada de casos que
se considera brote epidmico.
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.
Otras definiciones de relevancia.

- Pandemia: extensin del territorio de la epidemia a escala mundial.
- Endemia: incidencia normal de una enfermedad en la poblacin de un territorio y en
una unidad de tiempo.
- Epizootia: cuando nos referimos al mundo animal. Una zoonosis es una enfermedad que se
transmite de animales a humanos.
- Plaga: cuando nos referimos a las plantas.
Por qu es importante estudiar un brote epidmico?
- Es una situacin que requiere una respuesta rpida: hay que cortar la transmisin de la
enfermedad.
- Es una emergencia de Salud Pblica, que requiere la coordinacin de varios equipos.
- Es una emergencia poltico/social: como fue el primer caso de virus bola en Espaa.
- Es una emergencia econmica: si aparecen muchos casos, la gente deja de hacer turismo
al pas; si aparece por comer un alimento, desciende el consumo del alimento
- Supone un fallo de la vigilancia epidemiolgica, y hay que estudiar cul ha sido el fallo
para evitar que aparezcan ms y se repita.
113
- Supone un fallo en el control de una enfermedad, y hay que estudiarlo para evitar que
aparezcan ms.
- Es una oportunidad para aprender: ver los huecos en los sistemas de vigilancia
epidemiolgica y control de la enfermedad.
Pasos en el estudio de un brote.

1. Establecer la existencia del brote. Verificar el diagnstico.
2. Definir el responsable de investigar el brote, composicin del equipo, y en su caso el
portavoz entre los medios y la poblacin.
3. Planificacin de toma de muestras clnicas y medioambientales. Diseo de un cuestionario.
Establecer una definicin inicial de caso.
4. Confirmacin del brote. Contar los casos existentes hasta el momento, de forma
sistemtica, analizando toda la poblacin objeto. Bsqueda activa de otros casos.
5. Describir los datos en trminos de tiempo, lugar y persona. Determinar quin est a riesgo
de enfermar. Generar hiptesis que expliquen: el agente, la fuente, el modelo de
transmisin, la duracin, mediante un estudio de casos y controles o de cohortes.
6. Probar la hiptesis cuando sea posible. En caso negativo, reconsiderarla. Refinar el
denominar y el numerador (casos y poblacin de objeto).
7. Tomar o recomendar medidas de control y prevencin. Establecer conclusiones.
8. Escribir los hallazgos (informe provisional y final) y remitirlos urgentemente a quien
proceda. Difundir los informes para facilitar el desarrollo de la investigacin en el futuro.
Las medidas de control y prevencin de nuevos casos se pueden establecer en cualquier

momento de esta cadena (siempre que se disponga de la informacin necesaria). Es prioritario
controlar y prevenir, que investigar las causas.
Ejemplo: en un incendio, primero hay que apagarlo para que no se extienda y despus estudiar
las causas. Extrapolando, ante un brote epidmico, primero hay que controlarlo (apagar el
incendio) y posteriormente buscar las causas (investigar).
1. Establecer la existencia del brote. Verificar el diagnstico.

La primera pregunta a responder cuando estudiamos un brote es: Quin ha dado la primera
seal de existencia de un brote? Pueden ser: laboratorios, mdico de familia, urgencias
hospitalarias, maestros, empresas, medios de comunicacin, lder comunitario Por
ejemplo, la gripe pandmica de 2009 tuvo una deteccin en un laboratorio, donde se vio el
cambio del serotipo a H1N1, el cual se extendi por todo el mundo (alerta ante el cambio de
serotipo).
Responder a esta pregunta nos dar una idea de su gravedad y extensin.
Posteriormente, habr que comprobar los siguientes aspectos:

a) Variaciones estacionales. Hay enfermedades que se comportan de forma estacional:
gripe, malaria, meningitis; y hay que comprobar que no se debe a este fenmeno.
b) Bsqueda activa de casos: deteccin de casos que no son nuevos (no son
diagnosticados correctamente, pero s tratados).
c) Errores diagnsticos (pseudo-brotes). Estos errores (diagnstico de enfermedades que
no existen) pueden deberse a la falta de pericia del mdico, a un cambio de definicin
de casos, a un cambio en los criterios diagnsticos, a un sesgo de informacin
(regresin a la media, falacia ecolgica y clasificacin indebida diferencial y no
diferencial), etc.
d) Sesgo diagnstico. Pueden ocurrir cuando se instauran nuevas tcnicas diagnsticas en
un hospital o laboratorio. Por ejemplo, la aplicacin de una nueva tcnica diagnstica
de Rotavirus, que hace que se diagnostiquen ms casos, lo que no quiere decir que
antes no existiesen (eran simples casos de diarrea infantil).
e) Tambin nos deberamos hacer estas dos preguntas:
- Ha habido un incremento de la poblacin? Este incremento de personas puede
hacer que aumente el nmero de casos (simplemente porque hay ms personas):
necesidad de realizar la proporcin de casos.
- Existe relacin entre los casos? Debemos descartar o confirmar que exista una
relacin espacio-temporal (familiar, de trabajo, de ocio).
114
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.
Ante todo, notificar, aunque despus se descarte.

Ante la sospecha de un brote epidmico es necesaria su notificacin urgente (ya habr
tiempo de descartarlo, si nos equivocamos) al nivel sanitario inmediatamente superior e
iniciar la investigacin del mismo. Es importante esta notificacin, dado que:
- El posible brote epidmico ante el cual nos encontramos, puede ser la primera
manifestacin de un brote de amplias dimensiones que sobrepase el nivel local.
- Es posible que las medidas de control deban ser tomadas a un nivel superior al local y sea
necesaria la organizacin del dispositivo asistencial correspondiente.
- Puede ser necesario asesoramiento epidemiolgico, informar al laboratorio sobre el envo
de las muestras clnicas o ambientales y recibir indicaciones acerca de: muestras ms
adecuadas a enviar, normas para su obtencin y condiciones de almacenamiento y
transporte, etc.
Las primeras actuaciones se fundamentan en recoger datos sobre:

- Caractersticas clnicas y gravedad de la enfermedad.
- Fecha de aparicin de los primeros sntomas.
- Nmero de personas afectadas y expuestas.
- Caractersticas personales de los afectados.
- Localizacin espacial del brote.
- Hiptesis causales iniciales, perfilndolas si esto fuera factible.
- Si procede, simultneamente a la notificacin, se realizar la toma de muestras: de
enfermos, medio ambiente, alimentos
2. Definir el responsable de investigar el brote, composicin del equipo, y en su caso el

portavoz ante los medios y la poblacin.
En funcin del tipo de brote, lo estudian distintas personas, pero siempre un grupo de
personas.
Ejemplo: brote de gastroenteritis. Requiere un equipo de:
- Epidemilogos: investigacin, prediccin, vigilancia,
- Clnicos: fallecidos, enfermos
- Seguridad alimentaria. Canales de distribucin, rastreo de alimentos, investigacin
- Laboratorio: diagnostico, estudio del germen
Pueden existir problemas entre los diferentes integrantes del equipo: roces profesionales,
roces personales (los peores) Por ello siempre se requiere un coordinador que temple al
equipo, establezca las prioridades, marque los siguientes pasos
Si el brote salta a los medios de comunicacin o se hace ms grave, se ven incorporados los
medios de comunicacin y las autoridades (consejo de toma de decisiones, ministros).
115
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.
b)Diseo de un cuestionario. Existen dos tipos de

cuestionarios:
Cuestionarios especficos (recogida de
informacin especfica para analizar). Por
ejemplo, un cuestionario para un brote de
gastroenteritis sobre el consumo de alimentos.
Cuestionarios de pesca de arrastre. Cuando
se dispone de poca informacin o se desconoce
la causa de la enfermedad, se realizan
preguntas de todo tipo para detectar el origen
del brote.
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.
Ejemplo. Definicin de caso de bola. Se emplean criterios clnicos, de laboratorio y

epidemiolgicos, para clasificar los casos en:
- En investigacin: no se sabe an.
- Confirmados.
- Descartados.
La lista EDO tiene un manual con definiciones de casos y para cada enfermedad existe un
modelo de cuestionario: protocolos RENAVE, con ms de 700 paginas (qu pereza, o sea puf).
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
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).
- Brotes de transmisin persona-persona.

Son brotes de enfermedades causadas por
contacto entre personas: gripe, VIH,
tuberculosis
Es una curva ms ancha en el tiempo (se
extiende en el tiempo por contacto de
personas sanas con personas enfermas):
tiempo de das o meses en el eje X
(depende de la enfermedad).
Encontramos distintos tipos de curvas epidmicas:

- Brote de fuente comn.
- Brote de transmisin persona-persona.
- Brote de transmisin por vectores (Zika, Chicungunya).
- Fuente continuada o exposicin intermitente. Por ejemplo, un ctering que hace
mucha comida, parte en mal estado y la congela, y la va descongelando a distintos
tiempos, apareciendo casos cada vez que la descongela).
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
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.
Actualmente, con Google Maps es ms sencillo. Se puede

ver el brote, sealando los casos y el lugar donde ha
acontecido para detectar el origen del brote y las
posibles causas: hogar, trabajo, ocio
c) Estudio combinado de tiempo y lugar: mapas con

curvas epidmicas.
Se pueden estudiar los diferentes lugares, viendo en que
situaciones, la epidemia est ya en fase estacionaria y
estn acabando los casos nuevos; o en aquellos donde la
epidemia est en fase exponencial, es decir, creciendo.
Mediante el estudio en funcin del lugar y el tiempo, se
puede ver la distribucin de la enfermedad.
Ejemplo. Estudio del bola en Africa.
d) Estudio de los datos en funcin de la persona.

Se fundamenta en:
- Distribucin de los casos segn sexo, edad, ocupacin (numerador). Ejemplo:
hombres 50 y mujeres 60.
- Distribucin de las mismas variables en la poblacin (denominador). Ejemplo:
hombres 350 y mujeres 600.
- Calculo de tasas de ataque/ incidencia acumulada. Ejemplo: hombres 50/350 y
mujeres 60/600.
6. Investigacin sobre la hiptesis. Tasa de ataque.

Diseo y anlisis de estudios observacionales.
a) Investigacin sobre la hiptesis.
Con la informacin recolectada se elabora la
hiptesis, la cual ha de ser investigada en los
siguientes aspectos:
- El agente causal.
- Exposicin.
- La fuente de infeccin.
- El modo de transmisin.
- El vehculo de transmisin.
b)Tasa de ataque (incidencia acumulada).
Para probar la hiptesis se emplea una medida denominada tasa de ataque, que es lo
mismo que la incidencia acumulada, pero que, en el caso del estudio de un brote
epidmico, se denomina tasa de ataque.
- Tasa de ataque de expuestos: probabilidad de que una persona expuesta al factor de
riesgo desarrolle la enfermedad.
118
- Tasa de ataque de no expuestos: probabilidad de que una persona no expuesta al
factor de riesgo desarrolle la enfermedad.
c) Diseo y anlisis de estudios observacionales.

Para la comprobacin de la hiptesis, se puede realizar con estudios observacionales:
diseo de cohortes y diseo de casos y controles.
A partir de los datos obtenidos, tambin se recomendar investigaciones complementarias:
- Estudios epidemiolgicos en profundidad.
- Estudios medio-ambientales: inspecciones, muestras de productos y ambientales,
estudio del circuito de distribucin de productos.
- Estudios microbiolgicos:
Definicin ms especfica de caso.
Comparacin de resultados epidemiolgicamente y medioambientalmente.
Relacin con otros brotes.
7. Tomar o recomendar medidas de control y prevencin (se puede realizar en cualquier

momento).
Las medidas de control y prevencin ms importantes son:
a) Eliminar el origen:
Tratar o aislar los casos.
Destruir, eliminar, desinfectar la fuente.
b)Interrumpir la transmisin.
c) Proteger grupos de riesgo:
Higiene.
Profilaxis, inmunizacin.
d)Evitar brotes en el futuro:
Recomendaciones prcticas, guas.
Modificaciones en la legislacin.
Las medidas de control y prevencin se deben establecer lo antes posible, en cualquier
momento de la cadena secuencias.
Primero investigar o controlar? Depende del conocimiento acerca de la enfermedad:

investigacin versus control.
Transmisin conocida Transmisin desconocida

Investigacin + Investigacin +++ (descubrir transmisin
Etiologa
Control +++ (cortar la para actuar sobre ella)
conocida
transmisin) Control +
Investigacin +++ (investigar
Etiologa etiologa para saber cmo actuar Investigacin +++
desconocida sobre ella) Control +
Control +++
+ = La ms baja prioridad
+++ = La ms alta prioridad.
Etiologa: bacteriana, vrica, medioambiental
Anticipacin: deteccin y control.

El diagnstico precoz de un caso de enfermedad hace que disminuyan el nmero de casos
totales ya que la actuacin ante el brote comienza antes, es decir, el tiempo desde el
primer caso, hasta la deteccin y notificacin es muy importante.
A mayor diferencia de tiempo entre un momento y otro, mayor probabilidad de que se
extienda la enfermedad.
119
- Si se acta pronto: se reduce el nmero de casos esperados. Deteccin precoz.
- Si se acta tarde: se previenen pocos casos esperados.
8. Escribir los hallazgos (informe provisional y final) y remitirlos urgentemente a quien

proceda. Difundir los informes para facilitar el desarrollo de la investigacin en el futuro
Debe hacerse a tiempo y transparentemente. Hay dos periodos diferenciados:
- Durante la investigacin:
Notas e informes preliminares.
Notas de prensa e informacin pblica.
Documentacin a los directamente implicados.
- Al final de la investigacin:
Informe completo para todos los implicados.
Artculos cientficos (aprender de la experiencia).
Los hallazgos adquiridos durante la investigacin han de ser apuntados en un diario de
brotes, porque las prisas y el estrs, hacen que, actuando de una manera, posteriormente se
olvida como se ha hecho. Con estas anotaciones, se escribe el informe final y se distribuye
a las personas implicadas con capacidad de decisin.
Los apartados que debe incluir este informa son los siguientes:
- Resumen ejecutivo. - Discusin.
- Introduccin. - Conclusin.
- Caractersticas del lugar, tiempo y - Medidas de control.
persona. - Recomendaciones.
- Metodologa. - Agradecimiento.
- Resultados. - Bibliografa.
Posteriormente se puede publicar en un artculo, pero despus de haber realizado y
distribuido el informe. Son dos cosas distintas.
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
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.
El primer ejemplo es la comparacin de tasas brutas de mortalidad (2000-2005) entre distintos

pases. Los datos sealaban que Suecia y Dinamarca tenan 12 y 11 muertes por 1000 personas-
ao; mientras que Nicaragua, Colombia y Venezuela tenan 8, 7 y 5 muertes por 1000 personas-
ao. Esto contradice la lgica: es verdad que la muerte es mayor en pases desarrollados
europeos que en pases en vas de desarrollo sudamericanos? La verdad es que no, se debe al
problema de comparar poblaciones con estructura diferente: mientras que Suecia y Dinamarca
tienen poblaciones envejecidas con un gran nmero de gente de edad mediana y con una base
estrecha; Nicaragua, Colombia y Venezuela tienen una poblacin joven con una estructura
poblacional en verdadera forma de pirmide. Por ello, existen ms muertes brutas en Suecia y
Dinamarca, donde la poblacin es mayor en edad.
El segundo ejemplo es la comparacin de incidencias infeccin nosocomial (IN) en un hospital. Se

hicieron estudios dos aos en distintos servicios en un hospital sobre la incidencia de IN y se
obtuvieron estos resultados:
IA IN Sistemas de vigilancia
3320 pacientes distribuidos:

- 15% mdicos.
Ao 2009 8,2% - 71% quirrgicos.
- 14% crticos.
3760 pacientes distribuidos:

- 14% mdicos.
Ao 2010 9,6% - 60% quirrgicos.
- 26% crticos.
Parece que la incidencia de IN ha aumentado de un ao a otro, es decir, que la prevencin ha
empeorado. Sin embargo, aqu tambin existe una estructura distinta de poblacin: un 14% de
los pacientes de 2009 son crticos y un 26% de los de 2010 tambin. La poblacin estudiada en
2010 es ms posible que tenga infecciones nosocomiales (hay un 12% ms de pacientes crticos).
El ajuste de tasas se puede hacer de 2 formas:

PRCTICAS
EPIDEMIOLOGA GENERAL Y DEMOGRAFA SANITARIA
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
Ajuste de tasas
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
una cierta enfermedad. Como grupo control en la evaluacin de la eficacia de dicha

intervencin se seleccion otra poblacin (B), que no particip en este programa.
Durante el ao siguiente a la intervencin (y tras esperar el tiempo establecido para que esta
tuviera efecto, si lo hubiera) se diagnosticaron 36 casos de la enfermedad en cuestin en la
poblacin (A) y 35 en la poblacin (B).
Los resultados correspondientes a las dos poblaciones se muestran en la siguiente tabla: 4
POBLACIN A POBLACIN B
N de aos en riesgo N de casos N de aos en riesgo N de casos
< 65 aos 2000 4 4000 20
> 65 aos 4000 32 1000 15
TOTAL 6000 36 5000 35
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.
Empezamos a calcular la tasa de incidencia cruda en cada poblacin y comparando los

resultados (multiplicamos el resultado por 1000 para tener una resultado entero ms
fcilmente interpretable):
POBLACIN A: DI = 36/6000 = 0,006 = 6 por 1000
POBLACIN B: DI = 35/5000 = 0,007 = 7 por 1000
Adems, podemos calcular el porcentaje de riesgo atribuible (RA%) [notar que aqu el profesor lo
calcul con DI y en teora vimos que se calculaba con IA; adems al ser una exposicin de
proteccin, la frmula es al revs]:
RA% = (7 6) / 7 = 1,7 = 0,14 = 14%
Conclusin: la poblacin A tiene la misma incidencia que la B a pesar del programa de
prevencin (tienen casi los mismos casos por 1000 a pesar de la vacuna). Es este el efecto real
de la intervencin? Slo se pueden evitar el 14% de los casos con la vacuna, es decir, la vacuna
solo disminuye un 14% la probabilidad de enfermar? Podemos entonces considerar el programa
de intervencin como prcticamente inefectivo para prevenir la enfermedad?
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
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.
Los pasos del ajuste son:

A. ESTABLECIMIENTO DE LA POBLACIN ESTNDAR.
Existen poblaciones estndar oficiales, calculadas por la OMS por continente o regin.
Expresan la estructura de poblacin media de cada zona. Tambin puede calcularse una
poblacin media mediante la suma de las poblaciones que se comparan (se asume este
mtodo cuando no se proporciona poblacin estndar) que es el mtodo que vamos a usar:
POBLACIN A POBLACIN B POBLACIN ESTNDAR
< 65 aos 2000 4000 6000
> 65 aos 4000 1000 5000
TOTAL 6000 5000 11000
B. CLCULO DE LOS CASOS ESPERADOS EN LA POBLACIN ESTNDAR.

Consiste en aplicar las tasas de incidencia calculadas para cada poblacin y estrato a la
poblacin (de cada estrato) de la poblacin estndar.
POBLACIN A
DI cruda Casos esperados en la poblacin estndar
< 65 aos 2 por 1000 2/1000 x 6000 = 12 casos
> 65 aos 8 por 1000 8/1000 x 5000 = 40 casos
Ocurriran 52 casos en la poblacin estndar si la enfermedad

TOTAL
siguiera el patrn de la POBLACIN A
POBLACIN B
DI cruda Casos esperados en la poblacin estndar
< 65 aos 5 por 1000 5/1000 x 6000 = 30 casos
> 65 aos 15 por 1000 15/1000 x 5000 = 75 casos
Ocurriran 105 casos en la poblacin estndar si la enfermedad

TOTAL
siguiera el patrn de la POBLACIN B
123
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:
POBLACIN A: TE = 52/11000 = 0,0047 = 4,7 por 1000

POBLACIN B: TE = 105/11000 = 0,0095 = 9,5 por 1000
Conclusin final tras el ajuste: se comprueba que el descenso de la incidencia de la poblacin
A con respecto al control (poblacin B) es mucho mayor de lo que pareca, de hecho hemos
pasado de un efecto de un 14% a un 50% (4,7-9,5/9,5), con lo que la efectividad preventiva
es mucho mayor de lo que pareca.
124
salud.
salud.

CERTIFICACIN DE LA CAUSA DE LA MUERTE.
Certificado de defuncin.
El certificado de defuncin es un registro de mortalidad: sistema de registro exhaustivo, e
internacional de gran valor y codificado segn el estndar internacional CIE (Clasificacin JDS 2016
JDS 2016
internacional de Enfermedades).
Importancia del certificado de defuncin.

- Legal: registro civil. Preciso para multitud de trmites.
- Investigacin: estadsticas de mortalidad, comparacin con otros pases, cambios y
tendencias en el modo de enfermar.
- Fuente fundamental de informacin en salud pblica. Planificacin, priorizacin de
recursos, educacin para la salud.
Partes del certificado de defuncin.

PRCTICAS
El certificado de defuncin consiste en dos documentos distintos (gran de

Certificacin
Certificacin inconveniente):
decausa
la la causa de muerte
de muerte
1. Certificado: responsabilidad de cualquier mdico. Calidad y precisin en la certificacin.
2. Boletn Estadstico de Defuncin: lo ideal es que lo transcriba el mismo mdico, pero con
frecuencia lo hacen empleados de la funeraria sin formacin mdica.
Cules son los problemas de este sistema actual?:

JDS 2016
JDS 2016
El formato de estos dos documentos no es exactamente el mismo.
Entidades poco especficas: parada cardio-respiratoria, fallo multiorgnico.
Utilizacin de signos o sntomas mal definidos: insuficiencia respiratoria, renal, cardiaca,
heptica; hipertensin intracraneal, arritmia, etc.
La informacin est escrita a mano, y la letra puede ser ilegible para el empleado de la
funeraria.
Uso de abreviaturas o siglas que no entienda el empleado de la funeraria.
Pueden figurar diagnsticos que no guarden una relacin de causalidad adecuada. Es
importante reflejar la relacin cronolgica de los acontecimientos.
125
PRCTICAS
EPIDEMIOLOGA GENERAL Y DEMOGRAFA SANITARIA Certificacin de la causa de muerte
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
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
128
PRCTICA 2: DISEO DE ESTUDIOS EPIDEMIOLGICOS. MEDIDAS DE FRECUENCIA
DISEO DE ESTUDIOS EPIDEMIOLGICOS.

a) Sealar el tipo de diseo epidemiolgico elegido en cada uno de los estudios que se describen
a continuacin, indicando:
- OBJETIVO del estudio: analtico / descriptivo.
- CRITERIO DE SELECCIN MUESTRAL: enfermedad / exposicin (asignada o no por el
investigador) / ambas.
- TIEMPO del estudio: longitudinal / transversal.
- DIRECCIN de la investigacin: prospectiva / retrospectiva.
- UNIDAD DE ESTUDIO: poblacional / individual.
1. Entre los enfermos ingresados por ulcus gstrico activo se realiza un estudio para
determinar la eficacia de un nuevo frmaco antihistamnico. Al azar se determinan
aquellos pacientes que recibirn el nuevo frmaco y aquellos otros que recibirn el
tratamiento de eleccin. A continuacin se les realiza un seguimiento ambulatorio
durante 6 meses.
Es un ensayo clnico:
- OBJETIVO: analtico.
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de exposicin (nuevo frmaco
antihistamnico) asignada por el investigador (experimental).
- TIEMPO DEL ESTUDIO: longitudinal.
- DIRECCIN: prospectiva.
- UNIDAD DE ESTUDIO: individual.
2. En una revista mdica aparecen descritos cinco casos de Sarcoma de Kaposi en jvenes
residentes en una misma poblacin.
Es una serie de casos (no es un estudio epidemiolgico propiamente dicho, sino la
antesala de lo que podra ser un futuro estudio de casos y controles) y se diferencia de la
comunicacin de un caso porque son varios casos:
- OBJETIVO: descriptivo.
- CRITERIO DE SELECCIN MUESTRAL: no existe una seleccin de muestra como tal, sino
la recopilacin de los casos detectados de una enfermedad:
Que difiere en alguna de las caractersticas de persona, lugar o tiempo, de lo
descrito hasta ese momento para dicha enfermedad.
O que todava no ha sido descrita (nueva enfermedad).
- TIEMPO Y DIRECCIN: criterios no aplicables.
3. Se sigui durante 10 aos a los nios que vivan cerca de una lnea de alta tensin para
conocer la aparacin de tumores cerebrales y hematolgicos. Posteriormente, se
compararon con otro grupo de nios, seguidos el mismo periodo de tiempo, que vivan en
la misma ciudad, pero alejados de las lneas de alta tensin.
Es un estudio de cohortes:
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de exposicin (lneas de alta
tensin) NO asignada al azar por el investigador (observacional).
4. Estudio realizado anualmente en los distintos hospitales de nuestro pas para conocer el
nmero de infecciones nosocomiales que se originan en estos.
Es un estudio transversal:
- CRITERIO DE SELECCIN MUESTRAL: ambas o no procede (la muestra son todos los
pacientes ingresados en el hospital; no se seleccionan segn exposicin o enfermedad).
- TIEMPO DEL ESTUDIO: transversal.
- DIRECCIN: criterio no aplicable (no hay seguimiento, es transversal).
129
5. Con el fin de estudiar la influencia de distintos factores etiolgicos en la leucemia
linfoctica en nios, se investigan los antecedentes ocupacionales de los padres de 200
nios con esta enfermedad, y lo mismo se hace con los padres de 400 nios sin ella.
Es un estudio de casos y controles:
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de enfermedad (leucemia
linfoctica).
- DIRECCIN: retrospectiva.
6. Para prevenir conductas de riesgo en adolescentes, se inicia un plan de educacin
sanitaria en los colegios del rea V de Madrid que tengan profesores dedicados a la
educacin sanitaria. Tras seguir este programa durante 4 aos, se comparan las
frecuencias de consumo de alcohol y otros txicos, as como de embarazos no deseados,
de los alumnos de estos colegios con las de los alumnos del resto de los colegios del rea
V.
Es un ensayo de campo (diferente del de intervencin comunitaria porque la exposicin
aqu es individual):
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de exposicin (plan de educacin
sanitaria) asignada INDIVIDUALMENTE por el investigador (experimental).
7. Se publica en una revista mdica el caso clnico de una pre-adolescente con carcinoma de
vagina.
Es una comunicacin de un caso (no es un estudio epidemiolgico propiamente dicho,
sino la antesala de lo que podra ser un futuro estudio de casos y controles) y se diferencia
de una serie de casos porque es el primer caso que aparece:
- CRITERIO DE SELECCIN MUESTRAL: no existe una seleccin de muestra como tal, sino
la recopilacin de los casos detectados de una enfermedad:
Que difiere en alguna de las caractersticas de persona, lugar o tiempo, de lo
descrito hasta ese momento para dicha enfermedad.
O que todava no ha sido descrita (nueva enfermedad).
- TIEMPO Y DIRECCIN: criterios no aplicables.
8. Se estudia la relacin existente entre la tasa de suicidios y el sector de actividad laboral
(tasa de paro) en municipios espaoles mayores de 10.000 habitantes.
Es un estudio ecolgico:
- CRITERIO DE SELECCIN MUESTRAL: ambas o no procede (no se puede concluir).
- TIEMPO DEL ESTUDIO: transversal.
- DIRECCIN: criterio no aplicable (no hay seguimiento, es transversal).
- UNIDAD DE ESTUDIO: poblacional.
9. Investigacin de un brote infeccioso causado por alimentos, en el que 150 personas con
hepatitis infecciosa y 200 sanas del mismo barrio fueron interrogadas sobre el consumo de
almejas crudas en los tres meses previos.
Es un estudio de casos y controles:
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de enfermedad (hepatitis
infecciosa).
- DIRECCIN: retrospectiva.
130
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):
- CRITERIO DE SELECCIN MUESTRAL: presencia o no de exposicin (fluorizacin del
agua) asignada POBLACIONALMENTE por el investigador (observacional).
Criterio de seleccin de la muestra - Presencia de enfermedad Casos y controles

- Presencia de exposicin Cohortes
- Ambas Transversales
Direccin
131
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.
2. Realice los clculos e interprete los resultados (calculamos la prevalencia final

suponiendo que no haya muerto ninguna paciente).
IA Ca de mama (5 aos) = 10 / MEDIDAS
(5000 25)DE = 2FRECUENCIA
x 10-3 = 2 casos nuevos por 1000 habs.
[DI Ca de mama (5 aos) = 10 / 5 x (5000 25) = 4 x 10-4 = 4 por 10000 p-a]
P Ca de mama inicio = 25 / 5000 = 5 x 10-3 = 5 casos por 1000 habitantes
a) En PunCa
cribado de 5000
de mama finalmujeres se encontr
= 35 / 5000 que
= 7 x 10 257 de
-3 = ellaspor
casos padecan cncer de mama.
1000 habitantes
En los 5 aos siguientes 10 mujeres ms de las examinadas presentaron esta
3. Qu diferencias encuentra entre las medidas calculadas?
La incidencia es el porcentaje de los casos nuevos que aparecen en la poblacin susceptible
enfermedad.
(probabilidad o riesgo de enfermar en ese periodo), mientras que la prevalencia es la
porcentaje de la poblacin enferma en un momento concreto (peso de la enfermedad en la
poblacin). Si la duracin de la enfermedad no es muy corta, lo normal es que la prevalencia
1. Qu medidas de frecuencia de enfermedad pueden ser obtenidas?
siempre sea mayor a la incidencia (existen ms casos de los que aparecen).
2. Realice los clculos e interprete los resultados
4. La frecuencia de la enfermedad podemos medirla como prevalencia o como incidencia
Qu3.medida
Qu diferencias encuentra
es ms apropiada entre
para las medidas de
la evaluacin calculadas?
programas de prevencin secundaria?
Y de prevencin primaria? Por qu?
4. ms
La medida La adecuada
frecuenciapara
de cada
la enfermedad
una es: podemos medirla como prevalencia o como
- Programas de prevencin
incidencia Qu medidasecundaria:
es ms prevalencia.
apropiada paraLalaprevencin
evaluacinsecundaria pretende
de programas de
detectar la enfermedad en su periodo subclnico, con objeto de mejorar el
prevencin
pronstico secundaria?
y reducir Y dede
el nmero prevencin primaria? Por
casos existentes de laqu?
misma o prevalencia de la
enfermedad.
- Programas de prevencin primaria: incidencia. La prevencin primaria acta sobre los
factores de riesgo de una enfermedad con la intencin de reducir la aparicin de
nuevos
b) Con casos de
el objeto de la misma la
estudiar o incidencia
ocurrenciadedela cardiopata
enfermedad.isqumica, se lleva a cabo el
seguimiento de los sujetos de entre 40 y 59 aos de 2 muestras, A y B, durante un

b) Con el objeto de estudiar la ocurrencia de cardiopata isqumica, se lleva a cabo el
periodo de
seguimiento de los
5 aos. Losde
sujetos resultados
entre 40 del
y 59seguimiento son los siguientes:
aos de 2 muestras, A y B, durante un periodo de
5 aos. Los resultados del seguimiento son los siguientes:
Muestra A Muestra B
N sujetos N de aos N sujetos N de aos
0 1 2 3 4 5 0 1 2 3 4 5
1 Enf -------------------Fallece ----------- - 1 ------------------------------------------------
2 --------Enf ------------------------------- - 2 -----------------Enf---------------------------
3 -------------------------------------------- - 3 ------------------------------------------------
4 ------------------------Enf --------------- - 4 ----Enf----------------------------------------
5 ---------------------------------Muere --- - 5 -----------------------------Muere-----------
6 --------Enf -----------Abandona --------- 6 --------------------------------Enf------------
7 ---------------------------------------------- 7 ---------Abandona---------------------------
8 ------------Enf ----------------------------- 8 ------------------------------------------------
9 ---------------------------------Abandona- 9 ------------------------------------------------
10 ---------------------------------------------- 10 -------------------------------Enf-------------
11 ---------------------------------Enf -------- 11 Enf--------------------------------------------
12 ----Abandona ----------------------------- 12 ------------------------------------------------ -
13 ----------------------------Enf-------------
14 ---------------------------------------------
132 15 ---------------------------------------------
1. Calcular e interpretar la prevalencia de la enfermedad para cada muestra a mitad de
periodo.
1. Calcular e interpretar la prevalencia de la enfermedad para cada muestra a mitad de
periodo.
POBLACIN A: POBLACIN B:
Poblacin a mitad de periodo: 11 Poblacin a mitad de periodo: 14
Enfermos a mitad de periodo: 4 Enfermos a mitad de periodo: 3
Prevalencia = 4 / 11 = 0,364 = 36,4% Prevalencia = 3 / 14 = 0,214 = 21,4%
Hay 36 enfermos de cada 100 habitantes Hay 21 enfermos de cada 100 habitantes
2. Calcular e interpretar el riesgo de enfermar en ambas muestras.

Poblacin susceptible enfermar a inicio: 11 Poblacin susceptible enfermar a inicio: 14
Nuevos enfermos a lo largo del periodo: 5 Nuevos enfermos a lo largo del periodo: 5
IA = 5 / 11 = 0,455 = 45,5% IA = 5 / 14 = 0,357 = 35,7%
Riesgo individual de enfermar: la Riesgo individual de enfermar: la

probabilidad de enfermar es del 46% probabilidad de enfermar es del 36%
3. Calcular e interpretar la tasa de incidencia (densidad de incidencia) en ambas muestras.

Nuevos enfermos a lo largo del periodo: 5 Nuevos enfermos a lo largo del periodo: 5
Tiempo total de seguimiento susceptibles: Tiempo total seguimiento susceptibles: 5+

0+1+5+2,5+3,5+1+5+1,5+3,5+5+3,5+0,5=32 p-a +2+5+0,5+3,5+4+1+5+5+3,5+5+3+5+5=52,5 p-a
DI = 5 / 32 = 0,156 por p-a = 15,6% (casos de DI = 5 / 52,5 = 0,095 por p-a = 9,5% (casos de
enfermedad generados a lo largo del periodo enfermedad generados a lo largo del periodo
total de seguimiento) total de seguimiento)
Fuerza de la enfermedad para irrumpir en la Fuerza de la enfermedad para irrumpir en la

poblacin: de cada 100 sujetos en riesgo se poblacin: de cada 100 sujetos en riesgo se
producen 15,6 casos de enfermedad producen 9,5 casos de enfermedad
4. La frecuencia puede ser medida en trminos absolutos o relativos. Qu es preferible y

por qu? (utilice los datos anteriores para argumentarlo).
Medidas relativas. En las comparaciones de frecuencia de enfermedades es necesario utilizar
medidas que sean independientes del tamao de la poblacin observada.
Por ejemplo, en el caso anterior, tanto la poblacin A como B tienen los mismos casos nuevos
(5 casos). La incidencia en trminos absolutos es la misma; pero sin embargo es un artefacto,
ya que la poblacin A tiene menos personas que la B y la incidencia es mayor en la poblacin A
que en la B.
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.
La incidencia acumulada indica el nmero de individuos que contraen la enfermedad

en un periodo determinado, en relacin con el nmero de individuos libres de
enfermedad al comienzo de dicho periodo. Indica la probabilidad de enfermar en ese
tiempo. No tiene dimensin y puede tomar valores de 0 a 1.
133
134
PRCTICA 3: ANLISIS EPIDEMIOLGICO CRUDO
Se ha seleccionado una muestra de 1000 mujeres mayores de 45 aos, representativas de este

sector de la poblacin en la comunidad de Madrid. Mediante la tcnica de la historia diettica
se define su patrn alimentario, pudiendo establecerse dos grupos en funcin del consumo de
grasas saturadas (GS): aquellas mujeres con un consumo ptimo (CO), cuya ingesta de GS no
excede los lmites mximos recomendados, y aquellas otras con un consumo sub-ptimo (CSO),
cuya ingesta de GS excede los lmites mximos recomendados. Se les sigue durante 15 aos para
identificar la ocurrencia de cncer de mama, obtenindose los siguientes resultados:
Ca mama No Ca mama Total
Expuestos (CSO) 400 333 733
No expuestos (CO) 100 167 267
Total 500 500 1000
Para definir la exposicin se utilizan puntos de corte en la distribucin normal de la poblacin

sobre el consumo de grasas saturadas (no es una exposicin dicotmica como el consumo de
tabaco, cuyas posibilidades son S/NO), considerando como CO al quintil inferior y CSO al quintil
superior.
No podra realizarse un ensayo clnico con esta exposicin, puesto que el ensayo clnico testa
exposiciones de las que tenemos evidencias que pueden ser beneficiosas (no perjudiciales). Por
ello, necesitamos un estudio de este tipo aprovechndonos de los estilos de vida de las personas.
1. En su opinin qu tipo de diseo epidemiolgico se utiliz en este estudio? Indique cuales

son las caractersticas en las que se basa para identificarlo como tal, y las ventajas e
inconvenientes de dicho diseo.
Es un estudio de cohortes: partimos de un grupo de personas no enfermas clasificadas en
expuestas (CSO) y no expuestas (CO), se siguen 15 aos y se estudia la incidencia de la aparicin
de cncer de mama. Tiene sentido hacer el seguimiento durante 15 aos puesto que el cncer es
una enfermedad con un periodo de induccin largo y ms si estudiamos su relacin con la
dieta (no sera as si por ejemplo fuese por radiacin).
Los estudios de cohortes son:

- Carcter: observacional.
- Objetivo: analtico.
- Relacin con el tiempo: longitudinal prospectivo.
- Unidad de anlisis: datos individuales.
- Con base poblacional (en este caso).
- Cohorte fija (en este caso).
Las ventajas de los estudios de cohortes son:
1. Permiten calcular incidencia del/de los evento/s.
2. Permite establecer la historia natural de la enfermedad (secuencia temporal).
3. tiles para medir los efectos de exposiciones infrecuentes en la poblacin.
4. Permite medir varios efectos de una sola exposicin.
5. Son tiles cuando el efecto es relativamente frecuente.
Los inconvenientes de los estudios de cohortes son:

1. Son caros y requieren perodo de seguimiento prolongado (especialmente los
prospectivos).
2. No sirven para el estudio de enfermedades infrecuentes (a excepcin de los
retrospectivos).
3. Son poco adecuados para enfermedades con largos perodos de induccin (a excepcin
de los retrospectivos).
4. Existen sesgos por conocer la exposicin y por los largos perodos de seguimiento (por
ejemplo, por cambios en los criterios diagnsticos).
135
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
Expuestos (CSO) 400 (a) 333 (b) 733 (N1)
No expuestos (CO) 100 (c) 167 (d) 267 (N0)
Total 500 (M1) 500 (M0) 1000 (T)
136
} Existe asociacin entre la exposicin estudiada y la
enfermedad?
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
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).
As para nuestro estudio y tabla:
Pregunta 3 Ca mama No Ca mama Total
Expuestos (CSO) 400 333 733

} Calcule la No medida de asociacin
expuestos (CO) 100
que corresponda
167 267
(Odds
Ratio o Riesgo Total
relativo), 500 as como 500
su intervalo
1000
de
confianza. Interprete los resultados.
RR = Ie / Io = (400 / 733) / (100 /267) = 0,55 / 0,37 = 1,46
2. Cul es la PRECISIN de la estimacin del efecto?
Interpretacin: El cncer de mama es 1,46 veces ms frecuente (o ms probable) en las
} Determinar
mujeres expuestas a unentre
consumoque RANGO
subptimo de grasasDE VALORES
saturadas (CSO) que enpuede
las no expuestas
(no CSO). Dicho de otra forma, estar expuesto aumenta un 46% la probabilidad de padecer
cncerencontrarse
de mama. el valor poblacional (real) que pretendemos
estimar.
Por ltimo calculamos el intervalo de confianza: consiste en determinar entre qu rango de
valores puede encontrarse el valor poblacional o real que pretendemos estimar, con una
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:
Valor correspondiente a un error alfa

del 5% en la curva de la distribucin
normal (1,96)
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).
El intervalo de confianza da ms informacin que el valor puntual de magnitud de la asociacin,

ya que expresa:
- Existencia o no de significacin estadstica.
- Magnitud de la asociacin.
- Mide el efecto del tamao de la muestra (mayor tamao muestral, menos variabilidad de
la estimacin).
Es importante que siempre interpretemos la significacin estadstica a la luz de la relevancia e

importancia prctica de la diferencia encontrada:
- Si el resultado es significativo no quiere decir que exista la asociacin, sino que es poco
probable que no exista.
- La significacin estadstica no informa sobre la importancia para la salud de los resultados.
138
}Calcule la medida de asociacin que corresponda (Odds Ratio o
Riesgo relativo), as como su intervalo de confianza. Interprete
los resultados. Manuel Jurez y Vctor Macarrn
Vamos a ver esto en un ejemplo:
Ejemplo significacin estadstica vs. Significacin prctica:
Comparamos la eficacia de:

Frmaco A: curacin del 85% de los pacientes tratados.
Frmaco B (nuevo): curacin del 87% de los pacientes tratados.
Diferencia estadsticamente significativa (p<0,001).
Significa que el nuevo frmaco B debe ser introducido en la
clnica y que el frmaco A debe ser abandonado?
Efectos adversos, costes, disponibilidad, etc.
25
4. En ausencia de ms informacin, puede la posible asociacin encontrada considerarse de

naturaleza causal? Razone la respuesta.
No, para considerar una asociacin causal necesitamos dos requisitos fundamentales:
a) Asociacin estadstica vlida entre la exposicin y el efecto dentro de un estudio en
particular (existe una relacin mayor que la previsible por azar): descartar otras
explicaciones alternativas, azar, sesgos, factores de confusin y factores
modificadores del efecto.
Necesitamos que nuestro estudio sea preciso y vlido:
Precisin (fiabilidad o reproducibilidad): mayor cuanto menor sea el error aleatorio.
Una precisin alta indica observaciones poco dispersas.
Validez: grado en el que los resultados del estudio se aproximan al valor real. Existen
dos:
- Validez interna: grado en el que los resultados de un estudio son correctos para los
Pregunta 4sujetos estudiados. Condiciones para que exista: ausencia de errores sistemticos y
minimizacin de errores aleatorios.
- Validez externa: capacidad de extrapolacin o traslacin de los resultados del
estudio a una poblacin diferente o ms extensa que la estudiada. Condiciones
para que exista: representatividad estadstica y alta validez interna.
139
29
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%.
- Proporcin de riesgo atribuible (RA%) o fraccin etiolgica: proporcin de

enfermedad, de casos o de incidencia en la poblacin de expuestos que es debido a
la exposicin; o el porcentaje de enfermedad que se evitara entre los sujetos
expuestos si eliminramos la exposicin.
Se calcula como:
RA% = (Ie Io) / Ie x 100 = [(RR 1) / RR] x 100
En nuestro caso:
RA% = (0,55 0,37) / 0,55 = 0,18 / 0,55 = 0,33 = 33%
Interpretacin: el 33% de los enfermos de cncer con dieta con CSO de grasas deben
su enfermedad a la dieta con CSO de grasas; es decir, si eliminsemos la dieta con CSO
de grasas, prevendramos el 33% de los casos en los expuestos.
140
- Riesgo atribuible en la poblacin total:
- Riesgo atribuible poblacional (RAP): es el exceso de riesgo o de incidencia de
enfermar debido a la exposicin en el conjunto de la poblacin; o la cantidad
incidencia de enfermedad atribuible a la exposicin.
Se calcula como:
RAP = It Io
En nuestro caso:
RAP = (500 / 1000) (100 /267) = 0,5 0,37 = 0,13 = 13%
Interpretacin: la incidencia de cncer en la poblacin general atribuible a la dieta
con CSO de grasas es del 13%.
- Proporcin de riesgo atribuible poblacional (RAP%): proporcin de enfermedad, de

casos o de incidencia en la poblacin general que es debido a la exposicin; o el
porcentaje de enfermedad que se evitara en la poblacin general si eliminramos la
exposicin.
Se calcula como:
RAP% = (It Io) / It x 100 = RA% x Fexp x 100 = [(RR 1) / RR] x Fexp 100
En nuestro caso:
RAP% = (0,5 0,37) / 0,5 = 0,13 / 0,5 = 0,26 = 26%
Interpretacin: el 26% de los enfermos de cncer de la poblacin general deben su
enfermedad a la dieta con CSO de grasas; es decir, si eliminsemos la dieta con CSO de
grasas, prevendramos el 33% de los casos en la poblacin general.
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
- Proporcin de riesgo atribuible poblacional:

RAP% = RA% x Fexp x 100 = [(OR 1) / RR] x Fexp 100
Fexp = proporcin de casos expuestos = a / (a + c)
141
142
PRCTICAS
Anlisis Epidemiolgico Estratificado

Tipo de Estudio
Tipo de Estudio PRCTICA 4: ANLISIS EPIDEMIOLGICO ESTRATIFICADO
Estudio de casos y controles
Estudio de casos y controles
Para determinar si la exposicin a un determinado producto qumico est relacionada con la
1.- Observacional: Exposicin y efecto ocurren espontneamente.
aparicin
1.- de ulcus
Observacional: pptico
Exposicin y efectose realiz
ocurren un estudio
espontneamente. de casos y controles entre los trabajadores de
2.-una empresa
Longitudinal multinacional
(retrospectivo): petroqumica.
Dos tiempos (seleccin y En el mismo se comparaban 250 casos diagnosticados
2.- Longitudinal (retrospectivo): Dos tiempos (seleccin y
de ulcera gstrica por los servicios de salud laboral de la empresa en los ltimos cinco aos con
clasificacin).
dos grupos de controles. Uno de ellos estaba compuesto por 750 sujetos atendidos por dichos
clasificacin).
3.-servicios en ese
Analtico: Analiza mismo
posible tiempo
causalidad debido
(contraste a problemas de salud diversos, en ningn caso de tipo
de hiptesis).
3.- Analtico: Analiza posible causalidad (contraste de hiptesis).
digestivo, y que posteriormente se comprob eran administrativos, en su mayora mujeres (en
4.- Casos y controles:
este
4.- Casospunto se observ adems que los casos eran en su mayora varones, como lo eran tambin
y controles:
los trabajadores
1.- Seleccin por en contacto
el efecto
1.- Seleccin por el efecto directo con los productos qumicos). El otro grupo estaba
o enfermedad.
o enfermedad.
compuesto
2.- Clasificacin por la exposicin o factor de riesgo. de las poblaciones en donde estaban ubicadas las
por una muestra representativa
factoras.
2.- Clasificacin por la exposicin o factor de riesgo.
Los resultados de la primera comparacin mostraron que 170 de los casos y 330 de los controles
haban estado expuestos al producto qumico en cuestin.
JDS 2016
El estudio realizado es un estudio de casos y controles, cuyas caractersticas son:

1. Observacional: exposicin y efecto ocurren espontneamente.
2. Longitudinal (retrospectivo): dos tiempos (seleccin y clasificacin).
3. Analtico: analiza posible causalidad (contraste de hiptesis).
4. Casos y controles: son 1 seleccionados por el efecto o enfermedad y 2 clasificados por la
exposicin o factor de riesgo.
PRCTICAS
Las principales diferencias de Epidemiolgico

los estudios observacionales longitudinalesAnlisis
son: Epidemiolgico Estratificado
PRCTICAS
Anlisis Estratificado
Estudios de Cohortes Estudios de Casos y Controles

Seleccin Clasificacin
Prdidas de Mortalidad por
Clasificacin Seleccin
seguimiento otras causas
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
Prdidas de Mortalidad por

Investigador seguimiento otras causas Investigador
JDS 2016
JDS 2016
Estudio de cohortes Estudio de casos y controles
Seleccin Por la exposicin Por el efecto
Clasificacin Por el efecto Por la exposicin
Temporalidad Prospectivo Retrospectivo

PRCTICAS
Anlisis Epidemiolgico Estratificado

Clculo de incidencia S No
Resumen. Estudios Observ. longitudinales.
Medida de riesgo RR OR
Aplicabilidad Exposiciones raras Enfermedades poco frecuentes

Estudios de Casos y
Estudios de Cohorte
Controles
Eficiencia Caros y complicados
Seleccin Baratos
Por la exposicin y sencillos
Por el efecto
Clasificacin Por el efecto Por la exposicin

Alto nivel de evidencia. Menos Menor nivel de evidencia. Ms sensible
Validez Temporalidad Prospectivo Retrospectivo
sensibles a sesgos a sesgos
Cculo de Incidencias Si No
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
Total 250 Total

750 M1000
1 M0
Total T M1 M0 T

La ! se
a) Clculo la !2 (significacin
de calcula como: estadstica).
B) Medida puntuales de efecto: consiste en calcular la OR:

OR = (a x d) / (b x c)
C) Medidas de efecto por intervalo: calculamos el intervalo de confianza de nuestro OR

para una P < 0,05 (por ello usamos un valor de 1,96). Podemos calcular el intervalo de
confianza de dos formas:
Como la !(12 experimental (43,2) es mayor a la !2 terica (3,84) podemos rechazar la Ho:
-
existe OR
1,96/!)
asociacin significativa con P<0,05.
- e (lnOR 1,96 (1/a + 1/b + 1/c + 1/d)
Normalmente
b) Clculo del OR usaremos
(magnitudladel
primera (la segunda es una aproximacin). Para comprobar que
efecto).
hemos hecho todoORbien, si la ! calculada es significativa,
= (a x d) / (b x c) = (170 x 420) / (80 xel330)
intervalo
= 2,7 de confianza (ambos
lmites) tiene que estar por encima de 1 (si es un factor de riesgo) o por debajo de 1 (si es
un factor
Es 2,7 veces de proteccin)
ms frecuentepero
la nunca incluir
aparicin dealulcus
valor pptico
nulo (OR en= 1).
sujetos expuestos a los
productos qumicos que en los no expuestos (los productos qumicos son un factor de riesgo,
ya que OR > 1). Recordemos que el OR se interpreta del mismo modo que el OR y es buen
estimador cuando la enfermedad es poco frecuente.
c) Clculo del intervalo de confianza del OR.

IC (95%) = OR (1 1,96/!) = 2,7 (1 1,96/6,6) = (2,01 3,63)
63
SI repetimos el estudio 100 veces, en 95 de ellas nos saldra un OR entre el siguiente
intervalo de valores: 2,01 y 3,63.
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

S: Ulcus pptico 200 50 250
S: Producto Qui. 400 100 500
NO: Producto Qui 100 400 500 OR = 16
TOTAL 500 500 1000
2. El sexo debe estar asociado con el efecto: el ulcus es de 2 a 3 veces ms frecuente en
hombres. Vamos a comprobarlo:
S: El
Ulcus pptico
producto 200
qumico 50 puede
(PQ) 250 producir
NO: Ulcus pptico
ulcus pptico (UP) en300los trabajadores
450 OR = 6
750 expuestos?
TOTAL 500 500 1000
3. El sexo no forma parte de la cadena etiopatognica de la enfermedad: evidente.

3) El sexo no forma parte de la cadena etiopatognica de la enf.
2,7
PQ UP
?
SEXO
+
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
Ulcus No ulcus Total Ulcus No ulcus Total
PQ 160 240 400 PQ 10 90 100
No PQ 40 60 500 No PQ 40 360 400
Total 200 300 500 Total 50 450 500
Dada esta distribucin:

- De los 250 casos, 200 son hombres (80%) y 50 mujeres.
- De los 750 controles, 300 (40%) son hombres y 450 mujeres.
- La proporcin de hombres en la globalidad del estudio es del 50%.
Los controles deberan ser representativos de los casos para todas aquellas terceras variables
que no son directamente las estudiadas. El sexo est inusualmente distribuido entre casos y
controles por lo que el estudio puede haber sufrido un sesgo de confusin y su resultado ser
cuestionable. Es necesario un anlisis estratificado.
145
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.
- Frecuencia de aparicin de la enfermedad (FEA):

FEA hombres = 200 / 500 x 100 = 60%
FEA mujeres = 50 / 500 x 100 = 10%
El sexo est asociado con la aparicin de la enfermedad porque la frecuencia de sta
vara en funcin del sexo.
De nuevo comprobamos que el sexo es un factor de confusin. El efecto medido en el estudio

global se deba a un sesgo de confusin por la mayor frecuencia de ulcus en hombres y la inusual
distribucin de sexos entre casos y controles.
Ahora vamos a calcular el OR por estratos y ajustado y compararlos:

- OR crudo (sin estratificacin) = 2,7
- OR hombres (estrato 1) = (160 x 60) / (40 x 240) = 1
- OR mujeres (estrato 2) = (10 x 360) / (40 x 90) = 1
- OR ajustado:
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
Perturbacin errnea del efecto Fenmeno natural
Puede o no estar presente, dependiendo del

Independiente del diseo del estudio: intrnseca
diseo del estudio
No se evala mediante un test estadstico Se evala mediante un test estadstico
No se puede obtener un estimador global del

Se puede obtener un estimador global de efecto
efecto
Se debe evitar Se debe describir
Los problemas del anlisis estratificado son:

1. Solo se puede probar que la relacin es independiente de las variables de estratificacin
de una en una.
2. Estratificaciones para ms de una o dos variables dan lugar a insuficiente tamao
muestral en los subgrupos.
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 ?
C. Posible sesgo de clasificacin: porque no se define ni cuantifica la magnitud de la

exposicin. Dado el tipo de controles, incluso entre los expuestos, los administrativos
probablemente tendrn exposiciones de menor magnitud. Es poco probable otro tipo de
sesgos de clasificacin, como el sesgo de memoria, ya que saben de qu trabajan.
4. Qu requerimiento fundamental debera cumplir el grupo control en este tipo de estudio?

Razone la respuesta.
Los controles deberan ser representativos de los casos para todas aquellas terceras variables
que no son directamente las estudiadas (es decir, los casos se deben parecer en todo incluido
la exposicin, salvo en que no estn enfermos). Para ello, podemos tomar dos medidas:
1. Seleccin aleatoria de individuos de una poblacin similar y comparable a los casos,
salvo que deben de estar sanos para el efecto estudiado. Por ejemplo: Poblacin de la
misma zona donde se ubican las empresas sin la enfermedad? Otros trabajadores del
mismo tipo de empresas, pero sin la enfermedad?
2. Si es necesario garantizar el control de terceras variables (sexo) se puede realizar un
apareamiento entre casos y controles (matching). Se fuerza as que la proporcin sea
homognea (cada vez que se selecciona un caso de un determinado sexo, se escogen
aleatoriamente uno o ms individuos, del mismo sexo que el del caso, de la poblacin
elegible de controles).
En general, las formas de prevenir y controlar la confusin son:

- En la fase de diseo: aleatorizacin (ensayos clnicos, estudios de intervencin),
restriccin (estudios de cohortes, estudios de casos-controles, estudios experimentales),
emparejamiento o matching (estudios casos y controles; estudios experimentales).
- En la fase de anlisis: estratificacin y anlisis multivariantes.
Algunas consideraciones sobre la confusin:
- La presencia de confusin constituye un notable inconveniente para la evaluacin de las
relaciones causales.
- Debemos pensar siempre en la existencia de factores de confusin.
- Cuando no se controla completamente la confusin hablamos de confusin residual.
- Los efectos de la confusin son indeseables y hay que usar modelos matemticos para
controlarlos.
Algunas consideraciones sobre sesgos:

- Cierto grado de error es inevitable.
- Cuando se sospecha la existencia de un sesgo lo importante es valorar su direccin,
magnitud, y si afecta a la validez del estudio. El epidemiolgico trata de reducir en lo
147
posible dichos errores mediante un diseo de estudio, seleccin de sujetos y mediciones
adecuados y con el anlisis apropiado.
- Hay un compromiso entre los medios disponibles, el tamao muestral deseable y las
mediciones ms sofisticadas.
148
PRCTICA 5: PRUEBAS DE CRIADO (SCREENING)
EJERCICIO 1: CRIBADO DEL CNCER DE CUELLO.

El cncer de cuello de tero es el cncer ms frecuente en los pases no industrializados y el
dcimo en importancia en los desarrollados. Colombia e Israel son los pases de mayor y menor
incidencia respectivamente, con tasas de prevalencia de aproximadamente 12 y 0,3 por 1.000
mujeres, de entre 45 y 64 aos, en cada caso.
La mortalidad causada por esta patologa oscila, para este mismo grupo de edad, entre 244 por
100.000 mujeres en Colombia y 7 por 100.000 mujeres en Israel. La variedad ms frecuente de
este carcinoma (CA), el escamoso, se caracteriza por presentar una historia natural conocida,
de larga evolucin (fase de displasia: 8 aos de media / CA in situ: 10-20 aos / CA invasivo:
supervivencia a los 5 aos del 85% en el estadio I) y localizarse en la zona ms externa del
crvix (epitelio de transicin). La eficacia del tratamiento es muy alta, puesto que el 100% de
los CA in situ son tericamente curables.
La prueba de eleccin para el cribado del cncer de cuello es la citologa de Papanicolaou,
descrita en el ao 1924 y utilizada desde finales de los aos cuarenta, por su fcil aplicacin y
bajo coste, para detectar los cambios neoplsicos del epitelio del crvix en las muestras
citolgicas. La sensibilidad y especificidad de la prueba varan segn la calidad de la muestra,
aunque asumiendo las circunstancias ms favorables ambas se sitan en torno al 90%.
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.
Los objetivos de un PDP son de dos tipos

A. Objetivos sanitarios:
- Disminuir la morbilidad y mortalidad de la enfermedad: el tratamiento es ms eficaz
en fases ms precoces.
- Aumentar la supervivencia: aunque no podamos curarla completamente.
- Mejorar la calidad de la vida: menor repercusin.
B. Objetivos econmicos: disminuir los costes de la enfermedad avanzada.
Un PDP es PREVENCIN
Historia SECUNDARIA:
natural de una no prevenimos la aparicin de la enfermedad si no
enfermedad
que permitimos su deteccin en estados precoces para impedir su evolucin.
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.
Comienzo Detectable Sntomas
Periodo subclnico
detectable
Periodo subclnico Periodo

clnico
149
Ya respondiendo a la pregunta, para realizar un PDP se han de cumplir 3 tipos de criterios (que
iremos viendo a lo largo del resto de ejercicios):
1. Criterios de la enfermedad.
2. Criterios del test.
3. Criterios del programa de aplicacin.
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.
Gravedad: cuanto mayor es la gravedad, ms inters tiene realizar un PDP.

En nuestro caso:
- Tasa de mortalidad Colombia: 244 por 100.000 mujeres.
- Tasa de mortalidad Israel: 6-7 por 100.000 mujeres.
Es una enfermedad relativamente, con lo que cumple el criterio.
Historia natural conocida: es necesario conocerla para poder realizar un PDP.

En nuestro caso es una enfermedad con historia natural conocida: la variedad ms
frecuente de este carcinoma, el escamoso, se caracteriza por presentar una historia
natural conocida, de larga evolucin:
- Fase de displasia: 8 aos de media.
- Carcinoma in situ (zona externa del crvix): 10-12 aos.
- Carcinoma invasivo: supervivencia a los 5 aos del 85%.
Es una enfermedad con historia natural conocida, con lo que cumple el criterio.
Tratamiento eficaz: cuanto ms eficaz sea el tratamiento en estados precoces, ms

inters tiene realizar un PDP.
En nuestro caso el 100% de los carcinomas in situ son tericamente curables
(tratamiento en estados precoces). Es una enfermedad con un tratamiento precoz, 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.
Validez (sensibilidad y especificidad): un test de screening busca alta sensibilidad, ya

que su objetivo es cribar a la poblacin, es decir, a la gente que le de un resultado
negativo, lo ms probable es que sea enferma; mientras que si da un resultado
positivo, haya que hacer una prueba diagnstica. En un test de screening nunca se
puede decir a una persona que est sana cuando realmente est enferma (pocos falsos
negativos).
En nuestro caso, el test tiene una S = 90% y una E = 90%; con lo que cumple el criterio.
150
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:
Colombia Enfermedad No enfermedad
Test + 10,8 98,8 109,6
Test 1,2 889,2 890,4
12 988 1000
VPP = 10,8 / 109,6 x 100 = 9,85%

(Cuando a 100 personas les decimos con este test que estn enfermas, 9,85 lo estn
de verdad)
VPN = 889,2 / 890,4 x 100 = 99,9%

(Cuando a 100 personas les decimos con este test que estn sanas, 99,9 lo estn de
verdad)
- 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
Test + 0,27 100 100,27
Test 1,2 889,7 889,73
0,3 999,7 1000

Montamos la tabla:
VPP = 0,27 / 100,27 x 100 = 0,27%

(Cuando a 100 personas les decimos con este test que estn enfermas, 9,85 lo estn
de verdad)
VPN = 889,7 / 999,4 x 100 = 99,9%

(Cuando a 100 personas les decimos con este test que estn sanas, 99,9 lo estn de
verdad)
151
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.
3. Defina los conceptos de sensibilidad y especificidad.
Enfermedad No enfermedad
Test + a (VP) b (FP) a+b
Test c (FN) d (VN) c+d
a+c b+d
- Sensibilidad: capacidad de un test de identificar a los enfermos como tales. Si un test

tuviese una sensibilidad del 100% (no ocurre), coincidira el nmero de enfermos con Test +
con el total de enfermos.
Se calcula como:
S = a / (a + c)
% FN = c / (a + c) = 1 S
- Especificidad: capacidad de un test de identificar a los sanos como tales. Si un test

tuviese una especificidad del 100% (no ocurre), coincidira el nmero de sanos con Test
con el total de sanos.
E = d / (b + d)
% FP = b / (b + d) = 1 E
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:
MORTALIDAD ................................................ 5 por 100.000 mujeres

PREVALENCIA:
-Tarragona ................................... 0,7 por 1.000 mujeres
(zona de mayor prevalencia)
- Navarra ...................................... 0,1 por 1.000 mujeres
(zona de menor prevalencia)
- Tarragona (mayor prevalencia):

Prevalencia: 0,7 por 1000; es decir, 1000 es el total (T) y 0,7 el total de enfermos (a+c).
Especificidad:
7.- Razone sus90%;
conclusiones
es decir, da =la90%
luzdede(1000-0,7)
las ltimas(899,4).
recomendaciones sobre intervenciones
Montamos la tabla:
preventivas propuestas por los expertos (tabla 2).
Tarragona Enfermedad No enfermedad
Test + 0,6 99,9 100,5
Tabla2: Test 0,1 899,4 899,5
Cancer de cuello 20-30 aos0,7 999,3

citologa vaginal1000
cada 3 aos
31-65 aos cada 5 aos
VPP = 0,6 / 100,5 x 100 = 0,6%
(Cuando a 100 personas les decimos con este test que estn enfermas, 0,6 lo estn de
verdad)
VPN = 99,9 / 100,5 x 100 = 99,9%

(Cuando a 100 personas les decimos con este test que estn sanas, 99,9 lo estn de verdad)
- Navarra (menor prevalencia):

Prevalencia: 0,1 por 1000; es decir, 1000 es el total (T) y 0,1 el total de enfermos (a+c).
Especificidad: 90%; es decir, d = 90% de (1000-0,1) (899,9).
Montamos la tabla:
Navarra Enfermedad No enfermedad
Test + 0,09 100 100,09
Test 0,01 899,9 899,91
0,1 18 999,9 1000
VPP = 0,09 / 100,09 x 100 = 0,09%

(Cuando a 100 personas les decimos con este test que estn enfermas, 0,09 lo estn de
verdad)
VPN = 899,9 / 899,91 x 100 = 99,9%

(Cuando a 100 personas les decimos con este test que estn sanas, 99,9 lo estn de verdad)
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
7. Razone sus conclusiones a la luz de las ltimas recomendaciones sobre intervenciones
Tabla2:
Cancer de cuello 20-30 aos citologa vaginal cada 3 aos

31-65 aos cada 5 aos
- 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
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:
1. Cules son los objetivos del trabajo?.

Valorar la fiabilidad (sensibilidad, especificidad, VPP y VPN) de las TAR en comparacin con el
cultivo. 3. Describa las variables ms relevantes en el estudio y la naturaleza o
tipo de las mismas, el procedimiento de medida y el rango o recorrido
de los valores que pueden tomar.
2. Se puede contrastar su consecucin mediante tcnicas cuantitativas?.
Estudio de validacin de la prueba diagnstica: calcular la sensibilidad y especificidad de cada
TAR en comparacin con el cultivo
-Estado (que determina el diagnstico de enfermedad o no
de salud:
enfermedad). ENFERMO (cultivo +) / SANO (cultivo -)
- Resultado de las pruebas (TAR):

3. Describa las variables ms relevantes en el estudio, y la naturaleza o tipo de las mismas, el
procedimiento de medida Culturette:
y el rango o+recorrido
/- de los valores que pueden tomar.
- Estado de salud: ENFERMO (cultivo +) +/ /SANO
DirectigenA: - (cultivo ).
- Resultado de las pruebas
DAI test: + / -
(TAR):
Culturette: +/-.
DirectigenA: +/-.-Sensibilidad, Especificidad, VP+, VP-
DAI test: +/-.
Resultados obtenidos en la comparacin de las tcnicas antignicas
rpidas con el cultivo farngeo
Culturette DirectigenA DAI test
Sensibilidad (%) 69,4 79,6 72,7
Especificidad (%) 99,4 97.07 99.3
VP + (%) 97,6 90,38 97,5
VP - (%) 90,4 93,25 90,6
4. Qu significado tienen los valores de los indicadores utilizados (sensibilidad, especificidad y

valores predictivos positivo y negativo)?
- Baja sensibilidad quiere decir que el nmero falsos negativos es alto > Si TAR es -, como
el VPN es bajo, habra que hacer tambin cultivo.
- Alta especificidad quiere decir que el nmero falsos positivos es bajo > Si TAR es +, como
el VPP es alto, ya podramos tratar con antibiticos.
- VPP y VPN son razonablemente altos. Algunos autores defienden que slo tendra sentido
usar las TAR en comunidades con alta prevalencia.
Por lo tanto cumple con los criterios fundamentales de un test diagnstico:

- Alta especificidad.
- Alto valor predictivo positivo.
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?
6. Qu significa el prrafo: En nuestro estudio el Directigen A test result ser ms sensible

aunque con un valor predictivo positivo menor, pero en ningn caso, las diferencias fueron
significativas?.
- Cuanto ms sensible sea, mayor ser el nmero de falsos positivos y menor ser el VPP.
- Las diferencias no fueron importantes al comparar.
155
7. Cules son las conclusiones a las que llega el estudio?.
- Test + : alta especificidad (pocos falsos positivos) > tratar inmediatamente.
- Test -: baja sensibilidad (muchos falsos negativos) > realizar tambin cultivo.
8. Le parecen justificadas? Razone la respuesta.

S, est justificado el cultivo en los resultados negativos de TAR para no arriesgar. Sobre todo si
tenemos una prueba que funciona bien (cultivo).
9. Cul es la relevancia prctica del trabajo?.

A la mayora de los enfermos se les detectar la enfermedad mucho antes, porque el test es
rpido. Esto implicar una mayor tasa de curaciones y por lo tanto una menor tasa de
complicaciones.
10. Cmo planteara la prevencin y control de la fiebre reumtica en nuestro medio?

Evitar el retraso diagnstico instaurando un tratamiento temprano y protocolos de actuacin
dirigidos a la comunidad mdica extrahospitalaria + suministro de kits de TAR.
Diferencias entre un test de screening y un test diagnstico:
Screening Diagnstico
Unidad de estudio Poblacin Individuos
Status Sanos o enfermos desconocidos Enfermos
Validez Alta sensibilidad (pocos falsos ) Alta especificidad (pocos falsos +)
Valor predicitivo Alto VPN Alto VPP
Costo Bajo Alto
Relacin con terapia No S
156
157
158

Investigacion Epidemiologica - Manuel Juarez y Vi Ctor Macarron

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Investigacion Epidemiologica - Manuel Juarez y Vi Ctor Macarron

Hochgeladen von

Copyright:

Verfügbare Formate

Investigacin

Manuel Jurez y Vctor Macarrn

Tema 1. Conceptos y usos de la epidemiologa 1

Tema 2. Medicin de la frecuencia de la enfermedad 3

Tema 3. Medidas del efecto y del impacto potencial en epidemiologa 13

Tema 4. Demografa sanitaria. Indicadores de salud. Sistemas de informacin sanitaria 21

Tema 6. Epidemiologa descriptiva. Persona, tiempo y lugar 33

Tema 7. Tipos de estudios epidemiolgicos 35

Tema 8. Estudios ecolgicos y transversales 41

Tema 9. Estudio de cohortes 49

Tema 10. Estudio de casos y controles 57

Tema 11. Estudios experimentales. Ensayos clnicos y ensayos comunitarios 69

Tema 12. Sesgos en los estudios epidemiolgicos 77

Tema 13. Factores de confusin 83

Tema 14. Inferencia causal. Causalidad en epidemiologa 91

Tema 15. Pruebas de cribado. Aplicacin de la epidemiologa al diagnstico. Estudios de

Tema 16. Vigilancia epidemiolgica 107

Prctica 1. Ajuste de tasas. Certificacin de la causa de muerte 121

Prctica 2. Diseo de estudios epidemiolgicos. Medidas de frecuencia 129

Prctica 3. Anlisis epidemiolgico crudo 135

Prctica 4. Anlisis epidemiolgico estratificado 143

Prctica 5. Pruebas de cribado (screening) 149

Diseo de estudios epidemiolgicos.

2. Analticos: buscan el origen de la enfermedad estableciendo asociaciones causales. Se

Tipos de medidas de la epidemiologa.

c) Medidas del impacto potencial:

Ejemplo de estudio epidemiolgico. E. ANALITICA LEUCEMIA E. DESCRIPTIVA

Tenemos una enfermedad, la leucemia, y ?

cundo) nos cuantifica y describe la - C. NUCLEAR

enfermedad mediante medidas de

origen y causalidad de la enfermedad y se

Esquema de los tipos de estudios epidemiolgicos.

2. Nmero relativos, usamos 3 medidas:

B. La prevalencia es el nmero de casos de enfermedad presente en un determinado

Cuando se compara incidencia y prevalencia en un momento determinado, casi siempre la

En un estudio se observa cmo evolucionan la prevalencia y la incidencia en un grupo de recin

Problemas asociados a la medicin de frecuencia.

B. En la definicin del denominador: susceptibilidad y tipo de poblacin.

80entre los nacidos en el ao

(desde t-0 hasta t-1 en una poblacin fija).

En el grfico anterior, si queremos ver la incidencia acumulada de la infeccin por herida

Tasa de incidencia o densidad de incidencia (DI).

Densidad de incidencia basada en datos individuales.

Ejemplo. En el caso de la estancia hospitalaria, vamos a calcular:

Si el periodo de tiempo no es excesivamente largo y si la poblacin del rea de inters y su

Ejemplo. Se han tenido 50 casos de tuberculosis en Madrid durante el cuatrienio 20002004

DI = n de casos / PT = 50 /19000 p-a = 0,0026 por p-a = 2,6/1000 p-a

Tasa de incidencia, tiempo estimado y clculo de tablas de vida.

Otras tasas: tasa de ataque y tasa de letalidad.

B. La tasa de letalidad (de la enfermedad X) es el nmero de muertes debidos a X entre el

Evaluacin del tratamiento o accin preventiva: como ya se ha mencionado, si la

Planificacin sanitaria (prediccin): la incidencia en este mbito no es muy eficaz, pues

Ejemplo. En el caso de la estancia hospitalaria vamos a calcular prevalencias de IHQ:

Relacin entre incidencia y prevalencia.

Sin embargo, tambin se puede hacer una aproximacin (para P<0,1):

Investigacin etiolgica (rara): aunque la aplicacin de la prevalencia en este campo es

Introduccin: medidas de asociacin e impacto potencial.

Enfermos No enfermos Total

Total a+c b+d a+c+b+d

La razn de riesgos o riesgo relativo se calcula como la incidencia de enfermar en expuestos

Primero realizamos la tabla de contingencia:

R-GAMMA 32 168 200

R-GAMMA 25 225 250