MEDIDAS EN EPIDEMIOLOGIA.pptx.pptx

Medidas en Epidemiología
1
Medidas de frecuencia,
asociación e impacto en
epidemiología

2
ENSAYOS DE
LABORATORIO
EXPERIMENTALES
CUASI
EXPERIMENTALES
ENSAYO
CLINICO
ENSAYO
DE CAMPO
ASIGNACION
ALEATORIA
SIN ASIGNACION
ALEATORIA
ENSAYOS
COMUNITARIOS
O DE
INTERVENCION
OBSERVACIONALES
A PARTIR DEL EFECTO
A PARTIR DE LA
EXPOSICION
ASIGNACION
CONTROLADA
ASIGNACION NO
CONTROLADA
ESTUDIOS EPIDEMIOLOGICOS
SERIE DE CASOS
ECOLOGICOS
TRANSVERSALES
DESCRIPTIVO
ANALITICO
CASOS Y
CONTROLES
COHORTES

3
PRINCIPALES MEDIDAS EN EPIDEMIOLOGIA
FRECUENCIA TASAS RAZONES PROPORCIONES
RESUMEN TENDENCIA CENTRAL
(simples y agrupadas)
DISPERSIÓN
(simples y agrupadas)
ASOCIACION RIESGO RELATIVO RAZÓN DE MOMIOS
EFECTO/IMPACTO R. ATRIBUIBLE FRAC. ETIOLOGICA
NUM. ATRIB. CASOS

4
NUMEROS ABSOLUTOS
- De poca utilidad
- No comparan fenómenos de salud en una comunidad
NUMEROS RELATIVOS
- Comparan fenómenos al interior de poblaciones y entre ellas
- Reflejan la ocurrencia relativa de la enfermedad
- Describen el estado de salud
- Predicen la ocurrencia de la enfermedad

5
Medidas de frecuencia

6
TASAS
Probabilidad de que ocurra un evento en una población y
momento determinado
TASAS =
X
Donde:
X= Número de eventos en una población y momento determinado
Y
Y= Población en riesgo de sufrir un evento durante un mismo tiempo
x K
K= Constante

7
TASAS
SE CLASIFICAN SEGUN:
- Naturaleza del evento: Natalidad
Morbilidad
Mortalidad
Letalidad
- Por la naturaleza del Crudas (brutas)
denominador o Especifica (edad, sexo etc.)
población: Ajustadas (comparación)

8
INCIDENCIA ACUMULADAS
No. de personas que presentan la enfermedad
durante un periodo de tiempo determinado (casos nuevos)
IA =
Total de la población
x K
TASAS DE PREVALENCIA
No. de personas con la enfermedad (casos nuevos y existentes)
TP =
Total de la población
x K

9
TASA DE INCIDENCIA
T.I. =
En teoría:
Observar 100 años - persona es
igual a estudiar:
1 persona por 100 años
10 personas por 10 años
100 personas por un año
La tasa de incidencia se expresa en unidades de persona – tiempo
N° de casos nuevos de una enfermedad que aparecen en una
población durante un período de tiempo determinado
Períodos de tiempo en riesgo de contraer la enfermedad a cada
individuo de la población total de la población a mitad de período
Mide la velocidad del cambio del estado sano a enfermo

10
TASA DE INCIDENCIA
Tenemos a una población de 4,567 habitantes en una población, de
los cuales al inicio de un seguimiento de 2 años se enferman 37 y
posteriormente aparecen 41 casos más, el cálculo de la tasa de
incidencia sería como sigue:
T.I. =
37 + 41
4,567 x 2
= 0.0085 = 8.5 x 1,000 hab
Estro significa que en un período de 2 años se están enfermando
8.5 individuos por cada 1,000 habitantes.

11
INDICADORES
- Es la mejor aproximación disponible de la verdadera tasa
• Se utiliza cuando no podemos conocer directamente la
población en riesgo. (el numerador no corresponde al
denominador)
Muertes por complicaciones de embarazo,
parto y puerperio
MM =
No. de nacimientos vivos registrados
x K

12
RAZONES
Medida de la relación matemática entre dos poblaciones
independientes.
El numerador y el denominador no están relacionados.
Los valores que pueden tomar una razón van de cero a
infinito.
R =
N1
N1 N2
N2

13
PROPORCIONES
Relación matemática que expresa a cuanto corresponde en
tamaño una subpoblación “n” dentro de población “N” total.
El numerador siempre esta contenido en el denominador.
Los valores que pueden tomar una proporción de 0 a 1 o de 0 a
100%.
P =
N
N
n
n

14
Medidas de resumen

15
Un arreglo ordenado de datos no es suficiente para obtener
un resumen informativo.
Lo que se requiere es tener la capacidad de resumir los datos
a través de medidas descriptivas: medidas de tendencia
central y de dispersión.
De tendencia central
• Media aritmética
• Mediana
• Moda
De dispersión
• Rango o recorrido
• Varianza
• Coeficiente de variación
• Desviación estándar
Series simples y agrupadas

16
-3.6 -3.0 -2.5 -1.9 -1.4 -0.8 -0.3
0
0.8 1.4 1.9 2.5 3.0 3.6
0.3
Teoría del límite central
Distribución Normal teórica
Medidas de resumen
Dispersión
X = 0 = media aritmética
X = 0 = mediana
X = 0 = moda

17
Series simples

18
Tendencia central: Media aritmética
La medida de tendencia central más conocida es la media
aritmética también conocida como “promedio”:
Se obtiene sumando todos los valores en una población o muestra
y se divide entre el número de valores que se sumaron.
En donde :

 o X = media aritmética  xi
xi = todos los elementos i = 1
i = 1 = del primero al último


 = total de la población

19
Media aritmética
La media aritmética posee ciertas propiedades, algunas
deseables y otras no tan deseables. Estas son:
1.- Unicidad. Para un conjunto determinado de datos, existe una y solo
una media aritmética.
2.- Simplicidad. Es fácil de comprender y fácil de calcular
3.- Como todos y cada uno de los valores en un conjunto de datos
intervienen en el cálculo de la media, ésta es afectada por cada valor.
Por lo tanto los valores extremos influyen en la media y, en algunos
casos, pueden distorsionarla tanto que resulte inconveniente como
medida de tendencia central.

20
Mediana
La mediana es un conjunto finito de valores y es el valor que divide al
conjunto en dos partes iguales.
Si el número de valores es impar, el valor de la mediana será el valor
que está en medio cuando todos los valores se han arreglado en
orden de magnitud.
Cuando el número de observaciones es par, no tiene una sola
observación en el centro, sino dos, en este caso se toma a la mediana
como la suma de las dos observaciones centrales divididas entre dos.

21
Mediana
Las propiedades de la mediana son:
1.- Unicidad. Como parte de la media, solo existe una mediana para un
conjunto de datos.
2.- Simplicidad. Es fácil de calcular
3.- No es afectada tan drásticamente por lo valores extremos como en
la media aritmética.

22
Moda
La moda es un conjunto de valores, que es el que ocurren con
más frecuencia.
Si todos los valores son diferentes, no existe moda; por otra
parte un conjunto de valores puede tener más de una moda.
Una moda = distribución unimodal
dos modas = bimodal
tres o más modas = polimodal

23
Dispersión
La dispersión de un conjunto de observaciones se refiere a la variedad
que exhiben los valores de las observaciones. Si todos los valores son
los mismos no existe dispersión; si no todos los valores son los
mismos entonces si existe dispersión.
Recorrido
Una manera de medir la variación en un conjunto de valores es calcular
el recorrido o también llamada rango. Que es la diferencia entre el
valor menor y el mayor en un conjunto de observaciones, L es el valor
mayor y S, es el valor menor
R = L - S

24
Distribución Normal y medidas de resumen
-3.6 -3.0 -2.5 -1.9 -1.4 -0.8 -0.3
0
0.8 1.4 1.9 2.5 3.0 3.6
0.3
L
S
X = 0 = media aritmética
X = 0 = mediana
X = 0 = moda

25
Varianza
Cuando los valores de un conjunto de observaciones están muy próximos a
su media, la dispersión es menor que cuando están distribuidos sobre un
amplio recorrido.
i = 1
n
n - 1
n = muestra

xi = todos los elementos
( xi
S2 
S2 = varianza
- x ) 2
X = media

26
Desviación estándar
Los valores de la varianza no tienen interpretación por si mismos,
por lo que es necesario el cálculo de la desviación estándar para
poder entender sus valores.

S 
n
i = 1
n - 1
( xi - x ) 2
S = desviación estándar
n = muestra
xi = todos los elementos
X = media
Donde:

27
Distribución Normal y medidas de resumen
-3.6 -3.0 -2.5 -1.9 -1.4 -0.8 -0.3
S = Desviación estándar = 1
0.8 1.4 1.9 2.5 3.0 3.6
0.3
x L
x S
68% (1ds)
95% (2 ds)
99.7% (3ds)

28
Coeficiente de variación
CV =
S
X
(100)
La desviación estándar es útil como medida de variación dentro de
un conjunto de datos. Sin embargo cuando se desea comparar la
dispersión de un conjunto de datos, el utilizar la desviación de datos
se puede concluir con datos ilógicos.
Por ejemplo: si se desea comparar la desviación estándar (Ds) de
los pesos de niños de 6 años y los pesos de jóvenes de 12 años, es
posible que se encuentre que la Ds de estos últimos sea
numéricamente mayor que los primeros, porque los propios pesos
son diferentes, no porque la dispersión sea mayor.

29
Coeficiente de variación
Se desea saber de dos muestras si existe variabilidad entre el peso
de estos sujetos según la edad.
Muestra 1 Muestra 2
Edad 25 años 11 años
Peso medio 72.5 kg. 40.0 kg.
Desviación e. 5 kg. 5 kg.
CV1 =
5
72.5
(100) = 6.9
CV2 =
5
40.0
(100) = 12.5
Si se comparan estos resultados
se tendrá una impresión diferente
en relación a la Ds del peso de la
muestras.

30
Se desea saber la distribución de los valores de colesterol
total/LDA en 36 pacientes masculinos quienes tienen
hipertensión arterial esencial. Se desea saber la distribución
según su media aritmética, mediana moda, rango y desviación
estándar.
1.- 6.8
2.- 5.3
3.- 6.1
4.- 4.3
5.- 5.0
6.- 7.1
7.- 5.5
8.- 3.8
9.- 4.6
10.- 6.0
11.- 7.2
12.- 6.4
13.- 6.0
14.- 5.5
15.- 5.8
16.- 8.8
17.- 4.5
18.- 5.9
19.- 4.3
20.- 7.2
21.- 6.2
22.- 6.2
23.- 6.2
24.- 6.4
25.- 6.8
26.- 5.1
27.- 5.0
28.- 4.7
29.- 4.9
30.- 7.2
31.- 3.4
32.- 3.7
33.- 4.6
34.- 5.9
35.- 7.9
36.- 6.2

31
31.- 3.4
32.- 3.7
8.- 3.8
4.- 4.3
19.- 4.3
17.- 4.5
9.- 4.6
33.- 4.6
28.- 4.7
29.- 4.9
5.- 5.0
27.- 5.0
26.- 5.1
2.- 5.3
7.- 5.5
14.- 5.5
15.- 5.8
18.- 5.9
34.- 5.9
10.- 6.0
13.- 6.0
3.- 6.1
21.- 6.2
22.- 6.2
23.- 6.2
36.- 6.2
12.- 6.4
24.- 6.4
1.- 6.8
25.- 6.8
6.- 7.1
11.- 7.2
20.- 7.2
30.- 7.2
35.- 7.9
16.- 8.8
206.5 sumatoria
5.7 media
5.9 mediana
6.2 moda
5.4 rango
1.481230159 varianza
1.217057993 desviación estándar
5.7
5.9
6.2
5.4
6.20
4.48
8.14
3.26
9.36
2.04

32
Series agrupadas

33
Los datos agrupados pueden hacer más comprensible y tener
mayor significado a través de un arreglo ordenado, para agrupar
los datos, se selecciona un conjunto de intervalos contiguos, que
no se traslapen, estos intervalos se conocen como “intervalos de
clase ”.
La mejor forma de identificar intervalos de clase es por medio de la
regla de Sturges, dada por los siguientes elementos.
Agrupamiento de datos
w =
R
k
En donde:
w = intervalo de clase
R = rango
k = 1 + 3.322 (log. n)

34
Si se tienen 36 datos observados en donde el valor menor es 3.4 y
el valor mayor es 8.8 los intervalos de clase serán los siguientes
Agrupamiento de datos
w =
8.8 - 3.4
1 +3.322 ( log 36 )
=
5.4
6.72
= 0.8028
Por lo que los intervalos de clase deberán de ser:
7.4140 a 8.2167
8.2168 a 9.0195
3.4000 a
4.2028 a
5.0056 a
6.6112 a
5.8083 a
4.2027
5.0055
5.8083
7.4139
6.6111

35
En donde :
X significa = media aritmética
k significa = población
xi significa = todos los elementos
fi significa = frecuencia de datos
i = 1 significa = del primero al último
 significa = sumatoria de los datos
Si los datos representan una muestra de observaciones, el cálculo
de la media puede mostrarse simbólicamente como:
 mifi
x
k
i = 1

k
fi
i = 1

36
 mifi
x
k
i = 1

k
fi
i = 1
Tomando en cuenta los valores del cuadro 1, con los datos
de colesterol en sangre, la media es la siguiente:
x
209.11
36


37
Para lograr un cálculo sencillo de las medidas agrupadas después de
estimar los intervalos de clase se debe elaborar un cuadro como el
siguiente:
Intervalos Frecuencia Punto
de clase fi medio (mi) mifi (mi - x) (mi - x)2 (mi - x)2 fi mi 2 mi2 fi
3.40 - 4.20 3 3.80 11.40 -1.9460 3.9046 11.7137 14.440 43.32
4.21 - 5.00 7 4.61 32.24 -1.1710 1.3712 9.5987 21.206 148.44
5.01 - 5.80 6 5.41 32.43 -0.3710 0.1376 0.8258 29.214 175.28
5.81 - 6.61 12 6.21 74.52 0.4340 0.1884 2.2603 38.564 462.77
6.62 - 7.41 6 7.02 42.09 1.2390 1.5351 9.2107 49.210 295.26
7.42 - 8.21 1 7.82 7.82 2.0390 4.1575 4.1575 61.074 61.07
8.22 - 9.02 1 8.62 8.62 2.8440 8.0883 8.0883 74.304 74.30
Total 36 - 209.11 - 19.3828 45.8551 288.013 1260.46
Cuadro 1.- Niveles de colesterol en sangre
Media = 209.11 / 36 = 5.8

38
Media
Al calcular la media a partir de datos agrupados, se espera que todos los
valores que caen en un intervalo de clase particular están localizados en
un punto medio del intervalo.
El punto medio se encuentra sumando el intervalo menor más el mayor
y se divide entre dos, (ejemplo: 3.40 + 4.2 = 7.6 /2 = 3.8).
Para encontrar la media, se multiplica cada punto medio por la frecuencia
correspondiente, se suman estos productos y se dividen entre la suma de
frecuencias.

39
Mediana
• Localizar la posición en los intervalos de clase. (la posición esta en el
intervalo de clase 5.81 - 6.61)
• La pregunta es ¿qué tanto debe avanzarse en este intervalo para alcanzar
a la mediana?. Bajo la hipótesis de que los valores están distribuidos
uniformemente a lo largo del intervalo, debe alcanzar una distancia a 3/12
de la distancia total del intervalo y el tamaño del intervalo es 0.80
• Se calcula la mediana 5.81 + (3/12) 0.80 = 6.01
El primer paso para el cálculo de la mediana a partir de datos agrupados es:

40
Mediana
En general, puede calcularse a través de la siguiente formula:
Se calcula la mediana 5.81 + (3/12) 0.80 = 6.01
mediana= 5.81 +
3
12
(6.61 – 5.81)
En donde:
Li = límite inferior verdadero del intervalo que contiene a la mediana
Ui = límite superior verdadero del intervalo que contiene a la mediana
j = el número de observaciones que faltan para alcanzar a la mediana
fi = la frecuencia del intervalo que contiene que contiene a la mediana
mediana= Li +
j
fi
(Ui - Li)
6.01

41
Moda
Cuando se designa la moda para datos agrupados, se refiere a la clase modal, en
donde la clase modal es el intervalo de clase con la frecuencia más alta. en los datos
del colesterol total. Si se debe especificar un solo valor de la moda se toma el punto
medio del intervalo de clase.
Intervalos Frecuencia
de clase
3.40 a 4.20 3
4.21 a 5.00 7
5.01 a 5.80 6
5.81 a 6.61 12
6.62 a 7.41 6
7.42 a 8.21 1
8.22 a 9.02 1
Total 36
Moda = 6.21

42
Varianza y Desviación estándar
Al calcular la varianza y la desviación estándar a partir de los
datos agrupados, se debe suponer que todos los datos caen en
los intervalos de clase, particularmente en los el punto medio de
los intervalos, para estimarlos se utiliza :
s2

k
f i - 1
i = 1
mi - x )2 f i
k
i = 1
s

k
f i - 1
i = 1
mi - x )2 f i
k
i = 1

43
Varianza y Desviación estándar
Sí continuamos con los datos de colesterol total, tenemos
s2 s
45.86
35
3
45.86
35
3 s 

44
5.7
5.9
6.2
5.4
6.20
4.48
8.14
3.26
9.36
2.04
206.5 sumatoria
5.7 media
5.9 mediana
6.2 moda
5.4 rango
1.481230159 varianza
1.217057993 desviación e.
Series simples
5.8
6.1
6.21
5.62
6.93
4.63
8.08
3.48
9.23
2.33
209.11 sumatoria
5.8 media
6.1 mediana
6.21 moda
5.62 rango
1.31 varianza
1.15 desviación e.
Series agrupadas

45
Medidas de asociación

46
ENFOQUE DE RIESGO
• El enfoque de riesgo es un método que se emplea para
medir la necesidad de atención por parte de grupos
específicos.
• Ayuda a determinar prioridades de salud y es también
una herramienta para definir las necesidades de
reorganización de los servicios de salud.
• El enfoque no es igualitario: discrimina en favor de
quienes tienen mayor necesidad de atención.

47
¿ QUÉ ES EL RIESGO ?
• El riesgo es una medida que refleja la probabilidad de que se
produzca un hecho o daño a la salud (enfermedad, muerte,
etc..)
• El enfoque de riesgo se basa en la medición de esta
probabilidad la cual se emplea para estimar la necesidad de
atención a la salud o de otros servicios.

48
• Un factor de riesgo es una característica detectable en un
individuo o en grupos, asociada con una probabilidad
incrementada de experimentar un daño a la salud.
• Se debe considerar con mucho cuidado, qué es un factor
de riesgo y qué es un daño a a la salud.
• Los factores de riesgo pueden ser tanto indicadores de
riesgo como causas de daños a la salud.
¿ QUÉ ES UN FACTOR DE RIESGO ?

49
FACTOR DE RIESGO Y DAÑOS A LA SALUD
El feto, se convierte en un recién nacido de bajo peso al nacer
• Pobreza
• Analfabetismo de la madre
• Nutrición deficiente
• Enfermedad recurrente
Bajo peso al nacer
• Pobreza
• Bajo peso al nacer
• Destete prematuro
• Agua contaminada
Muerte
Factores de riesgo
Daños a la salud
• Pobreza
• Bajo peso al nacer
• Gastroenteritis
• Rehidratación tardía
El niño
El niño enfermo
Gastroenteritis

50
Inferencia causal en epidemiología
1.- Fuerza de asociación
2.- Consistencia
3.- Especificidad
4.- Temporalidad
5.- Gradiente biológico
6.- Plausibilidad
7.- Coherencia
8.- Evidencia experimental y
9.- Analogía
Bradford Hill sugirió, que se deben de considerar los siguientes
elementos para distinguir la causalidad:

51
• Las asociaciones fuertes son más probables que sean causales,
y se mide a través de la magnitud de la razón entre las tasas
de incidencias. (RR alto)
1.- Fuerza de asociación
• Se refiere a la observación repetida de una asociación en
poblaciones diferentes, bajo circunstancias diferentes. La falta
de consistencia no descarta una conexión causal, ya que
algunos efectos son producidos por alguna condiciones
inusuales.
2.- Consistencia
• Se requiere que una causa conduzca a un efecto único, no a
efectos múltiples.
3.- Especificidad

52
• Se refiere a la necesidad de que la causa preceda en tiempo y
efecto.
4.- Temporalidad
• Se refiere a una curva de dosis-respuesta. Algunas asociaciones
causales, parecen no tener una tendencia aparentes.
5.- Gradiente biológico
• Son las asociaciones de un evento biológico con la presencia de
enfermedad.
6.- Plausibilidad biológica

53
• Implica que una interpretación de causa-efecto para una asociación no
debe entrar en conflicto, con lo que se sabe de la historia natural y la
biología de la enfermedad.
7.- Coherencia
• Tal evidencia es raras veces obtenible con poblaciones humanas
8.- Evidencia experimental
• En el plano de la comprensión esta, es muy limitada, por la investigación
de los científicos.
9.- Analogía

54
LOS FACTORES DE RIESGO PUEDEN SER:
 MODIFICABLES
 NO MODIFICABLES
Estilos de vida y características asociadas al riesgo de padecer
enfermedad cardiovascular
Estilos de vida Características bioquímicas Características personales
(modificables) o fisiológicas ( modificables) (no modificables)
 Sedentarismo
 Dieta rica en grasas
 Dieta alta en
carbohidratos
 Tabaquismo
 Alcoholismo
• Dislipidemia
• Diabetes
• estrechamiento vascular
• Hipertensión arterial
 Edad
 Sexo (género)
 Historia familiar de
enfermedad cardiovascular
 Infarto agudo
 Malformación congenita

55
 Riesgo absoluto: es la incidencia del daño en la población total.
 Riesgo relativo: es la comparación de la frecuencia con la que
ocurre el daño en los individuos que tienen en factor de riesgo,
entre la frecuencia con la que acontece, en aquellos que no lo
tienen.
 Riesgo atribuible: es una medida útil para mostrar la proporción
en que el daño podría ser reducido si los factores acusales se
eliminaran de la población.
Existen diferentes formas de medir la relación entre los factores
de riesgo y a los daños a la salud.

56
Relación entre la presencia o ausencia de un factor de
riesgo, y la presencia o ausencia de daños a la salud.
Factor de
riesgo
Daños a la salud
presente
presente a
c
b
d
total a + c b + d a + b + c + d
ausente
ausente
Total
a + b
c + d

57
Estimación del RR
a + b
c + d
a + c b + d a + b + c + d
Casos
Expuestos
Número de
sujetos
expuestos con la
enfermedad
a b
c d
No casos
Número de
sujetos
expuestos sin la
enfermedad
Expuestos
No expuestos
Número de
sujetos no
expuestos con la
enfermedad
Casos
Número de
sujetos no
expuestos sin la
enfermedad
No expuestos
No casos

58
 Riesgo relativo: es una medida de probabilidad que experimenta
un efecto a la salud, aquellos individuos con un determinado factor
de riesgo, en comparación con los que no tienen ese factor.
Incidencia de los expuestos
a
a + b
= Riesgo relativo
c
c + d
Incidencia de los no expuestos

59
Estimadores:
Interpretación:
RR = 1 Significa que no existe diferencia de riesgos entre los
expuestos que entre los no expuestos.
RR < 1 Significa que no existe asociación entre los riesgos de
los expuestos que entre los no expuestos. (puede significar
un factor protector)
RR > 1 Significa que si existe diferencia entre los riesgos de los
expuestos que entre los no expuestos.

60
 Razón de momios: es una medida de probabilidad que sobre
estima al riesgo relativo, ya que se estima cuando no existe
una base poblacional o en estudios de casos y controles.
No casos
Número de
sujetos
expuestos sin la
enfermedad
Número de
sujetos no
expuestos sin la
enfermedad
a
a
a
a
a
b
b
b
b
b
d
d
d
d
d
+ +
+
+
+ +
+
c
c
c
c
c
= Razón de Momios
(Razón de productos cruzados)
+
+
Casos
Número de
sujetos
expuestos con la
enfermedad
Expuestos
Número de
sujetos no
expuestos con la
enfermedad
No expuestos

61
Se estudio a un grupo de personas mayores de 35 años que acudieron
al comedor del Hospital X. Algunos de ellos dos horas después del
consumo de alimentos, iniciaron cuadro clínico caracterizado por:
nerviosismo, angustia, palpitaciones y taquicardia.
con
Cuadro clínico
si
comieron
10 45
no
comieron
3 62 65
13 97 110
35
a b
c d
Datos: sin
Cuadro clínico

62
RR =
a
a + b
c
c + d
RR =
10
10 + 35
3
3 + 62
RR =
0.22222
0.04615
= 4.81
Estimación e Interpretación:
El RR es > 1, Significa que, aquellas personas que comieron,
tuvieron un riesgo de enfermar de 4.81 veces más, que aquellas que
no comieron.
RR = 4.81
I.C. = 1.40 - 16.52
Ji2 = 7.91
p = < 0.005

63
Un intervalo de confianza: es un intervalo dentro del cual se puede esperar
que se encuentre un parámetro determinado verdadero.
Si se toma un numero infinito de muestras, con un tamaño determinado y se
calcula un parámetro para cada una, es de esperar que en el 95% de esas
muestras el parámetro verdadero de la población, estuviese dentro del rango de
1.96 ± errores estándar.
Confiable
No confiable
0
-5 -4 -3 -2 -1 1 2 3 4 5
Valor de nulidad

64
Medidas de impacto

65
• Reflejan la contribución esperada de un factor (riesgo) bajo
estudio, a la frecuencia de la enfermedad en una población.
• Pueden ser derivadas, tanto de las medidas de frecuencia
como las de asociación.
• Se utilizan, para estimar la proporción de casos que son
debidos al factor bajo estudio, y para predecir el impacto de
una intervención o cambio en la situación de salud de una
población.
Las medidas de impacto

66
• En sentido general
- Hipertensión arterial, debido a la obesidad
• Un sentido particular y cuantitativo
- No todos los obesos son hipertensos, ya que existen
características particulares para adquirir hipertensión
arterial.
En epidemiología, se usa el término de efecto o impacto
en dos sentidos:

67
Son tres las medidas de efecto más utilizadas en
epidemiología:
Fracción Etiológica = FE
Diferencia de Riesgos = DR
Número Atribuible de Casos = NAC

68
Fracción Etiológica
Representa la proporción de casos que son atribuibles a la exposición
FE =
También llamada: Proporción atribuible
P = Proporción de expuestos, controles (expuestos, no casos)
/ entre el total controles (no casos)
P
P
(R - 1)
(R - 1) + 1
R = Riesgo estimado
En donde:

69
Diferencia de Riesgos
La diferencia de riesgos indica la magnitud absoluta del cambio
También llamada: - Diferencia de tasas
- Tasa atribuible
DR =
En donde:
I1 = Tasa de ataque de los expuestos
I1 -
I0 = Tasa de ataque de los no expuestos
I0

70
Número Atribuible de Casos
Indica la magnitud del evento debido a la exposición
Se requiere: Base poblacional
Total de expuestos por
NAC = (Diferencia de Riesgos)

71
Ejemplo
Se realizó una investigación que midió el riesgo de tener diarrea aguda
en niños menores de 5 años, de aquellos niños cuya madre solo tenía
preparación escolar básica. Se obtuvo la respuesta de 853 mujeres con
educación básica, de éstas el 4.69% tuvieron niños con antecedentes
de diarrea aguda; las mujeres con más de educación básica fueron
1620, de estas, los niños con diarrea aguda fueron el 0.86%.
40 853
Solo educación
básica de la madre
Más que educación
básica de la madre
14 1606 1620
54 2419 2473
813
con
diarrea
sin
diarrea
Datos:
a b
c d

72
RR =
a
a + b
c
c + d
RR =
40
40 + 813
14
14 + 1606
RR =
0.04689
0.00864
= 5.43
Resultados e Interpretación:
El RR es > 1, Significa que, existe un riesgo de 5.43 veces más de
tener diarrea aguda, entre los niños cuya madre solo tiene educación
básica, que en aquellos niños cuya madre tiene más que educación
básica.
RR = 5.43
I.C. = 2.97 - 9.92
Ji2 = 38.28
p = < 0.0001

73
P =
Significa que del total de casos (32) 60% son atribuibles a la exposición.
= 0.34
0.34
0.34
= 0.60 X 100 = 60%
(5.43 - 1)
(5.43 - 1)
FE =
+ 1
2419
2419
813
813
P = Proporción de expuestos, controles (expuestos, no casos)
/ entre el total controles (no casos)
(R - 1)
(R - 1) + 1
FE =
P
P
54
40 853
Solo educación
básica de la madre
Más que educación
básica de la madre
14 1606 1620
2473
con
diarrea
sin
diarrea
Datos:
a b
c d

74
DR = I1 - I0
NAC = Total de expuestos por (DR)
DR = 0.05 - 0.01 = 0.04 X 100 = 4%
Significa que, si, se hubiera eliminado la exposición se habrían
evitado el 4% de los casos.
NAC = 853 (0.04) = 34
Significa que del total de casos expuestos (54) 34 son
atribuibles a la exposición.
Se requiere: Base poblacional

MEDIDAS EN EPIDEMIOLOGIA.pptx.pptx

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a MEDIDAS EN EPIDEMIOLOGIA.pptx.pptx

Similar a MEDIDAS EN EPIDEMIOLOGIA.pptx.pptx (20)

Más de AdnOlveera

Más de AdnOlveera (9)

Último

Último (20)

MEDIDAS EN EPIDEMIOLOGIA.pptx.pptx