1. FACULTAD DE MEDICINA. MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN III
AUTORES: IGNACIO A. VADO SOLÍS
BERTHA JIMENEZ DELGADILLO
-----------------------------------------------------------------------------------------------------------------------
ESQUEMAS FILOSÓFICOS DE LA CIENCIA
¿Existe el Método Científico? Ruy Pérez Tamayo
1.-MÉTODO INDUCTIVO-DEDUCTIVO
O
B
T
E
N
C
I
O
N
D
E
L
C
OBSERVACIONES INDIVIDUALES
GENERALIZACIONES
PREDICCIONES
CONFIRMACIÓN FRACASAN

2. O
N
O
C
I
M
I
E
N
T
O
2.- MÉTODO A PRIORI DEDUCTIVO
O
B
T
E
N
C
I
O
N
REFUERZAN DEBILITAN
CAPTURA MENTAL DE
PRINCIPIOS GENERALES
DEDUCCIÓN DE INSTANCIAS
PARTICULARES
DIOS U OTRAS
IDEAS

3. D
E
L
C
O
N
O
C
I
M
I
E
N
T
O
3.-MÉTODO HIPOTÉTICO-DEDUCTIVO
O
B
T
E
N
C
DEMOSTRADAS
OBJETIVAMENTE
NO DEMOSTRADAS
OBJETIVAMENTE
I N T U I C I Ó N
ELEMENTOS TEÓRICO-
HIPOTÉTICOS

4. I
O
N
D
E
L
C
O
N
O
C
I
M
I
E
N
T
O
4.- NO HAY MÉTODO (ANARQUISTA)
CONFRONTACIÓN CON LA
NATURALEZA (PRUEBAS)
OBSERVACIONES EXPERIMENTOS
DOS CORRIENTES
NUNCA HA HABIDO
UN MÉTODO
EXISTEN MUCHOS MÉTODOS
DEBIDO A LA DIVERSIFICACIÓN DE
LA CIENCIA

5. LA INVESTIGACIÓN Y EL MÉTODO CIENTÍFICO. F.H. de Canales, E.L. de Alvarado y E. B.
Pineda.
Ciencia
- Concepto: conocimiento racional, cierto o probable, obtenido metódicamente, sistematizado o
verificable.
- Clasificación: Pura o formal y fáctica o aplicada
Teoría
- Concepto: principios generales que orientan la explicación de uno o varios hechos específicos que se
han observado en forma independiente, y que están relacionados con un modelo conceptual.
- Clasificación: descriptivo, explicativo y predictivo.
Método Científico
- Concepto: proceder ordenado y sujeto a ciertos principios o normas para llegar de una manera segura
a un fin u objetivo que se ha determinado de antemano.
- Etapas: planteamiento del problema, construcción de un modelo teórico, deducción de juicios y
razonamientos (hipótesis), prueba de las hipótesis y conclusiones.
Investigación
- Concepto: estudio sistemático, controlado, empírico, reflexivo, y crítico de proposiciones hipotéticas
sobre las supuestas relaciones que existen entre fenómenos naturales. Permite descubrir nuevos hechos
o datos, relaciones o leyes en cualquier campo del conocimiento humano.
- Tipos: descriptiva , analítica y experimental.
EL MÉTODO CIENTÍFICO.
¿MITO O REALIDAD? Luis Benítez Bribiesca.
Orígenes del pensamiento Occidental
-Pitágoras, Aristóteles, Bacon, Galileo, Bernard, Popper, Medawar y otros.
Conclusiones:
-No existe método para descubrir una teoría científica

6. -No existe método de verificación
-No existe método para averiguar si una hipótesis es probablemente verdadera.
¿Cómo se originan LAS INVESTIGACIONES?
¡ IDEAS !
Fuentes de ideas para investigaciones:
-experiencias individuales
-materiales escritos
-observaciones de hechos
-teorias
-creencias e incluso presentimientos
¿Como y donde surgen las ideas?
-pueden surgir donde se congregan grupos (Hospitales, Industrias, Universidades, Centros de Investigaciones,
Colegios, Asociaciones, Congresos etc.
Otras consideraciones:
-Vaguedad de las ideas
La mayoría de las ideas iniciales son vagas y requieren analizarse para que sean transformadas en planteamientos
más precisos y estructurados.
-Importancia del conocimiento de los antecedentes
De preferencia seleccionar temas de investigación que no han sido estudiados muy a fondo.

7. Estructurar formalmente la idea de investigación
Seleccionar la perspectiva desde la cual se abordará la idea de investigación
-Investigación previa de los temas
Temas ya investigados, estructurados y formalizados.
Temas ya investigados pero menos estructurados y formalizados
Temas poco investigados y poco estructurados
Temas no investigados
-Criterios para generar ideas
Ideas de investigación nuevas, originales, de frontera.
Ideas no nuevas pero si novedosas.
Las buenas ideas generan teorías y solucionan problemas.

8. SACRIFICAR Y OBTENER
BAZO CORAZÓN HIGADO Y
CEREBRO
ESTUDIO DE TOXOPLASMOSIS EN MUJERES Y RESERVORIOS DEL MUNICIPIO DE TICUL
(MUESTREO)
GALLINAS, GATOS, SUELO
SACRIFICAR
CORAZÓN
FORMOL
ESTUDIO
HISTOPATOLOGICO
INOCULAR
RATONES
ESTOMAGO
¿Asociación?
SACRIFICAR Y OBTENER
BAZO CORAZÓN HIGADO Y
CEREBRO
IDENTIFICACION DE
POR PCR
TIPOS I, II Ó III
MUJERES QUE ABORTAN
(MUESTREO)
PLACENTASANGRE
SEROLOGIA
IgG, IgM, IgE,
IgA.
IDENTIFICAR
AGENTE
( PCR)
INOCULAR
RATONES IDENTIFICACION
POR PCR
IDENTIFICACION
POR PCR
TIPOS I, II Ó III
IDENTIFICACION
POSITIVA

9. Corroborar casos de Pirexia de
origen no conocido.
Tipo de Muestreo
Sangre
Serología
(IgG e IgM)
¿Determinar tamaño de la muestra ?
•Centro de Salud de la
Localidad
•Casos que hayan
presentado:
•Fiebre
•Cefalea
•Mialgia
•Artralgia
1
2
3
4
5
Determinar Prevalencia en la Población
6
Encuestas
4’
Procesar
datos
5’
Identificar factores de riesgo
6’
LEPTOSPIROSIS.

10. VIGILANCIA EPIDEMIOLOGICA
Antecedentes.- Esta práctica tiene su origen hace unos 600 años en Venecia,
cuando tres guardias se encargaban de detener las embarcaciones que
arribaban al puerto con casos de peste o provenían de lugares sospechosos.
Con la detención de los viajeros para su observación durante cuarenta días, se
instituyó la cuarentena como una de las primeras intervenciones sanitarias
para detener la transmisión de agentes infecciosos.
El término “vigilancia” de origen francés, fue introducido durante las guerras
napoleónicas para hacer referencia a la necesidad de mantener vigilados a
ciertos grupos de personas. En 1963, Lagmuir la definió como la observación
continuada de la distribución y de las tendencias de la enfermedad mediante la
recogida sistemática, la consolidación y la evaluación de informes de
morbilidad y mortalidad, así como de otros datos relevantes.
Objetivos
a.- Detectar epidemias
b.- Detectar casos individuales de problemas especiales
c.- Detectar cambios en los agentes causales
d.-Contribuir al conocimiento de la historia natural de la enfermedad
e.- Facilitar la planificación y evaluación de programas de salud
f.- Detectar cambios de tendencias
g.- Efectuar proyecciones futuras
Clasificación
1.- Activa
2.- Pasiva
Sistemas utilizados para la vigilancia
a.- Notificación obligatoria de enfermedades
b.-Vigilancia basada en los laboratorios
c.-Registros de enfermedades
d.-Sistemas centinela

11. ESTUDIOS CLÍNICO -EPIDEMIOLÓGICOS
TIPO DE ESTUDIO SINÓNIMOS UNIDAD DE ESTUDIO
ESTUDIOS OBSERVACIONALES
Estudios descriptivos
Estudios transversales De sección cruzada Individuos
De prevalencia
De caso o serie de casos Pacientes
Estudios analíticos
Casos y controles Casos y testigos Individuos
Cohorte Seguimiento Individuos
Ecológicos De correlación Poblaciones (Paises)
ESTUDIOS EXPERIMENTALES Estudios de intervención
Ensayos aleatorios controlados Ensayos clínicos Pacientes
Ensayos no aleatorios controlados Cuasiexperimentales Pacientes
Ensayos de campo - Personas sanas
Ensayos comunitarios Ensayos de intervención Comunidades

12. Manipulación de las variables
por el investi
INVESTIGACIÓN
CLÍNICA-
EPIDEMIOLÓGICA
gador, intervención.
Secció
n
cruzad
a
Casos y
Controles
Estudi
o
cohorte
Estudio experimental
exexperimental
Estudio observacional
Distribución al azar Comparación de grupos
Ensayo controlado
aleatorizado
Ensayo controlado
no aleatorizado
Estudio analítico Estudios
descriptivos
NoSi
Si No
NoSi
INVESTIGACIÓN CLÍNICA-EPIDEMIOLÓGICA
SERIE
CASO
SSS

13. ESTUDIOS OBSERVACIONALES
TRANSVERSALES Y EXPLORATORIOS
DIFICIL DETECTAR CON PRECISIÓN LA RELACIÓN CAUSA-EFECTO
PREVIOS A ESTUDIOS COMPARATIVOS
GENERAN HIPÓTESIS AUNQUE NO SIEMPRE UTILIZAN
LOS MÁS COMUNES EN EPIDEMIOLOGÍA
DETECTAN FRECUENCIA Y DISTRIBUCIÓN DE LA ENFERMEDAD
NO HAY GRUPO CONTROL
ESTUDIO DE SECCIÓN CRUZADA
O DE PREVALENCIA
TIEMPOTIEMPO
EXPOSICIÓNEXPOSICIÓN
RESULTADOSRESULTADOS

14. ESTUDIO DE CASO O DE SERIE DE CASOS: Se establece el cuadro clínico de
enfermedades nuevas o raras en alguna región o lugar realizándose un estudio descriptivo
de las mismas.
Ejemplo.1) Un deportista de élite con síndrome de Gilbert.
2) Hemorrhagic pulmonary leptospirosis: three cases from the Yucatán, peninsula, Mexico.
DISEÑO DE UN ESTUDIO DE CASOS Y CONTROLES
-SENCILLOS Y ECONÓMICOS
-INVESTIGAN LAS CAUSAS DE LA ENFERMEDAD
-LONGITUDINALES
-RETROSPECTIVO
- UTILIZAN GRUPO CONTROL
-EFECTO-CAUSA
DIRECCIÓN DE LA INVESTIGACIÓN
POBLACIÓN
CASOS
(ENFERMOS)
CONTROLES
(NO ENFERMOS)
NO EXPUESTOS
EXPUESTOS
EXPUESTOS
NO EXPUESTOS
TIEMPOTIEMPO

15. DISEÑO DE UN ESTUDIO DE COHORTE
-PROSPECTIVO
-LONGITUDINALES
-LARGOS PERÍODOS DE SEGUIMIENTO
-PARTEN DE LA CAUSA BUSCANDO EL EFECTO
-MÁS COSTOSOS
-MIDEN INCIDENCIA
-CAUSA-EFECTO
EXPUESTOS
POBLACIÓN
NO
EXPUESTOS
SIN
ENFERMEDAD
CON
ENFERMEDAD
CON
ENFERMEDAD
SIN
ENFERMEDAD
PERSONAS
SIN LA
ENFERMEDAD
TIEMPO
TIEMPO
DIRECCIÓN DE LA INVESTIGACIÓN

16. CONTENIDO PARA LA PRESENTACIÓN DE UN PROTOCOLO DE
INVESTIGACIÓN .
-TÍTULO
-INTRODUCCIÓN
-ANTECEDENTES
-JUSTIFICACIÓN
-PLANTEAMIENTO DEL PROBLEMA
-HIPÓTESIS (puede omitirse en estudios descriptivos)
-OBJETIVOS (general, específicos, metas)
-MATERIAL Y MÉTODOS ( a veces solo se usa metodología)
-CRONOGRAMA
-BIBLIOGRAFÍA
-ANEXOS
FORMATO UPI
1.-TÍTULO
2.-DATOS DE IDENTIFICACIÓN
De la institución.
a) Hospitalaria
b) Universitaria
c) De la especialidad que está cursando
De los investigadores:
a) Del investigador principal (alumno, escribir su nombre completo y
otros datos de identificación)
b) De los asesores
3.- MARCO TEÓRICO
a)Definición del problema
b) Antecedentes
c) Justificación
d) Hipótesis
e) Objetivo general
4.- MATERIAL Y MÉTODO
a)Objetivos específicos
b)Diseño:
a).- Definición del universo
b).-Tamaño de la muestra
c).-Definición de las unidades de observación

17. d).- Definición del grupo control
e).-Criterios de inclusión
f).-Criterios de exclusión
g).-Criterios de eliminación
h).-Definición de variables y unidades de medida
i).- Selección de las fuentes, métodos, técnicas (laboratorio) y
procedimientos de recolección de información.
j).- Prueba piloto
k).-Definición del plan de procesamiento (datos) y presentación
de la información.
c)Referencias bibliográficas
5.- ORGANIZACIÓN DE LA INVESTIGACIÓN:
a)Cronograma de actividades
b)Recursos humanos
c)Presupuesto
d)Difusión
6.- ANEXOS:
a) Instrumentos de recolección
b) Instructivos
c) Los demás que requieran las instituciones respaldantes o que los
investigadores consideren de interés.
INFORME FINAL DEBE CONTENER:
-RESUMEN
-INTRODUCCIÓN
-ANTECEDENTES
-OBJETIVO GENERAL
-OBJETIVOS ESPECÍFICOS
-MATERIAL Y MÉTODOS
-RESULTADOS
-DISCUSIÓN O ANÁLISIS
-CONCLUSIONES
-REFERENCIAS BIBLIOGRÁFICAS
-ANEXOS

18. DESGLOSE DE LOS COMPONENTES DE UN PROTOCOLO
TÍTULO: Es el primer acercamiento que tiene el lector con cualquier
documento (libro, artículo científico, folletos etc.), el cual le permite su
aceptación o rechazo. Particularmente en un proyecto de investigación, debe
describir el contenido en forma clara, exacta y concisa, de manera que permita
el fácil reconocimiento del tema en cuestión. Además, debe ser congruente
con el problema y los objetivos planteados. Máximo 15-20 palabras. No
incluir siglas o abreviaturas.
Ejem: Eficiencia entre la mesoterapia y la fisioterapia en el tratamiento de las
lumbalgias.
-Prevalencia y factores asociados al consumo de tabaco en estudiantes del
campus de la salud de la UADY.
INTRODUCCIÓN: incluye teorías y conceptos del tema en cuestión, a nivel
internacional, nacional y local. El texto se orienta hacia la particularidad del
tema que se pretende estudiar. Debe ser apoyada con referencias
bibliográficas.
ANTECEDENTES: breve exposición del desarrollo histórico-científico del
problema así como de otros datos que apoyen y fundamenten la investigación.
Debe ser apoyada con referencias bibliográficas.
JUSTIFICACIÓN: se establece la contribución de los resultados del
proyecto, es decir, se describe el grado en que el trabajo propuesto resuelve el
problema antes descrito. Incluye las razones, los beneficios y la relevancia de
realizar el proyecto de investigación.
Ejem: Se requiere conocer las causas de la baja cobertura del programa de
detección oportuna de cáncer cervicouterino dentro del contexto cultural local
(razón), de esta manera se podrán diseñar campañas de difusión y de
educación específicas a la población blanco, incrementando así las
posibilidades de utilización del mismo (beneficio). De no realizarse el
proyecto, se pueden realizar campañas con el riesgo de fracasar, por
desconocimiento del origen del problema (relevancia).
Las razones de la investigación son los argumentos que la motivan; sus
beneficios, la utilidad que representa el proyecto; la relevancia es el porqué no
se puede prescindir de la realización del proyecto.

19. PLANTEAMIENTO DEL PROBLEMA: el planteamiento del problema
marca el arranque de la investigación, ya que es donde el investigador plasma
la realidad de una situación imperante para ser investigada. Es recomendable
que este se exprese en términos de duda, desconocimiento, falta de precisión
en el conocimiento actual o discrepancia entre lo que es y lo que debe ser,
asociado en la medida de lo posible, de su origen, magnitud, trascendencia,
vulnerabilidad y alternativas de solución; es recomendable terminar el
planteamiento del problema con una pregunta de investigación.
Ejem: la cobertura del programa de detección oportuna de cáncer
cervicouterino (DOC) en el estado X es muy baja (discrepancia). En los
últimos cinco años la cobertura estatal del programa de (DOC) es del 20%
(magnitud). La falta de difusión del programa y el excesivo pudor que muchas
mujeres experimentan por la realización del examen citológico, son causas
posibles de la bajísima cobertura (posible origen). El CACU, se detecta
fácilmente y es curable en etapas tempranas, por lo que puede considerarse
que todas aquellas muertes por esta causa pudieron haberse prevenido
(trascendencia). Campañas de difusión y de educación pueden y deben
incrementar la cobertura de tan importante programa preventivo
(vulnerabilidad y alternativas de solución).
¿Cuál es o son las causas de la baja cobertura del programa de detección
oportuna del CACU en el estado X?
El origen de esta pregunta puede ser:1) la propia inquietud del investigador,
que busca respuestas racionales a lo que sucede en su entorno o 2) una
necesidad muy concreta de una institución o de una población específica. Por
tanto, si no existe pregunta de investigación, no hay investigación.
HIPÓTESIS: son respuestas tentativas o provisionales que se pretenden
demostrar al final del estudio. Manifiestan una relación productiva entre las
variables de interés en aquellos estudios de causa –efecto :
El nivel de colesterol alto (causa) se asocia a una cifra elevada de presión
arterial sanguínea
(efecto).
o expresan una diferencia con respecto a un valor preestablecido:
El nivel de colesterol de la población X es mayor al promedio de colesterol de
la población nacional (valor preestablecido).

20. O en relación al correspondiente grupo de control:
El promedio del nivel de colesterol es menor en el grupo de estudio expuesto a
la intervención (medicamento)“A”, en comparación al correspondiente del
grupo sin la intervención (sin medicamento) (grupo control).
Las hipótesis se verifican estadísticamente por diversas pruebas de análisis y
por lo general, se enuncian mediante una expresión nula o alterna.
Hipótesis nula: se plantea con el propósito deliberado de rechazarla y se le
representa con el símbolo Ho. Por lo general el enunciado se presenta en
términos de no diferencia o igualdad o de no asociación entre las variables de
interés.
Hipótesis alterna: es la que se cree verdadera. Se plantea con el propósito
deliberado de aceptarla y se le representa con el símbolo Ha. Por lo general se
plantea en términos positivos, es decir de diferencia o desigualdad o de
asociación entre las variables de interés.
Ho: El nivel de 310 mg de colesterol o mayor no se asocia con la presencia de
infarto del miocardio.
Ha: El nivel de 310 mg de colesterol o mayor se asocia con la presencia de
infarto del miocardio.
No todos los estudios de investigación requieren de planteamiento y
verificación estadística de hipótesis, tal es el caso de los estudios descriptivos
o de los exploratorios.
OBJETIVO GENERAL: describe el propósito global que se espera lograr,
por lo que debe ser susceptible de medición. Representa la guía o la línea de
investigación y debe expresarse de manera clara y concisa. Se recomienda
incluir objetivos específicos, los cuales tienen que ser congruentes entre sí. El
objetivo general es el que resume el propósito de la investigación y se asemeja
al título del mismo.
Objetivo general:
Evaluar la calidad de la atención médica en pacientes pediátricos con asma
bronquial.
Objetivos específicos:
1) Identificar el apego a lineamientos diagnósticos normados.
2) Identificar el apego a lineamientos terapéuticos normados.

21. 3) Determinar la prevalencia de complicaciones hospitalarias previsibles.
MATERIAL Y MÉTODOS.
Diseño del estudio.-
EASTADÍSTICA INFERENCIAL (MUESTREO)
CONCEPTOS:
ESTADÍSTICA INFERENCIAL.
Procedimiento por medio del cual, se llega a conclusiones acerca de una
población con base en la información que se obtiene a partir de una
muestra seleccionada de esa población.
Considera dos grandes áreas:
a).- La estimación
b).- La prueba de hipótesis
La estimación produce un cálculo aproximado de un parámetro, llámese
porcentaje o promedio en la población.
Prueba de hipótesis da respuesta a la existencia de una asociación o una
diferencia entre los parámetros
POBLACIÓN O UNIVERSO
Conjunto grande de individuos que deseamos estudiar y que reúne
determinadas características.
a.-Finita
b.-Infinita
Parámetros: valores de la población o universo (promedio, porcentaje,
varianza etc)
d)MUESTRA
Conjunto menor o subconjunto de individuos sobre el que realizamos las
mediciones o el experimento con la intención de obtener conclusiones
generalizables a la población o universo. Debe ser representativa de la
población o sea que cada individuo de la población en estudio debe haber
tenido la misma probabilidad de ser elegido.

22. Estadísticos o estimadores. Valores de la muestra que se infieren a la
población (promedio, varianza, porcentaje etc).
RAZONES PARA ESTUDIAR MUESTRAS EN LUGAR DE
POBLACIONES
- Ahorro en tiempo y dinero
- Aumenta la calidad del estudio
- Diminuir la heterogeneidad de la población mediante criterios de
inclusión y/o exclusión.
INDIVIDUO O SUJETO DE ESTUDIO (unidad de interés)
Cada uno de los componentes de la muestra o población
PROCEDIMIENTO PARA OBTENER UN TAMAÑO DE MUESTRA EN
ESTMACIONES.
1) Población
2) Precisión o error aleatorio
3) Prevalencia estimada (%) o variabilidad esperada en la variable de interés
4) Riesgo, error tipo 1 o significancia estadística (&)
SELECCIÓN DE UNA FÓRMULA MATEMÁTICA ADECUADA
PARA CALCULAR EL TAMAÑO DE MUESTRA
Que tipo de población es? (finita o infinita)
Que tipo de inferencia será realizada? (estimación o prueba de hipótesis)
Que tipo de parámetro será empleado? (una media o un porcentaje)
----------------------------------------------------------------------------------------------
Para población finita. Estimación
Tipo de estimación Fórmula

23. NZ²PQ
Proporción de una población n= -------------------------
d² (N-1) +Z²PQ
NZ² s²
Media de una población n= ---------------------------
d² (N-1) +Z² s²
----------------------------------------------------------------------------------------------
Para población infinita. Estimación
tipo de estimación fórmula
Z2
PQ
Proporción en una población n= -------------
d²
Z² s²
Media en una población n= ------------
d²
Valores de Z para los IC de mayor uso (ESTIMACIONES)
---------------------------------------------------------------------------------------------------------
Intervalo de confianza Valor Z
0.90 1.64
0.95 1.96
0.99 2.57
_____________________________________________________________

24. INTERVALOS DE CONFIANZA.- (para estimaciones)
Conjunto de valores que rodean al valor estimado (muestra) y que tienen una
probabilidad específica( nivel de confianza) de contener al valor verdadero de
la población.
DE UNA PROPORCIÓN
Ejem. Se desea estimar la proporción de afecciones pulmonares (p) de una
región.
Después de seleccionar de forma aleatoria a 125 individuos de la región, 12
padecían afecciones pulmonares.
p. (1-p)
IC 95% (p)=p±1.96 ( √ -------- ) =0,096± 0,052 = IC 95%(p)= (0,044-0,148)
n
Donde p es la proporción de afecciones pulmonares encontradas en la muestra.
La prevalencia de afecciones pulmonares de la región está entre 4,44 y 14,8%
con una confianza del 95%; un individuo de esa región seleccionado al azar
tiene una probabilidad de entre 0,044 y 0,148 de padecer una afección
pulmonar
DE UNA MEDIA
Ejem: Un cardiólogo está interesado en encontrar un intervalo de confianza de
95% (IC 95%), para la presión sistólica media de una población (μ) después
de un ejercicio físico.
Para ello selecciona una muestra aleatoria de 100 individuos, obteniendo una
media (x =145) y una desviación (s = 8)
IC 95% (μ)= x ± 1,96 . ( s/√n) = 145± 1,57
La presión sistólica media tras un ejercicio está entre 143,4 y 146,6 con una
seguridad del 95%.

25. EJEMPLOS:
1).- Objetivo del proyecto de investigación: “Estimar la proporción (P) de mujeres en edad
reproductiva que usan anticoncepción efectiva”.
Preguntas:
Que tipo de población es?
Que tipo de inferencia será realizada?
Que tipo de parámetro será estimado?
Cual es la variable de interés y en que escala se encuentra?
Datos previos:
Los investigadores piensan que el parámetro P esta alrededor de 40% (0.40)
También deciden tener un margen de error (error aleatorio o precisión) del 10% (.10)
Los investigadores aspiran a tener una confianza del 95%
Z2
PQ
Proporción en una población n= -------------
d²
1.962
x .40 (1- .40) .921984
n= -------------------------------= ---------------------
.102
.01
Se requieren estudiar 92 mujeres para lograr el objetivo. ( Calcular en EpiInfo)
TAMAÑO DE MUESTRA PARA UN PROYECTO DE
TOXOPLASMOSIS
1) UNIVERSO : INFINITO (NO SABEMOS EL NÚMERO DE ABORTOS QUE
SE PRESENTARÁN)
2) PREVALENCIA ESTIMADA: 16% (OBTENIDA DEL ESTUDIO PILOTO)

26. 3) PRESICIÓN: 3% (5% ES EL CONVENCIONAL, PERO USAMOS EL 3% PARA
DISMINUIR EL IC)
4) ERROR & DE : 5% (NIVEL DE CONFIANZA DE 95%)
Z2
PQ
n=---------
d2
1.962
x (.16 x .84) 3.84 x 0.1344
n= ---------------------------= -----------------------= 573
.32
.09
EL ESTUDIO ANALIZARÁ COMO MÍNIMO
600 MUESTRAS DE SANGRE Y PLACENTA DE
MUJERES QUE ABORTEN EN HOSPITALES QUE SE
ENCUENTRAN EN TRES SECTORES (200
MUESTRAS POR SECTOR)EN QUE SE DIVIDE EL
ESTADO DE YUCATÁN SEGÚN LA SSY.

27. 2).- 1).- Objetivo del proyecto de investigación: “Estimar el promedio (µ) de edad de
mujeres en edad reproductiva que usan anticoncepción efectiva”.
Preguntas:
Que tipo de población es?
Que tipo de inferencia será realizada?
Que tipo de parámetro será estimado?
Cual es la variable de interés y en que escala se encuentra?
Datos previos:
Los investigadores piensan que los valores extremos de la edad están entre 18 y 42 años. La
DE (s) se obtiene dividiendo este rango entre 4 (42-18= 24/4)= 6
También deciden tener un margen de error (error aleatorio o precisión) de 3 años.
Los investigadores aspiran a tener una confianza del 95%
Z2
s2
Media en una población n= -------------
d²
1.962
x 62
138.297
n= -------------------------------= ---------------------= 15.4
32
9
Se requieren estudiar 15 mujeres para lograr el objetivo
----------------------------------------------------------------------------------------------
Prueba de hipótesis (Diferencia entre parámetros)
Preguntas a realizar para poder seleccionar la fórmula matemática adecuada
para calcular el tamaño de la muestra.
Que tipo de población es?
Que tipo de inferencia será realizada?
Que tipo de parámetro será empleado?
Es una prueba de una o de dos colas?

28. Variable de interés y escala?
Tipo de prueba de hipótesis Fórmula
Diferencia de proporciones de dos (Zα + Zβ)² (P Q +Pо Qо)
poblaciones o de una proporción n= ---------------------------------
de referencia (P - Pо)²
Ejem: Demostrar que la proporción de mujeres en edad reproductiva,
residentes de zonas urbanas, en uso de anticoncepción efectiva, es mayor que
la proporción correspondiente en zonas rurales
Valores de significancia Zα de mayor uso (PARA PRUEBAS DE
HIPOTESIS)
α de 1 cola Valor de Z α de dos colas Valor de Z
0.10 1.28 0.10 1.64
0.05 1.64 0.05 1.96
0.01 2.33 0.01 2.57
______________________________________________________________
_______________________________________________________________
Valores de Zβ para potencias de uso frecuente (PARA PRUEBAS DE
HIPOTESIS)
β de una cola Potencia Valor de Z β de dos colas Potencia valor de Z
_______________________________________________________________
0.30 0.70 0.52 0.30 0.70 1.0
0.20 0.80 0.84 0.20 0.80 1.2
0.10 0.90 1.28 0.10 0.90 1.6
_______________________________________________________________
EXPLICACIÓN:

29. 1.-Si el estudio encuentra una diferencia en los tratamientos, cuando de hecho no
hay diferencia (casilla B), se presenta un error tipo I.
2.- Si el estudio no encuentra una diferencia en los tratamientos cuando en realidad
si la hay (casilla C), se dice que ha ocurrido un error de tipo II.
Recomendaciones para evitar los errores o sesgos:
-Aumentar el tamaño de la muestra
PODER ESTADÍSTICO DE UNA PRUEBA
En algunas ocasiones, los resultados de un estudio no son significativos. Se
habla entonces de “estudios negativos”. No obstante, la ausencia de
significación estadística no implica necesariamente que no exista relación
entre el factor de estudio y la respuesta. Puede ocurrir, que aún existiendo tal
asociación o una diferencia clínicamente relevante, el estudio haya sido
incapaz de detectarla como estadísticamente significativa. En estudios de este
tipo se concluirá que no existen diferencias cuando realmente sí las hay. Este
error se conoce como error de tipo II. La probabilidad de cometer un error de
este tipo suele denotarse por β y su complementario, 1-β, es lo que se conoce
como poder estadístico o potencia estadística
Factores que influyen en el poder estadístico de un estudio.
Resultados
Estudio
Trat. Difererentes
Trat. Iguales
A B
Correcto Error tipo I
C D
Error tipoII Correcto
d
Trat.diferentes Trat.iguales
REALIDAD

30. El tamaño del efecto a detectar, es decir, la magnitud mínima de la diferencia
o asociación entre los grupos que se considera clínicamente relevante. Cuanto
mayor sea el tamaño del efecto que se desea detectar, mayor será la
probabilidad de obtener hallazgos significativos y, por lo tanto, mayor será el
poder estadístico.
La variabilidad de la respuesta estudiada. Así, cuanto mayor sea la
variabilidad en la respuesta, más difícil será detectar diferencias entre los
grupos que se comparan y menor será el poder estadístico de la investigación.
De ahí que sea recomendable estudiar grupos lo más homogéneos posibles.
El tamaño de la muestra a estudiar. Cuanto mayor sea el tamaño muestreal,
mayor será la potencia estadística de un estudio. Es por ello que en los
estudios con muestras muy grandes se detectan como significativas diferencias
poco relevantes, y en los estudios con muestras menores es más fácil obtener
resultados falsamente negativos.
El nivel de significación estadística. Si disminuimos la probabilidad de
cometer un error de tipo I aumentamos simultáneamente la probabilidad de un
error de tipo II, por lo que se trata de encontrar un punto de “equilibrio” entre
ambas. Habitualmente se trabaja con un nivel de significación del 0.05 y un
error β de 0.2. Esto significa que la probabilidad de cometer un error del tipo
II es cuatro veces mayor que la probabilidad de cometer un error tipo I lo que
refleja que, en general, un error tipo I se considera mucho mas grave que un
error del tipo II.
Ejem. Toxoplasmosis
Tabla 3.-Análisis de variables potencialmente asociadas a seropositividad a
Toxoplasma gondii en mujeres que abortan.
Variables Total: 62
# %
Seropositivos a
IgG e IgM: 31
# %
Seronegativo a : IgG
e IgM:31
# %
Ama de casa* 47 75.8 23 75.4 24 80
Aborto en el primer
trimestre*
46 74.1 25 80.6 21 72.4
Convivencia con
gatos*
40 64.5 22 71 18 58.1
Convivencia con
gatos menores de 6
meses*
14 22.5 7 31.8 7 35
Convivencia con
roedores(ratas y
ratones)*
30 48.3 17 56.7 13 43.3
Agua potable para 62 100 31 100 31 100

31. consumo*
Higiene en el
consumo de
alimentos(lavar y
desinfectar
vegetales)*
62 100 31 100 31 100
Higiene
personal(lavarse las
manos
ocasionalmente)*
18 29 11 35.5 7 22.5
*p>0.05
Ejem. Leptospirosis
Table 3
CONTACT FREQUENCY WITH TRANSMISSION FACTORS IN A POPULATION
FROM YUCATAN, MEXICO.
CONTACT
WITH
RESERVOIRS
PEOPLE
SURVEYED
400
% NEGATIVE
343
% POSITIVE
57
%
RODENTS *
DOGS
OPOSSUMS
PIGS
BOVINES
262
286
240
120
53
65.5
71.5
60.0
30.0
13.2
219
247
206
102
43
63.8
72.0
60.0
29.7
12.5
44
39
33
17
10
77.2
68.4
58.0
29.8
17.5
INADEQUATE
WATER
267 66.7 230 67 37 65.0

32. STORAGE
CONTACT
WITH
NATURAL
WATER
DEPOSITS **
93 23.2 74 21.6 19 33.3
(1) * P≤0.05
(2) **P≤0.05
Table 1
SEROREACTIVITY FREQUENCY, BY AGE AND SEX, IN YUCATAN
MEXICO
SAMPLE SIZE
400
POSITIVES
57
%
14.2
AGE GROUPS *
<15
15-35
36-56
>56
25
161
160
54
1
21
25
10
4.0
13.0
15.6
18.5
SEX **
FEMALE
MALE
266
134
31
26
11.6
19.4
* P≥0.05
** P≤ 0.05
Ejercicio:

33. Supongamos que se quiere llevar a cabo un ensayo clínico para comparar la
efectividad de un nuevo fármaco con la de otro estándar en el tratamiento de
una determinada enfermedad. Al inicio del estudio, se sabe que la eficacia del
tratamiento habitual está en torno al 40%, y se espera que con el nuevo
fármaco la eficacia aumente al menos en un 15%. El estudio se diseñó para
que tuviese un poder del 80%, asumiendo una seguridad del 95%. Esto
implica que son necesarios 173 pacientes en cada uno de los grupos para
llevar a cabo la investigación. Tras finalizar el estudio, sólo fue posible tratar
con cada uno de los fármacos a 130 pacientes en cada grupo en lugar de los
173 pacientes estimados inicialmente. Al realizar el análisis estadístico, se
objetivó que no hay diferencias significativas en la efectividad de ambos
tratamientos. A partir de las fórmulas de la Tabla 2, podemos calcular cuál ha
sido finalmente el poder del estudio. Aplicando la fórmula para el cálculo del
poder estadístico de comparación de dos proporciones ante un planteamiento
unilateral se obtiene:
( )
( ) ( )
( )
( ) ( )
467.0
55.0155.04.014.0
475.01475.02645.113055.04.0
11
12
645.105.0
130
475.0
55.0
4.0
2211
121
1
1
2
1
=
−+−
−⋅⋅⋅−−
=
=
−+−
−−−
=⇒









=⇒=
=
=⇒



=
=
−
−
−
pppp
ppznpp
z
z
n
p
p
p
α
β
αα
A partir de la Tabla 3, podemos determinar que un valor de
467.01 =−βz
corresponde a un poder en torno al 65%-70%. Utilizando las tablas de la
distribución normal, se sabe que el poder es del 68%, es decir, el estudio
tendría un 68% de posibilidades de detectar una mejora en la eficacia del
tratamiento del 15%.
Tabla 3. Valores de α−1
z
, 2
1 α−
z
y β−1z
más
frecuentemente utilizados.
Seguridad α
Test
unilateral
α−1
z
Test
bilateral
2
1 α−
z
80 % 0,200 0,842 1,282

34. 85 % 0,150 1,036 1,440
90 % 0,100 1,282 1,645
95 % 0,050 1,645 1,960
97,5 % 0,025 1,960 2,240
99 % 0,010 2,326 2,576
Poder
estadístico
β−1 β β−1z
99 % 0,99 0,01 2,326
95 % 0,95 0,05 1,645
90 % 0,90 0,10 1,282
85 % 0,85 0,15 1,036
80 % 0,80 0,20 0,842
75 % 0,75 0,25 0,674
70 % 0,70 0,30 0,524
65 % 0,65 0,35 0,385
60 % 0,60 0,40 0,253
55 % 0,55 0,45 0,126
50 % 0,50 0,50 0,000
Figura 1.

35. Poder estadístico en función del tamaño muestral y la magnitud del efecto
a detectar. Comparación de dos proporciones p1 y p2.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300 350 400 450 500
Número de casos por grupo
p1=40% p2=50% p1=40%; p2=55% p1=40%; p2=60%
Figura 2.

36. Poder estadístico en función del tamaño muestral y el número de
controles por caso en un estudio de casos y controles. p2=40%; OR=2
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0 50 100 150 200 250 300 350 400 450 500
Número de casos
c=1 c=2 c=3 c=4 c=5
Tabla 2. Fórmulas para el cálculo del poder estadístico para
diferentes tipos de diseño.
Test unilateral Test bilateral
Comparación
de dos
proporciones
( )
( ) ( )2211
121
1
11
12
pppp
ppznpp
z
−+−
−−−
=
−
−
α
β
( )
( ) ( )2211
2
121
1
11
12
pppp
ppznpp
z
−+−
−−−
=
−
−
α
β
Comparación
de dos
media
αβ −− −= 11
2
z
S
dn
z
2
11
2
αβ −− −= z
S
dn
z
Estimación
de un OR en
estudios de
( ) 22
2
1
1 pORp
pOR
p
⋅+−
⋅
=
( ) 22
2
1
1 pORp
pOR
p
⋅+−
⋅
=

37. casos y
controles
( )
( ) ( )2211
121
1
11
1)1(
ppppc
ppczncpp
z
−+−⋅
−+−−
=
−
−
α
β
ncm ⋅=
( )
( ) ( )2211
2
121
1
11
1)1(
ppppc
ppczncpp
z
−+−⋅
−+−−
=
−
−
α
β
ncm ⋅=
Estimación
de un RR
21 pRRp ⋅=
( )
( ) ( )2211
121
1
11
12
pppp
ppznpp
z
−+−
−−−
=
−
−
α
β
21 pRRp ⋅=
( )
( ) ( )2211
2
121
1
11
12
pppp
ppznpp
z
−+−
−−−
=
−
−
α
β
Estimación
de un
coeficiente
de
correlación
lineal
αβ −− −





−
+
−= 11
1
1
ln
2
1
3 z
r
r
nz
2
11
1
1
ln
2
1
3 αβ −− −





−
+
−= z
r
r
nz
n = Tamaño muestral. En un estudio de casos y controles, n es el
número de casos.
1p
= En un estudio transversal o de cohortes, proporción de
expuestos que desarrollan la enfermedad. En un estudio de casos y
controles, proporción de casos expuestos.
2p
= En un estudio transversal o de cohortes, proporción de no
expuestos que desarrollan la enfermedad. En un estudio de casos y
controles, proporción de controles expuestos.
2
21 pp
p
+
=
d = Valor mínimo de la diferencia a detectar entre dos medias
S2
= Varianza en el grupo control o de referencia
c = Número de controles por caso
m = En un estudio de casos y controles, número de controles
OR = Valor aproximado del odds ratio a detectar
RR = Valor aproximado del riesgo relativo a detectar
r = Magnitud del coeficiente de correlación a detectar

38. TAMAÑO DE MUESTRA PARA ESTUDIOS DE CASOS Y
CONTROLES Y ESTUDIOS DE COHORTES
EJEM: CASOS Y CONTROLES
Asociación entre consumo reciente de carne y enteritis necrotizante en
Papua Nueva Guinea
EXPOSICIÓN
SI NO TOTAL
CASOS 50 11 61
CONTROLES 16 41 57
TOTAL 66 52 118
50 X 41
OR= -------------= 11.6
11 X 16
Tamaño de la muestra para casos y controles:
-Razón de controles por caso= 1
-Valor de la razón de ventajas( OR)= 11.6
-% de controles expuestos en la población de controles= 28%
-Riesgo 5%
-Potencia 80%
n= casos 16 controles 16 total= 32

39. EJEM: COHORTE
Fumar en el embarazo y tener un recién nacido de bajo peso (datos
supuestos)
E f e c t o (bajo peso)
Exposición
(fumar)
Si No Total
Si 20 180 200
No 40 760 800
Total 60 940 1000
I de expuestos 20/200
RR= ----------------------= -----------= 2
I de no expuestos 40/800
Tamaño de muestra para estudios de COHORTE
Razón de no expuesto por expuesto 1: 4
Valor del riesgo relativo (RR) detectado 2
Tasa de ataque entre no expuestos 40/800 =0.05
Riesgo 5%
Potencia de la prueba (1-β) 80%
n= 314 Exp y 1256 No expuestos total= 1570
OBTENCIÒN DE TAMAÑO DE MUESTRA EN PROGRAMA
ESTADÍSTICO EPI-INFO (EPITABLE) U OTRA LITERATURA.

40. Muestreo probabilístico (aleatorio): Método que consiste en extraer al
azar una parte o muestra de una población o universo, de tal forma que, cada
elemento de la población tiene la misma oportunidad de ser incluido dentro de
la muestra. En el muestreo no probabilística no se utilizan técnicas de azar
para seleccionar las muestras.
MUESTREO PROBABILÍSTICO (estudios transversales)
1.-MUESTREO ALEATORIO SIMPLE
a).-Realizar el marco de muestreo
b).-Seleccionar las unidades de estudio
-Tabla de números al azar
- Utilizando un programa estadístico
- Otros
Ejemplo:
Población = 2000 historias clínicas de un Hospital
Tamaño de la muestra (n)= 100
-Enumerar todas las historias
-Selección de las 100 historias en la tabla
-Comenzar en un lugar de la tabla también elegido al azar
- El número de cifras que se incluirán es igual al de la población
-Sí se repiten los números se sustituyen por otros
Probabilístico No probabilístico
Aleatorio
simple
Sistemático
Por conveniencia
intencionado
TIPOS DE MUESTREO
Estratificado
Conglomerados

41. 2.-MUESTREO SISTEMÁTICO
-Enumerar los números entre uno y N
-Calcular el espaciamiento de muestreo
N 2000
_____ = K ------ = 20
n 100
-Elegir al azar un número entre uno y K
- A partir de este número se obtendrán los demás sumándoles K
Ejemplo: Suponiendo que es 17, 37, 57, 77 etc.
3.-MUESTREO ESTRATIFICADO
-Se utiliza cuando la población es muy heterogenea, siendo afectada la variable de estudio
por otras variables.
-Se divide en estratos
-Cada uno tendrá cierto número de elementos N1, N2, N3 cuya suma será N
-Cada estrato se determina proporcionalmente del tamaño de la muestra de manera que
la suma de los estratos será igual al tamaño de la muestra.
-La elección de los elementos dentro de cada estrato se hace usando el método al azar o el
sistemático.
Ejem: Estudiar el diagnóstico de pacientes en un Hospital
Estratos: en pediatría, en clínica, en obstetricia etc.
4.-MUESTREO EN ETAPAS MÚLTIPLES O MULTIETÁPICO
-Se usa cuando no puede ser fácilmente enumerada la población(marco de muestreo),
entonces se hace una numeración geográfica.
-Ejem: se desea obtener una prevalencia de x enfermedad en un estado
Se clasifican en sectores geográficos y se extrae una muestra
En cada sector se procede a listar manzanas y se extrae una muestra
De cada manzana se extrae una muestra de habitantes o familias (unidades de
estudio).
-Sus inferencias son menos precisas que el método estratificado, sin embargo es a veces el
único método que podemos realizar.
5.- CONGLOMERADOS
-Agrupa un número de sujetos o unidades de observación que tienen algo en común
-La población se divide en conglomerados y luego en unidades de estudio que son
seleccionadas mediante técnicas aleatorias como muestreo simple, sistemático etc-
NUMEROS ALEATORIOS

42. CRITERIOS DE INCLUSIÓN: Son aquellas características que deben
reunir los sujetos o unidades de observación para formar parte del estudio.
CRITERIOS DE EXCLUSIÓN: Son aquellas características que deben estar
ausentes en los sujetos o unidades de observación para formar parte del
estudio.
CRITERIOS DE ELIMINACIÓN: Son aquellas características que
aparecen una vez que ya han sido seleccionados los sujetos o unidades de
observación y que obligan a eliminarlas del estudio.
Definición de caso:
En términos generales “caso” se ha utilizado para indicar a un individuo que
tiene la enfermedad o manifiesta un resultado relevante. En epidemiología la
prevalencia e incidencia hacen referencia a la frecuencia de los casos entre
grupos de población.
Definición de control:
Estándar frente al cual pueden valorarse observaciones experimentales o
analíticas observacionales.
VARIABLES:
Son las características que estudiamos en cada individuo de la muestra
(género, edad, talla, peso, IMC, TA etc)
Cuantitativas (No categóricas): Variables que pueden medirse, cuantificarse
o expresarse numéricamente.
- Continuas: si admiten tomar cualquier valor dentro de un rango
numérico determinado (edad, peso, talla)
- Discretas: si no admiten todos los valores intermedios en un rango.
Toman solamente valores enteros (Nº de integrantes de la familia, Nº
nacimientos, FR etc.)
Cualitativas (categóricas): variables que representan una cualidad o atributo
que clasifica a cada caso en una de varias categorías.
-Escalas nominales: Forma de observar o medir en la que los datos se ajustan
por categorías que no mantienen una relación de orden entre sí (color de ojos,
sexo, profesión, grupo sanguíneo). Son datos dicotómicos o binarios aquellos

43. que la presencia de uno excluye al otro (sano/enfermo, positivo/negativo,
parto/no parto)
-Escalas ordinales: son aquellas en que existe un cierto orden o jerarquía entre
las categorías (curso clínico., estudiante de primaria, secundaria, preparatoria.,
médico interno, residente, de base)
VARIABLES DEPENDIENTES
VARIABLES INDEPENDIENTES
DATOS: Son los valores que toma la variable según el caso
PLAN DE RECOLECCIÓN DE LA INFORMACIÓN
Métodos e instrumentos de recolección de datos.-
1.- La observación.
- Registro visual de lo que ocurre en una situación real, clasificando y
consignando los acontecimientos pertinentes de acuerdo con algún esquema
previsto y según el problema que se estudia.
2.- La encuesta
-Método que consiste en obtener información de los sujetos de estudio,
proporcionada por ellos mismos, sobre opiniones, actitudes o sugerencias.
2.1.La entrevista
-Comunicación interpersonal establecida entre el investigador y el
sujeto de estudio a fin de obtener respuestas verbales a las interrogantes
planteadas sobre el problema propuesto.
Ejem. Entrevista por telefono, por correo electrónico etc.
2.1.El cuestionario
-Consiste en un conjunto de preguntas respecto a una o más variables a
medir.
Las preguntas se clasifican en:
a)Cerradas
Después de la pregunta se presentan diversas opciones de las que el
entrevistado debe escoger una, o varias, según sea el caso.
b)Abiertas
Se deja un espacio para que el entrevistado escriba su opinión.

44. c)Mixtas
Preguntas con varias respuestas posibles, algunas de ellas abiertas y
otras cerradas.
Características deseables de las preguntas.-
- Las preguntas deben plantearse en lenguaje sencillo y claro, de acuerdo con
la preparación del encuestado.
- Deben ser breves, sin que ello altere su contenido.
- No preguntar lo obvio
-Cada pregunta debe referirse a una sola idea
-Deben evitarse preguntas que requieren de muchos datos.
-No hay que inducir la respuesta
-Evitar palabras que tengan una intensa carga afectiva
-Debe seguirse un orden lógico en las preguntas
-Si se desea conocer el grado de satisfacción de una persona por un servicio,
no debe preguntársele directamente si fue de su agrado o no.
Requisitos que debe cubrir un instrumento de medición:
Confiabilidad y Validez
La confiabilidad se refiere al grado en que su aplicación repetida al mismo
sujeto u objeto produce resultados iguales.
La validez se refiere al grado en que un instrumento realmente mide la
variable que pretende medir.
Prueba piloto del instrumento de validación.- Sirve para analizar si las
instrucciones se comprenden y funcionan de manera adecuada. Los resultados
se usan para calcular la confiabilidad y de ser posible la validez del
instrumento. (también sirve para estimar la prevalencia o “p”)
Se realiza con una pequeña muestra (inferior a la muestra definitiva. Se
aconseja que cuando la muestra definitiva sea mayor de 200 o más, se lleve a
cabo la prueba piloto con 25-60 personas.
Ejemplo cuestionario:
EPIDEMIOLOGICA
PROGRAMA: TOXOPLASMOSIS
La información recabada en este cuestionario será utilizada únicamente para fines de
investigación en forma discreta y sin mención de los nombres de las personas entrevistadas.
1.- DATOS DEL ENTREVISTADO:

45. Fecha:
Nombre: Edad:
Meses de embarazo: Ocupación:
Primípara ( ) Multípara ( )
1.- ¿Convive con gatos ?
Si ( ) No ( )
2.- ¿Ve roedores en su casa?
Si ( ) No ( )
3.- En caso de tener gatos en su vivienda ¿son menores de 6 meses de edad?
Si ( ) No ( )
4.- La carne que usted consume es de: cerdo ( ) Res ( ) Otra_______________________
5.- El modo de preparación es:
Bien cocida ( )
6.- El agua que usted consume ¿es potable?
Si ( ) No ( )
7.- ¿Lava o desinfecta frutas y vegetales destinados para su consumo?
Si ( ) No ( )
8.- ¿Se lava las manos antes de ingerir algún alimento?
Siempre ( ) En ocasiones ( ) Casi nunca ( ) Nunca ( )
9.- ¿Presentó algún síntoma?
Si ( ) No ( )
Inflamación ganglionar Mialgia
Fiebre Artralgia
Adinamia Hepatomegalia
Cefalea Esplenomegalia
Visión borrosa
10.- ¿Presentó alguna otra enfermedad durante el embarazo?
Si ( ) No ( ) Cual ______________________________
Resultado ELISA IgM: ______________
Resultado de ELISA IgG_______________

46. FUERZA DE LA ASOCIACIÓN O RIESGOS
Riesgo: probabilidad de que los individuos que están expuestos a ciertos
factores (factores de riesgo) desarrollen ulteriormente una enfermedad
determinada u otro evento o fenómeno.
Factor de riesgo: Características que se asocian aumentando la probabilidad de
contraer la enfermedad u otro evento.
1.-RAZÓN DE PRODUCTOS CRUZADOS O RM=
RAZÓN DE MOMIOS (RM) o (OR
a x d Casos y controles
b x c
Ejem: Asociación entre consumo de carne y enteritis necrotizante en Nueva
Guinea
Exp. No Exp. total
casos 50(a) 11(b) 61
Controles(sanos) 16(c) 41(d) 57
total 66 52 118
50 x 41
RM: --------- = 11.6 veces más frecuente en consumidores de carne que en no
11 x 16
consumid. o sea 11.6 veces más probable que te enfermes cuando comes
carne.
2.- RIESGO RELATIVO (RR) RR= a/ (a+b) Estudios de cohorte
c/ (c+d) Mide incidencia
Ensayos aleatorios
Exposición Enfer. No enfer. total
Alcohol ≥
80g/día
175(a) 2825(b) 3000

47. Alcohol <
80g/día
207(c) 6793(d) 7000
total 382 9618 10,000
175/3000 0.0583
RR: ----------- = ------- =1.97 Por tanto es 2 veces más probable que
te enfermes cuando 207/7000 0.0295 ingieras alcohol ≥ 80g/día que
cuando bebes menor cantidad.
Otras medidas de riesgo:
Riesgo atribuible ( en expuestos) o diferencia de riesgos (expuestos
menos no expuestos).
Fracción atribuible o fracción etiológica (en los expuestos). Proporción
de enfermedad que se eliminaría en la población de estudio si no existiera
exposición.
SESGOS POTENCIALES EN LOS ESTUDIOS EPIDEMIOLÓGICOS
SESGOS DE SELECCIÓN
El sesgo de selección sucede cuando los individuos seleccionados difieren en
características importantes de la población de origen (a la que se pretende
extrapolar los hallazgos del estudio) o de otro grupo de personas ( con el que
se buscan hacer comparaciones).
SESGO DE MEDICIÓN
Ocurre cuando durante la fase de obtención de información, los investigadores
utilizan para cada uno de los grupos estudiados criterios diferentes de
recolección o interpretación de datos o ambos.
-SESGO DE CONFUSIÓN
Se produce cuando dos factores están asociados entre sí o viajan juntos y el
efecto de uno está confundido con otro o distorsionado por el efecto del otro.
FENÓMENO DE CONFUSIÓN: CONSUMO DE CAFÉ, CONSUMO DE TABACO Y
CARDIOPATÍA ISQUÉMICA.

48. CONTROL DEL SESGO
1)Experiencias a ciego simple
2) Experiencias a doble ciego
3) Experiencias a triple ciego
PRUEBA DE HIPÓTESIS Y
PLAN DE ANÁLISIS ESTADISTICO
Para realizar una prueba de hipótesis se necesita de la ejecución de una serie de pasos:
1.- Plantear la hipótesis
2.-Definir el tipo de prueba a realizar
Unilateral o bilateral
3.-Fijar el nivel de significancia o valor de alpha
0.05
0.01
4.-Identificar el estadístico de prueba a utilizar, cuya elección depende de los siguiente:
EXPOSICIÓN ENFERMEDAD
(consumo
de café)
Cardiopatía
isquémica
VARIABLE DE
CONFUSIÓN
(consumo de cigarrillos)

49. a) Lo que se pretende comparar: promedios, varianzas, medidas de riesgo, porcentajes.
b) Número de grupos de muestras por estudiar: una, dos, tres etc.
c) Tipo de muestras: independientes, relacionadas o pareadas, aleatorias o no aleatorias (por
conveniencia).
d)Tamaño de la(s) muestras
e)Escala de medición de las variables: cuantitativas, ( discretas, continuas), cuantitativas,
(nominales, ordinales).
Con base en lo anterior, la prueba estadística apropiada será paramétrica o no paramétrica.
Las paramétricas requieren para su aplicación de las siguientes condiciones:
-Observaciones independientes
-Que las observaciones procedan de poblaciones con distribución normal
-Con varianzas iguales o conocidas
-Variables cuantitativas
Pertenecen a este tipo de pruebas: “Z”, “T”, “Análisis de varianza”, “F” y la prueba de
“correlación de Pearson” entre otras.
Las no paramétricas, no exigen el cumplimiento de condiciones tan estrictas y por tanto
pueden ser aplicadas a varias medidas, aun en una escala nominal u ordinal.
Pertenecen a este tipo: “Chi cuadrada”, “Prueba exacta de Fisher”, “Prueba del cambio de
Mc Nemar”, “Prueba de signos entre otras”.
5.-Plantear la regla de decisión para el rechazo de la hipótesis de nulidad.
ASOCIACIÓN DE VARIABLES CUALITATIVAS
1).-Prueba de chi²
2).-Prueba exacta de Fisher
3).-Prueba del cambio Mc Nemar
4).- Otras (Signos, Willconson, Man Whitney )
Prueba de Ji cuadrada
-Pruebas no paramétricas
-Variables cualitativas
-Datos de frecuencia
-No se recomienda para porcentajes

50. Se aplica a datos en una tabla de contingencia, solamente si las frecuencias esperadas son
suficientemente grandes (mínima de 5 observaciones)
Ejemplo: supongamos que deseamos saber si existe asociación entre los factores sexo y
color de cabello. Para ello observamos a 50 hombres y 50 mujeres que van a comprar a una
plaza comercial y registramos cuantas (os) tienen el pelo rubio o castaño en cada grupo.
COLOR DEL CABELLO
SEXO RUBIO(AS) CASTAÑO (AS)
HOMBRES 20 30 50
MUJERES 24 26 50
44 56 100
Como no tenemos idea de las frecuencias esperadas, entonces debemos calcularlas bajo el
supuesto de que el color del cabello no es dependiente del sexo (no existe asociación). Si
esto es verdad podemos esperar que la mitad de ambas muestras (hombres y mujeres) sean
rubias (os) y la otra mitad castaños (as).
Trabajando con totales marginales tenemos :
50 50
---- x 44 = 22 (rubios) ---- x 44 = 22 (rubias)
100 100
50 50
----- X 56 = 28 (castaños) ----- X 56= 28 (castañas)
100 100
Una vez calculados los valores esperados:
RUBIOS CASTAÑOS
HOMBRES
MUJERES
20 (22)
24(22)
30(28)
26(28)
50
50
44 56 100
Ahora se calcula el valor de Ji cuadrada y como se trata de una tabla de dos x dos se utiliza
el factor de corrección de Yates (0.50):
X² = ( / O –E / - 0.50)² ( / O – E / - 0.50)²
--------------------- + ---------------------
E E

51. X² = ( / 20 – 22 / - 0.50)² + ( / 30 – 28 / - 0.50 )²
------------------------- ------------------------
22 28
+ ( / 24 – 22 / - 0.50)² + ( / 26 – 28 / - 0.50 )²
------------------------- ------------------------
22 28
= 0.102 + 0.080 + 0.102 + 0.080 = 0.364
Buscando en la tabla a un grado de libertad (2-1) (2-1)= 1 y a (0.05) encontramos
Que es igual a 3.841 > 3.64 por tanto no es significativo. Así el color del pelo no se
encontró asociado al sexo. Se pueden utilizar más de dos categorías.
Percentiles de la distribución de chi2
Gl X2
.005 X2
.025 X2
……….X2
.90 X2
.95……
--------------------------------------------------------------------------------------------------------------
1 .000000393 .000982 .000393 2.706 3.841
2
3
4
n
PRUEBA DEL CAMBIO DE MC NEMAR
Aplicable a los diseños “antes-después” o “pre-post” donde cada sujeto es su propio
control, las variables son cualitativas y/o la escala de medición es nominal u ordinal (solo
con dos categorías)
La hipótesis de investigación debe aludir a que existirán cambios significativos en las
categorías después de la intervención.
La hipótesis nula Ho: establece que no habrán cambios o si existen diferencias, estas no
serán significativas.
Se define la regla de decisión, esto es, la situación que llevará al rechazo de la Ho, si el
valor calculado de la prueba de Mc Nemar es mayor que el valor crítico de la tabla.
ANTES DESPUÉS
+ -
+ A B A+B
- C D C+D
A+C B+D A+B+C+D

52. Para calcular: X² = ( /A-D/ ) -1)²
A+D
El valor obtenido se compara con valor de tabla para X² con 1 grado de libertad, α 0.05 =
3.84 Una vez obtenido este valor, se aplica la regla de decisión.
Si el valor calculado es mayor que el valor de tabla, se rechaza la Ho: concluyendo que hay
cambios después de la intervención. Pero si el valor calculado es menor al valor crítico de
la tabla, no será posible rechazar la Ho: y se concluirá que los cambios después de la
intervención no son significativos.
Ejemplo de ficción: Se entrevistó a una muestra aleatoria de 75 burocratas acerca de su
preferencia para el candidato presidencial antes y después de de un debate televisivo.
Después del debate, de los 41 foxistas, 13 continuaban fieles y 28 traidores, lo cambiaron
por Labastida, en tanto que los 34 simpatizantes de Labastida, 7 continuaron con él hasta el
desempleo y 27 rectificaron a tiempo, por lo que aún conservan su empleo. La hipótesis de
trabajo suponía que Labastida con sus argumentos ganaría adeptos.
ANTES DEBATE DESPUÉS DEBATE
FOX LABASTIDA
FOX 13 A 28 B 41 ( A+B)
LABASTIDA 27 C 7 D 34 ( C+D)
40 (A+C) 35 (B+D) 75 (A+B+C+D)
Regla de decisión: Rechazar Ho si el valor de Mcnemar calculado es mayor que el de tabla
o crítico para el test de X² con 1 grado de libertad, α 0.05= 5.024, cuando la hipótesis
plantea la dirección del cambio, lo que significa localizarse en una cola, pero si solamente
hubiera propuesto que existirían cambios en las preferencias, sin apostar por algún
candidato, sería una prueba de dos colas y α 0.05= 3.84.
Se calcula= ( /13 -7 / ) -1)² = (6-1)² 25 = 1.25
13+7 20 20
Dado que 1.25 es < el valor de tabla 5.024 No se rechaza la hipótesis Ho,concluyéndose
que no hubieron cambios en las preferencias por Labastida después del debate.
ESTUDIOS EXPERIMENTALES

53. DISEÑO DE UN ENSAYO CLÍNICO ALEATORIZADO
CONTROLADO
-Investigación experimental epidemiológica destinada a estudiar un
nuevo protocolo preventivo o terapéutico.
-Las unidades de estudio son pacientes.
-Las personas de una población se asignan de forma aleatoria a uno de dos
grupos llamados generalmente de tratamiento y de control.
-Los resultados se valoran comparando la evolución en los dos grupos.
-La distribución aleatoria asegura que ambos grupos serán comparables al
inicio de la investigación y cualquier diferencia entre estos será debido al azar
y no a la influencia de sesgos introducidos por los investigadores.
-Todas las personas que intervienen en el estudio han de cumplir criterios
especificados para la enfermedad de manera que garanticen grupos
homogéneos.
-Estos estudios han sido útiles en los países en desarrollo para comprobar el
valor de tratamientos nuevos para enfermedades agudas.

54. ENSAYO DE CAMPO
-Participan personas sanas y la investigación se realiza en personas de la
población general no ingresadas en instituciones.
-Su objetivo principal es prevenir las enfermedades.
-Por lo general son costosos e implican grandes tareas.
-Se pueden utilizar para evaluar intervenciones tendientes a reducir la
exposición, ejem. Métodos de protección frente a la exposición a plaguicidas.
POBLACIÓN
A ESTUDIAR
SELECCIÓN MEDIANTE
CRITERIOS DEFINIDOS
NO PARTICIPANTES (NO
CUMPLIERON CON LOS
CRITERIOS DE SELECCIÓN)
PARTICIPANTES
POTENCIALES
NO PARTICIPANTES
INVITACIÓN A
PARTICIPAR
PARTICIPANTES
ASIGNACIÓN
ALEATORIZADA
GRUPO DE
TRATAMIENTO
GRUPO CONTROL

55. ENFERMOS: 32 37
RESULTADOS
NO ENFERMOS 635 608
ENSAYOS COMUNITARIOS O DE COMUNIDADES
-Se estudian comunidades en lugar de personas.
-Diseño adecuado para investigar enfermedades que tienen origen en
condiciones sociales.
-Solo pueden incluirse un pequeño grupo de comunidades complicando la
aleatorización.
-Resulta difícil aislar las comunidades en las que se hace la intervención.
Ajustes a la población: Cuado no se reemplaza el tamaño de la población
durante el muestreo (en muestras iguales o mayores al 5% y poblaciones
pequeñas), esta disminuye y por tanto la probabilidad de seleccionar una
unidad de la población se incrementa.
Factor de ajuste: n
TMA=--------
1+ n
----
ENSAYO DE CAMPO SOBRE UNA VACUNA CONTRA LEISHMANIASIS
CUTANEA AMERICANA (LCA)
RECLUTAS DEL EJERCITO
(1436)
EXCLUIDOS
(124)
ASIGNACIÓN ALEATORIZADA
(1312)
TRATAMIENTO
(VACUNA) (667)
CONTROL
(PLACEBO) (645)

56. N
EL VALOR DE “p”
La pregunta que genera el investigador debe ser planteada en forma de una hipótesis
nula (Ho). La hipótesis nula establece que no existe diferencia entre grupos de estudio o
que no existe asociación entre los factores potenciales de riesgo y la enfermedad en
cuestión. Para aceptarla o rechazarla el investigador selecciona la prueba estadística
adecuada. Una vez aplicada la prueba se obtiene un resultado final que se expresa como
probabilidad (p) > 0.05 o < 0.05 o >0.01 o < 0.01. Con base en este valor el investigador
decide si acepta la Ho (no existe diferencias entre grupos o no hay asociación) o rechaza
la Ho (existen diferencias estadísticamente significativas entre grupos o hay asociación
significativa).
En la prueba de hipótesis pueden existir dos clases de errores: establecer que existe
diferencia cuandoen realidad no existe (error de tipo I) y establecer que no existe diferencia
cuando en realidad si existe (error de tipo II).
El valor de alfa (probabilidad de cometer un error tipo I o valor de p)
convencionalmente se acepta como de 0.05 (nivel de significancia que se establece en el
protocolo). Esto quiere decir que el investigador reconoce 5% de posibilidades de
equivocarse al decir que existe diferencia cuando en realidad no la hay. Ante un valor de p
significativo (p<0.05), si se contempló la participación del azar y se evitó o disminuyo el
sesgo, queda la opción de considerar que existe realmente una diferencia que se explica al
aceptar la hipótesis alternativa.
Los resultados negativos (p>0.05) pueden tener un error de tipo II, ya que
realmente existe una Diferencia que el estudio no pudo detectar; es decir que el trabajo no
tuvo el poder suficiente para detectarla. El poder de un estudio esta en función del número
de sujetos ( una pequeña diferencia puede ser estadísticamente significativa si se estudia un
gran número de individuos) y de la variabilidad del fenómeno de interés ( si existe gran
variabilidad será más difícil encontrar significancia). Debe considerarse también la
dirección del estudio. Si se ignora la dirección del fenómeno (la prevalencia de una
enfermedad en una entidad puede ser mayor, menor o diferente a la
prevalencia nacional) el investigador debe evaluar una p unidireccional ( una cola)
o bidireccional (dos colas), que en general requiere más individuos que una de una cola.

57. 1.-Si el estudio encuentra una diferencia en los tratamientos, cuando de hecho no
hay diferencia (casilla B), se presenta un error tipo I.
2.- Si el estudio no encuentra una diferencia en los tratamientos cuando en realidad
si la hay (casilla C), se dice que ha ocurrido un error de tipo II.
Recomendaciones para evitar los errores:
-Aumentar el tamaño de la muestra
Representación gráfica en el Análisis de Datos
Pértega Díaz S. Pita Fernández S.
Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan Canalejo. A Coruña
(España)
La realización de los estudios clínico-epidemiológicos implica finalmente emitir unos
resultados cuantificables de dicho estudio o experimento. La claridad de dicha presentación
es de vital importancia para la comprensión de los resultados y la interpretación de los
mismos. A la hora de representar los resultados de un análisis estadístico de un modo
adecuado, son varias las publicaciones que podemos consultar1
. Aunque se aconseja que la
presentación de datos numéricos se haga habitualmente por medio de tablas, en ocasiones
un diagrama o un gráfico pueden ayudarnos a representar de un modo más eficiente
nuestros datos.
Análisis descriptivo.
Cuando se dispone de datos de una población, y antes de abordar análisis estadísticos más
complejos, un primer paso consiste en presentar esa información de forma que ésta se
Resultados
Trat. Difer
Trat Iguales
A B
Correcto Error tipo I
C D
Error tipoII Correcto
d
Trat.diferentess
stintos
Disdistintos
Trat.iguales
VERDAD

58. pueda visualizar de una manera más sistemática y resumida. Los datos que nos interesan
dependen, en cada caso, del tipo de variables que estemos manejando2
.
Para variables categóricas3
, como el sexo, estadio TNM, profesión, etc., se quiere conocer
la frecuencia y el porcentaje del total de casos que "caen" en cada categoría. Una forma
muy sencilla de representar gráficamente estos resultados es mediante diagramas de barras
o diagramas de sectores. En los gráficos de sectores, también conocidos como diagramas
de "tartas", se divide un círculo en tantas porciones como clases tenga la variable, de modo
que a cada clase le corresponde un arco de círculo proporcional a su frecuencia absoluta o
relativa. Un ejemplo se muestra en la Figura 1. Como se puede observar, la información
que se debe mostrar en cada sector hace referencia al número de casos dentro de cada
categoría y al porcentaje del total que estos representan. Si el número de categorías es
excesivamente grande, la imagen proporcionada por el gráfico de sectores no es lo
suficientemente clara y por lo tanto la situación ideal es cuando hay alrededor de tres
categorías. En este caso se pueden apreciar con claridad dichos subgrupos.
Los diagramas de barras son similares a los gráficos de sectores. Se representan tantas
barras como categorías tiene la variable, de modo que la altura de cada una de ellas sea
proporcional a la frecuencia o porcentaje de casos en cada clase (Figura 2). Estos mismos
gráficos pueden utilizarse también para describir variables numéricas discretas que toman
pocos valores (número de hijos, número de recidivas, etc.).
Para variables numéricas continuas, tales como la edad, la tensión arterial o el índice de
masa corporal, el tipo de gráfico más utilizado es el histograma. Para construir un gráfico
de este tipo, se divide el rango de valores de la variable en intervalos de igual amplitud,
representando sobre cada intervalo un rectángulo que tiene a este segmento como base. El
criterio para calcular la altura de cada rectángulo es el de mantener la proporcionalidad
entre las frecuencias absolutas (o relativas) de
los datos en cada intervalo y el área de los rectángulos. Como ejemplo, la Tabla I muestra
la distribución de frecuencias de la edad de 100 pacientes, comprendida entre los 18 y 42
años. Si se divide este rango en intervalos de dos años, el primer tramo está comprendido
entre los 18 y 19 años, entre los que se encuentra el 4/100=4% del total. Por lo tanto, la
primera barra tendrá altura proporcional a 4. Procediendo así sucesivamente, se construye
el histograma que se muestra en la Figura 3. Uniendo los puntos medios del extremo
superior de las barras del histograma, se obtiene una imagen que se llama polígono de
frecuencias. Dicha figura pretende mostrar, de la forma más simple, en qué rangos se
encuentra la mayor parte de los datos. Un ejemplo, utilizando los datos anteriores, se
presenta en la Figura 4.
Comparación de dos o más grupos.
Cuando se quieren comparar las observaciones tomadas en dos o más grupos de individuos
una vez más el método estadístico a utilizar, así como los gráficos apropiados para
visualizar esa relación, dependen del tipo de variables que estemos manejando.
Cuando se trabaja con dos variables cualitativas podemos seguir empleando gráficos de
barras o de sectores. Podemos querer determinar, por ejemplo, si en una muestra dada, la
frecuencia de sujetos que padecen una enfermedad coronaria es más frecuente en aquellos
que tienen algún familiar con antecedentes cardiacos. A partir de dicha muestra podemos
representar, como se hace en la Figura 7, dos grupos de barras: uno para los sujetos con

59. antecedentes cardiacos familiares y otro para los que no tienen este tipo de antecedentes. En
cada grupo, se dibujan dos barras representando el porcentaje de pacientes que tienen o no
alguna enfermedad coronaria. No se debe olvidar que cuando los tamaños de las dos
poblaciones son diferentes, es conveniente utilizar las frecuencias relativas, ya que en otro
caso el gráfico podría resultar engañoso.
Por otro lado, la comparación de variables continuas en dos o más grupos se realiza
habitualmente en términos de su valor medio, por medio del test t de Student, análisis de la
varianza o métodos no paramétricos equivalentes, y así se ha de reflejar en el tipo de
gráfico utilizado. En este caso resulta muy útil un diagrama de barras de error, como en
la Figura 8. En él se compara el índice de masa corporal en una muestra de hombres y
mujeres. Para cada grupo, se representa su valor medio, junto con su 95% intervalo de
confianza. Conviene recordar que el hecho de que dichos intervalos no se solapen, no
implica necesariamente que la diferencia entre ambos grupos pueda ser estadísticamente
significativa, pero sí nos puede servir para valorar la magnitud de la misma. Así mismo,
para visualizar este tipo de asociaciones, pueden utilizarse dos diagramas de cajas, uno para
cada grupo. Estos diagramas son especialmente útiles aquí: no sólo permiten ver si existe o
no diferencia entre los grupos, sino que además nos permiten comprobar la normalidad y la
variabilidad de cada una de las distribuciones. No olvidemos que las hipótesis de
normalidad y homocedasticidad son condiciones necesarias para aplicar algunos de los
procedimientos de análisis paramétricos.
Por último, señalar que también en esta situación pueden utilizarse los ya conocidos
gráficos de barras, representando aquí como altura de cada barra el valor medio de la
variable de interés. Los gráficos de líneas pueden resultar también especialmente
interesantes, sobre todo cuando interesa estudiar tendencias a lo largo del tiempo (Figura
9). No son más que una serie de puntos conectados entre sí mediante rectas, donde cada
punto puede representar distintas cosas según lo que nos interese en cada momento (el valor
medio de una variable, porcentaje de casos en una categoría, el valor máximo en cada
grupo, etc).
Relación entre dos variables numéricas.
Cuando lo que interesa es estudiar la relación entre dos variables continuas, el método de
análisis adecuado es el estudio de la correlación. Los coeficientes de correlación (Pearson,
Spearman, etc.) valoran hasta qué punto el valor de una de las variables aumenta o
disminuye cuando crece el valor de la otra. Cuando se dispone de todos los datos, un modo
sencillo de comprobar, gráficamente, si existe una correlación alta, es mediante diagramas
de dispersión, donde se confronta, en el eje horizontal, el valor de una variable y en el eje
vertical el valor de la otra. Un ejemplo sencillo de variables altamente correlacionados es la
relación entre el peso y la talla de un sujeto. Partiendo de una muestra arbitraria, podemos
construir el diagrama de dispersión de la Figura 10. En él puede observarse claramente
como existe una relación directa entre ambas variables, y valorar hasta qué punto dicha
relación puede modelizarse por la ecuación de una recta. Este tipo de gráficos son, por lo
tanto, especialmente útiles en la etapa de selección de variables cuando se ajusta un modelo
de regresión lineal.
Otros gráficos.

60. Los tipos de gráficos mostrados hasta aquí son los más sencillos que podemos manejar,
pero ofrecen grandes posibilidades para la representación de datos y pueden ser utilizados
en múltiples situaciones, incluso para representar los resultados obtenidos por métodos de
análisis más complicados. Podemos utilizar, por ejemplo, dos diagramas de líneas
superpuestos para visualizar los resultados de un análisis de la varianza con dos factores
(Figura 11). Un diagrama de dispersión es el método adecuado para valorar el resultado de
un modelo de regresión logística (Figura 12). Existen incluso algunos análisis concretos
que están basados completamente en la representación gráfica. En particular, la elaboración
de curvas ROC (Figura 13) y el cálculo del área bajo la curva constituyen el método más
apropiado para valorar la exactitud de una prueba diagnóstica.
Hemos visto, por lo tanto, como la importancia y utilidad que las representaciones gráficas
pueden alcanzar en el proceso de análisis de datos. La mayoría de los textos estadísticos y
epidemiológicos4
hacen hincapié en los distintos tipos de gráficos que se pueden crear,
como una herramienta imprescindible en la presentación de resultados y el proceso de
análisis estadístico. No obstante, es difícil precisar cuándo es más apropiado utilizar un
gráfico que una tabla. Más bien podremos considerarlos dos modos distintos pero
complementarios de visualizar los mismos datos. La creciente utilización de distintos
programas informáticos hace especialmente sencillo la obtención de las mismas. La
mayoría de los paquetes estadísticos (SPSS, STATGRAPHICS, S-PLUS, EGRET,...)
ofrecen grandes posibilidades en este sentido. Además de los gráficos vistos, es posible
elaborar otros gráficos, incluso tridimensionales, permitiendo grandes cambios en su
apariencia y facilidad de exportación a otros programas para presentar finalmente los
resultados del estudio.
Figura 1. Ejemplo de gráfico de sectores. Distribución de una muestra de
pacientes según el hábito de fumar.

61. Arriba
Figura 2. Ejemplo de gráfico de barras. Estadio TNM en el cáncer gástrico.
Arriba
Tabla I. Distribución de frecuencias

62. de la edad en 100 pacientes.
Edad Nº de pacientes
18 1
19 3
20 4
21 7
22 5
23 8
24 10
25 8
26 9
27 6
28 6
29 4
30 3
31 4
32 5
33 3
34 2
35 3
36 1
37 2
38 3
39 1
41 1
42 1
Arriba
Figura 3. Ejemplo de un histograma correspondiente a los datos de la Tabla I.

63. Figura 4. Polígono de frecuencias para los datos de la Tabla I.
Arriba

64. Figura 6. Gráfico P-P de normalidad para los datos de la Tabla I.
Arriba
Figura 7. Diagrama de barras agrupadas. Relación entre la presencia de alguna
enfermedad coronaria y los antecedentes cardiacos familiares en una muestra.

65. Figura 8. Barras de error. Variación en el índice de masa corporal según el sexo.

66. Figura 9. Gráfico de líneas. Número de pacientes trasplantados renales en el
Complexo Hospitalario "Juan Canalejo" durante el periodo 1981-1997.
Figura 10. Diagrama de dispersión entre la talla y el peso de una muestra de
individuos.

67. Figura 11. Dos diagramas de líneas superpuestos. Variación en el peso medio
de una muestra de recién nacidos según el control ginecológico del embarazo y
el hábito de fumar de la madre.
Figura 12. Diagrama de dispersión (regresión logística). Probabilidad de padecer
cirrosis hepática, según un modelo de regresión logística ajustando por el % de
protrombina y el presentar o no hepatomegalia.

68. Figura 13. Curva ROC para el porcentaje de protrombina en la predicción de
cirrosis.