Medición en salud, variables, distribución de frecuencias, estadisticos descriptivos, tasas, curva epidémica, canal endémico.

1. EPIDEMIOLOGÍA
Dr. Sócrates David Pozo Verdesoto .
Especialista en Cirugía General
Diplomado Superior en Formulación y Evaluación de Proyectos de Investigación
Magíster en Salud Pública
Maestría en Nutrición

2. Medición de salud y enfermedad
en la población
 Procedimiento de aplicar
una escala estándar a una
variable o a un conjunto de
valores.
 Los indicadores de salud
miden de la población
distintos aspectos
relacionados con la función
o discapacidad, la
ocurrencia de enfermedad o
muerte, o aquellos
relacionados con los
recursos y desempeño de
los servicios de salud.

3. Variable
 Concepto: Es cualquier característica o atributo que
puede asumir valores diferentes.
 Clasificación:
 Cualitativas (Categóricas, No Paramétricas) : Son
atributos o propiedades
 Cuantitativas (Numéricas, Paramétricas): En las que el
atributo se puede medir numéricamente y pueden ser:
Discretas o discontinuas, si asumen valores que son
números enteros, y Continuas, las que pueden tomar
tantos valores como permita la precisión del
instrumento de medición.

4. Variables según Escalas de
medición
 Escala Nominal: Permite colocar los objetos o individuos
clasificándolos en categorías desde un punto de vista
cualitativo. Asigna etiquetas o nombre a distintas
categorías de personas.
 Escala Ordinal: Permite clasificar a los objetos o individuos
y determina posición con respecto a ciertos atributos, pero
sin indicar la distancia que hay entre las posiciones.
Ordena por rangos o puntajes.
 Escala de Intervalo: Permite clasificar, determinar posición,
y además calcular la distancia entre los intervalos o
categorías. Siempre emplea un punto cero arbitrario
establecido por una convención
 Escala de Razón: Utiliza valores cer0 absolutos. A esta
escala pertenecen el sistema métrico, de peso y volumen.

6. Definición y Operacionalización de
las variables
 No sólo es importante identificar las variables, sino definirlas con
la mayor precisión posible.
 Operacionalizar una variable es simplemente definir la manera
en que se observará y medirá cada variable del estudio y tiene un
sentido práctico fundamental. Por ejemplo, podría definirse
como desempleo: "Cualquier persona que no trabaja y busca
trabajo". Esta es la definición teórica de la variable. Pero si a esta
definición le agregamos "en los 6 meses previos al comienzo del
estudio", la convertimos en una definición de tipo operacional.
Sin embargo, también podríamos haber definido desempleo
como "cualquier persona sin empleo fijo en el último año". La
definición teórica de la variable no cambia ("desempleo"), pero la
definición operacional es diferente de acuerdo a cómo se elija
medir dicha variable.

7. Datos
 Dato/s: Son valores, que están en función de las variables
epidemiológicas de lugar, tiempo y persona. Es la fuente
primaria para obtener información.
 Información: Es un conjunto de datos significativos y pertinentes
que describan sucesos o entidades.
 El proceso de la información se inicia con el procesamiento de
los datos, previo la recolección de los datos, que luego deben ser
organizados en razón de frecuencia y distribución, pudiendo
presentarse de manera gráfica, lo que permite y facilita su
análisis.
Datos Procesamiento Información

8. Recolección de datos
 Fuentes primarias o de recolección directa: Constituidas
por el conjunto de datos obtenidos por medio de diferentes
métodos "planeados y provocados por el mismo
investigador de acuerdo a los fines de su estudio". Ej: datos
obtenidos por medio de observaciones, encuestas
personales y encuestas auto-administradas.
 Fuentes secundarias o documentales: Datos ya "existentes"
y que son elaboradas por otras personas o instituciones con
fines diferentes a los planteados para una determinada
investigación. Ej: Historias clínicas, certificados de
defunción, publicaciones del censo, registros personales,
clínicos y de otros tipos.

9. Frecuencia y Distribución
 Frecuencia: Es el número de veces
que se repite un valor de la misma
variable. Ej: número de estudiantes
con 120 cm de talla
 Distribución: Es el resumen
completo de las frecuencias de los
valores o categorías de la medición
realizada. La distribución muestra
cuántos o qué proporción del grupo
se encuentra en un determinado
valor o rango de valores dentro de
todos los posibles que la medida
cuantitativa puede tener. Ej:
Distribución de alumnos según talla

10.  Frecuencia absoluta: Es el número de veces que se repite un
valor de la misma variable. Se representa por: ni
 Frecuencia relativa: Es el cociente entre la frecuencia
absoluta y el tamaño de la muestra. La denotaremos por fi.
Se puede expresar como proporción (ni /N) o como
porcentaje (fi x 100).
 Frecuencia acumulada: Es el número (frecuencia absoluta
acumulada Ni ), proporción o porcentaje (frecuencia
relativa acumulada Fi) de observaciones para un valor dado
de la variable más todos los valores menores.

11. Variable: Hábito tabáquico

12. Procesamiento de datos
 Primero elaborar un instrumento o herramienta para
recolección de datos, luego recolectar los datos y proceder a
ordenar los datos para determinar sus frecuencias.
n° nombres cigarillos /d
1 mmmmmm 5
2 mmmmmm 10
3 mmmmmm 8
4 mmmmmm 7
5 mmmmmm 15
6 mmmmmm 20
7 mmmmmm 10
8 mmmmmm 10
9 mmmmmm 5
10 mmmmmm 9
cigarillos /d ni fi (%) Ni Fi (%)
5 2 20 2 20
7 1 10 3 30
8 1 10 4 40
9 1 10 5 50
10 3 30 8 80
15 1 10 9 90
20 1 10 10 100
Total 10 100

13. Creación de frecuencias con intervalos
de clase (series agrupadas)
 Cuando la variable cuyos datos pretendemos organizar
fue medida con una escala numérica continua o con
una escala numérica discreta pero con un rango amplio
de valores deben construirse intervalos y presentar esta
información en una tabla de frecuencias con
intervalos.
 Por ejemplo, en el caso de la variable "nivel de ácido
úrico en sangre" utilizaríamos una escala numérica
continua para su medición y los datos deberían
agruparse en intervalos para facilitar su interpretación

14.  Tabla de frecuencias: "Niveles de ácido úrico en la
población X
 Los extremos de estos intervalos son llamados límites,
distinguiéndose el límite inferior de cada intervalo
(3,0; 4,0... en nuestro ejemplo) y el límite superior (3,9;
4,9...). La diferencia entre el límite superior y el límite
inferior se denomina amplitud del intervalo.

15.  Con la agrupación de los datos en intervalos se gana en
comodidad, pero se pierde información, ya que una vez
agrupados, todos los datos pertenecientes a un intervalo
serán identificados para el análisis posterior con un punto
medio o marca de clase de ese intervalo. Para calcular
dichas marcas de clase se realiza la siguiente fórmula:
 Retomando nuestro ejemplo de los niveles de ácido úrico,
la marca de clase para el primer intervalo sería:

16. Recomendaciones para construir
intervalos
 El número de intervalos recomendable es aquel que
permita presentar los datos de manera resumida sin
enmascarar la información esencial. La utilización de
demasiados intervalos difiere poco de la tabulación
original de los datos, y un número demasiado reducido
puede enmascarar información esencial
 En lo posible construir intervalos de igual amplitud, esto en
general es útil si los datos tienen distribución normal. Si
esto no es así conviene presentar los datos divididos por
centilos, cuartilos, etc., es decir, presentando los datos de
acuerdo a su dispersión y no a los valores que asume.

17. Recomendaciones para construir
intervalos
 Los intervalos construidos deben ser mutuamente excluyentes,
esto es: si se desea dividir las edades de los individuos
participantes en un estudio en intervalos de 10 años,
obtendremos lo siguiente:
Grupo a- 0 a 9 años
Grupo b- 10 a 19 años
Grupo c- 20 a 29 años
 Para determinar los intervalos es recomendable:
 Identificar el dato correspondiente al valor máximo y el
correspondiente al valor mínimo
 Determinar la diferencia entre estos dos valores (rango)
 Dividir esta diferencia por el número de intervalos que se desea
obtener para identificar así la amplitud de cada intervalo.

18. Medidas de resumen
• Moda
• Media
• Mediana
Medidas de
Tendencia
Central
• Varianza
• Desviación estándar
Medidas de
Dispersión
• Percentiles
• Cuartiles
Medidas de
Orden
• Razón
• Proporción
• Tasa (incidencia, prevalencia)
Medidas de
Frecuencia

19. Medidas de tendencia central
 Moda: El valor de la observación que aparece con más
frecuencia. Es especialmente útil para describir
niveles nominales y ordinales de una medición.
n° nombres cigarillos /d
1 mmmmmm 5
2 mmmmmm 10
3 mmmmmm 8
4 mmmmmm 7
5 mmmmmm 15
6 mmmmmm 20
7 mmmmmm 10
8 mmmmmm 10
9 mmmmmm 5
10 mmmmmm 9
Moda = 10

20. Medidas de tendencia central
 Media: Conocida también como promedio. Se calcula
como la suma de las observaciones dividida por el
número total de observaciones .
n° nombres cigarillos /d
1 mmmmmm 5
2 mmmmmm 10
3 mmmmmm 8
4 mmmmmm 7
5 mmmmmm 15
6 mmmmmm 20
7 mmmmmm 10
8 mmmmmm 10
9 mmmmmm 5
10 mmmmmm 9
Media = 9.9
5+10+8+7+15+20+10+10+5+9
10
2(5)+1(7)+1(8)+1(9)+3(10)+1(15)+1(20)
10
cigarillos /d ni
5 2
7 1
8 1
9 1
10 3
15 1
20 1

21. Medidas de tendencia central
 Mediana: Es el punto medio de los valores después de
ordenarlos de menor a mayor, o de mayor a menor. El
50% de las observaciones se encuentran por arriba de
la mediana y el 50% por debajo de ella. Si el número
de observaciones es impar, la mediana corresponderá a
la media de los dos valores centrales.
5
10
8
7
15
20
10
10
5
9
5
5
7
8
9
10
10
10
15
20
Mediana = 9.5
9+10=19/2= 9.5

22. Medidas de tendencia central en
series agrupadas
 Media: Sacar el punto medio de cada intervalo. Multiplicar
la frecuencia por el punto medio de cada intervalo. Dividir
la suma de la columna fx con la suma de la columna f.
intervalos de clase f x (li+ls/2) fx
3 3,9 17 3,45 58,65
4 4,9 73 4,45 324,85
5 5,9 101 5,45 550,45
6 6,9 54 6,45 348,3
7 7,9 18 7,45 134,1
8 8,9 4 8,45 33,8
9 9,9 1 9,45 9,45
Ʃf 268 Ʃfx 1459,6
Media = 5.44
Ʃfx /Ʃf
1459,6/268

23. Medidas de tendencia central en
series agrupadas
 Mediana:
1. Construir columna de frecuencias acumuladas
2. Buscar el punto mediano
3. Localizar el intervalo de clase que contiene el punto
mediano, a través de la ubicación en la columna de
frecuencias acumuladas.
4. Estimar la mediana por interpolación

24. Medidas de tendencia central en
series agrupadas
Niveles de ácido úrico en la población x
intervalos de clase f x (li+ls/2) fx fa
3 3,9 17 3,45 58,65 17
4 4,9 73 4,45 324,85 90
5 5,9 101 5,45 550,45 191
6 6,9 54 6,45 348,3 245
7 7,9 18 7,45 134,1 263
8 8,9 4 8,45 33,8 267
9 9,9 1 9,45 9,45 268
Ʃf 268 Ʃfx 1459,6
= (268-1)/2 = 133,5
Intervalo de clase: 5 - 5,9
Li: 5
PM: 133,5
fIPM: 90
fPM: 101
AIPM: 1
Mediana = 5,435
133,5 90
101
1

25. Medidas de dispersión
 Expresan el grado de variación de los datos continuos.
 El rango o amplitud es la diferencia entre el valor
máximo y el valor mínimo de una serie de datos. Ej: 20 – 5 =
15
 La varianza (S2), que mide la desviación promedio de los
valores individuales con respecto a la media, es el cociente
entre la suma de los cuadrados de la diferencia entre cada
valor y el promedio, y el número de valores observados
(menos 1). Ej: 20,989 cigarrillos2
(5-9.9)2+(10-9.9)2+(8-9.9)2+(7-9.9)2+(15-9.9)2+(20-9.9)2+(10-9.9)2+(10-9.9)2+(5-9.9)2+(9-9.9)2
10-1
 La desviación estándar (DE) es la raíz cuadrada de la
varianza, y junto con la media permiten describir la
distribución de la variable. Ej: 4,58 cigarrillos

26. Medidas de dispersión
 Cuando nuestros datos sobre una variable continua están
agrupados también podemos calcular la varianza y
correspondiente desviación estándar aproximadas. Para ello, al
igual que para estimar la media en datos agrupados, se parte de la
columna con los puntos medios ( x) de cada intervalo de clase.
Luego generamos tres columnas; una con las diferencias entre el
punto medio de cada intervalo de clase y la media de nuestros
datos (x - x ) llamada desviación; otra con esta desviación
elevada al cuadrado (x - x )2 llamada desviación cuadrática y,
finalmente, otra columna (f (x - x )2 ), resultado de multiplicar la
desviación cuadrática por el número de casos ( f) del intervalo
correspondiente). La suma de todos estos productos (∑f (x - x )2 )
dividida entre la suma de casos ( ∑f ) nos da una razonable
aproximación a la varianza y extrayendo su raíz cuadrada
obtendremos un estimado aceptable de la desviación estándar de
nuestros datos agrupados.

33. Medidas de frecuencia
 Razón: Esta medida de frecuencia se emplea para variables
de tipo nominales.
 Razón es una división que no implica ninguna relación
específica entre el numerador y el denominador. Esto
quiere decir que el numerador y el denominador llevan
unidades diferentes y en numerador no se encuentra
incluido en el denominador.
 Por ejemplo: En un grupo de 300 pacientes con infarto
agudo de miocardio (IAM) que estoy estudiando hay 200
varones y 100 mujeres puedo decir que la razón hombre :
mujer es en este caso de 2:1. Por cada 2 varones hay una
mujer.

34. Proporción o Porcentaje
 La proporción es una medida de frecuencia en la que
se expresa qué parte del total de observaciones
presenta determinada característica. El numerador
está incluido en el denominador.
 Siguiendo con el ejemplo anterior decimos que del
total de pacientes con IAM que en nuestro estudio son
300, 200 son varones vistos por lo tanto la proporción
de varones es de 200/ 300= 0,66. Este número puede
ser expresado como porcentaje diciendo que el 66 %
de los enfermos son varones

35. Tasa
 Medida que expresa el número de eventos ocurridos en una
población y periodo determinados.
 Consta de un numerador y un denominador. En el numerador
aparecen los eventos (casos nuevos de enfermedad, defunciones,
etc) y en el denominador la población de estudio de donde
provienen los casos, durante el período en que fueron
estudiados.
 Se multiplican por una constante (10 o múltiplos de 10) que
facilita la comparación de tasas de poblaciones diferentes, aún
cuando las mismas sean de diferente tamaño. Esta constante
nunca debe ser mayor que la población en riesgo. Ejemplo: Si la
población total es de 3.000 personas, multiplicaremos por 1.000,
no deberíamos multiplicar por 10.000 como constante.
 Se clasifican en tasas brutas o globales y tasas específicas.

36. Tasa global y específica
 Tasa bruta o global: Fácil de calcular. Son tasas de
resumen. Utilizadas frecuentemente en
comparaciones internacionales. Su principal
desventaja es que no pueden ser interpretadas
directamente, dado que la población varía en cuanto a
edad, sexo, raza, etc.
 Tasa específica: Aplicable a subgrupos homogéneos.
Son útiles para efectos epidemiológicos y de salud
pública.

37. Indicadores de natalidad
Indicadores de natalidad Definición/Cálculo Amplificación
Tasa bruta de natalidad
N� de recién nacidos vivos /
Población estimada a mitad
de periodo 1.000 habitantes
Tasa de Fecundidad General
N� nacimientos/
1.000 mujeres
N� mujeres en edad fértil
(15-49 años)
Tasa de Fecundidad por edad
N� nacimientos por grupo
de edad/
1.000 mujeres
N� mujeres por grupo de
edad
Tasa recién nacidos de bajo
peso
Recién nacidos vivos < 2.500
grs/
1.000 nacidos vivosN� recién nacidos vivos

38. Indicadores de mortalidad
Indicadores de mortalidad Definición/Cálculo Amplificación
Tasa de mortalidad general
Total de defunciones /
1.000 habitantesPoblación total a mitad de periodo
Tasa mortalidad según sexo
Total defunciones por sexo/
1.000 hombres o mujeres
Pobl.masculina o femenina mitad
de periodo
Tasa mortalidad por grupo de edad
Total defunciones por grupo de
edad /
100.000 personasPoblación del mismo grupo de edad
Tasa de mortalidad Infantil
Defunciones de menores de un año/ 1.000 recién nacidos
vivosTotal de recién nacidos vivos
Tasa de mortalidad neonatal
Defunciones niños menores de 28
días / 1.000 recién nacidos
vivosTotal de recién nacidos vivos
Tasas de mortalidad infantil tardía
Defunciones niños > 28 días > 1
año/ 1.000 recién nacidos
vivosTotal de recién nacidos vivos

39. Indicadores de morbilidad
Indicadores de morbilidad Definición/Cálculo Amplificación
Tasa de morbilidad por causa
N� enfermos por causa /
1.000 habitantes
Población total a mitad de
periodo
Tasa de morbilidad específica por
edad, sexo
N� enfermos según edad o sexo/
100.000 habitantes
Pobl. total a mitad de periodo
seg�n edad o sexo
Tasa de incidencia
N� de casos nuevos de
enfermedad/
VariablePoblación expuesta
Tasa de prevalencia
N� casos (nuevos y antiguos)/
VariablePoblación total expuesta
Tasa ataque primaria
N� casos enfermedad
transmisible /
100 expuestosPoblación expuesta
Tasa de ataque secundario
N� casos enfermedad
transmisible aparecidos después
de casos 1arios/
100 contactoPoblación expuesta

40. Prevalencia
 Es el número de casos o eventos en una población de una
determinada enfermedad en un momento dado en el
tiempo. La prevalencia intenta mostrar la frecuencia con la
que un evento de Salud o enfermedad existe en el
momento, independientemente de cuándo se haya
originado.
 Se debe determinar el número de sujetos en quienes se
presenta el evento estudiado y relacionar dicho número con
el total de individuos que forman el grupo observado. Suele
expresarse en forma de proporción o porcentaje.
 Se calculan la prevalencia puntual y prevalencia de período.

41. Prevalencia Puntual
 Se utiliza cuando se desea determinar la prevalencia de
una enfermedad en la población en un momento en el
tiempo, independientemente de cuándo se haya
originado. Se denomina puntual porque la medición se
hace en un corto período de tiempo.

42. Prevalencia de Período
 Determina la cantidad de casos existentes durante un
período.
 Esta medida informa el número de casos existentes así
como los casos nuevos producidos durante ese
período.

43. Incidencia
 Frecuencia de casos nuevos en una población durante
un período determinado de tiempo. Hay tres formas
de calcular: incidencia acumulada, tasa de incidencia
acumulada, densidad de incidencia.
 Incidencia acumulada: Es una medida que representa
la proporción de individuos sanos que contraen la
enfermedad en un período de tiempo determinado.

44. Incidencia
 Tasa de incidencia acumulada: El denominador es el
tiempo en riesgo de la población estudiada. El tiempo
se determina mediante una aproximación, resultado
de multiplicar el tamaño promedio de la población
observada por la duración del período, generalmente
un año.
*K es igual a una constante que puede ser cualquier múltiplo de 10, 100, 1.000, 10.000, etc. Nunca debe ser
mayor que la población total en riesgo.

45. Incidencia
 Densidad de incidencia: Es el número de nuevos casos
registrados, dividido por la suma de los períodos de
tiempo en riesgo correspondientes a todos los
individuos en estudio. Esta sería la "verdadera tasa de
incidencia", porque en este caso se conocen los
tiempos en riesgo de cada uno de los individuos y no se
recurre a una aproximación como lo es la tasa de
incidencia acumulada.