Epidemiología

1. MEDIDAS DE
ASOCIACIÓN

2. La comparación es una de las estrategias básicas
del análisis epidemiológico.
Intención: encontrar igualdades o diferencias.
En términos estadísticos, se dice que dos
variables están asociadas cuando existe una
relación de dependencia: cambio en una, cambio
en la otra.

3. La ‘asociación’ en Epidemiología implica la
intención de establecer una relación de causa-
efecto entre una exposición y la ocurrencia de un
evento en salud.
Para explorar una posible asociación entre
exposición y enfermedad se requiere de:
•Dos grupos comparables de la población
•Una medida de exposición para cada grupo
•Una medida de enfermedad en cada grupo

4. Las columnas de la tabla 2x2 representan la
presencia o ausencia de enfermedad y las filas la
presencia o ausencia de exposición

5. • Se usan para determinar si la presencia de un factor de
riesgo evaluado se relaciona con la ocurrencia de la
enfermedad y no es debido al azar.
Más utilizadas:
1) La prueba de chi cuadrado: comparación de proporciones y corrección
de Yates (variables cualitativas)
2) La prueba “F” de Fisher
3) La prueba de Tess de McNemar
4) La prueba Z: comparación de medias, cuando n > 30 (cuant. continuas)
5) La prueba t: comparación de medias, cuando n < 30 (cuant. continuas)
Pruebas de significancia estadística

6. Chi cuadrado (X², Chi² o Ji²)
Es una prueba estadística para evaluar hipótesis acerca
de la relación entre dos variables categóricas
X² = ∑(O-E)²
E
∑ = Sumatoria; Valor observado = O; Valor Esperado = E

7. Recién nacido de bajo peso
Gestante Sí No Total
Fumadora 43 (a) 207 (b) 250
No
fumadora
105 (c) 1645 (d) 1750
Total 148 1852 2000
   
n
c
a
b
a
E




11
5
,
18
2000
250
148
11 


E

8. Recién nacido de bajo peso
Gestante Sí No Total
Fumadora 43 (18,5) 207 (231,5) 250
No fumadora 105 (129,5) 1645 (1620,5) 1750
Total 148 1852 2000
El valor del estadístico X², para este ejemplo en concreto, vendría dado entonces como:
        04
,
40
5
,
1620
5
,
1620
1645
5
,
129
5
,
129
105
5
,
231
5
,
231
207
5
,
18
5
,
18
43
2
2
2
2
2











9.  
    
d
b
c
a
d
c
b
a
bc
ad
n






2
2

X² = 2000(43*1645 – 207*105)² = 2000(70735-21735)²
250*1750*148*1852 119917000000
Recién nacido de bajo peso
Gestante Sí No Total
Fumadora 43 (18,5) 207 (231,5) 250
No fumadora 105 (129,5) 1645 (1620,5) 1750
Total 148 1852 2000
X² = 40,04

10. Planteamiento de las hipótesis:
Hipótesis nula (Ho). Las variables son independientes. No hay
diferencia significativa entre.
Hipótesis alterna (Ha). Las variables son dependientes. Hay
diferencia significativa entre
• Nivel de significación
Para todo valor superior al valor crítico esperado (o para todo
valor de significancia (p) igual o menor que 0,05) se acepta
Ha y se rechaza Ho.
• Zona de rechazo.
Para todo valor por debajo del valor crítico esperado
(probabilidad mayor que 0,05) se acepta Ho y se rechaza Ha.

11. Grado de libertad (gl) = (r-1)x(c-1); r=filas ; c= columnas
Para nuestro ejemplo: gl = (2-1)x(2-1);
Para variables dicotómica gl = 1x1= 1

12. Probabilidad de un valor superior
Grados de libertad 0,1 0,05 0,025 0,01 0,005
1 2,71 3,84 5,02 6,63 7,88
2 4,61 5,99 7,38 9,21 10,60
3 6,25 7,81 9,35 11,34 12,84
4 7,78 9,49 11,14 13,28 14,86
5 9,24 11,07 12,83 15,09 16,75
6 10,64 12,59 14,45 16,81 18,55
7 12,02 14,07 16,01 18,48 20,28
8 13,36 15,51 17,53 20,09 21,95
9 14,68 16,92 19,02 21,67 23,59
10 15,99 18,31 20,48 23,21 25,19
11 17,28 19,68 21,92 24,73 26,76
12 18,55 21,03 23,34 26,22 28,30
13 19,81 22,36 24,74 27,69 29,82
14 21,06 23,68 26,12 29,14 31,32

13. 1. En el cálculo del X², obtuvimos un valor de 40,04, que
supera al valor crítico de 3,84 para una confianza de
95%, podemos concluir que las dos variables no son
independientes, sino que están asociadas (p<0,05).
2. Como el valor observado es mayor que el valor crítico,
se concluye que la diferencia observada no es debida
al azar y se dice que es estadísticamente significativa.
3. Por lo tanto, a la vista de los resultados, rechazamos la
hipótesis nula (H0) y aceptamos la hipótesis alternativa
(Ha) como probablemente cierta.
Interpretación:

14. •Para una tabla de 2 x 2 con una n<20 o cuando hay ≤5 en
alguna casilla  corrección de Yates
•Si las dos variables que se están analizando son
dicotómicas, y la frecuencia esperada es menor que 5 en
más de una celda  test exacto de Fisher

15. Corrección de Yates
Se usa solo para el caso de tablas 2x2 cuando n<20
se conoce como la :
    
d
b
c
a
d
c
b
a
n
bc
ad
n
Y













2
2 2


16. Grupo
terapéutico
No bajo
de peso
Bajo de
peso
Total
Nueva
técnica
1 A 6 B 7
Técnica
regular
6 C 2 D 8
Total 7 8 15 N
Prueba de probabilidad exacta de Fischer
p=(a+b)! * (c+d)! * (a+c)! * (b+d)!
N! * a! * b! * c! * d!
Dos variables que se están analizando son dicotómicas,
y la frecuencia esperada es menor que 5 en más de una
celda

17. OJO:
! Es el factorial
Es el producto de todos los números enteros positivos
desde 1 hasta n. Por ejemplo:
5 ! = 1 × 2 × 3 × 4 × 5 = 120

18. Grupo
terapéutico
No bajo
de peso
Bajo de
peso
Total
Nueva
técnica
1 A 6 B 7
Técnica
regular
6 C 2 D 8
total 7 8 15 N
Resultado: p=0,03;
Interpretación: La nueva técnica terapéutica es
significativamente efectiva para el tratamiento
de la obesidad

19. Comparación de Promedios: Prueba Z y t-student
• V.C: n≥30 : prueba Z
n<30: t-student

20. Después de un brote de malaria, un centro de salud realiza un
programa de tamizaje en el cual 150 frotis sanguíneos de
niños de 1 a 4 años de edad son examinados para detectar la
presencia de parásitos Plasmodium falciparum.
Hemoglobina (g/dL)
El resultado es significativo al 95%, puesto que 4,06 es mayor que
1,96 (en esta prueba se considera el valor absoluto). Se puede
afirmar con 95% de confianza que la infección por P. falciparum
disminuye los niveles de hemoglobina en los niños afectados.

22. Medidas de la fuerza de asociación
Las pruebas de significancia estadística determinan la
existencia de asociación entre dos variables. En
epidemiología también interesa medir qué tan fuerte es esa
asociación
Para esto, se utilizan el riesgo relativo y OR (proviene del
ingles odds ratio: razón de productos cruzados, razón de
posibilidades u oportunidad relativa)

23. Entre los diseños epidemiológicos, los estudios de cohorte y
caso-control no sólo demuestran si existe asociación, sino
cuán fuerte es. Los datos obtenidos a partir de estos estudios
observacionales se disponen usualmente en tablas 2x2

24. Riesgo Relativo
La comparación de dos medidas de incidencia de una
enfermedad permite detectar un posible exceso de riesgo
en un grupo con relación a otro
El riesgo relativo es una división de incidencias, o sea el
cociente entre la incidencia de enfermedad en los
expuestos y la incidencia en los no expuestos al supuesto
factor de riesgo

25. RR= Incidencia Expuestos
Incidencia No Exp
RR igual a la unidad (RR=1) se interpreta como la
ausencia de asociación entre exposición y
enfermedad (el riesgo de enfermar es similar en
ambos grupos)
RR mayor de 1 (RR>1) indica mayor riesgo en los
expuestos (factor de riesgo)
RR menor de 1 (RR<1) indica menor riesgo en los
expuestos (factor protector)

26. La magnitud del RR cuantifica la fuerza de
asociación entre la exposición y la enfermedad; así
un RR igual a 3,5 expresa una asociación más fuerte
entre exposición y enfermedad que, por ejemplo, un
RR igual a 1,4; o un RR igual a 0,2 indica una
asociación más fuerte que un RR igual a 0,7.

27. Interpretación de los valores del Riesgo Relativo:
Protección fuerte
RR < 0,4
RR 0,4-0,56
RR 0,57-0,83
Protección moderada
Protección débil
Indiferente
RR 0,83- 1,19
RR 1,20- 1,74
RR 1,75- 2,50
Riesgo débil
Riesgo moderado
RR > 2,50 Riesgo fuerte

28. Razón de Posibilidades (Odds Ratio)
Cuando necesitamos identificar asociación entre
exposición y enfermedad sucede que nos
encontramos ante una serie de sujetos que ya
presentaron la enfermedad. En tal situación
podemos recurrir a un estudio caso-control

29. En los estudios caso-control se parte de dos grupos de
sujetos, uno con la enfermedad y otro sin ella, y se
investiga si habían estado previamente expuestos al
factor de riesgo. Así, en los estudios caso-control la tabla
2x2 es:

30. OR= a * d
b * c
OR igual a 1 (OR=1) indica ausencia de asociación
exposición-enfermedad
OR mayor de 1 (OR>1) indica exposición de riesgo
OR menor de 1 (OR<1) efecto protector.