EPIDEMIOLOGÍA

1. Las herramientas básicas de la
epidemiología analítica: Medidas
de asociación
y significación estadística
Mexico, junio 2007
Stephen Benoit, MD, MPH
International Research and Programs Branch
Division of TB Elimination

2. Epidemiología Analítica:
Medidas de asociación
• Examina la asociación de una exposición
(factor de riesgo) con los resultados
• Es diferente que la epidemiologia descriptiva
en que se trata de determinantes de
enfermedades
• Implica la comparación estadística de grupos
de una muestra, y la generalización de esa
información a la población entera

3. Construcción de la comparación
• Combinamos datos a partir de dos grupos
(expuestos y no expuestos) en un solo
parámetro :
» Riesgo relativo = RR
» Razón de posibilidades (Odds Ratio) = OR

4. La herramienta básica:
Tabla de 2 x 2
Enfermedad/Resultado
Sí No
Exposición
Sí
No
a b
c d

5. a = # de personas que se exponen y tienen la enfermedad
b = # quiénes se exponen y no tienen la enfermedad
c = # quiénes no se exponen y tienen la enfermedad
d = # quiénes no se exponen y no tienen la enfermedad
La herramienta básica:
Tabla de 2 x 2

6. Enfermedad
Exposición
Sí
No
Sí No
a b
c d
a + b
c + d
a + c b + d (a + b + c + d)
La herramienta básica:
Tabla de 2 x 2

7. 2x2 Tabla: Un Ejemplo
Enfermedad
= TB
Si No
Exposicion
= VIH
Si
No
34 10
7 58
44
65
41 68 109

8. 2x2 Tabla: Un Ejemplo
Enfermedad
= TB
Si No
Exposicion
= VIH
Si
No
34 10
7 58
44
65
41 68 109
• 41 TB +
• 44 VIH+
•34 TB y HIV+

9. ¿Qué podemos aprender?
• La magnitud del riesgo asociada con una
exposición (CUÁNTO más riesgo)
• La direccion del riesgo (mas o menos riesgo)
• La significación estadística de esa
asociación (si es debida al azar)

10. Medidas de Magnitud
•Riesgo Relativo (RR)
–Estudios de cohorte
–Ensayos clinicos
–Estudios transversales
•Razon de posibilidades (OR)
– Estudios de casos y
controles
–Estudios transversales

11. Riesgo Relativo (RR)
• Mide la probabilidad de desarrollar enfermedad
en el grupo expuesto respecto a los no
expuestos (incidencia)
• “¿Cuánto más (o menos) riesgo tiene el grupo
expuesto comparado con los no expuesto?”
Ej.Los fumadores son 10 veces más
probables que no fumadores desarrollar el
cáncer de pulmón.

12. Metodo Analitico en Estudio de Cohorte
Poblacion
Expuesto
No-Expuesto

13. Metodo Analitico en Estudio de Cohorte
Poblacion
Expuesto
No expuesto
Enfermedad
No enfermedad
Enfermedad
No enfermedad

14. Metodo Analitico en Estudio de Cohorte
Poblacion
Expuesto
No expuesto
Enfermedad
No enfermedad
Enfermedad
No enfermedad
Incidencia
Incidencia

15. Metodo Analitico en Estudio de Cohorte
Poblacion
Expuesto
No expuesto
Enfermedad
No enfermedad
Enfermedad
No enfermedad
Incidencia
Incidencia
Riesgo relativo

16. • Incidencia en el grupo expuesto
RR = (a/a+b)
(c/c+d)
• RR > 1 cuando el riesgo es mayor en el grupo
expuesto
• RR < 1 cuando el riesgo es menor en el grupo
expuesto
a b
c d
a+c b+d
Riesgo Relativo (RR)Disease No
Disease
Exp
(a/a+b) dividido por la incidenciaUnexp
en el grupo no expuesto (c/c+d)
a+b
c+d

17. Ejemplo: Estudio farmaco en tratamiento de TB
“El estado de BAAR despues de 3 meses de
tratamiento esta relacionado con un regimen de
tratamiento específico?”
BAAR [Resultado]
Tratamiento [Exposición]
PAS
PAS+estreptomicina
Positivo Negativo
56 43
37 53

18. 2 x 2 Tabla
BAAR
Pos Neg
Tratamiento
PAS
PAS + ESTREP
56 43
37 53
99
90
93 96 189
Total

19. Describiendo la Magnitud de Asociación
• Consideramos “expuesto” los que recibe solamente un
medicamento (PAS) y “no expuesto” los que recibe 2
medicamentos (PAS + Strep)
RR = a/(a+b) = 56/99
=
c/(c+d)
1.38
37/90
– “El grupo que recibe un medicamento (expuesto) es 1.38
veces mas probable quedar BK + a las 3 meses que el
grupo que recibe 2 medicamentos (no expuesto).”
o
– “El grupo que recibe un medicamento (expuesto) es 38%
mas probable quedar BK + a las 3 meses que el grupo
que recibe 2 medicamentos (no expuesto).”
56 43
37 53
93 96
99
90
189
Pos Neg
PAS
PAS +
Strep

20. Plantilla para Describir
Riesgo Relativo
• El {grupo expuesto} es {RR} veces mas
probable tener {resultado} que el {grupo
que no es expuesto}.
• Ejemplo: Pacientes {infectados con VIH}
son {1.5} veces mas probable ser
{abandonos de tratamiento} que los que
son {VIH negativo}.

21. » “El grupo expuesto es 0,4 veces más probable de
desarrollar la enfermedad que el grupo no
expuesto”.
» 0,4 veces más probable = 1/0,4 veces menos
probable = 2,5 veces menos probable
» “El grupo expuesto es 2,5 veces menos probable
desarrollar enfermedad que el grupo no
expuesto”.
Riesgo relativo (RR):
Describiendo la magnitud de la asociación
• RR= 0.40

22. Posibilidades (“Odds”)
• Mide las posibilidades (“odds”) de tener una
exposición en el grupo que tiene la enfermedad
en comparacion con los que no tiene la
enfermedad
• “Cuanto mas probable (o menos) de haber
estado expuesto el grupo con la enfermedad que
el grupo sin la enfermedad”
• E.j., Personas con cancer del pulmon son 10
veces mas probable ser fumadores que personas
sin cancer del pulmon

23. Metodo Analitico en un Estudio de Casos y
Controles
Poblacion
Casos
Controls

24. Expuesto
No-Expuesto
Metodo Analitico en un Estudio de Casos y
Controles
Expuesto
No-Expuesto
Poblacion
Casos
Controls

25. Expuesto
Metodo Analitico en un Estudio de Casos y
Controles
Expuesto
Odds
No-Expuesto
Odds
No-Expuesto
Poblacion
Casos
Controls

26. Expuesto
Metodo Analitico en un Estudio de Casos y
Controles
Poblacion
Casos
Controls
Odds
No-Expuesto
Odds Ratio
Expuesto
Odds
No-Expuesto

27. Odds Ratio (OR)
No
Enfermedad
Expuesto
Si a b
c d
a/c = 80/20
Odds de exposicion entre casos: probabilidad de exposicion entre casos = a/(a+c) =
probabilidad de no exposicion entre casos c/(a+c)
Odds de exposicion entre controls: probabilidad de exposicion entre controls =
probabilidad de no exposicion entre controls
b/(b+d) =
d /(b+d)
b/d = 40/60
Odds ratio de expuesto = Odds de exposicion entre casos = a/c or a x d = 80 x 60 = 6.0
Odds de exposicion entre controls b/d b x c 40 x 20
OR = (a/c) = ad
(b/d) bc
Si No
Casos Controls

28. Razón de posibilidades (OR)
• OR > 1 cuando la exposicion es mas en el
grupo con la enfermedad
• OR < 1 cuando la exposicion es menos en
el grupo con la enfermedad

29. Plantilla para Describir
Razón de posibilidades (OR)
• OR= 1.4
» “El {grupo enfermo} es {OR} veces más
probable de {haber estado expuesto} que el
{grupo no enfermo}.”
• Ejemplo: Pacientes con {TB/VIH} son {1.8}
veces mas probable de {estar
encarcelados} que los que {no tienen
TB/VIH}.

30. RR vs. OR
• Depende del diseño de estudio
• RR cuando esta investigando grupos esogidos
por exposicion (cuando sabe la exposicion y
esta esperando el resultado)
–Cohorte o ensayos clinicos
• OR cuando esta investigando grupos
escogidos por el resultado (cuando sabe el
resultado y quiere ver la exposicion)
–Estudios de Casos y controles
• Se pueden usar los dos en
estudios transversales

31. Significancia Estadística
•Valor de P
•Prueba de Chi-square (X2)
•Intervalos de confianza (IC)

32. ¿Por qué necesitamos las pruebas
estadísticas?
• En los estudios que usan muestras de
personas de una población, conseguimos una
cierta información pero no toda
• Estimamos sobre la población basada en el
análisis de la información de la muestra
• Esta valoración tendrá cierta incertidumbre o
variabilidad

33. ¿Qué pregunta responden las
pruebas estadísticas?
• Deseamos saber si las diferencias
observadas entre los grupos son reales o se
pueden explicar por el azar

34. Valor de p
Definición:
La probabilidad que encontramos una
diferencia en las muestras cuando una
diferencia realmente no existe
O
La probabilidad que la hipotesis nula es
verdad
hipotesis nula: no existe asocacion entre
exposicion y enfermedad

35. • Ej. Se obtuvo un RR = 1.7, p<0.05
La probabilidad que encontramos una
diferencia entre las muestras y una
diferencia no existe es menos que 5%
• Por costumbre se dice que una
asociación estadísticamente significativa
es aquella con p<0.05
Valor de p

36. ¿Cómo se obtiene el valor de p?
• Para conseguir un valor de p, se debe hacer
una prueba estadística para ver si las
diferencias observadas entre los grupos se
deben al azar o son reales
• Para tabulaciones 2x2, el método más
común es utilizar la prueba chi-cuadrada
(X2). Las computadoras generalmente
pueden hacer esto para nosotros

37. La fórmula de X2 :
• La X2 compara los valores observados
con valores esperados, donde “esperado”
es el valor si no hubiese diferencia entre
los dos grupos
• X2 = [(Observado - Esperado)2 / Esperado]

38. Generación de los valores
esperados en la prueba X2
Enfermedad
Yes No
Exposición
Yes
No
a + b
c + d
(a+b)(a+c)
T
(a+b)(b+d)
T
(a+c)(c+d)
T
(b+d)(c+d)
T
a + c b + d T=(a + b + c + d)
X2 = [(ad-bc)2(T)/ (a+b)(c+d)(a+c)(b+d)]

39. Convirtiendo la X2 a valores de p
• Para convertir X2 en valores de p se debe
usar la tabla de X2
• Cuando más grande es el valor de X2, más
pequeño es el valor de p
• Para p 0.05, el valor de X2 debe ser 3.84
para la significación estadística de una
asociación en una tabla de 2x2

40. • RR = 1.7, X2 = 4.13 p < 0.05
• “Los expuestos tienen 1.7 veces más
probabilidad que los no expuestos de
tener la enfermedad, y la diferencia
es probablmente real porque es
estadísticamente significativa
(p<0.05)”
Convirtiendo la X2 a valores de p

41. Intervalos de confianza (IC)
• El IC proporciona una información complementaria
al valor de p.
• El IC proporciona un rango de valores probables en
la cual podría posiblemente estar el verdadero
valor de la población.
• Ejemplos:
– OR=1.9 (95% IC = 1.6-2.0)
– RR=0.7 (99% IC = 0.4-0.9)

42. • Los IC proporcionan un límite inferior y un
limite superior de valores probables
• Ej. OR = 1.7 (95%CI = 1.2 a 1.9)
• “Hay una probabilidad del 95% que el valor
verdadero para la población esta entre 1,2 y
1,9” o
• “si se repite el estudio 100 veces, el OR se
encontrará en ese intervalo 95 veces”.
Intervalos de confianza (IC)

43. Intervalos de confianza (IC)
• Ej. OR = 1.7 (95% CI = 0.8 to 1.9)
• Si el valor “1” está dentro del rango, es
probable que no haya asociación (no
diferencia) entre los dos grupos
• Si el valor “1” es incluido, sabemos que la
asociación NO es estadísticamente
significativa (similar a p>0.05)

44. • Si número de observaciones aumenta (Ej. el tamaño
de muestra), las estimaciones serán más exactas, y
la anchura del IC disminuye
• *EPIINFO (y otros software) calcula el IC
• Los IC al 95% son los usualmente calculados (éste
utiliza p<0.05 para la significación estadística). Otros
niveles de confianza pueden también ser calculados
al 90%, 99%, etc.
Intervalos de confianza (IC))