Investigación médica: elementos básicos del diseño de estudios

Fisterra: Metodología de la investigación
Guías Clínicas Ayuda en consulta Medicamentos Formación Biblioteca virtual Tienda
Formación - Metodología de la
Investigación
Metodología de la Investigación Mapa Buscador Avanzado
1.
Elementos básicos en el
diseño de un estudio
2.
Dificultades de los médicos
para la realización de
estudios clínico-
epidemiológicos
3.
Dificultades de la
Investigación en Atención
Primaria
4.
Medidas de frecuencia de
enfermedad: incidencia y
prevalencia
5.
Cálculo de probabilidades:
nociones básicas
6.
Determinación de factores
de riesgo
7.
Determinación de factores
pronósticos
8.
Número necesario de
pacientes a tratar para
reducir un evento (NNTs)
9.
Tipos de estudios clínico
epidemiológicos
10. Estudios experimentales
en la práctica clínica.
Investigación terapéutica.
Ensayos Clínicos
11.
El consentimiento
informado en los Ensayos
Clínicos
12.
Determinación del tamaño
muestral
12.1. Cálculo del
tamaño
muestral para
la
determinación
de factores
pronósticos
12.2. Cálculo del
tamaño
muestral en
estudios de
casos y
controles
Actualizada el 26/03/2006.
"La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre..."
Presentación
La realización de estudios clínico epidemiológicos precisa no solo de tiempo y entusiasmo
dirigido a responder una pregunta, sino de conocimiento metodológico.
La estadística y la epidemiología clínica proporcionan los instrumentos metodológicos
adecuados para dicha carrera de obstáculos en la que habitualmente se convierte la
realización y publicación de un trabajo.
Los trabajos aquí presentados pretenden proporcionar los principios básicos de diseño,
análisis e interpretación de los resultados que capaciten al lector para entender e incluso
realizar dichos estudios.
Pretendemos abordar conjuntamente aspectos metodológicos, estadísticos y
epidemiológicos ya que todos ellos se precisan para interpretar y realizar un estudio.
Más...
Más en Fisterra
Principios éticos para las investigaciones médicas en seres humanos (Declaración de Helsinki)
Programas estadísticos para análisis de datos en Internet
Más en otros sitios
Bioestadística: métodos y aplicaciones (Universidad de Málaga)
Material docente de la Unidad de Bioestadística Clínica (Hospital Ramón y Cajal) - MetaDiSc
Páginas sobre bioestadística (SEH-LELHA)
Redes Centinelas Sanitarias en A.P.
Revista Investigación Clínica y Farmacéutica
A New View of Statistics
The Little Handbook of Statistical Practice
http://www.fisterra.com/mbe/investiga/index.asp (1 of 3)22/04/2006 1:18:08 PM

12.3. Determinación
del tamaño
muestral para
calcular la
significación
del coeficiente
de correlación
lineal
13.
Cálculo del poder
estadístico de un estudio
14.
Significancia estadística y
relevancia clínica
15.
Estadística descriptiva de
los datos
16. La Distribución Normal
17.
Representación gráfica en
el análisis de datos
18.
Métodos paramétricos para
la comparación de dos
medias. t de Student
19.
Relación entre variables
cuantitativas
20.
Asociación de variables
cualitativas: Test de
Chi-cuadrado
21.
Asociación de variables
cualitativas: test exacto
de Fisher y test de
McNemar
22.
Técnicas de regresión.
Regresión lineal simple
23.
Técnicas de regresión.
Regresión lineal múltiple
24. Análisis de supervivencia
25.
Medidas de concordancia:
El índice Kappa
26. Pruebas diagnósticas
27. Curvas ROC
28.
Investigación cuantitativa y
cualitativa
29. La fiabilidad de las
mediciones clínicas: el
análisis de concordancia
para variable numéricas
30. Revisiones sistemáticas y
metaanálisis
31. Revisiones sistemáticas y
metaanálisis (II)

Salvador Pita Fernández
Médico de Familia
Profesor de la Universidad de A Coruña (España)
[ Correo de contacto ]
Arriba
© 2006 fisterra.com
Mis Datos | Contacto-Sugerencias | FAQ's | Condiciones de uso | Política de
privacidad

Elementos básicos en el diseño de un estudio
Atención Primaria en la Red
Metodología de la Investigación
Principal | MBE | Investigación 08/01/01
Pita Fernández, S. [ Correo de contacto ]
Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Juan Canalejo. A
Coruña (España)
Cad Aten Primaria 1996; 3: 83-85.
Contenido
Planteamiento
de un estudio
Elementos de la
inferencia
estadística
Utilidad de la
revisión
bibliográfica
Criterios de una
buena pregunta
Bibliografía
Documento
en PDF (86
Kb)
¿Problemas
con PDF?
La investigación se debe entender como el proceso dedicado a responder a una
pregunta. Dicha respuesta lo que pretender es aclarar la incertidumbre de nuestro
conocimiento. No se trata de almacenar datos de forma indiscriminada sino que se
define como un proceso sistemático, organizado y objetivo destinado a responder a
una pregunta. La palabra "sistemático" significa que a partir de la formulación de
una hipótesis u objetivo de trabajo se recogen unos datos según un plan
preestablecido que, una vez analizados e interpretados, modificarán o añadirán
nuevos conocimientos a los ya existentes (Tabla 1) (1,2). El método científico
parte de la observación de una realidad, se elabora una hipótesis explicativa, se
contrastan las hipótesis y dicha hipótesis se acepta se realizan proposiciones que
forman la teoría científica.
TABLA 1. Esquema general del planteamiento de un estudio.
q Hipótesis de trabajo
q Objetivos
q Diseño de estudio
q Selección de variables
q Definición de variables
q Escala de medida
q Protocolo de recogida de datos
q Selección de la muestra
r ¿Cuántos?
r ¿Quiénes?
q Recogida de datos
q Automatización de los datos
q Depuración de los datos
q Análisis
q Resultados
q Conclusiones
La epidemiología y la estadística son instrumentos indispensables para la realización de
este proceso. En general podemos decir lo que habitualmente sucede es que de una
población se extrae una muestra, sobre la que se realiza un experimento o medición y los
resultados del mismo se extrapolan nuevamente a la población realizando una
estimación con una seguridad definida completando así la inferencia (Tabla 2) (3,4).
http://www.fisterra.com/mbe/investiga/1diseno/1diseno.htm (1 of 4)22/04/2006 1:18:26 PM

Tabla 2. ELEMENTOS DE LA INFERENCIA ESTADÍSTICA
La definición del objetivo es el eje en torno al cual se construye la estructura del estudio.
Si este objetivo no está claramente definido será difícil tomar decisiones sobre el tipo de
estudio más apropiado, sobre la selección de la muestra, sobre el tamaño muestral, sobre
las variables a medir y sobre el análisis estadístico a realizar.
El problema a investigar debe entenderse como la incertidumbre sobre algún hecho o
fenómeno que el investigador desea resolver realizando mediciones en los sujetos del
estudio. En este proceso es fundamental la realización de la revisión bibliográfica que
como se señala en la tabla 3 presenta importantes utilidades y por consiguiente es
imprescindible (5).
Tabla 3. UTILIDAD DE LA REVISIÓN BIBLIOGRÁFICA
q Fuente de ideas susceptibles de investigación.
q Valoración de los conocimientos actuales sobre el tema.
q Valoración sobre la pertinencia y viabilidad del proyecto.
q Provisión del marco conceptual para la investigación.
q Ayuda en la delimitación del objetivo específico.
q Información sobre aspectos concretos del diseño:
r Estrategias
r Procedimientos
r Pautas de seguimiento
r Criterios de selección
r Determinación del tamaño de la muestra
r Definición de variables
r Instrumentos de medición
r Prevención de problemas
r Análisis estadístico
q Comparación de los propios resultados con estudios similares.
q Contribución a la valoración de la validez extrema.
Fuente: Argimón Pallas J.M., Jiménez Villa J. (5)
La pregunta a investigar debe reunir en definitiva una serie de características que se
señalan en la tabla 4 y que se resumirían diciendo que debe ser factible, interesante,

novedosa, ética y relevante (2).
Tabla 4. CRITERIOS DE UNA BUENA PREGUNTA A INVESTIGAR
q FACTIBLE
r Número adecuado de individuos
r Experiencia técnica adecuada
r Abordable en cuanto a tiempo y dinero
r Manejable en cuanto al alcance
q INTERESANTE PARA EL INVESTIGADOR. NOVEDOSA
r Confirma o refuta hallazgos previos
r Amplia hallazgos previos
r Proporciona nuevos resultados
q ÉTICA Y RELEVANTE
r Para el conocimiento científico
r Para la política clínica sanitaria
r Para líneas de investigación futuras
Fuente: Stephen B. Hulley, Steven R. Cummings (2)
La falta de claridad en nuestra pregunta no nos permitirá entre otras cosas poder calcular
el tamaño muestral de nuestro estudio, donde precisaremos conocer la seguridad de
nuestra estimación, la precisión de nuestra inferencia, el poder estadístico o la capacidad
para detectar diferencias si es que existen. Si estos pasos han sido solucionados,
debemos decidir a la vez que tipo de estudio epidemiológico vamos a realizar. Los
estudios epidemiológicos clásicamente se dividen en experimentales y no
experimentales. En los estudios experimentales (ensayos clínicos, ensayos de campo,
ensayos comunitarios) se produce una manipulación de una exposición determinada en
un grupo de individuos que se compara con otro grupo en el que no se intervino, o al que
se expone a otra intervención. Cuando el experimento no es posible se diseñan estudios
no experimentales que simulan de alguna forma el experimento que no se ha podido
realizar (estudios ecológicos, estudios de prevalencia, estudios de casos y controles,
estudios de cohortes o de seguimiento) (6,7).
Tras decidir el tipo de estudio habrá que tener en consideración las amenazas o riesgos
que dicho estudio lleva implícitos; en particular debemos reflexionar sobre los sesgos
del estudio. En el sesgo de selección los grupos no son comparables debido a como
fueron seleccionados los pacientes (elección inadecuada del grupo control, elección
inadecuada del espacio muestral, pérdidas de seguimiento y supervivencia selectiva), en
el sesgo de información los grupos no son comparables debido a como se obtuvieron los
datos (instrumento de medida no adecuado, diagnóstico incorrecto, omisiones,
imprecisiones, vigilancia desigual en expuestos y no expuestos, errores de clasificación,
errores en los cuestionarios o procedimientos…) y finalmente en el sesgo de confusión
existe una mezcla de efectos debido a una tercera o más variables. Esta variable está
asociada con la exposición a estudio e independientemente de la exposición es un factor
de riesgo para la enfermedad. La confusión puede ser controlada en el diseño del estudio
y en el análisis del mismo con lo cual nuestro estudio podría ser válido. La presencia de
sesgos de selección e información podrían ser cuantificados en algunas ocasiones pero
invalidarían el estudio (8).
Podemos afirmar sin lugar a dudas que realizar un estudio es una carrera de obstáculos
que aún no siendo infranqueables, permanentemente están presentes y dificultan a la vez

que hacen atractivo la realización de cualquier trabajo de investigación.
M. Susser en sus reflexiones sobre causalidad (9) señalaba "cuando hay minas por todas
partes no debe uno aventurarse sin un detector de minas". El conocimiento de la
metodología y su aplicación a la práctica clínica debemos considerarla como un
elemento útil, necesario y atractivo pues nos va a permitir aumentar nuestra capacidad
para responder a preguntas a la vez que incrementará nuestra capacidad crítica para
discriminar lo seguro y correcto de lo que no lo es tanto.
Bibliografía
1. Contandriopoulos AP. Champagne F. Potvin L, Denis JL, Boyle P. Preparar un
proyecto de investigación. Barcelona: SG Editores; 1991.
2. Stephen B. Hulley, Steven R. Cummings. Diseño de la investigación clínica. Un
enfoque epidemiológico. Barcelona: Doyma; 1993.
3. Beth Dawson-sauders, Robert G. Trapp. Bioestadística Médica México, D.F.:
Editorial el Manuel Moderno; 1993.
4. J.S. Milton, J.O. Tsokos. Estadistica para biología y ciencias de la salud. Madrid:
Interamericana-McGraw Hill; 1989.
5. Argimón Pallas J.M. Jimenez Villa J. Métodos de Investigación aplicados a la
atención primaria de salud. Barcelona: Ediciones Doyma; 1991.
6. Hennekens CH, Buring JE. Epidemioloy in Medicine. Boston: Little Brown and
Company; 1987.
7. Kelsey JL, Thompson WD, Evans AS. Methods in Observational Epidemiology.
New York: Oxford University Press; 1986.
8. Kleinbaum DG, Kupper LL, Morgenstern H. Epidemiologic research. Principles
and Quantiative Methods. Belmont. California: Lifetime Learning Publications;
1982.
9. Susser M. Conceptos y estrategias en epidemiología. El pensamiento causal en
ciencias de la salud. México: Biblioteca de la Salud; 1991.
Arriba | Página Principal | Material para la Consulta | Metodología de la Investigación

Dificultades de los médicos para la realización de estudios clínico-epidemiológicos
Dificultades de los médicos para la realización
de estudios clínico-epidemiológicos
Pita Fernández, S. [ Correo de contacto ]
Coruña (España)
Ponencia: Congreso Galego de Estadística e Investigación de Operacións.
Santiago de Compostela, A Coruña (España). 11-13 Novembre-1999
Contenido
Planteamiento
de un estudio
Dificultades en
relación a la
viabilidad y
pertinencia de
un estudio
Problemas
estadísticos de
los ensayos
clínicos
Bibliografía
Documento
en PDF (54
Kb)
¿Problemas
con PDF?
La práctica médica diaria requiere la toma de decisiones sobre actividades
preventivas, diagnósticas, terapéuticas y pronósticas basadas en cálculo de
probabilidades que pretenden delimitar la incertidumbre que envuelve la práctica de
la medicina. Con frecuencia existen dificultades para trasladar los resultados de una
investigación a la práctica clínica por la forma en que habitualmente se presentan
los resultados en términos de: p<0.05, p<0.01, riesgo relativo, odds ratio, reducción
absoluta del riesgo, reducción relativa del riesgo, fracción atribuible poblacional o
fracción etiológica. A este lenguaje con el que muchos profesionales sanitarios no
están familiarizados y tienen dificultades para su compresión (1,2) se suma el hecho
que además los resultados de un estudio pueden ser estadísticamente significativos
y no ser clínicamente relevantes (3).
El método científico parte de la observación de una realidad, se elabora una
hipótesis explicativa, se contrastan las hipótesis y si dicha hipótesis es aceptada se
realizan proposiciones que forman la teoría científica. Dicho procedimiento requiere
un proceso sistemático, organizado y objetivo destinado a responder a una pregunta
(Tabla 1) (4,5) que los profesionales sanitarios perciben como una carrera infinita
de obstáculos. En este contesto de dificultad muchos profesionales sanitarios acuden a los
epidemiólogos y estadísticos solicitando diferentes tipo de ayudas. Así algunos acuden
solamente para que se les calcule una "p", otras acuden porque quieren cruzar variables,
otros a que le "echen los números", otros a que se les calcule el tamaño de la muestra y
otros cada vez más numeroso a que se les ayude a diseñar el estudio desde el principio.
TABLA 1. Esquema general del planteamiento de un estudio.
http://www.fisterra.com/mbe/investiga/2dificultades/2dificultades.htm (1 of 6)22/04/2006 1:18:47 PM

q Hipótesis de trabajo
q Objetivos
q Diseño de estudio
q Selección de variables
q Definición de variables
q Escala de medida
q Protocolo de recogida de datos
q Selección de la muestra
r ¿Cuántos?
r ¿Quiénes?
q Recogida de datos
q Automatización de los datos
q Depuración de los datos
q Análisis
q Resultados
q Conclusiones
Las dificultades que presentan los médicos para entender el lenguaje y/o metodología de
los estadísticos y epidemiólogos radica fundamentalmente y entre otras razones en que
ambos trabajan en escenarios diferentes. Los clínicos y los epidemiólogos/estadísticos
deben de resolver problemas diferentes. El clínico trabaja con un paciente que conoce por
nombre y apellidos, sabe sus antecedentes y hasta conoce a su familia, los estadísticos
estudian a los pacientes de cien en cien o de mil en mil y siempre le dicen al clínico que
tiene pocos pacientes. El clínico desea realizar un diagnóstico concreto a un paciente
determinado y el estadístico le habla de curvas ROC, valores predictivos, sensibilidad,
especificidad.... El clínico quiere concretar la causa de la enfermedad y el estadístico le
calcula un OR (odds ratio) un RR (riesgo relativo), 95% intervalos de confianza y
gradientes biológicos controlando eso sí por confusión con técnicas de regresión
múltiple. El clínico desea conocer la mejor terapéutica y el estadístico le calcula
reducciones relativas de riesgo, reducciones absolutas y número necesario de pacientes a
tratar para prevenir un evento. El clínico desea conocer el pronóstico de un paciente
determinado y el estadístico le habla de Kaplan-Meier, de asunción de riesgos
proporcionales y de regresiones de Cox. Ambos abordan problemas en escenarios
diferentes de los cuales ambos logran objetivos diferentes, el clínico se centra en el
paciente y los estadísticos y epidemiólogos se centran en la enfermedad (6,7). A parte de
los problemas estrictamente metodológicos los profesesionales sanitarios deben a su vez
afrontar problemas en relación con la viabilidad y pertinencia de los diferentes estudios
como se indican en la tabla 2. El disponer del tiempo, independientemente del
conocimiento metodológico, es uno de los importantes problemas que todos los
profesionales sanitarios acusan como muy importante.
TABLA 2. Dificultades en relación a la viabilidad y pertinencia de un estudio.

q Viabilidad
r Disponibilidad de tiempo
r Conocimiento metodológico
r Disposición de grupos de apoyo metodológico, estadístico, informático
r Disponibilidad de número de pacientes suficientes
r Utilización de variables que puedan medirse y cuantificarse
r Colaboración con otros profesionales, equipos o centros
r Disponibilidad de recursos económicos
r Consideraciones ético-legales
r Experiencia del investigador
q Pertinencia
r La pregunta planteada no ha sido contestada, lo ha sido de forma contradictoria
o se requiere adecuarla a la propia práctica
r Importancia del problema:
s Frecuencia
s Gravedad
s Interés social
s Beneficios que pueden derivarse de los resultados
s Importancia de su valor teórico
r Los resultados espereables compensan los recursos utilizados
Los problemas que presentas los clínicos para la ejecución de diferentes tipos de estudios
clínico epidemiológicos no son solo puramente estadísticos como lo muestra el resultado
de la evaluación de los 454 ensayos clínicos evaluados por el comité ético de ensayos
clínicos de la Comunidad Autónoma de Galicia que siguiendo los procedimientos
normalizados de trabajo se presentan en la tabla 3 (8). La causa más frecuente de
valoración positiva condicional o negativa han sido los aspectos éticos entendiendo como
tales y por orden de frecuencia: la información al paciente/consentimiento informado,
póliza de seguros/indemnización, consideraciones éticas generales y contenidos del
presupuesto económico. Los problemas de análisis estadístico figuran en último lugar. Es
evidente que este hallazgo refleja la realidad de que el aspecto cuantitativo del ensayo
este diseñado por grupos de expertos conocedores la metodología cuantitativa que la
industria farmacéutica posee.
TABLA 3. Dictamen final de todos los ensayos clínicos evaluados por el Comité Etico de
investigación Clínica de Galicia (Octubre/1996 a Octubre/1999).
N %
Procedentes 337 74.2
Procedente condicionado 61 13.4
No procedente 43 9.5
Retirado 12 2.6
Otros 1 0.2
TOTAL 454 100
Causas de valoración positiva condicional o negativa
Aspectos éticos 49.1 %
Investigador Principal (falta de firma del proyecto...) 8.4 %
Selección de los pacientes 8.3 %
Justificación y objetivos 6.8 %

Consideraciones prácticas 5.6 %
Tipo de ensayo clínico y diseño del mismo 5.6 %
Descripción del tratamiento 3.6 %
Desarrollo del ensayo y evaluación de la respuesta 3.4 %
Análisis estadístico 2.4 %
Otras causas 6.8 %
Los problemas estrictamente estadísticos de los ensayos clínicos han sido por otra parte
señalados por Pocock (9) y se resumen en la tabla 4.
Tabla 4. Problemas estadísticos de los ensayos clínicos
q Múltiples "end points".
q Los resultados de objetivos secundarios deben presentarse como datos exploratorios.
q Si no hay suficiente poder estadístico los análisis de subgrupos deben evitarse.
q Los ensayos con medidas repetidas en el tiempo requieren un abordaje estadístico de análisis
diferente y los test estadísticos repetidos en cada punto en el tiempo deben evitarse.
q En ensayos con más de dos tratamientos el tratamiento primario de contraste debe claramente
indicarse y enfatizarse en el informe.
q Limitar el número de test estadísticos realizados.
q Poner el valor exacto de la p, indicar la magnitud del efecto del tratamiento y sus intervalos de
confianza.
q El tamaño muestral y su justificación deben indicarse en el diseño.
q Los análisis y frecuencia de análisis intermedios a realizar deben estar claramente definidos.
q La decisión de parar el estudio debe basarse en criterios estadísticos claramente definidos e
indicados en el diseño.
q El resumen mencionará la magnitud del efecto del tratamiento más que su significancia
estadística.
Una parte importante de la investigación que se realiza en el ámbito de la atención
primaria en nuestro país se presenta en los congresos nacionales de Medicina Familiar y
Comunitaria. En el año 1993 nosotros pusimos en marcha un sistema de evaluación de
las comunicaciones que se presentan en los congresos nacionales de esta especialidad
(10). Dicho sistema pretende identificar las causas de denegación de los trabajos que se
rechazan considerando las normas de presentación, la originalidad, el interés y la
metodología. En dicho año se aceptaron 358 comunicaciones (54.9%) de un total de 652,
siendo las causas de exclusión las que se resumen en la tabla 5. En dicho análisis se
objetivó que los problemas más frecuentemente detectados han sido la falta de
originalidad, resúmenes mal estructurados que no aportaban elementos de valoración,
conclusiones que no se derivaban del estudio y estudios no apropiados para alcanzar los
objetivos del mismo.
En las fases de una investigación clinico-epidemiológoica la colaboración del
bioestadístico con los profesionales sanitarios consideramos que es de suma utilidad para
activamente participar en apartados como: selección de la variable respuesta, definición
de los criterios de selección de la población de estudio, elección de la técnica de
selección de los sujetos, cálculo del número de sujetos necesarios, selección de las
variables que deben ser medidas, estimación de la magnitud del efecto o respuesta
observada, control de factores de confusión e interpretación de los resultados.
Señalábamos inicialmente que los problemas que presentan los profesionales sanitarios

para la ejecución de estudios clínico-epidemiológicos son múltiples y como hemos
indicado no solo se limitan a problemas estrictamente metodológicos y estadísticos sino
que se deben abordar además problemas éticos y problemas de originalidad entre otros.
La estadística y el método epidemiológico consideramos que pretenden aportar más
ciencia al arte de la medicina y es por ello que la colaboración de expertos en
metodología, bioestadísticos y los clínicos deben conjuntamente colaborar para en un
esfuerzo conjunto reducir la variabilidad que rodea al ejercicio de la medicina que es una
ciencia de probabilidades y un arte de manejar la incertidumbre.
TABLA 5. Causas de denegación de comunicaciones. XIII Congreso Nacional de Medicina
Familiar y Comunitaria (9)
Presentación
n %
17 5.8
No cumple las normas de aceptación
Ilegible
Tachaduras o erratas graves
Abreviaturas no explicadas
Originalidad
112 38.1 Tema reiteradamente expuesto
Interés para la atención primaria
14 4.8
El tema de investigación no está, o lo está escasamente relacionado con la
Atención Primaria
Metodología
36 12.2 Objetivos mal definidos
79 26.9 El tipo de estudio no es apropiado para alcanzar los objetivos del estudio
19 6.5 Selección de muestra inadecuada
13 4.4 Tamaño de muestra inadecuada
49 16.7 Presencia de sesgos de selección información o confusión que invalidan el estudio
12 4.1 La inferencia es incorrecta
35 11.9 Resultados no cuantificados
26 8.8 Análisis incorrecto del estudio
31 10.5 Presentación inadecuada de resultados
14 4.8 No hay conclusiones
80 27.2 Las conclusiones no se derivan del estudio realizado o de los resultados obtenidos
83 28.2 Trabajo invalorable pues no aporta elementos
Bibliografía
1. Greenwood M. The statistician and medical research. BMJ 1948; 2:467-8.
2. Berwick DM, Fineberg HV, Weinstein MC. When doctors meet numbers. Am J
Med 1981; 71:991-998. [Medline]
3. Laupacis A, Sackett DI, Roberts RS. An assesment of clinically useful measures
of the consequences of treatment. N. Engl J Med 1988; 318: 1728-1733. [Medline]
4. Contandripoulos AP, Champagne F. Potvin L, Denis JL, Boyle P. Preparar un
proyecto de investigación. Barcelona: SG Editores; 1991.
5. StephenB. Hulley, Steven R. Cummings. Diseño de la investigación clínica. Un

enfoque epidemiológico. Barcelon. Doyma; 1993.
6. Jenicek M. Cléroux R. Epidemiología. Principios-Técnicas-Aplicaciones.
Barcelona; Salvat; 1988.
7. Sackett DL, Haynes RB , Guyatt GH, Tugwell P. Epidemiología clínica. Ciencias
básicas para la medicina clínica, 2ª ed. Madrid: Editorial Médica Panamericana;
1994.
8. Memoria. Comité Etico de investigación Clínica de Galicia 1996-1999. División
de Farmacia e Productos Sanitarios. Santiago: Xunta de Galicia, Servicio Galego
de Saude; 1999.
9. Pocock SJ. Hughes MD, Lee RJ. Statistical Problemas in the reporting of clinical
trials. A survey of Three Meical Journals. N Eng J Med 1987; 317: 426-32.
[Medline]
10. Pita Fernández S. Evaluación de comunicaciones del XIII Congreso de Medicina
Familiar y Comunitaria (La Coruña). Aten Primaria 1994; 13: 150-152. [Medline]

Dificultades de la Investigación en A.P.
Guías Clínicas Ayuda en consulta Medicamentos Formación Biblioteca virtual Tienda
Formación - MBE - Metodología de
la Investigación
Metodología de la
Investigación
Mapa Buscador Avanzado
Dificultades de la investigación en Atención Primaria
Autores:
Salvador Pita Fernández
(1)
, Sonia Pértega Díaz
(2)
(1) Médico de Familia. Centro de Salud de Cambre (A Coruña).
(2) Unidad de Epidemiología Clínica y Bioestadística. Complejo Hospitalario Juan Canalejo
(A Coruña).
Actualizada el 30/04/2005.
Tabla de contenidos:
Tablas
Tabla 1. Dificultades para la
investigación en Atención Primaria
Tabla 2. Principales dificultades
para la investigación en A.P.
Tabla 3. Aspectos positivos para
hacer investigación en A.P.
Tabla 4. Condiciones para mejorar
la investigación en A.P.
Bibliografía
Imprimir documento [145 Kb] ¿Problemas con
PDF?
-----------------------
Figuras
Figura 1. Nº de comunicaciones
presentadas a Congresos nacionales
semFYC
Figura 2. Comunidades autónomas
según su producción científica por
100.000 habitantes. Período 1990-1997.
Figura 3. Comunidades autónomas
según su producción científica por 100
facultativos. Período 1990-1997.
La medicina es una ciencia de probabilidades y un arte de manejar la
incertidumbre. Dicha incertidumbre invade la práctica clínica que realizamos
diariamente cuando ponemos en marcha actividades preventivas,
diagnósticas, terapéuticas y pronosticas. Es por ello que el buscar respuestas a
dicha incertidumbre es una fuente inagotable de investigación. La atención
sanitaria junto con la docencia y la investigación son a su vez actividades
cotidianas en atención primaria. Inicialmente la investigación se producía en
los ámbitos hospitalarios y universitarios considerándose la atención primaria
como incapaz de realizar este tipo de actividad (1). Aunque se ha producido un
incremento sustancial en el número de publicaciones en el ámbito de la
atención primaria no se ha alcanzado el grado de desarrollo que le
corresponde en relación con la importancia de la misma (2). Según el informe
bibliométrico del Fondo de Investigaciones Sanitarias (3) la práctica totalidad
de la producción científica reunida bajo el epígrafe "Centros Sanitarios"
http://www.fisterra.com/mbe/investiga/difInvestAP/difInvesAP.asp (1 of 8)22/04/2006 1:18:55 PM

proviene de la firma de centros hospitalarios. Los documentos citables
provenientes de centros de asistencia primaria sólo constituyen el 0.4% del
total de este sector institucional.
Es evidente que existen dificultades importantes para la realización de
investigación en nuestro ámbito de trabajo derivadas de la dispersión en el
trabajo, el exceso de tareas a realizar, excesiva presión asistencial y por tanto
falta de tiempo, falta de incentivos profesionales, falta de formación, falta de
estructuras de apoyo y necesidad de favorecer la coordinación de las iniciativas
investigadoras (Tabla 1) (4-6). Estas dificultades no solo las presentan los
profesionales de nuestro país sino que también están presentes en
profesionales de otros países como el Reino Unido donde un 92% identifica la
falta de tiempo como barrera principal (7). La presión asistencial y la falta de
tiempo son hallazgos por otro lado constantemente presentes para realizar
actividades investigadoras en diferentes publicaciones y en diferentes
países (8,9). Los identificados como principales motivos para la realización de
investigación en atención primaria en nuestro país se muestran en la Tabla
2 (10, 11). La falta de tiempo secundaria a la enorme presión asistencial hace
que la investigación en atención primaria aún teniendo conocimientos
metodológicos sea una misión imposible.
Tabla 1. Dificultades para la investigación en Atención
Primaria.
q Importante presión asistencial.
q Falta de tiempo.
q Falta de conocimiento metodológico.
q Dispersión en el trabajo.
q Falta de reconocimiento:
r No figura dentro de los objetivos de
gestión en Atención Primaria.
r No valorada adecuadamente en los
baremos.
r No existe carrera profesional que la
contemple.
q Falta de motivación.
q Falta de estructuras de apoyo.
q Dificultades de financiación.
q Escasa tradición investigadora.
Tabla 2. Principales dificultades para la investigación en
Atención Primaria.

Principales dificultades (10)
q Falta de tiempo.
q Ausencia de motivación.
q Falta de formación y recursos.
Estudios con técnicas multivariadas (11) identifican y
asocian la investigación con:
q La formación.
q El trabajo en unidades docentes.
q El trabajar en centros con mayor número de
profesionales.
A su vez han sido identificados la existencia de problemas metodológicos en
los trabajos publicados por dichos profesionales como estudio de muestras de
tamaño reducido, procedentes casi exclusivamente de la población
demandante y insuficiente uso de técnicas de muestreo aleatorio (12).
Independientemente del incremento de comunicaciones a los congresos
nacionales de la SEMFYC (Figura 1) diferentes razones han sido identificadas
para excluir trabajos en congresos nacionales por falta de originalidad, interés
para la atención primaria o causas metodológicas (13).
Figura 1. Número de comunicaciones presentadas a Congresos Nacionales semFYC

A pesar de las dificultades existentes y del reducido porcentaje relativo de la
producción científica respecto a otros ámbitos, la producción científica en la
atención primaria experimenta un incremento progresivo. En el período 1990-
1997 se produjo un incremento de la producción científica de los profesionales
de atención primaria ,a juzgar por los artículos recuperables por MEDLINE.
Dicho incremento alcanza el 73.7% de los artículos publicados en la revista
Atención Primaria, el 22.6% en otras revistas nacionales y el 3.7% en revistas
extranjeras (14).
Por otra parte existen a su vez desigualdades en la producción científica en el
ámbito de la atención primaria en diferentes autonomías como se objetiva en
la Figura 2 y figura 3 (14).
En atención primaria como en otros ámbitos asistenciales hay falta de
evidencias y dado que la atención medica de calidad debe basarse en el
conocimiento la investigación es irrenunciable (15). Hemos además de tener
en consideración que la atención primaria tiene unas características propias
que la identifican como son, la atención continua a los pacientes y que por
tanto nos permite tener una visión muy precisa de la historia natural de la
enfermedad. A su vez la accesibilidad que por una lado sobrecarga o puede
sobrecargar nuestra labor asistencial nos permite tener acceso a una
población que de otra forma no sería tan accesible. La incertidumbre en la
práctica clínica es por otro lado una constante y el conocerla, delimitarla y
reducirla a la mínima expresión posible es un reto de nuestra actividad (Tabla
3).
Tabla 3. Aspectos positivos para realizar investigación en
Atención Primaria.
q La Atención Primaria dispone de un campo
específico de conocimientos.
q Se atienden estadios más precoces de la
enfermedad que en otros ámbitos
especializados.
q Se puede investigar en salud.
q Existe una relación continua con los pacientes.
q Situación de privilegio para el estudio natural
de la enfermedad.
q Mayor facilidad de acceso a la población.
q En Atención Primaria es donde se atienden las
patologías más prevalentes.
q Existe inquietud entre los profesionales.
q Existe incertidumbre:
r ¿Se puede evitar la aparición de la
enfermedad?
r ¿La detección precoz mejora el
pronóstico?

r ¿Cuál es el diagnóstico?
r ¿Qué prueba diagnóstica debería pedir?
r ¿Qué tratamiento es el mejor para el
paciente?
r ¿Cómo será la evolución tras el
tratamiento?
q Existe gran variabilidad en la práctica clínica
entre los profesionales que debe ser
investigada.
A pesar de las dificultades que hacen que hacen aún teniendo conocimientos
metodológicos, el realizar investigación en atención primaria sea una misión
imposible, como previamente hemos señalado, no quiero terminar dando un
mensaje de pesimismo ya que entre otras razones los profesionales sanitarios
debemos ser dispensadores de esperanza. Es posible realizar investigación en
atención primaria pues la evidencia científica y la producción científica en otras
autonomías y en otros países así lo han demostrado. Para ello hay que
establecer las condiciones mínimas que realmente lo permitan como son que
las Gerencias crean en ella, que forme parte de sus objetivos, que pongan los
recursos necesarios para su realización y que se incentive a los profesionales
(Tabla 4).
Tabla 4. Condiciones para mejorar la investigación en
Atención Primaria
q Debe formar parte de los objetivos de gestión
en Atención Primaria.
q Establecer por parte de la Administración
líneas prioritarias de investigación.
q Potenciación de las actividades científicas.
q Promover la existencia de grupos
multicéntricos.
q Incentivar a los profesionales de Atención
primaria:
r Profesionalmente.
r Formativamente.
r Económicamente.
q Formación en Metodología de la investigación.
q Apoyo estadístico y metodológico a grupos de
investigadores.
q Proporcionar tiempo dentro de la jornada
laboral para realizar dicha actividad.
q Evaluar la producción científica de los
profesionales.
q Introducción de la Atención Primaria/Medicina
de Familia como área de conocimiento en la

Universidad.
q Creación de departamentos de Medicina de
Familia en la Universidad.
La finalidad de la investigación en medicina debe ser el análisis del proceso de
enfermar y como enfrentarse a él. Por tanto es primordial enfocar la
investigación hacia la eficacia clínica. Las sociedades científicas, las unidades
docentes, las unidades de investigación, las redes de investigación, los
departamentos universitarios deben procurar estructuras organizativas
diferenciadas que favorezcan la obtención de recursos para seguir potenciando
la investigación y por tanto permitan el ejercicio de la medicina y de la
práctica clínica basada en el conocimiento. Dicha actividad no solo
proporcionará una atención médica de calidad a los pacientes objetivo principal
de nuestro trabajo sino que será un incentivo de satisfacción profesional para
los que la ejecuten.
Figura 2. Comunidades autónomas según su producción científica por 100.000 habitantes.
Período 1990-1997.
Figura 3. Comunidades autónomas según su producción científica por 100 facultativos.
Período 1990-1997.

Bibliografía
1. Martín Zurro A. Investigación en atención primaria. En: Argimón Pallás
JM, Jiménez Villa J, eds. Métodos de investigación aplicados a la atención
primaria de salud. Barcelona: Doyma, 1991.
2. Jiménez Villa J. Investigación y atención primaria. Aten primaria 1999;
23 [Supl. 1]: 66-70. [Medline]
3. Camí J, Suñen E, Carbó JM, Coma L. Producción Científica Española en
Biomedicina y Ciencias de la Salud (1994-2000). [Internet]. Informe del
Instituto de Salud Carlos III-Fondo de Investigación Sanitaria. [Acceso 20
de Abril de 2005]. Disponible en: http://www.isciii.es/sgis/mapa
4. Fernández Fernández I. ¿Investigación en atención primaria? Aten
Primaria 2003; 31(5): 281-4. [Medline] [Texto completo]
5. Vega Cubillo E, García Sánchez JA, García Ortega P, Carvajal A. La
investigación en atención primaria debe ser potenciada. Aten Primaria
2002; 30(3): 97. [Medline] [Texto completo]
6. de la Fuente JA, Mercader J, Borrell C, Martín C, Birules M, Marcos L,
Fernández de Sanmamed MJ. Factores relacionados con la actividad
investigadora de los médicos de atención primaria. Aten Primaria. 1997;
19(6): 283-9. [Medline] [Texto completo]
7. Jowett SM, Macleod J, Wilson S, Hobbs FD. Research in primary care:
extent of involvement and perceived determinants among practitioners

from one English region. Br J Gen Pract. 2000; 50(454): 387-9. [Medline]
8. Falk WA.Research in general practice. Can Med Assoc J. 1979; 120(10):
1198-200. [Medline]
9. Culpepper L, Franks P. Family medicine research. Status at the end of the
first decade. JAMA. 1983; 249(1): 63-8.
10. Llovera Canaves J. Reflexionando sobre los obstáculos en la investigación
de atención primaria. Opinión de los investigadores. En: Documentos de
trabajo sobre investigación en Atención Primaria. FIS; 1996.
11. Fernández de Sanmamed MJ, De la Fuente JA, Mercader J, Borrel C,
Martín C, Birulés M, Marcos L. Factores relacionados con la actividad
investigadora de los médicos de atención primaria. Aten Primaria 1997;
19: 283-289. [Medline] [Texto completo]
12. López Fernández LA, Martínez Millán JI, García Calvente MM, March Cerdá
JC. La investigación en atención primaria en España. Revisiones en Salud
Pública 1993;.3:.135-154.
13. Pita Fernández S. Evaluación de las comunicaciones del XIII Congreso de
Medicina Familiar y Comunitaria (La Coruña). Aten Primaria 1994; 13
(3): 150-2. [Medline]
14. Simo Miñana J, Gaztambide Ganuza M, Latour Pérez J. Producción
científica de los profesionales españoles de atención primaria (1990-
1997). Un análisis bibliométrico a partir de MEDLINE. Aten Primaria
1999; 23 [Supl. 1]: 14-28. [Medline]
15. Gómez de la Cámara A. La investigación en atención primaria. El ensayo
clínico y los estudios observacionales de productos farmacéuticos. Aten
Primaria 1999; 24: 431-435. [Medline] [Texto completo]
Arriba
© 2006 fisterra.com
Mis Datos | Contacto-Sugerencias | FAQ's | Condiciones de uso | Política
de privacidad

Medidas de frecuencia de enfermedad: incidencia y prevalencia
Medidas de frecuencia de enfermedad
Pita Fernández S (1) [ Correo de contacto ], Pértegas Díaz S (1), Valdés Cañedo F (2)
(1) Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario-Universitario
Juan Canalejo. A Coruña (España).
(2) Servicio de nefrología. Complexo Hospitalario-Universitario Juan Canalejo. A Coruña
(España).
Contenido
Proporción -
Razón - Tasa
Prevalencia
- Prevalencia de
periodo
Incidencia
- Incidencia
acumulada
- Tasa de
incidencia
(densidad de
incidencia)
Relación entre
incidencia y
prevalencia
Bibliografía
Tablas y Figuras
Figura 1.
Documento
en PDF (52
Kb)
¿Problemas
con PDF?
La epidemiología tiene entre uno de sus objetivos primordiales el estudio de la
distribución y los determinantes de las diferentes enfermedades. La cuantificación
y la medida de la enfermedad o de otras variables de interés son elementos
fundamentales para formular y testar hipótesis, así como para permitir comparar las
frecuencias de enfermedad entre diferentes poblaciones o entre personas con o sin
una exposición o característica dentro de una población determinada.
La medida más elemental de frecuencia de una enfermedad, o de cualquier otro
evento en general, es el número de personas que la padecen o lo presentan (por
ejemplo, el número de pacientes con hipertensión arterial, el número de fallecidos
por accidentes de tráfico o el número de pacientes con algún tipo de cáncer en los
que se ha registrado una recidiva). Sin embargo, dicha medida por sí sola carece
de utilidad para determinar la importancia de un problema de salud determinado,
pues debe referirse siempre al tamaño de la población de donde provienen los
casos y al periodo de tiempo en el cual estos fueron identificados. Para este
propósito, en epidemiología suele trabajarse con diferentes tipos de fracciones que
permiten cuantificar correctamente el impacto de una determinada enfermedad:
a. Proporción: es un cociente en el que el numerador está incluido en el
denominador. Por ejemplo, si en una población de 25.000 habitantes se
diagnostican 1.500 pacientes con diabetes, la proporción de diabetes en esa
población es de 1.500/25.000 = 0.06 (6%). El valor de una proporción
puede variar así de 0 a 1, y suele expresarse como un porcentaje.
b. Razón: En este cociente el numerador no forma parte del denominador. En el
ejemplo anterior, la razón entre la población con diabetes y la población no
diabética es de 1.500/23.500 = 3/47 =0,064. Cuando, como en el caso del
ejemplo, la razón se calcula entre la probabilidad de que ocurra un evento y la
probabilidad de que éste no ocurra, la razón recibe también el nombre de odds.
En el ejemplo, la odds de diabetes es de 0,06, es decir, en el área de estudio por
cada 1/0,064 = 16,7 pacientes no diabéticos hay 1 que sí lo es.
El valor de una odds puede ir de 0 a infinito. El valor 0 corresponde al caso en que la
enfermedad nunca ocurre, mientras que el valor infinito correspondería teóricamente a
una enfermedad que esté siempre presente. En realidad, una proporción y una odds
miden el mismo evento pero en escalas diferentes, y pueden relacionarse mediante las
http://www.fisterra.com/mbe/investiga/medidas_frecuencia/med_frec.htm (1 of 8)22/04/2006 1:19:08 PM

fórmulas siguientes:
c. Tasa: El concepto de tasa es similar al de una proporción, con la diferencia de
que las tasas llevan incorporado el concepto de tiempo. El numerador lo
constituye la frecuencia absoluta de casos del problema a estudiar. A su vez, el
denominador está constituido por la suma de los períodos individuales de riesgo a
los que han estado expuestos los sujetos susceptibles de la población a estudio. De
su cálculo se desprende la velocidad con que se produce el cambio de una
situación clínica a otra.
En epidemiología, las medidas de frecuencia de enfermedad más comúnmente utilizadas
se engloban en dos categorías
1-6
: Prevalencia e Incidencia.
Prevalencia
La prevalencia
7
(P) cuantifica la proporción de individuos de una población que
padecen una enfermedad en un momento o periodo de tiempo determinado. Su cálculo se
estima mediante la expresión:
Para ilustrar su cálculo, consideremos el siguiente ejemplo: en una muestra de 270
habitantes aleatoriamente seleccionada de una población de 65 y más años se objetivó
que 111 presentaban obesidad (IMC≥30). En este caso, la prevalencia de obesidad en ese
grupo de edad y en esa población sería de:
Como todas las proporciones, la prevalencia no tiene dimensión y nunca toma valores
menores de 0 ó mayores de 1, siendo frecuente expresarla en términos de porcentaje, en
tanto por ciento, tanto por mil,... en función de la “rareza” de la enfermedad estudiada.
La prevalencia de un problema de salud en una comunidad determinada suele estimarse a
partir de estudios transversales para determinar su importancia en un momento concreto,
y no con fines predictivos. Además, es evidente que el cálculo de la prevalencia será
especialmente apropiado para la medición de procesos de carácter prolongado, pero no
tendrá mucho sentido para valorar la importancia de otros fenómenos de carácter más
momentáneo (accidentes de tráfico, apendicitis, infarto de miocardio,...).
Otra medida de prevalencia utilizada en epidemiología, aunque no con tanta frecuencia,
es la llamada prevalencia de periodo, calculada como la proporción de personas que

han presentado la enfermedad en algún momento a lo largo de un periodo de tiempo
determinado (por ejemplo, la prevalencia de cáncer en España en los últimos 5 años). El
principal problema que plantea el cálculo de este índice es que la población total a la que
se refiere puede haber cambiado durante el periodo de estudio. Normalmente, la
población que se toma como denominador corresponde al punto medio del periodo
considerado. Un caso especial de esta prevalencia de periodo, pero que presenta
importantes dificultades para su cálculo, es la llamada prevalencia de vida, que trata de
estimar la probabilidad de que un individuo desarrolle una enfermedad en algún
momento a lo largo de su existencia.
Incidencia
La incidencia
8
se define como el número de casos nuevos de una enfermedad que se
desarrollan en una población durante un período de tiempo determinado. Hay dos tipos
de medidas de incidencia: la incidencia acumulada y la tasa de incidencia, también
denominada densidad de incidencia.
La incidencia acumulada ( IA) es la proporción de individuos sanos que desarrollan la
enfermedad a lo largo de un período de tiempo concreto. Se calcula según:
La incidencia acumulada proporciona una estimación de la probabilidad o el riesgo de
que un individuo libre de una determinada enfermedad la desarrolle durante un período
especificado de tiempo. Como cualquier proporción, suele venir dada en términos de
porcentaje. Además, al no ser una tasa, es imprescindible que se acompañe del periodo
de observación para poder ser interpretada.
Por ejemplo: Durante un período de 6 años se siguió a 431 varones entre 40 y 59 años
sanos, con colesterol sérico normal y tensión arterial normal, para detectar la presencia
de cardiopatía isquémica, registrándose al final del período l0 casos de cardiopatía
isquémica. La incidencia acumulada en este caso sería:
en seis años
La incidencia acumulada asume que la población entera a riesgo al principio del estudio
ha sido seguida durante todo un período de tiempo determinado para observar si se
desarrollaba la enfermedad objeto del estudio. Sin embargo, en la realidad lo que sucede
es que:
a. Las personas objeto de la investigación entran en el estudio en diferentes
momentos en el tiempo.
b. El seguimiento de dichos sujetos objeto de la investigación no es uniforme ya que
de algunos no se obtiene toda la información.

c. Por otra parte, algunos pacientes abandonan el estudio y sólo proporcionan un
seguimiento limitado a un período corto de tiempo.
Para poder tener en consideración estas variaciones de seguimiento existentes en el
tiempo, una primera aproximación sería limitar el cálculo de la incidencia acumulada al
período de tiempo durante el cual la población entera proporcionase información. Esto de
todos modos haría que perdiésemos información adicional del seguimiento disponible en
alguna de las personas incluidas. La estimación más precisa es la que utiliza toda la
información disponible es la denominada tasa de incidencia o densidad de incidencia
(DI). Se calcula como el cociente entre el número de casos nuevos de una enfermedad
ocurridos durante el periodo de seguimiento y la suma de todos los tiempos individuales
de observación:
El total de personas-tiempo de observación (suma de los tiempos individuales de
observación) es la suma de los períodos de tiempo en riesgo de contraer la enfermedad
correspondiente a cada uno de los individuos de la población. La suma de los períodos de
tiempo del denominador se mide preferentemente en años y se conoce como tiempo en
riesgo. El tiempo en riesgo para cada individuo objeto de estudio es el tiempo durante el
cual permanece en la población de estudio y se encuentra libre de la enfermedad, y por lo
tanto en riesgo de contraerla.
La densidad de incidencia no es por lo tanto una proporción, sino una tasa, ya que el
denominador incorpora la dimensión tiempo. Su valor no puede ser inferior a cero pero
no tiene límite superior.
Para ilustrar su cálculo consideremos el siguiente ejemplo: En un estudio de seguimiento
durante 20 años de tratamiento hormonal en 8 mujeres postmenopáusicas se observó que
se presentaron 3 casos de enfermedad coronaria. Con estos datos, la incidencia
acumulada sería de un 3/8 = 0,375 ⇒ 37,5% durante los 20 años de seguimiento. Sin
embargo, tal y como se muestra en la Figura 1, el tiempo de seguimiento no es el mismo
para todas las pacientes. Mientras que, por ejemplo, la paciente A ha sido observada
durante todo el periodo, la paciente D ha comenzado el tratamiento más tarde, una vez
comenzada la investigación, y ha sido seguida sólo durante 15 años. En otros casos,
como la paciente C, han abandonado el tratamiento antes de finalizar el estudio sin
presentar ninguna afección coronaria. En total se obtienen 84 personas-año de
observación. La tasa de incidencia resultó por tanto ser igual a:
personas por año
Esto es, la densidad de incidencia de enfermedad coronaria en esa población es de 3,6
nuevos casos por cada 100 personas-año de seguimiento.
La elección de una de las medidas de incidencia (incidencia acumulada o densidad de

incidencia) dependerá, además del objetivo que se persiga, de las características de la
enfermedad que se pretende estudiar. Así, la incidencia acumulada se utilizará
generalmente cuando la enfermedad tenga un periodo de latencia corto, recurriéndose a
la densidad de incidencia en el caso de enfermedades crónicas y con un periodo de
latencia mayor. En cualquier caso, debe tenerse en cuenta que la utilización de la
densidad de incidencia como medida de frecuencia de una enfermedad está sujeta a las
siguientes condiciones:
a. El riesgo de contraer la enfermedad es constante durante todo el periodo de
seguimiento. Si esto no se cumple y, por ejemplo, se estudia una enfermedad con
un periodo de incubación muy largo, el periodo de observación debe dividirse en
varios subperiodos.
b. La tasa de incidencia entre los casos que completan o no el seguimiento es
similar. En caso contrario se obtendría un resultado sesgado.
c. El denominador es adecuado a la historia de la enfermedad.
Además, en el cálculo de cualquier medida de incidencia han de tenerse en consideración
otros aspectos. En primer lugar, no deben incluirse en el denominador casos prevalentes
o sujetos que no estén en condiciones de padecer la enfermedad a estudio. El
denominador sólo debe incluir a aquellas personas en riesgo de contraer la enfermedad
(por ejemplo, la incidencia de cáncer de próstata deberá calcularse en relación a la
población masculina en una comunidad y no sobre la población total), aunque también es
cierto que en problemas poco frecuentes la inclusión de casos prevalentes no cambiará
mucho el resultado. En segundo lugar, además, es importante aclarar, cuando la
enfermedad pueda ser recurrente, si el numerador se refiere a casos nuevos o a episodios
de una misma patología.
Relación entre incidencia y prevalencia
Prevalencia e incidencia son conceptos a su vez muy relacionados. La prevalencia
depende de la incidencia y de la duración de la enfermedad. Si la incidencia de una
enfermedad es baja pero los afectados tienen la enfermedad durante un largo período de
tiempo, la proporción de la población que tenga la enfermedad en un momento dado
puede ser alta en relación con su incidencia. Inversamente, si la incidencia es alta y la
duración es corta, ya sea porque se recuperan pronto o fallecen, la prevalencia puede ser
baja en relación a la incidencia de dicha patología. Por lo tanto, los cambios de
prevalencia de un momento a otro pueden ser resultado de cambios en la incidencia,
cambios en la duración de la enfermedad o ambos.
Esta relación entre incidencia y prevalencia puede expresarse matemáticamente de un
modo bastante sencillo
4,7,9
. Si se asume que las circunstancias de la población son
estables, entendiendo por estable que la incidencia de la enfermedad haya permanecido
constante a lo largo del tiempo, así como su duración, entonces la prevalencia tampoco
variará. Así, si el número de casos prevalentes no cambia, el número de casos nuevos de
la enfermedad ha de compensar a aquellos individuos que dejan de padecerla:
Nº de casos nuevos de la enfermedad = Nº de casos que se curan o fallecen (1)

Si se denota por N al total de la población y E al número de enfermos en la misma, N-E
será el total de sujetos sanos en esa población. Durante un periodo de tiempo t, el número
de gente que contrae la enfermedad viene dado entonces por:
(2)
donde DI denota a la densidad de incidencia.
Por otro lado, el número de enfermos que se curan o fallecen en ese periodo puede
calcularse como:
(3)
donde D es la duración media de la enfermedad objeto de estudio.
Combinando (2) y (3) en (1) se obtiene que:
(4)
El cociente E/N-E es el cociente entre los individuos enfermos y los no enfermos, o
equivalentemente, entre la prevalencia y su complementario, P/1-P (lo que habíamos
denominado odds), de modo que la expresión (4) puede escribirse equivalentemente
como:
(5)
En el caso además en el que la prevalencia de la enfermedad en la población sea baja, la
cantidad 1 - P es aproximadamente igual a 1 y la expresión (5) quedaría finalmente:
(6)
Es decir, si se asume que las circunstancias de la población son estables y la enfermedad
es poco frecunente, la prevalencia es proporcional al producto de la densidad de
incidencia (DI) y el promedio de duración de la enfermedad (D).
De las consideraciones anteriores se deduce que la prevalencia carece de utilidad para
confirmar hipótesis etiológicas, por lo que resulta más adecuado trabajar con casos
incidentes. Los estudios de prevalencia pueden obtener asociaciones que reflejen los
determinantes de la supervivencia y no las causas de la misma, conduciendo a
conclusiones erróneas. No obstante, su relación con la incidencia permite que en
ocasiones pueda utilizarse como una buena aproximación del riesgo para evaluar la
asociación entre las causas y la enfermedad. También es cierto que en otras aplicaciones
distintas a la investigación etiológica, como en la planificación de recursos o las

prestaciones sanitarias, la prevalencia puede ser una mejor medida que la incidencia ya
que nos permite conocer la magnitud global del problema.
Bibliografía
1. Kark SL. Epidemiology and community medicine. Nueva York: Appleton-Century-Crofts;
1975. p.19-21.
2. Kleimbaum D, Kupper I, Morgenstern H. Epidemiologic Research. Belmont: Lifetime
Learning Publications; 1982.
3. Mausner J, Kramer S. Epidemiology: an introductory text. 2ª ed. Filadelfia: WB Saunders
Company; 1985.
4. Rothman KJ. Modern Epidemiology. Boston: Little, Brown & Co; 1986.
5. Colimón KM. Fundamentos de epidemiología. 2ª ed. Madrid: Díaz de Santos; 1990.
6. Argimón Pallás JM, Jiménez Villa J. Métodos de Investigación Clínica y Epidemiológica.
2ª ed. Madrid: Harcourt; 2000.
7. Tapia Granados JA. Medidas de prevalencia y relación incidencia-prevalencia. Med Clin
(Barc) 1995; 105: 216-218. [Medline]
8. Tapia Granados JA. Incidencia: concepto, terminología y análisis dimensional. Med Clin
(Barc) 1994; 103: 140-142. [Medline]
9. Freeman J, Hutchinson GB. Prevalence, incidente and duration. Am J Epidemiol 1980; 112:
707-723. [Medline]
Figura 1. Ejemplo de cálculo de la densidad de incidencia: estudio de seguimiento de una cohorte de
mujeres postmenopáusicas con tratamiento hormonal.

Paciente Seguimiento (años) Enfermedad coronaria
A 20 No
B 10 Sí
C 15 No
D 15 No
E 4 Sí
F 6 No
G 7 No
H 7 Sí
Página Principal | Material para la Consulta | Metodología de la Investigación

Cálculo de probabilidades: nociones básicas
Pértegas Díaz S (1), Pita Fernández S (1) [ Correo de contacto ],
(1) Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario-Universitario Juan
Canalejo. A Coruña (España).
Contenido
El concepto de
probabilidad
Probabilidades
condicionadas
Teorema de las
Probabilidades
totales
Teorema de
Bayes
Bibliografía
Tablas y Figuras
Tabla 1.
Asociación entre
el hábito
tabáquico y el
desarrollo de
una enfermedad.
Documento
en PDF (56
Kb)
¿Problemas
con PDF?
La estadística, junto con la epidemiología, es un instrumento indispensable en el
proceso de investigación en medicina. Formalmente, se puede clasificar la estadística en
descriptiva, cuando se utiliza simplemente para la presentación y síntesis de la
información recogida en un estudio, e inferencial, que tiene por objetivo generalizar la
información obtenida en una muestra a resultados válidos para la población de la que
procede
1
. Supongamos, por ejemplo, que nos interesa comparar dos fármacos A y B y
determinar cuál de ellos es más eficaz para el tratamiento de una determinada
enfermedad. Para ello, se diseña un estudio distribuyendo 100 enfermos en dos grupos,
cada uno de los cuales recibe uno de los dos tratamientos. Al cabo de 1 mes, la tasa de
curación en cada grupo es del 80% y del 70%, respectivamente. Ante esta información,
¿es correcto suponer que el tratamiento A es mejor que el tratamiento B para esta
enfermedad en concreto? La respuesta a esta pregunta, como a la mayor parte de
problemas que pueden plantearse en medicina, está sujeta a un cierto grado de
incertidumbre que hacen muy complicado tomar una decisión al respecto. En la
respuesta de un paciente al tratamiento pueden influir diversos factores, entre los que se
incluye el azar, que pueden provocar una gran variabilidad en los resultados. La
aplicación de los principios de la estadística a la clínica permite reducir y cuantificar
dicha variabilidad y ayudar a la toma de decisiones. En particular, el cálculo de
probabilidades suministra las reglas apropiadas para cuantificar esa incertidumbre y
constituye la base para la estadística inductiva o inferencial.
El objetivo de este trabajo consiste en introducir algunos de los conceptos básicos del cálculo
de probabilidades, así como las reglas necesarias para el desarrollo de la inferencia estadística
en medicina. Una exposición más detallada de estos y otros conceptos puede encontrarse en
referencias más especializadas
2-8
.
El concepto de probabilidad resulta familiar a cualquier profesional del ámbito sanitario,
pero una definición más precisa exige considerar la naturaleza matemática de dicho concepto.
La probabilidad de ocurrencia de un determinado suceso podría definirse como la proporción
de veces que ocurriría dicho suceso si se repitiese un experimento o una observación en un
número grande de ocasiones bajo condiciones similares. Por definición, entonces, la
probabilidad se mide por un número entre cero y uno: si un suceso no ocurre nunca, su
probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sería igual a
uno. Así, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes.
La definición anterior de probabilidad corresponde a la conocida como definición frecuentista.
Existe otra descripción más formal desde el punto teórico que permite definir el concepto de
probabilidad mediante la verificación de ciertos axiomas a partir de los que se deducen todas
http://www.fisterra.com/mbe/investiga/probabilidades/probabilidades.htm (1 of 7)22/04/2006 1:19:20 PM

las demás propiedades del cálculo de probabilidades
2
. En otros contextos, se ha defendido una
interpretación más amplia del concepto de probabilidad que incluye las que podemos
denominar probabilidades subjetivas o personales, mediante las cuales se expresa el grado de
confianza o experiencia en una proposición. Esta definición constituye la base de los llamados
métodos bayesianos, que se presentan como alternativa a la estadística tradicional centrada en
el contraste de hipótesis
9-11
. No obstante, y en relación con el propósito de este trabajo,
bastará con considerar la definición frecuentista anterior. Así, a partir de una población con N
elementos, de los cuales k presentan una característica A, se estimará la probabilidad de la
característica A como P(A) = k/N. Así, por ejemplo, en una población de 100 pacientes, 5 de
los cuales son diabéticos, la probabilidad de padecer diabetes p(Diabetes) se estimará como el
cocient:e 5/100= 0.5.
Es conveniente conocer algunas de las propiedades básicas del cálculo de probabilidades:
q Para un suceso A, la probabilidad de que suceda su complementario (o
equivalentemente, de que no suceda A) es igual a uno menos la probabilidad de A:
donde denota al suceso contrario o suceso complementario de A.
q Si un fenómeno determinado tiene dos posibles resultados A y B mutuamente
excluyentes (es decir, que no pueden darse de forma simultánea, como ocurre en el
lanzamiento de una moneda al aire), la probabilidad de que una de esas dos
posibilidades ocurra se calcula como la suma de las dos probabilidades individuales:
(1)
La extensión de la ley aditiva anterior al caso de más de dos sucesos mutuamente excluyentes
A, B, C... indica que:
Consideremos, como ejemplo, un servicio de urología en el que el 38,2% de los pacientes a
los que se les practica una biopsia prostática presentan una hiperplasia benigna (HB), el
18,2% prostatitis (PR) y en un 43,6% el diagnóstico es de cáncer (C). La probabilidad de que
en un paciente que se somete a una biopsia de próstata no se confirme el diagnóstico de cáncer
prostático será igual a:
Es decir, en un 56,4% de los casos se logra descartar un diagnóstico maligno. De modo
equivalente, la probabilidad anterior podría haberse calculado como la probabilidad del suceso
contrario al del diagnóstico de cáncer:

Nótese la importancia del hecho de que los sucesos anteriores sean mutuamente excluyentes.
Sin esta condición, la ley de adición no será válida. Por ejemplo, se sabe que en una
determinada Unidad de Cuidados Intensivos (UCI) el 6,9% de los pacientes que ingresan lo
hacen con una infección adquirida en el exterior, mientras que el 13,7% adquieren una
infección durante su estancia en el hospital. Se conoce además que el 1,5% de los enfermos
ingresados en dicha unidad presentan una infección de ambos tipos. ¿Cuál será entonces la
probabilidad de que un determinado paciente presente una infección de cualquier tipo en UCI?
Para realizar el cálculo, si se suman simplemente las probabilidades individuales (0,069
+0,137) la probabilidad de un suceso doble (infección comunitaria y nosocomial) se estará
evaluando dos veces, la primera como parte de la probabilidad de padecer una infección
comunitaria y la segunda como parte de la probabilidad de adquirir una infección en la UCI.
Para obtener la respuesta correcta se debe restar la probabilidad del doble suceso. Así:
q Si un fenómeno determinado tiene dos posibles resultados A y B, la probabilidad de
que una de esas dos posibilidades ocurra viene dada, en general, por la expresión:
Por lo tanto, si dos o más sucesos no son mutuamente excluyentes, la probabilidad de que
ocurra uno de ellos o ambos se calcula sumando las probabilidades individuales de que ocurra
una de esas circunstancia, pero restando la probabilidad de que ocurra la común.
Resulta evidente que, para el caso de procesos mutuamente excluyentes, y se
obtiene (1).
En el ejemplo anterior, la probabilidad de infección en UCI vendrá dada, por lo tanto, como:
Es decir, 19 de cada 100 enfermos registrará alguna infección (ya sea de tipo comunitario o
nosocomial) durante su ingreso en la citada unidad.
A veces, la probabilidad de que un determinado suceso tenga lugar depende de que otro
suceso se haya producido o no con anterioridad. Esto es, en ocasiones el hecho de que se
produzca un determinado fenómeno puede hacer más o menos probable la aparición de otro.
Este tipo de probabilidades se denominan probabilidades condicionadas, y se denotará por
a la probabilidad condicionada del suceso A suponiendo que el suceso B haya
ocurrido ya.
q La ley multiplicativa de probabilidades indica que la probabilidad de que dos
sucesos A y B ocurran simultáneamente es igual a:
(3)
La ley multiplicativa anterior se utiliza también con el fin de determinar una probabilidad
condicional a partir de los valores de y :

(4)
Supongamos, por ejemplo, que queremos estudiar la incidencia del hecho de ser fumador
como factor de riesgo en el desarrollo de una enfermedad en una determinada población. Para
ello se diseñó un estudio prospectivo y, tras seleccionar una muestra de 180 sujetos, los
resultados son los que se muestran en la Tabla 1. Considerando toda la muestra, la
probabilidad de desarrollar la enfermedad (E) en la población de estudio es:
Mientras que la probabilidad de padecer la enfermedad un fumador (F) es:
Y un no fumador:
Teniendo en cuenta que:
Podría haberse aplicado la fórmula (4) para obtener cualquiera de las dos probabilidades
condicionadas anteriores, resultando idénticos valores:
En el ejemplo, se constata por lo tanto que la incidencia de la enfermedad es diferente en la
población fumadora que en la no fumadora (85,7% vs 18,2%). Así pues, la probabilidad de
desarrollar la enfermedad depende de si se es o no fumador. En otras ocasiones, sin embargo,
sucede que la ocurrencia o no de un determinado fenómeno B no influye en la ocurrencia de
otro suceso A. Se dice entonces que los sucesos A y B son independientes y se verificará que:
(5)
Sustituyendo (5) en (3) se obtiene entonces que:

Es decir, en caso de independencia, la probabilidad de que ocurran dos sucesos de forma
simultánea es igual al producto de las probabilidades individuales de ambos sucesos.Así, dos
sucesos son independientes, si el resultado de uno no tiene efecto en el otro; o si el que ocurra
el primero de ellos no hace variar la probabilidad de que se de el segundo.
Obviamente, en la práctica, y debido a las variaciones en el muestreo, será extremadamente
difícil encontrar una muestra que reproduzca de forma exacta las condiciones de
independencia anteriores. El determinar si las diferencias observadas son o no compatibles
con la hipótesis de independencia constituye uno de los principales problemas que aborda la
estadística inferencial.
q Si se considera un fenómeno con k resultados posibles, mutuamente excluyentes, B1,
B2,...,Bk y se conoce la probabilidad de cada uno de ellos, el llamado Teorema de las
Probabilidades Totales permite calcular la probabilidad de un suceso A a partir de las
probabilidades condicionadas:
Utilizando la expresión para el cálculo de la probabilidad de la intersección de dos sucesos se
tiene que y, por lo tanto:
En el ejemplo anterior, podría aplicarse este resultado para el cálculo de la incidencia de la
enfermedad en la población de estudio:
Las leyes aditiva y multiplicativa, junto con la noción de probabilidades condicionadas y el
teorema de las probabilidades totales se han empleado para desarrollar el llamado Teorema
de Bayes, de indudable interés en la aplicación de la estadística al campo de la medicina. Si se
parte de la definición de probabilidad condicionada (4):
ó
siempre que y . Aplicando además el teorema de las probabilidades totales
se llega a que:
El diagnóstico médico constituye un problema típico de aplicación del Teorema de Bayes en

el campo médico, puesto que permite el cálculo de la probabilidad de que un paciente padezca
una determinada enfermedad una vez dados unos síntomas concretos. La capacidad predictiva
de un test o de una prueba diagnóstica suele venir dada en términos de su sensibilidad y
especificidad
12
. Tanto la sensibilidad como la especificidad son propiedades intrínsecas a la
prueba diagnóstica, y definen su validez independientemente de cuál sea la prevalencia de la
enfermedad en la población a la cual se aplica. Sin embargo, carecen de utilidad en la práctica
clínica, ya que sólo proporcionan información acerca de la probabilidad de obtener un
resultado concreto (positivo o negativo) en función de si un paciente está realmente enfermo o
no. Por el contrario, el concepto de valores predictivos, a pesar de ser de enorme utilidad a la
hora de tomar decisiones clínicas y transmitir información sobre el diagnóstico, presenta la
limitación de que dependen en gran medida de lo frecuente que sea la enfermedad a
diagnosticar en la población objeto de estudio. El Teorema de Bayes permite obtener el valor
predictivo asociado a un test al aplicarlo en poblaciones con índices de prevalencia muy
diferentes.
Consideremos como ejemplo un caso clínico en el que una gestante se somete a la prueba de
sobrecarga oral con 50 gramos de glucosa para explorar la presencia de diabetes gestacional,
obteniéndose un resultado positivo. Es sabido que dicho test presenta unos valores
aproximados de sensibilidad y especificidad en torno al 80% y al 87%, respectivamente. Si se
conoce además que la prevalencia de diabetes gestacional en la población de procedencia es
aproximadamente de un 3%, por medio del teorema de Bayes podemos conocer la
probabilidad de que el diagnóstico sea correcto o, equivalentemente, el valor predictivo
positivo:
Se puede concluir por lo tanto que, a pesar de obtener un resultado positivo en la prueba,
existe sólo una probabilidad de un 15,9% de que la paciente padezca diabetes gestacional.
Supongamos que además dicha paciente tiene más de 40 años de edad. Se sabe que en grupos
de edad más avanzada la prevalencia de diabetes gestacional entre las gestantes llega a
aumentar hasta aproximadamente un 8%. En este caso, el valor predicativo positivo asociado
vendrá dado por:
En este caso las posibilidades de un diagnóstico de diabetes gestacional aumentan hasta un
34,86%.
En un caso como este, en que se realiza una prueba para obtener información sobre un

diagnóstico, suele hablarse de probabilidad a priori, que es la disponible antes de realizar la
prueba (la prevalencia, en este caso) y probabilidad a posteriori, que es la obtenida después de
realizarla (los valores predictivos). A su vez, se suele denominar verosimilitudes a las
probabilidades de un suceso bajo distintas hipótesis. El teorema de Bayes permite así obtener
los valores de las probabilidades a posteriori a partir de las probabilidades a priori mediante
una multiplicación proporcional a las verosimilitudes.
Tal y como se indicó al inicio del presente artículo, la teoría de la probabilidad constituye la
base matemática para la aplicación de la estadística inferencial en medicina. El cálculo de
probabilidades constituye una herramienta que permitirá hacer inferencia sobre distintos
parámetros poblacionales a partir de los resultados obtenidos en una muestra, y después tomar
decisiones con el mínimo riesgo de equivocación en situaciones de incertidumbre.
Bibliografía
1. Argimón Pallás JM, Jiménez Villa J. Métodos de investigación clínica y epidemiológica. 2ª ed.
Madrid: Harcourt; 2000.
2. Sentís J, Pardell H, Cobo E, Canela J. Bioestadística. 3ª ed. Barcelona: Masson; 2003.
3. Colton T. Estadística en medicina. Barcelona: Salvat; 1979.
4. Armitage P, Berry G. Estadística para la investigación biomédica. Barcelona: Doyma; 1992.
5. Departamento de Medicina y Psiquiatría. Universidad de Alicante. Tratado de Epidemiología
Clínica. Madrid: DuPont Pharma; 1995.
6. Altman DG. Practical Statistics for Medical Research. London: Chapman & Hall; 2004.
7. Vélez R, Hernández V. Cálculo de Probabilidades I. Madrid: UNED; 1995.
8. Quesada V, García A. Lecciones de Cálculo de Probabilidades. Madrid: Díaz de Santos; 1988.
9. Silva LC, Benavides A. El enfoque bayesiano: otra manera de inferir. Gac Sanit 2001; 15(4): 341-
346.
10. Silva LC, Suárez P. ¿Qué es la inferencia bayesiana? JANO 2000; 58: 65-66.
11. Silva LC, Muñoz A. Debate sobre métodos frecuentistas vs bayesianos. Gac Sanit 2000; 14: 482-
494.
12. Pértega Díaz S, Pita Fernández S. Pruebas diagnósticas. Cad Aten Primaria 2003; 10: 120-124.
[Texto completo]
Tabla 1. Asociación entre el hábito tabáquico y el desarrollo de una enfermedad. Datos de
un estudio de seguimiento en 180 individuos.
Enfermos Sanos Total:
Fumador 60 10 70
No fumador 20 90 110
Total: 80 100 180
Página Principal | Material para la Consulta | Metodología de la Investigación

Determinación de factores de riesgo
Pita Fernández S, Vila Alonso MT, Carpente Montero J. [ Correo de contacto ]
Coruña (España)
Contenido
Utilización del
riesgo
Cuantificación
del riesgo
- Riesgo
absoluto
- Riesgo relativo
- Odds Ratio
- Fracción y
riesgo atribuible
Intervalos de
confianza para
la estimación
del riesgo
Bibliografía
Documento
en PDF (54
Kb)
¿Problemas
con PDF?
UBC Clinical
Significance
Calculator
En cada sociedad existen comunidades, grupos de individuos, familias o individuos
que presentan más posibilidades que otros, de sufrir en un futuro enfermedades,
accidentes, muertes prematuras…, se dice que son individuos o colectivos
especialmente vulnerables. A medida que se incrementan los conocimientos sobre
los diferentes procesos, la evidencia científica demuestra en cada uno de ellos que:
en primer lugar las enfermedades no se presentan aleatoriamente y en segundo que
muy a menudo esa "vulnerabilidad" tiene sus razones.
La vulnerabilidad se debe a la presencia de cierto número de características de tipo
genético, ambiental, biológicas, psicosociales, que actuando individualmente o
entre sí desencadenan la presencia de un proceso. Surge entonces el término de
"riesgo" que implica la presencia de una característica o factor (o de varios) que
aumenta la probabilidad de consecuencias adversas. En este sentido el riesgo
constituye una medida de probabilidad estadística de que en un futuro se produzca
un acontecimiento por lo general no deseado. El termino de riesgo implica que la
presencia de una característica o factor aumenta la probabilidad de consecuencias
adversas. La medición de esta probabilidad constituye el enfoque de riesgo (1-4).
Un factor de riesgo es cualquier característica o circunstancia detectable de una
persona o grupo de personas que se sabe asociada con un aumento en la
probabilidad de padecer, desarrollar o estar especialmente expuesto a un proceso
mórbido. Estos factores de riesgo (biológicos, ambientales, de comportamiento,
socio-culturales, económicos..) pueden sumándose unos a otros, aumentar el efecto
aislado de cada uno de ellos produciendo un fenómeno de interacción.
UTILIZACIÓN DEL RIESGO
El conocimiento y la información sobre los factores de riesgo tienen diversos objetivos
(5):
a. Predicción: La presencia de un factor de riesgo significa un riesgo aumentado de
presentar en un futuro una enfermedad, en comparación con personas no
expuestas. En este sentido sirven como elemento para predecir la futura presencia
http://www.fisterra.com/mbe/investiga/3f_de_riesgo/3f_de_riesgo.htm (1 of 8)22/04/2006 1:19:29 PM

de una enfermedad.
b. Causalidad: La presencia de un factor de riesgo no es necesariamente causal. El
aumento de incidencias de una enfermedad entre un grupo expuesto en relación a
un grupo no expuesto, se asume como factor de riesgo, sin embargo esta
asociación puede ser debida a una tercera variable. La presencia de esta o estas
terceras variables se conocen como variables de confusión. Así por ejemplo el
ejercicio físico se conoce como factor de protección asociado al infarto de
miocardio. El efecto protector que pueda tener el ejercicio, se debe controlar por la
edad de los pacientes, ya que la edad está asociada con el infarto de miocardio en
el sentido de que a más edad más riesgo. Por otra parte la mayor dosis de ejercicio
la realiza la gente más joven; por lo tanto parte del efecto protector detectado entre
el ejercicio y el infarto de miocardio esta condicionado por la edad. La edad en
este caso actúa como variable de confusión.
c. Diagnóstico: La presencia de un factor de riesgo aumenta la probabilidad de que
se presente una enfermedad. Este conocimiento se utiliza en el proceso
diagnóstico ya que las pruebas diagnósticas tienen un valor predictivo positivo
más elevado, en pacientes con mayor prevalencia de enfermedad. El conocimiento
de los factores de riesgo se utiliza también para mejorar la eficiencia de los
programas de cribaje, mediante la selección de subgrupos de pacientes con riesgo
aumentado.
d. Prevención: Si un factor de riesgo se conoce asociado con la presencia de una
enfermedad, su eliminación reducirá la probabilidad de su presencia. Este es el
objetivo de la prevención primaria. Así por ejemplo se relacionan la obesidad y la
hipertensión, la hipercolesterolemia y la enfermedad coronaria, el tabaco y el
cáncer de pulmón….
Cuantificación del riesgo
El término de riesgo implica que la presencia de una característica o factor aumenta la
probabilidad de consecuencias adversas.
La cuantificación del grado de riesgo constituye un elemento esencial y fundamental en la
formulación de políticas y prioridades que no deben dejar hueco a la intuición ni a la
casualidad. Hay diferentes maneras de cuantificar ese riesgo (1,6):
a. Riesgo Absoluto: Mide la incidencia del daño en la población total.
b. Riesgo Relativo: Compara la frecuencia con que ocurre el daño entre los que
tienen el factor de riesgo y los que no lo tienen (Tabla 1).
TABLA 1.1. TABLA DE 2 x 2 PARA EL CALCULO DE LAS MEDIDAS DE ASOCIACIÓN EN UN
ESTUDIO DE SEGUIMIENTO
Enfermos Sanos Total

Expuestos a b a + b
No expuestos c d c + d
Total a + c b + d a + b + c + d
TABLA 1.2. TABLA DE 2 x 2 EN LOS ESTUDIOS DE CASOS Y CONTROLES
Casos Controles
Expuestos a b
No expuestos c d
Odds ratio (razón de predominio, oportunidad relativa)
El riesgo relativo mide la fuerza de la asociación entre la exposición y la enfermedad.
Indica la probabilidad de que se desarrolle la enfermedad en los expuestos a un factor de
riesgo en relación al grupo de los no expuestos. Su cálculo se estima dividiendo la
incidencia de la enfermedad en los expuestos (Ie) entre la incidencia de la enfermedad en
los no expuestos (Io).
En la Tabla 2, exponemos los resultados de un estudio de seguimiento (7) donde 853
mujeres estuvieron pasivamente expuestas al humo del tabaco durante la gestación y 1620
no lo estuvieron, y su asociación con el bajo peso al nacer.
TABLA 2. DISTRIBUCION DE GESTANTES SEGÚN EXPOSICIÓN PASIVA AL HUMO DE TABACO
Y RECIEN NACIDOS SEGÚN BAJO PESO O PESO NORMAL (7)
Tabaco
Exposición pasiva
Recien Nacido de Bajo peso
Total
Sí No
Sí 20 833 853
No 14 1606 1620
Total 34 2439 2473
X2 = 9.03; p = 0.00265
95% IC (1.38;5.34)
El riesgo relativo igual a 2.71 de la tabla 2, significa que las expuestas al factor x
(exposición pasiva al tabaco) tienen 2,71 veces más probabilidades de tener niños de bajo
peso que las no expuestas.

En los estudios de casos y controles, dado que la incidencia es desconocida, el método de
estimación del riesgo relativo es diferente y se estima calculando el Odds ratio, traducida
al castellano con múltiples nombres como (8,9,10,11): razón de productos cruzados,
razón de disparidad, razón de predominio, proporción de desigualdades, razón de
oposiciones, oposición de probabilidades contrarias, cociente de probabilidades relativas,
oportunidad relativa.
Su cálculo se indica en la tabla 1 y es:
c. Fracción Atribuible y Riesgo Atribuible
La Fracción atribuible: Estima la proporción de la enfermedad entre los expuestos que
puede ser atribuible al hecho de estar expuestos. Esta medida la podemos calcular:
a. en el grupo de expuestos y
b. en la población.
La fracción atribuible en el grupo expuesto (fracción etiológica, o porcentaje de riesgo
atribuible en los expuestos), establece el grado de influencia que tiene la exposición en la
presencia de enfermedad entre los expuestos. Su cálculo se realiza:
Según los datos de la Tabla 2 la FAe sería:
Lo que significa que el 63.14% del bajo peso en los expuestos se debe a la exposición.
Si dividimos en numerador y el denomidador por la Io (Incidencia en los no expuestos),
obtendremos una nueva fórmula que expresa la misma idea.
Dado que en nuestro ejemplo previo el riesgo relativo era 2.71 el cálculo se podría
expresar también como:

El Riesgo Atribuible en los expuestos se calcula: RAe = Ie – Io
Su cálculo esta determinado por la diferencia entre la incidencia de expuestos y no
expuestos. La diferencia entre ambos valores da el valor del riesgo de enfermedad en la
cohorte expuesta, que se debe exclusivamente a la exposición.
La Fracción Atribuible en la Población (FAP), muestra la proporción en que el daño
podría ser reducido si los factores de riesgo causales desapareciesen de la población total.
It = Incidencia en la población total
Io = Incidencia en los no expuestos
Si la prevalencia de la exposición en la población es disponible él calculo también se
puede realizar del siguiente modo con esta fórmula alternativa:
Pt = Prevalencia de la exposición (o factor de riesgo) en la población.
La fracción atribuible en la población total es una medida de asociación influenciada por
la prevalencia del factor de riesgo en la población total. Para el cálculo de la misma
utilizaremos el ejemplo de la tabla 3 (1).
Este valor, es el porcentaje de riesgo atribuible en la población para el factor de riesgo
"sin control prenatal". El concepto que encierra es totalmente similar al de la FAe, con la
salvedad de que es un parámetro que se refiere a toda la colectividad y no solamente a los
expuestos.
La fórmula alternativa previamente indicada permite objetivar como cambia el impacto
de una intervención con la prevalencia de un factor de riesgo. En los estudios de casos y
controles, en los cuales no se pueden obtener tasas reales de incidencia, uno puede usarla
tomando la razón de productos cruzados, la razón de predominio, la oportunidad relativa,
el OR en definitiva, como una aproximación para el riesgo relativo.

Tabla 3. MORTALIDAD PERINATAL SEGÚN LA PRESENCIA O AUSENCIA DE CONTROLES
PRENATALES (1)
Controles Prenatales
Mortalidad perinatal
Total
Sí No
0 2056 25891 27947
1 ó más 776 22387 23163
Total 2832 48278 51110
El Riesgo Atribuible en Población general se calcula: RAp = It – Io.
Se podría definir como la cantidad de riesgo que sufre toda la población como
consecuencia de la exposición. Representa lo mismo que el RAe, pero referido a la
comunidad.
Intervalos de confianza para la estimación del riesgo.
Cuando calculamos el Riesgo Relativo debemos expresar sí dicho riesgo es diferente de
1. Si al construir el 95% intervalo de confianza el intervalo no incluye el valor 1
concluimos que el riesgo es estadísticamente significativo p<0.05. Si el 99% intervalo de
confianza no incluye el valor 1, el riesgo relativo es significativo p<0.01.
Si el riesgo relativo fuese menor de 1 y su intervalo de confianza también, estaríamos
ante la presencia de un factor de protección.
El cálculo de dicho 95% IC para el riesgo relativo se realiza del siguiente modo
(12,13,14):
(RR) exp [± 1.96 Error Estándar del Ln RR)
donde:
-RR es la estimación puntual del riesgo relativo
-exp es la base del logaritmo natural elevada a la cantidad entre paréntesis
- a,b,c y d representan los valores numéricos de la tabla de 2 x 2
Si utilizamos el ejemplo de la tabla 2 tendríamos:

1. Logaritmo natural de 2.71 = 0.996
2. Error estándar =
3. El 95% intervalo de confianza del logaritmo de RR= 0.99 ± 1.96 * 0.34 = (0.319;
1.674)
4. El antilogaritmo de estos límites es: e 0.319 a e1.67 = (1.38 a 5.34)
Por tanto en el ejemplo (tabla 2) el RR = 2.71 y el 95% Intervalo de confianza es: 1.38 a
5.34
El cálculo del 95% IC para el OR en un estudio de casos y controles seria:
donde:
q OR es la estimación puntual del Odds ratio
q exp es la base del logaritmo natural elevada a la cantidad entre paréntesis.
q a,b,c y d representan los valores numéricos de la tabla de 2 x 2
El cálculo del intervalo de confianza del riesgo relativo y del odds ratio es fundamental al
realizar el análisis de cualquier estudio. Dicho cálculo nos indica no solo la dirección del
efecto, sino la significancia estadística, si el intervalo no engloba el valor 1 y la precisión
del intervalo que está directamente relacionada con el tamaño muestral del estudio.
Estimado el riesgo de cada variable de forma independiente, se debe en un siguiente paso
determinar el riesgo de dicha variable teniendo en cuenta las demás variables utilizando
técnicas de regresión múltiples.
BIBLIOGRAFÍA
1. Serie PALTEX para ejecutores de programas de salud Nº 7. Manual sobre el
enfoque de riesgo en al atención materno-infantil. Washington: Organización
Panamericana de la salud; 1986.
2. MacMahon, Trichopoulos D. Epidemiology: Principles and Methods. Second
edition. Boston: Little Brown & Company; 1996.
3. Brownson R.C., Remington P.L., Davis J.R. Chronic disease epidemiology and
control. Baltimore: American Public Health Association; 1993.
4. Lilienfeld D.E., Stolley P.D. Foundation of Epidemiology. 3 td. ed. New York:
Oxford University Press; 1994.
5. Fletcher R.H., Fletcher S.W., Wagner E.H. Epidemiología clínica. Barcelona:
Ediciones Consulta; 1989.
6. Pita Fernández S. Epidemiología. Conceptos básicos. En: Tratado de

epidemiología clínica. Madrid: DuPont Pharma; 1995.
7. Martín TR, Bracken MB. Association of low birth weight with passive smoke
exposure in pregnancy. Am J. Epidemiol 1986; 124: 633-642. [Medline]
8. Rigau Pérez J.G. Traducción del término "odds ratio". Gac Sanit 1990; 16: 35.
9. Becerra J.E. Traducción del término "odds ratio". Gac Sanit 1990; 16:36.
10. Martín Moreno J.M. Oportunidad relativa; reflexiones en torno a la traducción del
termino "odds ratio". Gac Sanit 1990; 16:37
11. Porta Serra M. Traducir o no traducir. ¿es esa la cuestión?. Gac Sanit 1990; 16:
38-39.
12. Garb J.L. Understanding medical research. A practitioner´s guide. Boston: Little
Brown and Company; 1996.
13. Gardner M. J., Altman D.G. Confidence intervals rather than P values: estimation
rather than hypothesis testing. Br Med J (Clin Res Ed) 1986; 292: 746-750.
[Medline]
14. Simon R. Confidence intervals for reportin results of clinical trials. Ann Intern
Med 1986; 105: 429-435. [Medline]

Determinación de factores pronósticos
Pita Fernández S, Valdés Cañedo FA [ Correo de contacto ]
Contenido
Diferencia
entre riesgo y
pronóstico
Parámetros de
interés
pronóstico
Determinación
de factores
pronósticos:
- Experiencia
personal
- Revisión de la
literatura
- Realización
de estudios
Errores en el
estudio del
curso clínico:
- Sesgo de
selección
- Sesgo de
pérdidas de
seguimiento
- Sesgo por
errores de
medición
Bibliografía
Documento
en PDF (62
Kb)
¿Problemas
con PDF?
La actividad clínica diaria esta fundamentada en tres elementos: el juicio diagnóstico, el
pronóstico y el tratamiento. Estas tres actividades están basadas en estudios probabilísticos.
Tras el diagnóstico de una enfermedad se precisa conocer el pronóstico de la misma. La
determinación de un pronóstico es estimar las probabilidades de los diversos modos de
evolución; es predecir la evolución de una enfermedad en un paciente determinado. El
conocimiento del pronóstico es una variable fundamental ya que en muchos casos decidirá el
tratamiento (1). Por otra parte las actividades terapéuticas y preventivas pueden modificar él
pronostico de una enfermedad.
La historia natural de una enfermedad es la evolución sin intervención médica. El curso clínico
describe la evolución de la enfermedad que se encuentra bajo atención médica(2).
El pronóstico depende por tanto de la historia natural de la enfermedad y de su curso clínico.
Dicho pronóstico no siempre cambia con la intervención médica.
La incertidumbre sobre el futuro de una enfermedad, puede estimarse sobre la experiencia
clínica y la información epidemiológica. Es evidente que la experiencia clínica individual aún
siendo de gran valor, por si sola es inadecuada ya que esta basada en un conjunto mas o menos
limitado de pacientes que no representan la totalidad de los mismos sobre los que se tiene
además un seguimiento desigual.
Diferencia entre riesgo y pronóstico
Por otra parte debemos a su vez tener en cuenta la diferencia entre factores de riesgo y factores
pronósticos. Los factores de riesgo son los que condicionan la probabilidad de presentar una
enfermedad determinada. Dichos factores pueden estar presentes en población sana y aumentan
el riesgo de tener la enfermedad. La identificación de los factores de riesgo son imprescindibles
para la prevención primaria.
Los factores pronósticos son aquellos que predicen el curso clínico de un padecimiento una vez que
la enfermedad esta presente. La identificación de estos factores son de gran interés para la
prevención secundaria y terciaria (2,3,4).
Para la estimación del riesgo el suceso final que se busca es la presencia de una enfermedad
específica. Para la estimación del pronóstico la variable final como elemento de interés para estudio
puede ser: la muerte, la recurrencia del proceso, la invalidez, las complicaciones (5).
Existen a su vez marcadores de riesgo que son características de las personas que no son
modificables (edad, sexo, estado socio-económico,…) y que determinan la probabilidad de presentar
una enfermedad. Los marcadores de pronóstico son a su vez características no modificables del
sujeto que tienen una probabilidad determinada de afectar el curso clínico de la enfermedad.
http://www.fisterra.com/mbe/investiga/4f_pronosticos/4f_pronosticos.htm (1 of 7)22/04/2006 1:20:47 PM

Hay factores de riesgo (edad, HTA,...) que cuando aparece la enfermedad (cardiopatía isquémica) a
su vez son factores pronósticos para la presencia o no de muerte por dicha enfermedad (2), Tabla 1.
Tabla 1. Diferencias entre Factores de Riesgo y Pronósticos en el Infarto
agudo de miocardio (2)
Factores de Riesgo Factores Pronósticos
q Edad
q Sexo masculino
q LDL elevado
q HDL descendido
q Tabaquismo
q HTA
q Sedentarismo
q Edad
q Sexo masculino
q Infarto previo
q Hipotensión
q Insuficiencia cardíaca congestiva
q Cardiomegalia
q Arritmia ventricular
En la práctica clínica diaria es preciso tener un conocimiento del pronostico de un problema
determinado para tomar decisiones respecto a exploraciones continuadas, ingresos hospitalarios,
tratamientos específicos, que no modificando el pronóstico no podrían objetivamente ser
justificados. Por otra parte se precisa conocer el curso clínico de la enfermedad para informar al
paciente de su futuro.
Parámetros de interés pronóstico
Los parámetros de interés pronóstico dependen de la enfermedad que se estudie pero los de uso más
frecuente son (2,6,7):
a. Tasa de supervivencia a los cinco años.
Porcentaje de pacientes que sobreviven cinco años a partir de algún momento en el curso de
la enfermedad.
b. Tasa de letalidad.
Porcentaje de pacientes con una enfermedad que mueren a causa de ella.
c. Tasa de respuesta.
Porcentaje de pacientes que muestran alguna señal de mejoría después de una intervención.
d. Tasa de remisiones.
Porcentaje de pacientes que entran en una fase en la que la enfermedad deja de ser detectable.
e. Tasa de recurrencia.
Porcentaje de pacientes que vuelven a tener la enfermedad después de un período libre de ella.
Determinación de los factores pronósticos.
En la actividad diaria conoceremos el pronóstico de muchos de los pacientes por nuestra formación
y experiencia previa. Las estrategias para conocer el pronóstico podrían resumirse en las siguientes
posibilidades (3,7,8):
1. Experiencia personal:
q Consultar a otro compañero de trabajo.
q Consultar a un "experto" o especialista en el tema.
http://www.fisterra.com/mbe/investiga/4f_pronosticos/4f_pronosticos.htm (2 of 7)22/04/2006 1:20:47 PM

Investigación médica: elementos básicos del diseño de estudios

Investigación médica: elementos básicos del diseño de estudios

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (6)

Similar a Investigación médica: elementos básicos del diseño de estudios

Similar a Investigación médica: elementos básicos del diseño de estudios (20)

Investigación médica: elementos básicos del diseño de estudios