Documente Academic
Documente Profesional
Documente Cultură
I I U
ENARM -M'xi
Manual CTO
de Medicina y Cirugía
3.ª edición
Grupo CTO
Editorial
Manual CTO
de Medicina y Cirugía
3.ª edición
• Estadística y epidemiología
Revisor
Luis Cabeza Osorio
Autores
Manuel Moreu Gamazo
Antonio Martín Conejero
Grupo CTO
• • Editorial
NOTA
La medicina es una ciencia sometida a un cambio constante. A medida que la investigación y la experiencia
clínica amplían nuestros conocimientos, son necesarios cambios en los tratamientos y la farmacoterapia.
Los editores de esta obra han contrastado sus resultados con fuentes consideradas de confianza,
en un esfuerzo por proporcionar información completa y general, de acuerdo con los criterios aceptados
en el momento de la pub licación . Sin embargo, debido a la posibil idad de que existan errores humanos
o se prod uzcan cambios en las ciencias méd icas, ni los ed itores ni cualquier otra fuente implicada
en la preparación o la publicación de esta obra garantizan q ue la información conten ida en la m isma sea
exacta y comp leta en todos los aspectos, ni son responsab les de los errores u om isiones ni de los resultados
derivados del empleo de d icha información. Por ello, se recomienda a los lectores que contrasten d icha
información con otras fuentes. Por ejemplo, y en particular, se aconseja revisar el prospecto informativo
que acompaña a cada medicamento q ue deseen adm inistrar, para asegurarse de que la información
conten ida en este li bro es correcta y de que no se han producido mod ificaciones en la dosis recomendada
o en las contraindicaciones pa ra la admin istración. Esta recomendación resulta de particula r importancia
en re lación con fármacos nuevos o de uso poco frecuente. Los lectores también deben consultar
a su propio laboratorio para conocer los valores norma les.
No está perm itida la reproducción total o parcial de este libro, su tratam iento informático, la transmisión
de ningún otro formato o por cualquier medio, ya sea elect rónico, mecánico, por fotocop ia, por regist ro
y otros medios, sin el permiso previo de los titulares del copyright.
Manual CTO
de Medicina y Cirugía
3.ª edición
• GrupoCTO
• • Editorial
Q) _
. C'0
u
C')
o
o
·-
·-
-e
E
Q)
"'C
c..
Q)
>-
,_e
C'O
c.., 05. Medidas de impacto o del efecto 12
.......
_
en 5.1. Diferencia de incidencias
o riesgo atribuible (RA) _________ 12
"'C
C'0 5.2. Fracción atribuible en expuestos (FAE)
....... o fracción etiológica del riesgo ....... 12
en
LU 5.3. Reducción absoluta del riesgo (RAR) _ _ _ 12
5.4. Reducción relativa del riesgo (RRR) 12
5.5. Número de sujetos necesario para tratar ...................... 12
Estudio de un test.
Parámetros de uso
Enfermo Sano
Este es un tema sencillo.
Hay que conocer los diferentes FP b Total de positivos
I I I VPa
conceptos, así como resolver a+b
las tablas. VN d
I I I FNc Total de negativos
c+d
Total de enfermos Total de sanos Total de individuos
1.1. Estudio de un test a+c b+d a +b + c + d
Verdaderos positivos: resultados positivos en sujetos enfermos. Verdaderos
negativos: resultados negativos en sujetos sanos
La actividad epidemiológica estudia la frecuencia de enfermedad. Sin Falsos positivos: resultados positivos en sujetos sanos. Falsos negativos:
embargo, todas sus medidas son realmente de la frecuencia de diagnós- resultados negativos en sujetos enfermos
ticos de enfermedad, de ahí la importancia de conocer la auténtica co- Tabla 1. Resultado de la prueba diagnóstica evaluada
rrespondencia entre el diagnóstico y la realidad patológica. Muy pocas
pruebas diagnósticas, quizá ninguna, identifican con certeza si el pacien- Individuos sanos con test(-) VN d
te padece o no la enfermedad. E=
Total sanos VN + FP b+d
Razón de probabilidad negativa: relaciona la probabilidad de que ellos. Posteriormente, se representa gráficamente la sensibilidad en fun-
un paciente enfermo presente un resultado negativo con la probabi- ción de (1-Especificidad). La prueba ideal se sitúa en el ángulo superior
lidad de que el resul tado negativo se dé en un individuo sano. izquierdo (S y E= 1). En general, para hacer la elección del mejor punto de
corte se suele emplear lo que se denomina área bajo la curva COR (o ROC
Probabilidad test (-) en enfermos FN/enfermos en su terminología inglesa), a mayor área bajo la curva, mejor capacidad
RP (-) = de discriminación de esa prueba.
Probabilidad test (-) en sanos VN/sanos
100
1- S
RP (-) =
E s
VPP =
VP a o 1- E 100
VP + FP a+ b
Una prueba sin ningún valor sigue la diagonal que va del ángulo inferior
izquierdo al ángulo superior derecho (cada incremento de la sensibil idad
Valor predictivo negativo: se trata de la proporción de verdaderos se asocia a una pérdida de igual magnitud de la especificidad).
negativos entre aquellos que han sido identificados como negativos
en un test. De esta forma, la sensibilidad y la especificidad son valores interdepen-
dientes, de manera que si aumenta la sensibi lidad, disminuye la especifi-
VN d cidad y viceversa.
VPN =
VN + FN c+ d
Si se adoptan criterios de diagnóstico muy estrictos, decrece la sensibili-
dad (hay menos enfermos que cumplen estos criterios), y paralelamente
Valor global (eficiencia) del test: indica la proporción de resulta- se incrementa la especificidad (pocos sanos cumplen los citados crite-
dos válidos entre el conjunto de resultados. rios).
VP+VN a+d
VGT=
VP + VN + FP + FN Total 1.2. Relación entre prevalencia
y valores predictivos
Sensibilidad+ tasa de falsos negativos= 100%.
Especificidad + tasa de falsos positivos= 100%. Los valores predictivos de un test son variables, dependen de la preva-
lencia de la enfermedad en la población. La sensibilidad y la especificidad
son caracte rísticas propias del test y no se modifican con cambios en la
prevalencia.
La sensibilidad y la especifi cidad cl asifican a los suje-
tos en función del estatu s de enfermedad. Los valores
predi ctivos lo hacen en función del resultado del test. Si la preva lencia de la enfermedad aumenta, se incrementa el valor pre-
d ictivo posit ivo, mientras que disminuye el valor predictivo negativo.
El resultado de un test puede ser continuo (por ej.: niveles de glucemia Esto es fáci l de entender, por ejemplo, en el caso del VPP, si en una pobla-
en mg/d l) y entonces hay que decidir cuál se considerará como resultado ción la prevalencia de una enfermedad es elevada, tendrá mayor proba-
positivo del mismo, por lo que es necesario elegir un punto de corte. bilidad de hacer test a individuos realmente enfermos, lo que disminuirá
la tasa de fa lsos positivos y, por ello, aumentará el VPP.
s E
Por el contrario, si la prevalencia de una enfermedad es muy pequeña,
se puede tener una alta probabilidad de realizar test que den resulta-
70 140 dos falsos positivos, porque en la mayor pa rte el test se estará aplican-
do sobre individuos sanos, incluso con cifras de buena sensibilidad
El punto de corte escogido determinará la sensibilidad y la especificidad del test, el VPP disminuye, en ocasiones notablemente. Por eso es tan
de la prueba (si elegimos 70, la prueba será muy sensible y poco específi- importante conocer no sólo los valores de sensibilidad y especificad
ca; si se selecciona 140, será poco sensible y muy específica). sino el ámbito en el que se aplican para entender los conceptos de
VPP y VPN.
Para determinar el punto de corte se pueden utilizar las curvas de Carac-
terísticas Operativas para el Receptor (COR). Se seleccionan varios puntos Por el contrario, si la prevalencia de la enfermedad decrece, aumenta el
de corte y se estima la sensibilidad y la especificidad para cada uno de valor predictivo negativo y se reduce el valor predictivo positivo.
" Las curvas COR representan la relación recíproca entre sensibili- " La preva lencia va a determ ina r el tipo de test más útil en una
dad y especificidad. Cuanto mayor es el área bajo la curva COR, comun idad. Si la prevalencia es alta, se realiza rá un test sensi ble.
mejor será el test. Si es baj a, uno específico.
Conceptos
y uso de la epidemiología
Conceptos
2.1. Concepto de epidemiología
Riesgo: es la probabilidad de desarrollar una enfermedad por estar
expuesto a ciertos factores.
Etimológicamente, la palabra epidemiología procede del griego y signifi- Causa: es la condición que, sola o acompañada de otras condicio-
ca tratado sobre el pueblo (epi: sobre, demo: pueblo, lagos: tratado). nes, inicia o permite iniciar una secuencia de acontecimientos que
producen un determinado efecto.
Se puede definir la epidemiología como la ciencia que estudia la dis- Factor de riesgo: variable endógena o exógena al individuo, con-
tribución y los determinantes del fenómeno salud-enfermedad en las trolable, que precede al comienzo de la enfermedad y que está aso-
poblaciones humanas. La comunidad sustituye al individuo a la hora de ci ada a un incremento de la probabilidad de aparición de la mis-
buscar la respuesta a ciertas preguntas sobre la etiología y la prevención ma, y a la que se puede atribuir "responsabilidad" en la enfermedad
de la enfermedad, así como acerca de los recursos necesarios para los (por ejemplo: tabaco como factor de riesgo de cáncer de pulmón).
cuidados de salud de esa población. Marcador de riesgo: variable no controlable, endógena al individuo
(constitucional), y cuya presencia anuncia a los individuos particular-
La epidemiología se ocupa de los dos aspectos fundamentales si- mente vulnerables (por ej.: sexo femenino como marcador de riesgo
guientes: de cáncer de mama).
Estudiar la distribución de las enfermedades en relación con las va- Indicador de riesgo: variable sin relación causal con el problema,
riables lugar, tiempo y persona. Es lo que se denomina epidemiolo- pero cuya presencia alerta precozmente sobre el padecimiento.
gía descriptiva. (por ejemplo: manchas de Koplik como signo precursor de la apari-
Buscar los factores que determinan la distribución encontrada e ción del sarampión).
identificar las asociaciones causales. Es lo que hace la llamada epi-
demiología analítica. Criterios epidemiológicos de causalidad
Las principales posibilidades de aplicación de la epidemiología son las La existencia de asociación estadística no es sinónimo de causalidad, sino
que se enumeran a continuación: que para que se dé deben cumplirse los denominados criterios de causa-
Establecer el diagnóstico de salud de una comunidad. lidad, que son los que se definen a continuación:
Conocer los factores causales de una enfermedad y las probabilida- Fuerza de asociación: es un criterio muy importante, consistente en
des de enfermar. cuántas veces más riesgo de enfermedad tienen las personas expues-
Evaluar la eficacia/efectividad/eficiencia de los procedimientos pre- tas al factor estudiado que las no expuestas (véase el Capítulo 4).
ventivos y terapéuticos de los servicios de salud. Efecto dosis-respuesta: es decir, que la asociación tenga coheren-
cia interna, que al incrementarse la presencia del factor de riesgo
Los pasos fundamentales dentro del método epidemiológico son los si- aumente la de la enfermedad.
guientes: Secuencia temporal: la exposición al presunto factor de riesgo
1. Observar un fenómeno. debe preceder al efecto.
2. Elaborar una hipótesis. Coherencia externa o consistencia de los resultados: los resul-
3. Probar la hipótesis. tados deben ser concordantes con los obtenidos en otros estudios
4. Emitir un informe o ley. (reproductibilidad).
Manual CTO de Medicina y Cirugía, 3.ª edición
Ausencia de distorsiones metodológicas en el estudio: debidas sa (causa necesa ria), ocurre el efecto. Hay especificidad de causa (el
a sesgos. efecto t iene una única causa) y tamb ién de efecto (cada causa pro-
Ausencia de explicaciones alternativas: es decir, ausencia de otras duce un ún ico efecto).
hipótesis que expliquen los resultados. Multicausal: post ula que hay plura lidad de causas y multipl icidad
Plausibilidad biológica: que los resultados sean compatibles con el de efectos, formando redes causales, de forma que diferentes cau-
marco de los conocimientos científicos previos. sas producen el mismo efecto y una única causa ocasiona varios
Efecto de la cesación o reversibilidad: es decir, que exista una dis- efectos.
minución del riesgo tras la reducc ión de la exposición al presunto Determinista modificado (Rothman): en este modelo se distin-
factor de riesgo. guen tres tipos de causas:
Demostración experimental: es la prueba causal por excelencia, Causa suficiente: es aquella que inevitablemente produce el
pero su realización plantea en ocasiones problemas éticos. efecto cuando se presenta.
Causa complementaria o contribuyente: son aquellas causas
Modelos causales que forman parte de una causa suficiente.
Causa necesaria: es la que debe estar p rese nte inevita-
Los modelos causales son los siguientes: b leme nte pa ra que se p roduzca el efecto. Por t anto, ha de
Determinista o unicausal: este modelo dice que siempre que se formar pa rte de todas las causas suficientes de una en fer-
presente la causa (causa suficiente) y sólo cuando se presen te la cau- medad .
Medidas de frecuencia
de la enfermedad
3.1. Formas básicas de medida Incidencia acumulada: se define como el número de casos nuevos
de una enfermedad que se producen en un periodo de tiempo. Es
la probabilidad de que un individuo desarrolle la enfermedad en ese
Las formas básicas de medida son las siguientes: periodo.
Número: es un valor absoluto. Al no conocer el denominador no se
puede saber la importancia relativa del problema. N. 0 casos nuevos en un periodo de tiempo
IA=
Razón: es el cociente en el que el numerador no está incluido en Población en riesgo al inicio de ese periodo
el denominador, es decir, cociente entre dos entidades que poseen
caracteres distintos. Sus valores oscilan entre Oe infinito.
Fórmula: R = a/b La incidencia acumulada se puede relacionar con la prevalencia se-
Ejemplo: razón de hombres/mujeres. gún las sigu ientes fórmu las:
Ejemplo: La densidad o tasa de incidencia, por tanto, expresa los casos nuevos de en-
fermedad que se prod ucen en un periodo de tiempo que corresponde al
1 año sumatorio de los periodos individuales de riesgo. Es decir, que si se lee que la
densidad de incidencia es de 2 por 1.000 personas-año, quiere decir que apa-
2 4 años
recen de media dos casos por cada 1.000 individuos en un año de exposición,
3 5 años sumando los tiempos de exposición de todos los individuos de la cohorte.
4 2 años
Este concepto se conoce también con el nombre de fuerza de la morbilidad.
5 8 años
Cálculo Significado
" La incidencia es sinónimo de riesgo, porque se refiere a los nue- " Es importante conocer los aspectos de incidencia, prevalencia y
vos casos debidos a una enfermedad . densidad de incidencia.
. . ;
Medidas de asoc1ac1on
FR a b a+b
es el concepto del riesgo
relativo. No FR e d c+d
Total a+c b+d a+b+c+d
Tabla 1. Cálculo del RR
Las medidas de asociación sirven para cuantificar cuánto y cómo se aso-
cia un factor de riesgo a una enfermedad, a partir de la frecuencia con
la que aparece el evento resultado en un grupo expuesto a un factor 4.2. Odds ratio
de riesgo, frente al grupo que no está expuesto a dicho factor. Es decir,
se emplean para decir si un factor analizado es protector o de riesgo y
(razón de desventaja) (OR)
se utilizan para cuantificar la asociación entre factor de riesgo y evento
resultado. La odds ratio es una razón. Constituye la medida básica de los estudios
casos-controles. Su significado es idéntico al del RR, aunque no puede
ca lcularse como este, ya que en los estudios casos-controles no es po-
4. 1. Riesgo relativo (RR) sible valorar la incidencia de la enfermedad. Para que la OR sea un buen
estimador del RR es necesario que los controles sean representativos de
la población de la cual han surgido los casos y que la enfermedad tenga
El riesgo relativo es la medida de asociación en los estudios de cohortes. una prevalencia baja, inferior al 10%.
Mide la "fuerza de la asociación" entre el factor de riesgo y la enfermedad.
Puede variar entre Oe infinito.
El riesgo relativo responde a la pregunta: ¿cuánto más frecuente es la Odds de exposición Casos expuestos
enfermedad entre los expuestos a un factor de riesgo respecto a los no en los casos Casos no expuestos
expuestos? OR
Controles expuestos
Odds de exposición
Su significado varía dependiendo del valor que tome: en los controles Controles no
RR > 1: factor de riesgo (FR). expuestos
RR = 1: indiferente: la incidencia es igual en expuestos y en no ex-
puestos.
RR < 1 factor de protección.
1
Casos Controles
Total
(enfermos) (sanos)
Incidencia en expuestos
RR = FR a b a+b
Incidencia en no expuestos
No FR e d c+d
4.3. Razón el número de veces más que padecen la enfermedad los expuestos fren-
te a los no expuestos.
de prevalencia
Enfermos expuestos
R. Pv =
La razón de preva lecencia es la medida de asociación de los estudios Enfermos no expuestos
transversales. Su interpretación es sim ilar a la del riesgo re lativo, es decir,
RC: 4 RC: 3
Medidas de impacto
o del efecto
Í¡
5.3. Reducción absoluta
J •
Los conceptos más importantes
ENARM son el NNT, la RAR y la RRR. del riesgo (RAR)
Es una medida que informa sobre el exceso de riesgo en los individuos RAR = 1o -1 e
expuestos frente a los no expuestos al factor de riesgo. Indica la inciden-
cia acumu lada en el grupo de expuestos que se debe exclusivamente al
factor de riesgo. Representa el descenso en el número de casos nuevos 5.4. Reducción relativa
entre los expuestos si se evitara el FR.
del riesgo (RRR)
RA = 1e -1 o
De nuevo se emplea para calcular el beneficio de una medida pre-
ventiva.
5.2. Fracción atribuible en expuestos
En este caso, se expresa como porcentaje de casos evitados por haber
(FAE) o fracción etiológica del riesgo sido expuestos a dicho factor protector:
1 - 1
La fracción atributible en expuestos es la proporción de la enfermedad RRR= _ o_ e _
11
Estadística y epidemiología 1 05
" La RRR y la RAR sirven para cuantificar la relevancia clí-
Ideas clave ¿; nica de una medida terapéutica. Su cálculo se realiza
mediante una resta de incidencias.
" El NNT siempre se pregunta de la misma forma:" ¿a cuántos pa-
cientes se debería tratar para conseguir un evento?''. " El RA y la FAE cuantifican cuánto de la enfermedad se debe a
un factor de riesgo, en el grupo de sujetos expuestos a dicho
" El NNT es tanto mejor cuanto menor sea. factor.
Se encuentran dos tipos de cuestiones a tener en cuenta y que son características. Por una parte,
las que se refieren a temas concretos o aspectos teóricos de los diferentes tipos de estudios.
Por otra, un tipo de cuestiones más "clínico": a partir de un estudio se pide que se indique
de qué tipo de estudio se trata.
6.1. Estudios descriptivos Los est udios ecológicos permiten estudiar grandes grupos poblacio-
nales en poco tiempo y con un coste relativamente muy bajo ya que,
en general, utilizan estadísticas existentes recolectadas con otros fines.
Los objetivos de los estudios descriptivos son los siguientes: Sin embargo, dado que son uno de los peores estudios en la escala de
Describir las características y la frecuencia de un problema de salud, causa lidad, deben ser considerados únicamente para sugerir hipóte-
en función de las características de la persona (edad, sexo, estado sis, que tendrán necesariamente que ser verificadas mediante otros
civil. ..), del lugar (área geográfica ... ) y del tiempo de aparición del estud ios más rigurosos de base individual, realizados posteriorm ente.
problema y su tendencia. Ventajas: permiten describir diferencias en poblaciones que
Servir de base para estudios analíticos. habrán de ser estudiadas con más detalle posteriormente.
Limitaciones: los datos son promedios de poblaciones. Se usan
Los tipos de estudios descriptivos son los que se citan a continuación: medidas aproximadas de exposición (impuestos por alcohol,
Series de casos clínicos: describen las características de un grupo ventas de cajetillas de cigarrillos ...) y de enfermedad (mortalidad
de enfermos. Son estudios longitudinales ya que contienen infor- en vez de incidencia ...), lo que limita el valor de los hallazgos.
mación adquirida a lo largo del tiempo. Su principal ventaja es que Los principa les problemas de este tipo de estudios son que se
permiten generar nuevas hipótesis, mientras que el mayor inconve- ignora la variabilidad individual de los integrantes de los con-
niente es que no presentan grupo control, por lo que cualqu ier FR g lomerados y que no es posible corregir por diferencias en otras
puede ser un hallazgo casual. variables que pudieran estar también asociadas con la exposi-
Estudios ecológicos: los conglomerados pueden estar constituidos ción y el evento en estudio.
por grupos poblacionales, comunidades, regiones, o países. La ca-
racterística principal de este tipo de estudios es que se cuenta con Estudios transversales o de prevalencia: son estudios descripti-
información sobre la exposición o el evento para el conglomerado vos y transversales, ya que ana lizan la relación entre una enfermedad
en su totalidad, desconociéndose la información a nivel individual y alg unas variables en un momento concreto del tiempo. Buscan
para cada uno de los miembros del grupo. Son estudios en los que hallar una posible relación entre un FR y una enfermedad, que luego
la unidad de análisis son grupos de individuos, no individuos (por ej.: habrá de ser verificada por estudios analíticos.
clases de una escuela, ciudades, regiones). Características: es de"corte" o transversal, ya que enfermedad y
Son útiles cuando no se pueden hacer mediciones de exposición características se miden simu ltáneamente.
individuales (contam inación del aire, ruidos, etc.). En este tipo de es- Ventajas: no tienen problemas éticos, son de duración mínima,
tudios es común asignar la misma exposición (exposición promed io) su coste es bajo y son de fácil reprod ucib ilidad. Son úti les para el
a todo el cong lomerado, no considerando la variación individual de estudio de enfermedades crónicas en la población.
cada miembro del mismo. Igual sucede con la medición del evento; Inconvenientes: no es útil para estudiar enfermedades raras,
dado que sólo se cuenta con el número de eventos registrados para el ya que no permite ver el mecanismo de producción de la en-
conglomerado, no es posible discernir los eventos que se presentaron fe rmedad y no si rve pa ra comprobar una hipótesis previa de
en los sujetos expuestos de los que ocurrieron en los no expuestos, ca usalidad (es imposible conocer la secuencia temporal porque
por lo que es frecuente atribuir la totalidad de eventos a la exposición la información sobre el factor de riesgo y la enfermedad se re-
promedio que se registró en el interior del conglomerado. cogen a la vez).
Estadística y epidemiología 1 06
Análisis de las medidas de enfermedad: con el estudio de preva- Por ejemplo, la evaluación de la eficacia de una campaña de vacu-
lencia, la medida que se obtiene es la razón de prevalencia de indi- nación en 10.000 niños, de forma que 5.000 reciben aleatoriamente
viduos expuestos. una vacuna y los otros 5.000, un placebo.
- Ventajas:
Es de corta duración.
Es ideal para el estudio de enfermedades raras.
Es el mejor para el estudio de enfermedades de largo periodo
- de inducción.
El coste es bajo.
Es el más adecuado para el estudio de la multicausalidad de la
enfermedad (los posibles factores de riesgo de una determina-
Inicio
Figura 1. Estudio de cohortes da enfermedad).
Es el mejor para formular nuevas hipotesis etiológicas.
Inconvenientes:
No es bueno para el estudio de enfermedades raras.
No es adecuado para el estudio de enfermedades de largo pe- MiiMM Enfermos
riodo de incubación. ii; (casos)
El coste es alto.
No sirve para el estudio de la "multicausalidad de la enferme-
dad". MiiM Sanos
(controles)
Es difícilmente reproducible. M#i
Inicio
Análisis de las medidas de la enfermedad: los estudios de cohortes
son los que permiten saber cuál es la incidencia de la enfermedad. Las Figura 2. Estudio de casos-controles
medidas que se obtienen son:
Riesgo relativo: es la medida de la fuerza de la asociación. Inconvenientes:
Diferencia de incidencias o riesgo atribuible: informa sobre el ex- No es bueno para comprobar hipotesis previas de causalidad.
ceso de riesgo de enfermar. No permite el estudio de la "mult iefectividad del factor de riesgo''.
Fracción atribuible: estima la proporción de la enfermedad entre La posibilidad de sesgos es muy alta, su control difícil.
los expuestos que es debida al factor de riesgo.
Análisis de las medidas de la enfermedad: en los estudios de casos-
controles no es posible obtener información sobre la incidencia de la
Es necesari o darse cuenta de que co mo en un estudi o enfermedad, ya que se parte de una poblacion seleccionada. Tampoco
de coho rte todos los sujetos están sanos en el mo- se tiene información acerca de la prevalencia, ya que el número de pa-
mento inic ial, los enfermos que vayan apareciendo cientes sólo depende de los que se elijan. Debido a ello, la fuerza de la
serán nuevos; es deci r, incidentes. Por ello, la medida
asociacion no se puede calcular directamente, como en el estudio de
de frecuencia es la inc idencia y la de asociación, el
cohortes, sino de forma indirecta mediante la odds ratio.
ri esgo relati vo.
RC: 1
3) Cohort study.
Case Study 4) Case-control study.
A study without manipulation in the main variable that starts Correct answer: 3
with patients without disease is a:
1) Quasi-experimental study.
2) Experimental study.
Estadística y epidemiología
Cuando se realiza un estudio de investigación clínica, casi nunca se Tipos de errores sistemáticos
trabaja con poblaciones completas. Lo que se hace es, partiendo de
observaciones realizadas en un grupo reducido de personas (la llama- Sesgo de selección
da muestra), generalizar o extrapolar los resultados obtenidos a co-
lectivos más amplios. El hecho de que no se trabaje con poblaciones Se produce cuando se asignan sujetos al grupo control que difieren sig-
completas, sino con muestras, puede introducir en las observaciones nificativamente, en alguna característica clave, del grupo problema. Este
errores producidos por el azar, a los que se les llama errores aleatorios. tipo de sesgos se puede controlar mediante un proceso de aleatorización
Existen además otros tipos de errores no relacionados con el hecho de en la constitución de los distintos grupos de estudio.
trabajar con muestras, y que son conocidos como errores sistemáticos
o sesgos. Son ejemplos de este tipo de sesgo los siguientes:
Sesgo de autoselección o del voluntario: la participación o auto-
derivación del individuo al estudio compromete su validez.
7 .1. Tipos de error Sesgo diagnóstico o sesgo de Berkson : es el que se produ-
ce cuando, para saber qué ocurre en la población, se elige una
muestra hospitalaria de esa población y el factor de riesgo que
Los tipos de error son los siguientes: se está estudiando se asocia a una mayor probabi lidad de hos-
Error aleatorio: es el error que puede atribuirse a la variabilidad pitalización. También se incluye en este tipo de sesgo aquel que
aleatoria que conlleva siempre un proceso de muestreo. El azar puede surgir al seleccionar como control a pacientes con alguna
hace que la muestra con la que se va a a trabajar no sea repre- enfermedad que también se asocia al factor de exposición estu-
sentativa. El error aleatorio no afecta a la validez interna de un es- diado.
tudio, pero reduce la posibilidad de elaborar conclusiones sobre Sesgo del obrero sano: la salida del trabajador enfermo del merca-
la relación exposición-enfermedad, aunque no altera el sentido do laboral compromete la validez del estudio.
de la asociación. Los errores aleatorios, a diferencia de los errores Falacia de Neyman: se produce en los estudios de casos-con-
sistemáticos, se pueden minimizar aumentando el tamaño de la troles al seleccionar casos prevalentes (ya existentes) en vez de
muestra. casos incidentes (casos nuevos). Esto con lleva que en los casos
Errores sistemáticos o sesgos: son los errores producidos cuan- sea menos frecuente la exposición a aquellos FR que disminuyen
do hay un fallo en el diseño o en la ejecución del estudio que hace la supervivencia; esto es, los casos representarían a individuos con
que los resultados de la muestra sean diferentes de la población de rasgos de mayor resistencia a la enfermedad o formas menos gra-
la que proceden. No se relacionan con el tamaño de la muestra y, ves de esta.
cuando no se controlan, tienden a invalidar las condiciones de un Por ejemplo: se quiere estudiar si la actividad física tiene algún efecto
estudio; es decir, la existencia de sesgos conduce a la elaboración sobre la frecuencia de la insuficiencia coronaria. Se compara a per-
Estadística y epidemiología 1 01
sonas con actividad y a personas sedentarias. Un sesgo de selección Ser un factor de riesgo para la enfermedad.
sería cua ndo la inactividad de los sedentarios fuese a consecuencia Estar asociado con la exposición.
de padecer la enfermedad cardíaca. No ser un paso intermedio entre la exposición y la enfermedad.
Sesgo de información Para prevenir los sesgos de confusión, existen distintas técnicas:
Fase de diseño: aleatorización (estud ios experimentales), aparea-
Tiene lugar cuando hay un error sistemático en la medición de alguna miento y restricción.
variable clave del estudio. La clasificación incorrecta puede o no afectar Fase de análisis estadístico: análisis estratificado (se d ividen los da-
de igual manera a todos los grupos de estudio. Los sesgos de información tos globales en dos grupos, según la presencia o no del factor de
debidos al investigador o a los participantes en el estudio se controlan confusión) y análisis multivariante.
mediante técnicas de enmascaramiento.
Clasificación incorrecta diferencial: la probabilidad de clasifica- Ejemplo: se desea saber si existe relación entre el alcohol y el cáncer de
ción errónea de la exposición (en un estudio de casos-controles) pulmón. La OR cruda es de 2,4.
afecta de forma desigual a sanos y enfermos o la clasificación de en-
fermo o no enfermo (en un estudio de cohort es) se hace de manera Se sospecha que el tabaco puede actuar como factor de confusión. Al
distinta, según se esté o no expuesto al factor de estudio. Este tipo estratificar, se observa lo siguiente:
de sesgo produce una subestimación o sobreestimación del efecto OR cruda: 2,4.
del factor de exposición en la enfermedad. Dentro de este grupo OR en fumadores: 1,5.
cabe destacar: OR en no fumadores: 1,5.
Sesgo de memoria: se produce en los estud ios de casos-
controles. El hecho de padecer la enfermedad hace que se El tabaco es un factor de confusión, puesto que el valor de la OR se ha
esté más motivado para recordar posibles antecedentes de modificado en los estratos (de 2,4 a 1,5). La verdadera OR entre alcohol y
exposición. cáncer de pulmón es de 1,5.
Sesgo de atención o efecto Hawthorne: los participantes en
un estudio pueden modificar su comportamiento si saben que
están siendo observados. 7 .2. Validez y fiabilidad
Clasificación incorrecta no diferencial: la probabilidad de clasifica-
ción errónea ocurre en todos los grupos de estudio de forma similar. Se definen los siguientes conceptos:
El error de clasificación no diferencial ocasiona una infraestimación Validez: el estudio cuantifica lo que realmente se propone medir. Es
(hace que la medida de asociación tienda a 1) del efecto del factor el grado de ausencia de error sistemático. También recibe el nombre
de exposición estudiado en la enfermedad. de exactitud.
Por ejemplo: se quiere estudiar el efecto del tabaco sobre la apari- Validez interna: es el grado de validez del resu ltado para los
ción de bronquitis crónica, compa rándose a un grupo de fumadores pacientes del estudio. Se dice que un estudio tiene validez in-
y a otro de no fumadores. Existe la posibilidad de que los fumadores terna cuando los resultados del mismo son aplicables a los indi-
sean diagnosticados más fácilmente de bronquitis crónica que los viduos del citado estudio.
no fumadores, simplemente por el hecho de que fumar se considera Validez externa: un estudio tiene validez externa cuando los
que está asociado a esta patología (Tabla 1). resultados del mismo son aplicables a otros individuos distintos
de los del estudio.
Factor de confusión ( confounding)
Fiabilidad: es el grado de reproductibilidad de un estudio, es decir,
Un factor de confusión es una variable extraña al estudio que modifica el grado de similitud que presentarían los resultados si se repitiese el
los resultados que se obtienen. Todo factor de confusión debe cumplir estudio en condiciones similares. Es decir, es el grado de ausencia de
tres condiciones: error aleatorio.
La prueba de referencia debe haber sido aceptada como tal por la com u-
nidad cient ífi ca, se ha de aplica r a toda la serie de casos estud iados y no
puede incorporar información procedente de la prueba que evalúa. o
El valor rea l de la prueba sólo pod rá ser establecido si el estud io se lleva Validez o exactitud Precisión o fiabilidad
· Grado de ausencia de sesgos · Grado de ausencia de error aleatorio
a cabo en condiciones semeja ntes a la práctica clínica habitual; es decir,
· No aumenta al crecer n · Aumenta al crecer n
incorporando un amplio espectro de pacientes a los que en condiciones
norma les se les aplicaría dicho procedim iento diagnóstico. Figura 1. Validez y fiabi lidad
3) Un error aleatorio.
Casos clínicos 4) Sesgo de observación.
Ensayo clínico
08 · Ensayo clínico
Estadística y epidemiología 1 08
to a considerar en esta fase del ensayo clínico es que siempre que exista ción estadística porque, de nuevo, se están realizando comparacio-
un tratamiento eficaz, hay que administrarlo al grupo control, así que lo nes múltiples.
que se determinará con el ensayo clínico será la eficacia relativa del nue- La magnitud del efecto del tratamiento en los ensayos clínicos se
vo fármaco. En caso de no existir alternativa terapéutica previa, se medirá puede expresar de varias formas:
la eficacia en términos absolutos. El riesgo relativo: cociente entre el riesgo de sufrir un deter-
minado evento en el grupo expuesto a un determinado trata-
Análisis de los resultados (Tabla 1¡ miento y el de sufrir el mismo evento en el grupo control (no
expuesto al tratamiento).
En este punto se deben tener en cuenta los siguientes aspectos: La reducción absoluta del riesgo (RAR): que es la diferencia
Las pérdidas de sujetos incluidos en el ensayo clínico ocurridas antes entre el porcentaje de eventos en el grupo control y el mismo
de la aleatorización van a afectar a la capacidad de generalización de porcentaje en el grupo experimental.
los resultados, mientras que las pérdidas postaleatorización pueden La reducción relativa del riesgo (RRR): se define como la di-
afectar a la validez interna. ferencia entre el porcentaje de eventos en el grupo control y
El análisis estadístico de los ensayos clínicos es muy parecido al de el mismo porcentaje en el g rupo experimental, d ividido por el
los estudios de cohortes, pero es más frecuente el uso de métodos porcentaje de eventos en el grupo control.
no paramétricos y, al tener importancia no sólo que ocurra la varia- El número necesario de pacientes a tratar (NNT): que se ob-
ble resultado, sino cuándo ocurre, es frecuente el empleo de análisis tiene como el inverso de la RAR multiplicado por 100, y es el nú-
de supervivencia. mero de pacientes que se deben tratar para prevenir un suceso
Comparaciones múltiples: al aumentar el número de comparacio- indeseable adicional.
nes, se incrementa la posibilidad de resultados falsamente positivos.
Análisis de subgrupos: puede ocasionar problemas, especial-
mente cuando no se tiene previsto desde el principio. Produce 8.3. Tipos de ensayos clínicos
comparaciones múltiples, aumenta la probabi lidad de resultados
espurios y, por tanto, sus resultados deben interpretarse con pre-
caución. Los tipos de ensayos clínicos son los siguientes:
Análisis por intención de tratar frente a análisis por protocolo: Diseño clásico o en paralelo: el grupo control recibe el tratamiento
Por protocolo: incluye sólo a aquellos pacientes que han cum- a la vez que el grupo experimental con el fin de controlar el efecto de
plido los requisitos del protocolo y/ o han finalizado el estudio. factores pronósticos que pudieran cambiar a lo largo del tiempo. El
Por intención de tratar: el análisis incluye a todos los pacien- análisis de los datos consiste en comparar la diferencia en la variable
tes que han sido seleccionados y en el grupo en el que fueron resultado entre ambos grupos con la variabilidad esperable dentro
asignados, aunque no hayan finalizado el estudio o hayan cam- de cada grupo por el mero efecto del azar. Es muy apropiado en los
biado de grupo. casos de enfermedades agudas (Figura 2).
Paralelo
Por intención
de tratar
Por protocolo
Cada grupo toma ambos fármacos con periodo
de lavado
Cada grupo toma un único fármaco
Todos los sujetos incluidos son analizados
p;,;;;;.;,;¡;¡.¡lfl
.,. t
Tratamiento Placebo
Cada paciente se asigna a uno de los 4 grupos resultantes El ensayo clínico de tamaño único (n: 1) se basa en modifica r el tratamien-
Tabla 2. Ensayo clínico de diseño factorial to de una enfermedad de un paciente a lo largo de una serie determina-
da de periodos de ti empo. El fin del estudio es confirmar la eficacia o no
Diseño de no-inferioridad: habitua lmente los ensayos cl ínicos se del t ratamiento en un único paciente.
rea lizan con el fin de demostrar la superioridad de un fármaco con
respecto a otro. Sin embargo, puede ser útil probar que dos fármacos Como en este caso hay un único paciente, no es posible comparar-
son al menos igua lmente eficaces, con lo cual se podrá emplear, por lo con otros, por lo que aquí se comparan periodos de tratamiento
ejemplo, el más barato. Es decir, importa que NO sea inferior, de mane- para el mismo paciente. Por ejemplo, el paciente L.G. recibe duran-
ra que si es igual o superior se considera que el fármaco experimental te un t iempo el t ratamiento A y luego el B. Es decir, en un ensayo n: 1,
es "no-inferior" com parado con el grupo control. Se denomina eq uiva- la unidad experimental es el periodo de tratamiento y no el pacien-
lente terapéu tico a un fármaco diferente en su estructura química del te. Se compa ra la eficacia del tratamiento A frente al B en el señor L.
origina l, pero del que se espera un efecto terapéutico y un perfil de Por supuesto, la secuencia de tratamientos puede hacerse al azar
efectos adversos similares cuando se administra a un paciente. y con técn icas de enmascaramiento. El ensayo clín ico n: 1 es muy útil para:
La equivalencia terapéutica se define a parti r de los est udios de no- Eva luar el t ratamiento sintomático en enfermedades en las que no
inferioridad. En estos estudios es importante tener en cuenta dos se haya encontrado una intervención eficaz en ensayos convencio-
aspectos: nales, como por ejemplo en enfermedades raras.
Valor delta: es la máxima diferencia clínica que se acepta para En aquellas situaciones en las que exista una gran variabilidad inte-
definir dos tratamientos como equ ivalentes, que es distinta para rindividual en la respuesta al tratamiento, como en el caso de trata-
cada tipo de fá rmaco analizado. Habitualmente se considera un miento con dicumarín icos.
08 · Ensayo clínico
Estadística y epidemiología 1 08
Tratamiento sintomático de enfermedades con importante compo- Se ha demostrado que la implementación de los criterios CONSORT
nente subjetivo, como por ejemplo migrañas, dolores articulares en mejora la cal idad de la información publicada en los estudios aleato-
la artrosis, fibromialgia.. rios.
8.6. Recomendaciones
para la publicación de ensayos 2 Asignados a la lntervenct6n (.,.._)
Reciben lntervend6n áslgrala (na_)
clínicos (recomendaciones CONSORT) No reciben Intervención asignada (ramn) (n=...)
Los estudios aleatorizados representan el patrón de referencia para cono- 3 Perdidos seguimiento (razón) (n= ...)
cer la eficacia de un determinado tratamiento. Sin embargo, la calidad de Intervención no continuada (razón) (n= ...)
los estudios puede no ser óptima. La declaración CONSORT (Consolida-
ted Standards of Reporting Trials) persigue mejorar la metodología de los 4
t
Analizados (n=...)
ensayos clínicos, ya que permite presentar de forma sistematizada y con Excluidos del análisis (razón) (n=..)
total transparencia los resultados para mejorar su validez. Se basa en el
seguimiento de una lista de variables en función de la evidencia (Tabla 3) Figura 4. Diagrama de flujo de los sujetos participantes en las diferentes
y un diagrama de flujo (Figura 4) durante el proceso de escritura, revisión fases de un estudio aleatorizado: (1) Periodo de inclusión, (2) Asignación
y análisis de los ensayos clínicos. a la intervención, (3) Seguimiento, (4) Análisis
Resu ltados Flujo de participantes (13) Flujo de participantes en cada fase del estudio (se recomienda encarecidamente usar un diagrama).
De forma específica se debe detallar en cada grupo el número de pacientes asignados a cada
tratamiento, los que recibieron el tratamiento previsto, los que completaron el protocolo de estudio
y los que fueron analizados para la va riable principal de resultado. Describir las desviaciones
del protocolo inicial y sus razones
Números analizados (16) Número de participantes (denominador) de cada grupo incluido en cada análisis especificando si el
análisis se real izó por intención de tratar. Si es posible, indicar los resultados con números absolutos
(por ej.: 10/20, no 50%)
Resultados y estimaciones (17) Para cada variable de valoración de resultado primaria y secundaria, indicar resumidamente
los resultados en cada grupo y la estimación de la importancia del efecto y de su precisión (por ej.:
ICdel 95%)
Análisis secundarios (18) Valorar la presencia de multiplicidad presentando cualquier otro análisis realizado, incluyendo
análisis de subgrupos y ajustes, indicando los que fueron preespecificados y los de carácter
exploratorio
Aconteci mientos adversos (19) Indicar todos los acontecimientos adversos importantes o los efectos secundarios en cada grupo
de intervención
Discusión Interpretación (20) Interpretación de resultados en la que se tenga en cuenta la hipótesis del estudio, las posibles
fuentes de sesgos o imprecisiones y los peligros asociados con la multiplicidad de análisis
y de resultados
Evidencia global (22) Interpretación general de los resultados en el contexto de la evidencia actualmente disponible
" La fase 111 se caracteriza porque se compara la eficacia de otro '9 Los EC se dividen en:
fármaco con la del que se está investigando. Tras esta fase, el 1. Pragmáticos (muestra heterogénea) y explicativos (mues-
fármaco se introduce en el mercado. tra homogénea).
2. Cruzado (cada grupo de sujetos toma los dos fármacos con
" La fase IV es la fase de la farmacovigilancia. En este caso, se re- un tiempo de lavado) y paralelo (cada grupo de tratamien-
gistra la aparición de efectos secundarios infrecuentes. La no- to toma un único fármaco).
tificación en la práctica clínica de posibles eventos adversos se 3. Por intención de tratar (todos los sujetos incluidos en el es-
realiza mediante la tarjeta amarilla. tudio son analizados) y por protocolo (sólo se analizan los
que finalizan el estudio).
" La correcta secuencia en un ensayo clínico es: 4. De tamaño predeterminado (se conocen a priori el tamaño
1. Los pacientes cumplen los criterios de inclusión y exclu- de la muestra) o secuenciales (los pacientes van incorpo-
sión. rándose al estudio progresivamente).
2. Firman el consentimiento informado (sabiendo que po- S. De superioridad (interesa demostrar que un fármaco es
siblemente reciban placebo, si uno de los tratamientos mejor que otro) y de no-inferioridad (se supone una efica-
lo es). cia similar, la ventaja del nuevo fármaco es ser más barato,
3. Sean asignados a uno u otro grupo de intervención (prefe- tener una administración más fácil. .. ).
riblemente mediante aleatorización). 6. Enmascarados (se han realizado técnicas de ciego para evi-
tar sesgos) o abiertos (no enmascarados).
08 · Ensayo clínico
Estadística y epidemiología 1 08
2) De ninguna forma, si en el diseño del estudio se habían previs-
Casos clínicos to las pérdidas y, por tanto, se incluyó un número de pacientes
mayor para compensarlas.
En un estudio de seguimiento a largo plazo de pacientes con 3) Aumentando la probabilidad de un resultado negativo falso al
fibrilación auricular, en la práctica clínica habitual, se ha docu- reducirse la muestra, pero sin que este hecho aumente las posi-
mentado un riesgo relativo de padecer un accidente vascular bilidades de sesgos.
cerebral, para anticoagulantes orales (en comparación con an- 4) Si el estudio era a doble ciego, el hecho no tiene importancia,
tiagregantes plaquetarios), de 0,57 (intervalo de confianza al pero si el investigador conocía el tratamiento de cada paciente,
95% 0,40-0,80). La incidencia de accidente vascular cerebral entonces pudo haber sesgado los resultados.
durante los dos primeros años de seguimiento es de un 2% y
un 3,5% respectivamente. Suponiendo que estos resultados RC: 1
sean válidos, ¿a cuántos pacientes habría que tratar con anti-
coagulantes orales, en lugar de antiagregantes, para evitar un Los ensayos clínicos de fase 11:
accidente vascular cerebral?
1) Se suelen realizar en grupos de pacientes no muy numerosos.
1) 50-60. 2) Regularmente son estudios observacionales.
2) 60-70. 3) Su objetivo principal es confirmar la efectividad de un medica-
3) 70-80. mento en una patología concreta.
4) 80-90. 4) Su objetivo principal es evaluar la seguridad y tolerabilidad de
un medicamento.
RC: 2
RC: 1
Suponga que, en la lectura de un ensayo clínico en el cual se
han incluido 50 pacientes por grupo, observa usted que los re- ¿A qué tipo de ensayo clínico nos referimos cuando los criterios de
sultados se refieren a 47 pacientes en un grupo y 42 en el otro. inclusión se ajustan a las indicaciones, con criterios de exclusión me-
Con respecto a los pacientes que faltan, el autor comunica que nos restrictivos para incluir una amplia representación de la enfer-
fueron retirados por no seguir el tratamiento y que no hay di- medad en estudio y fundamentar así el registro de un medicamento?
ferencias estadísticamente significativas entre grupos en cuanto
al porcentaje de pérdidas de pacientes. ¿Cómo cree que podría 1) Estudio en fase l.
afectar este hecho a los resultados del ensayo? 2) Estudio en fase 11.
3) Estudio en fase 111.
1) La validez del estudio podría ser dudosa, ya que la pérdida de 4) Estudio en fase IV.
pacientes tal vez esté relacionada con los efectos de los trata-
mientos. RC: 3
•
_ starlística_y _epjdemiola_gía_
dos los estudios existentes. Del mismo modo que en el modelo de efec-
Este es un tema importante
tos fijos, el efecto global se estima aquí como una media ponderada de
y sencillo. Hay que conocer
los diferentes conceptos, así los estimadores ind ividua les.
como resolver tablas que incluyan
los conceptos anteriores. Mientras que algunos autores defienden la utilización del modelo de
efectos aleatorios en todos los casos, ot ros hacen hincapié en sus posi-
bles deficiencias, como el hecho de que es menos preciso, proporcio-
nando intervalos de confianza más amplios que el modelo de efectos
9.1. Metanálisis fijos. Si las discrepancias son muy gra ndes, el modelo de efectos alea-
torios se convierte en la alternativa al modelo más sencillo con efectos
fijos para combinar los resultados. En el de efectos fijos, la genera liza-
El metanál isis es un análisis estadístico que combina o integra los resu l- ción se limita a la población de estud ios de características simi lares a
tados de varios ensayos clín icos independientes que el analista considera los incluid os en el metanál isis. En el modelo de efectos aleatorios, por el
que se pueden combinar. Añade a la mera revisión de los datos, un anál isis contrario, los resultados pueden general izarse a una población mayor
estad ístico de los mismos para dar un resultado conjunto de todos los es- de posibles estud ios.
t udios revisados. Es un estudio observacional (de ensayos cl ínicos), lo que
implica que está sometido a los mismos sesgos de los citados estud ios.
9.2. Factores determinantes
No puede tener mayor fortaleza metodológica que los estudios prima-
rios. Si analiza ensayos clínicos (EC) de buena calidad, obtendrá resu lta-
de la calidad de la evidencia científica
dos fiab les y viceversa.
Los aspectos del diseño de un estudio epidemiológico que están asocia-
Métodos estadísticos para la combinación dos a una mayor calidad y rigor cien t ífico son los sigu ientes:
El sentido prospectivo del estudio (secuencia temporal).
de los resultados de diferentes estudios
La asignación aleat oria a los grupos experimental y con t rol.
La existencia de un grupo control concurrente.
Los métodos estadísticos más utilizados en la práctica pueden clasificarse en El en mascaramien to de pacientes e investigadores participantes.
dos grupos, según se tenga en cuenta o no la heterogeneidad entre estudios La inclusión en el estud io de un número suficiente de pacientes
en el análisis: los modelos de efectos fijos y los modelos de efectos aleatorios. como para detectar, en caso de haberlas, diferencias estadísticamen-
te significativas entre los distintos grupos del estudio.
Modelos de efectos fijos
En el modelo de efectos fij os se asume que no existe heterogeneidad 9.3. Escalas de gradación
entre los estud ios incluidos en la revis ión, de modo que todos ellos esti-
man el mismo efect o, y las diferencias observadas se deben únicamente
de la evidencia científica
al aza r. El efecto globa l puede estimarse como un promedio ponderado
de los efectos individuales de cada estudio. Todas las escalas de gradación son muy sim il ares entre sí y p resen-
tan al metaná lisis de EC controlados y aleatorizados como el estu-
Modelos de efectos aleatorios dio más riguroso y que aporta mayo r evidencia causal. La medic ina
basada en la evidencia persigue la integración de la maestría clí-
Por el co ntrario, con un modelo de efectos aleatorios se asume que los nica individual con las mejores evidencias científicas disponibles
estud ios incluidos en la revisión constituyen una muestra alea toria de to- (Tablas 1 y 2).
Estadística y epidemiología 1 09
La calidad de la evidencia científica se clasifica en tres grados de reco- Regular (grado B): hay cierta evidencia científica (no concl uyente)
mendación para la adopción de una medida sanitaria: para recomendar o desaconsejar la adopción del procedimiento
Buena (grado A): existe adecuada evidencia científica para re- médico.
comendar o desaconsejar la adopción del procedimiento mé- Mala (grado C): existe insuficiente evidencia científica para reco-
dico. mendar o desaconsejar la adopción del procedimiento médico.
Fuerza de la recomendación
A Existe adecuada evidencia científica para adoptar una práctica 1, 11- 1
B Existe cierta evidencia para recomendar la práctica 11- 1, 11- 2
C Hay insuficiente evidencia para recomendar o no recomendar la práctica 111
Niveles de evidencia
Grado 1 · Evidencia obtenida a partir de al menos un ensayo clínico aleatorizado y controlado bien diseñado
Grado 11 - 1 Evidencia obtenida a partir de ensayos clínicos no aleatorizados y bien diseñados
Grado 11 · 2 Evidencia obtenida a partir de estudios de cohortes (2a: prospectivo y 2b: retrospectivo)
Grado 11- 3 Evidencia obtenida a partir de múltiples series comparadas en el tiempo, con o sin grupo control. Incluye resultados "dramáticos"
producidos por experimentos no controlados (por ej., penicilina en los años cuarenta)
Grado III Opiniones basadas en experiencias clínicas, estudios descriptivos o informes de comités de ética
Tabla 2. Gradación de la evidencia científica
" El metanálisis es un estudio en el que se realiza una combina- " Una limitación importante se debe a que sólo se publican resul-
ción estadística de los resultados de ensayos previos similares. tados favorables (sesgo de publicación).
"
Estadística_y epidemiología
Estadística. Generalidades
10.1. Tipos de estadística Los muestreos con la menor posibilidad de sesgo (probabilísticos) son
los siguientes: aleatorio simple, sistemático, estratificado y por grupos o
conglomerados.
Existen dos tipos de estadística: Muestreo aleatorio simple: es aquel tipo de muestreo en el que
Estadística descriptiva: organización, presentación y síntesis de los cada individuo tiene las mismas posibilidades de ser elegido para
datos de una manera científica y lógica. formar parte de la muestra.
Estadística inferencia!: bases lógicas mediante las cuales se esta- Muestreo aleatorio estratificado: en él la población se divide en
blecen conclusiones relacionadas con poblaciones, a partir de los estratos. La muestra se obtiene seleccionado de cada estrato un
resultados obtenidos en muestras; trabaja con los datos que le pro- número proporcional a la población que representa. Con este tipo
porciona la estadística descriptiva y es la parte de la estadística fun- de muestreo se asegura que la muestra tenga la misma proporción
damental para la medicina clínica. Se basa en dos pilares básicos, de una(s) variable(s) que la población de la que procede y quepo-
que son el contraste de hipótesis y la estimación de intervalos de dría tratarse de una variable pron óstico diferente en los grupos de
confianza. estudio.
Muestreo sistemático: el proceso de selección empleado se basa
en alguna regla sistemática simple, como por ejemplo, elegir uno de
10.2. Población y muestra cada n individuos.
Muestreo por conglomerados: en este tipo, la selección se reali-
za fundamentalmente con el objet ivo de reducir costes, utilizando
La población es el conjunto de todos los individuos, generalmente inac- como base del muestr~o al grupo de sujetos.
cesible, que tienen en común alguna característica observable y del que
se pretende obtener una serie de conclusiones. Por último, individuo será cada uno de los componentes de la población
y de la m uestra. Al número de individuos que forman la muestra se le
Se denomina muestra al conjunto menor de individuos, accesible y limi- llama tamaño muestra! (n).
tado, sobre el que se rea liza el estudio con idea de obtener conclusiones
generalizables a la población.
10.3. Variables
El proceso de selección de los individuos se puede realizar mediante dis-
tintas técnicas de muestreo. Los tipos de muestreos se detallan a conti-
nuación. Es importante conocer que el tipo de muestreo más importante Una variable es una característica observable que se desea estudiar en
es el muestreo probabilístico, en el que todos los elementos de la pobla- una muestra de individuos, pudiendo tomar diferentes valores. Los tipos
ción tienen la misma probabilidad de ser incluidos en la muestra: de variables están recogidos en la Tabla 1.
Estadística y epidemiología 1 10
Variable Subtipo ' Ejemplo
Estadística descriptiva
Ocean ía
Lo más importante de este tema 8%
es conocer la definición de los Asia
parámetros de tendencia central 28,5%
y de los de dispersión.
Antártida
Se puede considerar la estadística descriptiva como el conjunto de 9%
técnicas que facilitan la organización, resumen y comunicación de
datos.
Las medidas de centralización indican alrededor de qué valores se agru- Moda t Media
Desviación típica o estándar: es la raíz cuadrada positiva de la va- ción estándar sobre la med ia. Es el método de elección para com-
rianza. Es, junto con esta, la medida de dispersión más uti lizada. parar la va riabi lidad o dispersión re lativa de variables que estén
expresadas en las m ismas o en diferentes unidades.
,--- JL (x¡n-
s = V s2 =
x) 2 S X
CV = - -X - - 100
La desviación típica es una medida complementaria de la media arit- Propiedades de media y varianza
mética; mientras que esta da una idea de la magnitud general de la
distribución, la desviación estánda r muestra cómo se distribuyen los Si a todos los va lores de una distribución se les suma una constante,
va lores alrededor de la media. su med ia queda aumentada en ese valor, mientras que su varianza
Rango intercuartílico: es la dife rencia entre el percenti l 75 y el 25. no se mod ifica.
Es, j unto con el rango, la medida de dispersión usada pa ra los datos Si a todos los va lores de una distribución se les mu ltiplica por una
asimétricos. constante, su media y su desviación típica quedan mu ltiplicadas por
Coeficiente de variación (CV): es una medida de dispersión adi- la constante, mientras que su varianza queda multiplicada por el
mensional. Se define como el porcentaje que representa la desvía- cuadrado de esa constante.
'9 La forma de representación gráfica va a depender del tipo de va- '9 En distri buciones asimétricas, se emplea la mediana como pa-
riable. Para las cualitativas y las cuantitativas discretas, se emplea rámetro de tendencia central y el rango como parámetro de
el diagrama sectorial y el diagrama de barras. Para las cuantitativas dispersión .
continuas se utiliza el histograma y el polígono de frecuencias.
'9 En la distribución de Gauss, media, mediana y moda coinciden
'9 Para defin ir correctamente una variable en una muestra se ne- en el mismo valor.
cesitará un parámetro que sirva para aglutinar todos los valores
de dicha muestra (parámetro de tendencia central) y otro que '9 El coeficiente de variación es el parámetro que se emplea para
sirva para informar de lo agregados o no que están los valores decir si una distribución es homogénea o dispersa. Además, in-
(parámetro de dispersión). forma de cuál de entre dos distribuciones muestra una mayor
variabi lidad (dispersión).
'9 El tipo de distribución más frecuente es la normal o de Gauss,
que es simétrica. En distri buciones simétricas se usará como pa-
RC: 3 RC: 1
11 · Estadística descriptiva
_Estadístjca y epidemiología •
Probabilidad
P(A n B) = P(A y B) = o
12.1. Probabilidad
Dos sucesos son independientes cuando la probabilidad de apari-
ción de uno de ellos no está relacionada o no se modifica por la
Se supone una población finita con N elementos, k de los cuales tienen aparición del otro (por ej., efectos secundarios de un fármaco en dos
la característica A Se conoce como probabilidad de la característica A en pacientes).
la población a: P (AJ = k/N. La probabilidad se define, desde un punto de
vista óptimo, en términos de frecuencia relativa. P(A n B) = P(A y B) = P(A) x P(B)
An B(AyB)
Si dos sucesos son independientes,
Au B(AoB)
entonces:
12.4. Regla de la suma Si dos sucesos son mutuamente excluyentes (o bien se da A o bien ocu-
rre B), entonces:
Esta reg la nos indica la probabilidad de que suceda A o de que suceda B: P(Au8) = P(A) + P(8)
12 · Probabilidad
Estadística y epidemiología •
Una vez que se ha elegido la muestra y recogido los datos, el siguiente paso Características
es inferir las propiedades de la población a partir de la muestra. El instru-
mento conceptual que permitirá esta generalización es un modelo de la Las características de la distribución normal o de Gauss son las siguientes:
población, es decir, una representación simbólica de su comportamiento. Corresponde a variables cuantitativas continuas.
Se caracteriza por dos medidas: media y desviación típica.
Existen tres leyes teóricas que tienen la particularidad de ser seguidas por Es unimodal.
una inmensa mayoría de los fenómenos biológicos habituales; estas leyes Es simétrica alrededor de la media. Por tanto, media, mediana y
son las siguientes: moda coinciden.
Distribución binomial (distribuciones discretas). Tiene forma acampanada, sin un pico excesivo.
Distribución de Poisson o de los sucesos raros (distribuciones discretas). Va desde - oo a + oo (asintótica al eje de abscisas).
Distribución normal o de Gauss (distribuciones continuas). El área bajo la curva tiene un valor igual a 1.
Xi-x
En general, se empleará la distribución de Poisson como aproximación de Z=
experimentos binomiales donde el número de pruebas es muy alto, pero
Manual CTO de Medicina y Cirugía, 3.ª edición
68%
1deas cI ave , 0
" La distribución normal o de Gauss es una curva de probabili-
dad continua con forma de campana.
3s 2s 1s X 1s 2s 3s
95%
99,7%
Estimación de parámetros.
Estadística inferencial
x, x,
14.1. Estimación de medias
Mient ras que en un 5% de las ocasiones estará equ ivocado. Si se estable- En caso de muestras pequeñas (n < 100), la esti mació n de un por-
ce el nivel de confianza en el 99%, la med ia poblacional se situará en un centaj e poblacional sigue una dist ribución bi no mial y su cá lcu lo está
99% de las ocasiones entre: tabu lado.
~n- p)
eep = Vn
Donde el va lor t corresponde a los valores tabu lados de la distribución
teórica t de Student.
No tiene nada que ver la desviación típica de los va- 14.3. Estimación de medidas
lores de la variable de la muestra o en la pob lación
con el error estándar de las medias muestrales alrede- de asociación
dor de la media poblacional.
RC: 2
14 · Estimación de parámetros.
Estadística inferencia!
Estadística y epidemioJogía •
Contraste de hipótesis
Lo que hay que tener claro de este tema es el significado de los errores a y p, y del poder
de un test estadístico y sobre cómo se modifican los parámetros anteriores en función
del tamaño de la muestra.
Previamente al ensayo de una hipótesis, se fija la probabilidad máxima de Error tipo 11: no se rechaza H0 y esta es falsa (no se aceptan las di-
que los resu ltados diferentes observados entre los dos grupos puedan ser ferencias y sí las hay). Sería como un falso negativo: se da como no
debidos simplemente al azar (H0 cierta), que suele ser por conven io del significativo algo que lo es. Se denomina f3 a la probabilidad de co-
5%. A continuación, se calcula cuá l es la probabilidad de que las diferen- meter un error tipo 11.
cias que se han observado puedan ser explicadas por azar. Esta probabi- Poder o potencia del test: lo com plementario del error f3 es la "po-
lidad es el va lor de la p o "grado de significación estadística''. Así, cuanto tencia o poder estadístico de un test" (1- f3) que se define como la
menor sea p, es decir, cuanto más baja sea la probabilidad de que el azar capacidad que tiene un test de detectar una diferencia cua ndo esta
sea el responsable de las diferencias, mayor será la evidencia contra H0 y existe en realidad; es decir, corresponde a la probabilidad que se tie-
a favor de H,. ne de demostrar la hipótesis alternativa, siendo cierta (Tabla 1).
Manual CTO de Medicina y Cirugía, 3.ª edición
No hay diferencias Error tipo 11 1 -a Test no paramétricos: son pruebas que no dependen de la dis-
significativas o error B tribución de la variable y no precisan condición previa de normali-
dad (Figura 2). Estas pruebas no manejan los valores cuantitativos
No rechazo HO que toma la variable en cuestión, sino únicamente sus rangos. Son
Tabla 1. Contraste de hipótesis pruebas de menor precisión que las paramétricas, por lo que so-
lamente demostrarán como significativas diferencias mayores. Por
tanto, generalmente se prefiere utilizar pruebas paramétricas (t de
15.3. Pruebas de significación Student, análisis de la varianza, etc.) y el uso de los test no para-
métricos se limita a estudios con tamaños muestrales menores de
estadística (Figura 1) 30, en los que las poblaciones no puedan ser consideradas como
normale_s, o bien cuando la variable represente únicamente una
Asociación estadística entre dos variables: el objetivo es demos- medida aproximada del carácter, sin una valoración exacta. Si las
trar o no la asociación estadística entre dos variables observadas en muestras son mayores de 30, no existe inconveniente en utilizar
una muestra. pruebas paramétricas.
DICOTÓMICAS · No dependen de la
(sexo (V/ H, DISTRIBUCIÓN
enfermo, No necesitan de la
CUALITATIVA "( si/ no ... ) normalidad de la población
> 2 CATEGORÍAS · Se toma sólo su RANGO
/
(raza, nivel
socioeconómico) · Más EXIGENTES, menos
POTENTES
CUALITATIVA
VARIABLES --+ + - CUANT. + DICO. -
INDEPENDIENTES
CUANTITATIVA~ CUANT. + > 2 CAT.-
Medidas en
grupos diferentes
CUANTITATIVA
;;;;;;;;;;;;;;
(talla, peso,
glucemia ...) Si++;;;
CUALITATIVA
__.,.. CUALITATIVA
+ 1111
111
VARIABLES
DEPENDIENTES
----.... CUALITATIVA +
Medidas en los CUANTITATIVA
L 111
MISMOS
sujetos en momentos
diferentes se repite
medida
15 · Contraste de hipótesis
Estadística y epidemiología 1 15
Cualitativa con cuantitativa s1 n < 30 aparecen los síntomas ... Uno de los análisis estadísticos más fre-
Cual1tat1va con ordinal
cuentemente empleados es el de Kaplan-Meier. La característica
distintiva del análisis con este método es que la proporción acu-
2 categonas mulada que sobrevive se calcula para el tiempo de superviven-
Mas de 2 categonas
(variables dicotomicas)
cia individual de cada paciente. Para saber si hay diferencias en el
tiempo en el que se produce el evento para los dos grupos de tra-
tamiento hay que usar test específicos para tal fin como son el test
de Breslow o el Logrank.
1) Regresión logística.
Casos clínicos 2) Prueba de la t.
3) Prueba de chi cuadrado.
Un investigador está interesado en determinar si existe una aso- 4) Correlación de Pearson.
ciación entre las cifras de tensión arterial diastólica (medida en
mm de Hg) y los niveles de colesterol (medidos en mg/ml). Para RC: 4
ello, ha realizado estas mediciones a 230 voluntarios. ¿Qué prueba
estadística es la más apropiada para examinar dicha asociación?
15 · Contraste de hipótesis
Estadística y epidemiología
Análisis de correlación
y de regresión
donde a y 13 son los coeficientes de regresión. Un valor positivo de r indica que a medida que aumenta una va-
riable, lo hace la otra, o que conforme disminuye una, también
El coeficiente a representa el punto en el que la línea corta el eje lo hace la otra. Un coeficiente de correlación negativo denota
vertical (valor de y para x = O). El coeficiente 13 es la pendiente de que a medida que disminuye una variable, aumenta la otra o
la recta que muestra la cantidad que varía y por una unidad de viceversa.
cambio de x. r = O indica que no hay correlación lineal.
La recta de regresión es más potente para hacer predicciones
cuando el coeficiente de correlación (r) está próximo a + 1 o La Figura 2 resume los distintos tipos de relación entre las variables.
a - 1.
Manual CTO de Medicina y Cirugía, 3.ª edición
A 1. B
• J •
..
. .. .. . ·... . ..... .
• ·1 • •
~ • • • • l• • • • •
• • • • I• • •, • •
-;-° •.:.... i ...: ::. :-·
• : • 1 •• ••
y -. --; --.T- -;-- =- y - ...!.
• . • r ..•
• : : • ºJ •••
Relación lineal • • •• ·.1 •• • Falta
....
::.
• •• •
·1
1
positiva
• I•
de relación
x x
.. . . Relación lineal
negativa
. : . '¡ ....
Relación
no lineal
·.·.··: • • 1 . : : 'i . : .
: . : ... 1: .
• •: • ,• I • •• 1
y - ,-;-..·r .-;- ..- y r
.. 1. : • •• .... .. ·.
1 • •• · : •••
e D
x x
Figura 2. Distintos tipos de relación entre las variables
" Los test de correlación y de regresión sirven para establecer aso- " Una r de 1 o de -1 implica una correlación cuya nube de disper-
ciación entre dos variables cuantitativas. sión se aproxima a la línea recta.
" El análisis del test de correlación se basa en la interpretación del " Cuando la correlación es fuerte, podrá entonces hacerse el test
coeficiente r. El valor de r está comprendido entre -1 y +1. Un de regresión lineal, cuya fórmula es y = a + ~x, donde ~ es la
valor positivo significa que si la variable "n" aumenta, la variable pendiente de la recta y a el punto de corte de esta en el eje de
"m" lo hará también. El valor absoluto de la restablece lo fuerte ordenadas.
Tamaíio muestral
'
Ejemplo: ¿A cuántas personas se tendrían que estud iar para cono-
' . cer la prevalencia de esqu izofren ia en un área residencial de Madrid7
ENARM Tema relativamente complejo.
El tamaño de la muestra se determina en el d iseño del estudio de modo Para estimar una media se debe conocer:
que sea apropiado para los objetivos buscados en el m ismo y con los El nivel de confi anza o seguridad (1-a), habitualmente 95%.
condicionamientos que se está dispuesto a asumir. Un número insufi- La precisión con que se desea estimar el parámetro.
ciente de participantes imped irá encontrar las d iferencias buscadas, con- Una idea de la varia nza de la variable cuantitativa que se supone
cluyendo erróneamente que no existen, mientras que un número excesi- existe en la población.
vo, aumenta innecesariamente el coste.
Ejemplo: Si se desea conocer la media de la colesterolemia basal de
Manejar muestras es más barato, rápido, fácil y suficientemente preciso y una población, con una seguridad del 95% y una precisión de ±4
exhaustivo que manejar poblaciones. Los datos obten idos en la muestra mg/dl, y se tiene información por un estudio pi loto o revisión biblio-
se general izarán a la población original uti lizando ciertas pruebas estadís- gráfica de que la varianza es de 300 mg/d l:
ticas con una mínima probabilidad de error(< So/o habitualmente).
n: (22 X 300) / 42 = 75
Hay dos campos en la inferencia estadística donde se va a desarrollar el
cálculo del tamaño muestra!:
Estimación de parámetros: el tamaño dependerá de la variabi lidad La precisión está en el denomi nador y al cuadrado, lo
del parámetro que se desea estimar (esta ha de ser previamente co- que significa que cuanto más prec iso se pretenda ser,
nocida, o bien aproximarse a partir de datos preexistentes o estud ios más pequeño será el número del denominador y, por
ello, el tamaño muestra! requerido será más grande.
pilotos), de la precisión con que se pretenda obtener la estimación
(amplitud deseada del interva lo de confianza, teniendo en cuenta
que a mayor precisión, se necesitará un número más alto de sujetos)
y del nivel de confianza.
Para estimar una proporción se debe conoce r: En la estimación de parámetros, NO se necesita co-
El nivel de confianza o seguridad (1-a). Para una segu ridad del nocer el error ~ para estimar el tamaño muestra!.
95% = 2; para una seguridad del 99% = 2,6.
La precisión que se desea para el estud io.
Una idea del valor aproximado del parámetro que se quiere me- Contraste de hipótesis: se utiliza para estudios comparativos y,
dir, revisando la literatura o los estudios previos. En caso de no te- en él, el tamaño de la muestra indica el número aproximado de
ner dicha información, se empleará el valor p = 0,05 (5%). En este sujetos que se necesitan para detectar una diferencia determinada,
caso, se necesita mayor n, pero garantizará una mejor estimación. si existe, con unos márgenes de error previamente definidos. Los
Manual CTO de Medicina y Cirugía, 3.ª edición
factores a tener en cuenta para determinar el tamaño muestra! son La proporción de pérdidas (d): se deberá multiplicar el tamaño
los siguientes: ca lcu lado por: 1/(1 - d).
La magnitud de la d ife rencia a detectar que tenga interés clí- La definición de si la hipótesis va a ser unilateral o bilateral.
nicamente relevante. Se pueden comparar dos proporciones o Bilateral: cua lquiera de los dos parámetros a comparar
dos medias. (med ias o proporciones) puede ser mayor o menor que el
Tener una idea aproximada de los parámetros de la variable que otro. No se establece dirección. H0 diferente de H,.
se estud ia (bibliografía, estud ios previos). Unilateral: cuando se considera que uno de los paráme-
La variabi lidad de la variable principal. tros debe ser mayor que el otro, indicando, por tanto, una
La seguridad del estudio (riesgo de cometer un error a: 5%). dirección de las diferencias. Sólo H0 >o< H,.
El poder estadístico (1 - ~: 80% al menos) (riesgo de cometer un
error~: O, 1- 0,2). La hipótesis bilateral es una hipótesis más conservadora y disminuye el
La proporción de pacientes en los distintos grupos que respon- riesgo de cometer un error de tipo l.
derá a cada tratamiento.
17 · Tamaño muestra!
Estadística y epidemiología I Bibliografía
Bibliografía
Estadística y epidemiología
(JI Dawson/Trapp. Bioestadística médica. 4.• ed. Manual Moderno, óll Grupo CTO. Manual CTO de Estadística y epidemiología. Planifica-
2005. ción y gestión. 9.• ed. CTO Editorial, Madrid, 2014.
óll Hernández Aguado. Manual de Epidemiología y Salud Pública. 2.• óll Ruiz, Morillo. Epidemiología clínica. Editorial médica Panamerica-
ed. Editorial médica Panamericana, 2011. na, 2004.