Documente Academic
Documente Profesional
Documente Cultură
la Ingeniería Biomédica
Módulo 2
1
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Tabla de contenido
2
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Introducción al módulo N° 2
La bioestadística es el análisis sistemático que permite describir un evento, organizar la
información, resumir, presentar, analizar y concluir los fenómenos de la salud. Por otro lado,
la tabulación y manipulación de los datos permite realizar interpretaciones prospectivas o
retrospectivas a partir de proporciones, razones o inferencias estadísticas. Los tomadores de
decisiones son los responsables del análisis concienzudo del evento de estudio.
3
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Universo o población
Conjunto de individuos que interactúan entre sí y están sujetos a un fenómeno de
estudio. Cuando se habla de universo en estadística se entiende como el todo y se
representa con la letra mayúscula N. Estas poblaciones responden a un evento de
interés (Celis y Labrada, 2014).
Elemento del universo
Hace referencia a la población de estudio, generalmente son personas, pero también
se realizan estudios de universos como zonas geográficas, microorganismos u otros
elementos, por ejemplo, el universo de pacientes de un hospital.
4
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Las variables son decididas por el investigador. Sin embargo, siempre deben contar con las
dependientes e independientes, estas variables representan las características de la población
y pueden clasificarse en:
Las variables de intervalo no tienen ceros absolutos, por ejemplo, las medidas de
temperatura en grado Celsius.
5
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Las variables de razón sí tienen ceros absolutos, por ejemplo la edad, ningún
individuo puede llegar a tener cero años.
6
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
La media aritmética: es el cociente entre la suma de todos los datos y el número de estos.
Se calcula con la siguiente fórmula:
X 1 X 2 .... Xn xi
x
N
N
Mediana: determina el valor que divide la cantidad de observaciones en dos partes iguales.
Se calcula con la siguiente fórmula.
N 1 N
med X med
2 2
Moda: es el dato de la variable que más se repite, es decir, aquel evento de mayor
frecuencia.
7
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
( xi x ) 2
s n 1
s s2
1.2.1.4. Medidas de posición
Las medidas de posición como los cuartiles, quintiles, deciles y percentiles dividen a una
distribución ordenada en partes iguales. Para calcular las medidas de posición es necesario
que los datos estén ordenados de menor a mayor (Martínez-González, 2006).
Los cuartiles (Qn): son los tres valores de la variable de una distribución dividida en
cuatro partes iguales, es decir, al 25 %, 50 % y 75 %. Para calcular el valor de uno
de los cuatro cuartiles, se utiliza la fórmula:
Qk = k (n/4)
En donde:
Qk = cuartil número 1, 2, 3 o 4
n = total de datos de la distribución.
8
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
El tercer cuartil (Q3) es un valor que supera, a lo más, el 75 % de los datos.
Es superado por máximo el 25 % de ellos (Martínez-González, 2006).
9
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Proceso en términos del azar donde un dato o variable tienen el chance de pertenecer a una
muestra.
Una variable aleatoria se llama discreta cuando solo puede tomar ciertos valores enteros, es
decir, es la probabilidad de tener éxito o fracaso en un evento de estudio, de estar o no
enfermo, o de exponer a un riesgo.
10
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Son los rangos máximos y mínimos en los cuales se encuentra una variable. Se determina
que es de confianza, ya que los datos deben contener las características de la población.
11
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
p (1 P)
Z
n
Proceso que ayuda a determinar la validez de una aseveración hacia las variables de la
población, basándose en la evidencia muestral, es decir, en la variable de estudio. La hipótesis
expresa el objetivo de los investigadores.
Las pruebas de hipótesis no son del todo ciertas hasta que se logre comprobar la veracidad
de las mimas, debido a que estas pruebas se enmarcan bajo la condición de probabilidad. Por
ello, va a existir un margen de error, cuya relación depende del nivel de significancia y
potencia de la prueba. Los tipos de error más frecuentes son:
Error tipo I
Si se rechaza la hipótesis nula cuando es verdadera se comete un error de tipo I. La
probabilidad de cometer un error de tipo I se identifica con α, que es el nivel de
significancia que se establece para su prueba de hipótesis. Un α de 0.05 indica que se
acepta la hipótesis con una probabilidad de 5 % de estar equivocado al rechazar la
hipótesis nula (Martínez-González, 2006).
Error tipo II
12
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Cuando la hipótesis nula es falsa y se rechaza se comete un error de tipo II. Al ser la
hipótesis nula, el error tipo II se identifica como beta β, que depende de la potencia
de la prueba. Para disminuir este tipo de error es conveniente aumentar la muestra
poblacional (Martínez-González, 2006).
Las inferencias poblacionales se realizan a partir de las muestras que se logren obtener. Este
proceso trae consigo el error sistemático e imprecisiones ocasionadas por las variabilidades
del fenómeno de estudio (Henquin, 2013).
Con el fin de establecer si existe un nivel de significancia entre las variables y su estado de
asociación, se emplea el valor P, el cual por consenso de expertos se determinó que fuera de
0.05. (Manterola, Pineda, Grupo Mincir, 2008).
Los datos categóricos se emplean en el momento que una variable requiera ser medida por
medio de una escala. Por ejemplo la descripción del género, estado civil o afiliación
pensional. Estas variables generalmente se categorizan por estado natural, es decir, pueden
compararse con la variable dependiente o independiente, según el objeto de estudio.
13
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
El test exacto de Fisher es la prueba exacta de Ji-cuadrado, ya que se utiliza para comparar
proporciones. Este test permite valorar las intervenciones que sean iguales o mayores a cinco
(Martínez-González, 2006). Una vez se hayan analizado las variables (edad, sexo, servicios
básicos, entre otras), se determina por el test exacto de Fisher en que proporciones se
encuentra en la población para emitir una propuesta que pueda favorecer positivamente a la
población.
1.3. Ejemplos
1.3.1. Ejemplo 1
Si el contenido en gramos de un determinado medicamento X sigue una distribución N (7.5;
0.3), calcular la probabilidad de que para una muestra de tamaño n=5, se obtenga un valor
medio menor que 7, Pr (X ≤ 7) (Martínez-González MA.2006).
A partir de una muestra de tamaño n=5 de una población normal N (µ=7.5, σ=0.3), tenemos
que:
14
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Donde Z tiene una distribución normal estándar, y por tanto, Pr ( X ≤7) = 0.0001
1.3.2. Ejemplo 2
Se estudiaron 40 muestras de aceite crudo de determinado proveedor, con el fin de detectar
la presencia del níquel mediante una prueba que nunca da un resultado erróneo. Si en 5 de
dichas muestras se observó la presencia de níquel, ¿podemos creerle al proveedor cuando
asegura que máximo el 8 % de las muestras contienen níquel? (Cuadras, 2016).
Llamemos p a la proporción de muestras que contienen níquel. Si la prueba nunca da un
resultado erróneo, la variable P0, representa la proporción positiva en 40 muestras.
Contrastamos la hipótesis
15
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Con lo que no podemos rechazar la hipótesis nula. Llamaremos N al suceso que representa
la presencia de níquel. Como la prueba es positiva en el 80 % de los casos en que hay níquel
pero también en su ausencia, con probabilidad igual a 0,01, la probabilidad de que una prueba
resulte positiva es
16
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
a) ¿Cuántas piezas se deben examinar para que con un nivel de confianza del 95 %, el error
que se pueda cometer en la estimación de la proporción poblacional de piezas defectuosas no
sea mayor que 0.05?
b) Si el encargado decide tomar una muestra de 100 artículos escogidos al azar en el lote,
realiza el recuento de piezas defectuosas en esta muestra y encuentra 4 artículos defectuosos,
construya un intervalo de confianza a nivel de 95 % para la proporción defectuosa en el lote.
¿Se debe rechazar el lote? (Martínez-González, 2006).
1.6 Conclusiones
La descripción de los datos de una población la realiza la epidemiología desde el campo
clínico, la recolección de la información lo hace la vigilancia epidemiología y el tomar
decisiones lo realiza la salud pública. Sin embargo, lo que no sea demostrable no tiene validez
científica. Por ello, todas las variables de estudio deben someterse a una verificación
estadística.
El análisis estadístico sobre la identificación de las variables epidemiológicas del
comportamiento de una población, se denota con una intervención bioestadística, ya que esta
busca responder a las hipótesis planteadas por la causa epidemiológica, de tal forma que se
logre demostrar el desenlace positivo o negativo de la enfermedad.
La bioestadística soporta la interacción entre las fuerzas de asociación de las variables que
intervienen constantemente con los factores de riesgo, de tal forma que siempre se deben
estar proponiendo estrategias que requieren ser analizadas en términos probabilísticos.
Glosario
Estadística: herramienta matemática utilizada para describir, recolectar, organizar,
analizar y tomar decisiones ante un evento de estudio.
Población: conjunto de individuos que interactúan entre si y están sujetos a un
fenómeno de estudio.
Muestra: representación participativa de la población.
17
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
18
Diplomado en Epidemiología Aplicada a
la Ingeniería Biomédica
Módulo 2
Referencias
Aguilar, S. (2006). Fórmulas para el cálculo de la muestra en investigaciones de salud. Salud
en Tabasco, 11(12), 333-338.
Celis, A., y Labrada, V. (2014). Bioestadística (3a. ed.). México D. F., México: El Manual
Moderno.
Cuadras, C. M. (2016). Problemas de probabilidades y estadística. Barcelona, España:
Edicions Universitat Barcelona.
Henquin, R. P. (2013). Epidemiología y estadística para principiantes. Buenos Aires,
Argentina: Corpus.
Manterola, C., Pineda, V., y Grupo Mincir. (2008). El valor de "p" y la "significación
estadística": Aspectos generales y su valor en la práctica clínica. Revista chilena de
cirugía, 60(1), 86-89.
Walpole, R., Myers, S. (2007). Probabilidad y Estadística para la ingeniería y las ciencias.
8th ed. Texas University at San Antonio.
Bibliografía recomendada
19