Epidemiología: Diseños, Frecuencia, Asociación y Sesgos

Y 0 flashcards y 5 preguntas más en el documento.

Texto del documento

APUNTES BIOESTADÍSTICA BÁSICA, EPIDEMIOLOGÍA E INTRODUCCIÓN A LA INVESTIGACIÓN Grado en Medicina Universidad de Barcelona AprenAI 2026-2027 Apuntes de Epidemiología para Medicina UB: diseños de estudio, medidas de frecuencia, riesgo relativo, odds ratio, criterios de causalidad y sesgos. APREN.AI Índice 1 Introducción a la epidemiología: conceptos y contexto histórico 1. Definición y objeto de estudio de la epidemiología 2. Perspectiva histórica: plagas clásicas y amenazas emergentes 3. Escalas de afectación: brote, epidemia y pandemia 4. Morbilidad versus mortalidad y transición a la cronicidad 5. Clasificación etiológica: procesos infecciosos y no infecciosos 6.

Herramientas metodológicas de la epidemiología y la bioestadística 2 Diseños de estudios epidemiológicos y jerarquía de la evidencia Variables epidemiológicas y tabla de contingencia 2x2 Ejes de clasificación de los estudios epidemiológicos Diseños primarios: ensayo clínico, cohortes y casos y controles Hitos epidemiológicos: el Estudio Framingham Estudios secundarios y jerarquía de la evidencia científica 3 Medidas de frecuencia de la enfermedad Estado de salud y tipos de exposición Métricas elementales: recuento, razón, proporción y tasa Cálculo e interpretación de las Odds Prevalencia y su vínculo con la duración de la enfermedad Incidencia acumulada frente a densidad de incidencia 4 Medidas de asociación y causalidad Causalidad e inferencia: los Criterios de Bradford Hill Tipos de asociación poblacional y medidas cualitativas Riesgo Relativo (RR) Odds Ratio (OR) 5 Validez epidemiológica y tipos de sesgos Concepto de validez en epidemiología Error aleatorio frente a error sistemático Dirección e impacto del sesgo Sesgo de selección Sesgo de información Sesgo de confusión e interacción 6 Formulario Medidas de frecuencia de la enfermedad Medidas de asociación y correlación Procedimientos y algoritmos metodológicos Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 1 Errores típicos Soluciones de las preguntas de repaso Estos apuntes pueden contener errores u omisiones.

Son un material de apoyo y no sustituyen al temario oficial ni al profesorado: contrasta la información importante. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 2 1 Introducción a la epidemiología: conceptos y contexto histórico AL ACABAR SABRÁS Definir el concepto y campo disciplinar de la epidemiología a partir de sus raíces etimológicas. Distinguir de forma operativa entre brote, epidemia y pandemia. Diferenciar con precisión analítica morbilidad de mortalidad. Discriminar entre enfermedades infecciosas, contagiosas y afecciones crónicas no transmisibles.

PIÉNSALO ANTES DE LEER 1 ¿Por qué el descenso histórico en la mortalidad por infecciones causó un incremento en la morbilidad por enfermedades crónicas? La epidemiología constituye el pilar cuantitativo y metodológico de la salud pública, orientada a comprender cómo y por qué enferman los colectivos humanos. ESQUEMA Estructura general del estudio epidemiológico 1. Definición y objeto de estudio de la epidemiología Etimológicamente, el término procede de tres raíces griegas: epi (sobre), demos (pueblo) y logos (estudio o ciencia). Por tanto, la epidemiología es el estudio de la distribución y los determinantes de la salud y la enfermedad en las poblaciones humanas.

Bases conceptuales Definiciones y raíces etimológicas Evolución histórica Grandes plagas y patógenos emergentes Dinámica poblacional Brote, epidemia y pandemia Indicadores y tipos Mortalidad, morbilidad y etiologías Medidas de impacto Diferenciación de morbilidad y mortalidad Clasificación clínica Enfermedades infecciosas frente a crónicas Instrumentos científicos Metodología bioestadística y epidemiológica Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 3 DEFINICIÓN La epidemiología analiza la frecuencia de los fenómenos de salud en el tiempo y el espacio, identifica los factores causales o de riesgo que los desencadenan y evalúa las medidas de intervención para su control y prevención.

La disciplina actual surge a partir de las sucesivas crisis sanitarias padecidas por la humanidad. La sistematización de estas experiencias permitió generar protocolos eficaces de prevención, aislamiento y vigilancia epidemiológica. 2. Perspectiva histórica: plagas clásicas y amenazas emergentes Históricamente, una plaga se consideraba una gran calamidad colectiva que asolaba a las poblaciones. En la antigua Grecia se invocaba la protección divina ante la amenaza constante de la enfermedad sobre la comunidad. Tabla histórica de grandes plagas y su estimación de defunciones asociadas. La primera plaga registrada con detalle documental es la plaga de Atenas (429-426 a.

C.), atribuida al tifus, que causó una cifra estimada de entre 75.000 y 100.000 muertes. Posteriormente, epidemias sucesivas diezmaron continentes enteros, como la peste antonina, la plaga de Justiniano y la peste negra en la Edad Media.

A lo largo del tiempo, varias afecciones epidémicas clásicas han sido controladas con antibióticos y saneamiento, mientras que otras persisten o surgen como amenazas contemporáneas: Enfermedades históricas persistentes: la peste bubónica, causada por la bacteria Yersinia pestis y transmitida por pulgas (vectores); la sífilis, ocasionada por Treponema pallidum vía sexual o Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 4 transplacentaria; y el cólera, producido por la bacteria Vibrio cholerae, estrechamente ligado al consumo de agua contaminada por falta de potabilización.

Afecciones de transmisión vectorial y tropicales: la malaria (protozoo del género Plasmodium, sin vacuna universal), la enfermedad de Chagas (protozoo flagelado Trypanosoma cruzi) y el dengue (virus). La movilidad territorial global facilita su dispersión internacional. Enfermedades emergentes: entidades de aparición reciente o impacto reemergente súbito, tales como el SIDA o el virus del Ébola (con notorias alertas de prevalencia y alta letalidad, como la acontecida en 2014). COMPRUEBA 2 ¿Por qué el cólera continúa siendo un problema epidémico relevante en determinadas regiones a pesar del conocimiento de su agente etiológico? 3.

Escalas de afectación: brote, epidemia y pandemia Para cuantificar y clasificar el comportamiento temporal y espacial de una patología en la población se distinguen tres conceptos fundamentales: Nivel Definición operativa Ejemplo característico Brote Aparición repentina de un número de casos superior al esperado en un espacio geográfico delimitado y temporalmente restringido. Agrupación de casos circunscrita a un ámbito local específico. Epidemia Incremento desusado y simultáneo del número de personas enfermas en una comunidad o área geográfica durante una temporada concreta. Incrementos estacionales marcados de influenza (gripe) en los meses de invierno.

Pandemia Epidemia que se extiende a escala global, involucrando a múltiples naciones o continentes al mismo tiempo. La tuberculosis mantenida globalmente o las grandes olas mundiales de gripe. Ante una epidemia, las autoridades de salud pública despliegan tanto medidas terapéuticas y curativas como intervenciones profilácticas: cuarentena, aislamiento de casos y rastreo de contactos. 4. Morbilidad versus mortalidad y transición a la cronicidad Es indispensable distinguir dos parámetros básicos de impacto sanitario poblacional: Concepto Definición Consecuencia e implicación sanitaria Mortalidad Tasa o proporción de defunciones ocurridas en un colectivo durante un periodo específico.

Mide la letalidad global y el impacto letal directo de una dolencia en la demografía. Morbilidad Proporción de individuos que contraen una enfermedad en un periodo y territorio concretos. Genera necesidad de cuidados clínicos y asistencia sociosanitaria sin implicar forzosamente el fallecimiento. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 5 En las sociedades modernas, la eficacia de los tratamientos antimicrobianos y las medidas higiénicas han reducido drásticamente la mortalidad fulminante por infecciones agudas. Como consecuencia, las personas enfermas conviven de forma prolongada con sus afecciones, propiciando el predominio de las enfermedades crónicas.

COMPRUEBA 3 ¿Cómo influye la disminución de la mortalidad en la morbilidad de las enfermedades crónicas dentro de una población? 5. Clasificación etiológica: procesos infecciosos y no infecciosos El origen biológico y la dinámica de transmisión permiten organizar los problemas de salud en dos grandes categorías: Enfermedades infecciosas y contagiosas Una enfermedad infecciosa es aquella causada por la entrada y proliferación de un microorganismo patógeno (bacteria, virus, parásito u hongo) en un huésped susceptible.

Por su parte, una enfermedad contagiosa es un subtipo de infección cuya transferencia entre individuos se produce con gran rapidez de forma directa (gotículas respiratorias, relaciones sexuales) o indirecta (vectores, agua contaminada). ERROR FRECUENTE No asumas que «infeccioso» y «contagioso» son términos idénticos. Toda enfermedad contagiosa es infecciosa, pero no toda infección es contagiosa directa: algunas patologías requieren la intervención estricta de un vector (como la malaria y el parásito Plasmodium) o condiciones ecológicas ambientales específicas para reproducirse. Enfermedades no infecciosas y crónicas No se propagan de persona a persona.

Surgen de la interacción continuada entre factores genéticos individuales, determinantes ambientales y estilos de vida. Presentan una evolución insidiosa: inician con poca sintomatología manifiesta y progresan paulatinamente hacia estadios dolorosos, persistentes o discapacitantes. Enfermedades cardiovasculares (infarto agudo de miocardio, accidentes cerebrovasculares). Neoplasias y cáncer. Patologías respiratorias crónicas (asma, neumopatía obstructiva crónica). Alteraciones metabólicas, como la diabetes tipo II y la obesidad (índice de masa corporal superior a 30). Fenómenos conductuales y de salud mental pública, destacando el incremento en los registros de muerte por suicidio.

Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 6 6. Herramientas metodológicas de la epidemiología y la bioestadística Para indagar la causalidad y evaluar el impacto poblacional, la epidemiología se nutre de la estadística, compartiendo herramientas teóricas y reservando otras para propósitos específicos. Esquema conceptual de herramientas propias y compartidas entre bioestadística y epidemiología. Técnicas puramente estadísticas: cálculo del valor p, contrastes de hipótesis (prueba t de Student, ANOVA), intervalos de confianza al 95 %, coeficientes de correlación lineal de Pearson, valores Z estandarizados y modelos de regresión.

Conceptos exclusivos del método epidemiológico: sesgo de selección y de información, técnicas de emparejamiento (matching), análisis del factor de confusión, tasas demográficas brutas y específicas, y diseños observacionales y de intervención (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»). Herramientas compartidas: parámetros diagnósticos de sensibilidad y especificidad, estimadores de riesgo relativo (RR), odds ratio (OR) y el diseño de ensayos clínicos aleatorizados. Las fórmulas operativas de prevalencia e incidencia se detallan en «Medidas de frecuencia de la enfermedad».

COMPRUEBA 4 ¿En qué categoría metodológica se sitúan las razones de ventaja (OR) y las pruebas de regresión lineal dentro de un estudio comunitario? Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 7 IDEAS CLAVE La epidemiología estudia la distribución de los fenómenos de salud y sus determinantes causales en poblaciones humanas. Históricamente, las plagas documentadas comenzaron con la de Atenas (429-426 a. C., atribuida al tifus), causando entre 75.000 y 100.000 defunciones. El espectro temporal y territorial clasifica las crisis en brote (localizado), epidemia (aumento inhabitual comunitario) y pandemia (extensión geográfica mundial).

La morbilidad cuantifica a las personas enfermas que requieren atención, mientras que la mortalidad calcula la frecuencia de fallecimientos. Las enfermedades contagiosas son un subtipo de infecciones transmisibles, diferenciadas de las patologías crónicas no infecciosas asociadas a la genética y el estilo de vida. La disciplina conjuga herramientas estadísticas puras (ANOVA, valor p) con instrumentos metodológicos propios (sesgos, confusión) e instrumentos compartidos (RR, OR, sensibilidad). COMPRUEBA LO QUE HAS APRENDIDO 5. ¿Cuál es la diferencia técnica entre una infección biológica y una enfermedad contagiosa? 6. ¿Qué distingue geográficamente a una epidemia de una pandemia?

Test Rodea la respuesta correcta. Las soluciones están al final. 7. ¿Cuál es el significado etimológico exacto del vocablo «epidemiología»? 8. ¿Qué patógeno y vector originan la peste bubónica clásica? 9. ¿Qué parámetro mide exclusivamente la proporción de individuos que contraen una dolencia sin aludir a defunciones?

Observación de patologías clínicas a) Tratado de agentes infecciosos b) Estudio sobre la población c) Medición estadística de muertes d) Vibrio cholerae mediante aguas residuales a) Treponema pallidum mediante contacto venéreo b) Yersinia pestis mediante picadura de pulgas c) Plasmodium mediante mosquitos tropicales d) Morbilidad a) Tasa de supervivencia b) Letalidad ajustada c) Mortalidad general d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 8 10. ¿Cuál de las siguientes herramientas metodológicas pertenece de manera compartida a la epidemiología y la estadística?

2 Diseños de estudios epidemiológicos y jerarquía de la evidencia AL ACABAR SABRÁS Clasificar los estudios epidemiológicos según su temporalidad y la asignación de la exposición. Construir e interpretar una tabla de contingencia 2x2 para variables cualitativas. Diferenciar las características clave de los ensayos clínicos, cohortes y casos y controles. Identificar los niveles de la jerarquía de evidencia científica. PIÉNSALO ANTES DE LEER 11 ¿Por qué un investigador no puede limitarse a calcular la incidencia de una enfermedad cuando realiza un estudio de casos y controles?

Variables epidemiológicas y tabla de contingencia 2x2 La investigación epidemiológica analiza cómo se distribuyen los eventos de salud y cuáles son sus factores determinantes. Para evaluar si existe una relación entre una exposición y un desenlace clínico, se distinguen dos clases de variables principales: Variable explicativa: representa el factor de estudio o sospecha etiológica, como una condición genética, un factor ambiental o una intervención terapéutica. Puede evaluarse de forma cualitativa dicotómica (fumar: sí/no) o cuantitativa continua (concentración sérica de PSA).

Variable de respuesta: refleja el desenlace en salud (health outcome), como la aparición de una patología, la curación o la calidad de vida. Puede medirse de forma binaria (sufrir un ictus: sí/no) o continua (peso corporal en kilogramos). Prueba t de Student a) Sensibilidad y especificidad b) Identificación de confusión c) Análisis de varianza (ANOVA) d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 9 Esquema conceptual entre factores explicativos y desenlaces de salud. El abordaje básico de las variables cualitativas dicotómicas se fundamenta en la tabla de contingencia 2x2.

Por convención metodológica, las filas representan el estado de exposición al factor y las columnas reflejan la presencia o ausencia de la enfermedad: Exposición al factor Enfermedad: Sí Enfermedad: No Sí A B No C D Estructura estándar de la tabla de contingencia epidemiológica 2x2. En esta disposición canónica, la casilla A recoge a los individuos expuestos enfermos, B a los expuestos sanos, C a los no expuestos enfermos y D a los no expuestos sanos. Esta estructura sirve de base para calcular frecuencias y evaluar asociaciones estadísticas. COMPRUEBA 12 ¿En qué posición estándar se sitúan la exposición y el desenlace clínico dentro de una tabla de contingencia 2x2?

Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 10 Ejes de clasificación de los estudios epidemiológicos Los diseños de investigación se estructuran según la existencia de una hipótesis previa, el control de la asignación de la exposición y el sentido temporal de la recogida de datos. Diagrama de clasificación de los estudios epidemiológicos según objetivos y asignación. Según su finalidad y asignación, los estudios se dividen en: Estudios exploratorios o descriptivos: carecen de una hipótesis analítica formal de partida y examinan patrones poblacionales, como los estudios transversales (cross-sectional).

Estudios analíticos u observacionales: contrastan hipótesis específicas sin que el equipo investigador intervenga ni asigne la exposición. Incluyen los estudios de cohortes y los de casos y controles. Estudios experimentales: el investigador asigna deliberadamente la exposición o intervención de manera aleatoria. Su máximo exponente es el ensayo clínico aleatorizado (Randomized Controlled Trial). Según el eje temporal, las investigaciones se diferencian en: Transversales: miden simultáneamente la exposición y el desenlace de salud en una única ventana temporal, actuando como una fotografía instantánea.

Longitudinales prospectivos: parten del presente hacia el futuro, siguiendo a grupos definidos a lo largo del tiempo para observar la aparición del evento de interés. Longitudinales retrospectivos: parten del desenlace ya establecido y reconstruyen la historia de exposición ocurrida en el pasado. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 11 ESQUEMA Diseños epidemiológicos según temporalidad y asignación COMPRUEBA 13 ¿Qué diferencia a un diseño observacional de uno experimental según la asignación de los grupos?

Diseños primarios: ensayo clínico, cohortes y casos y controles La selección del diseño define la validez y el alcance de las conclusiones obtenidas sobre los factores de riesgo: El ensayo clínico aleatorizado posee un esquema longitudinal y prospectivo. Los participantes que satisfacen los criterios de inclusión se asignan de modo aleatorio al grupo de intervención o al grupo control. Ambos grupos se siguen en el tiempo para cuantificar de forma comparativa la aparición del desenlace clínico esperado. El estudio de cohortes es de naturaleza observacional, longitudinal y habitualmente prospectivo.

La clasificación de los individuos se efectúa según su nivel espontáneo de exposición al factor de estudio. Posteriormente se monitoriza a las cohortes de expuestos y no expuestos a lo largo del tiempo para registrar la incidencia de la enfermedad. Exige un coste económico elevado y un periodo prolongado de seguimiento.

Transversales Medición simultánea en un momento temporal único Longitudinales Seguimiento continuado a lo largo del tiempo Prospectivos Del presente hacia el futuro Ensayo clínico Asignación aleatoria de intervención hacia el desenlace Cohortes Clasificación según exposición y seguimiento temporal Retrospectivos Del desenlace presente hacia la exposición pasada Casos y controles Parten de sujetos enfermos y buscan antecedentes Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 12 El estudio de casos y controles es un diseño observacional, longitudinal y retrospectivo.

La selección de los sujetos se define por su estado respecto a la enfermedad: se recluta un conjunto de personas enfermas (casos) y otro sin la patología (controles). A continuación, se examina retrospectivamente la frecuencia de exposición previa en ambos colectivos. Este diseño destaca por su rapidez y menor coste, siendo óptimo para patologías con largos periodos de latencia. ERROR FRECUENTE Intentar calcular directamente la incidencia acumulada o el riesgo relativo en un estudio de casos y controles. Dado que el investigador fija de forma artificial el número de casos y controles, la proporción muestral no representa la incidencia real ni la prevalencia poblacional.

En este diseño, la medida analítica obligatoria es la Odds Ratio (OR). COMPRUEBA 14 ¿Por qué un estudio de casos y controles no permite calcular directamente el riesgo relativo? Hitos epidemiológicos: el Estudio Framingham Un modelo histórico de estudio de cohortes es el Estudio Framingham, iniciado en 1948 en la localidad de Framingham (Massachusetts, Estados Unidos) para afrontar el incremento de las patologías cardiovasculares. La muestra original incorporó a 5.127 participantes de una población total de 30.000 residentes, sometidos a evaluaciones clínicas sistemáticas cada dos años, alcanzando el reclutamiento de su tercera generación en 2002.

Esta investigación transformó el paradigma biomédico moderno al acuñar formalmente la noción de factor de riesgo, diferenciando entre: Factores de riesgo modificables: características susceptibles de intervención terapéutica o preventiva, como las concentraciones de colesterol plasmático y los niveles de triglicéridos. Factores de riesgo no modificables: determinantes biológicos intrínsecos que no pueden alterarse, tales como la edad, el sexo biológico y los antecedentes familiares. Los datos permitieron formular modelos predictivos basados en probabilidades condicionadas para calcular el riesgo de sufrir un evento cardiovascular, adaptables a diversos entornos sociodemográficos.

Estudios secundarios y jerarquía de la evidencia científica Junto a las investigaciones primarias disponibles en bases biomédicas como PubMed y los datos del mundo real (real-world data, basados en registros clínicos digitalizados), la síntesis cuantitativa y cualitativa se articula mediante estudios secundarios: Revisión sistemática: recopilación exhaustiva y estructurada de todas las pruebas empíricas disponibles para dar respuesta a una pregunta clínica concreta mediante criterios reproducibles. Metaanálisis: integración estadística de los resultados procedentes de diversos estudios primarios homogéneos previamente identificados en una revisión sistemática.

Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 13 El rigor en las revisiones sistemáticas se consolidó a través de la Colaboración Cochrane, impulsada por investigadores británicos frente a la necesidad de contrastar la eficacia de las intervenciones sobre problemas de salud reales. Paralelamente, la red internacional EQUATOR Network coordina guías de publicación que garantizan la calidad y transparencia editorial de los distintos diseños. PROCESO Jerarquía de la evidencia científica COMPRUEBA 15 ¿Cuál es la función del metaanálisis dentro de una revisión sistemática? IDEAS CLAVE En la tabla 2x2 las filas recogen la exposición al factor y las columnas el estado de enfermedad.

Los ensayos clínicos se basan en la asignación aleatoria, mientras que los estudios de cohortes y casos y controles son observacionales. En los estudios de casos y controles no se puede calcular directamente la incidencia ni el riesgo relativo, debiendo usarse la Odds Ratio. El Estudio Framingham (iniciado en 1948 con 5.127 personas) acuñó el término factor de riesgo. Las revisiones sistemáticas con metaanálisis ocupan la cúspide de la jerarquía de evidencia científica.

Mecanismos de razonamiento Base teórica o razonamiento fisiopatológico aislado 1 Estudios de casos y controles Diseño observacional retrospectivo rápido 2 Estudios de cohortes Diseño observacional prospectivo de seguimiento 3 Ensayos clínicos aleatorizados Diseño experimental primario con control riguroso 4 Revisiones sistemáticas Síntesis cuantitativa mediante metaanálisis 5 Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 14 COMPRUEBA LO QUE HAS APRENDIDO 16. ¿Qué distingue metodológicamente a un estudio de cohortes de un estudio de casos y controles? 17. ¿Por qué las revisiones sistemáticas de ensayos clínicos encabezan la jerarquía de la evidencia científica?

Test Rodea la respuesta correcta. Las soluciones están al final. 18. ¿En qué orden se colocan habitualmente las variables en una tabla de contingencia epidemiológica 2x2? 19. ¿Qué medida de asociación debe emplearse obligatoriamente en un estudio de casos y controles? 20. ¿Cuál de los siguientes es un factor de riesgo modificable identificado en el Estudio Framingham? 21. ¿Cuál es el propósito principal de la red internacional EQUATOR Network?

Exposición en filas y tiempo en columnas a) Desenlace en filas y factores en columnas b) Enfermedad en filas y exposición en columnas c) Exposición en filas y enfermedad en columnas d) Riesgo relativo a) Odds Ratio b) Densidad de incidencia c) Incidencia acumulada d) Colesterol plasmático elevado a) Sexo biológico b) Edad avanzada c) Historia familiar d) Realizar metaanálisis de fármacos a) Promover guías para publicar estudios b) Custodiar bases de datos clínicas c) Reclutar cohortes poblacionales globales d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 15 3 Medidas de frecuencia de la enfermedad AL ACABAR SABRÁS Diferenciar de forma matemática y conceptual recuentos, razones, proporciones y tasas.

Calcular e interpretar las Odds asociadas a un evento dicotómico. Relacionar la prevalencia con la incidencia y la duración según el umbral del 10 %. Calcular personas-tiempo y densidad de incidencia a partir de un diagrama de seguimiento temporal. PIÉNSALO ANTES DE LEER 22 ¿Por qué no es lo mismo decir que el riesgo de enfermar es del 20 % que afirmar que la tasa es de 20 casos por cada 100 personas-año? Estado de salud y tipos de exposición En epidemiología se cuantifica la aparición o presencia de estados concretos denominados eventos de salud (o health outcomes).

Estos eventos se definen de manera dicotómica mediante la presencia o ausencia de una condición determinada: manifestar o no una enfermedad, fallecer o sobrevivir, o experimentar complicaciones clínicas específicas frente a su ausencia. Frente a estos desenlaces, los individuos presentan distintos grados de exposición. Esta exposición se clasifica según su impacto potencial sobre el estado de salud: Exposición negativa o factor de riesgo ( ): factor ambiental o conductual que incrementa la probabilidad de desarrollar el evento dañino (por ejemplo, la contaminación atmosférica).

Exposición positiva o factor de protección ( ): elemento que previene o disminuye la probabilidad de enfermar (por ejemplo, la vacunación). Métricas elementales: recuento, razón, proporción y tasa La cuantificación epidemiológica parte de cuatro operaciones matemáticas fundamentales, diferenciadas por la relación entre su numerador y su denominador: Métrica Definición y estructura matemática Rango de valores Recuento Conteo absoluto del número de sucesos o individuos observados. Enteros no negativos ( ) Razón Cociente entre dos cantidades independientes donde el numerador no está incluido en el denominador: .

E E+ [0, infinito) R = b a [0, infinito) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 16 Métrica Definición y estructura matemática Rango de valores Proporción Cociente donde los elementos del numerador están contenidos dentro del denominador: . Acotada estrictamente en el intervalo [0, 1] Tasa Cociente que mide la velocidad de cambio de un suceso relativo al tiempo de observación acumulado: . con dimensiones de tiempo inverso ( ) ESQUEMA Métricas básicas de medida en epidemiología Cálculo e interpretación de las Odds Las Odds (o momios) constituyen una forma particular de razón derivada de una probabilidad binaria (distribución de Bernoulli o binomial).

Expresan el cociente entre la probabilidad de que ocurra un evento y la probabilidad complementaria de que no suceda. DEFINICIÓN Para una probabilidad de suceso (o ), las Odds se definen como: Donde toma valores en , permitiendo que las Odds varíen desde 0 hasta infinito.

P = a+b a T = Personas en un determinado intervalo de tiempo a [0, infinito) tiempo 1 Recuento absoluto Número entero de eventos observados Razón Cociente entre magnitudes independientes Odds Cociente entre probabilidad y complementario Proporción Numerador incluido en denominador [0, 1] Tasa Velocidad con denominador persona-tiempo π π Odds = 1 π π π [0, 1] Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 17 EJEMPLO En una muestra de 180 personas, 120 declaran realizar actividad física regular: COMPRUEBA 23 Si la probabilidad π de presentar una complicación es de 0,20, ¿cuál es el valor de sus Odds?

Prevalencia y su vínculo con la duración de la enfermedad La prevalencia representa la proporción de individuos de una población que padecen una enfermedad en un momento o periodo determinado. Se divide en: Prevalencia puntual: medida en un instante temporal concreto y delimitado. Prevalencia de periodo: calculada a lo largo del intervalo temporal que requiere completar la recolección de los datos muestrales (por ejemplo, prevalencia mensual o anual). La magnitud de la prevalencia depende tanto de la velocidad con que surgen nuevos casos (incidencia) como del tiempo medio de permanencia en el estado de enfermedad ( ).

La relación matemática entre estos parámetros varía según la frecuencia basal de la afección: DEFINICIÓN Si la prevalencia es reducida ( ): Si la prevalencia es elevada ( ), se requiere la corrección por saturación: Probabilidad del suceso: . 1 π = = 180 120 3 2 Probabilidad complementaria: . 2 1 π = 1 = 3 2 3 1 Cálculo de las Odds: . Por cada individuo que no realiza actividad física, existen 2 individuos que sí la practican. 3 Odds = = 1/3 2/3 2 D P < 10 % P I D P > 10 % P = 1 + (I D) I D Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 18 Diagrama temporal de casos de sinusitis observados en diez pacientes en 1989.

El seguimiento gráfico superior permite calcular la prevalencia puntual en una fecha fija frente al riesgo de nuevos eventos en el intervalo completo de observación. Incidencia acumulada frente a densidad de incidencia La incidencia mide el número de casos nuevos de una enfermedad que surgen en una población susceptible a lo largo de un marco temporal específico. Se expresa mediante dos abordajes metodológicos fundamentales: 1. Incidencia acumulada (IA): proporción que cuantifica el riesgo individual de desarrollar la afección. Requiere una cohorte cerrada o fija en la que todos los individuos inician libres de la patología: 2.

Densidad de incidencia (DI) o tasa de incidencia: evalúa la velocidad con la que surge la enfermedad en una población abierta o dinámica, considerando el seguimiento individualizado: IA = Poblaci n susceptible al inicio del periodo o ˊ Casos nuevos observados DI = Personas por unidad de tiempo espec fica en riesgo ı ˊ Casos nuevos observados Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 19 DEFINICIÓN Las personas-tiempo representan la suma exacta del tiempo durante el cual cada individuo ha estado expuesto y en riesgo de enfermar dentro del estudio. Dicho seguimiento cesa cuando el sujeto desarrolla el evento, fallece por otra causa, abandona la observación o concluye el estudio.

ERROR FRECUENTE Confundir la incidencia acumulada con la densidad de incidencia conduce a interpretaciones erróneas. La incidencia acumulada es una proporción pura (adimensional, entre 0 y 1) y asume un seguimiento completo de todos los participantes. En contraste, la densidad de incidencia es una tasa verdadera cuyo denominador posee unidades físicas ( ) y no está acotada en 1, reflejando la velocidad instantánea de aparición de casos. Gráfica de seguimiento individual de diez mujeres durante cuatro años de observación.

En el diagrama de seguimiento de cáncer de mama a cuatro años, los símbolos representan distintos hitos de seguimiento: Cruz ( ): diagnóstico del desenlace estudiado (caso nuevo). Círculo vacío: abandono del estudio o defunción por otra causa no relacionada. Línea continua sin remate: pérdida de contacto o fin de seguimiento sin evento. Círculo con cruz inscrita: defunción atribuible a la enfermedad analizada. tiempo 1 × Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 20 En este registro de 10 participantes, el sumatorio del tiempo en riesgo totaliza .

Al identificarse 5 casos diagnosticados ( ), la densidad de incidencia resulta: Gráfica con cómputo de personas-tiempo individual acumulado para doce sujetos seguidos. En este segundo análisis con 12 sujetos seguidos en un periodo plurianual, la agregación directa de los periodos individuales en riesgo ( ) produce: Con 5 casos incidentes confirmados, la tasa de incidencia resultante es: COMPRUEBA 24 ¿Por qué dos estudios con 5 casos nuevos observados pueden presentar densidades de incidencia distintas? 20,5 personas-a o ñ × DI = 0,244 casos por persona-a o (o 244 por cada 1000 personas-a o) 20,5 5 ñ ñ Δt Personas-tiempo total = 2,5 + 3,5 + 1,5 + ...

+ 1,5 = 26 personas-a o ñ DI = 26 5 0,192 casos por persona-a o (192 por cada 1000 personas-a o o 19,2%) ñ ñ Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 21 IDEAS CLAVE Las proporciones son adimensionales y están estrictamente acotadas en el intervalo , a diferencia de las razones y las tasas. Las Odds miden la relación entre la probabilidad del suceso y su complemento ( ), oscilando entre 0 e infinito. Para enfermedades poco frecuentes ( ), la prevalencia equivale al producto de la incidencia por la duración ( ).

La incidencia acumulada refleja el riesgo individual en cohortes cerradas, mientras que la densidad de incidencia mide la velocidad de aparición usando personas-tiempo. COMPRUEBA LO QUE HAS APRENDIDO 25. ¿Qué ecuación ajustada de prevalencia se debe emplear si esta supera el 10 % en una población con estado estacionario? 26. ¿Cómo se calcula el denominador de la densidad de incidencia en una cohorte dinámica? Test Rodea la respuesta correcta. Las soluciones están al final. 27. ¿En qué rango de valores se encuentra estrictamente delimitada una proporción matemática? 28. Si la probabilidad π de un evento de salud es 2/3, ¿cuál es el valor de las Odds? 29.

¿Cuál es la fórmula para aproximar la prevalencia puntual cuando esta es menor del 10%? 30. ¿Qué representa el denominador de la densidad de incidencia?

[0, 1] π/(1 π) P < 10 % P I D Entre -1 y 1 a) Entre 0 e infinito b) Entre 0 y 1 c) Cualquier número real no negativo d) 0,33 a) 0,66 b) 2,0 c) 1,5 d) P = I + D a) P = I / D b) P = (I · D) / [1 + (I · D)] c) P I · D d) Suma de sujetos que abandonaron a) Población total multiplicada por años b) Suma de personas-tiempo en riesgo c) Casos prevalentes al inicio d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 22 4 Medidas de asociación y causalidad AL ACABAR SABRÁS Distinguir la asociación estadística de la causalidad mediante los criterios de Bradford Hill. Calcular e interpretar el Riesgo Relativo y la Odds Ratio a partir de los datos de una tabla 2x2.

Explicar el supuesto de enfermedad rara que permite aproximar la Odds Ratio al Riesgo Relativo. PIÉNSALO ANTES DE LEER 31 ¿Por qué un cociente de riesgos nulo equivale a 1 y no a 0? Causalidad e inferencia: los Criterios de Bradford Hill En epidemiología, comprobar que existe una correlación matemática no equivale a demostrar una relación de causa y efecto. Para sospechar una causalidad real, se parte de una asociación estadística confirmada y se evalúan las condiciones formuladas por Austin Bradford Hill. Fuerza de la asociación: a mayor magnitud del estadístico que liga la causa y el efecto, más probable es que sea causal.

Credibilidad biológica: la hipótesis planteada debe concordar con los mecanismos descritos por las ciencias biomédicas. Consistencia: diversos estudios e investigaciones, integrados por ejemplo en un metaanálisis (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»), obtienen conclusiones semejantes ante una misma causa. Secuencia temporal: la causa sospechada debe anteceder siempre en el tiempo a la aparición de la enfermedad. Por este motivo, los diseños longitudinales resultan superiores a los retrospectivos y a los de corte transversal (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»).

Gradiente dosis-respuesta: a mayor intensidad o duración de la exposición, se constata un aumento progresivo en la incidencia de la patología, tal como sucede entre la cantidad de cigarrillos consumidos y el cáncer. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 23 ESQUEMA Evaluación de la causalidad y medidas de asociación COMPRUEBA 32 ¿Por qué un estudio transversal no suele bastar para confirmar causalidad según Bradford Hill?

Tipos de asociación poblacional y medidas cualitativas Al analizar una población se distinguen tres comportamientos posibles en la interacción entre una exposición y un daño: Tipo de asociación Efecto sobre el riesgo Ejemplo conceptual Nula El factor analizado no altera la probabilidad de enfermar. Exposición inocua sin impacto patológico. Factor de riesgo La presencia del factor incrementa el riesgo de enfermar. Consumo habitual de tabaco. Factor de protección La presencia del factor disminuye el riesgo de la patología. Administración de vacunas preventivas.

Para cuantificar la intensidad de la vinculación entre variables categóricas dispuestas en tablas de contingencia (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»), se utilizan coeficientes estadísticos derivados de la prueba ji-cuadrado: Inferencia epidemiológica Relación causa-efecto Criterios de Bradford Hill Verificación de causalidad Secuencia temporal Exposición precede al daño Dosis- respuesta Gradiente biológico directo Medidas de asociación Cuantificación del efecto Riesgo Relativo (RR) Cohortes y ensayos clínicos Odds Ratio (OR) Casos y controles Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 24 Coeficiente de contingencia de Pearson: corrige el estadístico ji-cuadrado de independencia en función del tamaño de la muestra.

Su mínimo es 0 (independencia estricta), mientras que su cota superior es menor a 1 y depende del número total de filas y columnas. Coeficiente Phi ( ): formulación adaptada para contrastar tablas de contingencia . Toma valores en el rango . El valor 0 refleja independencia; +1 representa una correlación directa completa en las casillas y ; y -1 indica una relación inversa absoluta en las celdas y , compatible con una reducción neta del riesgo. COMPRUEBA 33 ¿Qué indica un coeficiente Phi con valor cercano a cero al evaluar una exposición?

Riesgo Relativo (RR) El Riesgo Relativo (RR) es la razón entre el riesgo de contraer la enfermedad en los sujetos expuestos respecto al riesgo en los individuos no expuestos. Su cálculo es idóneo en estudios de seguimiento longitudinal como el estudio de cohortes o el ensayo clínico aleatorizado (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»).

A partir de una tabla donde las filas recogen la exposición (sí/no) y las columnas la enfermedad (presente/ausente), con casillas (expuestos enfermos), (expuestos sanos), (no expuestos enfermos) y (no expuestos sanos): La interpretación de este cociente se estructura en función de su valor nulo igual a 1: : no existe asociación; las tasas de incidencia entre expuestos y no expuestos son idénticas. : el elemento evaluado actúa como un factor de riesgo. : el elemento estudiado funciona como un factor de protección. Debido a que el riesgo procede de una muestra poblacional, se requiere estimar su intervalo de confianza.

El recorrido de valores del va desde 0 hasta el infinito positivo, con su elemento neutro ubicado en 1. En consecuencia, su intervalo de confianza es asimétrico en la escala original. Para resolver esta asimetría, se opera aplicando una transformación logarítmica: Odds Ratio (OR) En el diseño de casos y controles (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia») no se puede calcular directamente la incidencia acumulada ni el , ya que la proporción entre enfermos y sanos queda fijada de antemano por el investigador y no refleja la prevalencia real de la población (véase «Medidas de frecuencia de la enfermedad»).

Por este motivo, se emplea la Odds Ratio (OR) o razón de ventajas como estimador del riesgo. ϕ 2 × 2 [ 1, +1] a d b c 2 × 2 a b c d RR = = R no expuestos R expuestos = c+d c a+b a c (a + b) a (c + d) RR = 1 RR > 1 RR < 1 RR ln(RR) ± z 1 α/2 + a 1 a + b 1 c 1 c + d 1 RR Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 25 La Odds Ratio es el cociente entre dos odds: la ventaja de exposición en los sujetos enfermos frente a la ventaja de exposición en los no enfermos: De forma similar al riesgo relativo, cuando se concluye que no hay asociación entre el factor y el desenlace clínico.

PARA RECORDARLO El supuesto de enfermedad rara (prevalencia 10 %) es el puente matemático que permite utilizar la OR calculada en un estudio de casos y controles como un sustituto fiable del RR de la población general. ERROR FRECUENTE Asumir que la Odds Ratio y el Riesgo Relativo son siempre idénticos. Cuando la patología en estudio es frecuente (prevalencia superior al 10 %), la Odds Ratio sobreestima el riesgo real, arrojando valores notablemente más alejados del 1 que el verdadero Riesgo Relativo. COMPRUEBA 34 ¿Bajo qué condición concreta la Odds Ratio aproxima satisfactoriamente al Riesgo Relativo?

IDEAS CLAVE La presencia de correlación estadística no demuestra causalidad por sí sola; requiere comprobar los Criterios de Bradford Hill como temporalidad, consistencia y gradiente biológico. Tanto para el Riesgo Relativo como para la Odds Ratio, el valor nulo de no asociación es exactamente igual a 1. El intervalo de confianza del Riesgo Relativo es asimétrico debido a que su escala se extiende entre 0 e infinito situando el punto neutro en 1. En los estudios de casos y controles no es posible computar la incidencia ni el RR de forma directa, por lo que se recurre obligatoriamente a la Odds Ratio.

La Odds Ratio estima adecuadamente al Riesgo Relativo solo bajo el supuesto de enfermedad rara, correspondiente a una prevalencia del 10 % o inferior. COMPRUEBA LO QUE HAS APRENDIDO 35. ¿Por qué motivo no se puede calcular de forma directa el Riesgo Relativo en un estudio de casos y controles? 36. ¿Cómo se interpreta un intervalo de confianza del 95 % para un que comprende valores entre 0,65 y 1,85? OR = = O sanos O enfermos = d b c a b c a d OR = 1 RR Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 26 Test Rodea la respuesta correcta. Las soluciones están al final. 37. ¿Qué criterio de Bradford Hill exige que la causa preceda temporalmente a la aparición de la patología? 38.

¿Cuál es el valor nulo de no asociación para el Riesgo Relativo y la Odds Ratio? 39. ¿Qué rango de valores puede tomar el coeficiente Phi en una tabla cualitativa de 2x2? 40. ¿Qué ocurre con la estimación de la Odds Ratio si la prevalencia del evento supera el 10 %? 5 Validez epidemiológica y tipos de sesgos AL ACABAR SABRÁS Diferenciar con precisión conceptual el error aleatorio del error sistemático o sesgo. Explicar por qué ampliar el tamaño muestral no subsana el sesgo sistemático. Identificar los tres grandes grupos de sesgo: selección, información y confusión.

PIÉNSALO ANTES DE LEER 41 ¿Por qué reunir a un millón de participantes en una encuesta no asegura que sus resultados sean ciertos? Concepto de validez en epidemiología La epidemiología busca evaluar con exactitud la relación entre una exposición y un evento de salud. Para que un estudio resulte fiable, debe garantizar su validez metodológica mediante la ausencia de distorsiones en sus resultados.

Gradiente dosis-respuesta a) Credibilidad biológica b) Fuerza de la asociación c) Secuencia temporal d) Exactamente 0 a) Valor infinito b) Menor que -1 c) Exactamente 1 d) De 1 a 100 a) De 0 a infinito b) De 0 a 1 c) De -1 a +1 d) Sobreestima el valor del RR a) Subestima el valor del RR b) Iguala exactamente al RR c) Toma un valor inferior a 0 d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 27 DEFINICIÓN La validez interna es el grado de exactitud con el que los resultados reflejan la realidad de la población estudiada. Determina si las conclusiones obtenidas son metodológicamente fiables en el propio grupo analizado.

Por otro lado, la validez externa representa la capacidad de generalizar o extrapolar dichas conclusiones a otras poblaciones externas no estudiadas directamente. Un estudio carece de valor si no asegura primero su validez interna, pues no es posible extrapolar un resultado metodológicamente distorsionado. Error aleatorio frente a error sistemático En cualquier investigación cuantitativa pueden presentarse desviaciones respecto al valor real: Error aleatorio: Surge debido a variaciones impredecibles del azar durante el muestreo. No responde a un mecanismo predeterminado y carece de una causa específica identificable.

Error sistemático o sesgo: Desviación constante y reproducible introducida por defectos en el diseño, recogida o análisis de datos. Tiende a repetirse en una dirección determinada en lugar de cancelarse por azar. Propiedad Error aleatorio Error sistemático (sesgo) Causa Variabilidad por azar Fallos de diseño, medición o análisis Dirección del error Impredecible y bidireccional Unidireccional y consistente Afecta a Precisión del estudio Validez interna del estudio ¿Se reduce aumentando la muestra? Sí, disminuye al ampliar No, persiste inalterado ERROR FRECUENTE Creer que reclutar a miles de participantes corrige un sesgo sistemático.

Aumentar el tamaño de la muestra incrementa la precisión estadística, pero reproduce el fallo metodológico con mayor contundencia. El sesgo exige prevenirlo en el diseño o ajustarlo analíticamente. COMPRUEBA 42 ¿Por qué la ampliación del tamaño muestral no subsana un error sistemático? Dirección e impacto del sesgo Cuantificar con exactitud matemática la magnitud de una distorsión resulta sumamente difícil.

Sin embargo, sí es posible caracterizar la dirección del sesgo según la forma en que altera la medida de asociación (como el riesgo relativo o la odds ratio, véase «Medidas de asociación y causalidad»): n Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 28 La revisión a posteriori de investigaciones precedentes permite evidenciar estas alteraciones al comparar diferentes estrategias metodológicas.

ESQUEMA Clasificación de los sesgos epidemiológicos Sesgo de selección El sesgo de selección aparece cuando los procedimientos para elegir a los individuos participantes distorsionan la muestra, impidiendo que los grupos comparados resulten representativos o verdaderamente comparables entre sí. Entre sus principales manifestaciones se encuentran: Sesgo por no respuesta: Constituye una causa determinante de distorsión en estudios de cohortes y ensayos clínicos. Sucede cuando las personas que deciden contestar o permanecer difieren sistemáticamente de quienes rehúsan participar.

Por ejemplo, si en una muestra teórica de 10 sujetos solo participa el 10 %, las respuestas obtenidas no representarán a la totalidad. Falacia de Neyman: Distorsión de selección por prevalencia-incidencia originada al utilizar casos prevalentes en lugar de incidentes, seleccionando involuntariamente a individuos con mayor supervivencia o duración de la enfermedad. Sobreestimación: La asociación observada aparece artificialmente inflada en comparación con la magnitud real del efecto. 1 Infraestimación: La medida de asociación queda reducida y subestimada, ocultando potencialmente un vínculo existente.

2 Cambio de signo o sentido: La distorsión invierte la relación, haciendo parecer protector a un factor dañino o viceversa.

3 Sesgo de selección Grupos no representativos o no comparables Falacia de Neyman Distorsión por uso de casos prevalentes Sesgo por no respuesta Pérdidas y rechazo a participar Sesgo de información Medición y clasificación defectuosa Clasificación diferencial Error dependiente del otro grupo Clasificación no diferencial Misma tasa de error en todos Sesgo de confusión Influencia de variables externas Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 29 Los estudios de cohortes son más propensos a presentar errores de sesgo en comparación con los ensayos clínicos aleatorizados, donde el proceso de aleatorización protege contra las diferencias de base entre grupos (véase «Diseños de estudios epidemiológicos y jerarquía de la evidencia»).

Sesgo de información Surge cuando las variables de exposición o de desenlace se cuantifican de forma defectuosa o heterogénea entre los grupos de estudio: Clasificación incorrecta diferencial: El fallo en la medición o categorización depende del estado de la otra variable (por ejemplo, registrar la exposición de forma distinta entre enfermos y sanos). Altera la dirección de la asociación de forma asimétrica. Clasificación incorrecta no diferencial: La probabilidad de error en la asignación es idéntica en todos los participantes, independientemente de su exposición o diagnóstico. Suele desplazar la medida de asociación hacia el valor nulo.

Sesgo de confusión e interacción El sesgo de confusión ocurre cuando una variable externa, ajena a la hipótesis directa de trabajo, se encuentra vinculada simultáneamente con la exposición y con el desenlace estudiado, enmascarando o falseando el verdadero efecto causal. Junto a la confusión, debe evaluarse la interacción de variables, analizando si el impacto combinado de varios factores modifica o multiplica el efecto individual de la exposición estudiada. COMPRUEBA 43 ¿En qué se diferencian el sesgo de información diferencial y el no diferencial?

IDEAS CLAVE La validez interna garantiza que las conclusiones del estudio sean ciertas para la muestra analizada, mientras que la validez externa evalúa su extrapolación a otras poblaciones. El error sistemático (sesgo) desvía las estimaciones en una dirección concreta y no se elimina aumentando el tamaño de la muestra. Los sesgos pueden sobreestimar, infraestimar o invertir el signo de la medida de asociación epidemiológica. El sesgo de selección altera la comparabilidad entre grupos (como la no respuesta o la falacia de Neyman).

El sesgo de información clasifica incorrectamente a los participantes (de modo diferencial o no diferencial), y la confusión introduce variables externas que distorsionan la relación observada. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 30 COMPRUEBA LO QUE HAS APRENDIDO 44. ¿Qué consecuencia tiene sobre el sesgo el incremento del número de participantes en un estudio? 45. ¿Cuál es el requisito indispensable previo para poder aspirar a tener validez externa? Test Rodea la respuesta correcta. Las soluciones están al final. 46. ¿Qué efecto produce el error sistemático en la estimación del efecto? 47. ¿Qué evalúa la validez interna de una investigación epidemiológica? 48.

¿Qué problema metodológico representa el sesgo por no respuesta? 49. ¿Cómo se define el sesgo de confusión en un estudio?

Desaparece duplicando el tamaño de muestra a) Se anula automáticamente al promediar mediciones b) Aumenta la dispersión sin alterar la media c) Desvía el resultado hacia una dirección determinada d) El coste económico global del diseño empleado a) La aplicabilidad en cualquier contexto clínico mundial b) El volumen final de sujetos reclutados c) La veracidad metodológica en la población estudiada d) Un sesgo de información no diferencial a) Una alteración exclusiva del error aleatorio b) Un fenómeno de interacción estadística pura c) Una manifestación del sesgo de selección d) Distorsión por factores externos vinculados a ambos a) Registro heterogéneo de datos entre encuestadores b) Imprecisión debida al tamaño muestral reducido c) Exclusión accidental de sujetos con patología leve d) Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 31 6 Formulario Medidas de frecuencia de la enfermedad Fórmula o procedimiento Qué significa cada símbolo Cuándo se usa : probabilidad del evento dicotómico; : probabilidad complementaria.

Calcular la ventaja de que ocurra un evento frente a que no ocurra. : prevalencia puntual; : incidencia acumulada; : duración media del proceso patológico. Aproximar la prevalencia en condiciones de estado estacionario con prevalencia inferior al 10 %. : prevalencia; : incidencia; : duración media de la afección. Calcular la prevalencia en poblaciones estacionarias cuando la prevalencia supera el 10 %. Numerador: eventos incidentes; Denominador: sujetos libres de enfermedad en riesgo basal. Estimar el riesgo individual de enfermar en una cohorte cerrada durante un periodo fijo. Numerador: casos incidentes observados; Denominador: suma de periodos individuales de seguimiento.

Medir la velocidad instantánea de aparición de la enfermedad en cohortes dinámicas o con seguimiento variable. Medidas de asociación y correlación Fórmula o procedimiento Qué significa cada símbolo Cuándo se usa Estadístico de correlación cuadrática en tablas ; 0: independencia; +1: asociación directa; -1: asociación inversa. Evaluar el grado de vinculación entre dos variables cualitativas dicotómicas. : expuestos enfermos y sanos; : no expuestos enfermos y sanos. Cuantificar la fuerza de la asociación causal en estudios de cohortes y ensayos clínicos controlados.

Odds = 1 π π π 1 π P I D P I D P = 1+(I D) I D P I D IA = Poblaci n susceptible al inicio o ˊ Casos nuevos DI = personas-tiempo en riesgo Casos nuevos ϕ [ 1, +1] 2 × 2 RR = = c/(c+d) a/(a+b) c (a+b) a (c+d) a, b c, d Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 32 Fórmula o procedimiento Qué significa cada símbolo Cuándo se usa : cuantil normal (1,96 para 95 %); : frecuencias absolutas de la tabla . Calcular el intervalo de confianza del riesgo relativo corrigiendo la asimetría de su distribución. : casos expuestos y no expuestos; : controles expuestos y no expuestos. Medir la asociación en estudios de casos y controles (aproxima al RR si la prevalencia poblacional es ).

Procedimientos y algoritmos metodológicos Fórmula o procedimiento Qué significa cada símbolo Cuándo se usa Identificación del diseño: Existencia de hipótesis Asignación de exposición (aleatoria = experimental / no aleatoria = observacional) Sentido temporal (transversal, prospectivo o retrospectivo). Secuencia de decisión metodológica para catalogar el tipo de investigación clínica. Clasificar un estudio epidemiológico primario y determinar su nivel jerárquico de evidencia. Evaluación de causalidad: Confirmar significación estadística Comprobar secuencia temporal Verificar consistencia Evaluar gradiente dosis-respuesta Contrastar plausibilidad biológica.

Aplicación secuencial de los criterios epidemiológicos de Austin Bradford Hill. Determinar si una asociación observada entre exposición y evento es de naturaleza causal. Control de sesgos: Identificar fase de error Diferenciar sesgo de selección (muestreo no comparable), información (clasificación diferencial o no) y confusión (variable externa ligada a ambos) Ajustar analíticamente o en diseño. Algoritmo de análisis de distorsiones sistemáticas del estudio. Garantizar la validez interna previa a la extrapolación o validez externa de los hallazgos.

Errores típicos Calcular de forma directa la incidencia acumulada o el riesgo relativo en un diseño de casos y controles en lugar de utilizar la Odds Ratio. Creer que aumentar el tamaño de la muestra ( ) corrige un error sistemático (sesgo); solo disminuye el error aleatorio y estrecha el intervalo alrededor de un valor desviado. Confundir la incidencia acumulada (proporción adimensional entre 0 y 1) con la densidad de incidencia (tasa con dimensiones de ). Sustituir el riesgo relativo por la Odds Ratio cuando la enfermedad es frecuente (prevalencia superior al 10 %), lo que produce una sobreestimación artificial del efecto.

ln(RR) ± z 1 α/2 + a 1 a+b 1 c 1 c+d 1 z 1 α/2 a, b, c, d 2 × 2 OR = = b/d a/c b c a d a, c b, d 10 % n tiempo 1 Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 33 Soluciones de las preguntas de repaso 1. Porque las intervenciones sanitarias y terapéuticas evitaron el fallecimiento agudo de los enfermos, provocando que estos sobrevivan durante décadas conviviendo con secuelas y dolencias prolongadas. 2. Porque su mecanismo de propagación principal es el consumo de agua contaminada, lo que perpetúa brotes en comunidades vulnerables que carecen de infraestructura adecuada de saneamiento y acceso a agua potable. 3.

Al evitarse la muerte prematura de los enfermos sin lograr la erradicación del daño biológico, los pacientes sobreviven más tiempo con síntomas, aumentando la proporción de personas con morbilidad persistente. 4. La regresión lineal es una herramienta puramente estadística, mientras que la razón de ventajas (OR) representa una herramienta compartida entre el instrumental estadístico y el método analítico epidemiológico. 5. La enfermedad infecciosa requiere la invasión y multiplicación de un patógeno en un hospedador, mientras que la contagiosa exige además la capacidad de transmitirse de forma directa y veloz entre individuos. 6.

La epidemia afecta a un pueblo o región durante una temporada determinada con exceso de casos; la pandemia se disemina simultáneamente a múltiples países o continentes. 7. c) Estudio sobre la población. Deriva de epi (sobre), demos (pueblo) y logos (estudio o ciencia). 8. c) Yersinia pestis mediante picadura de pulgas. La peste bubónica es producida por Yersinia pestis y transmitida por pulgas. 9. a) Morbilidad. La morbilidad representa la proporción de personas que enferman en un espacio y periodo concretos. 10. b) Sensibilidad y especificidad. La sensibilidad y la especificidad son parámetros compartidos por ambas disciplinas según el esquema metodológico. 11.

Porque el número de sujetos enfermos y sanos lo determina previamente el investigador al diseñar la muestra, lo que invalida la estimación directa del riesgo poblacional real. 12. La exposición al factor de riesgo se ubica en las filas (Sí/No) y el estado de la enfermedad en las columnas (Sí/No). 13. En los diseños experimentales la asignación de la intervención es aleatoria y controlada por el investigador, mientras que en los observacionales el investigador no interviene en la exposición. 14. Porque el investigador fija de antemano el número de personas enfermas y sanas, impidiendo determinar la incidencia real de la enfermedad en expuestos y no expuestos. 15.

Integrar y sintetizar cuantitativamente los resultados numéricos de múltiples estudios primarios mediante métodos estadísticos. 16. El estudio de cohortes clasifica a los sujetos según su exposición y los sigue prospectivamente, mientras que el de casos y controles los clasifica según su enfermedad y analiza la exposición de forma retrospectiva. 17. Porque integran de forma rigurosa la evidencia obtenida de estudios experimentales con asignación aleatoria, reduciendo al mínimo los sesgos metodológicos. Epidemiología: Diseños, Frecuencia, Asociación y Sesgos 34 18. d) Exposición en filas y enfermedad en columnas.

El estándar metodológico ubica el factor de exposición en las filas y la presencia de enfermedad en las columnas. 19. b) Odds Ratio. Al no poder calcular directamente la incidencia en casos y controles, la medida de asociación válida es la Odds Ratio. 20. a) Colesterol plasmático elevado. El colesterol es modificable mediante intervención terapéutica o dieta, a diferencia de la edad, el sexo o la genética. 21. b) Promover guías para publicar estudios. EQUATOR Network promueve consensos y guías para asegurar la transparencia y calidad al publicar estudios biomédicos. 22.

Porque el riesgo (incidencia acumulada) es una proporción sin unidades temporales en una cohorte cerrada, mientras que la tasa incorpora la velocidad real de aparición por unidad de personas-tiempo de exposición. 23. Se calcula dividiendo π entre (1 - π): 0,20 / (1 - 0,20) = 0,20 / 0,80 = 0,25. 24. Porque la densidad de incidencia divide los casos entre la suma total de personas-tiempo en riesgo, la cual varía según el tiempo de permanencia individual de cada participante. 25. Se debe aplicar la fórmula ajustada para corregir el sesgo de saturación de casos. 26. Sumando los tiempos exactos de…