Tomado del Libro: Métodos y Técnicas para la Investigación en Atención Primaria de Salud. Parte II. Tema 5. Autores:

Dr. Héctor D. Bayarre Vea. Profesor ENSAP. Dra. Maritza Oliva Pérez. Prof. Facultad "Enrique Cabrera" La Investigación Epidemiológica. Generalidades.

Introducción La investigación Epidemiológica es una de las opciones investigativas más socorridas por profesionales e investigadores del ámbito de la Atención Primaria de Salud. Esta afirmación, con seguridad, no te sorprende pues desde el curso anterior te hemos advertido sobre esta realidad. Sin embargo, la frecuencia con que este tipo de estudios se efectúan en el nivel de atención en que laboras, supeditado desde luego, a la importancia de estos en la solución de problemas en la comunidad, sirvió para la elección de estos temas en el curso. En espera que te brinden los conocimientos suficientes sobre la utilización del método epidemiológico, y a partir de este realices mejores investigaciones, que contribuyan a que brindes un mejor servicio a la población que atiendes. En este, primero de una serie de temas de inve stigación epidemiológica, te presentamos definiciones, clasificaciones y otros elementos generales, que te serán útiles para la comprensión de los temas que siguen. 5.1 Epidemiología. Definición No cabe dudas, que lo primero que debemos conocer, para poder avanzar en el estudio de cualquier ciencia, es su definición. ¿Estás de acuerdo?. Con seguridad tu respuesta es SI. Sobre esto te decimos lo siguiente. Múltiples son las definiciones que sobre el concepto de Epidemiología se han dado. Desde luego que resulta improductivo realizar una discusión crítica de estas en este epígrafe. Nos limitaremos a exponerte una que, a nuestro juicio, se ajusta perfectamente a los fines que aquí perseguimos. El Diccionario Internacional de Epidemiología [Last, 1989] define esta ciencia de la siguiente forma:

El estudio de la distribución y de los determinantes de los estados o acontecimientos relacionados con la salud de determinadas poblaciones, y la aplicación de este estudio al control de los problemas sanitarios. Hagamos un paréntesis para reflexionar sobre la definición anterior. Como puedes darte cuenta, la epidemiología necesita de la aplicación del método científico para cumplir

sus propósitos, constituyendo este el llamado método epidemiológico. Así, la investigación epidemiológica, a juzgar por la definición, transitaría desde un nivel descriptivo, hasta el de intervención, pasando como paso intermedio por el nivel de conocimiento etiológico, que constituyen los niveles de actuación de esta ciencia. A continuación te presentamos un cuadro que resume los niveles a que hicimos referencia.

Tabla 5.1.1- Niveles de actuación de la Investigación Epidemiológica. Nivel de actuación Objetivos Nivel descriptivo

Describir, en forma cuantitativa y cualitativa, la distribución de un problema de salud con relación a variables de tiempo, lugar y persona.

Nivel de conocimiento etiológico

Inferir la participación causal o etiológica de las variables condicionantes en el problema de salud en estudio.

Nivel de Intervención

Evaluar el impacto probable de las medidas tomadas con relación al problema de salud.

En este curso profundizaremos en los diseños que aportan conocimientos de los dos primeros niveles de actuación, dejando para el próximo curso los diseños del tercer nivel. 5.2 – La investigación epidemiológica. Clasificación. La clasificación de una investigación es un acto complejo, cuyo resultado, en ocasiones, es incorrecto. A ello contribuyen varios factores; entre los que destaca la amplia y disímil variedad de clasificaciones difundidas en la literatura especializada, entre las cuales muchas veces hay contradicciones visibles. Basta con que te detengas a revisar la bibliografía que aparece al final del tema, y verificarás lo que aquí te decimos. Desde luego que esta situación genera confusiones en investigadores noveles, e incluso en profesionales de cierta experiencia en esta actividad, contribuyendo al resultado antedicho. Por ello consideramos conveniente que conozcas diferentes ejes de clasificación de este tipo de investigaciones para que puedas clasificar convenientemente cada tarea de investigación que realices. Así, los ejes taxonómicos que más frecuentemente hemos encontrado son: 1- Clasificación de la investigación según método empleado. Estudios Observacionales

No se manipula el factor en estudio.

Estudios experimentales1

Se manipula el factor en estudio

Seguro te diste cuenta que aquí se excluye la medición y te estarás preguntando el por qué de tal omisión. Baste decir que la Epidemiología es en esencia “cuantitativa”, de ahí que los conocimientos que ella genera, se obtengan, fundamentalmente, a partir de la aplicación del método de medición, por lo que éste está implícito en estas investigaciones, ¿te convence la razón esgrimida?. 2- Clasificación de la investigación según nivel de conocimiento generado. Como estudiaste en el primer epígrafe de este tema, la investigación epidemiológica actúa en tres niveles: Ø Descriptivo Ø Analítico Ø Intervención Estas se definen, justamente por los objetivo s que se persigan en la investigación. Si bien existe un orden (de lo descriptivo a la intervención), es frecuente que un estudio transite por más de uno de los niveles de referencia. De hecho no existe nada que prohiba tal proceder. Por último queremos que sepas que cuando el problema de investigación solo se “vislumbra”, se realizan estudios conocidos bajo el nombre de “exploratorios”, considerados por algunos como un primer nivel, en tanto otros los consignan entre los descriptivos. 3- Clasificación de la investigación según tiempo. Este eje pretende clasificar la investigación atendiendo al comportamiento de la variable tiempo, es decir, con o sin seguimiento. Así, en general se clasifican en: − Estudios transversales − Estudios longitudinales

Estudios tra nsversales: realizados en un momento dado, develan de forma instantánea la realidad. El carácter transversal viene dado porque el evento de interés es estudiado en un momento dado. Estudios longitudinales: se refiere a estudios realizados en un lapso de tiempo. En este caso el evento de interés es seguido en el tiempo, ya sea al pasado (retrospectivo) o al futuro (prospectivo).

1

Algunos autores distinguen esta de la cuasiexperimental, reservando la primera cuando la manipulación es aleatoria y la última en caso contrario.

4- Clasificación de la investigación según aplicabilidad. Según la posibilidad de aplicación los estudios suelen clasificarse en fundamentales, aplicados y los trabajos de desarrollo. Estas se expusieron en el primer curso por lo que te recomendamos su revisión. Desde luego, estos no son los únicos ejes de clasificación de la Investigación Epidemiológica (IE) que se han propuesto. Además, muchas clasificaciones incorporan más de un eje. Ello lo puedes comprobar si revisas la clasificación dada por Kleinbaum (1982), que aparece en el curso anterior, la aportada por Jenicek y Cléroux (1987), o la de Colimon (1990), entre otras. 5.3 La medición en Epidemiología. 5.3.1 Variables. En el primer curso aprendiste que en la investigación empírica el término variable es de uso común. Además de profundizar en su definición y clasificación, conociste que en virtud de esta última se pueden obtener distintos indicadores. Aquí te enseñaremos que las variables fundamentales empleadas en Epidemiología para representar un fenómeno son de persona, lugar y tiempo. A continuación te presentamos las variables más utilizadas dentro de cada grupo, es decir, de persona, lugar y tiempo. Persona: − Edad: es la variable más importante a estudiar dentro de este grupo. Ella es útil para el diagnóstico, de hecho, se describen enfermedades comunes a grupos etáreos específicos. − Sexo: es la segunda variable en importancia del grupo. Aquí es importante tanto el sexo biológico, pues es conocida la sobremortalidad masculina en todas las etapas del ciclo vital y el exceso de morbilidad femenina, como la categoría género (construcción social) pues las diferencias que infunde ésta entre el varón y la mujer repercuten en su salud. − Raza: es una variable de uso común en Epidemiología, su evolución en el tiempo dificulta determinar cierto evento con ésta o a las diferencias en educación, nivel socioeconómico, higiene personal y otras. − Clase social: esta variable engloba diferentes factores de poder, riqueza, prestigio y responsabilidad social muy relacionados entre si. Desde luego que ellas pueden marcar diferencias respecto al comportamiento de eventos de salud como los patrones de mortalidad y morbilidad. − Ocupación: esta variable constituye uno de los tres factores que determinan la clase social. Su estudio es de gran utilidad, ella puede condicionar exposiciones particulares frente a ciertos agentes químicos, físicos y biológicos, que pueden relacionarse con determinadas enfermedades. − Estado civil: se estudia con bastante frecuencia, ello ha permitido conocer un comportamiento diferencial de la mortalidad y morbilidad según la pertenencia a

una u otra categoría de esta variable. Así, existe un comportamiento descendente en la morbilidad y mortalidad en el siguiente orden: divorciado, viudo, soltero y casado. A estas variables pueden añadirse otras como la religión, lugar de nacimiento, nivel socioeconómico y variables relacionadas con la familia de origen del sujeto (tamaño familiar, orden de nacimiento, edad materna, condiciones intrauterinas), asociadas a determinadas enfermedades y características sociales y psicológicas; los hábitos de vida (alcohol, tabaco, medicamentos, comportamiento sexual y otros) y la determinación de características endógenas y (o) hereditarias que permitan establecer perfiles genéticos. Lugar El estudio de este grupo de variables tiene importancia desde una doble perspectiva: la político-administrativa y la geográfica. La localización de la enfermedad en un lugar dado, ayuda a su identificación y sienta las bases para su reconocimiento en un momento posterior. Tiempo El estudio del tiempo en epidemiología es de gran importancia. Tal es el caso, que esta variable se utiliza para definir el tipo de estudio; suele ser capital en las investigaciones analíticas. Además, su estudio permite conocer si un evento de salud sigue un comportamiento estacional, cíclico o si presenta alguna tendencia secular o histórica. 5.3.2 Medidas de frecuencia. En Epidemiología descriptiva es común el empleo de medidas de resumen para variables cualitativas y cuantitativas para la medición de determinadas características, durante el estudio de problemas que afectan ciertas poblaciones. Así que échale un vistazo a los temas 3 y 4 del curso anterior, para que mantengas frescos estos contenidos, que de seguro te resultarán de gran utilidad en las unidades sucesivas. En los cuadros que verás a continuación te exponemos un breve resumen de estas medidas de acuerdo al tipo de variable. Tabla 5.3.1- Medidas de resumen para variables cualitativas. Razón

Relación por cociente entre las unidades de análisis de un grupo o categoría (a) y las de otro grupo o categoría (b) no necesariamente de la misma variable.

Proporción

Relación por cociente entre las unidades de análisis de una categoría (a) de una variable y el total de unidades estudiadas.

Tasa

Índice

Consiste en una relación por cociente entre las unidades de análisis a las que les ocurrió el evento en cuestión y el total de la población expuesta a riesgo. Expresa el riesgo de ocurrencia de un evento en una población y período determinados. Es el resultado de multiplicar una razón por 100.

Porcentaje

Es el resultado de multiplicar una proporción por 100.

Tabla 5.3.2- Medidas de resumen para variables cuantitativas.

Medidas de tendencia central

Medidas de posición

Media aritmética

Es el resultado de sumar todos los valores observados y dividirlos por el número de observaciones.

Mediana

Es la observación que divide a una serie ordenada de datos en dos partes iguales.

Moda

Es el valor que aparece con mayor frecuencia en una serie de datos.

Cuartiles

Son los valores que dividen una serie ordenada de datos en cuatro partes iguales.

Deciles

Son los valores que dividen una serie ordenada de datos en diez partes iguales.

Percentiles

Son los valores que dividen a una serie ordenada de datos en cien partes iguales.

Rango (amplitud)

Es la diferencia entre el mayor y el menor valor de una serie de datos.

Desviación media Medidas de dispersión Desviación estándar Coeficiente de variación

Es el promedio de las diferencias de cada valor observado respecto a la media aritmética de la serie, obviando el signo de esas diferencias. Es la raíz cuadrada del promedio de los cuadrados de todas las diferencias entre los valores observados y la media de la serie. Expresa a la desviación estándar como porcentaje de la media aritmética.

Ahora bien, por la frecuencia e importancia con que se estudia la morbilidad en Epidemiología queremos enfatizar en las medidas utilizadas para su medición. La descripción de una enfermedad en Epidemiología se realiza fundamentalmente a partir de dos conceptos: incidencia y prevalencia 2 . 2

Desde luego que estos conceptos ya los conoces del curso anterior.

Incidencia

Número de casos nuevos, de una determinada enfermedad, que ocurren en una población en un tiempo dado.

Prevalencia

Número de casos existentes, de una determinada enfermedad, en una población en un momento dado.

La medición de estos conceptos si bien puede hacerse mediante números absolutos, lo más conveniente es utilizar indicadores relativos como las tasas de incidencia y de prevalencia que ya estudiaste. Ahora aprenderás que dentro de las medidas relativas más utilizadas para medir la incidencia se encuentran la densidad de incidencia (DI) y la incidencia acumulada 3 (IC); en tanto que para medir la prevalencia se utilizan la prevalencia puntual y la lápsica 4 . Densidad de incidencia (DI): Medida teórica del número de casos que ocurre por unidad de tiempo-persona. Sinonimia: Tasa de peligro, fuerza de morbilidad, tasa de incidencia instantánea y tasa de incidencia tiempo-persona. DI 5 =

Número de casos nuevos en un período determinad o Suma de los períodos de riesgo individual es de los sujetos susceptibl es observados durante ese período

El denominador de esta tasa se puede obtener según el tipo de diseño: a) Si el diseño es longitudinal permite conocer la duración del tiempo de observación de cada uno de los individuos de la población, entonces el denominador será la suma de los tiempos individuales de observación. Por lo novedoso para ti te exponemos el siguiente ejemplo tomado de Alonso Fernández. En la figura 5.3.1 se representa una población de 10 personas seguidas durante 4.5 años y que al inicio del estudio estaban libres de enfermedad, n indica el punto en que la enfermedad es diagnosticada, l indica el punto en que la persona muere y representa la observación de una persona.

3

En realidad la que se calcula es el valor medio de la DI o tasa de incidencia. Esta última de poco uso en la actualidad. 5 En realidad este es el valor medio de la DI o tasa de incidencia. 4

Figura 5.3.1- Representación esquemática del seguimiento de 10 personas durante 4.5 años. En este caso conocemos el tiempo de observación de las personas y el momento de contraer la enfermedad, por tanto el denominador se calcula por la suma de los tiempos de observación de cada sujeto hasta el momento en que contrae la enfermedad o deja de ser observado por otra causa, así comenzando por el sujeto número 1 hasta el 10 tenemos: Personas-años en riesgo = 3.5 + 1.5 + 1 + 4.5 + 1 + 3 + 2 + 2 +4+1 = 23.5 Además podemos ver que 5 personas contrajeron la enfermedad estudiada y 3 de ellas fallecieron tiempo después, con estos datos ya estamos en condiciones de calcular la DI de dicha enfermedad, para esta población en el período de tiempo especificado: DI =

5 ≈ 0.213 / año 23. 5

Ello significa que aproximadamente el 21.3% de la población de estudio desarrolla la enfermedad cada año. b) Si se tiene una población estable en el tiempo (no cambia en el número de individuos ni en la distribución por edades), entonces el denominador será el producto del número de personas al inicio del período por la longitud de éste. c) Si se tiene una población dinámica, que es lo más frecuente, entonces el denominador será el tamaño medio de la población, a menudo la población a mitad del período multiplicado por la longitud de dicho período de observación. Incidencia acumulada (IA): Número o proporción de personas en un grupo, en los que comienza un hecho relacionado con la salud durante un lapso de tiempo determinado. El denominador está constituido por el número de individuos sin la enfermedad al comienzo del período de observación. Esta es la forma en que habitualmente se expresa la incidencia de una enfermedad. Es equivalente al riesgo promedio de contraer la enfermedad de cada individuo del grupo en estudio. Esta es la que suele llamarse tasa de incidencia. IA =

Número de casos nuevos en una población y período dados 6 No de sujetos susceptibl es en la población al inicio del período de estudio

Es muy importante aclararte que solo se puede calcular incidencia para un intervalo de tiempo, a diferencia de la prevalencia, como verás a continuación. Para medir la prevalencia se utilizan dos indicadores: la tasa de prevalencia puntual (TPP) y la tasa de prevalencia lápsica (TPL), a continuación te explico sus definiciones y fórmulas de cálculo: La TPP es el número total de individuos que presentan un atributo o padecen una enfermedad en un momento determinado, dividido por la población en riesgo de tener el atributo o la enfermedad en dicho momento. Se expresa de la siguiente manera: 6

Es necesario aclarar que en el denominador se eliminan los casos con la enfermedad al inicio del estudio

TPP 7 = Número de casos nuevos y antiguos Población

en

estudio

Como conoces del curso anterior, el numerador y denominador de toda tasa están pareados en cuanto a lugar y tiempo, no aparece en la fórmula por cuestiones de espacio, no lo olvides. Esto es válido para cualquier fórmula de tasa que encuentres de aquí en adelante. Por su parte la TPL se utiliza en estudios de prevalencia, cuando durante el proceso de determinación de los casos en la población, se originan casos nuevos de enfermedad, los que se incluyen en el numerador. TPL = Número de casos prevalente s + No de casos nuevos Población en estudio

Es muy frecuente usar el término tasa de prevalencia a secas y referirse a la prevalencia puntual. Debes saber además que la prevalencia se utiliza para enfermedades relativamente estables, no para desórdenes agudos. A continuación veamos como pueden calcularse algunas de estas tasas mediante un ejemplo. En un área de salud se decide seguir a 50 adultos fumadores durante tres meses para detectar la aparición de una enfermedad respiratoria X, el estudio comienza el 1 de enero, hasta el 31 de marzo del mismo año. Diez pacientes (A-J) fueron diagnosticados durante el período de estudio, como puede observarse en la figura 5.3.2.

7

Algunos autores consideran que al ser un concepto esencialmente estático no es una tasa, de hecho lo nombran como proporción de prevalencia de punto o puntual.

Figura 5.3.2- Representación esquemática del diagnóstico y duración de la enfermedad respiratoria X en 10 pacientes. Donde “D” y “R”, significan el momento del diagnóstico de la enfermedad y la recuperación, respectivamente. Por su parte las barras verticales y las horizontales discontinuas, representan puntos en el tiempo y la duración de la enfermedad respectivamente; y el espacio entre barras verticales representa un intervalo de tiempo (mes). Con esta información podemos calcular tanto incidencia como prevalencia. Veamos. TPP el 1ro de febrero = 4 / 50 (A,C,F y G, eran casos prevalentes) TPP el 1ro de marzo = 4 / 50 (C,G,I y J, eran casos prevalentes) Fíjate que C y G, también fueron casos prevalentes el 1ro de febrero, lo cual no los excluye del cálculo de la tasa el 1ro de marzo. IA febrero = 4 / 50 (B,D,I y J, fueron casos incidentes durante el mes) TPL febrero = 8 / 50 (todos excepto E y H, fueron casos prevalentes durante el mes) Ves que simples son los cálculos. Recuerda que estas tasas se expresan por 10n de acuerdo al tamaño de la población. No calculamos DI por ser de interpretación algo compleja para ti. Veamos ahora la relación existente entre prevalencia e incidencia. Prevalencia = Incidencia ∗ Duración de la enfermedad Esta relación es muy intuitiva, ¿no te parece?. La prevalencia depende además de la letalidad de la enfermedad. Así, cuando la incidencia se incrementa, también lo hace la prevalencia, lo mismo si disminuye. De forma similar sucede con la duración de la enfermedad. Pero si una enfermedad tiene una letalidad muy alta y corta duración, aunque la incidencia sea alta, la prevalencia será baja. A continuación te muestro algunas situaciones o eventos que actúan modificando el patrón de una enfermedad, basado en estas relaciones. Esto puede serte de utilidad en tu trabajo en la comunidad, pues algunas pueden ser medidas de intervención, además, te ayuda a interpretar cambios que estén ocurriendo en los patrones de salud de la población que atiendes orientándote hacia las posibles causas.

Tabla. 5.3.3- Efecto de algunos eventos sobre el patrón de una enfermedad. Incidenci Prevalenci Duració Eventos modificadores a a n

Introducción de un nuevo tratamiento __ curativo Aumento de la letalidad __ Aumenta el número de personas infectadas ⇑ Aumenta el tiempo de supervivencia. __ Disminuye la exposición a factores de ⇓ riesgo. Las personas infectadas son aisladas. ⇓ El agente infeccioso se torna más letal. __ Se introduce una vacuna efectiva. ⇓ La vía de transmisión cambia de contacto ⇑ directo a transmisión por aire. Se introduce un nuevo tratamiento paliativo __ efectivo, para una ECNT. __ no se modifica ⇓ disminuye

⇓

⇓

⇓ ⇑ ⇑

⇓ __ ⇑

⇓

__

⇓ ⇓ ⇓

__ ⇓ __

⇑

__

__

__ ⇑ aumenta

5.3.3 Medidas de asociación En el nivel de conocimiento etiológico de la IE, si bien puedes utilizar las medidas de frecuencia, explicadas con anterioridad, las medidas específicas de éste son las de asociación, pues ellas expresan la potencia o fuerza de la asociación entre variables, y de hecho la asociación estadística es un elemento a considerar en el estudio de la causalidad. Aquí se utilizan el riesgo relativo 8 (RR) y el riesgo atribuible (RA), veremos a que se refieren. Riesgo relativo: Se obtiene del cociente entre el riesgo de enfermedad o muerte de un grupo que denominaremos expuestos, y el riesgo en los no expuestos. Estos riesgos pueden obtenerse alternativamente a partir de la IA y de la DI; reservándose el término RR para el caso en que se utilizan las IA, y Razón de Densidad de Incidencia (RDI), en caso contrario. Su cálculo es muy simple, como verás a continuación: Tasa de IA en expuestos Tasa de IA en no expuestos Densidad de Incidencia en expuestos Densidad de Incidencia en no expuestos

RR =

RDI

=

Para facilitarte la comprensión de estas medidas tan usadas en la IE, te ilustraremos su uso con un ejemplo hipotético bien sencillo. Supongamos que deseas estudiar la posible asociación entre la enfermedad X y la exposición al factor Y, para ello tomarás dos grupos de sujetos, uno expuesto a Y, y otro no, los observarás durante un período determinado de tiempo y detectarás en ambos grupos la aparición de la enfermedad X. Te habrás dado cuenta que puedes fácilmente calcular ambos, pues tienes datos para obtener tanto la DI como la IA para cada grupo y después el RR o la RDI, según el caso.

8

En diseños donde no es posible su cálculo se utiliza otra medida, el “odds ratio”, ello lo estudiarás más adelante.

¿Cómo interpretar estas medidas?, muy fácil, es una relación por cociente cuyo resultado puede ser mayor, menor o igual a 1, en dependencia de si el riesgo de enfermar es mayor, menor o igual en el grupo de los expuestos respecto a los no expuestos, respectivamente, así tenemos que: − − −

RR > 1 ⇒ La exposición es un posible factor de riesgo de padecer la enfermedad. RR < 1 ⇒ La exposición es un posible factor de protección para la enfermedad. RR = 1 ⇒ No hay asociación entre exposición y enfermedad.

De forma similar para la RDI. Además, su valor numérico puede interpretarse, como cuantas veces es más probable contraer la enfermedad en el grupo expuesto respecto a los no expuestos, en el caso que sea un factor de riesgo. Como ves no era tan complicado. Es importante que sepas que en los estudios donde no se conocen a priori las poblaciones de expuestos y no expuestos y por tanto no es posible calcular las tasas de incidencia, se utiliza otra medida de asociación llamada “odds ratio” (OR), cabe aclarar que esta medida ha sido traducida al castellano como razón de disparidad, razón de ventaja, desigualdad relativa, razón de productos cruzados, razón de momios o simplemente el término original en inglés, que es el que nosotros preferimos. Para presentártelo nos auxiliaremos de la siguiente tabla de contingencia, muy usada en la Investigación Epidemiológica. Tabla 5.3.4 - Tabla de contingencia de 2 x 2 Enfermedad Factor de exposición Total Si No Presente a b n1 Ausente c d n2 Total m1 m2 n Donde cada una de las celdas representa las siguientes categorías: a - Número de sujetos enfermos que están expuestos al factor. b - Número de sujetos no enfermos que están expuestos al factor. c - Número de sujetos enfermos que no están expuestos al factor. d - Número de sujetos no enfermos que no están expuestos al factor. Los totales por fila n1 y n2 responden a la exposición, siendo el número de sujetos expuestos y no expuestos al factor, respectivamente. Mientras que los totales por columna responden al estado de la enfermedad, siendo m1 y m2 el número de sujetos enfermos y no enfermos, respectivamente; y por supuesto n es el gran total. Entonces el cálculo del OR a partir de esta tabla es: OR = a ∗ d b∗c

La interpretación es de ma nera similar al RR, como ya te expliqué anteriormente. Es importante que sepas que se realizan pruebas de significación estadística a estas medidas, para determinar si ese resultado es significativamente diferente de 1 (el valor nulo para la

asociación). Además pueden calcularse intervalos de confianza para cada una de ellas, lo cual brinda una información mucho más amplia que la simple estimación puntual, en este caso el equivalente a la significación estadística es la no inclusión del 1 en dicho intervalo, pero no te asustes que no te daré las fórmulas, en cambio te diré que son fáciles de obtener con cualquier paquete estadístico de computación, como el EPIINFO. Veamos un ejemplo. En la siguiente tabla de contingencia te muestro los resultados de un estudio. Se trata de buscar la presencia de asociación entre el bajo peso al nacer y la presencia de anemia en el embarazo, consideremos a esta última como el factor de exposición:

Tabla 5.3.5 – Recién nacidos según peso al nacer y antecedentes de anemia durante el embarazo Anemia del Bajo peso Total embarazo Si No Presente 47 15 62 Ausente 3 35 38 Total 50 50 100 En este caso no puede calcularse RR pues el diseño del estudio no me lo permite, ya que tomé 50 Recién Nacidos bajo peso y 50 normopeso y no puedo calcular medidas de incidencia, entonces el OR es lo indicado. 47 ∗ 35 OR = = 36.56 3 ∗ 15 Intervalo de confianza al 95 % (8.88 a 175.13) Mediante el empleo del módulo STATCALC del programa antes citado se obtienen estos resultados, como puedes ver el OR es bastante mayor que 1, además el intervalo de confianza no contiene el 1, lo que significa que padecer anemia durante el embarazo se asocia con la aparición del bajo peso al nacer, podemos decir que es, aproximadamente, 37 veces más probable que una mujer que padeció anemia durante el embarazo tenga como resultado, de dicho embarazo, un recién nacido bajo peso, que si no hubiera padecido dicha anemia. Más adelante retomaremos el tema cuando hablemos de los diseños más frecuentemente usados. Riesgo atribuible (RA): Tasa de una enfermedad u otro evento de salud en expuestos, que puede atribuirse a dicha exposición. Esta medida es la diferencia entre la tasa de incidencia de una enfermedad entre los individuos expuestos y la misma tasa en los no expuestos; se supone que las demás variables o factores diferentes del que se investiga ejercen el mismo efecto sobre ambos grupos. Se conoce también por diferencias de tasas. De manera similar al RR se define según la medida de frecuencia que se utiliza: RA = IA expuestos – IA no expuestos Diferencia de densidad de incidencia (DDI), en caso de usarse la DI: expuestos – DI no expuestos

DDI = DI

Se puede interpretar como la disminución que se produciría en el riesgo de enfermar de los expuestos cuando se elimina la exposición, como verás no tiene mucha repercusión en la valoración de la asociación entre las variables, es más bien una medida del impacto probable de la supresión de dicho factor, a pesar de ser considerada por la mayoría de los autores como medida de asociación. Creo necesario aclararte que hablamos de asociación y no de causalidad, pues como verás más adelante, la presencia de asociación no implica que esta sea causal, los estudios para buscar causalidad (analíticos) conllevan un diseño muy riguroso. 5.3.4 Medidas de impacto potencial Estas medidas, reflejan el efecto esperado al modificar uno o más factores de riesgo o al realizar una acción de carácter preventivo, en una población determinada. Son muy útiles en los estudios de intervención, es decir, en el tercer nivel de actuación de la Epidemiología que abordaremos en el próximo curso. Entre estas medidas tenemos: Fracción atribuible (etiológica) en expuestos (FA e ): es la proporción en que se reduciría, entre los expue stos, la tasa de incidencia (TI) del evento de salud, si se eliminara la exposición. Puede ser expresada en forma porcentual y recibe el nombre de Riesgo atribuible porcentual en expuestos (RA%). Esta medida se obtiene a partir del RA y se puede calcular mediante las siguientes fórmulas: FA e =

TI expuestos - TI no expuestos TI expuestos

FA e =

RR - 1 RR

Si la multiplicas por 100 obtienes el RA%

Por ejemplo, un resultado de FA e igual a 0.3 significa que si elimináramos la exposición, la tasa de incidencia en los expuestos disminuiría en un 30% aproximadamente. Fracción atribuible (etiológica) en la población (FA p ): es la proporción en que se reduciría, en la población, la tasa de incidencia del evento de salud si se eliminara la exposición. También se le conoce como riesgo atribuible de Levin o poblacional porcentual, de forma similar al anterior. Se puede calcular mediante las expresiones siguientes: FA p =

TI global - TI no expuestos TI global

FA p =

P ∗ (RR - 1) 1+ P ∗ (RR - 1)

Donde P es la prevalencia del factor en estudio. Fracción evitada en población (FE p ): Es la proporción de la carga hipotética total de la enfermedad, en la población, que se ha evitado con la exposición a un factor protector9 . Sinonimia: Fracción de prevención poblacional porcentual (FPP%). Se puede calcular mediante la expresión siguiente: 9

Factor protector: Aquel que reduce la probabilidad de ocurrencia de determinada enfermedad.

FE p =

TI no expuestos - TI global TI no expuestos

Esta medida nos muestra la proporción de nuevos casos que se han prevenido por la exposición a un factor determinado. Por ejemplo al agregar yodo al agua para prevenir el bocio en zonas endémicas de esta enfermedad. 5.4 La tipificación10 de tasas en Epidemiología El análisis de un evento de salud – dígase mortalidad, morbilidad, etc. –, habitualmente se realiza en dos sentidos: su descripción y su comparación con otras áreas geográficas (municipios, regiones, países y otros), o entre dos momentos diferentes para una misma región. Desde luego que, para que la comparación sea válida, es menester que los grupos sean comparables y esto es difícil de lograr en estudios no experimentales (observacionales), que son la mayoría de las investigaciones epidemiológicas, donde los grupos difieren en casi todo tipo de factores conocidos o desconocidos, que pueden influir en el resultado final del evento a comparar. Por lo que es necesario eliminar o controlar estos factores y así obtener un resultado limpio. A estos factores suele llamárseles factores confusores, la edad y el sexo son dos factores comunes de confusión. Justamente, para controlar estos factores es que se realiza la tipificación de tasas. Para que comprendas mejor lo planteado en las líneas anteriores, te diremos lo siguiente. En el estudio de la mortalidad, muchas veces disponemos de las tasas crudas de dos regiones, como es el siguiente ejemplo: Tabla 5.4.1- Mortalidad según regiones. País X; 1999. Tasa Región Población No. Fallecidos ∗1000 Región A 78 818 369 4.7 Región B 83 356 642 7.7 Fuente: Anuario estadístico del país X; 1999. Del cuadro anterior puede decirse que en la región A es menor el riesgo de morir que en la región B. Sin embargo, ¿es posible comparar estas regiones a partir de sus tasas crudas?. La respuesta a esta interrogante estará condicionada por el conocimiento del comportamiento (en estas regiones) de variables que puedan influir en los resultados. De hecho, es conocido que en la mortalidad influyen la edad, el sexo, la raza y otras variables, de modo que si existen comportamientos similares de éstas en las dos regiones, entonces la respuesta será afirmativa; mientras que será negativa en caso contrario. Veamos como se comporta la variable edad en el ejemplo anterior. Tabla 5.4.2- Mortalidad según edad y región. País X; 1998. Región Grupos A B etáreos Població Població (años) No. Fall. Tasa* No. Fall. n n 10

También se han utilizado los términos ajuste y estandarización.

Tasa*