You are on page 1of 9

TEMA 4: MEDIDAS DE FRECUENCIA DE ENFERMEDAD

INTRODUCCIN
La epidemiologa tiene entre uno de sus objetivos primordiales
el estudio de la distribucin y los determinantes de las diferentes
enfermedades. La cuantificacin y la medida de la enfermedad o de
otras variables de inters son elementos fundamentales para formular
y testar hiptesis, as como para permitir comparar las frecuencias de
enfermedad entre diferentes poblaciones o entre personas con o sin
una exposicin o caracterstica dentro de una poblacin determinada.
MEDIDAS BASICAS
La medida ms elemental de frecuencia de una enfermedad, o de
cualquier otro evento en general, es el nmero de personas que la
padecen o lo presentan. Sin embargo, dicha medida por s sola
carece de utilidad para determinar la importancia de un problema de
salud determinado, pues debe referirse siempre al tamao de la
poblacin de donde provienen los casos y al periodo de tiempo en el
cual estos fueron identificados. Para este propsito, en epidemiologa
suele trabajarse con diferentes tipos de fracciones que permiten
cuantificar correctamente el impacto de una determinada
enfermedad:
Proporcin: Es un cociente en el que el numerador est
incluido en el denominador. Por ejemplo, si en una poblacin de
25.000 habitantes se diagnostican 1.500 pacientes con
diabetes, la proporcin de diabetes en esa poblacin es de
1.500/25.000 = 0.06 (6%). El valor de una proporcin puede
variar as de 0 a 1, y suele expresarse como un porcentaje.
Razn: En este cociente el numerador no forma parte del
denominador. En el ejemplo anterior, la razn entre la poblacin
con diabetes y la poblacin no diabtica es de 1.500/23.500 =
3/47 =0,064. Cuando, como en el caso del ejemplo, la razn se
calcula entre la probabilidad de que ocurra un evento y la
probabilidad de que ste no ocurra, la razn recibe tambin el
nombre de odds. En el ejemplo, la odds de diabetes es de
0,06, es decir, en el rea de estudio por cada 1/0,064 =
16,7 pacientes no diabticos hay 1 que s lo es.

El valor de una odds puede ir de 0 a infinito.


o El valor 0 corresponde al caso en que la
enfermedad nunca ocurre.
o El valor infinito correspondera tericamente a
una enfermedad que est siempre presente.

En realidad, una proporcin y una odds miden el


mismo evento pero en escalas diferentes, y pueden
relacionarse mediante las frmulas siguientes:

Tasa: El concepto de tasa es similar al de una proporcin, con


la diferencia de que las tasas llevan incorporado el concepto de
tiempo. El numerador lo constituye la frecuencia absoluta
(nmero de veces que ocurre) de casos del problema a
estudiar. A su vez, el denominador est constituido por la suma
de los perodos individuales de riesgo a los que han estado
expuestos los sujetos susceptibles de la poblacin a estudio. De
su clculo se desprende la velocidad con que se produce el
cambio de una situacin clnica a otra.
MEDIDAS ESTADISTICAS
En epidemiologa, las medidas de frecuencia de enfermedad
ms comnmente utilizadas se engloban en dos categoras:
Prevalencia e Incidencia.
Prevalencia
La prevalencia (P) cuantifica la proporcin de individuos de
una poblacin que padecen una enfermedad en un momento o
periodo de tiempo determinado (Estudios transversales). Su clculo
se estima mediante la expresin:

Caracteristicas:

Incidencia

Nunca toma valores menores de 0 mayores de 1.

Normalmente se expresa en porcentaje.

Suele estimarse a partir de estudios transversales


para determinar su importancia en un momento
concreto.

La incidencia se define como el nmero de casos nuevos de


una enfermedad que se desarrollan en una poblacin durante un
perodo de tiempo determinado. Hay dos tipos:
1) La incidencia acumulada (IA) Es la proporcin de individuos
sanos que desarrollan la enfermedad a lo largo de un perodo de
tiempo concreto. Estima la probabilidad de que un individuo
desarrolle una enfermedad durante un periodo (segn el estudio). Se
calcula segn:

Caracteristicas:
o En trminos de porcentaje.
o Es imprescindible que se acompae del periodo de
observacin para poder ser interpretada.
o Asume que la poblacin entera a riesgo, al principio del
estudio, ha sido seguida durante todo un perodo de
tiempo determinado, sin embargo, en la realidad lo que
sucede es que:
a. Las personas objeto de la investigacin entran en
el estudio en diferentes momentos en el tiempo.
b. El seguimiento de dichos sujetos objeto de la
investigacin no es uniforme
c. Abandono de algunos pacientes

2) Tasa de incidencia o densidad de incidencia (DI) Es una


estimacin ms precisa. Se calcula como el cociente entre el nmero
de casos nuevos de una enfermedad ocurridos durante el periodo de
seguimiento y la suma de todos los tiempos individuales de
observacin:

Caracteristicas:
o No es una proporcin, sino una tasa.
o Su valor no puede ser inferior a cero pero no tiene lmite
superior.

o Condiciones:

Que el riesgo de contraer la enfermedad sea


constante durante todo el periodo de seguimiento.

La tasa de incidencia entre los casos que completan


o no el seguimiento es similar. En caso contrario se
obtendra un resultado sesgado.

El denominador es adecuado a la historia de la


enfermedad.

Periodo latencia
enfermedad

Incidencia
acumulada

Densidad de incidencia

Corto

Largo (Enfermedades
crnicas)

Otros consejos:

No deben incluirse en el denominador casos prevalentes o


sujetos que no estn en condiciones de padecer la enfermedad
a estudio. Y por tanto, slo debe incluir a aquellas personas en
riesgo de contraer la enfermedad
En segundo lugar, adems, es importante aclarar, cuando la
enfermedad pueda ser recurrente, si el numerador se refiere a
casos nuevos o a episodios de una misma patologa.

TEMA 5: TEOREMA DE BAYES. PROBABILIDAD.


En la respuesta de un paciente al tratamiento pueden influir
diversos factores, entre los que se incluye el azar, que pueden
provocar una gran variabilidad en los resultados. La aplicacin de los
principios de la estadstica a la clnica permite reducir y cuantificar
dicha variabilidad y ayudar a la toma de decisiones. En particular, el
clculo de probabilidades suministra las reglas apropiadas para
cuantificar esa incertidumbre y constituye la base.
Este tema es para que tengais constancia de que tiene una
base matemtica. No es necesario saber los conceptos, pero si
entender qu es la probabilidad, pues de esta base surgen las
distintas medidas/estudios.
CONCEPTO DE PROBABILIDAD
DEFINICIN FRECUENTISTA: Proporcin de veces que ocurrira
dicho suceso si se repitiese un experimento o una observacin en un
nmero grande de ocasiones bajo condiciones similares.

Caracteristicas:
o Se mide por un nmero entre cero y uno:

si un suceso no ocurre nunca, su probabilidad


asociada es cero

mientras que si ocurriese siempre su probabilidad


sera igual a uno.

o Expresadas como decimales, fracciones o porcentajes.


As, a partir de una poblacin con N elementos, de los cuales k
presentan una caracterstica A, se estimar la probabilidad de la
caracterstica A como:
P(A) = k/N
Por ejemplo, en una poblacin de 100 pacientes, 5 de los cuales son
diabticos, la probabilidad de padecer diabetes p(Diabetes) se
estimar como el cociente 5/100= 0.5.

Propiedades bsicas del clculo de probabilidades:

Para un suceso A, la probabilidad de que suceda su


complementario (o equivalentemente, de que no suceda
A) es igual a uno menos la probabilidad de A:

donde

denota al suceso contrario o suceso complementario de A.


Para el ejemplo anterior, es no ser diabetico.
Si un fenmeno determinado tiene dos posibles
resultados A y B mutuamente excluyentes (es decir, que
no pueden darse de forma simultnea, como ocurre en el
lanzamiento de una moneda al aire), la probabilidad de
que una de esas dos posibilidades ocurra se calcula como
la suma de las dos probabilidades individuales:
(1)

La extensin de la ley aditiva anterior al caso de ms de dos sucesos


mutuamente excluyentes A, B, C... indica que:

Ejemplo: Consideremos, como ejemplo, un servicio de urologa en el


que el 38,2% de los pacientes a los que se les practica una biopsia
prosttica presentan una hiperplasia benigna (HB), el 18,2%
prostatitis (PR) y en un 43,6% el diagnstico es de cncer (C). La
probabilidad de que en un paciente que se somete a una biopsia de
prstata no se confirme el diagnstico de cncer prosttico ser igual
a:

Es decir, en un 56,4% de los casos se logra descartar un diagnstico


maligno. De modo equivalente, la probabilidad anterior podra
haberse calculado como la probabilidad del suceso contrario al del
diagnstico de cncer:

Ntese la importancia del hecho de que los sucesos anteriores


sean mutuamente excluyentes. Sin esta condicin, la ley de adicin
no ser vlida. Por ejemplo, se sabe que en una determinada Unidad
de Cuidados Intensivos (UCI) el 6,9% de los pacientes que ingresan
lo hacen con una infeccin adquirida en el exterior, mientras que el
13,7% adquieren una infeccin durante su estancia en el hospital. Se

conoce adems que el 1,5% de los enfermos ingresados en dicha


unidad presentan una infeccin de ambos tipos. Cul ser entonces
la probabilidad de que un determinado paciente presente una
infeccin de cualquier tipo en UCI? Para realizar el clculo, si se
suman simplemente las probabilidades individuales (0,069+0,137) la
probabilidad de un suceso doble (infeccin comunitaria y nosocomial)
se estar evaluando dos veces, la primera como parte de la
probabilidad de padecer una infeccin comunitaria y la segunda como
parte de la probabilidad de adquirir una infeccin en la UCI. Para
obtener la respuesta correcta se debe restar la probabilidad del doble
suceso. As:
Si un fenmeno determinado tiene dos posibles
resultados A y B, la probabilidad de que una de esas dos
posibilidades ocurra viene dada, en general, por la
expresin:

Por lo tanto, si dos o ms sucesos no son mutuamente excluyentes,


la probabilidad de que ocurra uno de ellos o ambos se calcula
sumando las probabilidades individuales de que ocurra una de esas
circunstancia, pero restando la probabilidad de que ocurra la comn.
A veces, la probabilidad de que un determinado suceso tenga
lugar depende de que otro suceso se haya producido o no con
anterioridad. Esto es, en ocasiones el hecho de que se produzca un
determinado fenmeno puede hacer ms o menos probable la
aparicin de otro. Este tipo de probabilidades se denominan
probabilidades condicionadas, y se denotar por
a la
probabilidad condicionada del suceso A suponiendo que el suceso B
haya ocurrido ya.
La ley multiplicativa de probabilidades indica que la
probabilidad de que dos sucesos A y B ocurran
simultneamente es igual a:
(3)
La ley multiplicativa anterior se utiliza tambin con el fin de
determinar una probabilidad condicional
a partir de los valores
de
y
:

(4)

Si se considera un fenmeno con k resultados posibles,


mutuamente excluyentes, B1, B2,...,Bk y se conoce la
probabilidad de cada uno de ellos, el llamado Teorema
de las Probabilidades Totales permite calcular la
probabilidad de un suceso A a partir de las
probabilidades condicionadas:

Utilizando la expresin para el clculo de la probabilidad de la


interseccin de dos sucesos se tiene que
lo tanto:

y, por

Teorema de Bayes
Si se parte de la definicin de probabilidad condicionada:

siempre que
y
. Aplicando adems el teorema de las
probabilidades totales se llega a que:

El diagnstico mdico constituye un problema tpico de


aplicacin del Teorema de Bayes en el campo mdico, puesto que
permite el clculo de la probabilidad de que un paciente padezca una
determinada enfermedad una vez dados unos sntomas concretos. La
capacidad predictiva de un test o de una prueba diagnstica suele
venir dada en trminos de su sensibilidad y especificidad.
Tanto la sensibilidad como la especificidad son propiedades
intrnsecas a la prueba diagnstica, y definen su validez
independientemente de cul sea la prevalencia de la enfermedad en
la poblacin a la cual se aplica. Sin embargo, carecen de utilidad en la
prctica clnica, ya que slo proporcionan informacin acerca de la
probabilidad de obtener un resultado concreto (positivo o negativo)
en funcin de si un paciente est realmente enfermo o no.
Por el contrario, el concepto de valores predictivos, a pesar de
ser de enorme utilidad a la hora de tomar decisiones clnicas y
transmitir informacin sobre el diagnstico, presenta la limitacin de

que dependen en gran medida de lo frecuente que sea la enfermedad


a diagnosticar en la poblacin objeto de estudio. El Teorema de Bayes
permite obtener el valor predictivo asociado a un test al aplicarlo en
poblaciones con ndices de prevalencia muy diferentes.
CONCLUSIN
El clculo de probabilidades constituye una herramienta que permitir
hacer inferencia sobre distintos parmetros poblacionales a partir de
los resultados obtenidos en una muestra, y despus tomar decisiones
con el mnimo riesgo de equivocacin en situaciones de
incertidumbre.