TEMA 4. MESURES DE FREQÜÈNCIA I ASSOCIACIÓ.

PROVES DIAGNÒSTIQUES

La epidemiologia és la disciplina científica que estudia la freqüència i distribució de fenòmens relacionats

amb la salut i els seus determinants en poblacions específiques, i la seua aplicació al control de problemes
de salut. Dintre de les seues aplicacions bàsiques, es troba l’estudi de la freqüència de malalties i
quantificar la relació que existeix entre alguns factors de risc i la malaltia.

PART 1: MESURES DE FREQÜÈNCIA I ASSOCIACIÓ

1. MESURES DE FREQÜÈNCIA

Les mesures de freqüència representen la ocurrència de un fenomen de salut: malaltia, trastorn

o mort en poblacions.

1.1. NÚMERO

És un valor absolut que no ens permet fer comparacions.

1.2. PROPORCIONS

És un valor relatiu que ens permet realitzar comparacions. La proporció és un quocient on el

numerador està inclòs en el denominador i expressa la probabilitat d’ocurrència d’un succés.
Fórmula: [a/(a+b)].

Hi existeixen dos tipus de proporcions:

1.2.1. PREVALENÇA

La proporció del grup d’individus que presenten un procés clínic o resultat en un moment i
àrea geogràfica determinats. Expressa la probabilitat que un individu en una població tinga
el fenomen d’interès en el temps t.
- Propi d’estudis transversals: CASOS I CONTROLS (estudi que selecciona per presència
de malaltia).
- Dos tipus:
• Prevalença puntual: és la proporció d’individus amb una determinada malaltia
o característica en un moment concret.
• Prevalença període: Prevalença puntual d’inici més els casos que es presenten
durant un període determinat.
- Prevalença = Taxa d’incidència x Duració de la malaltia.
- Fórmula:

- No permeten estudiar associació causal, només permet determinar si hi ha associació

entre una malaltia i una exposició, però mai si aquesta és causal.

1.2.2. INCIDÈNCIA

La incidència és el número de casos nous d’un esdeveniment concret en una àrea geografia i
en un període de temps determinats. Reflexa el risc de de desenvolupar un determinat
fenomen de salut.

11
 - Estudis longitudinals: COHORTS (disseny analític observacional en el qual es
seleccionen els individus segons si han estat exposats o no a un factor que provoqui
la malaltia)
- Ens permet estudiar la associació causal.
- Dos tipus:
• Incidència acumulada: Proporció que reflexa el % de subjectes d’una població
susceptible o en risc de desenvolupar una malaltia al llarg d’un determinat
temps.

• Taxa d’incidència: Reflexa el potencial instantàni (velocitat) de canvi al estat

de malaltia per unitat de persona-temps.
▪ *Persona-temps: la suma del temps que l’investigador ha seguit
a cada individu durant l’estudi longitudinal.

1.3. RAÓ

Tot índex obtés al dividir 2 quantitats on el numerador no està inclòs en el denominador. Pot tenir
o no dimensions.

1.3.1. ODDS

Raó entre la freqüència de la presència de l’esdeveniment d’interès i l’absència del mateix.

2. MESURES D’ASSOCIACIÓ

En la majoria dels estudis epidemiològics l’objectiu és mesurar el grau d’associació entre un o diversos
factors independents (exposició) i la aparició d’una malaltia (variable dependent). Des d’una punt de
vista estadístic aquesta probabilitat la podríem calcular amb un contrast d’hipòtesi (p-value:
significació estadística) però aquest no informa sobre la magnitud del efecte i la seua rellevància
clínica.

2.1. RISC RELATIU

La mesura de elecció en els estudis observacionals longitudinals o de Cohorts (incidència). Es

tracta de la raó entre incidència de la malaltia en el grup d’exposats i la del grup de no exposats.

RR = 1 : No associació.
RR > 1 : Més risc entre exposats a desenvolupar la malaltia: Factor de risc.
RR < 1 : Menys risc entre exposats a desenvolupar la malaltia: Factor de protecció.

12
 2.2. ODDS RATIO

En el cas dels estudis de casos i controls no es

pot calcular la incidència (i així directament el RR
com hem explicat abans) ja que la població
d’estudi es selecciona a partir d’individus que ja
han desenvolupar la malaltia.

Aquesta es una mesura que es pot utilitzar per calcular en ambdós estudis. En els cas dels estudis
de cohorts, la OR tan sols és una bona aproximació al RR quan els risc de malaltia en la població
és < 10%.

PART 2: PROVES DIAGNÒSTIQUES

Una prova diagnòstica serveix per ajudar a millorar l’estimació de la probabilitat que un individu presenti
una determinada malaltia. Es considera una mesura vàlida, sempre i quan classifiqui de manera adequada
els subjectes segons la presència o absència de malaltia.

A priori tenim una estimació subjectiva de P(malalt). Ens ajudem amb la informació de: La prevalença o
percentatge de la població que presenta la malaltia i els Signes i símptomes (identificació).

1. PREPROVA

Una prova de diagnòstic s’ha d’avaluar, abans d’utilitzar-la, en grups d’individus que cobreixin tot
l’espectre de la malaltia: Malalts (M) i no Malalts (nM). En general, una prova diagnòstica té una validesa
acceptable si la seua sensibilitat i especificitat són iguals o superior a 0.8 (l’ideal fos 1 i els falsos 0). Els
indicadors preprova són independents de la prevalença o la freqüència de la malaltia. Es pot representar
gràficament mitjançant les corbes ROC (ens dona una idea de com són E i S i per poder comparar amb
altres proves)

Es poden calcular índex de validesa propis de la prova:

P (Prova + | M) = Sensibilitat → Probabilitat de detectar la presència de malaltia en un malalt.

P (Prova - | nM) = Especificitat → Probabilitat de detectar l’absència de malaltia en un no malalt.

P (Prova - | M) = Fals negatiu → 1 – Sensibilitat.

P (Prova + | nM) = Fals positiu → 1 - Especificitat.

13
2. POST PROVA

A partir de la preprova i utilitzant el Teorema de Bayes (probabilitat condicionada) podem calcular

les probabilitats a posteriori que són índex de rendiment. Aquests VPP depenen de la prevalença de
la malaltia, avaluen el comportament de la prova en una població determinada amb una determinada
proporció (prevalença) de malalts. P (M) = Prevalença i P (nM) = 1 – Prevalença.
El VPP (+) disminueix a mesura que s’aplica a poblacions amb una prevalença de la malaltia més baixa.

P (M | Prova +) = Valor Predictiu d’una prova (+) → Capacitat de la prova de predir la malaltia.

P (nM | Prova - ) = Valor Predictiu d’una prova (-) → Capacitat de la prova de descartar la malaltia.

En resum:

14