01.4 - Aspectos Básicos de La Metodología - 38115997

Institut Català de la Salut
O EM
9 7 N
1 1 59 il.com
a 38 g m a
a da 2@
r i z 9 7
au to
g i do1 .53
a r ga Temanl1.4 e 12 2
c A , 4 .
Des O RIB 79.15
E G ID
L
Aspectos básicos de la metodología de la
investigación clínica, epidemiológica y cualitativa.
1
Aspectos básicos de la metodología de la investigación Tema 1.4
ÍNDEX
1. INTRODUCCIÓ A LA BIOESTÀDISTICA............................................. 7
1.1. Conceptes generals.......................................................................................7
1.2. Classificació de les dades.............................................................................7
1.2.1. Classificació de les escales de mesura.............................................9
1.3. Tabulació i representació gràfica...................................................................9
1.3.1. Taules de distribució de freqüències..................................................9
1.3.2. Representació gràfica......................................................................10
2. ESTADÍSTICA DESCRIPTIVA........................................................... 12
2.1. Variables qualitatives...................................................................................12
2.2. Variables quantitatives.................................................................................12
9 9 7
2.2.1. Mesures de tendència central..........................................................12
8 1 15
2.2.2. Mesures de dispersió.......................................................................13
a 3
a A ,
2.2.3. Mesures de posició..........................................................................15
a d B
3. INTRODUCCIÓ A LESu t o riz O RI , IP: 16
PROBABILITATS..........................................
g a a
E G ID .com
s c ar M I m il
3.1. Nocions sobre la Teoria de Conjunts...........................................................16
L a
De NOE 2 @ g
3.1.1. Notació.............................................................................................16
. 5 3
1 9 7 1 2 2
3.2. Conceptes sobre la teoria de probabilitats..................................................17
id o 54 .
3.2.1. Idea intuïtiva de Probabilitat............................................................17
n l e g 9 .1
3.2.2 7
Propietats.........................................................................................17
3.3. Esdeveniments mútuament excloents.........................................................18
3.4. Esdeveniments mútuament no excloents....................................................18
3.5. Probabilitat condicionada............................................................................19
3.6. Esdeveniments dependents i independents................................................19
3.7. Teorema de Bayes.......................................................................................20
3.7.1. Aplicacions del teorema de Bayes...................................................20
2
4. DISTRIBUCIONS DE PROBABILITAT.............................................. 21
4.1. Distribució normal........................................................................................21
4.1.1. Simetria i asimetria..........................................................................22
4.2. Distribució binomial.....................................................................................23
4.3. Distribució de Poisson.................................................................................23
5. ESTADÍSTICA INFERENCIAL........................................................... 24
5.1. Estimació de paràmetres.............................................................................25
5.1.1. Estimació de paràmetres en mostres grans (N>30)........................25
5.1.2. Estimació de paràmetres en mostres petites (N<30)......................26
5.2. Prova d’hipòtesi...........................................................................................27
5.2.1. Hipòtesi nul·la (H0) i hipòtesi alternativa (H1).................................27
5.2.2. Error tipus I i error tipus II................................................................28
9 9 7
5.3. CONTRAST D’HIPÒTESI............................................................................29
5.3.1. Estudi de relació entre variables qualitatives: prova del
8 1 15
3
chi-quadrat.......................................................................................29
a
a d a A
5.3.2. Relació entre una variable qualitativa i altra quantitativa: Prova
B ,
o r iz R I :
t de Student i anàlisi de la variància................................................30
P
a u t ID .com O
5.3.3. Relació entre dues variables quantitatives: correlació , I
ar g a E G il
i regressió........................................................................................31
L
e s c M I g m a
6. D O E @ 3
MOSTREIG........................................................................................
2 . 5 32
N 97 2 2
1 . 1
6.1. Tècniques de mostreig probabilístic............................................................33
id o 4
l e g . 1 5
6.1.1. Mostreig irrestrictament aleatori o mostreig aleatori simple............33
n 79
6.1.2. Mostreig sistemàtic..........................................................................34
6.1.3. Mostreig estratificat..........................................................................34
6.1.4. Mostreig per conglomerats..............................................................35
6.1.5. Mostreig per etapes.........................................................................36
6.2. Tècniques de mostreig no probabilístic.......................................................36
6.2.1. Mostreig consecutiu.........................................................................36
3
6.2.2. Mostreig de conveniència................................................................36

6.2.3 Mostreig a criteri..............................................................................37
6.3. La mida muestral.........................................................................................37
7. CONCEPTE D’EPIDEMIOLOGIA...................................................... 37
8. APLICACIONS DE L’EPIDEMIOLOGIA............................................. 38
9. EL MÈTODE EPIDEMIOLÒGIC........................................................ 38
9.1. Fases del mètode epidemiològic.................................................................38
10. VARIABLES EPIDEMIOLÒGIQUES................................................ 40
11. TIPUS DE MESURES EN EPIDEMIOLOGIA................................... 41

11.1. Mesures de Freqüència...............................................................................41
11.2. Mesures d’associació i d’impacte................................................................43
9 9 7
1 15
12. DISSENYS EPIDEMIOLÒGICS.......................................................
8 47
a 3
d a A
13. CLASSIFICACIÓ DELS ESTUDIS EPIDEMIOLÒGICS...................
a B , 47
o r R I
iz O OBSERVACIONALS............... P : 48
a u t
14. ESTUDIS NO EXPERIMENTALS
ID .com O , I
ar g a L E G il
14.1. Estudis Descriptius......................................................................................48
s c M I m a
De NOE 2 @ g
14.1.1. Estudis de prevalença o transversals..............................................49
. 5 3
1 9 7 1 2 2
14.1.2. Sèries de casos clínics....................................................................51
id o 5 4 .
14.1.3. Estudis descriptius de morbi-mortalitat............................................52
n l e g 9 . 1
7
14.1.4. Estudis ecològics.............................................................................52
14.2. Estudis Analítics..........................................................................................54
14.2.1. Estudi de casos i controls................................................................54
14.2.2. Estudis de cohorts...........................................................................58
15. ESTUDIS EXPERIMENTALS........................................................... 62

15.1. Assajos clínics.............................................................................................62
4
15.2. Assajos de Tipus Comunitari.......................................................................66

15.3. Assajos de Camp........................................................................................66
15.4. Avantatges dels dissenys experimentals.....................................................66
15.5. Inconvenients dels estudis experimentals...................................................67
16. VIGILÀNCIA EPIDEMIOLÒGICA..................................................... 67

16.1. Evolució històrica.........................................................................................67
16.2. Activitats i característiques de la vigilància epidemiològica........................68
16.3. Xarxa de Vigilància Epidemiològica............................................................69
16.4. Utilitat del mètode epidemiològic i demografia pel professional
d’infermeria..................................................................................................70
17. MALALTIES TRANSMISSIBLES...................................................... 71

17.1. Fases de les malalties transmissibles.........................................................71
9 9 7
17.2. Agent causal................................................................................................72
8 1 15
17.3. Modes de presentació de les malalties transmissibles................................73
a 3
17.4. Mesures de prevenció i control de les malalties transmissibles..................74
a d a B A ,
18. DEFINICIÓ DE CAS DE LESrMALALTIES
o iz DE R I
DECLARACIÓ
P : 75
a u t ID .com O , I
OBLIGATÒRIA...................................................................................
g a
arDE DECLARACIÓ E G
L OBLIGATÒRIA ilA CATALUNYA...... 76
s c
19. MALALTIES
M I m a
De NOE 2 @ g
. 5 3
19.1. Malalties què s’han de declarar...................................................................77
1 9 7 1 2 2
id o 5 4 .
19.2 Llista de malalties de declaració obligatòria pel 2015.................................77
n l e
20. METODOLOGIA
g DE LA 7 9 . 1
INVESTIGACIÓ: TÈCNIQUES
QUANTITATIVES I QUALITATIVES................................................... 78
20.1. Conceptes...................................................................................................78
21. ESTRUCTURA METODOLÒGICA D’UN TREBALL CIENTÍFIC...... 79

21.1. Preliminar....................................................................................................79
21.1.1. Recerca de documentació o revisió bibliogràfica............................79
5
21.2. Planificació..................................................................................................80
21.2.1. Formulació dels objectius i hipòtesi.................................................80
21.2.2. Hipòtesi............................................................................................80
21.2.3. Població a estudi.............................................................................81
21.2.4. Variables..........................................................................................81
21.2.5. Mètode de recollida d’informació.....................................................82
21.2.6. Fase d’anàlisi i interpretació dels resultats......................................82
21.2.7. Conclusions.....................................................................................82
22. FONTS DE DADES.......................................................................... 83
23. INVESTIGACIÓ EN INFERMERIA BÀSICA: ESTUDIS

D’IDENTIFICACIÓ I PRIORITZACIÓ DE PROBLEMES................... 86
23.1. Identificació de problemes...........................................................................86
9 9 7
23.2. Priorització de problemes............................................................................89
8 1 15
23.2.1. Mètodes de priorització....................................................................89
a 3
24. INVESTIGACIÓ INFERMERIA APLICADA:
a d a ESTUDIS
B A ,
DESCRIPTIUS I ANALÍTICS DELS
o r iz DIAGNÒSTICS
R I ..................
INFERMERS
P : 90
UTILITZATS, ESTUDIS DE
a u t PROCESSOS
ID .com OI RESULTAT.
, I
ar g a E G il
24.1. Tipus d’estudi o disseny..............................................................................90
L
s c M I m a
De NOE 2 @ g
24.2. Anàlisi de processos i resultats...................................................................93
. 5 3
9 7 2 2
25. BIBLIOGRAFIA.................................................................................
1 1 95
id o 5 4 .
l e g . 1
n 79
6
1. INTRODUCCIÓ A LA BIOESTÀDISTICA
1.1. Conceptes generals

L’Estadística és aquella ciència que té per objecte donar mètodes tant per a la
recopilació, organització i anàlisi de les dades que provenen d’un grup d’individus,
com a la seva aplicació per decidir l’acceptació o rebuig de certes afirmacions o lleis.
L’Estadística busca les característiques generals dels col·lectius, prescindint de
les particularitats que formen l’esmentat col·lectiu.
A aquest col·lectiu se’l denomina població. Una població pot ser finita o infinita.
Per exemple, la població formada per tots els pacients amb càncer és infinita, mentre
que la població constituïda per tots els pacients amb càncer de l’hospital H és finita.
La població seria el conjunt d’individus sobre qui es pretén treure conclusions. Tan-
mateix, en la majoria dels casos la població està formada per un nombre tan gran de
elements que ens és materialment impossible obtenir informació de tots ells.
Per aquesta raó, se sol treballar amb una part de la població que denominem
mostra. Exemple d’això seria l’estudi del nivell d’hemoglobina en un grup de donants
9 9 7
de sang (la mostra), seleccionat de tot el col·lectiu de donants de sang. L’esmentat
es realitza l’estudi.
8 1 15
d’una altra forma, la mostra seria el subconjunt d’individus de la població sobre el qual
a 3
a d a B A ,
De l’estudi de les característiques de la mostra s’ocupa l’Estadística Descriptiva.
o r iz R I :
En aquest sentit les tasques d’Estadística Descriptiva serien:
P
a u t O
ID .com , I
■
ar g a L E G
L’organització de les dades numèriques de la mostra a través de les taules i
il
s c I
representacions gràfiques.
M m a
De NOE
■
@ g 3
L’anàlisi de les dades obtingudes mitjançant l’obtenció d’índexs estadístics
2 . 5
1 9 7 1 2 2
representatius de la mostra: mesures de tendència central i de dispersió.
id o 54 .
n l e g 9 . 1
Tanmateix, a l’investigador, no li interessen les característiques de la mostra, sinó
7
el coneixement de les característiques de la població. Gràcies a l’Estadística Descrip-
tiva podem estudiar només una mostra i, si aquesta és representativa de la població,
podem inferir les característiques de la població. Aquesta és la tasca de l’ Estadística
Inferencial.
1.2. Classificació de les dades

Els objectes o individus manifesten les seves característiques segons diverses
modalitats. Per exemple, la característica sexe es manifesta segons dues modalitats:
baró o femella. La característica color d’ulls segons diverses modalitats: blau, marró,
7
verd, negre. La característica altura segons infinites modalitats. Cada característica

que es desitja estudiar en una mostra d’individus i que es caracteritza per prendre en
ells diferents valors, rep el nom de variable.
Les variables al seu torn es classifiquen en:
■ Variables Qualitatives o categòriques: els valors del qual es presenten com

a qualitats o atributs. En aquest cas la variable no pot ser mesurada o bé el
mètode de mesura és imperfecte. Si tan sols són possibles dues categories
es denominen Dicotòmiques, l’exemple típic és el sexe, esmentat anterior-
ment.
Si poden ordenar-se segons un criteri creixent o decreixent parlem de va-
riables Ordinals, també variables denominades Gairebé quantitatives. Per
exemple, podríem parlar de dolor en pacients oncològics classificant-lo com
a: lleu, moderat, intens.
■ Variables Quantitatives: que poden ser de dos tipus:
• Variables Quantitatives Discretes: els diferents valors que presenta la va-
riable poden ser comptats, i entre dos valors consecutius de la variable
9 9 7
no existeixen valors intermedis, és a dir, són valors sencers. Per exem-
1 15
ple: nombre de fills, d’infarts, de parts,… En aquests casos trobarem, per
8
3
exemple, una dona amb dos parts o amb tres, però no amb dos parts i
a
a d a B A ,
mig. Es denomina discreta perquè els diferents valors que pot prendre la
o r iz R I P :
variable estan separats entre si, és dir, existeixen “buits” o “interrupcions”
a u t O , I
entre els diferents valors de la variable.
ID .com
ar
• g a E G
Variables Quantitatives Contínues: els diferents valors que pren la varia-
L il
s c I a
ble són susceptibles de ser mesurats i entre dos valors consecutius de
M m
De NOE 2 @ g
. 5 3
la variable existeixen infinites modalitats intermèdies: Per exemple: tem-
1 9 7 1 2 2
peratura, nivell d’hemoglobina en sang, pressió sanguínia… En aquests
id o 54 .
casos entre un nivell d’hemoglobina de 12,4 mg/decilitre i un altre de 12,5
n l e g . 1
mg/decilitre, existeixen valors com 12,41 mg/decilitre o 12,465 mg/dl.
9
■ 7
Constant: valor numèric que no canvia en un context determinat. Per exem-
ple, el grau d’atracció de la terra sobre els objectes de la seva superfície no
varia mentre la pressió es manté constant, aquest valor és, una constant. Una
vegada que tenim agrupades les variables, obtenim una escala com a resul-
tat. Existeixen una gran quantitat d’escales de mesura, però només algunes
d’elles són d’utilització freqüent.
8
1.2.1. Classificació de les escales de mesura

■ Escales nominals: la seva única finalitat és classificar dades qualitatives.
S’empra quan les categories d’una variable són excloents entre si. És la for-
ma més simple d’observació. Per exemple: grup sanguini, color de cabell,
sexe.
■ Escales ordinals: són aquelles que permeten un enunciat “major que” o “me-
nor que”. Les transformacions admissibles per a aquestes escales són única-
ment aquelles que preserven l’ordre. Per exemple, estatura: alt, mitjà, baix.
■ Escales d’interval lineal: valor numèric obligat. Tenen distàncies idèntiques
entre els valors consecutius de l’escala, i aquesta és la diferència fonamental
amb les escales ordinals. L’esmentat d’una altra manera, aquestes escales
no només estableixen un ordre entre els elements d’un conjunt, sinó que tam-
bé ho estableixen en les diferències entre els elements. No existeix el zero
absolut. L’exemple típic seria la temperatura.
■ Escales de raó o proporció: són aquelles que suporten totes les transfor-
macions anteriors i, a més la igualtat de raons; per tant tenen que preservar
l’ordre, l’ interval i la raó. Això implica l’existència de un zero absolut, ca-
9 9 7
racterística que no tenen les escales d’interval lineal. La longitud és un cas
1 15
evident d’escala de raó, ja que es pot partir d’aquest zero absolut, és a dir, de
8
3
l’absència de la característica que es mesura.
a
a d a B A ,
r iz gràfica
1.3. Tabulació i representació
o R I P :
a u t O
ID .com , I
Hi ha dues formes principals de presentar de manera ordenada les dades estadís-
ar g a L E G
tiques. Aquestes són mitjançant:
il
s c M I m a
De NOE
■ Taules.
2 @ g
. 5 3
■
1 9 7
Representació gràfica.
1 2 2
id o 54 .
n l e g 9 . 1
1.3.1.
7
Taules de distribució de freqüències
La tabulació és un mètode per sintetitzar informació quantitativa contínua, i que
permet representar-la gràficament. S’agrupen les dades en intervals de classe.
Quant major sigui l’amplitud dels intervals de classe, més informació es perd.
Exemple: Nombre de símptomes presents (dolor, insomni, restrenyiment…) en
pacients terminals ingressats en una unitat de cures pal·liatives en un estudi realitzat
sobre 20 pacients.
9
1.3.2. Representació gràfica

És més fàcil captar el significat que les dades estadístiques puguin tenir per mitjà
de les representacions gràfiques adequades.
L’avantatge més important de les gràfiques o diagrames sobre les taules de da-
des, rau en el fet que criden l’atenció del lector amb molta més força. D’altra banda,
la seva comprensió és molt més intuïtiva. Ambdós factors proporcionen en conjunt un
major valor explicatiu que les taules.
■ Diagrama de barres: s’utilitza per representar variables qualitatives i quan-

titatives discretes. Consisteix en un conjunt de barres o rectangles sobre un
eix de coordenades. L’alçada de cada barra és determinada per la freqüència
de la modalitat que representa.
En no existir una continuïtat entre els valors de les variables, les barres estan
separades per espais en blanc i poden ser col·locades en qualsevol ordre,
excepte quan es tracta d’escales ordinals (variables gairebé quantitatives),
que cal respectar l’ordre entre les diferents modalitats.
Distribució De grups sanguinis

9 9 7
8 1 15
a 3
a d a B A ,
o r iz R I P :
a u t O
ID .com , I
ar g a L E G il
s c M I m a
De NOE 2 @ g
. 5 3
■
1 9 7 1 2 2
Diagrama de sectors: consisteix a representar mitjançant sectors circulars
o 4 .
les diferents modalitats d’una variable. Cada una de les modalitats es presen-
id 5
n l e g . 1
ta proporcionalment als 360º del cercle. S’utilitzen per representar variables
9
7
qualitatives.
Distribució De grups sanguinis
10
■ Pictogrames: es realitza mitjançant un dibuix, relacionat amb la variable que

s’estudia, la mida del qual indica la freqüència amb què es dóna la classe o
categoria. Generalment s’empra per representar variables qualitatives.
■ Histograma: s’utilitzen per representar les diferents freqüències de varia-

bles quantitatives contínues. Consisteix en un conjunt de rectangles dibuixats
sobre un eix de coordenades. Cada modalitat es representa per un rectan-
gle que té com base l’amplitud de l’ interval i com a altura la freqüència de
l’esmentat interval. Com a exemple veurem l’esperança de vida d’un home en
néixer.
9 9 7
8 1 15
a 3
a d a B A ,
o r iz R I P :
a u t O
ID .com , I
ar g a L E G il
s
■ c M I m a
Polígon de freqüències: s’utilitza també per representar les distribucions de
De NOE @ g 3
freqüències de variables quantitatives contínues. Consisteix en una línia tren-
2 . 5
1 9 7 1 2 2
cada que uneix els punts determinats mitjos de cada interval i en freqüència.
id o 4 .
Comença i acaba en l’eix d’abscisses (eix horitzontal) en els punts mitjos de
5
n l e g . 1
l’ interval anterior i posterior als de l’ histograma.
9
7
Resultats examen física
11
2. ESTADÍSTICA DESCRIPTIVA
2.1. Variables qualitatives

■ Freqüència absoluta: nombre d’individus que tenen una determinada mo-
dalitat. La suma de totes les freqüències absolutes és igual al nombre total
d’observacions. n¡-m¡
■ Freqüència relativa: proporcions o raons. Relació entre la freqüència abso-
luta d’un interval i el total de dades, això és, i N. És a dir, tant per 1 de cada
modalitat respecte al total N.
Pi = ni/N
■ Percentatge: representa el tant per cent de cada modalitat respecte al total

N. S’obté multiplicant la proporció per 100.
Pi = n¡/N x 100
2.2. Variables quantitatives
2.2.1. Mesures de tendència central 9 9 7

8 1 15
Poden definir-se diverses mesures de tendència central. Les més comunes i més
a 3
utilitzades són: la mitja, la mitjana i la moda. Informen sobre el valor de la variable al
a d a B
voltant del qual s’agrupen la resta de valors.A ,
o r iz R I P :
■
a u t O
ID .com , I
Mitja aritmètica: la mitja d’una sèrie de dades N es representa per X i podem
ar g a E G
definir-la com la suma de tots els valors d’una variable dividida pel nombre
L il
s c I a
total d’observacions de la mostra.
M m
De NOE 2 @ g 5 3
Per exemple, suposem que hem mesurat els nivells de glucosa en sang de
.
1 9 7 2 2
sis pacients, obtenint els següents valors: 95, 98, 112, 117, 123, 105 mg/dl.
1
id o 54 .
n l e g . 1
X = 95 + 98 + 112 + 117 + 123 +105 /6 : 108,33 mg/dl
9
7
La mitja és molt sensible a la variació de les puntuacions. N’hi ha prou que
variï una sola puntuació, perquè variï la mitja.
És una mesura de tendència central útil en distribucions simètriques i sense
valors extrems. És el centre de gravetat de la distribució.
■ Mitjana: la mitjana d’una sèrie de N dades ordenades en ordre creixent o
decreixent es representa per Md i és la puntuació que ocupa el valor central
de la distribució estadística. Es calcula una vegada ordenades les dades de
menor a major. Si hi ha un nombre senar de dades, la mitjana ve donada pel
12
valor central. Si hi ha un nombre parell de dades la mitjana és la mitjana arit-

mètica de les dues puntuacions centrals.
Per exemple, en la sèrie de dades: 1,3,7,12,15,21,29 la mitjana serà el valor
central: 12.
En canvi, en la sèrie de dades: 2,4,6,7,8,9 les dues dades centrals són 6 i 7,
i la seva mitjana aritmètica:
6+7/2: 6,5.
Md: 6,5
És més representativa que la mitja quan la distribució de freqüències té pun-

tuacions molt extremes, ja que la mitjana depèn dels valors centrals de la dis-
tribució i no és afectada pels valors extrems. És útil per descriure distribucions
asimètriques.
■ Moda: la moda d’un conjunt de dades N es representa per Mo i correspon al
valor de la variable que presenta major freqüència.
Per exemple: Volem fer un estudi entre 20 joves amb edats compreses entre
els 25 i els 28 anys. En aquest cas la moda correspon al valor 27, ja que hi ha
10 individus amb aquesta edat.
9 9 7
1 15
Les distribucions de freqüències amb una sola moda es denominen unimo-
8
a 3
dals. Tanmateix, pot donar-se el cas de distribucions amb dues modes, de-
a d a A ,
nominats bimodals. Una distribució que contingui més de dues modes es
B
o r iz R I :
denomina multimodal. La moda correspon al punt més alt del polígon de fre-
P
qüències.
a u t O
ID .com , I
■
ar g a L E G il
Mitjana geomètrica: es representa per Xg i es defineix com l’arrel enèsima
s c M I m a
del producte de n puntuacions.
De NOE 2 @ g
. 5 3
1 9 7 1 2 2
Per a la seva aplicació és necessari que totes les puntuacions siguin majors que
id o 4 .
0, ja que si alguna puntuació fos 0, el producte quedaria anul·lat, i si algun Xi fos ne-
5
n l e g . 1
gatiu, tampoc no podria usar-se a causa de la inexistència d’arrels reals de nombres
9
7
negatius. És molt utilitzada en Microbiologia i Serologia, les dades del qual tenen una
asimetria marcada positiva (cap a la dreta).
2.2.2. Mesures de dispersió

Tota distribució de freqüències té dues característiques principals que la definei-
xen:
■ Un punt central al voltant del qual tendeixen a agrupar-se les dades: mitja,
mitjana i moda.
13
■ Una variabilitat o dispersió de les dades respecte a aquest valor central.
En tota investigació sobre una mostra de dades d’observació, ambdues mesures

descriptives han d’anar parelles per evitar conclusions errònies.
■ Amplitud o rang: Correspon a la diferència entre el valor més alt i el més baix
de la variable. Per exemple, les edats de cinc homes diagnosticats de càncer
de pròstata són: 44, 56, 61, 52, 62. On 44 és el valor més baix i 62 i el més
alt. A= 62-44= 18. L’amplitud de la distribució de les edats d’aquests homes
és de 18 anys.
■ Desviació mitja: D’acord amb la definició de variabilitat de la mostra, els
índexs que la mesurin expressaran el grau en el qual les puntuacions es dis-
persen d’un punt central. Així doncs, tots els índexs de dispersió han de fer
referència a un índex de tendència central. L’índex més apropiat per utilitzar
com referència en el càlcul de mesures de dispersió és la mitja. La mitjana
aritmètica dels valors absoluts de les puntuacions de desviació es denomina
desviació mitja.
Expressa la distància que ha de recórrer un individu per arribar a la mitja.
9 9 7
■
8 1 15
Variància: Es presenta per Sx2 i es defineix com la mitja dels quadrats de les
diferències entre cada valor de la variable i la mitjana aritmètica de la distribu-
a 3
ció. Això és, si sumem al quadrat els valors de les puntuacions de desviació,
a d a A ,
i aquesta suma la dividim pel nombre d’observacions, haurem calculat la va-
B
r iz
riància de la distribució.
o R I P :
a u t O
ID .com , I
ar g a
La variància serà sempre un valor positiu. Pot ser també igual a 0, això ocorre
L E G il
quan no existeix variabilitat. En general, quant major sigui la Sx 2 menor és la
s c M I m a
De NOE 2 @ g
homogeneïtat de la variable i per tant, major és la dispersió.
. 5 3
■
1 9 7 1 2 2
Desviació típica: la desviació típica es representa per Sx, i és igual a l’arrel
id o 54 .
quadrada positiva de la variància o arrel quadrada de la mitja dels quadrats
n l e g 9 1
de les puntuacions de desviació.
.
7
És la mesura de dispersió més utilitzada i de major aplicació en estadística.
És un índex molt sensible a les puntuacions extremes, igual com la variància i
la mitja, pel que no s’ha de calcular quan la mitja no sigui l’índex de tendència
central més apropiat per a una distribució. És l’índex de dispersió més fiable,
sent estri en les distribucions simètriques.
■ Coeficient de variació: es representa per CV i és igual a la desviació típica
dividida per la mitja.
14
Habitualment aquest coeficient ve multiplicat per 100 per expressar-ho en

percentatge. La utilitat d’aquest coeficient rau en la possibilitat de comparar la
dispersió o variabilitat de dos o més grups.
Exemple: estudiarem dues variables diferents, es vegi pes: X i pressió sanguí-
nia: Y. Sx vindrà en unitats de pes: kg. i Sy en mm de Hg. Si volem comparar
la variabilitat d’ambdues no podem comparar les seves desviacions típiques,
ja que quilograms no té res que veure amb mm de Hg., i en conseqüència 65
kg no és més ni menys que 150 mm de Hg. En tractar-se de variables dife-
rents, no podem comparar les seves desviacions típiques i recorrem als seus
respectius coeficients de variació.
Únicament podem comprar les desviacions típiques quan estudiem la ma-
teixa variable en diferents grups o mostres de la mateixa població. En cas
contrari, utilitzem el coeficient de variació.
2.2.3. Mesures de posició

Una forma de caracteritzar una puntuació dins d’una mostra consisteix en dir l’or-
dre que ocupa dins del total de les puntuacions. Podem fer això transformant l’escala
de puntuacions directes a una escala de percentils.
9 9 7
1 15
Definim el percentil com el valor de la variable per sota del qual es troba un
8
a 3
percentatge determinat d’observacions. Per exemple, el percentil 15, simbolitzat per
a d a A ,
P15, és el valor de la variable que deixa per sota de si al 15 per cent del total de les
B
o r iz R I :
puntuacions. I sens dubte, al 85 per cent del total per sobre. Aquesta definició ens re-
P
a u t O , I
corda a un índex de tendència central: la mitjana, que és el punt de l’escala que deixa
ID .com
ar g a L E G
per sota el 50 per cent de les puntuacions i per sobre l’altre 50 per cent. Per tant, les
il
c I a
característiques de la mitjana seran aplicables al percentil 50.
s M m
De NOE @ g 3
Per la seva part els quartils són els valors de la variable que deixen per sota de
2 . 5
1 9 7 1 2 2
si el 25 per cent, el 50 per cent i el 75 per cent del total de les puntuacions. Hi ha per
id o 4 .
tant 3 quartils que se simbolitzen: Q1, Q2 i Q3, respectivament.
5
n l e g 9 . 1
7
Els decils són els valors de l’escala que divideixen a la distribució en 10 parts
iguals. Existeixen 9, des de D1 a D9.
P50 = MD = Q2 = D5
L’escala de percentils és una escala ordinal, això és, l’escala delimita el lloc que
ocupa cada puntuació individual en percentatges. L’avantatge de les escales de per-
centils és que permeten la comparació directa de les puntuacions entre si, tant dins
d’una mateixa caracterització com entre característiques diferents, sempre que es
tracti del mateix grup de subjectes. Per a això només és necessari calcular a què
percentil correspon una puntuació determinada.
15
Amplitud semiinterquartil: és la mitja de la diferència entre el tercer quartil i el

primer o, el que és el mateix, entre el percentil 75 i el percentil 25.
3. INTRODUCCIÓ A LES PROBABILITATS

La Probabilitat mesura la freqüència amb què ocorre un resultat en un experiment
sota condicions prou estables.
3.1. Nocions sobre la Teoria de Conjunts

Un conjunt està format per ens materials o abstractes, reunits en virtut d’una o
més propietats de les que gaudeixen tots els elements que el formen i no les pot gau-
dir cap altre element que no formi part d’ell.
3.1.1. Notació
Els elements d’un conjunt es representen amb lletres minúscules (a, b, c),mentre
que els conjunts ho fan amb majúscules (A, B, C).
Es denomina conjunt buit ∅ al conjunt que no conté cap element.
9 9 7
8 1 15
El signe ∈ indica pertinença d’un element a un conjunt: a ∈ A.
∉ 3
La seva negació indica no pertinença: a
a A.
a d a B A ,
Els elements d’un conjunt s’expressen o simbolitzen: A = {a,b,c,…,m}.
o r iz R I P :
a u t O , I
El conjunt universal o univers, es defineix com el conjunt de tots els elements que
ID .com
ar a L E G
es consideren. Correntment es designa per U.
g il
s c I a
Subconjunt: si tots els elements d’un conjunt A pertanyen a un conjunt
M m
De NOE 2 @ g
. 5 3
E, diem que A està inclòs a E, o que és subconjunt d’E, o també que és una part
⇒ ⊆
d’E. A E.
1 9 7 1 2 2
id o 5 4 .
n l e g 9 1
Subconjunts disjunts: dos conjunts A i B, d’un mateix conjunt E es denominen
.
7
disjunts quan no tenen elements comuns i la seva intersecció és el conjunt buit.
Es diu intersecció d’A i B al subconjunt format pels elements de C que pertanyen
a A i a B simultàniament: A∩B.
A = {a,b,c,d} B = {c,d,e,h}
A∩B = {c,d}
Es denomina unió dels subconjunts a i B al conjunt format pels elements que
pertanyen a A o a B o als dos alhora. A∪B.
A∪B= {a,b,c,d,e,h}
16
3.2. Conceptes sobre la teoria de probabilitats

Diem que un esdeveniment és aleatori quan en complir-se un conjunt determinat
de condicions, aquest pot ocórrer o deixar d’ocórrer.
Així doncs, podem dir, que un experiment aleatori és tota realització amb uns
resultats (esdeveniments), que no poden ser pronosticats amb certesa.
Espai muestral, és el conjunt de tots els resultats possibles de l’experiment alea-
tori, és a dir, l’univers de la prova, o conjunt universal que ja hem definit.
Així per exemple, si E = {1,2,3,4,5,6,} és a dir, el conjunt dels resultats possibles
de l’experiment aleatori llançar un dau, qualsevol d’aquests resultats o subconjunts
d’E, serà un esdeveniment aleatori S: S1 = {1}, S2 = {2,} etc.
3.2.1. Idea intuïtiva de Probabilitat

Número entre 0 i 1, associat amb la versemblança que ocorri un esdeveniment.
0 quan estem segurs que no ocorrerà i 1 quan estem segurs que sí que ocorrerà. El
problema és: com assignar aquest número en situacions d’incertesa?
■
9 7
De vegades s’estima per la freqüència relativa. Per exemple, una manera
9
8 1 15
d’aproximar-nos a la probabilitat de què una intervenció quirúrgica arriscada
tingui èxit, és consultar el registre de les intervencions realitzades sobre pa-
a 3
cients similars. Si de les últimes 10, han estat un èxit 8, la freqüència relativa
a d a B A ,
és 8/10: 0.8, s’assemblarà a la probabilitat.
o r iz R I P :
■
u t O , I
Hi ha situacions en les quals es pot calcular: si tots els resultats de l’experiment
a ID .com
ar a L E G
són igualment probables, llavors la Probabilitat es defineix (definició clàssica
g il
s c I a
o de Laplace) com el quocient entre el nombre de casos favorables i el nom-
M m
De NOE 2 @ g
bre de casos possibles.
. 5 3
1 9 7 1 2 2
Per exemple, suposem que tenim una capsa amb 8 boles idèntiques: 5 boles
id o 54 .
vermelles i 3 boles blanques. Amb el que la possibilitat de treure a l’atzar una bola
n l e g 9 . 1
vermella serà major que de treure’n una blanca. Existeixen vuit possibilitats, cinc de
7
favorables de treure una bola vermella i tres que sigui blanca. De tal forma si cridem
P(A) a la probabilitat d’extreure una bola vermella:
p(A) = 5/8
3.2.2 Propietats
La probabilitat d’un esdeveniment cert és igual a la unitat. En efecte, sigui m el
nombre de casos favorables i n el de casos possibles. Si l’esdeveniment és cert,cada
17
esdeveniment elemental de la prova és favorable a l’esdeveniment, en el cas del qual

m=n i, per tant:
p(A) = m/n =1
La probabilitat d’un esdeveniment impossible és igual a zero. Si l’esdeveniment

és impossible, és que cap dels resultats elementals de la prova no és favorable a
l’esdeveniment, és a dir, que m= 0, amb el qual:
p(A) = 0/n =0
La probabilitat d’un esdeveniment aleatori qualsevol és un nombre positiu com-

près entre 0 i 1. En efecte, 0 <m < n, és a dir, el nombre de casos favorables oscil·la
entre 0 i n segons que l’esdeveniment sigui impossible o cert, amb el que 0 <m/n <1
i, per tant:
0< P(A)< 1
3.3. Esdeveniments mútuament excloents

Els processos es denominen mútuament excloents si la producció d’un d’ells ex-
9
veniments A i B són mútuament excloents si A∩B = ∅. 9 7
clou l’aparició dels altres esdeveniments en un mateix experiment. És a dir, dos esde-
8 1 15
3
Exemple: En llançar una moneda a l’aire, la possibilitat que en caure surti cara
a
a d a B A ,
exclou absolutament la possibilitat que pugui sortir creu en caure.
o r iz R I :
Es diu suma de dos processos a A i B (A+B), a l’esdeveniment compost d’A, de
P
u t O
ID .com , I
B o d’ambdós: p(A+B)= p(A)+p(B). I en general, es diu suma de diversos esdeveni-
a
ar g a L E G
ments, a l’esdeveniment compost de l’aparició d’ almenys un d’ells “llei de l’addició”:
il
s c M I m a
De NOE g
p(A+B+C+…+D) = p(A)+p(B)+p(C)+…+p(D)
7 2 @ . 5 3
Per exemple: Si llancem un dau no canviat, tenim 6 resultats possibles i equiva-
2
1 9 . 1 2
lents, amb probabilitat 1/6, i mútuament excloents, ja que l’aparició d’un d’ells exclou
o
g id 1 54
l’aparició dels altres en una tirada. E= {1,2,3,4,5,6}, la probabilitat d’obtenir un nombre
.
n l e
parell serà:
7 9
p(A)= p(2)+p(4)+p(6) p(A)= 1/6+1/6+1/6= 3/6 =1/ 2 ⇒50%
La probabilitat de què dos esdeveniments mútuament excloents succeeixi s’obté

per l’addició de la probabilitat individual de cada un.
3.4. Esdeveniments mútuament no excloents

Quan dos esdeveniments són compatibles, la Probabilitat que ocorri almenys un
d’ells és igual a la suma de les seves probabilitats menys la probabilitat que ocorrin
simultàniament.
18
En aquest cas la intersecció no és nul·la com ocorria en els esdeveniments mú-

tuament excloent.
Seguint amb l’exemple anterior, la probabilitat que en llançar el dau surti un resul-
tat superior a 2 o parell, ha de tenir en compte que els resultats 4 i 6 compleixen amb
les dues condicions.
p(>2 o parell) = p(3,4,5,6) + p(2,4,6)-p(4,6)
3.5. Probabilitat condicionada

Si els esdeveniments A i B són dependents, es denomina probabilitat d’A, condi-
cionada a l’esdeveniment B, a la probabilitat d’A, calculada suposant que B ha succeït
ja, i s’escriu p(A/B).
Sempre si p(B) ≠ 0, ja que la probabilitat d’algun altre esdeveniment depèn del
resultat d’algun altre esdeveniment. Quan ocorre un esdeveniment canvia l’espai mu-
estral, per això canvia la probabilitat.
Exemple: se sap que el 50% de la població és sedentària i que el 10% és seden-
tari i obès. Quina és la probabilitat que una persona sedentària sigui obesa?
9 9 7
15
A = {ser obès} B = {ser sedentari} A∩B = {ser sedentari i obès}
8 1
p(A/B) =0.10/0.50 =0.20.
3
a a ,
La probabilitat que apareguin simultàniament dos esdeveniments dependents és
d A
iz a I B
igual al producte de la probabilitat d’un d’ells, per la probabilitat condicional de l’altre,
r R :
u t o O
suposant que el primer s’ha presentat ja.
, I P
g a a G ID .com
Exemple: Un estudi ens mostra que el 0’1% de la població té problemes vascu-
E
s c ar I L a il
lars. A la vegada en un altre article llegim que el 20% dels pacients amb problemes
M m
De NOE 2 @ g
vasculars presenten plaques d’ateroma. Si el 10% dels individus amb plaques d’ate-
. 5 3
1 9 7
roma estan exposats a la mort sobtada per despreniment de trombes: quina proba-
1 2 2
id o 54 .
bilitat té un individu qualsevol d’estar exposat a la mort sobtada per despreniment de
n l e g 9 1
trombes d’una placa d’ateroma?
.
7
A= {problemes vasculars} B = {plaques d’ateroma} C = {exposat a mort súbita
per…}
3.6. Esdeveniments dependents i independents

Dos esdeveniments es denominen independents quan la probabilitat que es doni
un d’ells no depèn de l’aparició o no de l’altre. Amb el qual p(A/B) = p(A) i p(B/A) =
p(B), ja que l’esdeveniment A apareixerà independentment que s’hagi presentat o no
l’esdeveniment B, i viceversa.
19
Exemple: Per a un fill d’una dona amb malaltia de Duchenne, el sexe i la malaltia
són independents?
L’espai muestral és Ω = {xX, xY, XX, XY}
Definim els esdeveniments A={home}= {xY, XY } ; B = {malalt} = {xY}
A∩B = {xY}
Per tant p(A)= 0.5; p(B)= 0.25 ; p(A∩B)= 0.25 p(A)p(B) *No són independents.
3.7. Teorema de Bayes

Si els esdeveniments Ai són una partició i B un esdeveniment tal que P(B)≠O.
3.7.1. Aplicacions del teorema de Bayes

■ Diagnòstic mèdic. El diagnòstic consisteix en establir la malaltia d’un pa-
cient, a partir d’una sèrie de símptomes.
Denominem Ei al conjunt de malalties: E1: tuberculosi pulmonar:; E2: càncer
de pulmó; E3: bronquitis obstructiva,etc.
I Si als símptomes i síndromes associats.
9 9 7
8 1 15
La informació accessible en els llibres de patologia és del tipus: para E1: (di-
a 3
guem el 20%) alguns tenen hemoptisi; molts (80%) tenen tos, etc. I el mateix
a d a
per la resta de malalties.
B A ,
o r iz R I P :
a u t O
ID .com , I
Per diagnosticar la Tuberculosi s’ha d’evaluar, pels símptomes que presenta
ar a L E G
el pacient, per el que es pot fer servir el teorema de Bayes, si les malalties
g il
formen una partició (són mútuament excloents i es consideren totes les malal-
s c M I m a
De NOE 2 @ g
ties compatibles amb el símptoma) i es coneixen les seves prevalences.
. 5 3
■
1 9 7 1 2 2
Proves diagnòstiques. El teorema de Bayes permet trobar els valors predic-
id o 54 .
tius posteriorment, és a dir, un cop conegut el resultat de les proves diagnòs-
n l e g 9 . 1
tiques i coneixent la prevalença de malalts a la població.
7
Suposem una prova diagnòstica, per exemple, el nivell de glucosa en sang,
en dejú, per a diagnosticar la diabetis. Es considera que la prova és positiva
si es troba un nivell per sobre de 120 mg/dl. Per evaluar la prova, es sotmet a
la mateixa a una sèrie d’individus diabètics diagnosticats per un altre procedi-
ment i a una sèrie d’individus no diabètics. Els resultats es poden representar
en una taula de doble entrada.
Si la prova fos perfecta b = c = 0; desgraciadament mai ocorre. Es denomi-
na coeficient fals-positiu (CFP) al quocient c/t, i és una estimació de la pro-
babilitat condicionada p(+/NE); es denomina coeficient fals-negatiu (CFN) al
20
quocient b/o, i és una estimació de la probabilitat condicionada p(-/I). Aquests

dos coeficients quantifiquen els dos errors que la prova pot cometre i caracte-
ritzen a la mateixa simètricament. Els coeficients que quantifiquen els encerts
són la sensibilitat p(+/I), i l’especificitat p(-/NE).
Quan la prova s’usa amb fins diagnòstics (o de screening) interessa calcular
p(I/+) i/o p(NE/-). Com I i NE són una partició, usant el Teorema de Bayes.
Exemple: una prova diagnòstica per a la diabetis té una CFP de 4% i un CFN
del 5%. Si la prevalença de la diabetis en la població on s’usa és del 7%,
quina és la probabilitat que sigui diabètic un individu en el qual la prova doni
positiu? I que no ho sigui un en el qual doni negatiu?.
p(+/NE)= 0.04 ⇒ p(-/NE) = 0,96 p(-/I) = 0.05 ⇒ p(+/I) =

0,95 p(I) 0 0.07 ⇒ p(NE) = 0,93
4. DISTRIBUCIONS DE PROBABILITAT
A l’estudiar les distribucions empíriques de moltes variables, s’han observat co-
9 9 7
incidències o proximacions d’aquestes distribucions empíriques a les distribucions
8 1 15
que resulten de models matemàtics coneguts, com la distribució binomial, la de Pois-
son, la normal i altres. S’han considerat ja diverses formes de representació gràfica
a 3
de dades; una d’elles el polígon de freqüències. Cadascun dels punts que uneix la
a d a A ,
línia trencada està determinat pel punt mig de l’ interval i la freqüència corresponent
B
o r iz R I :
a aquest interval. Si augmentem el nombre de dades (N), i disminuïm la grandària
P
a u t O
ID .com , I
dels intervals fins a fer-los mínims, obtindrem un nombre infinit de punts. La línia que
ar g a L E G
uneix aquests punts (l’antic polígon de freqüències) ja no és una línia trencada, sinó
il
c I a
una línia corba, sense talls bruscos. Aquesta línia corba pot adoptar diferents formes,
s M m
De NOE 2 @ g
d’acord amb la funció que relacioni les dues ordenades, x (valors de la variable) e i
. 5 3
1 9 7 1 2 2
(freqüències). L’àrea que conté la línia corba és igual a la suma de les freqüències,
és a dir, N .
id o 54 .
n l e g 9 . 1
4.1. Distribució 7
normal
Per a cada parell de valors de π i σ tindrem corbes normals diferents; és a dir, in-
finit nombre de corbes normals. No obstant això, totes elles tenen en comú un conjunt
de propietats o característiques que les defineixen com a tals corbes normals:
■ La corba normal té forma de campana (campana de Gauss) i és simètrica

respecte a l’eix vertical que passa per la mitjana.
■ En una corba asintòtica: s’acosta a l’eix d’abscisses en els dos sentits però no
arriba a tocar-lo mai.
21
■ El valor màxim d’Y correspon a la puntuació x =μ ; és a dir, el punt més elevat

de la corba es dóna en la mitjana. La corba és monòtona ascendent fins a
aquest punt i monòtona descendent a partir d’ell.
■ La corba normal té dos punts d’inflexió, exactament a una distància d’una
desviació típica des de la mitjana en ambdós sentits; aquests dos punts co-
rresponen en l’eix d’abscisses als valors x = μ- σ Y x = μ + σ.
■ Amb independència dels valors de μ i σ que pugui contenir una distribució
normal, entre dos punts donats, la distància dels quals es medeix en unitats
de desviació típica, pot trobar-se la proporció d’àrea sota la corba normal que
contenen. Per a gairebé totes les aplicacions de la distribució normal, és més
convenient tractar les puntuacions com diferències respecte a la mitja (pun-
tuacions de desviació) en unitats de desviació típica.
A l’efectuar aquestes transformacions la forma de la corba no canvia; simple-
ment es tracta de la transformació d’una distribució normal a una distribució
normal tipificada, amb mitja i desviació típiques determinades, sent μ = 0 i σ
= 1. Aquesta transformació és molt útil per a calcular la proporció d’àrea entre
dos punts mitjançant la taula d’àrees sota la corba normal.
9 9 7
4.1.1. Simetria i asimetria
8 1 15
a 3
Una distribució de freqüències, o un polígon de freqüències, és simètric quan
a d a A ,
coincideixen en el mateix punt de la distribució la mitja, la mitjana i la moda. Això és:
B
o r iz R I :
X = Md = Mo. O amb altres paraules, quan el centre de gravetat o punt d’equilibri de
P
a u t O , I
la distribució cau exactament en el punt que es troba la mitja aritmètica. Gràficament,
ID .com
ar g a L E G
la simetria es defineix en relació a una vertical que passa per l’abscissa corresponent
il
c I
a la mitja aritmètica.
s M m a
De NOE @ g 3
L’asimetria o biaix és la falta de simetria d’una distribució. En aquest cas, la mitja
2 . 5
1 9 7 1 2 2
no coincideix amb la mitjana, la moda o amb cap de les dues, i el punt d’equilibri està
id o 4 .
desplaçat a un costat o a un altre de la mitja. L’asimetria per tant pot ser positiva o
5
n l e g . 1
negativa: una distribució és asimètrica positiva quan existeix major concentració de
9
7
valors a la dreta de la mitja que a la seva esquerra. Per contra, en una distribució
asimètrica negativa, existeix major concentració de valors a l’esquerra de la mitja que
a la seva dreta.
Existeixen una sèrie d’indicis que ens informen de la simetria o asimetria de la
distribució. Aquests indicis es basen en la relació existent entre les mesures de ten-
dència central: mitja, mitjana i moda. Un dels més coneguts i utilitzats és el primer
coeficient d’asimetria de Pearson.
■ Quan As = 0, la distribució és simètrica.
22
■ Quan As > 0, la distribució és asimètrica positiva.

■ Quan As < 0, la distribució és asimètrica negativa.
Les condicions d’aplicació són:
■ Que la mostra no sigui d’una grandària inferior a 50 observacions.

■ Que la distribució de freqüències tingui forma de campana, és a dir, que tingui
una sola moda.
El segon coeficient d’asimetria de Pearson es basa en la relació empírica que

existeix entre la mitja, la mitjana i la moda, quan la distribució és unimodal i modera-
dament asimètrica.
4.2. Distribució binomial

La distribució binomial constitueix una família de distribucions teòriques que se-
gueix la mateixa regla per a assignar probabilitats particulars. Aquestes probabilitats
són assignades en cada cas concret en funció de dos paràmetres:
9 9 7
15
■ n: nombre d’assajos o repeticions de l’experiment.
■
3 8 1
p: probabilitat d’èxit o que ocorri un succés.
d a a A ,
r iz a R B
Considerem un experiment que consta de n assajos o repeticions, totes elles
I :
u t o O , P
independents, en el qual la probabilitat d’èxit, p, es manté constant d’assaig a assaig
I
g a a
E G ID .com
i definim sobre el mateix una variable aleatòria x com nombre d’èxits en les n proves.
s c ar M I m il
En aquestes condicions, vam denominar funció de probabilitat binomial a la funció
L a
que assigna probabilitats a la variable aleatòria.
D e O E @ g 3
N de Poisson
4.3. Distribució
9 7 2 2 2 . 5
id o 1 4 . 1
l e g 9 . 5
La distribució de Poisson descriu la probabilitat com, un esdeveniment fortuït
1
n 7
ocorregut en un temps o interval d’espai, sota les condicions que la probabilitat que
un esdeveniment ocorri és molt petita, però el nombre d’intents és molt gran, llavors
l’esdeveniment actual ocorre algunes vegades. Una variable és de Poisson quan és el
nombre d’esdeveniments que ocorren en un interval temporal o espacial de grandària
donada.
El nombre d’esdeveniments que ocorren en l’ interval és independent del nombre
dels quals ocorren fora del mateix.
■ Existeix un interval prou petit, de grandària h, per al qual la probabilitat que

en el mateix ocorri un sol esdeveniment és proporcional a la grandària de l’
23
interval, és a dir λ h, sent per tant λ (constant) la probabilitat que ocorri un

esdeveniment en un interval de grandària unitat.
■ La probabilitat que en qualsevol interval de grandària h ocorrin dues o més
esdeveniments, és pràcticament 0 .
Exemple d’aquest tipus de variables, amb intervals temporals, són nombre de

trucades que rep una central telefònica en una hora; nombre d’accidents, durant un
any, en un encreuament de carreteres; nombre de mutacions que perduren en una
espècie, durant un mil·lenni. Exemples amb intervals espacials: nombre de cèl·lules
en el camp del microscopi; nombre de bacteris patògens en un estany,…
5. ESTADÍSTICA INFERENCIAL
En l’estadística descriptiva s’ha treballat amb mostres, no obstant això, a l’investi-
gador no li interessen les característiques de la mostra, sinó el coneixement de les ca-
racterístiques de la població. Amb freqüència és impossible estudiar tots els membres
d’una població donada. Ja sigui perquè la població té un nombre infinit d’individus
o perquè altra raó impedeix un estudi exhaustiu. D’aquí neix la necessitat d’utilitzar
9 9 7
mostres i per tant, la necessitat d’inferir. La informació subministrada per la mostra la
1 15
utilitzem per a inferir amb més o menys exactitud les característiques de la població,
8
3
que és el que realment ens interessa; aquesta és la tasca de l’Estadística Inferencial:
a
a d a B A ,
■
o r iz R I
Fer inferències de les característiques de la població a partir del coneixement
P :
t
de la mostra.
a u O
ID .com , I
g a E G
Per a poder fer inferències partint de la mostra és condició necessària que
ar L il
s c I a
la mostra sigui “representativa de la població”. Això s’aconsegueix amb les
M m
De NOE 2 @ g
. 5 3
adequades tècniques de mostreig, que es veuran en el següent capítol. De
1 9 7 1 2 2
moment, n’hi ha prou amb saber, que la forma més simple d’aconseguir això,
id o 54 .
consisteix a recaptar una mostra simple aleatòria, de tal manera, que cada
n l e g 9 . 1
individu de la població tingui la mateixa oportunitat d’haver estat inclòs en la
7
mostra. L’estadística inferencial s’ocupa de:
■ L’estimació de paràmetres.
■ La verificació d’hipòtesi.
Els índexs que defineixen a la població es denominen paràmetres. D’igual
manera que les mostres quedaven perfectament definides mitjançant els ín-
dexs de tendència central i de dispersió, amb la població ocorrerà el mateix.
■ Estadístics: índexs descriptius (de tendència central i de dispersió) que defi-
neixen les mostres.
■ Paràmetres: índexs descriptius que defineixen les poblacions.
24
5.1. Estimació de paràmetres

Suposem que se selecciona una mostra de grandària n d’una població determi-
nada. La mitja X1 d’aquesta mostra no serà idèntica a la mitja μ de la seva població,
a causa de la variabilitat del mostreig. Si obtenim altra mostra de grandària n i de la
mateixa població, la seva mitja X2 tampoc serà, probablement, idèntica ni a la mitja
μ de la població ni a la mitja X1 de la primera mostra. És a dir, cap de les mitges de
mostra es pot considerar com un índex exacte del valor de la mitja de la població. Su-
posem ara que obtenim gran quantitat de mostres de la mateixa població i totes de la
mateixa grandària. Si sumem totes les mitges de mostres i dividim el total pel nombre
de mostres, el resultat és la mitja de les mitges de mostres d’una població. L’important
d’aquest procés és que aquesta mitja de mitges de mostres és aproximadament igual
a la mitja μ de la població.
D’altra banda, si tenim una distribució de mitges de mostres i també tenim la mitja
d’aquesta distribució, podem obtenir llavors la desviació típica de la distribució de
mitges de mostres, a la qual denominarem σx. Què ens diu la σx?
Per definició, ens indica la diferència entre la mitja de població i qualsevol mitja
de mostra, és a dir, la dispersió. D’altra manera, σx és l’error típic de la mitja X d’una
mostra pel que fa a la mitja μ de la població.
9 9 7
1 15
Partint d’una sola mostra, però coneixent també σx, es podrà calcular la diferència
8
a 3
que existeix entre la seva mitja X i la mitja μ de la població. Ara bé, hem vist que per a
a d a A ,
conèixer la desviació típica o “error típic de les mitges de mostra” o error estàndard es
B
o r iz R I :
necessita tenir moltes mostres, i hem partit del supòsit que només contem amb una.
P
a u t O
ID .com , I
5.1.1.
ar g a E G
Estimació de paràmetres en mostres grans (N>30)
L il
s c M I m a
De NOE
L’estimació d’un paràmetre pot ser puntual o mitjançant deducció per intervals.
@ g 5 3
■
9 7 2 2 2 .
L’estimació per punts consistirà a donar als estadístics de la mostra com parà-
d o 1 4 . 1
metres de la població. La mitja de qualsevol mostra X, és una bona estimació
i
l e g . 1 5
de la mitja de la població μ. No obstant això, no tots els valors de les mitges
9
n 7
coincideixen amb la mitja de la població, per aquesta raó resulta convenient
indicar d’alguna manera la precisió de la nostra estimació per punts. Una for-
ma d’indicar això és mitjançant la desviació típica de la distribució muestral,
denominada també error típic de la mostra, que ens indica si les mitges de les
diferents mostres es distribueixen més o menys homogèniament al voltant de
la mitja de la població.
Dit d’altra manera, l’error típic ens informa de les diferències entre les dife-
rents mitges de mostres, pel que quan l’error típic és petit podem tenir con-
fiança que la mitja calculada de la nostra mostra sigui una bona estimació de
la mitja real de la població.
25
5.1.2. Estimació de paràmetres en mostres petites (N<30)

S’ha establert a denominar grans a les mostres amb més de 30 dades (N>30) i
petites a les mostres de menys de 30 dades (N < 30).
Hem vist anteriorment, que la distribució muestral de la mitja per a mostres grans
adopta forma de corba normal, i s’ha explicat com es realitza l’estimació de la mitja.
No obstant això, l’estimació de la mitja en mostres petites, varia pel que fa a l’anterior
per diferències en la distribució muestral.
La distribució muestral de la mitja en mostres grans és una corba normal. Quan
les mostres són petites la distribució muestral és la distribució t de Student. Aquesta
es caracteritza perquè és més apuntada que la distribució normal, reunint major pro-
porció de casos en els extrems de la corba que la distribució normal. A mesura que N
augmenta, la distribució t es va semblant més a la normal, de tal manera, que quan N
> 30 no existeixen pràcticament diferències entre la distribució normal i la distribució t.
No obstant això, quan N < 30, hi ha una corba diferent per a cada valor de N. La dis-
tribució t de Student és per tant una família de distribucions, una per a cada valor de
N; o més exactament, un tipus de distribució segons els graus de llibertat que actuïn.
Les distribucions t depenen dels graus de llibertat.
9 9 7
Graus de llibertat: per graus de llibertat entenem el nombre d’observacions que
1 15
poden variar després d’haver determinat cert nombre d’elles. Per exemple, suposem
8
3
que tenim 30 pacients i els volem classificar segons el seu tipus de malaltia en paci-
a
a d a A ,
ents de cardiologia, de nefrologia o de digestiu. Si tenim 9 malalts de cardiologia i 7 de
B
o r iz R I :
digestiu, el nombre de malalts renals queda determinat automàticament per a comple-
P
a u t O , I
tar el grup de 30 pacients. En aquest cas, el nombre de graus de llibertat és 2 (g.l. =
ID .com
ar a L E G
2) perquè hem pogut variar dos de les dades, mentre que el tercer ve automàticament
g il
c I a
determinat. En general, per a la distribució t de Student, es pot dir que el nombre de
s M m
De NOE 2 @ g
graus de llibertat és igual al nombre de dades menys un, és a dir, g.l. = N-1. L’ interval
. 5 3
de confiança per a la mitja de la població es calcula de forma similar a l’explicat per a
1 9 7 1 2 2
id 54 .
mostres grans, utilitzant valors t en lloc dels z.
o
n l e g . 1
L’esquema operatiu seria el següent:
9
■
7
Establir el nivell de confiança al que volem treballar.
■ Calcular els graus de llibertat corresponents g. l. = N-1.
■ Calcular el valor de t corresponent al nivell de confiança fixat i graus de llibertat.
■ Calcular l’error típic de la mitja.
■ Determinar l’error muestral.
■ Construir l’ Interval de Confiança per a la mitja de la població.
26
5.2. Prova d’hipòtesi

Com ja s’ha dit anteriorment, l’estadística inferencial s’ocupa tant de l’estimació
de paràmetres com de la verificació d’hipòtesi. Això últim consisteix a formular un va-
lor aproximat respecte al valor de la mitja de la població i després verificar si aquesta
estimació aproximada és compatible amb les dades observades. Aquest és el mètode
denominat prova d’hipòtesi, que consisteix, en definitiva, en un procés de presa de
decisions.
Normalment abans d’iniciar una investigació es parteix d’una hipòtesi, el que im-
plica sempre l’exclusió d’unes altres.
5.2.1. Hipòtesi nul·la (H0) i hipòtesi alternativa (H1)

El més convenient per a l’investigador és partir d’una hipòtesi exacta i determinar
la probabilitat d’haver obtingut un resultat experimental sota el supòsit d’aquesta hi-
pòtesi. Aquesta hipòtesi, que normalment està en la base del raonament d’inferència
estadística, és la denominada Hipòtesi Nul·la (H0) o hipòtesi de no diferència.
Una H0 és aquella que afirma que no existeix diferència entre dues poblacions,
9 9 7
és a dir, és una hipòtesi de diferències nul·les, i generalment el que pretén l’investiga-
8 1 15
dor és rebutjar-la. La H0 indica que no existeixen diferències significatives entre els
resultats obtinguts en la pràctica i els resultats teòrics, és a dir, que no hi ha relació
a 3
real entre les variables i que qualsevol relació observada és producte de l’atzar o de
a d a A ,
la casualitat, o a causa de les fluctuacions del mostreig.
B
o r iz R I P :
a u t ID .com , I
Si sota el supòsit de la H0 els resultats obtinguts per l’investigador tenen una pro-
O
babilitat alta, llavors arribarà a la conclusió que probablement la població hipotètica
ar g a L E G il
que postula la H0 i la població d’on prové la seva mostra són les mateixes. No obstant
s c M I m a
De NOE
això, si sota el supòsit de la H0 els resultats obtinguts per l’investigador tenen una
@ g 5 3
probabilitat baixa, llavors es poden treure dues conclusions:
9 7 2 2 2 .
■
d o 1 4 . 1
Que sent la població hipotètica la mateixa d’on prové la mostra, s’ha obtingut
i
l e g . 1 5
un resultat molt rar (molt poc probable).
9
■
n 7
Que s’ha obtingut un resultat molt probable d’una població diferent a la que
postula la H0.
Per definició, la segona conclusió és la qual té més probabilitat de ser exacta, i és

la qual selecciona normalment l’investigador. La hipòtesi nul·la indica que la mitja de
la població d’A és igual a la de B.
La hipòtesi alternativa H1 o hipòtesi d’investigació és la hipòtesi que l’investigador
pretén demostrar. En conseqüència, i per definició, la H1 és la qual afirma que la po-
blació hipotètica suposada per la H0 i la població d’on prové la mostra són diferents.
27
Si la hipòtesi alterna és contrària a la hipòtesi nul·la, llavors el rebuig d’aquesta última

implica l’afirmació de la primera. No obstant això, ha de cuidar-se molt la formulació
de la hipòtesi alterna, ja que amb freqüència el rebuig de la hipòtesi nul·la no implica
directament la demostració de la hipòtesi alterna. És a dir, el rebuig d’una suposa
l’acceptació de l’altra, però que això no garanteix que tinguem raó, ja que acceptar
la Ho no significa que ambdós grups siguin iguals, sinó que no s’ha trobat la suficient
evidència per a dir que són diferents. En conseqüència, la demostració d’una hipòtesi
alterna depèn del rebuig de la hipòtesi nul·la i de l’exactitud del disseny experimental.
Nivell de significació (α): quan hem de considerar que la probabilitat d’un resultat
és prou baixa com per a poder rebutjar la hipòtesi nul·la? No existeix cap norma ob-
jectiva que assenyali un límit exacte; convencionalment, es considera que un resultat
és rar o improbable quan té una probabilitat no superior a 0,05, és a dir, quan només
es produeix 5 vegades en cada 100 experiments.
Quan es rebutja la hipòtesi nul·la, perquè el resultat té una probabilitat de 0,05, es
diu que aquest resultat és significatiu al nivell de 0,05. És a dir, no es pot assegurar
que en més del 5% de les vegades que es realitzés l’experiment no donaria resultats
diferents. El nivell de significació que assenyalem com necessari per a poder rebutjar
9 9 7
la hipòtesi nul·la, ha de determinar-se abans de realitzar la prova estadística corres-
ponent. Aquesta norma tendeix a evitar que el criteri de l’investigador es faci més
1 15
flexible una vegada obtinguda la probabilitat del seu resultat. És necessari tenir clar
8
a 3
que el nivell de significació i grau de probabilitat tenen una relació inversa: a major
a d a A ,
significació, menor grau de probabilitat, i al revés .
B
o r iz R I P :
a u t ID .com , I
Quina és la probabilitat que té un investigador d’equivocar-se al rebutjar la hipò-
O
tesi nul·la? Si el seu nivell de significació és de 0,05, això significa que en 100 experi-
ar g a L E G il
ments cometrà 5 errors rebutjant la hipòtesi nul·la.
s c M I m a
De NOE 2 @ g
Si α < 0,05, acceptem H1. Si α > 0,05, rebutgem H1 .
. 5 3
1 9 7 1 2 2
5.2.2.
id o 54 .
Error tipus I i error tipus II
n l e g . 1
És a dir, si sota la hipòtesi nul·la el resultat té una probabilitat de 0,05 i es rebutja
9
7
la hipòtesi nul·la, l’investigador es concedeix un marge d’error de 5 per cada 100
casos. El marge d’error que es concedeix un investigador rep el nom d’error tipus I.
Si l’investigador vol reduir aquest marge d’error que es concedeix, el que ha de
fer és disminuir el seu nivell de significació. És a dir, en lloc de 0,05, demanar un
nivell de significació 0,01, per exemple. Ara bé, com més disminueix el seu nivell de
significació, major probabilitat tindrà d’acceptar la hipòtesi nul·la sent falsa. Això rep
el nom d’error tipus II.
28
■ Error tipus I: rebutjar la hipòtesi nul·la sent veritable.

■ Error tipus II: acceptar la hipòtesi nul·la sent falsa.
Com els dos tipus d’errors tenen una relació inversa, si intentem disminuir un,
augmentarem l’altre.
Potència d’una prova

La potència d’una prova estadística es defineix com la capacitat de detectar una
diferència que existeix en la realitat. Lògicament, com més gran sigui la potència me-
nor serà la probabilitat de cometre un error tipus II (la potència és = 1- error tipus II).
És a dir, és la probabilitat de no cometre error quan rebutgem la hipòtesi nul·la i ac-
ceptem la hipòtesi alterna. Si vam observar detingudament aquesta definició, veurem
que la potència d’una prova és exactament el contrari a l’error tipus II.
És interessant advertir que la manera més eficaç d’augmentar la potència d’una
prova consisteix a augmentar la grandària de la mostra. Per exemple, suposem la H1
que existeixen més barons que femelles en una determinada població, i demanem
un nivell de significació de 0,05; si obtenim una mostra de només dos subjectes, en
9 9 7
el millor dels casos obtindrem dos barons. No obstant això, sota la hipòtesi nul·la,
8 1 15
aquest resultat té una probabilitat de 0,25. És a dir, mai podrem rebutjar la H0 al
nivell de 0,05 amb n= 2. Amb una mostra de 3 subjectes, el mateix resultat (tots ba-
a 3
rons), tindríem una probabilitat de 0,125, i a mesura que augmenta la grandària de la
a d a A ,
mostra, la probabilitat d’obtenir tot barons serà menor. Per això, resulta evident que
B
r iz R I P :
la potència d’una prova s’incrementa amb la grandària de la mostra, sense haver de
o
a u t
canviar l’error tipus I. O
ID .com , I
g a
ar D’HIPÒTESI L E G il
s c
5.3. CONTRAST
M I m a
De NOE 2 @ g
. 5 3
5.3.1.
9 7 2 2
Estudi de relació entre variables qualitatives: prova del
1 1
id o
chi-quadrat
54 .
n l e g 9 . 1
7
La prova χ2 permet determinar si dues variables qualitatives estan o no associ-
ades. Si al final de l’estudi vam concloure que les variables no estan relacionades
podrem dir amb un determinat nivell de confiança, prèviament fixat, que ambdues són
independents. És necessari calcular les freqüències esperades, i comparar-les amb
les freqüències observades a la realitat.
Així, l’estadístic mesura la diferència entre el valor que hagués de resultar si les
dues variables fossin independents i el qual s’ha observat a la realitat. Com més gran
sigui aquesta diferència (i, per tant, el valor estadístic), major serà la relació entre
ambdues variables. El fet que les diferències entre els valors observats i esperats
29
estiguin elevats al quadrat converteix qualsevol diferència en positiva. El test χ 2 és

així un test no dirigit, que ens indica si existeix o no relació entre dos factors però no
en quin sentit es produeix tal associació. Per a obtenir els valors esperats, es calcula
el producte dels totals marginals dividit pel nombre total de casos (n).
5.3.2. Relació entre una variable qualitativa i altra quantitativa:

Prova t de Student i anàlisi de la variància
Existeixen dos possibles casos a l’hora d’analitzar la relació entre una variable
qualitativa i altra quantitativa.
■ Comparar una variable quantitativa amb altra qualitativa de dues cate-

gories. Per a realitzar la comparança de 2 mitges, la prova ideal és la t de
Student, que s’usa per a comprar les dades de dues distribucions i comprovar
si són homogènies o diferents (procedeixen les dues mostres de poblacions
iguals o diferents).
• Dades independents: si la mesura de les característiques es fa en indi-
vidus diferents. Per exemple, comprovar si la Tensió arterial és igual en
9 9 7
homes i en dones. La Tensió arterial seria la variable quantitativa, mentre
que el sexe (home i dona), correspon a la variable qualitativa.
• 8 1 15
Dades apariades: si la mesura de les característiques es fa en els ma-
a 3
a d a B A ,
teixos individus, en diferents condicions de mesurament. Per exemple,
comprovar si és igual la Tensió Arterial en els mateixos individus, abans
o r iz R I P :
a u t ID .com , I
i després de realitzar exercici físic. En aquest cas s’avalua una mateixa
O
dada, la tensió arterial, més d’una vegada en cada subjecte de la mostra,
ar g a E G il
això és, abans i després de l’exercici físic. En aquest tipus d’anàlisi l’ in-
L
s c M I m a
terès no es centra en la variabilitat que pot haver entre els individus, sinó
De NOE @ g 3
en les diferències que s’observen en un mateix subjecte entre un moment
2 . 5
9
i altre.
1 7 1 2 2
id o 54 .
n l e g Si el valor trobat per fórmula és major que el valor tabulat, s’accepta la
9 . 1
7
hipòtesi alternativa (les mostres procedeixen de poblacions diferents,
amb una probabilitat d’equivocar-nos igual al valor de “p”). Si el valor de
la fórmula (t) és menor que el tabulat, no podem rebutjar i, per tant, ens
quedem amb la hipòtesi nul·la (les mostres procedeixen de poblacions
iguals o no podem afirmar que les poblacions siguin diferents).
En cas de no poder aplicar aquesta prova, s’usarà la prova no paramè-
trica “U” de Mann-Whitney, si les dades són independents, i el test de
Wicolxon, si són apariats.
30
■ Per a relacionar una variable quantitativa amb altra qualitativa de més de

dues categories. En aquest cas el mètode utilitzat és l’anàlisi de la variància.
L’Anàlisi de la Variància (o ANOVA: Analysis of variance) és un mètode neces-
sari perquè quan es vol comparar més de dues mitges és incorrecte utilitzar el
mètode anterior, t de Student, per dues causes fonamentals:
• Primer: al realitzar-se simultània i independentment diversos contrastos
d’hipòtesis, la probabilitat de trobar algun significatiu per atzar augmenta-
ria.
• Segon: en cada comparança la hipòtesi nul·la és que les dues mostres
provenen de la mateixa població, per tant, quan s’hagin realitzat totes les
comparacions, la hipòtesi nul·la és que totes les mostres provenen de la
mateixa població i, no obstant això, per a cada comparació, l’estimació de
la variància necessària per al contrast és diferent, doncs s’ha fet sobre la
base de mostres diferents.
El mètode que resol ambdós problemes és l’anàlisi de la variància, encara que

és una mica més que això: és un mètode que permet comparar diverses mitges en
diverses situacions; molt lligat, per tant, al disseny d’experiments, i d’alguna manera,
és la base de l’anàlisi multivariant.
9 9 7
8 1 15
Un exemple simple d’utilització del mètode ANOVA podria ser el següent: quin
a 3
efecte produeix el soroll sobre un grup de subjectes en el seu nivell d’estrès. Per a
a d a B A ,
això, el grup 1, no rep cap estímul auditiu; el grup 2, rep certa quantitat de soroll i, el
o r iz R I P :
grup tres el doble de soroll que l’anterior. D’aquesta forma tenim una variable qua-
a u t O
ID .com , I
litativa soroll amb tres categories (nul, moderat i intens) i, una variable quantitativa,
ar g a E G il
puntuació d’estrès. En cas de no poder aplicar aquesta prova s’utilitzarà la prova no
L
s c M I
paramètrica de Kruskal-Wallis.
m a
De NOE 2 @ g
. 5 3
5.3.3.
9 7 2 2
Relació entre dues variables quantitatives: correlació i
1 1
id o
regressió
54 .
n l e g 9 . 1
7
Existeixen diversos índexs per a mesurar la correlació entre variables quantitati-
ves. Anem a veure l’índex de correlació de Pearson, encara que cal tenir en compte
que és un índex que només pot aplicar-se a variables mesurades en escales d’inter-
val, ja que aquesta escala és l’única de la que es poden obtenir puntuacions típiques.
El coeficient de correlació de Pearson, es valora amb l’índex “r” de Pearson els valors
de la qual oscil·len entre -1 i +1, i mesura el grau d’associació lineal.
És a dir, el coeficient de correlació és un índex del grau de relació entre dues
variables que no està expressat en les unitats de cap de les variables i, per tant, un
índex que permetrà comparacions entre diferents conjunts de variables quantitatives.
31
Aquestes variables tenen un paper simètric no podent-se diferenciar entre variable

independent i variable depenent. Les puntuacions obtingudes s’interpreten de la se-
güent manera:
■ 1: correlació perfecta negativa; quan disminueix una de les variables, aug-

menta l’altra.
■ 0: correlació nul·la, no existeix associació lineal entre les dues variables.
■ + 1: correlació positiva perfecta; quan augmenta una de les variables, aug-
menta l’altra.
La relació entre dues variables quantitatives correlacionades, podent predir una

variable (variable depenent “x”) coneixent l’altra (variable independent “i”), es pot des-
criure amb l’equació de Regressió o recta de Regressió (l’equació representa a una
recta):
y = a + bx
y = valor de la variable quantitativa que podem predir.
x = valor de la variable que coneixem.
a = lloc on la recta curta a l’eix de coordenades (or-
denada en l’origen)
9 9 7
8 1 15
b = unitats que canvia la variable i a l’augmentar una
unitat la variable x (pen-dent).
a 3
a d a A ,
L’equació ens permetrà conèixer el valor de la variable i en funció de la variable
B
o r iz R I :
x. Però per a entendre la relació entre el coeficient de correlació de Pearson i la recta
P
a u t O , I
de regressió hem de parlar de la Covariància, índex que ens proporciona característi-
ID .com
ar a L E G
ques interessants de l’associació entre dues variables i que pot fer més comprensible
g il
c I a
l’índex de correlació. La covariància és el producte-moment de les puntuacions de
s M m
De NOE 2 @ g
desviació x i y, és a dir, és la mitja de la suma de les puntuacions de desviació. Es
. 5 3
simbolitza per Vxy i pot ser positiva, negativa o 0.
1 9 7 1 2 2
id o 54 .
n l
6. MOSTREIGe g 9 . 1
■
7
Mostreig probabilístic: els mostreigs probabilístics són aquells en els que
s’utilitza algun sistema de selecció aleatòria per a garantir que cada unitat de
la població tingui una probabilitat específica de ser seleccionada, complint-se
d’aquesta manera dos requisits:
• Tota unitat té una probabilitat de ser triada.
• Aquesta probabilitat és coneguda per endavant.
32
És a dir, quan pot calcular-se per endavant la probabilitat d’obtenir cadascuna

de les mostres que sigui possible seleccionar; per a això és necessari que
la selecció de la mostra pugui considerar-se com un experiment aleatori. És
l’únic tipus de mostreig que pot donar-nos el risc que cometem amb la in-
ferència.
■ Mostreig no probabilístic: les mostres es seleccionen mitjançant mètodes
en els quals no intervé l’atzar, de manera que no es pot estimar la probabilitat
que té cada element de ser inclòs en la mostra i no tots els elements tenen
possibilitat de ser inclosos.
6.1. Tècniques de mostreig probabilístic
6.1.1. Mostreig irrestrictament aleatori o mostreig aleatori simple

És el mètode més senzill de mostreig i la base per a la resta de mètodes aleatoris.
Es diu irrestrictament aleatori perquè és sense reposició. Consisteix a prendre d’una
població de grandària N, una mostra de grandària n, de forma aleatòria i sense repo-
sició, amb el que les nostres possibles són: N n
9 7
Per a portar a terme un mostreig d’aquest tipus hem de:
9
8 1 15
■
3
Disposar d’una llista amb tots els elements de la població i a continuació
a
a d a
numerar-los consecutivament.
B A ,
■
r iz R I :
Bé amb una taula de nombres aleatoris, bé amb programes informàtics, obtin-
o P
a u t O , I
drem aleatòriament els “n” nombres que componen la nostra mostra en funció
ID .com
ar a L E G
de la grandària desitjada.
g il
s
■ c M I m a
Del llistat previ, on tenim numerats cadascun dels elements de la població,
De NOE @ g 3
prendrem cadascun dels “n” elements que es corresponguin amb els nom-
2 . 5
1 9 7 1 2 2
bres obtinguts de forma aleatòria i seran aquests els quals formin la nostra
id
mostra. o 54 .
n l e g 9 . 1
7
Existeixen una sèrie de desavantatges que fan que habitualment es recorri a al-
tres tipus de mostreig que ho simplifiquin i ho facin assequible. Aquestes són:
■ És necessari contar amb una llista numerada de tots els elements de la po-
blació.
■ Els elements seleccionats poden estar molt dispersos, pel que contactar amb
cadascun d’ells pot resultar costós tant en temps com en diners. *Determinats
subgrups de la població, sobretot aquells de caràcter més minoritari, poden
tenir escassa o nul·la representació en la mostra, sobretot si aquesta és petita.
33
6.1.2. Mostreig sistemàtic

Consisteix a seleccionar els individus segons una regla o procés periòdic. En pri-
mer lloc ha de calcular-se k (constant de mostreig), sent k un nombre sencer resultat
de dividir la grandària de la població entre la grandària de la mostra: k= N/ n
Si el resultat fos un decimal, caldria arrodonir a l’enter més pròxim. La primera
unitat “i” ha de ser un nombre comprès entre 1 i k, és a dir: 1< i < k.
Per exemple, partint d’una població formada per 100 elements, N= 100, de la qual
escollim una mostra de 25, n = 25, per mitjà de mostreig aleatori sistemàtic.
K: 100/25:4
L’arrencada aleatòria “i” ha de ser un nombre entre 1 i 4. Prenem la taula dels

nombres aleatoris i obtenim el 2, i = 2. D’aquesta forma, la població estarà formada
pels elements que ocupen en la població els llocs: 2, 6, 10, 14, ?.., 98 .
Aquest tipus de mostreig no és aconsellable en les situacions que les unitats
de mostreig estan ordenades per algun criteri periòdic i la constant de mostreig pot
coincidir amb això, ja que llavors la mostra pot no ser representativa. En l’exemple an-
terior, si la població que volem estudiar estigués formada per famílies de quatre sub-
9 9 7
jectes, pare, mare, germà gran, germà menor, ordenats sempre així. Sigui el que sigui
1 15
l’arrencada aleatòria que s’obtingui, la mostra només estarà formada per un tipus de
8
3
subjectes, o els pares, o les mares, o els germans grans o els menors, amb el que
a
a d a A ,
la mostra no seria representativa de la població sinó només de certs elements d’ella.
B
o r iz R I P :
6.1.3. u t
Mostreig estratificat
a O
ID .com , I
ar g a E G il
Si es sap que una població pot dividir-se en parts o estrats, de manera que en
L
s c M I m a
cadascun d’ells els elements posseeixin una gran homogeneïtat pel que fa al caràcter
De NOE @ g 3
que s’estudia, llavors s’augmenta la precisió de les estimacions prenent una mostra
2 . 5
1 9 7 1 2 2
en cada estrat, és a dir, actuant separadament en cada estrat. Els estrats cal fer-los
id o 4 .
en funció de les categories de les variables per les quals es vol estratificar, que són
5
n l e g . 1
les variables que poden influir en els resultats. Dintre de cada estrat es pot aplicar el
9
7
mostreig aleatori simple o el mostreig aleatori sistemàtic. En ambdós casos la selec-
ció és aleatòria i es té el mostreig aleatori estratificat.
Per exemple, en una població d’estudiants universitaris, volen conèixer l’hàbit del
tabaquisme. Dividirem per tant la població en estrats: les diferents carreres universi-
tàries i farem un mostreig aleatori en cada una d’elles, amb el que tindrem assegurat
que tots els estrats són estudiats, mentre que amb el mostreig aleatori simple o amb
el sistemàtic, algunes de les carreres podrien aparèixer més representades que unes
altres. Per la forma d’obtenir la grandària de la mostra podem distingir:
34
■ Mostreig estratificat amb afixació proporcional: quan les variàncies en els

estrats no difereixen molt entre si. La grandària de la mostra es pren propor-
cionalment a la grandària de l’estrat. La proporció dels subjectes en la mostra
és similar al que ocorre en la població.
■ Mostreig estratificat amb afixació no proporcional: quan les variàncies
dels estrats difereixen molt entre si. En tal cas pot prendre’s en considera-
ció tal variància, i així en els estrats que aquesta sigui gran, es prendrà una
mostra de major grandària relatiu per a augmentar la precisió. En aquest cas
la proporció d’individus amb un determinat atribut a la mostra és major que
el que ocorre en la població. A l’hora d’inferir els resultats a la població hem
de ponderar, és a dir, atorgar-li un pes a cada mostra en funció de la seva
proporció en la població.
Fer el mostreig proporcional o no proporcional depèn més aviat de la mida de l’es-

trat, i conseqüentment, de la mostra. S’utilitza per assegurar que cada un dels estrats
té una mostra suficient per obtenir estimacions precises.
6.1.4. Mostreig per conglomerats
9 9 7
Fins ara, els mètodes estudiats, estan dissenyats per seleccionar els elements
1 15
de la població directament, és a dir, que les unitats de mostra són elements de la
8
a 3
població. En el mostreig per conglomerats en canvi, la unitat de mostra és un grup
a d a A ,
d’elements de la població, que denominem conglomerats.
B
o r iz R I P :
a u t ID .com , I
Per norma general, aquests grups o conglomerats existeixen realment, així, per
O
exemple, les persones s’agrupen en famílies, les famílies viuen en cases, les cases
ar g a E G il
s’agrupen en barris, els barris en municipis, etc. D’aquesta forma, qualsevol d’aquests
L
s c M I m a
conglomerats pot utilitzar-se com a unitat de mostreig.
De NOE 2 @ g
. 5 3
En el mostreig per conglomerats seleccionarem aleatòriament un determinat nom-
1 9 7 1 2 2
bre de conglomerats i investigarem posteriorment tots els elements pertanyents a ells.
id o 54 .
e g . 1
Per exemple, si volem conèixer el grau de satisfacció dels usuaris d’Atenció Pri-
n l 9
7
mària de la Comunitat de Madrid, podem seleccionar com a unitat de mostreig les
diferents Àrees de Salut existents i elegirem aleatòriament 3, l’àrea 1, l’àrea 4 i l’àrea
11 i d’aquí prendrem a tots els usuaris d’Atenció Primària.
Els conglomerats solen ser freqüentment àrees geogràfiques, per això, el denomi-
nat mostreig per àrees no és més que un cas particular del mostreig per conglomerats.
L’avantatge que presenta el mostreig per conglomerats és que no és necessari
conèixer tots els elements de la població per seleccionar-los de manera aleatòria, sinó
que una vegada dividida la població i determinats els conglomerats, i seleccionats un
determinat nombre d’ells, només he de conèixer els subjectes pertanyents als conglo-
merats seleccionats, sense importar-nos la resta.
35
6.1.5. Mostreig per etapes

És una generalització del mostreig per conglomerats. En la primera etapa selec-
cionarem conglomerats d’una classe, les denominades unitats de mostra primàries,
per exemple, seguint amb l’exemple anterior, les Àrees de Salut; en la segona etapa
seleccionarem conglomerats més petits, pertanyents als anteriors, això són, unitats
de mostra secundàries, en el nostre exemple, per simplificar ja que les àrees tenen
una extensió massa àmplia, podríem reduir i seleccionar segons els diferents centres
de salut pertanyents a cada àrea. I així successivament, tantes etapes com conside-
réssim necessari.
D’aquesta manera, tan sol es necessita el llistat dels elements sobre els quals
s’ha d’aplicar l’última etapa.
El mostreig per etapes, o polietòpic, té com a avantatge afegit que es pot aplicar
el mostreig aleatori (simple, sistemàtic o estratificat) que l’investigador consideri més
adequat al tipus de conglomerats amb què està treballant.
6.2. Tècniques de mostreig no probabilístic
6.2.1. Mostreig consecutiu

9 9 7
8 1 15
És el mostreig no probabilístic més utilitzat. Si es du a terme de manera adequa-
a 3
da, podem obtenir una representativitat de la mostra semblant a l’ obtinguda amb un
a d a A ,
mostreig probabilístic. Aquest tipus de mostreig consisteix a reclutar tots els elements
B
o r iz R I :
de la població accessible que compleixin amb els criteris d’inclusió establerts durant
P
a u t O
ID .com , I
el període de reclutament fixat per a l’estudi. Aquest període dependrà de la mida
g a E G
muestral desitjada i del nombre d’elements que podem captar cada dia.
ar L il
s c M I m a
De NOE
Per exemple, si desitgem saber els hàbits d’higiene dental dels nens de 4 a 8
@ g 5 3
anys, podem realitzar un mostreig consecutiu entre tots els nens compresos entre
9 7 2 2 2 .
aquestes edats que acudeixin al nostre centre de salut durant un any.
id o 1 4 . 1
6.2.2. l e g 9 . 1 5
Mostreig de conveniència
n 7
El mostreig de conveniència o accidental, utilitza una determinada mostra perquè
és aquella que tenim accessible, de vegades fins i tot, poden ser voluntaris.
Situar-nos en un determinat carrer i realitzar una enquesta sobre “x” tema a tots
aquells individus que passin pel carrer i accedeixin a respondre’ns, seria un mostreig
de conveniència. Molts estudis clínics també ho són.
És una de les tècniques menys sòlides, però en canvi de les més utilitzades. Té
un gran risc de biaixos.
36
6.2.3 Mostreig a criteri

El mostreig a criteri o intencional, és aquell on el propi investigador selecciona als
individus que considera més apropiats.
És molt utilitzat quan es desitja prendre una mostra d’experts. Per exemple, a
l’hora de conèixer el grau de coneixements quant a gestió de la qualitat dins de la
Infermeria. Per seleccionar el grup d’experts participants es podria realitzar mitjançant
un mostreig a criteri.
6.3. La mida muestral

Una vegada obtinguda la mostra, el següent pas a dur a terme són quants indivi-
dus ha de tenir l’esmentada mostra, és a dir, la seva mida. Per a això hem de tenir en
compta diverses consideracions:
■ La mida muestral estarà associada a la freqüència de l’esdeveniment que

desitgem mesurar.
■ La mida també anirà en funció del màxim error de mostreig que l’investigador
estigui disposat a admetre en estimar un paràmetre.
9 9 7
1 15
Finalment, la complexitat del disseny també influirà sobre la mida de la mostra,
8
3
com més complex sigui l’esmentat disseny major haurà de ser la mostra.
a
a d a A ,
L’investigador haurà de tenir en compte quin tipus de variables vol estimar en les
B
r iz R I P :
mostres per fer les seves inferències en la població, és a dir, si el que desitja inferir és
o
a u t O
ID .com , I
una mitja, parlarem d’una variable quantitativa, mentre que si es tracta d’una propor-
ar g a E G
ció, parlarem d’una variable qualitativa.
L il
es c M I g m a
D O E 2 @ . 5 3
7. CONCEPTEND’EPIDEMIOLOGIA
9 7 2 2
id o 1 4 . 1
l e g 9 . 1 5
L’epidemiologia s’ha convertit en un mètode de raonament lògic que pot ser apli-
cat en la pràctica diària dels professionals de la salut, així com en l’ investigació en
n
ciències de la salut.7
Podríem definir epidemiologia com:
“Ciència que estudia la freqüència i distribució en el temps i en l’espai dels pro-
blemes de salut de les poblacions, així com el paper dels factors que els determinen”.
Davant un problema de salut existeixen dos tipus d’enfocament:
■ Enfocament clínic: Estudien malalts.

■ Enfocament epidemiològic: Estudi de malalts i sans.
37
En epidemiologia la població és la unitat d’estudi en la que s’apliquen les troballes

en forma de mides de Salut Pública (prevenció i promoció).
8. APLICACIONS DE L’EPIDEMIOLOGIA
Existeixen múltiples aspectes en els que l’aportació dels estudis epidemiològics
és rellevant:
■ Establir i vigilar el diagnòstic de salut comunitària (DSC).

■ Conèixer la història natural i social de la malaltia.
■ Estudiar les causes de la malaltia.
■ Identificar noves síndromes.
■ Predir el curs de les malalties, així com el risc de emmalaltir o morir de la
població mitjançant un enfocament probabilístic.
■ Avaluar les activitats sanitàries (procediments diagnòstics, mesures terapèu-
tiques, nous medicaments o l’impacte de nous procediments).
9 9 7
15
■ Realitzar la vigilància epidemiològica (procés regular i continu d’observació i
3 8 1
seguiment de la situació de salut-malaltia en una zona).
■ a
Avaluar i planificar els serveis de salut.
d a A ,
■
r iz a R I B :
Avaluar la literatura sobre investigació en salut (capacitar els professionals
u t o O , I P
sanitaris per a la lectura crítica de la literatura clínica i científica).
g a a
E G ID .com
s c ar EPIDEMIOLÒGIC
M I L m a il
De NOE
9. EL MÈTODE
2 @ g
. 5 3
9 7 2
L’epidemiologia, en tant que tècnica, és una aplicació del mètode científic als
1 1 2
o 4 .
problemes de salut i malaltia (biològics i socials) de la població.
id 5
l e g 9 . 1
n del mètode7epidemiològic
9.1. Fases
■ Observació i descripció del fenomen que s’ha d’estudiar. Requereix un
bon sistema d’informació sobre la distribució de la malaltia en la població, en
una àrea concreta i en període de temps definit. Per mitjà de l’observació es
coneixen els fets naturals i aquest coneixement pot ser directe o pot sorgir de
la revisió bibliogràfica. En conèixer els fets, els hem de comparar amb d’altres
de similars.
38
A través de l’observació es pretén caracteritzar el fenomen epidemiològic,

l’epidemiologia descriptiva, tot descrivint-lo en funció d’una sèrie de variables:
què?, a qui?, quan?, on?; variables de persona i lloc.
■ Tabulació i comparació de les dades observades. Un cop recollides les
dades, són classificades, tabulades, etc, per tal de disposar de tota la infor-
mació ordenada i procedir a analitzar-les.
■ Elaboració de la hipòtesi. Un cop caracteritzat el fenomen, es formula la
hipòtesi. Aquest fet consisteix a emetre una opinió fonamentada sobre quins
han estat els motius pels quals s’ha produït l’esdeveniment que s’està estu-
diant. Això es coneix com epidemiologia analítica. L’elaboració de la hipòtesi
no pot ser arbitrària, no ha d’estar contradient les lleis que s’han establert
sòlidament, o amb els coneixements científics demostrats, ha de ser compa-
tible, tot i que no en tot, amb els coneixement científics disponibles, i no ha
de referir-se a estudis la demostració dels quals estigui a l’abast dels mitjans
tècnics de què es disposen.
■ Verificació de la hipòtesi. Epidemiologia experimental. Per al procés de la
verificació de la hipòtesi, s’han de tenir en compte els aspectes següents:
•
9 9 7
Validesa de la informació o procediments destinats a evitar els errors sis-
1 15
temàtics i els provocats pels aspectes de:
8
– a 3
Validesa de la informació o procediments destinats a evitar errors
a d a B A ,
sistemàtics i els provocats per les desviacions de l’estudi.
o r iz R I P :
–
a u t O , I
Reproducció de l’estudi. Procés destinat a evitar o controlar els errors
ID .com
ar g a L E G
del mostreig. Aquest mecanisme també se’n diu “precisió de l’estudi”.
il
s c – I a
Exactitud, per evitar tant les derivacions com els errors del mostreig,
M m
De NOE 2 @ g
. 5 3
és a dir la combinació de la validesa i de la precisió de l’estudi.
1 9 7 2 2
La hipòtesi en general ha de mostrar una capacitat de ésser sotmesa a
1
id o 54 .
l’experimentació. En epidemiologia, la verificació de la hipòtesi s’usa en for-
n l e g 9 . 1
ma probabilística, a l’home per motius d’ètica no se’l pot sotmetre directament
7
a qualsevol experiment; usem procediments d’acostament a la ciència proba-
bilística.
■ Emissió d’informe o llei. Una vegada verificada la hipòtesi fem l’informe
sobre la causa de la malaltia o del fenomen de salut, i posen en marxa les
mesures de prevenció de la malaltia o de promoció de la salut.
39
10. VARIABLES EPIDEMIOLÒGIQUES

En els estudis d’investigació, variable és qualsevol factor, característiques o atri-
but observable, sotmès a estudi, que pot variar d’uns individus a d’altres.
Les variables poden ser dos tipus:
■ Qualitatives o categòriques: expressen qualitats i no adopten valors numè-
rics.
Si tenen 2 categories, se’n diuen dicotòmiques. Ex. Sexe (masculí, femení).
Dins les variables qualitatives es distingeixen dues classes:
• Nominals: les dades s’agrupen per categories en les quals s’està o no
inclòs. La dada està només en una mostra.
Ex.: grup sanguini (A, B, AB, O).
• Ordinals: Existeix una relació d’ordre dins de les categories.
Ex.: gravetat d’una malaltia (lleu, moderada, greu).
■ Quantitatives: són quantificables, prenen valors numèrics.
9 9 7
Poden ser:
8 1 15
•
3
Discretes: Els seus valors són sempre nombres sencers.
a
a d
Ex.: nombre de fills.a B A ,
o r iz R I P :
•
a u O
ID .com , I
Contínues: La variable pot adoptar qualsevol valor numèric.
t
ar a
Ex.: colesterol.
g L E G il
s c I m a
S’ha de tenir en compte que en la pràctica real totes les variables que consi-
M
De NOE @ g 3
derem com contínues seran discretes, degut a les limitacions dels sistemes
2 . 5
de mesura.
1 9 7 1 2 2
id o 54 .
n l e g 9 . 1
Un altra forma de classificar les variables és segons l’origen:
■ 7
Variable d’atribut o mesura
Són característiques prèvies de l’individu i inherents a aquell. L’investigador
no les crea.
■ Variable manipulada o activa
És la que l’investigador crea i pot manipular per comprovar l’influencia que
té en l’estudi que realitza (tipus de catèter que es col·loca, temps de l’acció
estudiada).
40
11. TIPUS DE MESURES EN EPIDEMIOLOGIA
11.1. Mesures de Freqüència

Les mesures de freqüència tenen com a objectiu mesurar l’ocurrència de malalti-
es o altres característiques relacionades amb la salut de la població.
Mesurar és el procediment pel qual s’assigna un valor numèric a una variable; en
l’amidament es compara una magnitud amb un altre de la mateixa espècie escollida
com unitat.
■ Valors absoluts: És l’enumeració o recompte de tots els casos que presen-
ten una determinada característica.
Ex.: Xifra de malalts que necessiten diferents cures.
■ Valors relatius: Les mesures dels fenòmens es relacionen amb la població
d’on s’han obtingut.
Concepte de proporció
És una comparació quantitativa entre una part (numerador) i el tot (denominador).
9 9 7
8 1 15
Ex.: La proporció d’hipertensos controlats només amb la dieta és del 0,75%.
3
Nº d’hipertensos controlats només amb dieta
a
a d a A ,
Nº d’hiper. Controlats només amb dieta + Nº d’hipert. No controlats amb dieta
B
o r iz R I P :
Aporta el concepte de probabilitat en una població definida; valor de 0 a 1.
a u t O
ID .com , I
ar g a
Concepte de taxa
L E G il
s c M I m a
De NOE 2 @ g
Forma especial de proporció que té en compte el factor temps. Les taxes donen
5 3
una expressió de la velocitat amb que es produeix un canvi d’estat (de succés absent
.
a succés present).
1 9 7 1 2 2
id o 54 .
n l e g 9 .
Taxa =1 Esdeveniments per unitat de temps
7 Població de referència – temps
La velocitat o rapidesa no es refereix a un període delimitat entre dos punts del

temps, sinó que la taxa és una mesura promig, o mitjana aritmètica.
Concepte de raó
Quocient en el que el numerador no es troba inclòs en el denominador:
Nº d’homes
Nº de dones
41
Prevalença
És una “fotografia” de quina és la situació d’una població determinada respecte a
una determinada malaltia, indica el nombre de casos d’una malaltia o condició en una
mostra o població determinada.
La mesura de la prevalença es realitza en un moment concret o durant un cert
període de temps i en un lloc determinat; és un tipus de proporció. És un indicador
puntual, no inclou el factor temps. Rang: entre 0 i 1. S’acostuma a multiplicar-se per
100 o per 1.000.
■ Numerador: Nº de casos existents (antics i nous).

■ Denominador: Nº total de subjectes de risc, incloent-hi els casos afectats.
Ex. La prevalença de l’HTA a Espanya, és del 30%. En el moment de l’estudi 30

de cada 100 espanyols tenen HTA, independentment del temps (casos nous i antics).
Nº de persones amb la malaltia en moment t

Total de la població en moment t
Incidència
9 9 7
8 1 15
Es defineix com el nombre de casos nous d’una malaltia que es desenvolupen
a 3
en una població de risc durant un període de temps concret.
a d a B A ,
o r iz R I
Per tant és necessari definir el fenomen de salut, el grup de persones en les
P :
a u t O
ID .com , I
que s’estudiarà la causa d’aquest fenomen, un espai delimitat (polític, administratiu,
ecològic o institucional) i en un període de temps durant el qual s’enregistraran els
ar
successos. g a L E G il
s c M I m a
De NOE
Tipus d’incidència
2 @ g
. 5 3
■ 1 9 7
Incidència acumulada (IA)
1 2 2
id o 54 .
n e g . 1
S’anomena risc d’incidència o proporció d’incidència, és la proporció
l 9
7
d’individus sans que durant un període de temps determinat desenvolupen
una malaltia.
Nº de casos nous d’una malaltia en un període de temps

Total de la població de risc
La IA expressa la probabilitat de que un individu sense malaltia la desenvolupi

en un període de temps específic. Rang: De 0 a 1. En la IA s’assumeix que
el temps d’observació per a cada individu és el mateix i que el nombre de
persones estudiades roman fixe mentre dura l’observació.
42
Si el temps de seguiment de cada subjecte és diferent, pot ésser degut a tres

causes.
• Les persones poden entrar en l’estudi en diferents moments.
• Els subjectes de l’estudi es poden perdre per causes conegudes.
• Les pèrdues també poden ser per causes desconegudes.
■ Densitat d’incidència (DI): anomenada taxa d’incidència o densitat
d’incidència.
Nº de casos nous d’una malaltia en un període de temps

Total d’unitats “persona-temps” d’observació de risc
La DI, expressa el potencial instantani o de canvi en l’estatus de malaltia per

unitat de temps, en relació a la població susceptible en aquell moment. És denomina
TAXA, ja que inclou la dimensió temps. Ens dóna una idea de la “velocitat” amb que
es manifesta una malaltia en un període de temps concret. Quan es calcula el període
de temps en risc ens hem d’assegurar que l’individu ha estat observat constantment.
Relació entre incidència i prevalença

9 9 7
Per malalties llur DI és relativa /estable
8 1 15
a 3
Prevalença = DI x Duració mitjana de la malaltia
a d a B A ,
o r iz R I
Per aplicar aquesta fórmula s’ha de complir tres condicions:
P :
■ a u t O
ID .com , I
El risc d’emmalaltir ha de ser constant durant tot el període d’observació.
ar g a L E G il
■
s c I a
La DI ha de ser igual entre els que segueixen en l’estudi i els que l’abandonen
M m
De NOE
■
@ g 3
El temps d’observació ha de ser l’adequat per el fenomen estudiat
2 . 5
1 7
9 i d’impacte1 2 2
id o
11.2. Mesures d’associació
54 .
n l e g 9 . 1
Concepte de risc 7
El risc és la probabilitat que té un aconteixement (malaltia o salut) d’ocórrer en un
moment donat o durant un interval de temps.
Pot tenir un sentit individual (probabilitat d’un individu de desenvolupar la malaltia)
o col·lectiu (proporció de persones que l’han desenvolupat).
La probabilitat no és igual per a tots els individus, ni es manté constant al llarg
de la vida d’un mateix subjecte; pot variar en funció de característiques individuals,
biològiques i ambientals, que en el seu conjunt anomenem factors de risc.
43
Factor de risc: és una variable relacionada estadísticament a un succés estudi-

at, però no s’ha d’equiparar necessàriament al concepte de causa.
Un factor de risc pot ésser endogen o exogen, i es caracteritza per precedir a la
malaltia i tenir responsabilitat en la seva producció (tabac- bronquitis crònica).
Causa: Implica que la modificació del nivell d’exposició a un factor comporta una
modificació en la freqüència de la malaltia.
Marcador de risc: és un concepte relacionat a la variable persona, no és modifica-
ble i pot fer a un individu especialment vulnerable (edat, sexe...).
L’indicador de risc és un signe precursor de la malaltia, es manifesta en l’estadi
preclínic i correspon a l’inici de la malaltia.
Les mesures d’associació i impacte analitzaran la magnitud de la dependència
entre certs factors de risc o d’exposició i l’aparició de malalties.
Risc relatiu (RR)

Compara la incidència en un grup exposat i la incidència en un grup no exposat.
9 9 7
Indica quantes vegades és més probable que el grup exposat a un hipotètic factor
8 1 15
de risc desenvolupi la malaltia en relació a un grup no exposat.
3
Per a calcular-ho és convenient utilitzar les taules 2x2 en les que cada individu
a
a d a B A ,
només pot ser inclòs en una casella, ja que aquestes són mútuament excloents.
o r iz R
Malalts I :
No malalts
P Total
a u t
Exposats O
ID .com
a , I b a+b
ar g a
No exposats
L E G c
il d c+d
s c Total
M I m
a+ca b+d a+b+c+d
De NOE 2 @ g
. 5 3
1 9 7 1 2 2 a
id o 54 . IA en expostas
a+b
n l e g 9 .
RA=1 =
7 IA en expostas
c
c+d
El Risc Relatiu pot prendre valors entre zero i infinit, no té unitats.

Si el valor del RR és 1, significa que la incidència de la malaltia és igual en expo-
sats i no exposats. El factor estudiat no té paper causal.
Si el valor del RR és menor d’1, per exemple de 0.5, això significa que la incidèn-
cia de la malaltia és 15 vegades més gran en els exposats que en els no exposats.
La presència del factor de risc comporta un augment de la probabilitat d’aparició de la
malaltia.
44
El risc relatiu no depèn de la freqüència de la malaltia ni de l’exposició al factor de

risc estudiat en la població, mesura la força d’associació o relació entre un suposat
factor de risc i un efecte.
És de destacar que el RR es calcula sobre la base de mostres teòricament repre-
sentatives de la població estudiada; per aquest motiu, quan s’obté un RR superior a
1 és necessari realitzar les proves estadístiques adequades que permetin saber si un
RR diferent a 1 no és imputable al atzar.
Risc atribuïble (RA)

Mesura la diferència entre la incidència o probabilitat d’emmalaltir en el grup ex-
posat respecte al grup no exposat. Informa sobre l’excés de risc que tenen els indi-
vidus exposats comparats amb els no exposats, tenint en compte que, en la gènesi
de qualsevol malaltia, intervenen altres factors, a més de l’estudiat, i aquests també
actuen en el grup de no exposats.
RA= IA en exposats – IA en no exposats
a c
RA= =
a+b
9 9 7c+d
8 1 15
Interpretació
a 3
a d a A ,
El RA indica la quantitat de malaltia que s’eliminaria en cas de suprimir un deter-
B
o r iz R I :
minat factor de risc. No té unitats i el seu valor oscil·la entre -1 i 1.
P
a u t O
ID .com , I
Un RA superior a 0 representa l’excés de malaltia observat en el grup exposat.
ar g a L E G il
c I a
Un RA igual a 0 significa que l’exposició al suposat factor de risc no provoca més
s M m
De NOE
malaltia en el grup exposat.
2 @ g
. 5 3
1 9 7 1 2 2
Un RA de signe negatiu suposaria que la IA seria inferior en el grup exposat, és a
id o 4 .
dir, indicaria la quantitat menys de malaltia que presentaria el grup exposat respecte
5
n l e g
al no exposat.
9 . 1
7
El RA depèn de la freqüència de la malaltia i del RR.
Risc atribuïble poblacional (RAP)

Representa el mateix concepte que el RA, però referit a tota la comunitat. El RAP
mesura l’impacte global del factor de risc sobre la població, tenint en compte la pre-
valença d’aquest factor.
La fórmula que correspon al RAP és:
RAP= RA x Prevalença
45
Informa sobre quins factors de risc són importants i quins són trivials per a la salut
global de la comunitat.
Fracció etiològica o atribuïble en els exposats (FEe)

També es coneix com a percentatge de risc atribuïble i es defineix com el grau
de causalitat atribuïble a un factor de risc en la producció de la malaltia i en el grup
d’ exposats.
Es calcula com el quocient entre RA (risc absolut) i el risc d’emmalaltir (IA) en el
grup dels exposats.
Ra Ie – Io
FEe= o
Ie Ie
Ie: incidència en els exposats.
Io: incidència en els no exposats.
És un indicador d’associació etiològica entre una exposició i una malaltia.
Fracció de risc atribuïble a la població o fracció etiològica (FRAP)
9 7
La Fe es defineix com el percentatge de causalitat de la malaltia atribuïble al fac-
9
8 1 15
tor de risc en tota la comunitat o com la fracció en que es reduiria el risc d’emmalaltir
3
en la població en el cas de poder suprimir el factor de risc.
a
a d a A ,
Es calcula dividint el RAP per la IA de la malaltia en el total de la població.
B
o r iz R I P :
a u t FE= O
ID .com
RAP
,=I Ie – Io
ar g a L E G IA
il
IA
s c M I m a
Si és positiu significa que l’associació és en el mateix sentit.
De NOE 2 @ g
. 5 3
Odds ratio (OR)
1 9 7 1 2 2
id o 54 .
Fonamentalment es tracta d’una raó o quocient entre la probabilitat de que passi
n l e g 9 . 1
un succés i la probabilitat de que no passi.
7
És una raó que estima el RR i s’utilitza en els dissenys de cas-control. Es calcula
amb certes condicions:
■ La malaltia ha de ser “entranya” (tenir una IA inferior al 2%).

■ La selecció dels participants: malalts i sans ha d’estar lliure de biaixos.
En aquestes circumstàncies és possible comparar la freqüència de l’exposició

entre els casos i els controls; així s’obté una estimació de l’augment de la probabilitat
de tenir la malaltia quan s’està exposat al factor de risc.
46
Malalts No malalts Total

Exposats a b a+b
No exposats c d c+d
Total a+c b+d a+b+c+d
L’ODDS d’exposició en el grup de casos (malalts) és a/c i l’odds d’exposició en el

grup control és b/c.
La OR és la raó entre les odds d’exposició en ambdós grups, és a dir:
axd
OR =
bxc
Constitueix una estimació esporàdica de la influència d’una determinada exposi-

ció a una malaltia.
12. DISSENYS EPIDEMIOLÒGICS

Els dissenys epidemiològics poden ser experimentals o observacionals: els més
9 9 7
exactes són els experimentals, però la seva realització és difícil, ja que la manipulació
15
de les variables és limitada, sobre tot si suposen un risc evident per a la salut, per ex.
3 8 1
Per establir una associació entre l’alcohol i la cirrosi hepàtica, no es pot sol·licitar a un
d a a
grup d’individus que consumeixin grans quantitats d’alcohol i a un altre que no ho faci
per observar el que passa posteriorment.
A ,
r iz a R I B :
t o I P
Un altra limitació és que habitualment el factor de risc ja ha actuat sense cap cri-
u O ,
g a a
E G ID .com
teri metodològic i a més, determinades variables ja han intervingut (edat,dosi ingerida,
s c ar
estat previ de salut).
M I L m a il
D e O E @ g 3
N
13. CLASSIFICACIÓ
9
DELS7 2
ESTUDIS 2 . 5
EPIDEMIOLÒGICS
2
id o 1 4 . 1
■
l e g
Segons la manipulació
9 . 1 5
n
• 7
No experimental o observacional.
• Experimental o d’intervenció.
■ Segons el seguiment
• Estudi de tall.
• Estudis longitudinals.
■ Segons el sentit de l’anàlisi
• Anàlisi de l’efecte cap a la causa (estudi de casos i controls).
• Anàlisi de causa-efecte (estudi de cohorts).
47
■ Segons el moment en què comenci l’estudi

• Retrospectius.
• Prospectius.
14. ESTUDIS NO EXPERIMENTALS O OBSERVACIONALS

Segons l’objectiu de l’estudi es divideix en:
■ Descriptius: L’estudi descriu la situació i en ocasions es pot el·laborar una

hipòtesi.
■ Analítics: L’objectiu és estudiar la relació causa-efecte entre les variables.
Permeten confirmar hipòtesi de forma més consistent que els descriptius.
14.1. Estudis Descriptius

L’epidemiologia descriptiva és la primera baula quan s’intenta establir una relació
causal entre un factor i una malaltia.
9 9 7
8 1 15
Els estudis descriptius constitueixen el més senzill dels dissenys epidemiològics,
contenen:
a 3
a d a B A ,
■
o r R I
Descripció del fet epidemiològic i de les característiques de persona, lloc i
iz P :
a u t
temps en que es desenvolupa el fet.
O
ID .com , I
■
ar g a L E G
Quantificació de la freqüència i distribució segons les característiques estu-
il
s c diades.
M I m a
De NOE
■
@ g 3
Suggereixen la formulació d’hipòtesis.
2 . 5
1 9 7 1 2 2
Aplicacions
id o 54 .
l e g
S’utilitzen per a:
n 9 . 1
■
7
Explicar el patró de comportament d’una malaltia o d’un aconteixement epide-
miològic en una comunitat o regió respecte a: Persona (identificar persones i
grups de risc), Lloc (distribució geogràfica), Temps.
■ Proveir una guia per a l’administració i planificació de serveis de salut i la
necessitat d’atenció sanitària.
■ Formula hipòtesis amb vistes a aclarir mecanismes causals, plantejant bases
per a la investigació clínica, terapèutica i preventiva.
■ Contribuir a la classificació de les malalties.
48
Avantatges
■ Són de realització fàcil, ràpida i econòmica.
■ Poden suggerir hipòtesis.
Limitacions
■ No permeten confirmar hipòtesis (no permeten observar seqüències tempo-
rals).
■ La confirmació de les possibles hipòtesis generades, necessita d’estudis ana-
lítics posteriors.
Tipus d’Estudis Descriptius:
14.1.1. Estudis de prevalença o transversals
Definició
Estudis descriptius, transversals i llur unitat d’anàlisi és individual. La seva finalitat
fonamental és esbrinar la freqüència d’un determinat fet en una població determinada
9 7
i en un moment concret, a partir d’una mostra presa d’aquesta població. En definitiva,
9
serveixen per a obtenir prevalences.
8 1 15
a 3
Disseny
a d a B A ,
o r iz R I :
Es pren una mostra de la població que es vol extrapolar els resultats obtinguts en
P
a u t O , I
aquella (població diana) i es descriu el o els factor/s de risc en estudi, així com l’efecte
ID .com
ar a L E G
(malaltia) que vulguem estudiar. La característica fonamental és que totes les dades
g il
c I a
s’obtenen en un moment concret, sense realitzar seguiment.
s M m
De NOE
Anàlisi
2 @ g
. 5 3
1 9 7 1 2 2
id o 54 .
Una vegada recollides les dades, s’integren en una o diverses taules de 2x2 (tau-
e g
les de contingència).
n l 9 . 1
7 Malalts No malalts Total
Exposats A b a+b
No exposats C d c+d
Total a+c b+d a+b+c+d
Trobem les prevalences de malaltia en els subjectes amb el suposat factor de

risc.
49
Prevalença de malaltia en Exposats
Nº de casos en exposats a
Prev exp = =
Total exposats a+b
Anàlogament trobem les prevalences de malalts sense el suposat factor de risc

que estudiem.
Prevalença de malaltia en NO exposats
Nº de casos en no exposats c
Prev NO exp = =
Total no exposats c+d
Raó de prevalences
Ens informa de cóm n’és de prevalent la malaltia en els subjectes amb un deter-
minat factor d’estudi, que en el que no tenen aquest factor.
a
Prev exp
a+b
9
=
9 7 c
Prev NO exp
8 1 15 c+d
a 3
■ Interpretació
a d a B A ,
o r iz R I P :
a u t ID .com , I
Freqüència de la malaltia entre els exposats enfront els no exposats:
O
•
ar g a L E G
Si la Raó de Prevalença RP és igual a 1, significa que la prevalença de la
il
s c I a
malaltia en els exposats és igual en uns i altres, exposats i no exposats.
M m
De NOE
•
@ g 3
Si la RP és major a 1, significa que la prevalença de la malaltia és major
2 . 5
9 7 2
en els exposats, factor de risc.
1 1 2
• id o 54 .
Si la RP és menor a 1, vol dir que la prevalença de la malaltia és menor
n l e g 9 . 1
en els exposats que en els no exposats, factor protector.
7
Quan parlem d’associació, parlem de la nostra mostra per tant hem de com-
provar que aquesta associació, que apareix en la mostra, no es deu només a
l’atzar del mostreig, per tant es fan anàlisis estadístics.
■ Avantatges
• Necessiten poc temps per a la seva execució perquè no hi ha seguiment.
• Fàcils de realitzar i baix cost econòmic.
50
• Permeten examinar diverses malalties o factors de risc en un sol estudi,

així com la interrelació entre ells.
• El màxim benefici s’obté a l’estudiar malalties de durada llarga o cròni-
ques i freqüents entre la població.
■ Aplicacions
• Planificació sanitària:
– Abans → Diagnòstic de salut d’una comunitat.
– Després → Avaluar els programes d’intervenció.
• Generació d’hipòtesis: Primer pas en la investigació de factors causals.
Aquestes hipòtesis han de confirmar-se amb estudis analítics.
• Establir nivells basals de factors en qualsevol estudi longitudinal.
■ Limitacions
• No existeix seguiment en el temps, pel que no és possible establir rela-
cions causals mitjançant l’evidència científica.
•
9 7
No són útils per l’estudi de malalties infreqüents. Es necessitarien mos-
9
8 1 15
tres molt grans per que estiguessin representat els casos de la malaltia.
• 3
Poca utilitat en malalties de curta durada.
a
•
a d a B A ,
Vulnerables al biaix de prevalença/incidència, és a dir, casos antics i nous
o r iz R I P :
a u t
casos es contabil·litzen igual.
O
ID .com , I
ar g a L E G
14.1.2. Sèries de casos clínics
il
s c M I m a
De NOE 2 @ g
Estudis descriptius, longitudinals, llur unitat d’anàlisi és individual.
. 5 3
■ 9 7
Característiques
1 1 2 2
id o 54 .
n l e g 9 1
Descriuen les característiques d’un grup de pacients que refereixen alguna
.
7
situació infreqüent o nova, com problemes de salut de nova aparició, símp-
tomes o evolució estranya en malalties ja conegudes o nous efectes dels
tractaments.
■ Disseny
Al ser fets infreqüents els que descriuen, necessiten d’un seguiment per acu-
mular un nombre mínim de casos.
■ Avantatges i limitacions
• La principal utilitat és aportar senyals d’alarma davant situacions noves
que necessitaran posteriorment d’estudis més profunds.
51
• Són barats i fàcils de realitzar. Són els més freqüents en les revistes cien-
tífiques.
• No permeten confirmar hipòtesis, només serveixen per a formular-les.
• És important que es defineixin clarament els criteris d’inclusió i exclusió
(quins són casos i quins no) per a no donar lloc a errors.
14.1.3. Estudis descriptius de morbi-mortalitat

Descriuen la freqüència i el modus de la malaltia partint de dades obtingudes de
fonts com els estudis estadístics, censos, estadístiques sanitàries…
També s’usen per avaluar programes i intervencions sanitàries tenint en compte
canvis en els diagnòstics o tractaments demogràfics, etc.
14.1.4. Estudis ecològics

Estudis descriptius, fonamentalment transversals i que la seva mesura d’anàlisi
són les poblacions o grups de persones habitualment basada en àrees geogràfiques
(país, província, ciutat, estats…).
9 9 7
Aquests estudis són útils quan no es disposa o és difícil obtenir informació a nivell
individual.
8 1 15
a 3
■ Tipus d’estudis ecològics
a d a B A ,
•
o r iz R I
Estudis descriptius o exploratoris.
P :
a u t O
ID .com , I
ar g a L E G
El seu objectiu és cercar diferències en la freqüència de malaltia al com-
il
parar unitats ecològiques, el que ens permet generar alguna hipòtesi
s c M I m a
De NOE 2 @ g
etiològica que l’expliqui. No es comparen exposicions, solament efectes.
. 5 3
Comparen les mesures de freqüència (prevalença i incidència) d’un de-
1 9 7 2 2
terminat succés o malaltia, entre diverses unitats ecològiques: àrees de
1
id o 54 .
salut, districtes, províncies, regions...
n l e g 9 . 1
• 7
Estudis comparatius entre diversos grups transversals.
Intenten establir una relació entre l’exposició i l’efecte, cerquem quanti-
ficar cóm varia l’efecte al canviar el nivell d’exposició en diferents unitats
ecològiques definides per criteris geogràfics. Comparen les mesures de
freqüència (prevalença i incidència) d’un determinat succés o malaltia, en
relació a una determinada exposició o factor.
• Estudis de tendències temporals.
La diferència entre aquest tipus d’estudi i els anteriors és que ara les
unitats ecològiques a comparar es defineixen utilitzant criteris temporals
52
(no comparem diferents països, sinó cóm varia un mateix país al llarg
del temps). Podem fer estudis de tendència temporal descriptius analit-
zant, exclusivament, cóm canvia la freqüència de la malaltia o relacionant
aquest canvis amb les variacions en el nivell mitjà d’exposició al llarg del
temps.
• Estudis mixtes.
Són dissenys en els que observem la relació entre el canvi en els nivells
d’exposició i la freqüència de la malaltia entre diferents àrees geogràfi-
ques al llarg del temps. Els dissenys mixtes són els millors per a intentar
valorar hipòtesis causals.
■ Anàlisi dels estudis ecològics
L’objectiu de l’anàlisi d’aquest tipus d’estudis és veure si les unitats ecològi-
ques amb una alta freqüència d’exposició tendeixen a ser també les unitats
ecològiques amb una alta freqüència d’efecte (malaltia).
• Estimació del risc relatiu.
Risc relatiu = Incidència en població exposada/incidència en població no
exposada.
9 9 7
•
8 1 15
Fracció etiològica en els exposats o proporció de risc atribuïble (Fee).
a 3
Vista anteriorment.
a d a B A ,
•
r iz R I :
Coeficient de correlació (r) Relació entre 2 variables.
o P
a u t O
ID .com , I
Aquesta mida representa l’extensió amb la que cada variable és capaç de
ar g a L E G il
predir a l’altre. Els seus valors oscil·len entre -1 i +1.
s c M I m a
De NOE
■
2 @ g
Limitacions dels estudis ecològics
. 5 3
1 9 7 1 2 2
Limitacions dels estudis descriptius i a més: La fal·làcia ecològica.
id o 54 .
No es poden treure conclusions inapropiades a nivell individual. És el resultat
n l e g 9 . 1
7
de realitzar una inferència causal sobre fenòmens individuals en base a ob-
servacions poblacionals.
■ Avantatges dels estudis ecològics
• Són útils per a:
– Generar hipòtesis causals i ocasionalment demostrar-les.
– Avaluar l’efectivitat de mesures d’intervenció sobre la població.
– Estudiar fenòmens ambientals, socials o culturals en els que la unitat
individual no interessa.
53
• Són barats i ràpids de realitzar (sempre que les fonts de dades siguin
completes i estiguin disponibles). Precisen poc temps per a la seva exe-
cució.
• Fàcils de realitzar.
■ Aplicacions
• Útils per a estudiar fenòmens ambientals, socials o culturals en els que la
unitat d’anàlisi individual no és d’interès.
• Començar a generar hipòtesis causals ràpidament, quan no es tenen en-
cara dades individuals.
• Avaluar l’efectivitat de mesures d’intervenció sobre la població.
14.2. Estudis Analítics

En els estudis analítics l’objectiu és estudiar la relació causa-efecte o relació cau-
sal entre les diferents variables. Permeten confirmar hipòtesis.
14.2.1. Estudi de casos i controls

9 9 7
8 1 15
Els estudis de casos i controls es defineixen com a estudis epidemiològics, ob-
servacionals, analítics (analitzen hipòtesis etiològiques), longitudinals en els que el
a 3
mostreig es fa en relació amb la malaltia o efecte. Acostumen a ser retrospectius,
a d a B A ,
es parteix de gent malalta. Sorgeixen per a malalties menys freqüents i requereixen
o r iz R I P :
a u t ID .com , I
aglutinar ràpidament a persones que pateixen aquesta malaltia.
O
■
ar g a
Objectius
L E G il
s c M I m a
De NOE•
2 @ g
Conèixer la prevalença de l’exposició a un hipotètic factor causal.
. 5 3
•
1 9 7 1 2 2
Identificar si existeix relació dosi-efecte entre una variable d’exposició i
id o 54 .
una determinada malaltia.
n l
• e g 9 . 1
Valorar el risc en l’adquisició d’algunes malalties.
•
7
Explorar i valorar alguna hipòtesi etiològica o de prevenció.
■ Disseny
En els estudis de casos i controls es tria un grup d’individus que presentin
una malaltia o condició determinada (casos), i un altre grup en el que està ab-
sent (controls). Ambdós grups es comparen respecte a la prevalença o nivell
d’exposició a un factor que hauria actuat en el passat (retrospectius) i que es
sospita que està relacionat amb dita malaltia o condició.
54
Tan en els casos com en els controls han de ser de característiques similars,
han de sortir de la mateixa població i tenir la mateixa probabilitat d’haver es-
tat exposats al factor de risc estudiat. La funció del grup control és valorar la
proporció d’exposició esperada en un grup que no té la malaltia, per a poder
establir comparacions.
■ Les passes fonamentals en el disseny d’estudis de casos i controls són:
• Selecció de casos.
Aquest procés implica establir de forma clara i explícita la definició de la
malaltia i els criteris de selecció que ha de complir aquells que presenten
per a poder ser inclosos en l’estudi. La confirmació de l’estatus de malal-
tia és fonamental; això necessita de l’ús de criteris diagnòstics adequats.
És essencial que els mètodes i tècniques siguin vàlids, és a dir, que la
sensibilitat i l’especificitat redueixin el nombre de falsos negatius i fal-
sos positius. La forma d’evitar resultats erronis és utilitzar procediments
diagnòstics amb un alt poder discriminatori entre els subjectes malalts i
els que no ho son. Una vegada ben definida la malaltia s’ha d’establir els
criteris de selecció, que van dirigits a restringir l’estudi a persones que
9 7
potencialment han pogut estar exposades al factor de risc. Lògicament
9
8 1 15
els criteris de selecció s’han d’aplicar tant als casos com als controls.
3
S’ha de decidir si s’inclouen només els casos incidents (acabats de diag-
a
a d a A ,
nosticar) o si pel contrari s’accepten casos prevalents, en els que la malal-
B
o r iz R I :
tia s’ha manifestat i diagnosticat fa temps (casos antics). La inclusió de
P
a u t O , I
casos prevalents té l’avantatge de que sol permetre augmentar el tamany
ID .com
ar g a L E G
de la mostra i l’inconvenient de poder aparèixer el biaix de supervivència,
il
s c I a
ja que són representats pels supervivents en els casos incidents.
M m
De NOE @ g 3
En els casos de llarga durada és més difícil saber si les variables relacio-
2 . 5
9 7 2
nades al risc han precedit realment a la malaltia, o si són una conseqüèn-
1 1 2
o
cia d’ella.
id 54 .
n l e g 9 . 1
Els casos poden provenir de:
–
7
Una mostra representativa o del total de malalts que han anat a una
determinada institució sanitària
– El total o una mostra representativa del que pateixen la malaltia a
nivell comunitari durant un lapsus de temps definit.
• Selecció de controls.
L’objectiu és aconseguir que els controls siguin representatius de la po-
blació d’on provenen els casos. Els controls han de tenir la mateixa pro-
55
babilitat d’haver sigut exposats que els casos, i per tant els criteris de
selecció dels casos han de ser aplicats.
Un altre qüestió és quan es seleccionen els controls. La selecció pot fer-
se quan ja s’han identificat els casos, o bé simultàniament.
• Informació sobre l’exposició.
La font d’informació ha de ser la mateixa pels casos i pels controls. La fia-
bilitat de les respostes es pot valorar mitjançant la comparació de pregun-
tes similars plantejades de diferent manera o la repetició de les mateixes
preguntes en moments diferents. Si la informació sobre l’exposició s’obté
a partir de les històries clíniques o un altre tipus de registres, és molt
probable que no es disposi de les dades de la manera més adequada a
l’estudi actual.
• Anàlisi de les dades:
En els estudis de casos i controls al seleccionar els grups en base a la
presència o no de la malaltia, no podem calcular la incidència de la ma-
teixa, per tant no és possible calcular directament el risc relatiu.
9 9 7
La mesura de la força de l’associació en els estudi de casos i controls es
1 15
fa mitjançant el càlcul de la Odds Ratio (OR). Les dues condicions ne-
8
3
cessàries per a poder utilitzar la OR com una bona estimació del RR són,
a
a d a B A ,
com ja hem vist que la malaltia sigui poc freqüent i que els controls siguin
o r iz R I P :
representatius de la població de la que s’han seleccionat els casos de la
a u t O
malaltia sotmesa a estudi.
ID .com , I
■
ar g a E G
Les passes a seguir a l’analitzar un estudi de casos i controls són:
L il
s c M I m a
De NOE•
2 @ g
Càlcul de l’Odds Ratio (OR)
. 5 3
1 9 7 1 2 2
Com ja hem vist anteriorment, l’OR, reflexa la probabilitat de que els ca-
id o 54 .
sos estiguin exposats al factor d’estudi comparada amb la probabilitat de
n l e g 9 1
que ho estiguin els controls.
.
7
La interpretació de l’OR, és similar a la del RR, els seus valors oscil·len
entre zero i infinit i no té unitats. Una OR de 1, significa que no hi ha as-
sociació entre el factor i la malaltia, una OR major de 1 suggereix que és
un factor de risc i una OR menor de 1 que és un factor protector.
Habitualment es parteix de la hipòtesi que apunta que la freqüència dels
exposats es major en el grup de casos que en el dels controls.
• Càlcul del risc atribuïble (RA) i del risc atribuïble poblacional (RAP):
Els riscos atribuïbles (RS i RAP) no poden ser estimats directament ja
que en aquest tipus de dissenys no es coneix la incidència de la malaltia.
56
Però si es disposa d’informació addicional, obtinguda d’altres estudis, sí

es pot arribar calcular. Solament es necessari conèixer la incidència de
la malaltia en la comunitat (Ip) i la proporció de subjectes que estan ex-
posats en la col·lectivitat (Pe). Coneixent aquests indicadors les fórmules
aplicables són les següents:
lp (OR – 1)
RA =
1 + Pe (OR – 1)
lp x Pe (OR – 1)
RAP =
1 + Pe (OR – 1)
■ Avantatges dels estudis de casos i controls

• Són relativament barats. Estalvien el cost dels recursos destinats al se-
guiment de cert nombre d’individus, els dissenys de cas-control són rela-
tivament ràpids.
• Poden investigar una àmplia varietat de possibles factors de risc i
l’existència d’interaccions entre ells.
• Permeten estudiar exposicions poc freqüents sempre que estiguin molt
associades amb la malaltia.
9 9 7
•
8 1 15
Són útils en malalties poc freqüents o amb llargs períodes de latència,
a 3
perquè no és necessari esperar per comptar amb un determinat nombre
a d a A ,
de casos, sinó que es disposa del mateix ja des del principi de l’estudi.
B
o r iz R I P :
•
t O
No hi ha pèrdues de seguiment.
a u ID .com , I
•
ar g a G
Existeix consistència en les tècniques de quantificació.
L E il
s c •
M I m a
Són útils per a generar hipòtesis.
De NOE• 2 @ g
. 5 3
No representen cap risc pels participants; són força còmodes de fer i en
1 9 7 1 2 2
conseqüència son fàcilment repetibles.
id o 54 .
■
n e g . 1
Desavantatges i limitacions dels estudis de casos i controls
l 9
• 7
Són molt susceptibles a la introducció de biaixos, tant en la selecció dels
grups com en la informació que s’obté sobre l’exposició. Limitats en la
formació d’un grup control adequat
• No proporcionen mesures de freqüència de la malaltia (prevalença o inci-
dència) ja que la proporció d’ exposats ve determinada per l’investigador
i no per la proporció d’ exposats que realment existeix en la comunitat.
• Problemes per a ordenar la seqüència de situacions, no permeten establir
una causalitat.
57
• No són útils per investigar exposicions estranyes.

• No són un bon instrument per estudiar més d’una malaltia cada vegada.
• Un altre problema es deriva de la fiabilitat i validesa de les dades referi-
des als factors de risc que han actuat en el passat i dels que pot quedar
un record imprecís o diferent entre casos i controls. Si s’utilitza informació
recollida en el passat, aquest pot ser incompleta o no respondre a les
necessitats de l’estudi actual.
14.2.2. Estudis de cohorts

Els estudis de cohorts poden ser definits com estudis epidemiològics, observaci-
onals. Analítics, longitudinals o direccionals, (prospectiu o retrospectiu), en els que el
mostreig es faci en relació amb la causa.
Cohort: grup d’individus als que es fa un seguiment al llarg del temps.
■ Objectius
La finalitat principal dels estudis de cohorts és valorar i quantificar la possible
9 9 7
relació entre algun factor de risc i la malaltia a través de la comparació dels
8 1 15
grup d’ exposats amb el que no ho està.
3
Així doncs, els principals objectius són:
a
• d a A ,
Avaluar la incidència de la malaltia en exposats i no exposats.
a B
o r iz R I P :
•
t O I
Avaluar el risc d’emmalaltir dels exposats en relació als no exposats.
a u ID .com ,
•
ar g a G
Estudiar la relació dosi-resposta, que, en cas de ser positiva, reforça la
L E il
s c I a
hipòtesi de que es tracta d’una relació causal.
M m
De NOE• @ g 3
Avaluar la fracció o part de la malaltia atribuïble al factor de risc.
2 . 5
1 9 7 1 2 2
■ Disseny
id o 54 .
n l e g . 1
En els estudis de cohorts, els individus que composen el grup d’estudi es se-
9
7
leccionen en funció de la presència o absència d’una determinada caracterís-
tica o exposició. Aquests subjectes no tenen la malaltia o desenllaç d’interès
(individus sans) i són seguits durant un cert període de temps per observar la
freqüència amb que aquesta apareix en cada un dels grups.
Els estudis de cohorts solen ser prospectius, els individus seleccionats enca-
ra no presenten el desenllaç d’interès i els seguirem en el futur per veure si es
produeix o no.
58
Els estudis retrospectius són molt menys freqüents i en ells s’identifica un

grup d’individus segons l’exposició en el passat i es reconstrueix la història de
la malaltia fins el present.
El disseny dels estudis de cohorts prospectiu i retrospectiu és essencialment
igual.
Els subjectes es divideixen en dos grups: un grup el formen els exposats a
un factor de risc (cohort exposada) i l’altre l’integren els no exposats a aquest
factor (cohort no exposada), a continuació es fa un seguiment d’ambdós
grups per a determinar la incidència de la malaltia.
■ Elecció de la cohort exposada
Quan la freqüència de l’exposició i de la malaltia és alta es poden usar com
a mostra poblacions d’un àrea geogràfica o administrativa ben delimitada. Si
l’exposició es estranya, degut a les dificultats i al cost que representa estudiar
a la població general, es selecciona un grup específic d’individus exposats al
factor d’estudi i es compara amb una mostra de no exposats.
És imprescindible que els individus inclosos tant en la cohort exposada com
9 7
en la no exposada estiguin en risc de presentar el desenllaç que es desitja
9
investigar.
8 1 15
3
La informació sobre l’exposició pot venir de diverses fonts: registres rutinaris,
a
a d a B A ,
enquestes i exàmens de salut. Es tracta d’una informació objectiva, que en
o r iz R I P :
general ha estat recollida abans del coneixement de la malaltia o efecte que
a u t
es desitja estudiar.
O
ID .com , I
ar g a E G
A vegades l’exposició amida factors ambientals (contaminació atmosfèrica)
L il
s c I a
o laborals (substàncies tòxiques, radiacions). La intensitat de l’exposició pot
M m
De NOE 2 @ g
. 5 3
varia al llarg del temps; també pot ser única o tenir caràcter continu o progres-
1 9 7 1 2 2
siu, la qual cosa influeix en els efectes.
■
id o 54 .
Elecció de la cohort no exposada
n l e g 9 . 1
7
La seva funció és valorar la freqüència de la malaltia (incidència) en la pobla-
ció d’on provenen els individus de la cohort exposada.
Si la freqüència és similar en ambdós grups suggerirà que el factor de risc no
és la causa de la malaltia. Per a que sigui possible realitzar aquesta afirma-
ció, la cohort no exposada ha de ser comparable a l’ exposada respecte a les
variables que es consideren pronòstiques de la malaltia, amb excepció del
factor que s’estigui estudiant.
59
■ Definició de la malaltia
És imprescindible que les definicions de malalties siguin clares i precises i
que s’apliquin d’idèntica manera als subjectes exposats i no exposats. També
s’ha d’exigir que les font d’informació siguin les mateixes pels dos grups.
És aconsellable que els que practiquin les proves diagnòstiques ignorin la
cohort de la que procedeixen els subjectes explorats. També és necessari
utilitzar proves molt específiques i sensibles per a descartar la presència de
malaltia en fase preclínica.
■ Seguiment
El seguiment ha de ser el mateix en exposats i no exposats, amb idèntiques
pautes de control (periòdic), amb intervals que permetin una recerca activa de
l’efecte en estudi i el registre de qualsevol canvi en l’exposició. S’ha d’intentar
minimitzar les pèrdues i, en cas de que es produeixin, conèixer la causa de
les mateixes. El temps de seguiment depèn de l’efecte que s’ha d’estudiar,
però ha de ser suficientment llarg per a permetre que puguin aparèixer el
nombre de casos suficients per aconseguir la potència estadística desitja-
da, però suficientment curt com perquè no apareixin problemes logístics i
d’organització.
9 9 7
8 1 15
Els tres objectius fonamentals del seguiment són:
a 3
•
a d a B A ,
Permetre recollir informació dels canvis que hi ha en els factors de risc.
• r iz R I P :
Enregistrar si algun dels participants ha contret la malaltia en estudi.
o
a u t O
ID .com , I
•
ar g a
Mantenir la comunicació i l’interés entre participants i responsables de
l’estudi.
L E G il
s c M I m a
De NOE
■ Anàlisi
2 @ g
. 5 3
• 9 7
Càlcul d’incidències
1 1 2 2
id o 54 .
n l e g 9 1
Els estudis de cohorts permeten obtenir la incidència de la malaltia en el
.
7
grup d’ exposats i en el de no exposats. La incidència es pot calcular com
a proporció (incidència acumulada) o com a taxa (densitat d’incidència).
Nosaltres realitzarem els càlculs utilitzant incidències acumulades.
a
Incidència en exposats Ie =
a+b
c
Incidència en NO exposats Io =
c+d
• Càlcul del risc relatiu (RR)-Com hem vist anteriorment.
60
• Càlcul del risc atribuïble (RA)
RA = Ie-Io
■ Avantatges dels estudis de cohorts

• Evidència acceptable d’una relació causa-efecte.
• Permeten establir una seqüència temporal, de l’exposició s’arriba a
l’efecte.
• Es poden examinar diversos efectes per a una sola exposició.
• En els prospectius es minimitzen els errors de medició.
• Podem calcular incidències en exposats i no exposats.
• Permeten descriure exactament la història natural de la malaltia.
• El risc de biaixos és menor que en altres estudis analítics, ja què és pos-
sible preveure i corregir els error detectats en el procés de recollida de
dades. En aquest sentit l’amidament de l’exposició tendirà a ser exacta
i completa, ja que no depèn de la capacitat de record dels participants,
9 9 7
a més el seguiment de les cohorts permet detectar qualsevol canvi en el
nivell del factor de risc.
8 1 15
•
3
És l’únic mètode per estudiar malalties mortals.
a
■
d a A ,
Desavantatges i limitacions dels estudis de cohorts
a B
o r iz R I P :
•
a u t ID .com , I
Cost econòmic elevat. Els estudis de cohorts retrospectius són més ba-
O
rats i ràpids de fer. Necessiten molt temps.
ar g a L E G il
s c •
I a
No són útils en malalties infreqüents o amb llargs períodes de latència.
M m
De NOE•
@ g 3
Possibilitat de pèrdues de seguiment per abandonament.
2 . 5
•
1 9 7 1 2 2
Possible canvi en l’exposició i la seva conseqüent repercussió en la
id o
malaltia.
54 .
n l e g 9 . 1
■ 7
Estudis que avaluen proves diagnòstiques: sensibilitat i especificitat
Sensibilitat: capacitat d’una prova d’identificar correctament als individus amb
la malaltia. Probabilitat que el Test sigui positiu en un malalt.
Són un dels estudis més freqüents en la pràctica clínica.
Selecció d’individus. Els individus de l’estudi no han de ser molt diferents de
la població en la que s’utilitza aquesta prova. És important incloure pacients
en els diferents estadis de la malaltia.
61
Selecció del grup de comparació. Han d’incloure individus amb malalties que
puguin plantejar problemes de diagnòstic diferencial respecte a la malaltia
amb un diagnòstic que volem millorar. La prova a avaluar i l’estàndard’ s’han
d’aplicar a tots els individus de forma cega.
Especificitat: capacitat d’una prova d’identificar correctament aquells individus
que NO tenen la malaltia. Probabilitat que el Test sigui negatiu en un sa. Són
un dels estudis més freqüents en la pràctica clínica. L’objectiu és determinar
si una prova diagnòstica és capaç de diferenciar si una persona te la malaltia
o no. També serveixen per a comprovar si la prova diagnòstica és capaç de
mesurar adequadament el paràmetre per el que està dissenyada. Habitual-
ment es comparen diferents mitjans diagnòstics, els de nova utilització i els
establerts anteriorment. A banda del seu ús per a proves diagnòstiques també
es poden valorar aparells de mesura, qüestionaris etc.
15. ESTUDIS EXPERIMENTALS

Anomenem experiment científic a un conjunt d’observacions, conduïdes en cir-
9 9 7
cumstàncies controlades, on es manipulen les condicions per a esbrinar l’efecte que
aquesta manipulació produeix sobre el resultat. Són estudis de cohorts: l’investigador
1 15
manipula la variable predictora i observa l’efecte sobre un desenllaç.
8
a 3
a d a B A ,
Es solen utilitzar una vegada s’han realitzat prèviament estudis descriptius i ana-
lítics que ens indiquen el camí per a enfocar el problema des del punt de vista clínic i
o r iz R I P :
a u t
de salut pública (com prevenir o tractar).
O
ID .com , I
ar a L E G
Es relacionen amb l’aparició de nous medicaments, però també es poden realitzar
g il
c I a
amb una intervenció (tècnica de fisioteràpia, cures d’infermeria...) o algunes proves
s M m
De NOE
relacionades amb el diagnòstic.
2 @ g
. 5 3
15.1. Assajos clínics 19
7 1 2 2
id o 54 .
n l e g . 1
Un assaig clínic és un experiment acurat i èticament dissenyat amb la fita de con-
9
7
testar a preguntes concretes formulades prèviament. Aquestes preguntes tenen que
veure l’avaluació de l’efecte (utilitat) de procediments diagnòstics o terapèutics en el
ser humà (A.B.Hill).
Els assajos clínics en comprovar que és segura i eficaç en animals es produeix
llavors el salt a éssers humans.
També es plantegen criteris d’inclusió i exclusió, un criteri d’exclusió és l’embaràs.
62
■ Classificació
• Segons l’objectiu:
– Fase I: Pretén conèixer la cinètica i toxicitat del fàrmac en voluntaris
sans (4 o 5). Això passa en la investigació amb animals. Tots els parà-
metres clínics previs a l’estudi tenen que estar dins de la normalitat
(voluntaris “saníssims” molt controlats). Fase remunerada. Solen ser
multicèntrics per a obtenir major mostra.
– Fase II: Estudi inicial del potencial terapèutic del fàrmac i potser de la
seva toxicitat en un grup reduït de malalts. Coneixem la dosi (fase I)
i es va ajustant la dosi terapèutica i no tòxica. Estem treballant amb
grups reduïts, es poden usar, per exemple, un altre fàrmac que tingui
els mateixos efectes, s’ha de comparar el fàrmac nou respecte als
ja existents. En grups reduïts es veuen amb més probabilitat efectes
adversos d’alta freqüència, els de baixa freqüència els veurem quan
es faci amb grans grups d’actuació.
– Fase III: Avaluació terapèutica de forma completa, és quan apliquem
a persones malaltes en un grup més gran. Separem grups i es fan
9 9 7
comparacions, per una banda en diferents dosis posològiques i tam-
1 15
bé en diferents estadis de la malaltia.
8
– a 3
Fase IV: Avaluació d’eficàcia i postcomercialització. S’ha d’aplicar el
a d a B A ,
fàrmac a grans grups de població. El patrocinador presenta el dossier
o r iz R I P :
de l’assaig a les agències farmacològiques, es debat l’estudi i són les
a u t O
ID .com , I
agències del medicament les que decideixen si el fàrmac surt o no
ar g a E G il
al mercat, en quina dosi, presentació, es fixa el preu i si es pot o no
L
s c M I m a
subvencionar per la sanitat pública. Hi ha fàrmacs sotmesos a fàrma-
De NOE @ g 3
covigilància: notificació d’efectes adversos, això és important sobre
2 . 5
9 7 2
tot en els efectes adversos de baixa freqüència. La fase IV la fa tot el
1 1 2
id o 4 .
personal sanitari.
5
n l e g 9 . 1
En aquesta fase es poden dissenyar estudis, sobre tot en fàrmacs nous,
7
i es pot dissenyar com estudi experimental o de tipus retrospectiu analític
en relació a efectes adversos (casos i controls, cohorts) .
• Segons la intenció poden ser:
– Científics: Mesuren l’eficàcia. Es compara amb el placebo i s’exclouen
les pèrdues del seguiment.
– Pragmàtics: Amiden l’efectivitat. Es compara enfront al tractament es-
tàndard.
63
• Segons la metodologia:
– Controlat, comporta una comparació amb un grup control.
– No controlat, No hi ha cap comparació amb un grup control.
• Segons el grau d’emmascarament (ho veurem més endavant).
■ Disseny
Abans d’iniciar-se un assaig clínic, s’han de complir dos requisits:
• És imprescindible que l’assaig clínic sigui considerat èticament accepta-
ble per un Comitè Ètic d’Investigació Clínica.
• És imprescindible que tots els individus donin lliurement el seu consenti-
ment informat abans de ser inclosos en l’assaig clínic.
Totes les fases clíniques estan unides al CONSENTIMENT INFORMAT amb
una còpia per l’investigador i un altre pel subjecte. Es pot abandonar l’estudi
en qualsevol moment i es garanteix una assegurança mèdica durant tot
l’assaig.
9 9 7
L’assaig dura des que es recluta el subjecte, fins que acaba el seguiment. Les
8 1 15
passes en la realització d’un assaig clínic són els següents:
•
3
Seleccionar la cohort d’estudi:
a
a d a A ,
La selecció es farà segons uns criteris d’inclusió i uns altres d’exclusió.
B
o r iz R I :
Els criteris d’inclusió han de ser adequats per intentar contestar la pre-
P
a u t O , I
gunta de la investigació. Els criteris d’exclusió s’han d’utilitzar per intentar
ID .com
ar g a L E G
optimitzar el desenvolupament i les conclusions de l’estudi. Ja fixats els
il
s c I a
criteris de selecció hem de calcular la mida de la mostra adequada per a
M m
De NOE 2 @ g
contrastar la hipòtesi en estudi i portar a terme un pla de reclutament de
. 5 3
la mostra.
1 9 7 1 2 2
•
d o 4 .
Mesurar les variables basals:
i 5
n l e g 9 . 1
7
Una vegada reclutada la mostra hem d’estudiar quines són les caracterís-
tiques dels subjectes que la composen, això inclou:
– Confirmar que la variable d’interès no estigui present en l’inici de
l’estudi (variables qualitatives).
– Mesurar les variables quantitatives quan es sospiti que es poden mo-
dificar a causa de la intervenció, per a poder quantificar la seva varia-
ció a conseqüència de la mateixa.
64
• Randomització:
La randomització implica l’assignació aleatòria dels subjectes a les cate-
gories d’exposició. Hem de procurar que els grups experimental i control
siguin el més similar possible al començament de la investigació i asse-
gurar-nos que l’opinió o judici personal de l’investigador no influeixi sobre
la forma de l’assignació.
• Aplicar la intervenció:
S’ha d’escollir la intervenció que ens permeti contestar la pregunta
d’investigació formulada (eficàcia/efectivitat). A l’aplicar la intervenció
s’utilitzen tècniques d’emmascarament o cec. Aquestes tècniques tenen
per objectiu evitar conèixer l’ estatus d’exposició i per tant evitar el biaix
en els resultats de la investigació.
Es poden utilitzar les següents tècniques d’emmascarament:
− Cec simple. El subjecte de l’estudi desconeix el seu estatus
d’exposició (no sap si pren el fàrmac o el placebo), que sí és conegut
per l’investigador de l’estudi.
−
9 9 7
Doble cec. Ni el subjecte d’estudi ni l’investigador coneixen l’ estatus
1 15
d’exposició. Tant el fàrmac com el placebo s’identifiquen amb un nú-
8
3
mero i no es coneix quin és el placebo i quin no ho és.
a
−
a d a A ,
Triple cec. Igual que el doble cec i a més l’anàlisi estadístic es realitza
B
r iz R I P :
en la ignorància del grup al que pertanyen els subjectes. No se sap
o
a u t O
ID .com , I
el que s’administra, ni el subjecte ni l’investigador ni el laboratori que
ar g a E G
subministra el fàrmac, ho organitza la OMS.
L il
s c M I m a
De NOE cec.
2 @ g
Si no utilitzem la tècnica d’emmascarament és un assaig clínic obert o no
. 5 3
1 9 7 1 2 2
•
id o
Seguir les cohorts:
54 .
n l e g 9 . 1
En aquesta fase els objectius són:
−
7
Minimitzar les pèrdues de seguiment
− Evitar canvis en l’assignació de l’exposició.
− No interrompre l’emmascarament excepte en cas de necessitat.
− Enregistrar canvis en les variables de confusió.
− Excloure de l’estudi els subjectes que compleixen criteris de retirada.
65
• Amidar les variables de resultat:

Al mesurar les variables resultants, hem de conservar els emmasca-
raments, si s’han utilitzat, i mesurar tant les variables que considerem
d’interès a l’inici de l’estudi com les que han aparegut de forma imprevista
(efectes secundaris de la intervenció).
■ Anàlisi
Els objectius de l’anàlisi varien segons el tipus d’assaig clínic realitzat i in-
clouen:
• Conèixer els efectes farmacocinètiques o farmacodinàmiques de la subs-
tància estudiada.
• Establir l’eficiència del fàrmac o substància estudiada per a fins terapèu-
tics, profilàctics o diagnòstics.
• Conèixer les reaccions adverses i la seguretat del fàrmac o substància
estudiades.
També es poden descobrir noves indicacions;, si a l’administrar un fàrmac per
9 9 7
a una patologia es veu que és efectiu per un altra, s’ha de fer l’estudi, i tornar
a la fase II.
8 1 15
15.2. Assajos de Tipus Comunitari a 3
a d a B A ,
o r iz R I
S’anomenen així els assajos en els que la mesura objecte d’estudi s’aplica a
P :
a u t O , I
una comunitat complerta i s’usa com a control un altre comunitat. S’utilitzen quan
ID .com
ar a L E G
l’assignació individual d’exposició no és possible o no és pràctica. Aquests estudis es
g il
s c M m a
coneixen també com gairebé experimentals, ja que no podem quantificar les variables
I
De NOE 2 @ g
basals de la mostra, com ho fem en els estudis experimentals purs.
. 5 3
15.3. Assajos de Camp1 9 7 1 2 2
id o 54 .
e g . 1
Són estudis a gran escala. Els assajos de camp només es fan una vegada els es-
n l 9
7
tudis preliminars han demostrat l’eficàcia i seguretat de la intervenció. Han d’incloure
consideracions en termes d’efectivitat i eficiència.
15.4. Avantatges dels dissenys experimentals

■ Produeixen les proves més segures de la relació causa-efecte.
■ Són ideals per posar a prova l’eficàcia de programes de tractament.
■ És el millor disseny per a controlar l’influencia de variables de confusió.
66
■ En ocasions són l’única alternativa per a resoldre algunes qüestions

d’investigació. Per ex. L’estudi de fàrmacs nous.
■ Poden ser la forma més ràpida i econòmica de respondre a certes preguntes
d’investigació.
15.5. Inconvenients dels estudis experimentals

■ Generalment són cars i poden necessitar molt de temps.
■ No totes les preguntes de la investigació poden resoldre’s amb aquests dis-
senys, ja que existeixen límits ètics o que el desenllaç a investigar sigui molt
estrany.
■ Les intervencions estandarditzades poden ser diferents a la praxi corrent (re-
duint la seva validesa externa). Solen mesurar només eficàcia.
■ Aquests dissenys tendeixen a restringir l’abast i redueixen la pregunta a in-
vestigar, per tant disminueix la capacitat de generalitzar.
16. VIGILÀNCIA EPIDEMIOLÒGICA

9 9 7
1 15
Segons la OMS la vigilància epidemiològica és: “l’escrutini permanent i l’obser-
8
3
vació activa de la distribució i propagació de les infeccions i factors, relacionats amb
a
a d a B A ,
suficient exactitud en la qualitat i quantitat per a ser pertinent per un control eficaç”.
o r iz R I P :
Existeixen uns elements en comú en tots els conceptes i definicions sobre vigi-
a u t
lància epidemiològica: O
ID .com , I
ar g a L E G il
■
s c I a
Necessitat de recollir dades de forma continuada, rigorosa i permanent sobre
M m
De NOEmalalties.
2 @ g
. 5 3
■ 9 7 2 2
Adopció de mesures de control dels processos descrits.
1 1
id o 54 .
■
n l e g 9 . 1
Necessitat de conèixer les dades per a poder actuar en conseqüència.
■ 7
Necessitat d’establir paràmetres en cada cas.
16.1. Evolució històrica

La vigilància epidemiològica ha anat relacionada en funció dels coneixements
de l’època, i també dels recursos disponibles. El control de les epidèmies ha estat
una de les primeres activitats organitzades per Salut Pública. En un primer moment,
l’epidemiologia es va circumscriure a l’estudi de les malalties infeccioses i epidèmies
i a la comprensió dels factors mediambientals relacionats amb la salut, constituint el
que tradicionalment s’ha anomenat Higiene i Sanejament Ambiental. És en el segle
67
XVIII, quan comença el procés de la vigilància epidemiològica, fonamentalment en

l’observació i estudi de les epidèmies.
A partir del segle XIX i principis del segle XX, s’analitzen de forma individual les
malalties transmissibles, considerant la malaltia no com una cosa anòmala, sinó com
una part integrant de la comunitat. S’estudia la malaltia mitjançant les teories unicau-
sals i es va estudiar el contagi i la cadena epidemiològica.
A mitjans del segle XX, s’estudia la malaltia en el conjunt de la comunitat, es con-
trasten les informacions anteriors i les presents, s’analitzen variables que incideixin
en el procés i les modificacions de la malaltia i es valora l’impacte de les mesures
sanitàries adoptades.
Però les possibilitats de la Vigilància Epidemiològica van més enllà d’aquest tipus
de patologies i arriben a l’observació d’altres problemes de salut: accidents, vacuna-
cions, invalideses...
Les exigències actuals plantegen la necessitat d’ampliar el tipus d’informació ob-
tinguda pel sistema de Vigilància Epidemiològica, de manera que sigui útil en l’elabo-
ració, desenvolupament i avaluació de les intervencions sanitàries.
9 9 7
8 1 15 Implementació
a
Identificació/ 3 Intervenció/
Avaluació què
Com ho fem?
d a
Factor de risc
a B A ,
Fem?
Vigilància
o r iz
quina és la
R I P :
quin és el
problema?
a u t causa?
O
ID .com , I
ar g a L E G il
s c M I m a
De NOE g
PROBLEMA RESPOSTA
7 2 @ 2 . 5 3
1 9
16.2. Activitats i característiques
o . 1
de 2la vigilància
g id
epidemiològica
. 1 54
n l e 7 9
La vigilància epidemiològica es classifica en:
■ VE passiva: recull la informació de les persones que van al sistema sanitari.

■ VE activa: la informació es busca en el lloc o territori on es produeix el suc-
cés referit a la salut (investigació de brots, enquestes sanitàries…) mitjançant
enquestes sistemàtiques o dirigides específicament a una malaltia.
La vigilància epidemiològica pretén:
■ Mantenir actualitzat el coneixement de determinat tipus de malalties.
68
■ Establir el risc de la població exposada.

■ Formular les mesures adients segons el nivell corresponent.
■ Avaluar les mesures adoptades.
Les funcions fonamentals de la vigilància epidemiològica són:
■ Recollida i tabulació de dades.

■ Processament, anàlisi i interpretació de les dades (analitzar la informació,
efectuar estudis comparatius, calcular els indicadors, taxes, raons i propor-
cions oportuns i presentació dels informes dels resultats).
■ Divulgació als sectors interessats, responsables de la prevenció i compro-
mesos en la lluita contra les patologies objectes de la VE.
■ Establir les recomanacions oportunes en cada cas (elaboració de mesures de
control, publicació d’un bolletí).
■ Funcions de control en casos concrets (protecció dels individus o poblacions
susceptibles, realització d’accions específiques, orientació, aïllament i vigilàn-
cia del compliment de les normes establertes).
9 9 7
16.3. Xarxa de Vigilància Epidemiològica
8 1 15
a 3
a d a B A ,
A nivell europeu, el que més s’ha desenvolupat són les malalties infeccioses a
o r iz R I
causa de la possible exportació d’aquestes malalties. La Xarxa de Vigilància Epide-
P :
a u t O
ID .com , I
miològica i de Control de les Malalties Transmissibles en la CE (Decisió nº 2119/98/
CE, de 24 de setembre). A nivell nacional, és al 1995 quan per decret es crea la Red
ar g a L E
de Vigilància Epidemiològica. G il
s c M I m a
De NOE 2 @ g
La OMS va definir com sistema d’informació sanitària “el mecanisme pel que és
. 5 3
1 9 7 1 2 2
recollida, analitzada i difosa la informació necessària als planificadors sanitaris, que
id o 54 .
els permeti avaluar prioritats i decidir la manera de satisfer les necessitats prioritàries,
n l e g 9 1
així com mesurar posteriorment els resultats de la seva actuació”.
.
7
Existeix un Sistema Bàsic de Vigilància Epidemiològica que ha d’estar en totes
les comunitats autònomes:
■ Notificació Obligatòria de Malalties (Sistema SNEDO: Sistema de notificación

de enfermedades de declaración oblicatoria). Vigila una sèrie de malalties
infeccioses, obliga els metges a declarar a les autoritats sanitàries els casos
que diagnostiquin de dites malalties.
■ Notificació de Situacions Epidèmiques i Brots.
69
■ Informació microbiològica (Sistema SNOLAM: Sistema de Notificació de labo-

ratoris microscòpics).
Els sistemes Específics de Vigilància Epidemiològica no sempre són els mateixos

en totes les comunitats autònomes:
■ Sistemes de registre de casos, en totes es recullen les dades de lepra i SIDA,

però altres malalties varien segons la CCAA.
■ Enquestes. Varien segons la comunitat autònoma.
■ Sistemes Sentinelles poden o no ser generals en totes les CCAA.
Altres Sistemes de Vigilància Epidemiològica

■ Factors de risc.
■ Mortalitat (Registre Estadístic de defuncions).
■ Conjunt mínim de base de dades (CMBD).
■ Sistemes de vigilància basats en les urgències: s’analitzen les demandes ur-
gents i la causa d’aquesta demanda.
9 9 7
■
1 15
Sistemes de vigilància de factors de risc associats a malalties no transmissi-
8
3
bles: en població adulta mitjançant qüestionaris telefònics sobre estils de vida
a
a d a B A ,
i en població infantil amb qüestionaris al col·legi.
o r iz R I P :
a u t O
ID .com , I
La rellevància d’alguna malaltia infecciosa pot establir un sistema de vigilància
ar a L E G
específic amb registres únics.
g il
c I a
Quan es recullen les dades, comença el processament, anàlisi i interpretació de
s M m
De NOE 2 @ g
manera que en siguin informatius. Posteriorment es procedeix a les activitats d’infor-
. 5 3
1 9 7 1 2 2
mació, difusió i control, tant als serveis de planificació i organismes de decisió, com
id o 54 .
als professionals sanitaris, i a ells els arriba la informació mitjançant bolletins epidemi-
n l e g 9 . 1
ològics o publicacions periòdiques. El Bolletí Epidemiològic es publica setmanalment.
7
Els sistemes de vigilància epidemiològica inclouen mètodes per avaluar la qualitat
de la informació recollida, la sensibilitat i els valors predictius de les proves utilitzades.
La demografia i les seves activitats i estudis corresponents formen part fonamen-
tal de la vigilància epidemiològica.
16.4. Utilitat del mètode epidemiològic i demografia pel

professional d’infermeria
El mètode epidemiològic permet a la infermera/infermer, pensar en termes de
comunitat i disposar una base científica i objectiva en la que sostenir les apreciacions
70
sobre la comunitat i les solucions. Es relaciona els casos amb la població, l’espai i el
temps, utilitzant instruments o tècniques de l’estadística, la demografia i les ciències
socials i clíniques. El seu ús en els nivells primaris d’assistència no té per finalitat la
investigació profunda o el càlcul de taxes estables de mobilitat, que exigia poblacions
molt amplies, per li permet enfocar objectivament l’estudi de la comunitat i situar, el
que coneix de primera mà en un context més ampli.
En salut pública, s’ha de treballar amb mètodes racionals, objectius i quantifica-
bles, per a que les mesures sanitàries no siguin solament empíriques. Tota resposta
pràctica vol una informació prèvia ben elaborada.
17. MALALTIES TRANSMISSIBLES
Conceptes generals
Malaltia transmissible és equivalent a malaltia comunicable, més exacte que ma-
laltia infecciosa, ja que malgrat les infeccions suposen l’existència d’un agent causal
viu que desencadena una resposta orgànica, i aquest agent és comunicable, hi ha
processos que no són infecciosos com la sarna o la pediculosi.
9 9 7
8 1 15
La característica bàsica de la malaltia transmissible és que hi ha un agent ne-
cessari, generalment únic, exogen i capaç de reproduir-se, és a dir, un organisme viu
(bacteris, virus, protozous i prions). a 3
a d a B A ,
o r
17.1. Fases de les malalties iztransmissibles
R I P :
a u t O
ID .com , I
■
ar g a
Període d’incubació
L E G il
s c I m a
Interval entre l’entrada del microorganisme i l’aparició dels primers símpto-
M
De NOE mes.
2 @ g
. 5 3
1 9 7 2 2
Durant aquest període l’agent es multiplica i adapta a l’hoste sense que arribi
1
id o 5 4 .
a produir una resposta perceptible. Cada malaltia té un període d’incubació
n l e g 9 . 1
característic. Depèn de la quantitat de microorganismes i de la seva taxa de
7
multiplicació, també influeix que l’agent multipliqui a prop de la porta d’entrada
o bé si es dissemina.
■ Període prodròmic
Es caracteritza per l’aparició de signes generals inespecífics.
L’agent o les seves toxines no actuen encara en els òrgans diana, hi ha afec-
tació de la porta d’entrada o generalitzada.
71
■ Període clínic
Es presenten els símptomes i signes que caracteritzen la malaltia i juntament
amb les dades analítiques ens permeten establir el diagnòstic. La darrera part
d’aquest període és la convalescència.
En les malalties transmissibles s’ha de considerar l’agent causal i la cadena
epidemiològica.
17.2. Agent causal

Organisme viu, capaç de multiplicar-se, que necessita els mecanismes de trans-
missió i l’hoste sensible.
Característiques de l’agent causal:
■ Contagiositat
És la capacitat del germen de propagar-se. La taxa de contagi o d’atac és el
nombre de casos de la malaltia respecte a la població exposada.
■ Infectivitat
9 9 7
Capacitat del germen d’instal·lar-se i envair els teixits produint o no la malal-
1 15
tia, és important la dosi infectant mínima.
8
■ Patogenicitat
a 3
a d a B A ,
o r iz R I
La capacitat de produir la malaltia entre els infectats depèn del nombre
P :
a u t O
ID .com , I
d’agents que entren, de la capacitat de colonitzar, penetrar, multiplicar-se,
envair i lesionar i de la resistència de l’hoste.
ar g a L E G il
c
■ Virulència
s M I m a
De NOE @ g 3
És la gravetat del quadre desenvolupat a causa de l’agent patogen.
2 . 5
1 9 7 1 2 2
id o
Cadena epidemiològica
54 .
n l e g 9 . 1
És el conjunt de tres o quatre factors:
7
■ Reservori (font primària d’infecció): És el lloc on habitualment viu i es re-
produeix el germen. Pot ser l’home, un animal o un reservori inanimat.
■ Font d’infecció: És el ser animat o inanimat des d’on passa l’agent etio-
lògic a l’hoste o punt d’origen de l’agent infecciós fins l’hoste susceptible,
inclou objectes i també el terra, en canvi la femta, l’aigua i els aliments no són
considerats fonts. Segons això, font és l’home (homòloga), animals o terra
(heteròloga) quan des d’ells pot passar la infecció directa o indirectament a
l’hoste susceptible. Els reservoris humans poden ser malalts (clínics o subclí-
nics) i portadors.
72
■ Mecanismes de transmissió: Són el conjunt de mitjans i sistemes que facili-

ten el contacte de l’agent infectiu amb el subjecte receptor. Depenen de la via
d’eliminació, la resistència de l’agent etiològic en el mitjà, la porta d’entrada i
el grau d’infecciositat de l’agent.
• Transmissió directa: És el pas d’una malaltia transmissible de la font
d’infecció al subjecte sa susceptible per una relació immediata sense in-
terferències de cap altre element. Ens trobem les mossegades, el con-
tacte físic (contacte entre mucoses, transmissió en el part, via sexual,
transmissió a través de la mà contaminada, per l’aire…).
• Transmissió indirecta: quan hi ha separació en el temps i en l’espai entre
la font infecciosa i el subjecte susceptible, existint, entre ambdós, éssers
animats (animals, artròpodes) o inanimats (aliments, aigua, femtes). En
la transmissió indirecta ens trobem amb: transmissió indirecta a través
de l’aire, transmissió per l’aigua, contaminació d’aliments, femtes, sol,
banys, aparells amb aerosols...
■ Hoste susceptible: La susceptibilitat és la condició necessària per que
l’home es converteixi en hoste i s’infecti per un agent causal, depèn de molts
9
factors, edat, sexe, ètnia, professió, hàbits...).
9 7
8 1 15
3
17.3. Modes de presentació de les malalties
a
transmissibles
a d a B A ,
o r iz R I :
Les malalties transmissibles es poden presentar de diverses formes:
P
■ a u t O
ID .com , I
Esporàdica. En la seva incidència no influeix el temps ni el lloc.
ar g a L E G il
■
s c M I m a
Endèmia. Quan tenen una incidència relativament constant en una comuni-
De NOEtat.
2 @ g
. 5 3
9 7
Els nivell d’endèmia poden variar:
1 1 2 2
• id o 54 .
Holoendèmia: Afecta a més del 75% de la població.
n l e g 9 . 1
• 7
Hiperendèmia: Afecta entre el 50 i el 75% de la població.
• Mesoendèmia: Afecta entre el 10 i el 50% de la població.
• Hipoendèmia: Està afectada menys del 10% de la població.
La letalitat sol ser uniforme.
■ Endoepidèmia. És una endèmia en la que es donen de tant en tant brots o
elevacions de la incidència sobre una situació basal d’endèmia.
■ Epidèmia. És l’augment de la incidència habitual d’una malaltia transmissible
en una població i que planteja un problema sanitari. En ocasions s’utilitza
73
aquest terme en malalties no transmissibles. És un concepte relatiu segons la

malaltia i la població a la que afecti.
■ Pandèmia. És l’extensió d’una epidèmia a la totalitat o gran part del món,
rebassa les fronteres. Està associada generalment a una ràpida difusió i com-
porta la idea de gravetat.
17.4. Mesures de prevenció i control de les malalties

transmissibles
La profilaxi pot ser:
■ D’exposició: Evitar que els gèrmens es posin en contacte amb la població

susceptible, mesures sobre la font d’infecció i els mecanismes de transmissió.
Diagnòstic precoç i enquesta epidemiològica.
■ De disposició: Protegir els subjectes susceptibles mitjançant immunització
activa o passiva i l’administració de fàrmacs.
Segons el lloc de la cadena epidemiològica sobre el que es vagi a actuar es pren-
dran diferents mesures de control, quan l’estratègia esta centrada en l’actuació sobre
9 9 7
la font d’infecció, les mesures fonamentals inclouen el diagnòstic precoç, l’enquesta
1 15
epidemiològica (declaració obligatòria per a prendre les mesures adients), l’aïllament,
8
3
la quarantena, de desinfecció concurrent i l’educació sanitària.
a
a d a B A ,
o r iz R I
Accions sobre les malalties transmissibles
P :
■
a
Aïllament u t O
ID .com , I
ar
• g a L E G il
Aïllament estricte: Habitació individual amb la porta tancada. Ús obligatori
s c M I m a
De NOE g
de bata, mascareta i guants. Rentat de mans previ i posterior a la manipu-
2 @ 5 3
lació. El material de rebuig s’incinera i l’altre es neteja i esterilitza.
7 2 .
•
o 1 9 . 1 2
Aïllament respiratori: Habitació individual amb porta tancada, ús obligatori
g id 1 54
de mascareta, rentat de mans abans i desprès d’entrar a l’habitació. El
.
n l e 7 9
material rebutjable s’incinera i l’altre es renta o esterilitza.
• Aïllament entèric: Ús de bata i guants sempre que existeixi contacte
amb el pacient o les seves excrecions. Rentat de mans abans i desprès
d’entrar a l’ habitació. El material de rebuig s’incinera i l’altre es renta o
esterilitza.
• Aïllament protector: Habitació individual amb porta tancada. Ús obligatori
de bata, mascareta i guants. Rentat de mans previ i posterior a la mani-
pulació. Material rebutjable i estèril.
74
• Aïllament de pell i mucoses: Desitjable però no imprescindible habitació

individual. Ús de guants i rentat de mans, ús de bata i mascareta al fer les
cures.
És necessari desinfectar la roba de llit… etc.
■ Quarantena
Restricció de l’activitat de persones aparentment sanes, que han estat expo-
sades al contagi d’una malaltia transmissible, la seva duració està en relació
al període d’incubació de cada malaltia. Els afectats queden aïllats en el seu
allotjament o en locals especials segons la malaltia transmissible a la que
s’hagin exposat.
■ Desinfecció
Mesura per la qual es destrueixen els agents infecciosos expulsats fora de
l’organisme de l’individu malalt, mitjançant productes físics o químics. Es pot
fer durant la malaltia o quan el pacient abandona el lloc on ha estat.
■ Educació sanitària
9 9 7
Informació adequada als familiars i personal que els atén.
■
8 1 15
Acció sobre els mecanismes de transmissió
a 3
Solen ser mesures de sanejament e higiene. Depenen de la malaltia trans-
a d a A ,
missible que sigui. Les mesures en malalties de transmissió per via respira-
B
o r iz R I :
tòria s’utilitzen sobre tot a nivell hospitalari. En les de transmissió per via di-
P
u t O
ID .com , I
gestiva ens trobem amb el sanejament d’aigua potable, control de l’eliminació
a
ar g a L E G
de residus i control dels aliments. En les que es transmeten per contacte
il
s c I a
directe pell i mucoses) s’utilitzen mides individuals mitjançant la informació i
M m
De NOE 2 @ g
l’educació sanitària i quan la via de transmissió és per artròpodes es realitzen
. 5 3
1 9 7 1 2 2
desinsectacions periòdiques, desratització, etc.
■
id o
Accions sobre l’hoste
54 .
n l e g 9 . 1
7
És el control de la població sana i es realitzen fonamentalment immunitza-
cions actives o passives dels grups de risc (vacunes), administració de qui-
mioprofilaxi (gamma-globulines, antibiòtics) i sobre tot l’educació sanitària.
18. DEFINICIÓ DE CAS DE LES MALALTIES DE

DECLARACIÓ OBLIGATÒRIA
El sistema de declaració obligatòria de malalties (MDO) es basa en la declaració
que fan els metges quan sospiten l’existència de qualsevol de les malalties que con-
formen la llista de les MDO.
75
L’any 1993 es van establir els criteris que servissin de referència als professionals
sanitaris a l’hora de realitzar la declaració obligatòria i als epidemiòlegs a l’hora de
validar les dades.
L’any 2000 es van introduir alguns canvis en el llistat de malalties que cal notificar,
així, es va suprimir la definició de pneumònia, que va deixar de ser una malaltia de
declaració obligatòria i s’hi va afegir dues noves entitats: la gastroenteritis per Esche-
richia coli i la síndrome hemolítica urèmica.
La llista de malalties de declaració obligatòria es va ampliar l’any 2006 amb les
següents incorporacions: limfogranuloma veneri, herpes genital, infecció genital pel
virus del papil·loma humà i infecció per tricomones.
L’any 2009, es suprimeix la definició d’infecció pel virus del papil·loma humà (VPH)
i s’incorporen les definicions de les següents malalties: condiloma acuminat en lloc de
la infecció pel virus del papil·loma humà (VPH), infecció del virus de immunodeficièn-
cia humana (VIH) i hepatitis C com a noves malalties de declaració obligatòria.
19. MALALTIES DE DECLARACIÓ OBLIGATÒRIA A

CATALUNYA
9 9 7
1 15
L’1 de gener de 1997 va entrar en vigor el Decret 395/1996, de 12 de desembre,
8
3
pel qual s’estableixen els procediments de notificació de les malalties de declaració
a
a d a A ,
obligatòria i brots epidèmics al Departament de Sanitat i Seguretat Social.
B
o r iz R I P :
Aquesta normativa estructura els elements bàsics de la declaració de malalties
a u t O
ID .com , I
per tal d’aconseguir-ne una vigilància i un control adequats. Dissenya un circuit únic
ar g a E G il
(vàlid per a tots els tipus de declaració: numèrica, individualitzada i urgent) per a la
L
s c I m a
tramesa de la informació MDO, defineix què es considera unitat declarant per al siste-
M
De NOE @ g 3
ma de notificació de malalties, indica les persones que hauran d’adoptar les mesures
2 . 5
9 7 2
necessàries per al control de les diferents malalties i enumera quines són les malalties
1 1 2
o 4 .
que han de ser objecte de notificació. També especifica el procediment i circuit de
id 5
e g . 1
notificació dels casos de Sida.
n l 9
7
El Decret 145/2003, modifica el circuit de notificació de les infeccions de trans-
missió sexual, de manera que és el Centre d’Estudis Epidemiològics sobre la Sida
de Catalunya (CEESCAT) el destinatari de les notificacions relatives a les malalties
d’aquesta naturalesa, a partir del 2004, passa a concentrar la informació epidemiolò-
gica relativa a les infeccions de transmissió sexual rebudes a les unitats de Vigilància
Epidemiològica del Servei Territorial corresponent del Departament de Salut o del
Servei d’Epidemiologia de l’Agència de Salut Pública.
76
19.1. Malalties què s’han de declarar

Una de les funcions principals dels sistema de malalties de declaració obligatòria
(MDO) és la vigilància epidemiològica d’aquelles malalties i els brots epidèmics de
qualsevol etiologia que s’han considerat objecte de control prioritari a Catalunya.
Concebut per detectar, al més aviat possible, qualsevol d’aquest problemes de
salut, la simple sospita d’alguna de les malalties ressenyades posteriorment, obliga al
professional sanitari que les detecti a notificar-les, seguint el circuit, el procediment i
la periodicitat que s’especifiquen en cada cas.
La declaració, doncs, està basada en la sospita. Aquest fet dóna més sensibilitat
al sistema de notificació de malalties per detectar l’existència de possibles problemes.
Amb la finalitat de millorar la qualitat de la informació dels sistema de malalties
de declaració obligatòria (MDO), l’any 1994 es van establir per primera vegada uns
criteris uniformes que poguessin servir de referència als sanitaris declarants a l’hora
de saber què és el que cal declarar i a les unitats d’epidemiologia per classificar els
casos sospitosos o confirmats.
L’any 1996, coincidint amb la publicació del Reial decret de creació de la Xar-
9 7
xa de Vigilància Epidemiològica, el Grup de Treball de Vigilància Epidemiològica del
9
8 1 15
Consejo Interterritorial del Sistema Nacional de Salud va consensuar unes definicions
3
de cas de les malalties a declarar que permetin distingir entre els casos declarats, els
a
a d B A ,
confirmats i els que no ho són d’una manera uniforme, a nivell de tot l’Estat espanyol.
a
19.2 Llista de malaltieso r izdeclaració R I P :
2015 a u t de
O
ID .com
obligatòria
, I
pel
ar g a L E G il
c I a
El llistat de malalties de declaració obligatòria actualitzada, en data de publicació
s M m
De NOE 2 @ g
17 de setembre de 2015 al DOGC, així com la seva forma de notificació, la trobareu
. 5 3
1 9 7
en la direcció web: http://portaldogc.gencat.cat/utilsEADOP/PDF/6958/1444533.pdf
1 2 2
id o 4 .
Des de l’any 2001 funciona el Sistema d’Urgències de Vigilància Epidemio-
5
n l e g . 1
lògica de Catalunya (SUVEC). Es tracta d’un telèfon (627 480 828) que atén les
9
7
notificacions de les malalties de declaració urgent i/o els brots epidèmics que es pro-
dueixen fora de la franja horària els dies feiners i durant les 24 hores els dissabtes,
diumenges i festius.
Els equips d’atenció primària (EAP) de les àrees bàsiques de salut (ABS) en fun-
cionament, en el territori de Catalunya són unitats declarants per al sistema de decla-
ració obligatòria de malalties. En aquestes, el director de l’equip d’atenció primària és
l’aglutinador de la declaració provinent dels metges dels equips d’atenció primària que
pertanyin als seu territori. Així mateix, els directors dels equips d’atenció primària han
d’adoptar les mesures sanitàries que s’hagin de dur a terme a nivell dels malalts i el
77
seu entorn més immediat. Aquesta funció la realitzaran seguint els Protocols de Vigi-
lància i sota les orientacions precises dels tècnics de les seccions i les unitats d’epide-
miologia o de l’Agència de Salut Pública de Barcelona, en el cas de Barcelona ciutat.
20. METODOLOGIA DE LA INVESTIGACIÓ: TÈCNIQUES

QUANTITATIVES I QUALITATIVES
20.1. Conceptes
La metodologia d’investigació es defineix com el procès d’activitats desenvolu-
pades de manera sistemàtica per augmentar els coneixements en qualsevol materia.
Pel desenvolupament de la metodologia és necessari un mètode científic, aquest es
defineix com estudi empíric, controlat, crític, útil i sistemàtic d’hipòtesi per intentar
establir relacions entre varis succesos.
En el mètode científic el tipus de pensament utilitzat és el Raonament Lògic, mit-
jançant els seus dos mètodes:
■ Mètode Inductiu, és aquell que parteix de dades partículars per arribar a una
conclusió general. 9 9 7
■ 8 1 15
Mètode Deductiu, és aquell que parteix de dades generals vàlides per arri-
a 3
bar a una conclusió de tipus particular.
a d a B A ,
o r iz R I P :
El raonament lògic i, per tant, els seus mètodes, ens permetran a través de fets
a u t O
ID .com , I
observables, empírics i deterministes, extreure regles generals, o el que és el mateix,
ar g a
lleis científiques.
L E G il
s c M I m a
De NOE 2 @ g
En tot estudi científic bio-psico-mèdic es contemplen tres aspectes que no s’in-
. 5 3
cloueixen en altres investigacions científiques: matís ètic, confidencial i respecte a
1 9 7 2 2
l’intimitat. En la recollida de dades biològiques i psicosocials,en persones es poden
1
id o 54 .
utilitzar dos tipus de tècniques:
n l e g 9 . 1
■ 7
Quantitatives: El seu objetiu és predir els esdeveniments després d’haver
establert una relació causal entre les variables observades. Els procediments
més utilitzats són el sreening i els estudis epidemiòlogics.
■ Qualitatives: Es tracta de recollir les apreciacions dels subjectes inclosos
en l’estudi. El mètode més freqüent d’obtenció d’informació és l’enquesta mi-
tjançant qüestionaris, entrevistes o observacions dels participants. Totes les
dades obtingudes són processades mitjançant mètodes com: Tècnica Delphi,
Grups Nominals i Incidents Crítics.
78
21. ESTRUCTURA METODOLÒGICA D’UN TREBALL

CIENTÍFIC
Intentant sistematitzar aquest esquema, podem resumir que tota investigació té
les següents fases:
■ Preparatòria o Preliminar.
■ Planificació.
■ Recollida de dades.
■ Anàlisi de dades.
■ Comunicació de la investigació i/o conclusió.
21.1. Preliminar
És lògic pensar que abans d’iniciar tot procés hem de tenir clar el perquè del
mateix. És cert que de vegades ens embarquem en la realització de tasques sense
haver-nos parat a pensar en el propòsit de les mateixes. Quan desitgem realitzar un
estudi rigorós no podem obviar aquesta fase. No és sempre fàcil tenir clares les raons
que ens porten a investigar un fet.
9 9 7
8 1 15
L’observació d’un fet del qual no trobem una justificació, la possibilitat d’alguna
a 3
ajuda econòmica, la presentació d’alguna ponència, la pertinença a algun equip o de-
a d a B A ,
partament que estigui realitzant una investigació, la lectura de literatura d’infermeria,
o r iz R I P :
etc... poden ser alguns dels motius pels quals decidim investigar.
a u t O
ID .com , I
ar g a E G il
21.1.1. Recerca de documentació o revisió bibliogràfica
L
s c M I m a
De NOE 2 @ g
La revisió de la literatura respon a la pregunta: Quina informació sobre el proble-
. 5 3
ma està disponible?, i ens permetrà centrar el nostre tema d’investigació en:
1 9 7 1 2 2
■
id o 54 .
Identificació del problema.
n l e g 9 . 1
■ 7
Priorització.
■ Anàl·lisi del problema.
■ Justificació de la investigació.
Els criteris fonamentals per prioritzar problemes d’investigació han de ser:
■ Extensió del problema (magnitud): Definit per la prevalença i/o la incidència

del mateix.
■ Gravetat del problema: Letalitat, repercussió social.
79
■ Vulnerabilitat: és a dir, capacitat de solucionar el problema a estudiar.

■ Cost.
La justificació de l’estudi es basa en la necessitat de noves aportacions sobre un

determinat tema, la importància i la utilitat o benefici del mateix.
21.2. Planificació
El resultat d’una investigació està directament relacionat amb la capacitat del in-
vestigador per planificar, de manera sistemàtica i de manera sensata, les seves actu-
acions. Aquesta etapa requereix gran quantitat d’esforços i de temps, sol ser la més
difícil. En aquesta etapa es poden distingir:
■ Formulació de la hipòtesi i objectius de l’estudi.

■ Planificació de la metodologia:
• Població d’estudi.
• Variables a estudiar.
• Tipus d’estudi.
9 9 7
• 1
Mètode de recollida d’informació.
8 15
a 3
•
a d B A ,
Sistema de registre i processament de la informació.
a
■
r iz R I :
Planificació dels temps i accions, és a dir, cronograma d’activitats.
o P
a u t O
ID .com , I
ar g a L E G
21.2.1. Formulació dels objectius i hipòtesi
il
s c M I m a
Definir les hipòtesi i els objectius és una fase crucial de tot treball de investigació,
De NOE @ g 3
és el punt de sortida de la mateixa. De l’adequada o inadequada formulació d’aquests
2 . 5
1 9 7 1 2 2
dependrà l’estructura posterior de l’estudi que volem realitzar. Qualsevol professional
id o 4 .
és capaç de formular en un breu plaç de temps l’objectiu de l’estudi, però el que és
5
n l e g . 1
més problemàtic és plantejar un objectiu que sigui comprès per tothom, que sigui clar,
9
7
mesurable i que sigui contestat al finalitzar l’estudi.
Un vegada que hem identificat el problema a investigar ens preguntem:
Perquè succeirà aquesta situació? La resposta que ens donem a aquesta pregun-
ta seria la hipòtesi central de la investigació.
21.2.2. Hipòtesi
Una hipòtesi és un supòsit, una temptativa, que s’intentarà comprovar a través de
la realització de la investigació. La Hipòtesi d’entrada pot ser acceptada o rebutjada
80
mitjançant les nostres troballes. L’esmentada comprovació requereix de la realització

de proves estadístiques.
21.2.3. Població a estudi

És el conjunt o subconjunt d’unitats que se’n va a estudiar. L’elecció de la població
a estudiar és un aspecte fonamental, que vindrà definit per uns criteris de selecció
(inclusió o exclusió) que s’estableixen a l’inici de l’estudi. A la selecció dels subjectes
a estudiar ens hem de qüestionar:
■ A qui estudiem: Es refereix a la selecció dels subjectes segons diferents crite-

ris.
■ Quants desitgem o necessitem estudiar: Mida de la població o de la mostra.
■ Com els seleccionarem: Tipus de mostreig. Representativitat.
21.2.4. Variables
Una vegada definida la població a estudiar ens interessa definir quines variables
es desitgen conèixer en les persones que estudiem.
9 9 7
8 1 15
Una variable és una característica que es vol observar per veure la seva evolució.
Això ens indica que ha de reunir una sèrie de condicions, en primer lloc que sigui ob-
a 3
servable y mesurable mitjançant alguna escala, ja sigui nominal, ordinal, de interval
o de raó.
a d a B A ,
o r iz R I P :
a u t O , I
En funció de la relació es diferencien dos tipus de variables:
ID .com
■
ar g a L E G il
Variable independent: És aquella característica o propietat que es suposa
s c M I m a
De NOE 2 @ g
és la causa del fenomen estudiat. A la investigació experimental s’anomena
. 5 3
així a la variable que l’investigador manipula.
1 9 7 1 2 2
■
id o 54 .
Variable dependent: Hayman la defineix com propietat o característica que
n l e g 9 . 1
es prova de canviar mitjançant la manipulació de la variable independent.
7
La variable dependent és el factor que és observat i mesurat per determinar
l’efecte de la variable independent.
Entre els criteris per seleccionar variables hem de prioritzar i s’han de seleccionar
aquelles variables que ens permetin aconseguir els objectius de l’estudi. La facilitat
en la seva obtenció, la fiabilitat en la seva recollida, que afecten les característiques a
estudiar, etc… són alguns dels criteris a tenir en compte.
81
21.2.5. Mètode de recollida d’informació

Cal dissenyar algun mètode per recollir informació referida a les variables que
volem estudiar.
El tipus d’informació o dades a recollir determinarà el mètode de recollida. Les
dades a recollir poden ser de caràcter quantitatiu o qualitatiu.
La informació sobre les variables poden existir en algun tipus de font o registre
(font secundària d’informació) o al contrari cal generar-la (font primària).
La decisió d’optar per una o una altra tècnica estarà en funció del grau de conei-
xement que es té del problema a investigar.
21.2.6. Fase d’anàlisi i interpretació dels resultats

La finalitat de l’anàlisi és acceptar o rebutjar la hipòtesi (conceptual o operacional)
de què partíem en iniciar-se l’estudi.
El tipus d’anàlisi serà diferent depenent del tipus de disseny utilitzat i de la tècnica
utilitzada en la recollida d’informació.
21.2.7. Conclusions 9 9 7
8 1 15
La comunicació de l’estudi és l’última i aconsellable etapa d’una investigació.
a 3
a d a B A ,
L’estudi es dóna per conclòs quan ha finalitzat, però el més adequat seria que el seu
fi fos la difusió en algun mitjà que pugui resultar d’interès per a uns altres.
o r iz R I P :
a u t O , I
Ens estem referint a la publicació en alguna revista, la presentació com ponència,
ID .com
ar a L E G
la presència en alguna biblioteca, etc.
g il
s c I m a
Si volem realitzar un informe final per presentar l’estudi a alguna institució que el
M
De NOE @ g 3
vol finançar o per la publicació en alguna revista, s’aconsella la concreció i la claredat.
2 . 5
1 9 7 1 2 2
El Comitè Internacional d’Editors de Revistes Científiques recomana unes nor-
id o 54 .
mes denominades de Vancouver, que ha de complir qualsevol article a publicar:
n l e g 9 . 1
7
1. Títol: S’ha d’escollir amb molta cura; no ha d’excedir de 15 paraules, sense
abreviatures, argots, ni sigles, descriurà el contingut de manera específica
amb exactitud i claredat.
2. Resum: És de tipus estructurat en castellà, català o anglès. Consisteix en un
paràgraf format per un conjunt de frases i oracions curtes, que descriuen el
més rellevant de cadascuna de les parts del manuscrit, en un màxim de 250
paraules i amb els següents apartats: Objectiu, Mètodes i materials, Resultats
i discussió, Conclusions i Paraules Clau.
82
3. Introducció i Objectius: Descripció del que s’intenta assolir amb els resul-
tats de l’estudi. Ha de respondre a la pregunta d’investigació.
4. Material i mètodes: En aquest apartat es descriu de manera concisa com
es va fer l’estudi, el disseny del treball, la població o mostra i com es va se-
leccionar, lloc i dates inicials i final en que es va realitzar l’estudi, així com els
procediments, les variables i els mètodes estadístics utilitzats per al anàlisi de
les dades.
5. Resultats: s’enuncien les troballes i les observacions més rellevants mi-
tjançant la presentació de dades concretes. Es destaquen aquí també els
resultats més innovadors, així com el seu significat.
6. Conclusions o discussió: Han de tenir relació directe amb l’objectiu de
l’estudi i tenir el suport de les dades obtingudes. En aquest apartat també es
poden incloure algunes recomanacions quan els autors considerin pertinent
fer-les. És l’única part del resum que es redacta en temps present.
7. Bibliografia: Part important de l’article que contribueix a donar fermesa
als fets exposats per l’autor. Les referències bibliogràfiques es consideren
d’actualitat quan tenen 10 anys o menys de confeccionades. La citació en el
9 9 7
text es farà amb números aràbigues tancats en parèntesi.
8 1 15
8. Apèndixs: Completen i/o il·lustren el desenvolupament del tema volent com-
a 3
plir el requisit de que el que s’ha informat, donada la seva extensió o configu-
a d a B A ,
ració, no encaixi bé dins del cos de l’article.
o r iz R I P :
a u t O
ID .com , I
ar a
22. FONTS DEgDADES
L E G il
s c M I m a
De NOE 2 @ g
El procés de revisió de la literatura és un procés sistemàtic de recerca i coneixe-
. 5 3
ment de les fonts documentals escrites. Les fonts de dades són l’origen de la infor-
1 9 7 1 2 2
mació que necessitarem per l’inici de l’estudi científic. Les podem classificar segons
i
el seu origen en:d o 54 .
n l e g 9 . 1
■ 7
Primàries: Són autosuficients, contenen la informació. Són fonts inèdites,
originals, escrites de primera mà per l’autor. Exemple: Articles originals d’una
revista, els manuals, tesis doctorals i les monografies.
■ Secundàries: No són autosuficients, són fonts guia. Són documents que
contenen informació sobre les fonts primàries, són obres de referència que no
ofereixen coneixements nous, però faciliten l’accés a les fonts primàries. Ex:
Índex d’una revista, les revistes literàries, etc. El seu objectiu és el de resumir
la informació, informar sobre el seu estat actual, proporcionar bibliografia,
discutir conclusions contradictòries, etc.
83
Gairebé totes les bases de dades impreses tenen un equivalent automatitzat per
a poder ser utilitzades amb un ordinador i, així, aconseguir una gran automatització i
rapidesa en el procés de recerca.
Les bases de dades recollides en forma de compacte són les més difoses i utilit-
zades avui dia. Les principals bases de dades són:
■ INDEX MEDICUS: Publicat per la National Library of Medicine. És l’índex de

literatura biomèdica periòdica més gran. S’edita a EEUU des de l’any 1960.
Reuneix unes 3000 revistes de tot el món. Recull tots els articles, sense im-
portar la seva qualitat. Es publica un número mensual.
■ INTERNATIONAL NURSING INDEX: Publicat per la National Library of Me-
dicine i sota els auspicis de l’ Associació Americana d’Infermeria. És de publi-
cació quadrimestral i s’acumula anualment: es seleccionen amb criteris rigo-
rosos revistes editades en més de 20 idiomes, preferentment en anglès.
Aquestes dos bases de dades, juntament amb l’INDEX DENTAL LITERATURE,

formen una base de dades informatitzada que s’anomena MEDLINE (medlars online).
Els avantatges més importants del MEDLINE són:
9 9 7
■ Rapidesa
8 1 15
■
a 3
Accés a material publicat recentment
a d a B A ,
■ Flexibilitat
o r iz R I P :
■
u t
Resums en un 50%
a O
ID .com , I
■
ar g a E G il
Cobreix la majoria de les revistes biomèdiques més prestigioses del món.
L
s c M I m a
De NOE @ g 3
Potser el problema més important per a nosaltres és que el 70% dels articles està
2 . 5
en anglès.
1 9 7 1 2 2
id o 54 .
■
n g . 1
EXCERPTA MEDICA: Editada a Amsterdam. És menys clínica i recull millor la
l e 9
7
literatura europea, sent molt important la farmacologia. La base informatitza-
da s’anomena EMBASE, a la què s’accedeix amb llenguatge lliure, utilitzant
l’usuari els seus propis termes de recerca. El més gran inconvenient és el seu
preu.
■ CURRENT CONTENT: Està publicat per l’Institute Scientific Information (ISI).
És un repertori que ens manté alerta sobre el que es va publicant. Conté els
sumaris dels últims números de les revistes a les poques setmanes de la
seva publicació. És ràpid i altament actualitzat.
84
■ SCIENCE CITATION INDEX: Publicat per l’ISI. És una de les millors bases
que existeixen. Ens permet conèixer el número de vegades que un determi-
nat article ha estat citat. És fonamental per conèixer la tendència de determi-
nades idees i l’impacte que aquestes produeixen en el desenvolupament de
la ciència. És molt cara i de poca utilització.
■ ÍNDEX MÈDIC ESPANYOL (IME): Està confeccionat pel centre de documen-
tació i informació biomèdica, recull els treballs sobre Ciències de la Salut que
es realitzen a Espanya.
■ ÍNDEX MEDICUS LLATÍ/AMERICÀ (IMLA): Recull les publicacions biomèdi-
ques llatinoamericanes. És una base de dades a tenir en compte pels profes-
sionals d’Infermeria del nostre país, ja que els articles són fonamentalment
en castellà i inclouen un nombre important de revistes d’infermeria d’aquests
països.
Al costat d’aquests grans repertoris o bases de dades d’informació biomèdica,

existeixen un conjunt de bases de dades bibliogràfiques de gran utilitat per a infer-
meria:
■ ANGELINE, sobre l’envelliment.

9 9 7
■
8 1 15
BIOETHICS, sobre ètica a la pràctica mèdica.
a 3
■
a d a
BIRD, sobre Salut Materno-infantil
B A ,
■
r iz
ENMEALT, sobre Salut Pública.
o R I P :
■ a u t O
ID .com , I
HDOK, sobre incapacitats físiques i psíquiques.
ar g a L E G il
■
s c I a
SOCIAL SCIENCE INDEX, sobre antropologia, sociologia i política.
M m
De NOE
■
@ g 3
CUIDEN, recull les publicacions d’Infermeria espanyola.
2 . 5
1 9 7 1 2 2
o 4 .
És important aclarir bé el termes de recerca, ja que en algunes institucions l’accés
id 5
e g . 1
a la informació és gratuït, a d’altres és selectiu i a d’altres és precís pagar per aquesta
n l 9
informació. 7
Amb independència del tipus de variable del nostre estudi, és necessari que el
seu disseny ens permeti reflexar el problema que ens ocupa d’una manera efectiva,
és a dir, necessitem que el nostre estudi tingui Validesa Interna. Si a més, els resultats
són reproduïbles i extensibles per a poblacions diferents a l’estudiada, estem dient
que tenen una Validesa Externa. Associats a la validesa interna tenim d’altres concep-
tes importants. El primer d’ells, és el de l’error aleatori o precisió de l’estudi i el segon,
és el concepte d’error sistemàtic o biaix.
85
Un biaix és una errada que apareix en els resultats d’un estudi a causa de factors
que depenen de la recollida, anàlisi, interpretació, publicació o revisió de les dades,
que poden conduir a conclusions que són sistemàticament diferents de la veritat o
incorrectes sobre els objectius d’una investigació. Aquesta errada pot ser sistemàtica
o no, i és diferent a l’error aleatori.
En el disseny i elaboració d’un estudi d’investigació en clínica, pot haver diferents
tipus de biaixos:
■ Biaixos de selecció: Les persones estudiades no són representatives de la

població a estudiar, ni en número ni en tipus. És freqüent cometre’ls en els
estudis de casos i controls.
■ Biaixos de pèrdues: Les persones que es necessiten estudiar poden no
voler col·laborar amb l’estudi, haver mort, canviat de domicili,etc.
■ Biaixos d’informació: Es produeix durant la fase de recollida de dades o
quan hi ha un mal disseny. Es produeix el biaix de contaminació o Hawthorne,
que consisteix en variar la resposta o comportament del subjecte investigat,
pel fet de saber que està sent observat.
■
9 9 7
Biaixos de confusió: Es produeix quan no es neutralitza la influència de
1 15
variables estranyes que incideixen sobre les variables dependents d’estudi.
8
3
S’anomena també variable concomitant de Lellouch o factor de distorsió. Es
a
a d a B A ,
neutralitza randomitzant o el que és el mateix, repartint els subjectes a estudi
o r iz
en grups de manera aleatòria.
R I P :
a u t O
ID .com , I
ar g
23. INVESTIGACIÓ
a L E G
EN INFERMERIA il PROBLEMES
BÀSICA: ESTUDIS
s c M I m a
De NOE
D’IDENTIFICACIÓ I
2 @ g
PRIORITZACIÓ DE
. 5 3
9 7
23.1. Identificació de1problemes
1 2 2
id o 54 .
e g . 1
Dins de la fase de planificació es troba la fase d’identificació de problemes, el
n l 9
7
següent pas és la priorització dels mateixos.
En els estudis de planificació es realitza la recerca, detecció i definició dels pro-
blemes de salut d’una població, es tracta de realitzar el diagnòstic de salut de la
comunitat, que ens ajudarà en el disseny d’un programa de salut que resolguin les
necessitats detectades. Es tracta d’una activitat dinàmica.
Els estudis d’identificació utilitzen com a instruments per a la detecció de proble-
mes, tècniques qualitatives i quantitatives, que a més combinen per a l’obtenció de
millors resultats.
86
Dins de les tècniques qualitatives podem distingir entre:
■ Tècniques qualitatives individuals:

• Opinió del professional.
• Enquestes i entrevistes. És la tècnica aconsellable quan l’investigador
coneix l’existència d’un determinat nombre de variables específiques que
semblen exercir alguna influència sobre el problema a investigar. Poden
ser individuals o grupals.
• Reclamacions.
■ Tècniques qualitatives grupals: Conegudes també com mètodes de con-
sens. La informació obtinguda utilitzant les “tècniques de recerca de con-
sens”, consisteixen en unificar l’opinió d’un grup d’experts sobre un determi-
nat tema. En general, es fan servir per detectar problemes o necessitats de
salut en una comunitat, establir una priorització dels mateixos o proposar me-
sures o solucions per a ells. Solen complementar la informació recollida per
altres mètodes i poden ser útils per “mobilitzar” als participants i aconseguir la
seva col·laboració en altres activitats. Podríem classificar-les en funció de la
9 9 7
metodologia que empren en dos grups: les basades en la reflexió individual
1 15
(grup nominal, brainwriting, Delphi) i les basades en la interacció (tempesta
8
d’idees, fórum comunitari).
a 3
a d a B A ,
o r iz R I
Tècniques basades en la reflexió individual
P :
■ u t O
ID .com , I
El grup nominal s’utilitza sobretot en la identificació de problemes i en la seva
a
ar g a L E G
priorització. Es parteix d’un petit grup de persones (no més de 10), a les quals
il
s c I a
se’ls fa una pregunta inicial, objecte de la reunió, i se’ls demana que reflexio-
M m
De NOE 2 @ g
nin sobre el tema durant uns 10-20 minuts. Tot seguit, cadascú enuncia les
. 5 3
1 9 7 1 2 2
seves idees que es van anotant en un lloc visible. Després, les idees són
id o 54 .
aclarides i comentades, podent-se agrupar les afins. L’última fase consisteix
n l e g 9 1
en una votació per a prioritzar els problemes.
.
■ 7
La tècnica Delphi es realitza sense contacte físic entre els experts (no han
de ser gaires), emprant el correu com a mitjà de tramesa d’enquestes. La
primera enquesta se’ls remet amb una carta de presentació i l’explicació de
la tècnica. Les respostes són analitzades, agrupant-se per donar origen al
segon qüestionari, on se sol·licita una puntuació segons el grau d’acord amb
cada ítem. A l’anàlisi del segon qüestionari es sumen els punts obtinguts i es
fa un resum dels comentaris realitzats a cada cas. Amb els ítems més pun-
tuats es construeix un tercer qüestionari en el qual es demana una prioritza-
ció, tenint en compte, les opinions dels altres. El mètode Delphi té l’avantatge
87
de permetre la participació de persones allunyades i donar molt de temps per

a elaborar les respostes, però pot perllongar-se massa (1-2 mesos mínim) i
poden ser abandonades precoçment idees interessants.
■ La tècnica anomenada brainwriting és una variant del grup nominal que, a
l’igual que aquesta, es basa en la reflexió individual dels participants (de 6 a
8). La diferència fonamental està en el fet que l’animador aporta les idees ini-
cials, que col·loca en el centre de la taula. Durant el període de reflexió, cada
participant escriu en una fulla les seves idees. A l’acabar, canvia la seva fulla
amb un altre participant i fa les seves anotacions que consideri oportunes o
afegeix de noves. Es van intercanviant els fulls fins a esgotar els suggeri-
ments. Després es prossegueix com en el grup nominal, discutint les idees i
relacionant-les segons un ordre de prioritat.
Dins de les tècniques basades en la interacció destaquen:

■ Brainstorming (tempesta d’idees): Consisteix en reunir un grup de persones
no molt nombrós (8-10), el que es convida a enunciar les idees que se’ls
ocorrin, per absurdes que puguin semblar. S’estableix un torn rotatori i cada
persona pot emetre una sola idea cada vegada. Està absolutament prohibida,
9 9 7
durant l’exposició, la discussió o la crítica a algun comentari. La sessió no
1 15
sol durar més de 20-40 minuts. Aquesta tècnica és especialment recomana-
8
3
ble per generar idees en l’anàlisi de problemes o l’exploració de solucions
a
a d a A ,
originals, però ha de ser complementada amb un altre mètode per establir
B
prioritats.
o r iz R I P :
■ a u t O
ID .com , I
El fòrum comunitari és una assemblea oberta a tota la comunitat que serveix
ar g a E G il
per a la identificació de problemes i necessitats de salut.
L
s c M I m a
De NOE
■
2 @ g
El mètode d’impressions de la comunitat resulta de la combinació d’altres
. 5 3
mètodes, en un intent d’integrar la informació “objectiva” amb l’”opinió” de la
comunitat.
1 9 7 1 2 2
id o 54 .
l e g 9 . 1
Dins de les tècniques quantitatives distingirem:
n 7
■ Enquestes tancades. Es diferencia de la tècnica qualitativa perquè es realitza
amb un format estructurat de preguntes tancades que permet la seva quanti-
ficació.
■ Indicadors: Són variables que ens proporcionen informació “quantitativa” i
“objectiva” (sol procedir de registres o fonts estables). Han de ser vàlids (me-
surar el que pretenem), específics (detectar només els canvis en l’estudiat)
i sensibles (detectar els canvis per mínims que siguin). Poden expressar-se
com a freqüències absolutes (nombre de casos apareguts en un any, mitjana
88
de pacients diàriament, etc atesos..), relatives (raó, proporció o taxa) o com

a mesures de risc (risc relatiu, atribuïble, odds-proporció, etc.). Els indicadors
es divideixen en demogràfics, socioeconòmics, del nivell de salut, mediam-
bientals i d’estil de vida.
■ Tècniques indirectes.
23.2. Priorització de problemes

Realitzada la detecció de problemes, es procedirà a la seva priorització. Prioritzar
significa escollir aquell que estudiarem primer, però hem de tenir cura perquè impor-
tància no és el mateix que prioritat.
Una correcta priorització determina la situació que ha de ser abordada en primer
lloc, amb una possibilitat de millora més rellevant o un impacte en la qualitat més po-
sitiu. No sempre allò que hem de fer primer coincideix amb el que creiem que és més
important, sinó que ha de veure més amb la possibilitat de ser abordat.
23.2.1. Mètodes de priorització
9 9 7
Existeixen diversos mètodes de priorització, un dels més utilitzats és el mètode
1 15
HANLON. En aquest mètode la unitat d’anàlisi són els problemes de salut. Cada pro-
blema de salut (per exemple la hipertensió) és avaluat segons quatre àrees: magnitud
8
a 3
del problema, severitat, eficàcia de les solucions disponibles i factibilitat d’aplicar la
solució.
a d a B A ,
o r iz R I P :
■
u t O , I
La gravetat o severitat del problema (G), que s’estableix entre 0 i 10 punts.
a ID .com
■
ar g a E G il
La magnitud o extensió (M), que també es valora en una escala de 0 a 10,
L
s c M I m a
segons el nombre de persones que afecti.
De NOE
■ 2 @ g
. 5 3
L’eficàcia de la intervenció (E), que es puntua entre 0’5 i 1’5.
1 9 7 1 2 2
■ o 4 .
La factibilitat del programa (F), que pren valor 1 o O segons es consideri així
id 5
n e g . 1
o no. Aquest criteri es descompon per a la seva anàlisi en cinc factors, que
l 9
7
són pertinència, acceptabilitat, factibilitat econòmica, disposició de recursos i
legalitat.
La puntuació ve donada per la fórmula:
(G+M)xExF
Una vegada definides les puntuacions en cada àrea, s’aplica una fórmula
amb què s’obté la puntuació final o puntuació de cada problema avaluat.
Altres mètodes de priorització:
89
■ El mètode OPS-Cendes, d’àmplia difusió, desenvolupat entre 1961 i 1962 per

la Universitat Central de Veneçuela en col·laboració amb l’OPS, per a la for-
mulació de plans de salut, basa la fixació de prioritats en quatre dimensions:
magnitud (M) (extensió), transcendència (T) (gravetat), vulnerabilitat (V) i re-
lació cost/efectivitat (CE). Resultant la puntuació final de la fórmula:
MxTxV/CE
■ La graella de decisions o algoritme de decisions: La diferència amb els mèto-

des anteriors arrela que la graella d’anàlisi no es tradueix en una expressió
matemàtica, sinó en una representació gràfica. Els criteris valorats poden
variar en funció de l’estudi. Cada problema és analitzat seqüencialment, apli-
cant els criteris per ordre d’importància (el que es consideri més important
s’aplica en primer lloc) i de forma dicotòmica (si o no).
■ Método DARE (Decisió alternative evaluation): El més ressenyable d’aquest
mètode de priorització és que als criteris elegits, que poden ser diferents en
cada problema a analitzar, se’ls assigna un pes específic. Els criteris són
denominats per l’experiència i opinió de les persones que formen el grup de
treball.
9 9 7
24. INVESTIGACIÓ INFERMERIA APLICADA: 8 1 15
ESTUDIS
a
DESCRIPTIUS I ANALÍTICS DELS DIAGNÒSTICS
3
INFERMERS UTILITZATS, ESTUDIS a d a DE PROCESSOS
B A , I
o r iz R I P :
RESULTAT
a u t O
ID .com , I
ar g a
24.1. Tipus d’estudi o
L E
disseny G il
s c M I m a
De NOE 2 @ g
La decisió entorn del disseny que s’utilitzarà en la investigació és d’enorme im-
. 5 3
portància.
1 9 7 1 2 2
id o 4 .
Depenent del disseny a utilitzar podem establir un tipus o un altre de relació entre
5
l e g 9 . 1
les variables. A més, el disseny va a influir en l’anàlisi de les dades i en la interpretació
n
d’aquests. 7
Depenent dels objectius de la nostra investigació decidim si ens interessa una
metodologia més quantitativa, més qualitativa o ambdues. L’elecció d’un tipus o un
altre de metodologia va a influir en el mètode de recollida d’informació, en la selecció
de les variables, la població i la mostra, etc. Amb finalitats didàctiques, en veurem tres
classificacions, amb l’excepció que una investigació pot ubicar-se en algunes de les
següents classificacions:
90
■ Segons el temps d’ocurrència dels fets i registres de la informació

• Prospectiu: Es registra la informació segons van ocorrent els fenòmens.
• Retrospectiu: Són aquells en els quals l’investigador indaga sobre fets
ocorreguts en el passat.
■ Segons període i seqüència de l’estudi
• Transversal: Quan s’estudien les variables simultàniament en determi-
nat moment, fent un tall. El temps no és important ja que s’estudia un
fenomen en relació amb com es dóna en aquest moment donat. També
s’anomenen de Prevalença i són els més usats en la planificació sani-
tària. Aquests estudis són d’elecció quan no es pot determinar amb pre-
cisió el moment d’inici de l’esdeveniment que s’estudia. Per exemple, les
malalties cròniques de lenta evolució en que és impossible establir el
moment de començament.
• Longitudinal: Estudia una o més variables al llarg d’un període, que va-
ria segons el problema investigat i les característiques de la variable que
s’estudia. El temps sí que és important, ja que les variables seran mesu-
9 7
rades en un període donat o perquè el temps és determinant en la relació
9
causa-efecte.
8 1 15
■
a 3
Segons l’anàlisi i abast dels resultats
•
a d a A ,
Descriptiu: Els dissenys descriptius són aquells que es duen a terme
B
r iz R I P :
amb l’únic objectiu de descriure’n una o més característiques d’una po-
o
a u t O
ID .com , I
blació específica, per exemple, la freqüència d’una malaltia. No són aptes
ar g a E G
per establir la relació existent entre un efecte i la seva possible causa.
L il
s c M I m a
De NOE 2 @ g
Entre aquest tipus de dissenys es troben les “ sèrie de casos”. Els estudis
5 3
descriptius no són apropiats per determinar els beneficis que podrà tenir
.
1 9 7 2 2
una determinada cura de la salut.
1
id o 54 .
n
•
l e g 9 . 1
Analític: Els dissenys analítics estan destinats a analitzar les rela-
7
cions existents entre l’estat de salut i altres variables. Són els que millor
s’ajusten a l’objectiu d’avaluar factors de risc per a la salut. Es basen a
observar i inferir. Existeixen 2 tipus bàsics de dissenys analítics:
– Disseny Cas-control: També dits retrospectius o d’antecedents, són
estudis en els quals es compara a un grup d’individus que sofreixen
un dany a la salut (casos), amb un grup que no presenta l’esmentat
dany (controls o testimonis). Són dissenys relativament senzills i
econòmics, des del punt de vista operatiu, aptes per a la investigació
de les causes de danys de baixa incidència, en especial de malalties
91
rares o de lent desenvolupament. Revesteixen especial interès en el

camp de la fàrmaco-vigilància.
En els estudis cas-control la mesura de la força de l’associació entre
una exposició i el desenllaç d’una malaltia, s’estima calculant la raó
d’ocurrència (odds proporció, en anglès).
– Disseny de Cohorts: Una cohort és un conjunt de persones que tenen
una mica en comú. En aquests estudis, són observats durant un pe-
ríode de temps per analitzar l’evolució del seu estat de salut. Als es-
tudis de cohorts també se’ls denomina estudis prospectius, de segui-
ment o d’incidència. S’inicien amb un grup de persones no portadores
del dany d’interès, que es classifiquen segons la seva exposició a un
factor potencial de dany a la salut (grup exposat i grup no exposat).
Per expressar la mesura dels resultats d’un estudi de cohorts, s’utilitza
el càlcul del risc relatiu (RR) o altres mesures probabilístiques, és a
dir, la raó d’incidència de dany entre els exposats i no exposats, la
qual cosa permet estimar la força de l’associació entre el factor de
risc i el dany a la salut.
•
9 9 7
Experimental: Una investigació, assaig o experiment implica esbrinar si
1 15
és possible modificar la probabilitat d’ocurrència d’un esdeveniment en
8
3
grups de persones mitjançant l’aplicació d’una intervenció.
a
a d a B A ,
Els efectes d’una intervenció es mesuren comparant l’evolució del grup
o r iz R I P :
experimental amb la d’un grup control. Els estudis experimentals impli-
a u t O
ID .com , I
quen un intent actiu per canviar un determinant de la malaltia, tal com
ar g a E G il
una exposició, una conducta o el progrés d’una malaltia mitjançant una
L
s c M I
intervenció.
m a
De NOE 2 @ g
. 5 3
Es descriuen dos tipus bàsics de dissenys experimentals clínics:
1 9 7 1 2 2
–
id o 54 .
Assaigs comunitaris o gairebé-experimentals: Es denominen així als
n l e g . 1
experiments que es planegen comparant la incidència d’un determi-
9
7
nat punt final entre dues etapes definides en el temps, una quan no
s’aplicava la intervenció i l’altra, aplicant-la. Són cridats també estudis
“abans i després”. Són molt proclius als biaixos, ja que no controlen
la influència que podrien exercir els canvis de condicions ambientals,
demogràfiques, etc. entre els dos períodes de temps.
– Assaigs clínics controlats: En medicina el paradigma d’un estudi ex-
perimental és la investigació clínica controlada aleatoritzada (ICCA)
(randomized clinical trial, a llengua anglesa). L’ICCA és una investi-
gació experimental aplicada a la prova d’una nova cura per a la salut,
92
preventiu o terapèutic i la seva característica fonamental resideix que

els participants són assignats en forma aleatòria al grup intervenció o
al grup control.
Són els dissenys aptes per provar intervencions amb potencial per bene-
ficiar el pacient.
• Experiments.
24.2. Anàlisi de processos i resultats

Els processos assistencials inclouen activitats i decisions de diagnòstic i tracta-
ment fetes per atendre l’usuari i les realitzades per l’usuari, com a conseqüència de
l’atenció.
Les dades de resultat es refereixen a la variació del nivell de salut i satisfacció del
pacient amb l’atenció rebuda.
Mètode d’anàlisi de processos

■ Audit Mèdic: És l’avaluació retrospectiva de la pràctica assistencial realitza-
9 9 7
da pels propis professionals i encaminada a trobar solucions pràctiques als
8 1 15
dèficits que es detecten. El seu objectiu és aprendre dels errors. Els profes-
sionals identifiquen i prioritzen problemes, després de mesures correctores
a 3
es revaluen per comprovar la millora. S’usen criteris explícits i normatius.
a d a B A ,
■
o r iz R I
Anàlisi de perfils: Usat per a la detecció de problemes, monitoritzant parà-
P :
t O , I
metres i indicadors. És necessari realitzar una recollida periòdica de registres
a u ID .com
ar a
estadístics.
g L E G il
s
■ c I a
Anàlisi de decisions: Requereix establir les actuacions a seguir en un pro-
M m
De NOE 2 @ g
. 5 3
cés assistencial, recollint les variables possibles i l’anàlisi probabilística. És el
més complex.
1 9 7 1 2 2
id o 54 .
n l e g 9 1
Mètode d’anàlisi de resultats
.
7
Pretenen utilitzar sistemes d’anàlisis directes i alhora dinàmics, i el seu objectiu
és comprovar la variació de l’estat de salut d’un individu i/o la comunitat després de
l’atenció prestada. Aquest tipus d’anàlisi és el més difícil i controvertit, ja que cal tenir
en compte des de la intervenció de factors com el grau d’acceptació del pacient, fins
a la verdadera influència de l’atenció sobre el grau de salut de la població.
Els mètodes emprats per analitzar els resultats es poden classificar en quatre
grups:
93
■ Aquells que presenten l’estat de salut de la població a través dels indicadors

sanitaris negatius clàssics:
• L’anàlisi de la mortalitat.
• L’anàlisi de la mortalitat evitable.
• L’anàlisi de la mortalitat prematura i els anys potencials de vida perduda.
• L’anàlisi de morbiditat, relacionada amb la prevalença de les malalties.
■ Aquells que presenten l’estat de salut d’una població a través de mesures del
grau de malaltia i/o incapacitat:
• Nivells de gravetat (Disease Staging).
• Índex de gravetat de pacients (Pacient Severity Index: P.S.I).
• Determinació de traçadors (Tracers): Són un grup seleccionat de proble-
mes específics, els quals se sotmeten a una avaluació del diagnòstic,
tractament i evolució que hagin seguit, i les conclusions del qual s’utilitzen
per mesurar la qualitat assistencial en les cures de rutina prestades.
• Condicions sentinella (Sentinel Events).
9 9 7
■
15
Els que pretenen expressar directament el nivell de salut:
8 1
• 3
Estudis epidemiològics. Utilitzen les enquestes de salut, sent la millor ma-
a
a d a A ,
nera de conèixer la morbiditat sentida.
B
o r iz R I P :
•
a u t
Mètodes de consens.
O
ID .com , I
•
ar g a L E G
Satisfacció d’usuaris, coneguda per mitjà de l’estudi de la seva opinió.
il
s
■ c I m a
Aquells que presenten la producció sanitària, com la diversitat dels casos ate-
M
De NOE @ g 3
sos, és a dir, a base de classificar els malalts atesos de acord amb una sèrie
2 . 5
1 9 7
de paràmetres específics:
1 2 2
•
id o 54 .
Grups relacionats pel diagnòstic (GDR): Tracten d’avaluar la utilització
n l e g 9 . 1
dels recursos en els hospitals. Els diagnòstics es classifiquen segons
7
CIAR-la-9. Posteriorment, segons el sistema orgànic afectat, es realitza
una agrupació per categories diagnòstiques majors (CM), de les quals
sorgeixen els GDR, en els que intervenen el tractament quirúrgic (si n’hi
ha hagut), el diagnòstic principal, l’edat, les complicacions significatives i
la comorbiditat com a determinants de l’estada hospitalària i el cost.
• Grups de visita ambulatòria (AVG): Es tracta d’una classificació similar a
els GDR, encara que aplicada al medi ambulatori, que també es basa en
l’isoconsum de recursos.
• Grups d’utilització de recursos: S’utilitza per a malalts crònics.
94
25. BIBLIOGRAFIA
■ Abraira Santos V. Contrast d’hipòtesi: el valor pàg. SEMERGEN 28: 374-375.
2002.
■ Abraira Santos V. Inferència estadística bayesiana. SEMERGEN 31: 18-20.
2005.
■ García Salinero, J. Anàlisi de dades en els estudis epidemiològics V. Prova de
Chi quadrat i anàlisi de la Variància. Nure Investigación núm. 16, juny 2005.
■ García Salinero, J. Anàlisi de dades en els estudis epidemiològics IV. Estadís-
tica.
■ Inferencial. Nure Investigación núm. 19; novembre-desembre 2005.
■ http://www.fisterra.com/mbe/investiga/chi/chi.asp.
■ http://www.fisterra.com/mbe/investiga/t_student.asp.
■ http://www.hrc.es/bioest/M_docente.html.
■ Pérez de Vargas A, Abraira Santos V, Bioestadística. editorial C. D’E. Ramón
areces. Madrid, 1996.
9 9 7
■ 15
Robledo Martín, J. Dissenys de mostreig (II). Nure Investigación núm. 12,
8 1
febrer 2005.
a 3
■ d a A ,
Robledo Martín, J. Dissenys de mostreigs probabilístics (I). Nure Investiga-
a B
r iz
ción nº 11; desembre 2004.
o R I P :
■ a u t O
ID .com , I
Ruiz-Maya Pérez L., Martín Pliego F.J., Fonaments d’Inferència Estadística
ar g a L E G
3a ed.; editorial AC, 2007.
il
s c M I m a
De NOE
■
2 @ g
Seoane Rey J, Rechea C, Diges M, Martínez Arias MR, Maciá Antón DT.
. 5 3
■
9 7 2 2
Psicologia Matemàtica I. 7a ed; editorial UNED, 1994.
1 1
■ id o 54 .
Tomeo Perucha V., Ungla Juarez I., Lliçons d’Estadística Descriptiva; editorial
n l e g
Thomson, 2003. 9 . 1
■
7
A. Martín Zurro i J. F. Cano Pérez: Atenció Primària. Conceptes, organització.
■ Abanades JC, Prieto A, Casat V, García L. Programes de salut. Documenta-
ció de suport per a la planificació de programes. Valladolid: Junta de Castella
i Lleó, Conselleria de Benestar Social, 1987.
■ AEED: “Taller sobre Diagnòstics d’Infermeria”. Doyma, Madrid 1993.
■ Alberdi Castel, R.M. i Cols: “Conceptes d’Infermeria”. Curs d’anivellament
A.T.S. Universitat Nacional d’Educació a distància. Madrid, 1983.
95
■ Alfaro, R: “Aplicació del procés d’Enfer mería. Guia pràctica”. 5a Ed. Masson,
Barcelona, 2003.
■ Arribas, A. “Guia de diagnòstics infermers en Atenció Primària”. Ed. FUDEN.
Madrid 2003.
■ Aula virtual Fuden.
■ Caixa Lopez, C. i Lopez Pisa, R.: “Infermeria Comunitària III”. Sèries manuals
d’Infermeria. Masson-Salvat. Barcelona 1993.
■ Carpenito, LJ: “Diagnòstic d’Infermeria. Aplicacions a la pràctica clínica. 9ª
edició. Ed. Interamericana- Mc Graw Hill. Dt. Madrid 2003.
■ Conesa J.: “Fonaments de la Infermeria: Teoria i mètode”. McGraw-Hill. Inte-
ramericana. Madrid 1999.
■ F López de Castro, F J Rodríguez Alcalá. Planificació sanitària (I) Semergen.
2003;29:244-54.
■ Gordon, M.: “Diagnòstics infermers”. 3a ed. Ed. Mosby, Barcelona 19. “Ma-
nual de Diagnòstic infermers”. Ed. Elsevier Mosby, Barcelona 2003.
■ 9 7
Garcia Martin Aro, C. i Sellan Soto, M.C.: “Fonaments teòrics i mètodes lògics
9
8 1 15
d’Infermeria”. Ed. Lebosend. Madrid 1995.
■
a 3
Iyer, PW., Tapich, BJ. i Bernochi-Losey, SR.: “Procés d’Infermeria i diagnòstic
a d a A ,
d’Infermeria”. Interamericana-McGRAW-HILL, Madrid 1993.
B
o r iz R I P :
■
a u t ID .com , I
Joaquín Chacón Fuertes. Gestió de la qualitat en el Servei de Salut de Cas-
O
tella- La Manxa. Rev. Adm. Sanit. 2006; 4:195-210.
ar g a L E G il
■
s c I a
Kershaw, B. I SAVAJE, J.: “Models d’Infermeria”. Edicions Doyma, Barcelona
M m
De NOE1988.
2 @ g
. 5 3
■
9 7 2 2
Lopez Martin, I.: “Atenció domiciliària. Diagnòstic d’Infermeria”. Ed. Interame-
1 1
id o 4 .
ricana McGRAW-HILL. Madrid 1994.
5
n l e g 9 . 1
■
7
McCloskey JC, Bulecheck GM. Classificació de Resultats d’Infermeria (NOC).
Madrid: Elsevier 2005. (Versió espanyola).
■ Marriner, A.: “Models i teories d’Infermeria”. Edicions ROL, Barcelona 1989. 3.
■ Magallón R. i Antoñanzas A. Mesurament de la qualitat: recollida, anàlisi i
presentació de les dades. En: Tractat de Qualitat Assistencial en Atenció Pri-
mària. Madrid: DuPont Pharma, 1997; p. 137-67.
■ Temari oposicions Acadèmia Ifses, Madrid 2005. 359.
■ Antonio Frías Osuna. Salud pública y educación para la salud. Masson. 2000.
96
■ Colectivo IOÉ (W. Actis, C. Perdea, MA. De Prada). Salud y estiolos de vida
en España. Editorial: Fundación de las Cajas de Ahorros. 2004.
■ F. Martínez Navarro. J.M. Autó. Salud Pública. Mc Graw-Hill interamericana.
1999.
■ G. Piédrola Gil. Medicina preventiva y salud pública. Paradigma. 1993.
■ Juan del Rey Calvo. Angle Gil de Miguel. Diccionario de epidemiología, salud
pública y comunitaria. Editorial Universitaria Ramón Areces. 2005.
■ M Teresa Icart Isern, Ml Luz torrens García, Begoña Bermejo Fraule, Jaime
Canela Soler. Enfermería comunitaria. Epidemiología. Masson. 2000.
■ Mariano García Viveros. Salud comunitaria y promoción de la salud. Funda-
ción ICEPSS. 1999.
9 9 7
8 1 15
a 3
a d a B A ,
o r iz R I P :
a u t O
ID .com , I
ar g a L E G il
s c M I m a
De NOE 2 @ g
. 5 3
1 9 7 1 2 2
id o 54 .
n l e g 9 . 1
7
97
Powered by TCPDF (www.tcpdf.org)

01.4 - Aspectos Básicos de La Metodología - 38115997

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

01.4 - Aspectos Básicos de La Metodología - 38115997

Uploaded by

Copyright:

Available Formats

Institut Català de la Salut

6.2.2. Mostreig de conveniència................................................................36

10. VARIABLES EPIDEMIOLÒGIQUES................................................ 40

11. TIPUS DE MESURES EN EPIDEMIOLOGIA................................... 41

15. ESTUDIS EXPERIMENTALS........................................................... 62

15.2. Assajos de Tipus Comunitari.......................................................................66

16. VIGILÀNCIA EPIDEMIOLÒGICA..................................................... 67

17. MALALTIES TRANSMISSIBLES...................................................... 71

21. ESTRUCTURA METODOLÒGICA D’UN TREBALL CIENTÍFIC...... 79

22. FONTS DE DADES.......................................................................... 83

23. INVESTIGACIÓ EN INFERMERIA BÀSICA: ESTUDIS

1.1. Conceptes generals

1.2. Classificació de les dades

verd, negre. La característica altura segons infinites modalitats. Cada característica

■ Variables Qualitatives o categòriques: els valors del qual es presenten com

1.2.1. Classificació de les escales de mesura

1.3.2. Representació gràfica

■ Diagrama de barres: s’utilitza per representar variables qualitatives i quan-

Distribució De grups sanguinis

Distribució De grups sanguinis

■ Pictogrames: es realitza mitjançant un dibuix, relacionat amb la variable que

■ Histograma: s’utilitzen per representar les diferents freqüències de varia-

2.1. Variables qualitatives

■ Percentatge: representa el tant per cent de cada modalitat respecte al total

2.2. Variables quantitatives

2.2.1. Mesures de tendència central 9 9 7

valor central. Si hi ha un nombre parell de dades la mitjana és la mitjana arit-

És més representativa que la mitja quan la distribució de freqüències té pun-

2.2.2. Mesures de dispersió

■ Una variabilitat o dispersió de les dades respecte a aquest valor central.

En tota investigació sobre una mostra de dades d’observació, ambdues mesures

Habitualment aquest coeficient ve multiplicat per 100 per expressar-ho en

2.2.3. Mesures de posició

Amplitud semiinterquartil: és la mitja de la diferència entre el tercer quartil i el

3. INTRODUCCIÓ A LES PROBABILITATS

3.1. Nocions sobre la Teoria de Conjunts

3.2. Conceptes sobre la teoria de probabilitats

3.2.1. Idea intuïtiva de Probabilitat

esdeveniment elemental de la prova és favorable a l’esdeveniment, en el cas del qual

La probabilitat d’un esdeveniment impossible és igual a zero. Si l’esdeveniment

La probabilitat d’un esdeveniment aleatori qualsevol és un nombre positiu com-

3.3. Esdeveniments mútuament excloents

La probabilitat de què dos esdeveniments mútuament excloents succeeixi s’obté

3.4. Esdeveniments mútuament no excloents

En aquest cas la intersecció no és nul·la com ocorria en els esdeveniments mú-

p(>2 o parell) = p(3,4,5,6) + p(2,4,6)-p(4,6)

3.5. Probabilitat condicionada

3.6. Esdeveniments dependents i independents

3.7. Teorema de Bayes

3.7.1. Aplicacions del teorema de Bayes

quocient b/o, i és una estimació de la probabilitat condicionada p(-/I). Aquests

p(+/NE)= 0.04 ⇒ p(-/NE) = 0,96 p(-/I) = 0.05 ⇒ p(+/I) =

■ La corba normal té forma de campana (campana de Gauss) i és simètrica

■ El valor màxim d’Y correspon a la puntuació x =μ ; és a dir, el punt més elevat

■ Quan As = 0, la distribució és simètrica.

■ Quan As > 0, la distribució és asimètrica positiva.

Les condicions d’aplicació són:

■ Que la mostra no sigui d’una grandària inferior a 50 observacions.

El segon coeficient d’asimetria de Pearson es basa en la relació empírica que

4.2. Distribució binomial

■ Existeix un interval prou petit, de grandària h, per al qual la probabilitat que

interval, és a dir λ h, sent per tant λ (constant) la probabilitat que ocorri un

Exemple d’aquest tipus de variables, amb intervals temporals, són nombre de