CENTRO ESTUDIO sn : e Servicio Andaluz de Salud TEMA TERAPEUTA OCUPACIONAL Estadistica aplicada a las ciencias de la salud. Conceptos generales. Estadistica descriptiva. |. Estadistica descriptiva e inferencial 1. Definicién Laestadistica es una ciencia matematica que se refiere a la coleccién, estudio e interpretacién de los datos obtenidos en un estudio. Tipos: - Estadistica descriptiva: se dedica a los métodos de recoleccién, descripcién, visualizacién y resumen de datos originados a partir de los fenémenos en estudio, organizando los datos de forma légica. - Estadistica inferencial: se dedica a generar conclusiones, inferencias y predicciones sobre las poblaciones a partir de los datos de la muestra 2. Variables. Tabulacion y representaci6n grafica La variable es cada una de las magnitudes o aspectos que se miden en una muestra poblacional sometida a estudio. Las variables pueden ser de varios tipos: ~ Cualitativas: Son las variables que expresan distintas cualidades, caracteristicas 0 modalidades y sus valores se obtienen con una escala de medida nominal, no toman valores numéricos. CENTRO ESTUDTO OPOSICIONES Tel. 81 G8 40 24 7Ejemplos de variables cualitativas son: religién, raza, estado civil, nacionalidad, color de ojos. ‘A su vez pueden ser de dos tipos: * Binarias | Dicotémicas / Nominales. Son variables que solo tienen dos categorias posibles. Ej.: sexo (hombre o mujer), tomar un farmaco (si 0 no), ser diabético (si o no) * Politémicas u ordinales. Tienen varias categorias posibles, que pueden ajustarse 0 no a una escala de medida ordinal, Ej. Nominales: nacionalidad (espafiol, italiano, portugués...) Ej. Ordinales: intensidad del dolor (leve, moderado, severo 0 muy severo), estado de un paciente (curacién, mejoria, estacionario), Cuantitativas: Sus valores se obtienen con una escala de intervalos 0 de raz6n, Toman valores numéricos. Ejemplos de variables cuantitativas son: TA, talla, nimero de ingresos hospitalarios. También pueden ser de dos tipos: * Discretas. Sélo pueden tomar valores enteros: los valores intermedios no tienen sentido. Ej.: numero de hijos. * Continuas. puede adauirir cualquier valor dentro de un intervalo especificado de valores. Ej.: peso, talla, glucosa, colesterol, 3. Tabulaci6n de datos Consiste en agrupar los datos segtin intervalos de clase (por tanto solo es aplicable en variables cuantitativas continuas) para sintetizar la informacion y poder representarla graficamente. Los indices estadisticos nunca se deben obtener a partir de tablas de datos agrupados sino directamente de los valores de observaciones individuales 4. Representacién grafica Facilita una vision en conjunto del fenémeno analizado. La representacién gréfica varia segtin el tipo de variable: A. Variables cualitativas Para la representacién de estas variables se disponen en el gle horizontal las categorias de la variable (Ej.: estado civil) y en el eje vertical el numero de individuos que presentan cada uno de los valores de la variable. Formas de representacién 20 Diagrama de recténgulos. Por |<, ejemplo, vemos en la grafica inferior la distribucién cualitativa de las edades ” b de los pacientes en un estudio 0 realizado. Nios Adutos—Aneanos CENTRO ESTUDIO OPOSTCIONES TelF. 981 60 40 28 z= Diagrama sectorial o tarta. Por ejemplo, vemos en la grafica inferior ‘aNt0s misma distribucién anterior, pero en un aan gréfico de sectores, ae - Diagrama de barras agrupadas. Es la misma representacién de barras, | 20 pero en el caso de ser 2 las variables cualitativas. Por ejemplo, si queremos representar los sexos en los tres grupos de edad anteriores. La primera columna de cada grupo de ce edad corresponde a los varones y la ° segunda columna a las mujeres. 200 180 100 ‘Acutos —Ancianos En ambos casos existe proporcién entre el area y la frecuencia absoluta, B. Variables cuantitativas - Discretas (discontinuas). Se representan con diagramas de barras cuya altura mide en el eje vertical la frecuencia absoluta del valor. También se pueden representar la frecuencia relativa y los porcentajes. Por ejemplo, si queremos representar el ntimero de familias en Espatia con 1, 2, 3, 4.0 més hijos. 2000 6000 4000 2000 5 EA thio 2njes 3hjos so més ios - Continuas. Se agrupan los datos dividiendo la variable en intervalos iguales llamados clases. Los valores extremos de cada intervalo son el “limite superior’ e “inferior” y la distancia constante entre ellos es el intervalo de clase. E| valor central de cada intervalo es la “marca de clase”. Se representan de tres formas: + Histograma. Rectangulos adyacentes que tienen por base cada uno de los intervalos 0 clases y por altura su frecuencia absoluta. La superficie de cada recténgulo es proporcional a la frecuencia de cada clase y el area total del histograma es proporcional al nimero de componentes de la muestra. Por ejemplo, si representamos la edad de los pacientes anteriormente incluidos en el estudio, pero empleando la edad como variable cuantitativa continua CENTRO ESTUDIO OPOSTCIONES TeIF, 061 65 49 24 35. * Poligono de frecuencias. Se usa cuando se quiere representar en un gréfico dos 0 mas histogramas comparables. Es una linea quebrada que se construye uniendo los puntos medios de las bases superiores del histograma * Gréficos acumulativos. Es una forma de representar los histogramas y poligonos de frecuencias. En cada clase se recoge a todos los individuos comprendidos en ella més los comprendidos en todas las clases anteriores a esta, Parametros y estadisticos EI Ambito en el que realizamos un estudio es: Poblacién Universal: corresponde a la generalizacién de los resultados. Toda la poblacién, a poder ser, mundial. Poblacién Diana: es el conjunto de individuos con una caracteristica concreta. Por ejemplo, pacientes hipertensos con antecedentes de cardiopatia isquémica Poblacién Accesible: subconjunto de la anterior, de sujetos que realmente son accesibles para el estudio. Por ejemplo, en el caso anterior, nunca alcanzaremos todos los pacientes hipertensos con antecedentes de cardiopatia isquémica, por lo que emplearemos aquéllos a los que si tenemos acceso. Muestra: subconjunto del anterior, obtenido por algun método de muestreo. Por ejemplo, escoger uno de cada tres sujetos hipertensos con antecedentes de cardiopatia isquémica, de los que entran por la puerta de la consulta en un dia determinado. Sujetos: son cada uno de los componentes de la muestra, una vez han superado los riterios de exclusién De cada uno de estos sujetos de la muestra estudiamos una serie de caracteristicas, que son las variables (los tipos y escalas de medida ya las hemos comentado en el punto anterior). El resumen numérico de estas variables en la muestra se realiza con los estadisticos, que a su vez son estimadores de los parametros en la poblacién CENTRO ESTUDIO OPOSTCIONES TeIF, 61 68 40 24 4Los estadisticos pueden ser: = De centralizacién. = De dispersion = De posicién - De forma Estos estadisticos son distintos segiin el tipo de variable. A continuacién, representamos esquematicamente los estadisticos més empleados, y en el punto siguiente desarrollamos estos conceptos. Centralizacién | Dispersién Posicién Forma ‘Moda S| oropardién Varianza de V. Cualitativas i proporcién Razén DT de proporcién : Tasa Pee Moda Rango | oere| Mediana intercuartlico bees [enone Media de diferencias . : e Desviacién media pu Moda ve diferencial Mediana Narianza | Puntuacién. Asimetria Media guia | estandarizadao | Apuntamiento Aritmética tipica costceut Percentiles variacién de Pearson CENTRO ESTUDTO OPOSTCTONES olf 95i 65 7B 2 3ll. Parametros estadisticos 1. Medidas de frecuencia mas utilizadas 1.4, Razon Es la comparacién, a través de una divisién, de dos grupos de individuos con atributos de diferente naturaleza. Es la forma més simple de mostrar desigualdades entre grupos. Un ejemplo hipotético, se han atendido a 1,200 pacientes con diabetes en el Servicio de Urgencias, 900 de ellos fueron mujeres y 300 hombres. En la division puede considerarse como numerador. De ahi que 900/300 = 3, por lo que la relacién entre mujeres y hombres, con respecto a diabetes mellitus, que acudieron al Servicio de Urgencias, fue de 3 mujeres por cada hombre (3:1) 1.2. Proporcién La proporcién es la medida de estadistica descriptiva que mas se usa. Es el nimero de observaciones con una caracteristica en particular entre la poblacién de referencia. El numerador siempre esta incluido en el denominador. Se expresa en porcentaje. Las medidas de proporcién utilizadas en la practica clinica para describir la enfermedad son la prevalencia y la incidencia. La prevalencia es el ntimero de casos existentes de una enfermedad en particular entre la poblacién de referencia Por ejemplo: la prevalencia de pacientes con cancer de préstata diagnosticados en el Servicio de Urologia en el 2012 seria No. de pacientes con cancer de préstata: 75 75 Prevalencia = eraidepacientes del Servicio de Urologiar 1500 ~ 7500 0,05 Generaimente la fraccién resultante se muttiplica por 100, debido a que la probabilidad es de 0 a 100 y se expresa en porcentaje. Esto es, la prevalencia de pacientes con cancer de préstata diagnosticados en el Servicio de Urologia durante el 2012 fue de 5%; dicho de otra manera, 5 de cada 100 pacientes que acuden al Servicio de Urologia son diagnosticados con cancer de préstata La incidencia, a diferencia de la prevalencia, es el nimero de casos nuevos que se presentan de una enfermedad en particular dividida entre la poblacién libre de la enfermedad al inicio del seguimiento Nitmero de casos nuevos Incid neidencia re de la enfermedad al inicio del periodo de seguimiento Poblacién li Ejemplo: Se pretende estimar la incidencia de infeccién de sitio quirUirgico en cirugias electivas en un hospital de segundo nivel. A lo largo del trimestre se presentaron 25 casos nuevos de infecci6n de sitio quirtrgico y en ese mismo periodo se realizaron 789 cirugias. No. de casos nuevos de infeccién de sitio quirdirgico: 25, Poblacién expuesta a cirugia electiva: 789 CENTRO ESTUDIO OPOSICIONES Tel. O81 68 40 24 éIncidencia = 28 /789x100 = 3.17% Es decir, durante el trimestre, de cada 100 pacientes que se operaron, aproximadamente 3 desarrollaron infeccién de sitio quirdrgico, 1.3. Tasa La tasa es la medida de frecuencia que da cuenta de la velocidad de cambio en la poblacién de estar sana a pasar al estado enfermo, o del estado de enfermo a sano. La tasa es la comparacién, a través de una divisién, entre el numero de veces que se presenta una enfermedad, 0 el evento estudiado, en un periodo determinado, entre el tiempo-persona 0 tiempo poblacional, que es la expresién con la que cada individuo contribuye libre de la enfermedad, 0 del evento, en el tiempo de seguimiento. Por ejemplo, se pretende estimar la tasa de recuperacién de los pacientes operados de colecistectomia por invasion minima. Se siguié a 10 pacientes durante 7 dias. Se construye un cuadro con la evolucién de los pacientes en dias ( Ver Figura), se realiza la ‘suma de los dias que tardaron en recuperarse, se divide el numero de pacientes recuperados (8 pacientes) entre la sumatoria de los dias-persona. La fraccién se multiplica por 1,000 dias persona, ya que la tasa se expresa multiplos de mil Tasa de recuperacién = 9/33.5 dias persona 269 x 1,000 dias persona = 269. La interpretacion es que si se siguiera a 1,000 pacientes postoperados de colecistectomia con cirugia de invasién minima en un dia, se recuperarian 269. La tasa debe describirse de acuerdo a la unidad de tiempo que puede ser dia, mes 0 affo. El paciente numero 8 no se recuperé, pero se contaron los 7 dias de contribucién sin recuperacién. Peciente Tae 6 dias : 3 dias 4 1 dla s 3 dias 6 3 dias 5 ds 7 dias 4 dias Dias Tiempo que transcurre antes de la recuperacin(Liempo postoperatorio) XX Recuperacién CENTRO ESTUDIO OPOSTCTONES TeIF, 961 68 49 2a 7ll. Medidas de centralizacion, posicién, dispersion y forma 1. Medidas de tendencia central o localizacién Indican el valor de la variable hacia el que tienden a agruparse las observaciones Son tres: media, mediana y moda 1.1, Media Es la medida de centralizacién mas usada, Se calcula sumando los valores numéricos de todas las observaciones y dividiendo el total por el ntimero de observaciones. Es decir, la media es una forma de resumir la informacion de una distribucién de datos suponiendo que cada observacién tendria la misma cantidad de la variable, lo cual no siempre es cierto, También puede ser denominada como centro de gravedad de una distribucién, el cual no es necesariamente la mitad, + ban n La media junto con la desviacién estandar o tipica representa la proporcién de individuos bajo la curva normal. Cuando se trata de la media real de una variable *x’ en una poblacién se llama p. Cuando se trata de la media calculada en una muestra particular de tamafio n (que es una estimacion de la media real de la poblacién origen de la muestra) se llama x. EI principal inconveniente de la media es que esta muy influida por valores extremos. 1.2. Mediana En una distribucién de frecuencias con los valores ordenados de menor a mayor, es ef valor que deja a su izquierda y derecha el mismo numero de frecuencias. De acuerdo con esta definicién el conjunto de datos menores o iguales que la mediana representaran el 50% de los datos, y los que sean mayores que la mediana representaran el otro 50% del total de datos de la muestra. En una distribucién impar la mediana es el valor central; en una distribucién par la mediana se corresponde con la media aritmética de los dos valores centrales de la distribucién Es muy util en distribuciones asimétricas ya que no se afecta por los valores extremos. CENTRO ESTUDIO OPOSICIONES TelF. O81 G0 40 2a =1.3. Moda Es el valor de la variable que tiene mayor frecuencia absoluta, es decir, es el valor que mas se repite. Puede haber més de una moda 2. Medidas de dispersién Expresan el grado de agrupacién / homogeneidad de las observaciones entorno al valor central (media), Pueden ser medidas absolutas o relativas. 2.1. Medidas de dispersion absoluta 24.4. Varianza (S?) También llamado momento de segundo orden respecto a la media. Es la media del cuadrado de las desviaciones de los elementos respecto a la media aritmética. (%i-X) Ex? n n x 2.1.2. Desviacién tipica o estandar (S 0 a) Es la raiz cuadrada positiva de la varianza. Es una medida de como se distribuyen los valores en torno al valor medio. Se expresa con la media X#DE. Representa si la variable sigue una distribucién normal el intervalo que agrupa al 68% central de los individuos. La desviacién estandar es una medida del grado de dispersi6n de los datos respecto del valor promedio. Dicho de otra manera, la desviacién estandar es simplemente el "promedio" o variacién esperada con respecto de la media Puede ser interpretada como una medida de incertidumbre; la desviacién estandar de un grupo repetido de medidas nos da la precision de éstas. 2.1.3. Desviacién media Media de las desviaciones con respecto a la media aritmética. CENTRO ESTUDIO OPOSTCIONES Tel? O61 G8 49 24 32.1.4. Rango Es la diferencia entre el mayor y ef menor valor de la distribucién. Se llama también recorrido. 2.2, Medidas de dispersién relativa 2.2.1. Coeficiente de variacion Permite comparar dos métodos de medida y realizar comparaciones cuando hay datos que se miden en escalas y unidades distintas. (Ej.: comparar peso y talla). Es una medida que no tiene dimensiones ni unidades. Es el porcentaje que representa la desviacién esténdar sobre la media o el niimero de veces que la desviacion estandar contiene a la media aritmética 3. Medidas de posicién 3.1. Percentiles Son los 99 puntos o valores que dividen la distribucién en cien partes iguales. El percentil de orden *k’ corresponde al valor de la variable que deja por debajo al k por 100 de la poblacién Ej: Poo = e! 90% de los individuos tienen menos de ese valor; solo un 10% tiene més. 3.2. Cuartiles Son os tres valores que dividen la distribucién en cuatro partes iguales. Cada parte incluye el 25% de los valores. Q1= Nid; Q2= 2N/4; Q3= 3N/4, Q1=P25; Q2=P5O; Q3= P75 3.3. Deciles Son los nueve valores que dividen la distribucién en diez partes iguales. D1= N/10; D2=2N/10, ete. D1=P10; D2=P20; D3=P30.... D9 = P80. Media, mediana y moda también son medidas de posicién P50 = Q2 = Mediana 3.4. Rango intercuartilico: Diferencia entre el tercer y el primer cuartil R=C3-C1. También= P75 - P25. Otras medidas de posicién: maximo, minimo. CENTRO ESTUDIO OPOSICTONES Tel? S8I 88 40 24 FT4. Medidas de forma 4.1. Asimetria Se calcula por los coeficientes de asimetria de Fisher, Bowley 0 Pearson (Coeficiente g;) La distribucién puede ser: - 91 < Oasimétrica por izquierda = g1=Osimétrica - g:> Oasimétrica por la derecha 4.2. Apuntamiento (o Kurtosis) Es la medida del grado en que una distribucién esta cargada en sus colas Se calcula por ge. La distribucion sera: - g2<0 platictitica (aplanada) mesoctirtica (normal) CENTRO ESTUDIO OPOSICTONES Tel, 961 68 40 24 cr- g2>0 leptocurtica (puntiaguda) 5. Diferencias entre error estandar y desviacién estandar ~ DE: cuantifica la variabilidad de las observaciones en torno al valor central (media) ~ Error estandar de la media (EEM): se calcula dividiendo la (DE) desviacién estandar de la distribucién de la variable en la poblacién por la raiz cuadrada del tamafio de muestra, por lo que disminuye a medida que aumenta éste. Se usa en la estimacién de la media poblacional y define la tolerancia y seguridad en la poblacién de los resultados de la muestra Recordar que el EEM es siempre menor que la DE. De una poblacién se pueden extraer infinitas muestras, cada una con su media y DE. El conjunto de medias se distribuyen segiin una curva normal cuya media es la media poblacional y cuya DE es el EEM que es, por tanto, la dispersién de las medias muestrales respecto a la media poblacional. — Siconstruimos un intervalo de confianza al 95% concluiremos que en el 95% de casos la media poblacional estaré entre X + 1,96 S. — Siestablecemos el nivel de confianza en 99%, la media poblacional se situaré en un 99% de ocasiones entre X + 2,57 S. RECORDAR que sia los valores de una distribuci6: — se les suma una constante, la media queda sumada en esa constante y la varianza y DE no varian = se les multiplica por una constante, la media y DE quedan multiplicadas por esa constante y la varianza por su cuadrado. — se les resta una constante, la media queda restada en esa constante y la varianza no se modifica CENTRO ESTUDIO OPOSTCIONES Tel? 981 88 49 24 crIV. Medidas de frecuencia de enfermedad I. Cocientes empleados en epidemiologia Las més utilizadas en epidemiologia son: 1. Razon Cociente de 2 frecuencias absolutas; numerador no incluido en el denominador. Es un cociente entre 2 entidades de caracteristicas distintas. a R Ej: raz6n de hombres-mujeres. 2. Proporcién Cociente en el que el numerador esta incluido en denominador. Suele expresarse en %. La prevalencia es una proporcién Ramco) Ej: proporci6n de aprobados en un examen. isu ueTasa Es un concepto dindmico que mide la aparicién de un fenémeno en una comunidad durante un periodo de tiempo. Es un cociente en el que el numerador esta incluido en el denominador pero el tiempo también esta incluido en ese denominador. Es un concepto que tiene dimensién temporal. — Numerador: frecuencia absoluta de casos del fenémeno. = Denominador: suma de los periodos individuales de riesgo a los que han estado expuestos los sujetos susceptibles. a persona x tiempo Ej: 300 casos de cancer de pulmén / 100.000 personas-afio. La tasa es el concepto mas importante en epider 4. Riesgo Es la probabilidad de desarrollar una enfermedad. — Numerador: n° de casos del suceso en estudio. - Denominador: n° total de sujetos susceptibles (al inicio del periodo de estudio). Es un concepto adimensional y su valor es siempre <1 (<100%) Recordar que raz6n y proporcién son medidas estéticas; tasa y riesgo son medidas dinamicas. CENTRO ESTUDIO OPOSICIONES TeIF. 981 68 40 2a 3Il. Prevalencia Es el n° total de casos de un fenémeno en un momento determinado en una colectividad. No hace distincién entre casos antiguos y casos nuevos. Aumenta a mayor incidencia y mayor duracién de la enfermedad. n? total de casos de enfermedad Poblacién en ese momento Prevalencia Ul. Incidencia Es el n° de casos nuevos de una enfermedad que aparecen, durante un periodo de tiempo determinado, en la poblacién susceptible (sanos). Se debe hacer un seguimiento de los sujetos previamente sanos, y que son susceptibles de padecer la enfermedad 4. Incidencia acumulada También se denomina Riesgo o tasa de ataque. Es el n? de casos nuevos de una enfermedad en un periodo de tiempo dado. Es la probabilidad de desarrollar la enfermedad en ese periodo o también la proporcién de individuos sanos al inicio del periodo que enferman durante ese periodo. de casos nuevos durante un perfodo de tiempo de individuos sanos expuestos al inicio del periodo Es una proporcién (como la prevalencia); por tanto toma valores entre 0 y 1 y es adimensional (no tiene unidades) 2. Densidad de incidencia ‘También se denomina Tasa de incidencia. Es el n° de casos nuevos de una enfermedad en un periodo de tiempo dado, pero teniendo en cuenta la informacion que aporta cada uno de los individuos. n? de casos nuevos durante un periodo de tiempo DI Persona x Tiempo Persona x Tiempo = es la suma de los periodos de riesgo individuales en los sujetos sanos susceptibles al inicio del periodo. Se calcula sumando la cantidad de tiempo que cada individuo ha estado expuesto al factor de estudio. La DI que expresa la velocidad con que aparece la enfermedad en la poblacién y se mide en tiempo-' y su rango va de 0 a infinito, CENTRO ESTUDIO OPOSICTONES TelF O81 68 4 2a uaIV. Relaci6én entre incidencia y prevalencia Si la duracién de la enfermedad es larga a incidencia constante aumenta la prevalencia (ya que incorpora casos viejos). Sila duracién de la enfermedad es corta incidencia y prevalencia se igualan. La formulacién de esta relacién es: Prevalencia (P) = DI (densidad de incidencia) x T (Tiempo) Vv. Estandarizacion de tasas Hay dos razones principales para el uso de tasas estandarizadas - Primero, es més facil comparar medidas de resumen de dos o mas poblaciones que miltiples estratos de tasas especificas. Esto es sobretodo importante cuando se comparan tasas de varias poblaciones 0 cuando cada poblacién tiene un ntimero importante de estratos. — En segundo lugar, numeros pequefios en algunos estratos pueden producir tasas especificas inestables. Cuando las poblaciones muestrales son tan pequefias que sus estratos contienen fundamentalmente tasas inestables y ceros, el procedimiento de estandarizacién directa puede no ser apropiado y un procedimiento alternative (indirect) se hace necesario. ‘Aunque las tasas estandarizadas pueden resumir las tendencias en los estratos, se pierde una cantidad considerable de informacién. Por ejemplo, las diferencias de mortalidad entre dos poblaciones puede ser mucho mayor a edades mayores, o las tasas de una poblacién comparada con otra pueden ser menores en las edades menores y mayores en las edades mayores. En este ultimo caso, una sola medida de resumen oculta informacién de valor y probablemente no sea recomendable. Es més, distintos estandares pueden invertir la magnitud relativa de las tasas estandarizadas dependiendo de qué grupos de edad estaban mas ponderados. Este “trade off’ entre la informacién detallada y el resumen util de la misma ocurre en todos los métodos epidemiolégicos de analisis de datos 41. Estandarizacién de tasas por el método directo Habitualmente, la diferencia en las tasas de mortalidad crudas entre dos poblaciones resulta de las diferencias en sus respectivas distribuciones por edad mas que por tasas de mortalidad especificas por edad diferentes. En la estandarizacién directa las tasas especificas por estrato de la poblacién de estudio se aplican a la distribucion por edad de una poblacién estdndar. (En el ejemplo anterior, cada grupo de edad es un estrato.) En consecuencia si Alaska tuviera la misma distribucion por ‘edad de mujeres blancas que la poblacién femenina blanca de EEUU, y Miami también tuviera esa misma distribucién por edad, las tasas de mortalidad crudas de Alaska y Miami serian similares. En otras palabras, la estandarizacin directa aplica el mismo conjunto de pesos a las tasas especificas por edad de cada poblacién comparada, la tasa de mortalidad (ajustada por edad) es por lo tanto independiente de las diferencias en la distribucién por edad de las dos poblaciones. ‘CENTRO ESTUDIO OPOSICIONES Tel, 61 G8 40 24 52. Estandarizacién de tasas por el método indirecto Cuando los ntimeros especificos por estrato son pequefios, como suele ocurrir en poblaciones como una Unica planta industrial o una ciudad pequefia, las estimaciones de las tasas especificas por estrato son demasiado susceptibles a la fuerte influencia de la variabilidad al azar para que el método de la estandarizacién directa dé resultados satisfactorios. En vez, puede usarse un procedimiento de estandarizacién “indirecto" y se calcula una “razén de mortalidad estandarizada" (RME) La estandarizacién indirecta evita el problema de las estimaciones imprecisas de las tasas especificas por estrato en una poblacién de estudio tomando las tasas especificas por estrato de una poblacién estandar de suficiente tamafio y relevancia, Estas tasas son promediadas usando como pesos los tamafios de los estratos de la poblacién de estudio. Asi, el procedimiento es la imagen en espejo de la estandarizacién directa. En la estandarizacién directa, la poblacién de estudio provee las tasas y la poblacién estandar prove los pesos. En la estandarizacion indirecta, la poblacién estandar provee las tasas y la poblacién de estudio provee los pesos. Las tasas directamente estandarizadas (calculadas usando la misma poblacién esténdar) pueden ser facilmente comparadas entre ellas y con la de la poblacién estandar, porque todas estan basadas en el mismo conjunto de pesos (los de la poblacién estandar). Sin embargo, la comparacién de las tasas indirectamente estandarizadas puede ser problematico, porque la tasa estandarizada de cada poblacién de estudio se basa en su propio conjunto de pesos. De hecho, la Unica comparacién que esta siempre permitida es la comparacién entre la poblacién de estudio y la poblacién estdndar dado que estas tasas indirectas se basan ambas en los pesos de la poblacién de estudio. VI. Evaluacién de pruebas diagnésticas: sensibi y Valores predictivos Se considera que la mejor forma de analizar la validez de las pruebas diagnésticas es a través de una tabla 2°2, en la que se representan los resultados de la prueba y los sujetos que realmente estan sanos o enfermos (la verdad). Esta verdad habitualmente corresponde a los resultados de la prueba undnimemente aceptada por todos, denominada gold estandar. Enfermedad Enfermo | Sano Positivo vP FP Negativo FN VN Prueba diagnéstica Vp = verdaderos positivos: resultados positivos en enfermos. VN = verdaderos negativos: resultados negativos en sanos. FP = falsos positivos: resultados positives en sanes. FN = falsos negativos: resultados negativos en enfermos. CENTRO ESTUDIO OPOSICIONES Tel? 061 68 49 24 7Una prueba seré valida cuando clasifique adecuadamente tanto a enfermos como a sanos 0 cuando sus resultados tengan un alto grado de coincidencia con los del estandar de oro. 1. Sensibilidad y especificidad Sensibilidad (S): Es la capacidad para clasificar correctamente a los individuos que tengan la enfermedad o la probabilidad de que un sujeto enfermo sea clasificado como tal con arreglo a la prueba diagnéstica, Es decir, es el porcentaje de sujetos enfermos que oblienen un resultado positivo al aplicarles, la prueba diagnéstica que se esta evaluando. Las pruebas de alta sensibilidad estan especialmente indicadas cuando se paga un alto precio Por no detectar una enfermedad como en el caso de procesos peligrosos pero tratables (tuberculosis, linfomas, etc.). La sensibilidad indica la proporcién total de enfermos que el test, es capaz de detectar. _ Individuos enfermos contest+ ___VP. : Todos los enfermos “VP +FN Especificidad (E): Es la capacidad para clasificar correctamente a los individuos que no tengan la enfermedad o la probabilidad de que un sujeto que no padece la enfermedad obtenga un resultado negativo en la prueba diagnéstica Es decir es la proporcion de sujetos que no tienen la enfermedad que han sido clasificados como tales en la prueba en cuestién Las pruebas de alta especificidad son convenientes cuando la deteccién de un falso positive puede ser problematica fisica, econémica o emocionalmente para el paciente. Por ejemplo en el caso del SIDA. La especificidad indica la proporcin de sujetos sanos detectados por el test. _Individuos sanoscontest- __VN E neve Todos los sanos VN+FP Valor Global (eficiencia del test): Indica la proporcién de resultados validos entre el conjunto de resultados. ___VN+ VP ~ VN+FN+ VP +FP vG Sensibilidad + Tasa Falsos Negativos = 100% Especificidad + Tasa Falsos Positivos = 100 % Cuanto mayor es la sensibilidad menor es la probabilidad de obtener un falso negativo: una sensibilidad del 100% significa que el parémetro que detecta el test es positive en todos los enfermos, lo que equivale a decir que su ausencia descarta el diagnéstico. CENTRO ESTUDIO OPOSICTONES TelF. 961 8B 49 2a 7También, cuanto mas grande es la especificidad, menor es la probabilidad de falsos positivos por lo que una especificidad del 100% significa que ningtin individuo sano presenta una prueba positivo 0 lo que es lo mismo que cuando encontremos un resultado positive podemos confirmar el diagnéstico. Test con alta sensibilidad, Debe escogerse cuando existe un grave perjuicio para el sujeto si no se detecta la enfermedad. Interesa cazar a todos los enfermos aunque al precio de muchos falsos positivos. Por ello se usan_en casos de enfermedades graves para las que existe tratamiento (sifilis, Tbo) y cuando la posibilidad de un falso positivo no suponga un traumatismo psicolégico para el individuo. Test con alta especificidad. Se escogen cuando lo que se pretende es asegurar el diagnéstico. Utiizaremos un test muy especifico en 3 situaciones: 1. Enfermedades graves incurables. 2. Enfermedades con un proceso diagnéstico largo, molesto 0 costoso. 3. Enfermedades en las que conocer que no se padece la enfermedad tiene importancia sanitaria y psicolégica y en las que un falso positive puede suponer un trauma psicolégico (sida) 2. Valores predictivos Valor predictivo positivo (VPP): Es el porcentaje de sujetos con resultado diagnéstico positive que realmente padecen la enfermedad. Expresa la probabilidad de padecer la ‘enfermedad de un sujeto que ha dado positivo en la prueba, Es importante destacar que el valor predictivo positive esta relacionado con la prevalencia. Si ésta es alta el valor predictivo positivo sera alto. Es decir, un resultado positivo tiende a confirmar la enfermedad. Si por el contrario, la prevalencia es baja, el valor predictivo positive sera también bajo. En este caso, un resultado positivo no permite confirmar la enfermedad con tanta seguridad como en el caso anterior. Dicho de otra forma, es la probabilidad de que un sujeto con test + tenga verdaderamente la enfermedad. Indica la proporcién de enfermos que va a diagnosticar el test. Individuos enfermos contest+ __ VP VPP = Terdos los posi VP+FP Test con alto valor predictivo positive. Debe emplearse cuando el tratamiento de los falsos positives pudiera tener graves consecuencias. Valor predictivo negative (VPN): Es el porcentaje de sujetos con resultado diagnéstico negative que no padecen la enfermedad. Expresa asi la probabilidad de estar libre de la enfermedad que tiene una persona con una prueba negativa. El valor predictivo negativo disminuye al aumentar la prevalencia de la enfermedad, al contrario que en el valor predictivo positivo. Es la proporcién de verdaderos negativos entre todos los individuos que el test ha considerado negativos. CENTRO ESTUDIO OPOSTCIONES TeIf, 981 88 49 24 iDicho de otro modo, es la probabilidad de que un sujeto con test - esté verdaderamente sano. ven - [ndividuos sanos con test VN Todoslosnegativos VN+FN La probabilidad pretest es la probabilidad que tiene una persona de estar enferma antes de realizar el test, coincide con la prevalencia de enfermedad. La probabilidad postest es la probabilidad que tiene una persona de estar enferma después de realizar la prueba diagnéstica, coincide con los valores predictivos. Lo interesante es que la probabilidad postest sea muy superior a la pretest, es decir la diferencia entre ambas probabilidades es la “ganancia’ neta de la prueba diagnéstica puesto que la informacion revelada tiene un efecto practica sobre nuestras decisiones intervensionistas. La sensibilidad y especificidad valoran mas la validez interna de la prueba, son independientes de la prevalencia; en cambio los valores predictivos, que dependen de la prevalencia de la enfermedad, tienen més relacién con la validez externa. - Relacién Prevalencia-Valores Predictivos Los valores predictivos de un test son variables y dependen de la prevalencia de la enfermedad en la poblacién. Sin embargo, la sensibilidad y la especificidad son caracteristicas propias del test que dependen del punto de corte del mismo y no se modifican con los cambios en la prevalencia Si la prevalencia de la enfermedad aumenta, también aumenta su valor predictivo positivo (VPP) mientras que disminuye el valor predictivo negativo (VPN).Si la prevalencia de enfermedad disminuye sucede a la inversa. — Calculo de VPP y VPN a partir de prevalencia Prevalencia x Sensibilidad vpP = ee Prevalencia x Sensibilidad + (1- Prevalencia)(1- Especificidad) (1-Prevalencia) x Especificidad vpn = —____{1- Prevalencia) x Especificidad _ Especificidad x (1- Prevalencia) + (1- Sensibilidad) x Prevalencia - Probabilidades (Odds) pre-prueba y post-prueba Indican en cuantas veces ha aumentado la probabilidad que tenia un sujeto de presentar la enfermedad antes de realizar la prueba, una vez que se conocen los resultados de la misma La probabilidad pre-prueba (Ppre), es una estimacién del grado de verosimilitud con que el clinico propone un diagnéstico, de acuerdo con fa informacién de que se dispone en el momento en que solicita la prueba. Suele estimarse a partir de la experiencia clinica y de los datos disponibles en la literatura TENTRO ESTUDIO OPOSTCIONES TeIF, 81 68 40 24 3Ppre Odds pre ~ prueba = GF La probabilidad post-prueba (Ppost), representa la nueva estimacién del grado de verosimilitud del diagnéstico obtenida una vez conocidos e interpretados los resultados de la prueba. Se calcula combinando la probabilidad pre-prueba con los cocientes de probabilidad, Odds post — prueba = Odds pre ~ prueba x En realidad, indican cudntas veces aumenta la odds, mas que la probabilidad. 3. Tasas de falsos positivos y negativos Tasa de falsos negativos (TFN): Probabilidad de que un individuo enfermo sea clasificado como sano por el test. Individuos enfermos contest-___ FN N= m Todos los enfermos VP+FN Tasa de falsos positivos (TFP): Probabilidad de que un sujeto sano sea clasificado como enfermo, es decir, tenga un test+. Incividuos sanos contest __FP. Todos los sanos VN+FP TFP = CENTRO ESTUDIO OPOSICTONES Tel, 961 68 40 24 75