Fund A Mentos 24

A.
Ahlbom, S, Norell
A. Ahlbom, S, Norell
Salud y Sociedad
Traduccin de JESS DE PEDRO CUESTA Departamento de Medicina Social y de Neurologa. Instituto Karolinska. Estocolmo
Versin revisada por el personal docente de la Ctedra de Medicina Preventiva y Social. Facultad de Medicina. Universidad de Sevilla
FUNDAMENTOS DE EPIDEMIOLOGA
POR
Anders Ahlbom Staffan Norell
_____________________________________________ siglo veintiuno editores, Sa

CERRO DEL AGUA, 248. 04310 MEXICO, D.F.
_____________________________________________ siglo veintiuno de espaa editores, sa

c/ PLAZA, S. 28043 MADRID. ESPAA
_____________________________________________ siglo veintiuno argentina editores, sa _____________________________________________ siglo veintiuno de colombia, ltda
AV, 3a. 17-73. PRIMER PISO. BOGOTA. D,E. COLOMBIA
_____________________________________________
Primera edicin en espaol, enero de 1987 Segunda edicin en espaol, noviembre de 1988 @ Siglo XXI de Espaa Editores, S. A. Calle Plaza, 5. 28043 Madrid Primera edicin en sueco: Student Litteratur, Lund, Suecia, 1981. Primera edicin en ingls: Epidemiology Resources Inc. Chesnut Hill (Mass.) EELJU, 1984. Ttulo: Introduction to modern epidemiology DERECHOS RESERVADOS CONFORME A LA LEY Impreso y hecho en Espaa Printed and made in Spain Diseo de la cubierta: El Cubri ISBN: 84-323-0585-5 Depsito legal: M. 36.937-1988 Compuesto en EFCA, S. A. Avda. del Doctor Federico Rubio y Gal, 16. 28039 Madrid Impreso en Closas-Orcoyen, S. L. Polgono Igarsa Paracuellos del Jarama (Madrid)
INDICE
NOTA DEL TRADUCTOR PROLOGO A LA EDICION ESPAOLA, Enrique Njera PROLOGO A LA EDICION NORTEAMERICANA, Kenneth J Rothman PROLOGO A LA EDICION SUECA 1. QU ES LA EPIDEMIOLOGA? BIBLIOGRAFIA 2. MEDIDAS DE FRECUENCIA DE ENFERMEDAD VALORES ABSOLUTOS Y VALORES RELATIVOS AL TAMAO DE LA POBLACION INCIDENCIA Y PREVALENCIA TRES MEDIDAS DE FRECUENCIA DE ENFERMEDAD RELACIONES ENTRE LAS TRES MEDIDAS MDIDAS CRUDAS Y ESPECIFICAS BIBLIOGRAFIA EJERCICIOS DEL CAPITULO 2 3. ENFERMEDAD Y DIAGNOSTICO SINTOMAS, SIGNOS Y PRUEBAS CLINICAS CRITERIOS DIAGNOSTICOS CLASIFICACION DE LAS ENFERMEDADES PRECISION Y CERTEZA DEL DIAGNOSTICO BIBLIOGRAFIA 4. SENSIBILIDAD Y ESPECIFICIDAD DEFINICIONES IMPLICACIONES EN LA ESTIMACION DE LA PREVALENCIA IMPLICACIONES EN EL CRIBADO BIBLIOGRAFIA EJERCICIOS DE LOS CAPITULOS 3 Y 4 5. MEDIDAS DE FRECUENCIA COMPARADA DE ENFERMEDAD COMPARACIONES ABSOLUTAS Y RELATIVAS ESTANDARIZACION FRACCION ETIOLOGICA FRECUENCIA COMPARADA Y MEDIDAS DE FRECUENCIA DE ENFERMEDAD BIBLIOGRAFIA
VII IX XI XIII 1 4 5 5 6 6 10 11 11 13 18 18 24 25 27 29 31 31 33 34 36 37 40 40 41 44 45 46
6. INDICADORES DE RIESGO Y CAUSAS DE ENFERMEDAD INDICADORES DE RIESGO CAUSAS DE ENFERMEDAD MODELO CAUSAL I MODELO CAUSAL II BIBLIOGRAFIA EJERCICIOS DE LOS CAPITULOS 5 Y 6 7. LA CALIDAD DE LOS ESTUDIOS EPIDEMIOLOGICOS VALIDEZ Y FIABILIDAD LA VALIDEZ DE LAS COMPARACIONES DE FRECUENCIA DE ENFERMEDAD BIBLIOGRAFIA 8. TIPOS DE ESTUDIOS ESTUDIOS DE CASOS Y TESTIGOS VENTAJAS E INCONVENIENTES DE LOS DOS TIPOS DE ESTUDIOS ESTUDIOS DE COHORTES RESTROSPECTIVOS ESTUDIOS DE CASOS Y TESTIGOS EMPAREJADOS ELECCION DEL GRUPO DE COMPARACION TAMAO DEL ESTUDIO BIBLIOGRAFIA EJERCICIOS DE LOS CAPITULOS 7 Y 8 9. ANALISIS DE RESULTADOS INTERVALOS DE CONFIANZA Y PRUEBAS DE SIGNIFICACION Medidas de frecuencia de enfermedad, 88.- Medidas de frecuencia comparada de enfermedad, 91. ESTRATIFICACION Estudios de cohortes, 99.- Estudio de casos y testigos, 101. BIBLIOGRAFIA EJERCICIOS DEL CAPITULO 9 SOLUCIONES A LOS EJERCICIOS INDICE ANALITICO
47 47 48 49 49 53 54 61 61 62 65 67 68 71 72 73 74 76 77 79 88 88 99 102 104 107 131
NOTA DEL TRADUCTOR Esta publicacin ha sido causa y producto del esfuerzo Inicial de varias personas. La demanda de un manual prctico de metodologa epidemiolgica en castellano y la capacidad adquisitiva de los potenciales lectores, alcanzaron en los ltimos aos los extremos ms opuestos. La eleccin de Siglo XXI y del texto de Ahlbom y Norell result de un proceso de cuidadosa seleccin del medio y del mensaje ms adecuados. Pilar Garca Sagredo, entusiasta sociloga sanitaria, mecanografi los primeros manuscritos. La excelente y minuciosa revisin del texto por el personal de la citada ctedra de Sevilla, ha compensado con creces mi falta de hbito en la discusin de temas epidemiolgicos en castellano. La ausencia de una terminologa epidemiolgica moderna homognea*, el rechazo de la literalidad respecto al texto ingls y el deseo de los propios autores, han hecho que esta traduccin conserve matices del original sueco y el vocablo confounding, o modifique adjetivos -como el de contributory cause- cargados de connotaciones por su empleo establecido en otro contexto mdico o epidemiolgico. A las personas arriba citadas, y a Siglo XXI por la esmerada edicin, hago aqu presente el debido agradecimiento.
* John M. Last (comp.), A Dictionary of Epidemiology, Oxford, 1983.
PROLOGO A LA EDICION ESPAOLA Desde que en 1598 Quinto Tiberio Angelerio publicara en Madrid en la Imprenta Real su Epidemiologa -segunda edicin (posiblemente la primera obra con ttulo en el mundo y la primera vez que se acua la palabra) hasta que Stallybrass en 1931 sistematizara el conocimiento y la metodologa de esta ciencia, pocas obras fueron publicadas en este campo a pesar de que Hipcrates hubiera puesto los pilares para su desarrollo. A un tan largo perodo de casi silencio y olvido ha sucedido una etapa, en la que nos encontramos totalmente inmersos actualmente, en la que por el contrario, el inters por la epidemiologa es general y el nmero de tratados, ms o menos extensos se ha multiplicado ampliamente, de forma que muchas veces resulta difcil seleccionar cul puede interesarnos. El libro de Ahlbom y Norell tiene en ese conjunto cualidades especficas que lo individualizan como verdaderamente interesante para quien desee de forma rpida y clara adentrarse en una ciencia como la epidemiologa que es fundamental para entender los procesos y formas de deterioro de la salud o para iniciarse en la ms ambiciosa aspiracin actual de promocin de la salud a travs de la identificacin de los factores que pueden preservarla al mximo y por ello en cierta forma promocionarla. En el Seminario sobre Usos y Perspectivas de la Epidemiologa celebrado en 1983 en Buenos Aires, Guerra Macedo, director de la Organizacin Panamericana de la Salud deca ... sino sobre todo, la epidemiologa es esa dimensin mayor de la inteligencia para la comprensin de la salud como un todo (...) y continuaba sealando las fundamentales funciones que la epidemiologa tiene en la planificacin, evaluacin y conduccin cientfica de los servicios de salud. Efectivamente el desarrollo conceptual de la actitud social frente a la salud y enfermedad est sufriendo actualmente un proceso de renovacin casi total que exige para lograrla la utilizacin de mtodos y herramientas nuevas o que no han sido ni son utilizadas en todas sus posibilidades. Sin duda la epidemiologa es una de las ms importantes de estas herramientas y el conocer su metodologa comienza a hacerse imprescindible no ya para los especialistas sino para los trabajadores del sector de la salud y muy especialmente para los dedicados a la atencin primaria si quieren que sta sea realmente comunitaria. Creemos que el esfuerzo de Ahlbom y Norell para presentar los elementos esenciales de esta metodologa en forma tan clara y concisa ser muy apreciado por los lectores que vern, gracias a ellos, enormemente facilitado su trabajo. Sevilla agosto de 1985 ENRIQUE NJERA Profesor de Medicina Preventiva y Social. Facultad de Medicina. Universidad de Sevilla.
PROLOGO A LA EDICION NORTEAMERICANA Se ha dicho, no muy en serio, que un epidemilogo de los de antao era un mdico que saba contar. Hoy, la epidemiologa ha venido a ser una disciplina cientfica bien diferenciada que, como otras, exige un largo perodo de formacin de alto nivel a los que desean conocerla en profundidad. Los fundamentos de la realizacin e interpretacin de los estudios epidemiolgicos han dejado de ser durante los ltimos 15-20 aos un conjunto de reglas de sentido comn y significado poco concreto, para convertirse en un cuerpo de conceptos bien definidos y lgicamente relacionados, que proporciona una teora coherente para la planificacin e interpretacin de los mismos. Anteriormente, el pensamiento epidemiolgico estuvo dominado por la intuicin y la normativa prctica tradicional. En la actualidad, este ha cristalizado en una serie de principios capaces de orientar al epidemilogo en la intrincada problemtica de la investigacin de poblaciones. La experiencia y el sentido comn son todava recursos fiables de investigador, pero el desarrollo cientfico requiere sin duda la comprensin estructurada de la realidad. En este sentido el progreso realizado por la epidemiologa durante las dos ltimas dcadas ha sido notorio. A veces sucede que lo que un cientfico establecido acepta como evidente durante aos, no es tan confiadamente percibido por los recin llegados a ese campo de investigacin. Aquellos que se acercan a un campo del saber convencidos de la necesidad de formalizar los conceptos como primer paso en el proceso del aprendizaje, son capaces de desarrollar una comprensin de los mismos libre de los errores crnicos de enfoque. Desgraciadamente, muchos de los conceptos de la epidemiologa moderna no se encuentran todava vertidos en los textos de introduccin a esta disciplina. Esta lcida monografa de Anders Ahlbom y Staffan Norell las corrige este defecto. Aqu se encuentran, claramente expuestas, ideas que un no iniciado deber enfrentar y asimilar. La presentacin de los conceptos ms recientes est sutilmente construida sobre el antiguo patrn dogmtico suscitando una comprensin mas profunda de la tradicionalmente conseguida a este nivel bsico. Por ejemplo, cuando inici mis estudios de epidemiologa en la Escuela de Salud Pblica de Harvard en 1969 se nos hizo saber distinguir entre incidencia y prevalencia, pero nunca se nos mostr la fundamental diferencia entre los dos tipos de incidencias, la tasa de incidencia y la incidencia acumulada. La utilizacin de la estratificacin en el anlisis a efectos de controlar el confounding no nos fue presentada sino en un curso avanzado. En este pequeo manual, A. Ahlbom y S. Novell describen, clara y por vez primera en un texto introductorio, estos y otros conceptos similares. Saber contar sigue siendo importante en epidemiologa, pero la comprensin e interpretacin de los estudios epidemiolgicos que actualmente se publican en revistas mdicas y sanitarias requieren algo ms. Esta Introduccin a la Epidemiologa se acompaa de una exposicin concisa de las ideas y principios elementales subyacentes a todo trabajo de investigacin. Este doble contenido constituye el trampoln y el marco de referencia necesarios para los que desean familiarizarse con la epidemiologa de nuestro tiempo.
KENNETH J. ROTHMAN. Profesor de Medicina de Familia y Comunidad. Facultad de Medicina. Universidad de Massachusetts.
PROLOGO A LA EDICION SUECA
La epidemiologa es la disciplina que estudia la frecuencia de las enfermedades en las poblaciones humanas. Durante los ltimos aos se ha desarrollado de manera considerable en nuestra sociedad el conocimiento de los efectos negativos de las condiciones ambientales y del modo de vida sobre la salud y la conciencia de la necesidad de prevenir las enfermedades. Como consecuencia directa de ello ha crecido el inters por la epidemiologa. El objetivo de esta publicacin es contribuir a satisfacer la creciente necesidad de material de enseanza en esta materia. La epidemiologa utiliza una serie de trminos o expresiones para definir los conceptos que le son propios y clarificar sus relaciones internas. No es de esperar que se encuentren serias dificultades para comprender los aqu expuestos. Sin embargo es posible que el lector se vea obligado a dar por resueltos los problemas de validez que siempre deben plantearse en el diseo e interpretacin de los estudios epidemiolgicos y que son ineludibles a la hora de establecer conclusiones de tipo causal. En gran parte, la problemtica que se refiere a la validez tiene su origen en el carcter predominantemente no experimental de la materia. De igual manera puede resultar relativamente oscuro para el lector el concepto de causa, en s y en lo que se refiere a la conjuncin de diversas causas en el proceso que desemboca en la aparicin de la enfermedad. El tratamiento del material recogido en un estudio epidemiolgico implica la utilizacin del anlisis estadstico. El mtodo estadstico no recibe apenas consideracin en este manual a excepcin de las referencias incluidas en el ltimo captulo. Es nuestra intencin que este texto pueda ser estudiado por todos aquellos que no posean conocimientos previos de medicina y estadstica y que sea de utilidad en los programas de educacin de medicina y de ciencias sociales bsicos as como en la introduccin a los de posgraduados.
ANDERS AHLBOM y STAFFAN NORELL. Huddinge. julio de 1981.
1. QUE ES LA EPIDEMIOLOGIA? La epidemiologa es la ciencia que estudia la frecuencia de las enfermedades en las poblaciones humanas. Consiste en la medicin de la frecuencia de enfermedad y en el anlisis de sus relaciones con diversas caractersticas de los individuos o de su medio ambiente. (La palabra epidemiologa proviene de los trminos griegos, epi = sobre, encima, demos = pueblo y logos = estudio, y significa el estudio de lo que est sobre, o que afecta a las personas). La investigacin de la frecuencia de enfermedad no es un fenmeno nuevo. Sin embargo, el desarrollo de la teora y mtodos epidemiolgicos en las ltimas dcadas ha abierto nuevas perspectivas y despertado gran inters en mltiples campos de aplicacin. (La lista de referencias bibliogrficas incluye varios manuales de inters general en esta materia). Durante mucho tiempo el campo de mayor inters en epidemiologa fueron las enfermedades infecciosas, especialmente las de mayor contagiosidad, ya que su frecuencia variaba de manera muy clara, a veces dramtica, como durante las llamadas epidemias. Desde un principio, se observ que los individuos que estaban en contacto con personas enfermas frecuentemente enfermaban, y tambin, que aquellos que sanaban rara vez volvan a contraer la misma enfermedad. Observaciones epidemiolgicas de este tipo indujeron la formulacin de teoras acerca de la transmisibilidad e inmunidad y propiciaron la toma de medidas preventivas eficaces antes incluso del descubrimiento de los microorganismos y de los anticuerpos. Un ejemplo clsico es el estudio del clera en Londres realizado por John Snow en 1854 (Snow, 1855). Las observaciones epidemiolgicas antiguas no se limitaron al campo de la enfermedad infecciosa ya que existan otras enfermedades que tambin mostraban variaciones en su presentacin. A principios de siglo se observ la desigual distribucin de ciertas enfermedades carenciales lo que se atribuy a variaciones en la composicin de la dieta alimenticia. Estas observaciones permitieron elaborar teoras sobre las causas de estas enfermedades y tomar medidas preventivas eficaces antes de que llegaran a identificarse determinados nutrientes esenciales tales como las vitaminas. Un ejemplo de este fenmeno lo constituyen los estudios de Goldberger sobre la pelagra realizados entre 1915 y 1926 (Terris, 1964). En los ltimos aos se ha prestado mayor atencin a la epidemiologa de las enfermedades neoplsicas. Los estudios epidemiolgicos han jugado un papel fundamental mostrando la relacin entre el consumo de cigarrillos y la aparicin de cncer de pulmn. Otros estudios han sealado la asociacin existente entre la exposicin a radiaciones ionizantes y determinadas formas de cncer. Las relaciones de diversas sustancias qumicas con distintos tipos de tumores malignos han sido objeto de estudio en una gran cantidad de investigaciones epidemiolgicas. A pesar de que el conocimiento de los mecanismos patognicos de estas enfermedades todava es muy incompleto, estos estudios han abierto en muchos casos el camino que conduce a la toma de medidas preventivas.
Actualmente las enfermedades cardiovasculares constituyen un rea de gran inters. El infarto de miocardio ha llegado a ser una de las causas de fallecimiento ms importante en los pases industrializados. Las modificaciones del modo de vida han sido identificadas como posible explicacin de este fenmeno. No obstante, permanece an sin esclarecerse la importancia que debe atribuirse a factores particulares, tales como el estrs, la disminucin de la actividad fsica, el consumo de tabaco, el aumento de la ingesta calrica y de grasas saturadas o el tipo de relacin de estas caractersticas con otras como la hipertensin arterial y la elevacin de los niveles sricos de colesterol y triglicridos (grasas sanguneas). En los ltimos aos se han realizado una serie de estudios epidemiolgicos dirigidos a clarificar el papel que estas otras caractersticas juegan en la produccin del infarto de miocardio y a determinar las posibilidades de prevencin del mismo. Objetivos similares inspiraron la realizacin de estudios de otras enfermedades vasculares como la apopleja. El inters que en principio fue dirigido fundamentalmente hacia las enfermedades de corta duracin (por ejemplo enfermedades infecciosas agudas), est actualmente ms centrado en las enfermedades crnicas. Estas enfermedades son de gran importancia a causa de su larga duracin y de la sobrecarga que suponen para el sistema sanitario. Tal es el caso de la artritis reumatoide. Las diferencias que se observan en la frecuencia de artritis reumatoide en distintas poblaciones son muy evidentes, incluso despus de corregir las debidas a las desigualdades de la composicin de las mismas por edades o sexos. Estas diferencias hacen preguntarse a los epidemilogos qu caractersticas de los individuos (vg., genticas) o de su medio (vg., exposicin a agentes infecciosos) explican las variaciones de la morbilidad de la artritis reumatoide? Otro ejemplo lo constituyen ciertas enfermedades del aparato digestivo como la colitis ulcerosa o la enfermedad de Crohn: Qu factores influyen en la frecuencia de estas enfermedades o determinan la probabilidad de aparicin de complicaciones; por ejemplo, cncer de colon? De igual manera se han estudiado las relaciones de la utilizacin de ciertos frmacos, del consumo de alcohol y tabaco, o de ciertas infecciones durante el perodo de gestacin con las variaciones en la frecuencia de aparicin de malformaciones congnitas. A veces el punto de partida de un estudio epidemiolgico no es una enfermedad, sino una determinada caracterstica o tipo de exposicin a ciertos factores. En estudios de riesgo laboral estos factores suelen ser caractersticos del medio o del lugar de trabajo. El efecto de la exposicin puede ser determinado evaluando el estado de salud y la frecuencia de aparicin de la enfermedad en el grupo expuesto en comparacin con un grupo de referencia. Por ejemplo: Qu relacin existe entre la exposicin al amianto en ciertos trabajos y la frecuencia de aparicin de asbestosis, mesotelioma o cncer de pulmn? Cules son las consecuencias del trabajo a destajo, del estrs y de los cambios de horarios laborales en la salud de los individuos? Qu riesgo supone, para la salud de las poblaciones, la utilizacin de insecticidas en la agricultura o el vertido libre de desechos industriales que contienen sales de mercurio? En estudios de efectos secundarios de medicamentos, el punto de partida suele ser tambin, una determinada caracterstica (exposicin a frmacos) ms que una enfermedad. Los ejemplos de reas de aplicacin aqu mencionados sealan la estrecha relacin que existe entre la epidemiologa y la medicina preventiva. Los programas de prevencin pueden ser llevados a cabo de manera compatible con la realizacin de estudios de evaluacin de su eficacia. Esta se realiza habitualmente comparando la frecuencia de enfermedad en el grupo protegido con la de un grupo de poblacin testigo, ya que rara vez
las medidas preventivas afectan a la totalidad de la poblacin. Es as como la llamada epidemiologa experimental contribuye a la evaluacin de las medidas, programas o campaas destinadas a la promocin de la salud. En los ltimos aos se ha hecho ms evidente el valor que tiene el conocimiento de la frecuencia y distribucin de las enfermedades en la planificacin de la asistencia sanitaria. Las relaciones entre la frecuencia de enfermedad, la necesidad de asistencia, la demanda o la oferta asistencial han sido objeto de diversos estudios. Existe tambin un inters creciente por el estudio de la prestacin de servicios sanitarios, del empleo de las distintas formas de tratamiento y de sus correspondientes efectos en el estado de salud. El estudio de la frecuencia de enfermedad y de sus relaciones con diversas caractersticas de los individuos o de su medio, constituye la base comn de las diferentes aplicaciones de la epidemiologa. BIBLIOGRAFIA Alderson, M., Ar. introduction to epidemiology, McMillan Press, 1976. Breslow, N. E., Day, N. E., Statistical methods in cancer research, vol. 1 - The analysis of case- control studies. International Agency for Research on Cancer 1980, IARC Scientific Publications, n 32. Friedman, G. D., Primer of epidemiology, McGraw-Hill, 1974. Kleinbaum, D. G.; Kupper, L. L. y Morgensten, H.; Epidemiologic Research. Principles and quantitative methods, Wadsworth, Inc., 1982. Lilienfeld, A. M. Lilienfeld, D. E., Foundations of epidemiology, 2.a ed., Oxford University Press, 1980. MacMahon, G., Pugh, T. F.; Epidemiology principles and methods, Little, Brown and Company, 1970. Monson, R. R., Occupational epidemiology, CRC Press, Inc. 1980. Morris, J. N., Uses of epidemiology, Churchill, Livingstone, Edimburgo, 1975. Roberts, C. J., Epidemiology for clinicians, Pitman medical publishing Co. Ltd., 1978. Schlesselman, J., Case- control studies, Oxford University Press, 1982. Snow, J., On the mode of communication of cholera. Churchill 1855. En Snow on Cholera, Commonwealth Fund 1936, reimpresin en Hafner Press, 1965. Terris, M., Goldberger on pellagra, Louisiana State University Press, 1964.
2. MEDIDAS DE FRECUENCIA DE ENFERMEDAD En el captulo anterior se indicaba que el objetivo inicial de los estudios epidemiolgicos era la medicin de la frecuencia de enfermedad. Las medidas de frecuencia de enfermedad juegan un papel fundamental en toda actividad relacionada con la epidemiologa, pudiendo ser expresadas de distintas maneras. VALORES ABSOLUTOS Y VALORES RELATIVOS AL TAMAO DE LA POBLACIN En general, las medidas de frecuencia de enfermedad deberan ser independientes del tamao de la poblacin. Esto se consigue relacionando el nmero de casos de enfermedad que surgen en una poblacin con el nmero de individuos de la misma. La informacin sobre el nmero absoluto de casos puede ser importante y suficiente para la realizacin de tareas administrativas; pero el anlisis epidemiolgico requiere la consideracin del tamao de la poblacin. Ejemplo: Ciertos datos epidemiolgicos se utilizaron en una campaa de promocin del uso de chalecos salvavidas. De entre 125 personas ahogadas por inmersin, solamente 11 vestan chaleco salvavidas frente a 114 que no lo llevaban. Estos datos parecan sugerir la existencia de una relacin entre el uso del chaleco y el riesgo de muerte por ahogamiento. Sin embargo la comparacin as establecida entre las cantidades absolutas de casos ignora la frecuencia de uso del chaleco, es decir, el tamao de la poblacin que lo utiliza y el de la que no lo usa. Por ello la diferencia anteriormente aludida podra reflejar nicamente el hecho de que el nmero de portadores de chaleco es habitualmente pequeo en comparacin con el de los que no lo llevan. INCIDENCIA Y PREVALENCIA Las medidas de frecuencia de enfermedad pueden referirse a la situacin en un momento determinado (prevalencia) o a lo acontecido durante un perodo de tiempo (incidencia). Las medidas de prevalencia describen la proporcin de la poblacin que padece la enfermedad en estudio en un momento determinado. Las medidas de incidencia se refieren al nmero de casos nuevos que aparecen en un perodo de tiempo. Si se considera que un individuo puede nicamente encontrarse sano o enfermo respecto a una determinada enfermedad, la prevalencia representara la proporcin de la poblacin que, en un determinado momento, se halla en estado de enfermedad. Las medidas de incidencia reflejan el flujo del estado de salud al de enfermedad en la poblacin. La prevalencia depende obviamente de la incidencia, pero tambin de la duracin de la enfermedad. Esto significa que las modificaciones de la prevalencia pueden deberse a variaciones en la incidencia o bien a cambios en la duracin de la enfermedad. Las variaciones en la duracin de la enfermedad pueden a su vez depender de cambios en el perodo de recuperacin o en la esperanza de vida de los pacientes. En los estudios epidemiolgicos en los que el objetivo es la investigacin causal o la evaluacin de medidas preventivas, el inters est dirigido el mencionado flujo, es decir, hacia los casos nuevos. La medida de frecuencia de enfermedad que mejor expresara el
cambio de estado, sera la incidencia. Las medidas de prevalencia de mayor utilidad en los estudios de planificacin de servicios sanitarios o de estimacin de las necesidades asistenciales. La eleccin entre incidencia y prevalencia a menudo se hace desde un punto de vista pragmtico. En general en los estudios epidemiolgicos de enfermedades crnicas, tales como diabetes o artritis reumatoide, se utilizan medidas de prevalencia mientras que en los referidos a otras enfermedades como infarto de miocardio o cncer, se suelen emplear medidas de incidencia. TRES MEDIDAS DE FRECUENCIA DE ENFERMEDAD A continuacin se describen tres medidas de frecuencia de enfermedad. La primera es una medida de prevalencia y las otras dos son medidas de incidencia. Prevalencia: La medida de prevalencia se denomina nicamente prevalencia (P) y se define como: P= no de individuos que tienen la enfermedad en un momento dado _____________________________________________________ no de individuos de la poblacin en ese momento
La prevalencia es la proporcin de la poblacin que padece la enfermedad en un momento dado. Como todas las proporciones, no tiene dimensiones y nunca puede tomar valores menores de 0 mayores de 1. Ejemplo: De entre la poblacin de Estocolmo se seleccion una muestra de 1038 mujeres de 70 a 74 aos de edad (Allander 1970). Despus de ser examinadas, 70 de ellas fueron diagnosticadas de artritis reumatoide. La prevalencia de artritis reumatoide en este grupo era de: 70 p = ________ = 0,07 1 038
Incidencia acumulada: La llamada incidencia acumulada (IA) se define como: no de individuos que presentan la enfermedad durante un perodo de tiempo determinado ________________________________________________________ no de individuos de la poblacin al comienzo de ese perodo
IA=
En el numerador y en el denominador se incluyen slo aquellos individuos que estn libres de la enfermedad al comienzo del perodo en estudio y que, por tanto, estn en riesgo de padecerla. La incidencia acumulada es la proporcin de individuos en estado de salud al comienzo del perodo que pasan durante el mismo al estado de enfermedad. En resumen, la incidencia acumulada es la proporcin de sanos que contraen la enfermedad a lo largo de un cierto perodo. El valor de esta medida puede considerarse como el riesgo medio de contraer la enfermedad durante este tiempo para los individuos de esa poblacin. La incidencia acumulada es adimensional y sus valores numricos slo (A veces se define tericamente incidencia acumulada utilizando un numerador ligera mente diferente; el nmero de individuos que, en teora, hubieran desarrollado la enfermedad si ninguno hubiese fallecido a causa de otras enfermedades durante el perodo de observacin). En algunos estudios ciertos grupos de individuos aparecen sometidos al riesgo de contraer la enfermedad durante diferentes perodos de tiempo. Este denominador cambiante puede ser debido al hecho de que algunos individuos se incorporan al grupo de estudio en diferentes momentos o a que algunos lo abandonan durante el perodo de observacin. En tales situaciones la incidencia acumulada no puede calcularse directamente de los datos. La duracin del perodo de observacin influye directamente sobre la incidencia acumulada, que aumenta con la prolongacin del mismo. La amplitud de este intervalo debe describirse siempre con la incidencia acumulada y ser tenida en cuenta al interpretar cualquier valor de sta. Ejemplo: Segn el censo de 1960, 3 076 varones de edad 20- 64 aos trabajaban en Suecia en la industria del plstico. De acuerdo con el Registro de Cncer y Medio Ambiente, 11 de aquellos trabajadores desarrollaron un tumor cerebral durante el perodo 1961- 1973 (Instituto Nacional de la Salud y Asuntos Sociales, 1980). Por tanto, la incidencia acumulada durante este perodo de 13 aos sera: 11 IA = __________ 0,004 3076 Tasa de incidencia: La medida fundamental de frecuencia de enfermedad es la tasa de incidencia (1), que se define como: no de casos de la enfermedad que aparecen en una poblacin durante un perodo de tiempo determinado
I =____________________________________________________ suma de los perodos de tiempo en riesgo de contraer la enfermedad correspondientes a cada individuo de la poblacin La suma de los perodos de tiempo del denominador se mide frecuentemente en aos y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo de la poblacin es el tiempo durante el cual este individuo permanece en el grupo en estudio y se encuentra libre de la enfermedad, y por tanto en riesgo de contraerla. Finalmente se suman los perodos de tiempo en riesgo de todos los individuos. La razn es que el nmero total de individuos que pasan del estado sano al estado enfermo durante cualquier perodo es el producto de tres factores: el tamao de la poblacin, la amplitud del perodo de tiempo, y el poder patgeno o fuerza de morbilidad que acta sobre la poblacin. La tasa de incidencia mide esta fuerza o poder. Por ello, la tasa de incidencia se obtiene dividiendo el nmero de casos por el producto del tamao de la poblacin y la duracin del perodo, lo cual es equivalente a la suma de los perodos de tiempo para cada individuo de la poblacin. Al dividir el nmero de casos por el de tiempo en riesgo, la duracin del perodo de observacin tiene aqu en cuenta incluso el que los perodos de observacin sean variables; lo que no es posible utilizando la incidencia acumulada. Esta medida corrige el efecto de la entrada y salida de individuos en la poblacin en estudio durante el perodo de observacin. A menudo, no es posible excluir los perodos en que algunos de los individuos no estn en riesgo, porque han desarrollado la enfermedad. El valor total del tiempo en riesgo puede calcularse de manera aproximada y generalmente satisfactoria multiplicando el tamao medio de la poblacin por la duracin del perodo de observacin. La tasa de incidencia no es una proporcin como las dos medidas anteriores, dado que el denominador se mide en unidades de tiempo. Su dimensin es por unidad de tiempo. La magnitud de la tasa de incidencia no puede ser inferior a cero pero no tiene lmite superior. Ejemplo: En 1973 aparecieron 29 casos de infarto de miocardio en Estocolmo entre los hombres de 40-44 aos de edad (Ahlbom, 1978). El nmero de aos en riesgo para los hombres de este grupo de edad fue de 41 352. La tasa de incidencia result ser: I= 29 _________ 41 352 = 0,0007 por ao
RELACIONES ENTRE LAS TRES MEDIDAS Hemos dicho al comienzo de este captulo que la prevalencia depende de la incidencia y de la duracin de la enfermedad. En una situacin estable esta asociacin puede expresarse de la siguiente forma, (D indica la duracin promedio de la enfermedad). P/(1 - P) = I x D El denominador en el lado izquierdo de la ecuacin refleja la parte de la poblacin que est libre de la enfermedad. Esta se incluye en la frmula dado que solo aquellas personas que estn libres de la enfermedad se encuentran en riesgo de padecerla. Para enfermedades raras, es decir las de baja prevalencia, puede utilizarse la siguiente aproximacin: P=IxD La incidencia acumulada depende de la tasa de incidencia de la duracin del perodo en riesgo, afectndose tambin por la mortalidad debida a enfermedades distintas a la estudiada. La razn es que algunos de aquellos que mueren a causa de otras enfermedades podran haberse convertido en casos de la enfermedad en estudio si hubieran sobrevivido. Los valores de incidencia acumulada se obtienen, ignorando la mortalidad por otras enfermedades y considerando que la tasa de incidencia permanece constante durante el perodo en riesgo, por medio de la siguiente expresin: IA = 1 - exp (-I x t) donde t es la duracin del perodo y exp indica que la constante matemtica e = 2,72 debe elevarse al valor de expresin entre parntesis. Para enfermedades de baja tasa de incidencia, o cuando el perodo es corto, puede utilizarse la siguiente aproximacin: IA = I x t MEDIDAS CRUDAS Y ESPECFICAS Las medidas de frecuencia de enfermedad que hemos discutido pueden ser calculadas para una poblacin o, por separado, para grupos de la misma. En el primer caso las medidas se denominan crudas y en el segundo especficas. Por ejemplo, si las tasas de incidencia se calculan para diferentes grupos de edad de una poblacin, sern denominadas tasas de incidencia especficas por edad. Cuando existe una razn para pensar que la frecuencia de la enfermedad puede variar de un grupo a otro se divide la poblacin en subgrupos. Algunas veces estas variaciones tienen inters, pero podran permanecer ocultas si solo se obtuviesen las medidas crudas. Otra razn, importante en las comparaciones entre poblaciones, es que la magnitud de una medida cruda no depende slo de la magnitud de las medidas especficas que se aplican a los subgrupos sino tambin de la forma en que la poblacin se distribuye en diferentes sub poblaciones. Ejemplo: Durante un determinado ao la tasa cruda de mortalidad (n o de muertes dividido por el tamao medio de poblacin durante el ao) en Suecia fue de 0,010 por ao, mientras que en Costa Rica fue slo de 0,008 por ao. La explicacin de esta diferencia no es que el
riesgo de muerte fuese mayor en Suecia que en Costa Rica. Todas las tasas de mortalidad especficas por edad, excepto aquellas de los grupos de edad ms avanzada, fueron mayores en Costa Rica que en Suecia. La explicacin es que grupos de edad avanzada, donde la mortalidad es ms alta, constituyen una mayor proporcin de la poblacin en Suecia que en Costa Rica.
BIBLIOGRAFA Ahlbom, A., Acute myocardial infarction in Stockholm - A medical information system as an epidemiological tool, International Journal of Epidemiology, 1978; 7:271- 276. Allander, E., A population survey of rheumatoid arthritis, Acta Rheumatologica Scandinavica, 1970, suplemento 15. Elandt-Johnson, R. C., Definition of rates: Some remarks on their use and misuse, American journal of Epidemiology, 1980; 102.267- 271. Freeman, J. y Hutchinson, G. B., Prevalence, incidence, and duration, American Journal of Epidemiology, 1980; 112:707- 723. Haberman, S., Mathematical treatment of the incidence and prevalence of disease, Social Science and Medicine, 1978; 12:147- 152. Hoem, J. M., The statistical theory of demographic rates, Scandinavian Journal of Statistics, 1976; 3:169- 185. Morgenstern, H., Kleinbaum, D. G. y Kupper, L. L., Measures of disease incidence used in epidemiologic research, International journal of Epidemiology, 1980; 9:97- 104. National Board of Health and Welfare, Committee for the Cancer Environment Registry en colaboracin con The National Bureau of Statistics and The Swedish Work Environmental fund, The Swedish Cancer Environment Registry, 1961- 73; Estocolmo, 1980.
EJERCICIOS - CAPTULO 2 1. El nmero de muertes anuales debidas a cncer en Estados Unidos aument de 118 000 a 331000 durante el perodo 1930-1970; es decir, sufri un incremento del 180,5%. Una explicacin de este aumento podra ser una mayor exposicin de la poblacin a sustancias carcinognicas. Enumerar otras posibles explicaciones. 2. Cuando se estudia la relacin entre dieta y enfermedad, la morbilidad puede ser expresada en cantidades absolutas (nmero de casos o individuos afectados) o relativas (al tamao de la poblacin). Qu es preferible? Por qu? 3. La frecuencia de enfermedad puede medirse corno prevalencia o como incidencia. Qu medida es ms apropiada para la evaluacin de programas preventivos? Por qu? 4. Explicar en propios trminos el significado de las siguientes expresiones: a) La prevalencia de una enfermedad en una poblacin es de 0,02. b) La tasa de incidencia de una enfermedad en una poblacin es de 5 X 10-4 por ao. 5. En una poblacin con una distribucin por edad estable cmo se explicara que la prevalencia de una enfermedad est disminuyendo a pesar de que la tasa de incidencia permanezca constante? 6. Cul es la diferencia entre tasa de incidencia e incidencia acumulada? 7. Pngase un ejemplo numrico, con un perodo de observacin de un ao, en el que la tasa de incidencia anual sea mayor de 1. Cul ser la incidencia acumulada? 8. Entre el personal de cierto laboratorio mdico se registraron 532 casos de heridas debidas a accidentes en un perodo de cuatro aos, El nmero de empleados de este laboratorio era de 520 al comienzo del perodo y de 680 al final qu medida de frecuencia puede ser obtenida? Calclese. 9. En un examen de 1 000 hombres de 65 aos, se encontr que 100 padecan una cierta enfermedad. Durante el siguiente perodo de lo aos, 200 ms contrajeron esta enfermedad. Qu medida (s) de frecuencia de enfermedad puede(n) obtenerse? Realizar los clculos. 10. Entre los internados en un centro de tratamiento psiquitrico existan portadores de hepatitis B en algunas salas, aunque no en otras. Para investigar el grado en que este hecho pudiese condicionar la frecuencia de hepatitis B entre el personal, se le examin determinando la presencia de marcadores serolgicos. 14 individuos, de 67 personas que trabajaban en las salas en las que haba portadores, presentaban positividad a marcadores de hepatitis B. De 72 personas que trabajaban en las otras salas, slo 4 presentaron serologa positiva. Qu medida de frecuencia de enfermedad indicada por los marcadores se puede calcular? Obtngase para cada uno de los dos grupos de personal.
11. Un cierto nmero de mujeres de edades entre 30 y 59 aos fueron sometidas a exmenes ginecolgicos peridicos a efectos de diagnstico y tratamiento precoz del cncer cervical. Aquellas mujeres en las que no se hall la enfermedad en el examen inicial, fueron objeto de un seguimiento que acumul 238 294 aos en riesgo, identificndose 123 casos nuevos de carcinoma in situ. Qu medida de frecuencia de enfermedad puede obtenerse? Realcense los clculos. 12. En un cribado de 5 000 mujeres se encontr que 25 de ellas padecan cncer de mama. En los 5 aos siguientes 10 mujeres ms de las examinadas presentaron esta enfermedad. Qu medidas de frecuencia de enfermedad pueden ser obtenidas? Realizar los clculos. 13. A lo largo de un perodo de 5 aos se produjeron 270 casos de lcera duodenal en la poblacin masculina de una determinada ciudad. El nmero de varones de esta ciudad era de 18 500 al comienzo del perodo y de 21 500 al final. Qu medidas de frecuencia de enfermedad pueden obtenerse? Realizar los clculos. 14. En un estudio de la agudeza visual y de la frecuencia de ciertas enfermedades oftalmolgicas en Framingham, se encontr que entre 2 477 personas de 52-85 aos haba 310 que padecan de cataratas, 156 de degeneracin macular senil, 67 de retinopata diabtica, 64 de glaucoma de ngulo abierto y 22 de ceguera. Qu medidas de frecuencia de enfermedad se pueden calcular? Obtnganse las correspondientes a las distintas enfermedades oculares y a la ceguera 15. En un rea geogrfica cuya poblacin media anual fue de 7 250 000 aparecieron 435 casos de meningitis bacteriana en el perodo comprendido entre el 1 de enero y el 31 de diciembre de 1975. Qu medida de frecuencia de enfermedad puede ser obtenida? Realizar los clculos. 16. Segn el Registro Sueco de Tumores, aparecieron, respectivamente, en los aos 1971, 1972 y 1973, 97, 121 y 212 casos de cncer de pncreas, entre hombres de 70-74 aos. Al comienzo de 1971 este grupo de edad comprenda 309 949 individuos y al final de 1973, 332 400. Qu medida de frecuencia de enfermedad puede obtenerse? Realizar los clculos. 17. En un rea de Washington se intent determinar la frecuencia de esclerosis mltiple (E.M.) en la poblacin blanca nativa (679 478 individuos) y en la de origen japons (16 122 individuos). En el momento de la investigacin se encontr que en los grupos haba respectivamente 395 y 0 casos de E.M. Qu medida de frecuencia de enfermedad se puede calcular? Obtngase para cada grupo. 18. En una zona perifrica de Estocolmo se registraron en un ao 21 casos de lesiones debidas a accidentes de moto, mientras que en un distrito del centro de la ciudad con una poblacin media del mismo tamao (80 000 habitantes) slo se produjeron 9 de estas lesiones (vase tabla). a) Calcular las tasas de incidencia en el rea perifrica y en la central, sin tener en cuenta la distribucin por edad de ambas poblaciones.
b) Calcular la tasa de incidencia especfica para cada grupo de edad en el rea perifrica y la del centro de la ciudad. N. de lesiones y aos en riesgo por edad y rea Edad (aos) 15-19 ms de 20 Total N de lesiones rea perifrica central 1 21 20 2 9 rea 7 N de aos en riesgo rea rea perifrica central 4000 76000 80000 1000 79000 80000
19. De 129 600 nios nacidos en Nueva York, 212 presentaron espina bfida al nacer. Qu medida de frecuencia de espina bfida puede obtenerse? Calclese. 20. En un rea de Londres nacieron durante los aos 1970-1973, 832 nios cuyo peso al nacer era inferior a 2 000 g. 133 de stos eran muertes fetales tardas. De los nacidos vivos, 210 murieron en el primer mes despus del nacimiento. Qu medidas de frecuencia de enfermedad pueden obtenerse referidas a: a) mortalidad fetal tarda y, b) mortalidad en nios nacidos vivos con peso al nacer inferior a los 2 000 g? Realizar los clculos. 21. En un llamamiento al servicio militar en Holanda se realiz un cribado de varones de 19 aos nacidos entre 1944 y 1947 utilizando test normalizados de inteligencia y otros mtodos. De 405 548 hombres sometidos a la prueba, 23 360 mostraron R.M.L (Retraso mental leve, CI = 50-69). Qu medida de frecuencia de R.M.L puede obtenerse? Realizar los clculos. 22. En un cribado se determinaron las tasas de colesterol srico y presin arterial sistlica de 1329 varones de edad comprendida entre 40-59 aos. En el momento del examen ninguno presentaba cardiopata isqumica (C1). A continuacin se realiz un seguimiento de los mismos durante 6 aos con vistas a detectar la presencia de esta enfermedad. (Vase tabla).
Presin sangunea sistlica (mm Hg) < 147 colesterol n. de srico individuos (mg/100 ml) < 220 220- 259 +=260 431 347 185 n. de casos de CI 10 19 19 147- 166 n. de individuos 93 74 57 n. de casos de CI 3 6 11 mayor o igual167 n.de n. de individuos casos de CI 49 49 44 7 6 11
Qu medida de frecuencia de enfermedad puede obtenerse? Calcularla para: a) Hombres con colesterol srico inferior a 220 mg/100 MI y presin sangunea sistlica inferior a 147 mm/Hg. b) Hombres con colesterol srico igual o superior a 260 mg/100 ml y presin sangunea sistlica inferior a 147 mm/Hg. c) Hombres con colesterol srico inferior a 220 mg/100 mI y presin sangunea sistlica igual o superior a 167 mm/Hg. d) Hombres con colesterol srico igual o superior a 260 mg/100 mI y presin sangunea sistlica igual o superior a 167 mm/ Hg.
3. ENFERMEDAD Y DIAGNOSTICO Para describir la frecuencia de una determinada enfermedad es necesario determinar qu individuos la padecen. Esto se consigue mediante el examen de cada individuo en busca de sntomas y signos, o realizando pruebas complementarias y comparando posteriormente estas observaciones con los criterios diagnsticos. Las diferentes enfermedades se agrupan de acuerdo con un sistema de clasificacin. SNTOMAS, SIGNOS Y PRUEBAS CLNICAS La mayora de las observaciones sobre las que se basa el razonamiento diagnstico pueden ser consideradas como mediciones de variables continuas. La distribucin de estas variables difiere considerablemente entre los diversos grupos de individuos. Entre los pacientes de un centro de asistencia primaria o los de un departamento de medicina interna, hay, por ejemplo, quienes buscan asistencia por manifestaciones clnicas de diabetes (con elevacin de azcar en sangre) y quienes la solicitan por otras razones (habitualmente con niveles bajos o normales de azcar en sangre). En un grupo de pacientes como este, la variable relacionada con la enfermedad (nivel de azcar en sangre) tiende a adoptar una distribucin bimodal. Sin embargo, la distribucin de esta variable en la poblacin general es unimodal. Esta distincin explica las diferencias existentes entre la investigacin basada en muestras de la poblacin general y la investigacin basada en casos clnicos; especialmente, cuando se consideran problemas relacionados con la precisin o certeza del diagnstico. Las variables que constituyen las bases para el diagnstico pueden depender en principio de observaciones subjetivas del paciente (sntomas), de observaciones subjetivas del que examina (signos) o de observaciones objetivas (pruebas clnicas). Sntomas. Este trmino corresponde a las manifestaciones que slo la persona examinada (paciente) puede observar, por ejemplo, dolor, nusea, fatiga. Naturalmente, los sntomas pueden ser percibidos y descritos de distinta forma por diferentes individuos y por el mismo individuo en diferentes situaciones. La exactitud en el registro de los sntomas depende del procedimiento utilizado en la recogida de datos; por ello se han desarrollado entrevistas normalizadas y protocolos de encuesta para mejorar su reproductibilidad. Por otra parte, la identificacin de sntomas por medio de entrevista se detecta no slo por la forma en que se formulan las cuestiones, sino tambin por las caractersticas del entrevistador y por la situacin en que se produce la entrevista. Como ejemplo de esta afirmacin podemos citar un estudio en el que los individuos fueron entrevistados por mdicos y por personal del Instituto Nacional de Estadsticas de Suecia (Johansson et al., 1969). En ambos casos se formularon las mismas preguntas, buscando la presencia de ciertos sntomas, sin embargo, los resultados fueron diferentes (vase cuadro l). El lector puede obtener ms informacin acerca de los problemas metodolgicos de las entrevistas de salud en libros de texto y revistas de la literatura (US Department of Health; Education and We1fare 1977; Bennet & Ritchie, 1975). CUADRO 1. Comparacin de entrevistas realizadas por mdicos y por entrevistadores del Instituto Sueco de Estadsticas (ISE) dirigidas a identificar la presencia de ciertos sntomas.
Entrevistador mdico Entrevistador del ISE intensa No Leve Intensa/o 19 6 0 4 13 3 0 1 0 33 1 0 6 1 3 2 0 0 33 1 2 3 5 0 0 1 1: Cefalea N leve Vrtigo intensa N leve intenso Fatiga N leve
Fuente: Johansson et al. (1969). Signos. Son las manifestaciones que pueden ser apreciadas por un observador (generalmente un mdico), por ejemplo erupcin o tumefaccin. La identificacin de los signos vara segn el criterio de la (o las) personas que exploran al enfermo o le examinan con diversos mtodos. Estas variaciones afectan a las observaciones obtenidas mediante auscultacin (audicin) cardiaca o pulmonar o por palpacin (examen tctil) del abdomen, as como a los exmenes radiolgicos que incluyen la interpretacin de la imagen o a los exmenes de tejidos al microscopio. El valor de tales exmenes depende del grado de concordancia entre diferentes examinadores (variaciones interobservadores) y entre diferentes exmenes hechos por un mismo observador (variaciones intraobservador). Por ejemplo, dos radilogos examinaron independientemente alrededor de 20 000 radiografas y las clasificaron segn los signos de enfermedad (vase cuadro 2, Lilienfeld & Kordan 1966). La concordancia entre ambos observadores, expresada como la proporcin de radiografas clasificada por ambos de la misma forma (nmeros subrayados en el cuadro) fue del 65%. En una comparacin similar realizada entre otros diez pares de observadores, todos ellos radilogos cualificados, la concordancia vari entre el 32% y 76%. Otros estudios comparando observaciones hechas independientemente por el mismo examinador, vg. exmenes de tejidos al microscopio (Archer et al., 1966) han arrojado resultados similares. La reduccin del nmero de categoras de los resultados implica un aumento de la proporcin de los examinados incluidos en cada categora. Por ejemplo, si nuestro inters (cuadro 2) se limitara a si existe o no cualquier signo de enfermedad pulmonar, incluyendo tumores, el grado de acuerdo entre dos examinadores sera del 89%. La proporcin de exmenes que muestran un mismo signo determina tambin la proporcin clasificada de igual forma. Por ejemplo, si cada uno de los examinadores encuentra el signo en el 50% de la poblacin estudiada, el propio azar induce una concordancia entre ambos del 50%. Pero si cada uno de ellos encuentra e signo en el 10% (o en el 90%) de la poblacin, esta podra llegar a ser del 82%. La fiabilidad de los exmenes puede mejorarse, reduciendo as la importancia de esta fuente de error, homogeneizando las condiciones en las que se realizan las observaciones. Las rutinas de examen se pueden detallar y estandarizar clasificando las observaciones segn criterios unitarios. En algunas ocasiones los exmenes subjetivos pueden ser sustituidos por procedimientos susceptibles de repeticin o ms objetivos. Por ejemplo, el registro de sonidos cardiacos por el fonocardiograma. En muchos estudios las limitaciones de tiempo y de recursos requieren en la prctica la utilizacin de cuestionarios y entrevistas para conseguir informacin acerca de los signos de enfermedad (US Department of Health, Education and We1fare 1977).
CUADRO 2. Comparacin de las interpretaciones de exmenes radiolgicos hechos independientemente por dos radilogos A y B. Interpretacin, radilogo A Tumor Tumor Pulmn Corazn Sin especificar Negativo Total 61 70 19 25 28 203 Pulmn 16 1320 151 407 157 2051 Corazn 1 63 1322 43 91 1 520 Interpretacin, radilogo B Sin especificar 9 861 369 1716 680 3635 Negativo 8 367 1 880 1 656 8475 12386 Total 95 2681 3 741 3 847 1 9431 19 795
Fuente: Lilienfeld y Kordan (1966). NOTA: Las interpretaciones de los resultados obtenidos de los exmenes fueron clasificadas de la siguiente forma: - Tumor. - Otras enfermedades pulmonares importantes. - Enfermedad cardiaca. - Cambios no significativos. - Examen radiolgico negativo (normal). Pruebas clnicas: Es un trmino que aqu engloba aquellos exmenes cuyos resultados pueden ser ledos en un instrumento y por tanto son relativamente independientes del juicio subjetivo de la persona examinada o del examinador. Por ejemplo los anlisis qumicos de sangre. Su fiabilidad o replicabilidad puede ser examinada, por ejemplo, repitiendo en un laboratorio el anlisis de una muestra de sangre (variaciones intralaboratorio) y procesando en diferentes laboratorios la misma muestra (variacin interlaboratorios). La figura 1 muestra el nivel de glucosa srica en una nica muestra, segn 10 laboratorios hospitalarios suecos, cada uno de los cuales realiz 16 anlisis de la misma. La lnea de trazos representa el nivel de glucosa srica segn el mtodo de referencia (espectrometra de masas mediante dilucin de istopos), del que se acepta proporciona un valor ms cierto.
Como se aprecia en la figura 1 la variacin interlaboratorios es relativamente grande; este tipo de error puede afectar los resultados de estudios epidemiolgicos cuando los anlisis han sido hechos en diferentes laboratorios. Las diferencias en los resultados pueden producirse por diferencias en los instrumentos, en las tcnicas o en el modo de realizacin. La importancia de estas desigualdades ha sido estimada en muchos estudios cuyos resultados pueden ser utilizados, en ocasiones, como base para el desarrollo de procedimientos dirigidos a disminuir las variaciones interlaboratorios (Stronmer & Eldjarn 1970; Aronson et al. 1978). Los laboratorios difieren no slo con respecto a la fiabilidad de las mediciones (variacin intralaboratorio), sino tambin con respecto a las desviaciones M verdadero valor. La figura 2 muestra los resultados de otros anlisis qumicos de sangre (creatinina srica) aprecindose que la mayora de los laboratorios proporcionan valores considerablemente ms altos que los del mtodo de referencia. Las correcciones deberan realizarse considerando el verdadero valor y no tomando como referencia el valor predominante en los diferentes laboratorios (Bjorkhem et al. 1981).
Las variaciones mostradas en las figuras 1 y 2 estn causadas por diferencias en los anlisis de una muestra de sangre. Otras fuentes de error que afectan la precisin de la medida son, por ejemplo, las condiciones en que se hace la extraccin de la muestra (ayuno, medicacin, estrs) y la tcnica empleada para la obtencin de la misma. En la prctica, es con frecuencia ms fcil normalizar las tcnicas que las condiciones en que se realiza la medicin. CRITERIOS DIAGNSTICOS Las manifestaciones que caracterizan a las enfermedades, (sntomas, signos y resultados de pruebas clnicas) han sido utilizadas para formular criterios diagnsticos. Es decir, las condiciones que deben, cumplirse para que un determinado diagnstico pueda ser establecido. La eleccin de un criterio diagnstico determina si un individuo examinado va a ser clasificado como enfermo. Si se utilizan criterios estrictos o muy restringidos hay slo una peguen probabilidad de que los individuos que no padecen la enfermedad sean clasificados como enfermos; sin embargo, la probabilidad de que alguien que padece la enfermedad sea clasificado como sano es relativamente grande. Por el contrario, si el criterio utilizado es ms amplio o laxo tiende a caerse en el tipo opuesto de error de clasificacin: la mayora de los individuos que padecen la enfermedad sern correctamente clasificados como enfermos, pero existe una probabilidad relativamente grande de que algunos que no la presentan sean tambin clasificados como enfermos. Los criterios diagnsticos para el infarto de miocardio, por ejemplo, han sido formulados de la siguiente forma. Infarto de miocardio (Hennini & Lundrnan 1975): deberan cumplirse dos cualesquiera de las condiciones a, b, c la condicin d:
a. Dolor precordial, edema pulmonar, sncope o shock. b. Aparicin de una onda Q patolgica y/o aparicin o desaparicin de una elevacin local del segmento ST seguida por una T invertida, en dos o ms de las doce derivaciones. c. Dos elevaciones en los valores de ASAT tras un mximo de 24 horas despus del primer ataque o comienzo de los sntomas, en combinacin con la aparicin de un valor mximo de ALAT transcurridas unas 36 horas y menor del valor mximo de ASAT. d. Hallazgo de necrosis miocrdica en la autopsia (muerte del tejido muscular cardiaco) de antigedad correspondiente al momento de presentacin de los sntomas. El primer criterio (a) consiste en sntomas y signos que el mdico encuentra en un examen inmediato. El segundo y tercer criterio (b) y (c) lo constituyen algunos datos del examen electrocardiogrfico y anlisis de las muestras de sangre respectivamente. Estos exmenes son realizados generalmente entre los pacientes que solicitan asistencia sanitaria cuando se sospecha un infarto de miocardio. El cuarto criterio (d) se basa en los hallazgos del examen post mortem. Los criterios diagnsticos para otras enfermedades han sido formulados de forma similar. Sin embargo, los criterios diagnsticos de la mayora de las enfermedades no estn bien definidos ni son generalmente aceptados. CLASIFICACIN DE LAS ENFERMEDADES Las clasificaciones generales de enfermedades incluyen normalmente definiciones amplias del concepto enfermedad. Por ejemplo la lista de enfermedades puede incluir lesiones, intoxicaciones e incapacidades. La discusin del concepto de enfermedad excede los lmites de este texto. La Organizacin Mundial de la Salud (OMS) desde 1948 ha publicado varias revisiones de la Clasificacin Internacional de Enfermedades (CIE). Esta clasificacin contiene una lista sistemtica de enfermedades conocidas y definidas. La mayora de los pases miembros de la OMS usan la CIE, en algunos casos con sus propias notas y suplementos. La CIE incluye 17 grupos principales de enfermedades (vase cuadro 3). Cada grupo incluye un gran nmero de diagnsticos de enfermedad a los que se les asigna un cdigo numrico de 3 dgitos (vanse cuadros 4 y 5). Como se indica en los cuadros 3-5, las bases para la clasificacin de enfermedades en la CIE incluyen causas de enfermedad (vase cuadro 3:1 y 3:XVII), su naturaleza (vanse cuadros 4:140-208 y 210-229), y localizacin (vanse cuadro 3:VI-X y cuadro 5). En cada nivel del sistema de clasificacin existen rbricas especiales para los casos poco claros y los no especificados (vanse cuadros 3: xvi, 4: 235-239 y 5: 145 y 149). Existen muchas ocasiones en las que dos o ms diagnsticos pueden ser aplicados, lo cual conduce a posibles ambigedades cuando se clasifica un caso individual.
CUADRO 3. Grupos principales de enfermedades segn la Clasificacin Internacional de Enfermedades (9.0 revisin).
I. II.
Enfermedades infecciosas y parasitarias. Tumores. Enfermedades de las glndulas endocrinas, de la nutricin, del metabolismo y trastornos de la inmunidad. III. Enfermedades de la sangre y de los rganos hematopoyticos. IV. Trastornos mentales. V. Enfermedades del sistema nervioso y de los rganos de los sentidos. VI. Enfermedades del aparato circulatorio. VII. Enfermedades del aparato respiratorio. VIII. Enfermedades del aparato digestivo. IX. Enfermedades del aparato genitourinario. X. Complicaciones del embarazo, parto y puerperio. XI. Enfermedades de la piel y del tejido celular subcutneo. XII. Enfermedades del sistema osteomuscular y del tejido conjuntivo. XIII. Anomalas congnitas. XIV. Ciertas afecciones originadas en el perodo perinatal. XV. Signos, sntomas y estados morbosos mal definidos. XVI. Traumatismos y envenenamientos. _________________________________________________________________________ CUADRO 4. Subdivisin del grupo principal II: tumores, segn la Clasificacin Internacional de Enfermedades. (9.a revisin). _________________________________________________________________________ 140-195 Tumores malignos que se declaran o presumen primarios, de localizacin especificada, excepto de los tejidos linftico y hematopoytico. 196-198 199 200-208 210-229 230-234 235-238 Tumores malignos que se declaran o presumen secundarios, de localizacin especificada. Tumores malignos de localizacin no especificada. Tumores malignos que se declaran o presumen primarios de los tejidos linftico y hematopoytico. Tumores benignos. Carcinoma in situ. Tumores de evolucin incierta.
239 Tumores de naturaleza no especificada. _________________________________________________________________________
CUADRO 5. Subdivisin de los tumores malignos de la boca y faringe. Cdigo diagnstico de tres dgitos segn la Clasificacin Internacional de Enfermedades. (9. revisin). ________________________________________________________________________ 140 141 142 143 144 Tumor maligno de labio. Tumor maligno de lengua. Tumor maligno de las glndulas salivares mayores. Tumor maligno de la enca. Tumor maligno del suelo de la boca.
145 Tumor maligno de otras partes y de las no especificadas de la boca. 146 Tumor maligno de la buco-faringe. 147 Tumor maligno de la nasofaringe. 148 Tumor maligno de la laringefaringe. 149 Tumor maligno de otros sitios y de los mal definidos de los labios, de la cavidad bucal y de la faringe. PRECISIN Y CERTEZA DEL DIAGNSTICO Entre los individuos que han sido sometidos a un examen se encuentran los que realmente padecen una cierta enfermedad y los que han sido clasificados como enfermos, es decir, aquellos a los que se les ha asignado un determinado diagnstico. Esta relacin se ilustra en la figura 3. Los datos epidemiolgicos se basan siempre en diagnsticos. Cuando se intenta juzgar o mejorar la veracidad de los diagnsticos, deben ser considerados los siguientes factores: 1. Sntomas, signos y pruebas clnicas: Los resultados dependen de la valoracin subjetiva del paciente (sntomas) y del observador (signos), as como de la calidad de las tcnicas de examen complementario. La fiabilidad puede mejorarse a menudo, mediante protocolos de examen normalizados y esquemas, de clasificacin. 2. Criterios diagnsticos: La eleccin de criterios diagnsticos modifica la probabilidad de que un individuo que no padece enfermedad sea clasificado como enfermo y viceversa. Para muchas enfermedades no existen criterios diagnsticos bien definidos.
3. Clasificacin de enfermedades: En el sistema de clasificacin se encuentran diagnsticos similares y rbricas especiales para casos poco claros o no especificados en diferentes niveles. Inevitablemente, en algunos casos es difcil elegir entre las diversas posibilidades de clasificacin. No existe un mtodo completamente seguro para identificar a los individuos que tienen una cierta enfermedad, aunque algunas observaciones son consideradas ms valiosas que otras a efectos de establecer un diagnstico; por ejemplo, ciertos hallazgos de autopsia. A veces, cuando el enfermo fallece existe la oportunidad de comparar el diagnstico clnico con un diagnstico ms seguro basado en las observaciones clnicas y en los resultados de la autopsia. Cuando se compararon las presuntas causas de muerte de 400 pacientes que fallecieron en un departamento de Medicina Interna en un Hospital Universitario con los resultados de las 383 autopsias realizadas (Britton 1974), el diagnstico clnico fue confirmado, es decir, considerado correcto en el 57%. El diagnstico fue modificado, es decir se consider que haba sido incierto, en el 30%. En el resto, un 13%, no se haba establecido diagnstico alguno antes de la autopsia. Naturalmente, la precisin del diagnstico vara de una enfermedad a otra, pero tambin de un grupo de individuos a otro (vanse sntomas, signos y pruebas anteriormente y el captulo 4). Esta seguridad tambin depende del tipo de exmenes realizados (por ejemplo autopsia) y de la interpretacin de las observaciones (vanse 1-3 anteriormente El objetivo de la actividad epidemiolgica es el estudio de la frecuencia de enfermedad; sin embargo los estudios epidemiolgicos estn basados realmente en la frecuencia de diagnsticos. La discordancia entre la frecuencia de diagnstico y la de enfermedad es siempre una fuente potencial de error en la investigacin epidemiolgica. Esto no implica que los estudios epidemiolgicos no sean factibles, sino ms bien que el conocimiento de las diferentes fuentes de error es esencial en la evaluacin y perfeccionamiento de los estudios epidemiolgicos. BIBLIOGRAFA Archer, P. G.; Koprowska, I.; McDonald, J. R.; Naylor, B., Papanicolau, G. N. y Umiker, W. 0., A study of variability in the interpretation of sputum cytology slides, Cancer Research, 1966; 26:2122-2144. Aronsson, T.; Bjornstad, P.; Johansson, S. G.; Leskinen, E.; Raabo, E. y De Verdier, C. H., Interlaboratory quality control with investigation of different methodological characteristics, Scandinavian Journal of Clnical and Laboratory Investgation, 1978; 38:53-62. Bennet A. E.; Ritchie K., Questionnaires in medicine. A guide to their design and use, The Nuffield Provincial Hospitals Trust, 1975. Bjorkhem, I.; Bergman, A.; Falk, 0.; Kallner, A.; Lantto, 0.; Svensson, L.; Akerlof, E. y Blomstrad, R: Accuracy of some routine methods used in clnical chemistry as judged by isotope dilution mass spectrometry, Clinical Chemistry 1981; 27:733-735.
Britton, M., Diagnostic errors discovered at autopsy; Acta Medica Scandinavica, 1974; 196:203-210. Cochrane, A. L., Effectiveness and efficiency: random reflectl ons on health services, The Nuffield Provincial Hospitals Trust, 1972. Henning, R. y Lundman, T., Swedish co-operative CCU study. A study of 2008 patients with acute myocardial infarction from twelve Swedish hospitals with coronary care unit, Acta Medica Scandinavica, 1975; suplemento 586. Hopker, W. W., Das Problem der Diagnose und ihre operationale Darstellungen in der Medizn, Springer-Verlag, 1977. Johansson, S.; Allander, E. y Bygren, L. 0., Levnadsnivaundersokningen. Metodstudie nr. 2. Jamforelser mellan lekmannaintervju och lakarin tervju pa halsoavsnitt, Stencil, Socilogiska institutionen, Uppsala Universitet 1969. Koran, L. M., The reliability of clinical methods, data, and judgnients, New England Journal of Medicine, 1975; 293:642- 646. Lilienfeld, A. B. y Kordan, B., A study of variability in the interpretation of chest X-rays in the detection of lung cancer, Cancer Research, 1966; 26:2145- 2147. Stromme, J. H. y Eldjarn, L., Surveys of the routine work of clinical chemical laboratories in 116 Scandinavian hospitals , Scandinavian journal of Clinical and Laboratory Investigation, 1970; 25:213- 222. US Department of Health, Education, and We1fare: a sunirnary of studies of interviewing methodology, DHEW Publication 1977. No. (HRA) 771343, series 2, n 69. Yerushalmy, J., Statistical problems in assessing methods of medical diagnosis with special references to X-ray techniques-, Public Health Reports, 1947; 62:1432- 1439.
4. SENSIBILIDAD Y ESPECIFICIDAD DEFINICIONES Los individuos de una poblacin pertenecen a uno de los dos grupos siguientes: el de los que padecen una cierta enfermedad y el de los que no la padecen. El mtodo que se utilice para clasificar a los individuos segn su pertenencia a uno de estos grupos adscribe algunos de los individuos sanos al grupo enfermo y ciertos individuos enfermos al grupo sano. Los trminos sano y enfermo denotan en este contexto nicamente la ausencia o presencia de la enfermedad en cuestin. La figura 4 ilustra este fenmeno.
La sensibilidad es la probabilidad de que un individuo enfermo sea clasificado como enfermo, y la especificidad la probabilidad de que un individuo sano sea clasificado como sano. n de personas enfermas que son clasificadas como enfermas Sensibilidad = __________________________________________ n total de personas enfermas.
n de personas sanas que son clasificadas
como sanas Especificidad = ________________________________________ n total de personas sanas. La figura 5 representa esquemticamente la interdependencia de los valores de la sensibilidad y de la especificidad. Aceptando que la base del diagnstico realizado sobre la medida de una variable, la constituye el hecho de que sus valores se distribuyen de manera esencialmente diferente en la poblacin sana y en la enferma se clasifican como enfermos aquellos individuos cuyos valores exceden un lmite (k) previamente establecido. Considerando que el rea limitada por cada una de las curvas equivaliese a un cien por cien, la zona izquierda del diagrama superior correspondera a la especificidad y la derecha del inferior a la sensibilidad. Si se aumentase el valor (k) de la variable requerido para que un individuo sea considerado como enfermo (criterio ms estricto), es decir, se desplazase (k) hacia la derecha, disminuira la sensibilidad y aumentara la especificidad. Si el lmite se desplaza en sentido contrario la sensibilidad aumentara y decrecera la especificidad.
Los errores de clasificacin, de acuerdo con el diagrama, pueden ser de dos tipos. Una parte de los sanos puede ser errneamente clasificada como enfermos (falsos positivos) y una parte de los enfermos considerada como individuos sanos (falsos negativos). A continuacin se exponen las consecuencias de este tipo de error en dos situaciones diferentes.
IMPLICACIONES EN LA ESTIMACIN DE LA PREVALENCIA Los estudios encaminados a determinar la prevalencia de una enfermedad en una poblacin definida se realizan, a menudo a travs del examen y la posterior clasificacin de un grupo representativo de dicha poblacin, segn se considere padezcan o no dicha enfermedad. La tasa de prevalencia puede en este caso ser razonablemente considerada como la porcin de la muestra que presenta la enfermedad. La utilizacin de este procedimiento conlleva un riesgo de falsa apreciacin. Si se denomina P- 1 a la proporcin de individuos que han sido clasificados como enfermos en la muestra y, como anteriormente, P a la prevalencia, puede observarse que P- 1 tiene dos componentes: uno que procede de los individuos enfermos que han sido clasificados como enfermos (verdaderos positivos) y otro que corresponde a los individuos que no tienen la enfermedad, pero que han sido, errneamente, clasificados como enfermos (falsos positivos). La proporcin de individuos que es clasificada como enferma es entonces: P* = P X sensibilidad + (1 - P) X (1 - especificidad) y depende, por tanto, de la prevalencia, de la sensibilidad y de la especificidad. Por ejemplo, si P = 0,01 y sensibilidad = especificidad = 0,99, P* = 0,02. Esto significa que si la prevalencia fuera estimada por la proporcin que es clasificada como enferma en la muestra, el valor estimado sera de 0,02, mientras que el verdadero valor es 0,01. El sesgo equivale a una sobreestimacin del 100%. La sobreestimacin ser relativamente grande para pequeas prevalencias. Despejando P en la ecuacin anterior, podramos obtener una estimacin de la prevalencia corregida en aquellas situaciones donde la sensibilidad y la especificidad son conocidas o pueden ser estimadas siendo: P* + especificidad - 1 P = _____________________________ sensibilidad + especificidad - 1 Ejemplo: Un estudio de prevalencia de hipertensin arterial, definida como presin sangunea diastlica por encima de 90 mm/Hg (Rogan & Gladen 1978), puede ser utilizado para ilustrar este procedimiento. En la poblacin estudiada el 25% de los individuos tena una presin sangunea por encima de 90 mm/Hg. El mtodo de medida de presin sangunea que se haba utilizado tena una sensibilidad del 93% y una especificidad del 91% segn datos previos. Corrigiendo el valor estimado de la prevalencia de la forma antes indicada se obtiene un nuevo valor del 19%. IMPLICACIONES EN EL CRIBADO Una de las situaciones en las que el problema planteado por la existencia de falsos positivos y negativos debe ser considerado es la utilizacin de mtodos de screening o cribado. Estos exmenes pretenden identificar a los individuos enfermos en una etapa suficientemente inicial, previa a la demanda de asistencia sanitaria, con la expectativa de que el tratamiento precoz les beneficie. Los individuos cuyo examen de cribado result positivo son
generalmente sometidos a posteriores exploraciones para establecer un posible diagnstico definitivo e iniciar el correspondiente tratamiento. La proporcin de verdaderos positivos entre aquellos que han sido identificados como positivos por la prueba de cribado se denomina valor de prediccin o valor predictivo. Siendo, como se ha dicho anteriormente, P X sensibilidad + (1 - P) X (1 - especificidad) la proporcin de individuos identificados como positivos y correspondiendo el producto (P X sensibilidad) a la fraccin de este grupo que constituyen los verdaderamente positivos, puede deducirse que: P x sensibilidad Valor Predictivo = ______________________ P X sensibilidad + (1 - P) x (1 -especificidad) CUADRO 6. Valor predictivo de ciertos datos de prevalencia, sensibilidad y especificidad. Sensibilidad (%) Especificidad (%) 99 95 90 80 99 95 90 80 _________________________________________________ 20 96,1 82,1 69,2 50,0 10 91,7 67,9 50,0 30,8 5 83,9 50,0 32,1 17,4 1 50,0 16,1 8,3 3,9 0,1 9,0 8,7 4,3 1 2,0 Como se puede observar en el cuadro 6, cuando la prevalencia es baja el valor predictivo es escaso a pesar de que los valores de sensibilidad y especificidad sean altos. Por ejemplo, el valor predictivo es slo del 50% cuando la prevalencia es del 1 % y la sensibilidad y especificidad son del 99%. Esto significa que de los individuos clasificados como enfermos por la prueba de cribado slo el 50% seran realmente enfermos. La utilidad de una prueba de cribado depende del coste y los trastornos que a los individuos y a la sociedad originan las exploraciones y teraputicas adicionales y de los beneficios derivados del tratamiento precoz de los enfermos. Prevalencia (%)
BIBLIOGRAFA Galen, R. S. y Gambino, S. R., Beyond normality - The predictive value and efficiency of medical diagnoses, john Wiley & Sons, 1975. Rogan, W. J. y Gladen B., Estimating prevalence from the results of a screening test, American Journal of Epidemology, 1978; 107:71- 76.
EJERCICIOS - CAPTULOS 3 Y 4 1. Con motivo de la realizacin de un estudio epidemiolgico, dos grupos de mujeres fueron interrogadas acerca de la frecuencia de nuseas y dolor de estmago. Al comparar las respuestas de ambos grupos se encontraron importantes diferencias en la notificacin de los sntomas. Pueden ser explicables los resultados por posibles diferencias en el mtodo de recogida de datos en ambos grupos? Qu diferencias? 2. Para diagnosticar una cierta enfermedad se utiliza una tcnica citolgica analizando frotis al microscopio. La precisin de este mtodo depende del grado de coincidencia existente entre diferentes observadores. Un nmero relativamente alto de muestras fue sometido a examen por dos personas independientemente, comparndose los resultados. Cada observador encontr determinados cambios celulares en el 10% de las muestras examinadas. El grado de coincidencia, expresado como la proporcin de muestras que fueron clasificadas de igual manera, (con o sin cambios celulares) por ambos expertos, fue del 80%. Puede considerarse este grado de concordancia como satisfactorio? Por qu? 3. En un estudio epidemiolgico de glaucoma el examen inclua la determinacin de la razn de dimetros excavacin/disco papilar por oftalmoscopa indirecta. Para valorar la precisin del mtodo dos oftalmlogos examinaron de forma independiente 100 papilas pticas. Los hallazgos fueron clasificados de acuerdo con los valores de los cocientes obtenidos. La concordancia fue expresada como la proporcin de papilas pticas clasificadas de forma similar por los dos examinadores. Mencionar tres circunstancias que afecten la estimacin de la concordancia. 4. Comprense los problemas subyacentes al diagnstico del cncer crvico-uterino utilizando exmenes microscpicos de frotis celulares, en pacientes que visitan las consultas externas de un servicio de ginecologa y en mujeres que se someten a exmenes ginecolgicos peridicos. 5. En un cribado peridico de la poblacin masculina de mediana e dad se extrajeron muestras de sangre para determinar niveles de colesterol srico. El 85% de estas muestras fueron analizadas en el laboratorio A, el 10% en el laboratorio B y el 5% en el laboratorio C. 10 aos ms tarde se planific un estudio epidemiolgico en el que se intentaba estudiar la relacin existente entre la mortalidad por una enfermedad especfica en esos varones y los anteriores niveles de colesterol srico. Cul sera la forma ms simple de tratar el problema de las variaciones interlaboratorio? 6. En varios pases han sido examinadas muestras representativas de la poblacin para valorar la frecuencia de diferentes enfermedades, por ejemplo, asma, glaucoma y esquizofrenia. Los hallazgos de los diferentes pases muestran considerables diferencias. Qu otras explicaciones aparte de la propia frecuencia de enfermedad podran aducirse? 7. Citar un ejemplo de enfermedad (distinto al del infarto de miocardio) con criterios diagnsticos razonablemente bien definidos y generalmente aceptados. Cules son esos criterios?
8. La Organizacin Mundial de la Salud recomienda que los mtodos de cribado usados en los chequeos cumplan ciertos requerimientos. Segn estas recomendaciones el mtodo debera ser seguro, no caro y tener una alta sensibilidad y especificidad. Qu se entiende por (a) sensibilidad y (b) especificidad? 9. Con objeto de identificar a los individuos que padecen una cierta enfermedad a travs de un chequeo se desarroll un mtodo de cribado simple y barato. Para estudiar la sensibilidad y la especificidad del mismo se prob ste en 200 personas que fueron sometidas simultneamente a un cuidadoso examen clnico que se consider proporcionaba un diagnstico de certeza. Los resultados se muestran en la tabla. Calcular la sensibilidad y la especificidad del mtodo de cribado. Enfermedad presente segn el mtodo de cribado SI Enfermedad presenteSI segn el examen NO clnico Total 60 40 100 No 20 80 100 Total 80 120
10. El diagnstico precoz de cierta enfermedad se pretenda hacer utilizando un mtodo de cribado cuya sensibilidad y especificidad son del 99%. Suponiendo que el uno por mil de los examinados presentase la enfermedad. Qu proporcin de los individuos identificados como positivos la padece? 11. De qu depende el valor de prediccin de una prueba? 12. Siendo P la tasa de prevalencia de una cierta enfermedad en una poblacin y P-1 la porcin de positivos en un cribado de la misma, calclese P*/P para distintos valores de P, considerando que tanto la sensibilidad como la especificidad del mtodo son del 95%. Represntese grficamente.
5. MEDIDAS DE FRECUENCIA COMPARADA DE ENFERMEDAD En los estudios epidemiolgicos suele compararse la frecuencia de enfermedad en individuos que tienen una cierta caracterstica con la frecuencia de enfermedad en los que no la poseen. Los grupos de individuos comparados son denominados generalmente expuestos y no expuestos. Esta comparacin constituye el procedimiento fundamental para estudiar la asociacin entre exposicin y frecuencia de enfermedad. En aquellas situaciones en las que una asociacin puede ser interpretada como de tipo causal, la comparacin refleja el efecto de la exposicin sobre la frecuencia de enfermedad (vase captulo 6). En este captulo se describe la fuerza de la asociacin entre exposicin y frecuencia de enfermedad. COMPARACIONES ABSOLUTAS Y RELATIVAS En las comparaciones de frecuencias de enfermedad, stas se miden con alguno de los parmetros descritos en el captulo 2. La comparacin puede realizarse en trminos absolutos o relativos. Las comparaciones absolutas se establecen sustrayendo la frecuencia de enfermedad en los no expuestos de la frecuencia de enfermedad en los expuestos. Por ejemplo, si la incidencia acumulada de cncer de pulmn durante un perodo de 15 aos es de 0,0010 en fumadores y 0,0001 en no fumadores, la diferencia absoluta entre las incidencias acumuladas sera de 0,0009. Por el contrario, las comparaciones relativas suponen el clculo del cociente entre las frecuencias de enfermedad en los individuos expuestos y en los no expuestos. En el ejemplo anterior, esta razn es: 0,0010/0,0001 = 10. El valor numrico de los dos tipos de medidas comparativas es bastante diferente. El hecho de que la medida absoluta del efecto en este ejemplo sea 0,0009, mientras que el de la razn o medida relativa sea 10, muestra el contraste entre los valores numricos. Por diversas razones se considera que la utilizacin de comparaciones relativas es preferible cuando se trata de estudios de investigacin cientfica. La ms importante la constituye el hecho de que la diferencia entre las frecuencias de enfermedad de dos poblaciones resulta ser un concepto difcilmente aprehensible si no est referida a un nivel base de frecuencia de enfermedad. Por esto se utilizan ms a menudo las comparaciones relativas. La medida de comparacin relativa se denomina riesgo relativo (RR) o razn de tasas (RT). ESTANDARIZACIN El cuadro 7 muestra dos poblaciones cuyas frecuencias de enfermedad se intentan comparar. Esta comparacin podra realizarse utilizando las dos tasas crudas de incidencia, 0,015 y 0,023 por ao respectivamente. Sin embargo, este procedimiento no sera correcto debido a que la distribucin por edad de las poblaciones es diferente. En efecto, la poblacin de tasa cruda de incidencia ms elevada tiene una mayor proporcin de personas de edad ms avanzada. En este caso, la distribucin por edades, podra ser la explicacin de que esta poblacin tenga una tasa cruda de incidencia mayor. CUADRO 7. Nmero de casos de enfermedad y aos en riesgo de una poblacin expuesta y una poblacin de referencia. Poblacin expuesta Poblacin de referencia
Aos en riesgo Jvenes 3000 Ancianos 1000 Total 4000
casos 30 30 60
tasas de incidencia 0,010 0,030 0,015
aos en riesgo 1000 9000 10000
tasas de casos incidencia 5 225 230 0,005 0,025 0,023
El procedimiento denominado estandarizacin o normalizacin permite mejorar la validez de la comparacin. Para comprenderlo es necesario recordar que una tasa cruda es una media ponderada de las tasas especficas por estratos o grupos (de edad u otros), con pesos proporcionales al nmero de individuos o aos en riesgo de cada estrato o grupo. La poblacin expuesta (cuadro 7) presenta una tasa cruda de incidencia de: (3 000/4 000) X 0,010 + (1000/4 000) X 0,030 = 0,015 La estandarizacin o normalizacin por edad consiste en calcular unas hipotticas tasas crudas para ambas poblaciones, que corresponderan a las tasas crudas que stas presentaran si sus distribuciones por edades fueran iguales a las de una poblacin estndar arbitrariamente elegida. Supongamos que la poblacin expuesta y la poblacin de referencia se combinan para obtener la poblacin estndar, que resultara estar compuesta por un grupo de personas jvenes 4 000/ 14 000, y un grupo de personas ancianas, 10 000/14 000. En este caso, las tasas de incidencia normalizada seran: (4 000/14 000) X 0,010 + (10 000/14 000) X 0,030 = 0,024 (4 000/14 000) X 0,005 + (10 000/14 000) X 0,025 = 0,019 La diferencia o la razn de estas tasas normalizadas de incidencia pueden ser respectivamente utilizadas como expresin de las comparaciones absoluta o relativa normalizadas por edad. La razn de tasas de incidencia normalizada es, por ejemplo: 0,024/0,019 = 1,26. El hecho de que la eleccin de la poblacin estndar se realice de manera totalmente arbitraria supone un lastre conceptual de este procedimiento. Si en el ejemplo anterior se hubiera elegido otra poblacin estndar la razn de tasas normalizadas obtenida hubiese sido distinta. Este mtodo de estandarizacin se denomina a veces estandarizacin directa. El cuadro 8 describe una situacin bastante frecuente. La informacin acerca de las dos poblaciones que en ella se expone, es la misma que la del cuadro 7 a excepcin de la correspondiente al nmero de casos especfico para cada grupo de edad en la poblacin expuesta, aqu ausente. Un motivo frecuente de la no disponibilidad de esta informacin es que el nmero de casos fuera tan pequeo que su reparto entre los grupos de edad pudiera ser inapropiado. CUADRO 8. Nmero de casos de enfermedad y aos en riesgo de una poblacin expuesta y una poblacin de referencia. Poblacin expuesta Poblacin de referencia
aos en riesgo Jvenes 3000 Ancianos 1000 Total 4000
casos ? ? 60
tasas de incidencia ? ? 0,015
aos en riesgo 1 000 9000 10000
tasas de casos incidencia 5 225 230 0,005 0,025 0,023
La comparacin que se realiza en situaciones como la presente suele establecerse entre el nmero de casos observados en la poblacin expuesta y el correspondiente nmero de casos esperados. El nmero de casos observados en el ejemplo es de 60. El nmero de casos esperados es el de aquellos que hubiesen aparecido en la poblacin expuesta si ambas poblaciones, expuestas y de referencia, hubieran presentado las mismas tasas de incidencia especfica por edad. En este ejemplo el nmero de casos esperados sera: 3 000 X 0,005 + 1 000 X 0,025 = 40 Tanto el nmero de casos observados como el de esperados se obtienen de una poblacin cuya composicin por edades es la de la poblacin expuesta. Sin embargo, las tasas de incidencia sobre las que se calcula el nmero de casos esperados son las de la poblacin de referencia mientras que las subyacentes al de casos observados son las de la poblacin expuesta. La razn del nmero de casos observados al de los esperados equivale al resultado de una comparacin relativa estandarizada de las tasas de incidencia de las poblaciones expuesta y de referencia utilizando como poblacin estndar la poblacin expuesta. Este procedimiento de control de las diferencias en composicin por edades se denomina estandarizacin indirecta, pero debe ser considerado como un caso particular del mtodo directo de estandarizacin anteriormente descrito. La razn del nmero de casos observados al de esperados se expresa a menudo como un porcentaje denominado razn de morbilidad (o de mortalidad) normalizada (RMN). Referido al ejemplo anterior tendramos que: RMN = (60/40) x 100 = 150 FRACCIN ETIOLGICA La fraccin etiolgica (FE) es un concepto utilizado en aquellas situaciones en que se considera establecido que una asociacin observada es de carcter causal. Siendo as, la fraccin etiolgica es la parte de la frecuencia de enfermedad que desaparecera en el grupo expuesto si en este descendiese la incidencia de la misma al nivel que presenta en el grupo no expuesto. La fraccin etiolgica se denomina tambin porcentaje de riesgo atribuible y proporcin atribuible. Estimaciones realizadas a este respecto permiten afirmar, por ejemplo, que el 80% de los casos de cncer dependen del medio ambiente. Representando por RR la razn de tasas de incidencia entre expuestos y no expuestos y por f la proporcin de expuestos entre todos los individuos que desarrollan la enfermedad, tendramos que: RR - 1 FE =_______________ x f
RR La fraccin etiolgica se influye de esta manera por la frecuencia de la exposicin en la poblacin, lo que no ocurre con los resultados de las comparaciones absolutas y relativas anteriormente consideradas. Ejemplo: En un estudio sobre la asociacin entre tabaco y cncer de cavidad orofarngea, la razn de tasas estimada fue de 4,1 (Rothman & Keller 1927). El 95% de los casos eran fumadores. Suponiendo que la asociacin observada fuese causal, el valor de la fraccin etiolgica se obtendra de la siguiente forma: 4,1 - 1 FE = ________ x 0,95 = 0,72 4,1 Esto significa que el 72% de los casos de cncer de cavidad orofarngea que aparecen en la poblacin estudiada pueden ser considerados corno originados por el hbito de fumar. Es importante recalcar aqu el hecho de que el resultado del ejemplo empleado es compatible con una fraccin etiolgica atribuida a consumo de alcohol de, por ejemplo, el 60%. Considerando aceptada la idea de que el hbito de fumar y el consumo de alcohol potencian mutuamente la capacidad de generacin de esta enfermedad, es lgico pensar que algunos de los casos nunca hubiesen aparecido si los sujetos hubieran sido con anterioridad expuestos nicamente a alcohol o a tabaco. Por esta razn se estima que la mayor parte de los casos de cncer de cavidad orofarngea podran haberse prevenido por la eliminacin del hbito de fumar o del consumo de alcohol Independientemente. Este problema ser tratado en el captulo siguiente. FRECUENCIA COMPARADA Y MEDIDAS DE FRECUENCIA DE ENFERMEDAD Las comparaciones de frecuencias de enfermedad pueden arrojar resultados diferentes dependiendo del tipo de parmetros (tasas de incidencia, incidencia acumulada y prevalencia) utilizados en la medida de la frecuencia de enfermedad. Las relaciones entre sus valores, tratadas en el captulo 2 donde se vio cmo podran ser recprocamente deducidos, pueden ser utilizadas para analizar el efecto de la eleccin de parmetro en los resultados de la comparacin de las frecuencias de enfermedad. La razn de tasas de incidencia (o su diferencia) es el parmetro fundamental de comparacin de frecuencias de enfermedad ya que la tasa de incidencia es considerada el parmetro de frecuencias de enfermedad ms importante. Las comparaciones relativas de incidencias acumuladas proporcionan aproximadamente los mismos resultados que las comparaciones relativas de tasas de incidencia si el perodo de observacin es corto. A medida que ste se prolonga, la razn de incidencias acumuladas tiende siempre a la unidad, mientras que la de las tasas de incidencia permanece estable.
Las comparaciones relativas de prevalencias proporcionan resultados similares a los de las correspondientes comparaciones de tasas de incidencia suponiendo que la prevalencia de la enfermedad sea baja y que la duracin de la enfermedad en los individuos expuestos y no expuestos sea la misma. Sin embargo, cuando la prevalencia aumenta, la razn de prevalencias tiende a la unidad. Por ello, las comparaciones de prevalencias o de incidencias acumuladas, a diferencia de las establecidas entre tasas de incidencia, corren el riesgo de subestimar la fuerza de la asociacin de la exposicin y la frecuencia de enfermedad. El grado de error depender de la magnitud de la prevalencia o incidencia acumulada de que se trate, siendo escaso cuando estas son menores de 0,1.
BIBLIOGRAFA Ahlbom, A., Standardization - a method to improve comparability, Statistisk Tidskrift 1980; 4:302- 307. (Resumen en ingls). Cole, P. y MacMahon, B., Attributable risk percent in case-control studies, British Journal of Preventive and Social Medicine, 1971; 25:242~244. Miettinen, 0. S., Proportion of diseases caused or prevented by a given exposure, trait or intervention, American Journal of Epidemiology, 1974; 99:325- 332. Rothman, K. I. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk of cancer of the mouth and pharynx, Journal of Chronic Diseases 1972; 25:711- 716.
INICADORES DE RIESGO Y CAUSAS DE ENFERMEDAD INDICADORES DE RIESGO. Se dice que una cierta enfermedad (E) y un factor (C) se asocian cuando la enfermedad E es ms frecuente entre los individuos que poseen la caracterstica C que entre los que no la poseen (fig. 6). Si adems de esto, sucede que la presencia C precede a la aparicin de E, se dira que los individuos caracterizados por C corren un riesgo de enfermar mayor que el de los que no poseen este factor: C en este caso, es un indicador de riesgo para la enfermad E.
Ciertas enfermedades son ms frecuentes en aquellos que viven en una misma rea geogrfica, en hombres, en mujeres, entre ciertos grupos de edad o profesionales, en fumadores, etctera. La edad, el sexo, el hbitat, la profesin, el consumo de tabaco, son por lo tanto ndices de riesgo para muchas enfermedades. El conocimiento de los ndices de riesgo puede ser utilizado para identificar poblaciones de alto riesgo que constituyan los grupos objeto de medidas preventivas o exmenes de salud dirigidos. CAUSAS DE ENFERMEDAD Ciertos fenmenos o acontecimientos se suceden en el tiempo de manera tan regular que se habla de causas y efectos. El concepto de causa se ha discutido mucho en filosofa, especialmente en teora de la ciencia (Taylor, 1967). Las causas de enfermedad se estudian dentro de la epidemiologa con el objeto de explicar y, si es posible, de prevenir la aparicin de las enfermedades. Una asociacin se considera de tipo causal cuando una disminucin en la frecuencia de una caracterstica especfica de algunos individuos o de su medio ambiente se sigue de una reduccin en la incidencia de la enfermedad. La asociacin entre C y E puede surgir de tres modos distintos (figura 7):
En el caso de que C aparezca antes que E, solamente podran ser reales las dos primeras alternativas (a) y (b) y en este caso C se denomina indicador de riesgo con respecto a E. Sin embargo, solamente en el caso de la alternativa (a) existe una relacin causal entre C y E. (En la literatura se emplea indistintamente el trmino factor de riesgo para hacer referencia tanto a causas, alternativa (a), como a indicadores de riesgo, alternativas (a) y (b)]. En los estudios epidemiolgicos, cuyo objetivo es mostrar posibles relaciones causales, es fundamental diferenciar entre las alternativas (a) y (b). Este problema se trata ms extensamente en el captulo 7 en el apartado dedicado al confounding. Cuando los resultados de un estudio indican la existencia de una asociacin entre E y C, deben tenerse en cuenta, adems de los fenmenos (a) (b) y (c), el posible efecto de la utilizacin de mtodos inadecuados (d) (vase captulo 7), y la presencia de variaciones aleatorias (e) (vase captulo 9). MODELO CAUSAL I Por lo general una enfermedad tiene varias causas que, conjunta o independientemente, dan lugar a la aparicin de la misma. De igual manera una sola causa puede contribuir a la aparicin de varias enfermedades diferentes. Las causas de enfermedad pueden dar origen a stas de forma indirecta, es decir, a travs de la produccin de otras causas de enfermedad, o directamente. En realidad casi siempre aparecen indicios de la existencia de causas intermediarias; esto hace que la relacin de causalidad est mejor caracterizada por el grado de proximidad que por el carcter, dgase,
directo o indirecto de la misma. La llamada red causal es un modelo que ilustra la relacin entre causa y enfermedad. La figura 8 muestra la red causal del infarto de miocardio. Las causas que ocupan en la red los niveles jerrquicos ms altos, a menudo caractersticas sociales como hbitos alimenticios y estrs, son del mximo inters desde el punto de vista epidemiolgico y preventivo. MODELO CAUSAL II Una causa suficiente es una causa que inevitablemente acarrea una determinada consecuencia. Las causas de enfermedad nicas son rara vez causas suficientes. La exposicin a la microbacteria de la tuberculosis por ejemplo no conduce necesariamente a enfermar de tuberculosis. El riesgo de contraer la enfermedad se ve muy influido, entre otras cosas, por ciertas caractersticas anatmicas y fisiolgicas de los individuos as como por la respuesta inmunolgica especfica del sujeto. Una causa que no es una causa suficiente, se denomina causa complementara. La hiperlipidemia (elevacin excesiva de los niveles sricos de grasas), la hipertensin (el aumento de presin sangunea arterial), el consumo de cigarrillos y la diatesis trombtica (tendencia a la formacin de coagulos sanguneos) se consideran por ejemplo causas que contribuyen a la aparicin del infarto de miocardio. La inmensa mayora de las causas de enfermedad pueden ser consideradas como causas complementarias. Una causa necesaria es una causa que inevitablemente debe estar presente para que ocurra la enfermedad. Por lo tanto, la exposicin al bacilo tuberculoso es una causa necesaria para la tuberculosis, pero no es una causa suficiente. El modelo grfico de la figura 9 seala esquemticamente como varias causas complementarias (sectores) dan lugar a una causa suficiente (crculo). La figura tambin muestra que una enfermedad puede tener varias causas suficientes y que estas pueden tener en comn una o ms causas complementarias. Una causa como la A, que es un elemento que forma parte de todas las causas suficientes, es una causa necesaria.
De acuerdo con este modelo, no es necesario conocer todas las causas complementarias para prevenir la enfermedad. As pues, eliminando uno de los elementos de la causa
suficiente, son prevenidos todos los casos de enfermedad que esta causa suficiente origina. En este sentido, se puede hablar de la fraccin etiolgica (FE) correspondiente a cada una de las causas de enfermedad. La fraccin etiolgica es la parte o la porcin de los casos de enfermedad que acontecen en una determinada poblacin a los que dio lugar esa causa. En otras palabras, la parte de los casos que no hubiese aparecido si se hubiese eliminado la causa en cuestin (vase captulo 5). La suma de las fracciones etiolgicas de todas las causas suficientes de una enfermedad es siempre el 100%. Sin embargo la fraccin etiolgica correspondiente a cada causa complementaria equivale a la suma de las fracciones etiolgicas de la o las causas suficientes de las que forma parte. Es decir, si por ej. FE(I) 20% y FE(II) = 30% vendra lgicamente a ser FE(III) = 100% 20% - 30% = 50%. Las causas complementarlas D y E forman parte solamente de la causa suficiente I, por lo que FE(D) = FE(E) = FE(I) = 20%. Las causas B y A aparecen respectivamente en dos y en tres de las causas suficientes. FE(B) = FE(I) + FE(II) = 20% + 30% = 50% y FE(A) = FE(I) + FE(II) + FE(III) = 100%. En este ejemplo la suma de las fracciones etiolgicas de todas las causas complementarias, de A a J, sera de 500%. Es decir que para cualquier enfermedad la suma de las fracciones etiolgicas de las causas complementarias es al menos (por lo habitual mucho mayor) del 100%. Por ejemplo si el 60% de los casos de una enfermedad se originan por el consumo de tabaco, puede de igual manera estar el 70% originado por un factor presente en la dieta y el 80% por la exposicin a otros factores. Esto implica que el 60% de la incidencia de la enfermedad podra eliminarse a travs de la erradicacin del consumo de tabaco o que hasta el 70% podra prevenirse a travs de la modificacin de los hbitos alimenticios, etctera. La importancia del papel que una causa complementaria juega en la aparicin de una enfermedad en una determinada poblacin depende, segn este modelo, de la frecuencia con la que las restantes causas complementarias, pertenecientes a la misma causa suficiente, se hallan presentes en dicha poblacin. Si por ejemplo la causa complementaria E afecta al 50% de los individuos y la combinacin A + B + C + D est presente en el 40%, la causa E determinara la aparicin de la enfermedad en el 20% de la poblacin. 50 40 20 ___ x ____ = ____ 100 100 100 En el caso de que, por ejemplo, la caracterstica estuviese presente en el 50% de la poblacin pero la combinacin A + B + C + D solamente en el 2%, la causa E sera determinante de enfermedad en el 1 % de la poblacin. 50 2 1 ___ x ___ = ____ 100 100 100 (En este ejemplo se presupone que A + B + C + D y E se presentan de manera independiente). De manera similar puede demostrarse que el efecto del aumento de la frecuencia de dos o ms causas complementarlas componentes de una misma causa suficiente, en la frecuencia de enfermedad resultante, es mayor que la suma de los efectos correspondientes al mismo aumento en el caso de que estas formasen parte de distintas causas suficientes.
BIBLIOGRAFA Friedman, G. D., Premier of epidemiology, McGraw-Hill, 1974. Rothman, K. J.,Causes, Americanjournal of Epidemiology, 1976; 104:587- 592. Rothman, K. J., Greenland, S. y Walker, A. M., Concepts of interaction, American Journal of Epidemiology, 1980; 112:465~466. Saracci, R., Interaction and synergism, American Journal of Epidemiology, 1980; 112:465-466. Susser, M., Causal thinking in the health sciences. Concepts and strategies of epidemiology, Oxford University Press, 1973. Taylor, R., Causation, pp. 56-66 en The Encyclopedia of Philosophy, vol. 2 (comp. Edwards P.). McMillan Press, 1967.
EJERCICIOS - CAPITULOS 5 y 6 1. En un estudio epidemiolgico se determin la frecuencia de cncer de vas respiratorias en la poblacin masculina de dos reas, urbana y rural respectivamente (vase a continuacin). Realcense las comparaciones absolutas y relativas en base a las tres medidas de frecuencia de enfermedad. Urbana Tasa de incidencia expresada por 100 000 aos en riesgo. Incidencia acumulada durante un perodo de 5 aos, por 100 000 habitantes. Prevalencia por 100 000 habitantes. 60 315 275 Rural 15 80 70
2. En un estudio se compar la mortalidad observada en enfermos diabticos con la esperada en base a datos de la poblacin general. El nmero de defunciones por infarto de miocardio observadas entre los diabticos fue de 1 107 siendo 531 el nmero esperado. Calcular la Razn de Mortalidad Normalizada (RMN). Comentar el resultado. 3. En una poblacin de 2 872 individuos que haban recibido tratamiento con radiaciones durante su infancia por aumento de tamao del timo, fueron detectados 24 casos de cncer de tiroides y 52 de tumores benignos tiroideos. El grupo de comparacin lo constituyeron 5 055 nios que no haban recibido dicho tratamiento (hermanos y hermanas de los nios irradiados). Durante el perodo de seguimiento, ninguno de los nios del grupo de comparacin desarroll cncer tiroideo pero 6 presentaron tumores tiroideos benignos. Calcular el riesgo relativo de: a) Cncer de tiroides b) Tumores tiroides benignos. c) Comentar los resultados. 4. De 725 mujeres, empleadas en la industria y expuestas a radio por razones laborales entre 1915-1929 en Estados Unidos, fallecieron 22 a causa de tumores seos malignos. El nmero esperado era de 0,27. Calcular la RMN. 5. Vanse los datos del ejercicio n 22 del captulo 2. Calcular el riesgo relativo de insuficiencia coronaria de cada uno de los grupos (b), (c) y (d) en relacin al grupo (a). 6. Se considera que los medicamentos utilizados en el tratamiento de ciertos cnceres pueden favorecer la aparicin de otras enfermedades. Para estudiar este problema fueron observadas 913 mujeres que haban sido tratadas de cncer de ovario con ciertos agentes alquilantes. Durante el perodo de seguimiento, 11 de ellas desarrollaron leucemia aguda no linftica, siendo 0,1 el nmero esperado. Calcular la RMN. 7. En un grupo de voluntarias, jvenes estudiantes de enfermera se prob una vacuna contra la gripe. 3 de las 95 personas que haban recibido la vacuna y 8 de las 48 que haban recibido un placebo, padecieron cuadros gripales durante el perodo de seguimiento. El 27% de las
que fueron vacunadas y el 24% de las que recibieron el placebo presentaron un malestar moderado o intenso despus de la vacunacin. Calcular el riesgo relativo de presentar a) Cuadro gripal. b) Molestias post-vacunacin. c) Comentar los resultados. 8. En un estudio finlands sobre morbilidad y mortalidad por infarto de miocardio se hizo una comparacin entre hombres casados y no casados. Los resultados fueron: Infarto de miocardio en hombres de 40- 64 aos (tasas normalizadas por edad) Incidencia/100 000 aos en riesgo Casados No casados 1 371 1228 Mortalidad/100 000 aos en riesgo 498 683
Calcular, comparando hombres casados con no casados, el riesgo relativo de: a) Infarto de miocardio. b) Fallecimiento por infarto de miocardio. c) Cmo pueden interpretarse los resultados? 9. Una poblacin (A) de 6 000 personas fue objeto de un programa de prevencin de una cierta enfermedad. Otra poblacin (B) de 5 000 personas, no particip en ese programa y se utiliz como grupo testigo. Durante un ao aparecieron 36 casos de la enfermedad en la poblacin (A) y 35 en la poblacin (B). Los resultados correspondientes a dos grupos de edad se muestran en la tabla. Calclese la tasa de incidencia en cada uno de los grupos de edad de las dos poblaciones. Estandarizar por edades con pesos iguales en los dos grupos de edad. Hacer una comparacin relativa de las tasas de incidencia estandarizadas.
Poblacin A n de aos en riesgo jvenes Ancianos Total 2000 4000 6000 n de casos 4 32 36
Poblacin B n de aos en riesgo 4000 1000 5000 n de casos 20 15 35
10. Entre los empleados varones pertenecientes a un determinado grupo laboral acontecieron durante un ao 40 casos de infarto de miocardio. La tabla muestra la distribucin por grupos de edad del nmero de empleados y las tasas de incidencia especficas para edades correspondientes a la poblacin masculina del pas. Hgase la comparacin relativa entre la tasa de incidencia de infarto de miocardio en los empleados de ese sector profesional y la de la poblacin del pas calculando la razn de mortalidad normalizada (RMN). N de empleados durante el ao 8000 2000 2000 Tasa de incidencia en el pas (por 1000 aos- riesgo) 0,5 4 9
Edad 35-44 45-54 55-64
11. En un estudio se compararon las incidencias acumuladas de cncer de esfago durante un perodo de 13 aos correspondientes a varones trabajadores de la industria del caucho y a la poblacin total masculina activa. Los resultados se muestran en la tabla expuesta a continuacin. Realcese una estandarizacin indirecta por edades calculando la razn de mortalidad normalizada.
Edad 15-24 25-34 35-44 45-54 55-64 Total
Trabajadores (industria del caucho) N de N de enfermos individuos ? ? ? ? ? 8 651 518 500 465 211 2345
N de enfermos 0 6 90 381 626 1 103
Grupo de comparacin N de individuos (millares) 337 431 522 507 367 2 164
12. De las zonas de captacin correspondientes a dos clnicas locales se obtuvieron dos muestras aleatorias de poblacin masculina de 30 a 69 aos de edad. Utilizando un cuestionario, previamente validado, referido a sntomas actuales se estudi la frecuencia de bronquitis crnica. Los resultados se muestran en las tablas siguientes. Hgase una comparacin de las frecuencias de enfermedad en las dos poblaciones utilizando pesos iguales para los diferentes grupos de edad al realizar la estandarizacin. Poblacin I Edad 30-39 40-49 50-59 60-69 Total N de individuos en la muestra 1000 2000 4000 3000 10000 N' de individuos con bronquitis crnica 5 20 50 50 125 Poblacin II Edad 30-39 40-49 50-59 60~69 Total N. de individuos en la muestra 5000 3000 1 000 1 000 10000 N. de individuos con bronquitis crnica 25 40 20 20 105
13. En un rea perifrica de la ciudad de Sidney (Australia), se estudi la frecuencia de aparicin de trastornos psquicos (TP) y enfermedades orgnicas crnicas (EOC) en una muestra representativa de la poblacin adulta de 20- 69 aos de edad. De los 863 individuos examinados, el 8% padecan TP, el 29% EOC y el 14% los dos tipos de trastornos, TP y
EOC. Existe una asociacin entre trastornos psquicos y enfermedad crnica somtica? Por qu? 14. a) Describir brevemente las diferencias entre indicadores de riesgo y causas complementarlas de enfermedad. b) Cmo puede ser utilizado en la prevencin de la enfermedad el conocimiento de los indicadores de riesgo y causas complementarias de enfermedad? a) Pngase un ejemplo de causa complementarla cuya eliminacin diera lugar a la erradicacin de la enfermedad, b) Qu nombre recibe una causa complementarla de este tipo?
15.
16. Cul es el significado epidemiolgico del trmino causa de enfermedad? 17. Supngase que suprimiendo el consumo de tabaco, la incidencia de cierta enfermedad pudiera reducirse en un 60%. Esto significara que el tabaco era causa del 60% de los casos de esta enfermedad. a) Qu porcin del total de casos de enfermedad son originados por otros factores distintos del tabaco? Es decir: qu porcin de los mismos podran ser prevenida eliminando otras causas de enfermedad? b) Qu podra decirse acerca del riesgo (relativo) de enfermedad de los individuos expuestos (fumadores) en comparacin con los no expuestos? 18. Qu significa el trmino fraccin etiolgica (FE)? 19. Por qu la suma de las fracciones etiolgicas correspondientes a las diversas causas de una enfermedad es, por lo habitual, considerablemente mayor que el 100%? Raznese. 20. Supngase que una enfermedad tiene tres causas complementarias A, B, y C, que conjuntamente constituyen la nica causa suficiente de la enfermedad, siendo las distribuciones de A, B y C en la poblacin independientes entre s. A est presente en el 10%, B en el 20% y C en el 30% de los individuos de la poblacin. Estmese la proporcin de la poblacin que padece la enfermedad. 21. Tomando como punto de partida la situacin descrita en el ejercicio anterior, calcular la proporcin de la poblacin que desarrolla la enfermedad en las siguientes circunstancias:
Situacin 0 (= ejercicio anterior) 1 2 3 Hacer las comparaciones: a) absoluta y b) relativa
Frecuencia(%) de: A B C 10 10 10 10 20 28 20 80 30 30 90 90
Frecuencia de enfermedad
Comprese la frecuencia de enfermedad en las situaciones 1, 2 y 3 respectivamente, con la frecuencia inicial (situacin 0). c) Comentar los resultados. 22. Qu circunstancias determinan la importancia de una causa complementaria condicionando la frecuencia de enfermedad en una poblacin? Raznese.
7. LA CALIDAD DE LOS ESTUDIOS EPIDEMIOLOGICOS VALIDEZ Y FIABILIDAD Un estudio epidemiolgico puede ser considerado como un ejercicio de medida de la frecuencia de una enfermedad o una estimacin del efecto de una exposicin en la variacin de la misma. Como toda medicin su calidad depende de la fiabilidad y validez de la misma. Se denomina fiabilidad a la posibilidad de replicacin o reproduccin de un estudio, es decir, al grado de similitud que presentaran los resultados que se obtendran en las diversas ocasiones en que el estudio se repitiese bajo las mismas circunstancias. La validez corresponde al grado en que el estudio mide el objetivo que se propone. Su defecto determina desviaciones denominadas sesgo o error sistemtico. Los conceptos de fiabilidad y validez suelen representarse grficamente con ayuda de una diana (vase la figura l0). Una buena fiabilidad correspondera a una figura en la que los impactos aparecen apiados. Una excelente validez se representara por una distribucin centrada de los mismos. La fiabilidad de un estudio de un nmero demasiado pequeo de individuos ser escasa. Si un estudio de prevalencia de una enfermedad que rara vez conduce a la hospitalizacin, se realiza a partir de informacin correspondiente a poblacin hospitalizada, la validez ser baja. La combinacin excelente fiabilidad, escasa validez merece comentario aparte. Es frecuente considerar que la veracidad de los resultados de un estudio se refuerza por la aparicin de estudios que arrojan resultados similares. Realmente, esta concordancia puede reflejar nicamente una buena fiabilidad pero no un defecto de validez comn a los mismos. Puestos en el terreno de la evaluacin es necesario reconocer que nunca existir el estudio de validez y fiabilidad inmejorables. La cuestin clave es determinar el grado de certeza de los resultados y la direccin ms probable del sesgo. Los resultados deben ser presentados de manera que el lector pueda hacerse una idea clara acerca de la veracidad de los mismos.
LA VALIDEZ ENFERMEDAD
DE
LAS
COMPARACIONES
DE
FRECUENCIAS
DE
El objetivo habitual de los estudios epidemiolgicos es la estimacin del efecto de la exposicin a un cierto factor en la frecuencia de una determinada enfermedad. Esta estimacin consiste en la medida de la desigualdad entre frecuencias de enfermedad en grupos expuestos y no expuestos utilizando los parmetros descritos en el captulo 5. Una comparacin de escasa validez muestra una desigualdad (o una falta de ella) que no refleja el efecto originado (o su ausencia) por la exposicin en cuestin en la frecuencia de enfermedad. Las posibles fuentes de error son varias. En el captulo anterior se mostraron los tres mecanismos subyacentes al hallazgo de una asociacin entre exposicin y enfermedad; slo uno de ellos reflejaba la existencia de una relacin causal entre las mismas. Cuando la relacin subyacente a los datos en estudio es del tipo de las otras dos antes mencionadas, los estudios epidemiolgicos mostrarn tambin la asociacin entre exposicin y enfermedad. A no ser que estos condicionantes hayan sido tenidos en cuenta al disear el estudio, la validez del mismo como instrumento de medida de la relacin causal
exposicin-enfermedad ser cuestionable. El error sistemtico que lastra algunos estudios puede introducirse tambin en el diseo del estudio, incluso cuando en la poblacin estudiada no exista ningn tipo de asociacin entre exposicin y enfermedad. a. Sesgo de seleccin La validez de un estudio estar comprometida si la adscripcin de los individuos a uno u otro de los grupos a comparar est afectada por la caracterstica en estudio. Ejemplo: A efectos de determinar si la actividad fsica tiene algn efecto sobre la frecuencia de insuficiencia coronarla se compara un grupo de personas fsicamente activas con un grupo de personas sedentarias, atendiendo a la prevalencia de insuficiencia coronaria en cada uno de los grupos. Es evidente que existe el riesgo de que la inactividad fsica sea, en algunos casos, precisamente una consecuencia de padecer la enfermedad cardiaca que se investiga. Si esto es as, los resultados del estudio se hallarn distorsionados presentando un sesgo o error sistemtico denominado de seleccin. b. Sesgo de informacin La validez de un estudio estar afectada si la informacin que se obtiene acerca de los distintos individuos depende de su pertenencia a uno u otro de los grupos de comparacin. Ejemplo: Con objeto de establecer el efecto del consumo del tabaco en la aparicin de la bronquitis crnica se comparan un grupo de fumadores y otro de no fumadores. Existe evidentemente la posibilidad de que los fumadores sean con ms facilidad diagnosticados de bronquitis crnica que los no fumadores, simplemente porque el hecho de fumar se considera, en general, que est asociado a la bronquitis crnica. El error en los resultados as inducido se denomina de informacin. Otra fuente de error es que los individuos en estudio sean indistinta y errneamente clasificados como expuestos o no expuestos. En este caso un cierto nmero de individuos expuestos sern considerados como no expuestos y viceversa. Esto conduce a una dilucin del efecto y a una disminucin de la diferencia observada en la frecuencia de enfermedad entre expuestos y no expuestos, si sta existe. Los resultados del estudio estarn sesgados y subestimarn el efecto de la exposicin. El mismo razonamiento se aplica si la clasificacin errnea tiene lugar al asignar los diagnsticos a los individuos en estudio. Esta fuente de error de informacin se denomina clasificacin errnea aleatoria. c. Confounding Cualquier causa de enfermedad aparte de la exposicin estudiada, que est desigualmente distribuida en los dos grupos comparados dar lugar por s misma a la aparicin de una diferencia entre las frecuencias de enfermedad de estos grupos. Esta distorsin, que se denomina confounding, invalida la comparacin. La variable en cuestin, que distorsiona la comparacin, se denomina confounder. Expresado en otros trminos, el confounding no es sino la mezcla de efectos, si es que los hay, de la exposicin en estudio y de una variable extraa, el confounder. Es esencial tener en cuenta que para que una variable sea un confounder debe estar asociada tanto a la enfermedad como a la exposicin estudiadas. El concepto de confounding es ms sutil de lo que puede parecer a partir de esta descripcin. Para una discusin ms amplia y una definicin ms apropiada con vistas al papel que juega
en los estudios de casos y testigos (vase captulo 8) vanse algunas de las referencias bibliogrficas, por ejemplo Miettinen (1974). Ejemplo: Un ejemplo clsico de confounding es la asociacin entre cncer broncopulmonar y pigmentacin amarillenta del dedo ndice. La excelente correlacin de las dos variables es fcilmente demostrable, aunque naturalmente la presencia de este pigmento no es causa de cncer broncopulmonar. La explicacin consiste en que el hbito de fumar es causa de ambos, cncer broncopulmonar y pigmentacin amarilla del dedo ndice, y por lo tanto un confounder en el estudio de la relacin entre estos. El hbito de fumar es ms frecuente entre los individuos cuyo dedo ndice aparece pigmentado de amarillo. La incidencia de cncer broncopulmonar entre estos ltimos ser superior porque el hbito de fumar incrementa el riesgo de padecer cncer broncopulmonar. Vase aqu la figura 11 y la figura 7 en el captulo anterior.
Hbito de fumar
Pigmentacin amarilla del dedo ndice
Cncer de pulmn
FIGURA 11. Asociacin entre pigmentacin amarilla del dedo ndice y cncer de pulmn; un ejemplo de confounding. El confounding y en cierta medida la clasificacin errnea aleatoria pueden ser controlados, en principio, en el diseo del estudio o en el anlisis de los datos recogidos. Por el contrario, la mayora de las otras fuentes de error no pueden ser controladas despus de haberse llevado a trmino el proceso de recogida de la informacin.
BIBLIOGRAFA Copeland, K. T.; Chekoway, H.; McMichael, A. J. y Ho1brok, R. H., Bias due to misclassification in the estimation of relative risk, American Journal of Epidemiology 1977; 105:488-95. Miettinen, 0. S., Confounding and effect-modification. American Journal of Epidemiology, 1974; 100:350- 353. Miettinen, 0. S. y Cook, F., Confounding - essence and control American Journal of Epidemiology, 1981; 114:593- 603. Rothman, K. J., A pictorial representation of confounding in epidemiological studies, Journal of Chronic Diseases, 1975; 32:101- 108.
8. TIPOS DE ESTUDIO Generalmente la comparacin de frecuencias de enfermedad en individuos expuestos y no expuestos a un determinado factor se establece procediendo de dos formas distintas. Estas corresponden a los estudios de cohortes y a los estudios de casos y testigos. ESTUDIOS DE COHORTES El punto de partida de los estudios de cohortes es la identificacin de los individuos expuestos y no expuestos. La frecuencia de enfermedad en los mismos, medida segn se seal previamente, es el elemento de comparacin. Por ello, en los estudios de cohortes se determina en primer lugar la frecuencia de la enfermedad en cada uno de los grupos expuesto y no expuesto. La comparacin de estas frecuencias puede ser absoluta o relativa. En la figura 12 se expone grficamente el principio de los estudios de cohortes.
Con la caracterstica (expuestos)
Enfermos
Sin la caracterstica (no expuestos)
No enfermos
FIGURA 12. Fundamento de los estudios de cohortes. Ejemplo: La asociacin entre el consumo de cigarrillos y la mortalidad por enfermedad coronarla fue estudiada en una poblacin de mdicos britnicos (Doll y Hill, 1966). Las tasas de incidencia especficas por edad se obtuvieron dividiendo el nmero de casos de fallecimiento por cardiopata isqumica por el nmero de millares de aos en riesgo. El cuadro 9, que muestra datos del estudio en cuestin, presenta las comparaciones absoluta y relativa para cada grupo de edad.
CUADRO 9. Mortalidad por cardiopata isqumica en fumadores y no fumadores. N de muertes por mil aos en riesgo Edad Fumadores (I1) 35-44 45-54 55-64 65-74 75-84 Todas las edades 0,6 2,4 7,2 14,7 19,2 4,4 No fumadores (I0) 0,1 1,1 4,9 10,8 21,8 2,6 0,5 1,3 2,3 3,9 -2,6 1,8 6,0 2,2 1,5 1,4 0,9 1,7 I1 I0 I1/I0
ESTUDIOS DE CASOS Y TESTIGOS En los estudios de casos y testigos se compara un grupo de individuos que padecen la enfermedad (casos) con un grupo de individuos que no la padecen (testigos). De cada uno de los individuos de ambos grupos se recoge informacin sobre antecedentes de exposicin al factor en estudio. En un estudio de casos y testigos el anlisis de los datos consiste en la comparacin de las proporciones de individuos expuestos en el grupo de los casos y en el grupo testigo. En la figura 13 se expone grficamente el fundamento de los estudios de casos y testigos.
Con la caracterstica (expuestos)
Enfermos (Casos)
Sin la caracterstica (no expuestos)
No enfermos (Testigos)
FIGURA 13. Fundamento de los estudios de casos y testigos. La informacin que puede ser obtenida a partir de un estudio de casos y testigos es ms limitada que la que se obtiene de un estudio de cohortes, aunque puede ser suficiente en la mayora de las ocasiones. Para analizar los datos de un estudio de casos y testigos es conveniente ordenar la informacin en una tabla de 2 X 2, como la que se presenta a
continuacin, donde N1 y N0 son el nmero de casos y de testigos respectivamente (figura 14). La posible asociacin entre la exposicin y la aparicin de la enfermedad estudiada puede determinarse dividiendo las razones del nmero de expuestos entre el de no expuestos en casos y testigos (es decir, comparando a/b con c/d). Si, por ejemplo, la frecuencia de exposicin entre los casos es ms alta que entre los testigos, es decir si a/b es mayor que c/d, existe una asociacin positiva entre la exposicin y la enfermedad. FIGURA 14. Disposicin de los datos de un estudio de casos y testigos. Exposicin Si Casos Testigos a c No b d Total N1 N0
Puede tambin demostrarse que el cociente (a/b)/(c/d) equivale a la razn de las tasas de incidencia en expuestos y no expuestos. Por este motivo en los estudios basados en casos nuevos, incidentes, el cociente I1/I0 puede ser estimado por (a/b)/(c/d), donde I1 e I0 son las tasas de incidencia en expuestos y no expuestos. Para comprenderlo mejor, la razn de las dos tasas de incidencia se expresara as: I1 Al/R1 ___ = _______ I0 A0/R0 donde Al y A0 son los nmeros de casos que aparecen entre los expuestos y los no expuestos respectivamente, e igualmente R1 y R0 son el nmero de aos en riesgo de expuestos y no expuestos. La expresin anterior equivale a: I1 __ = I0 A1/A0 _____ R1/R0
donde A1/A0 es el cociente entre el nmero de casos expuestos y de casos no expuestos. Este cociente puede ser estimado a partir de a/b, que es el cociente equivalente en el estudio. R1/R0 es la razn de las cantidades de aos en riesgo de los grupos expuestos y no expuestos. Esta razn puede ser estimada a travs de c/d, que es el cociente entre el nmero de testigos expuestos y el nmero de testigos no expuestos. Ejemplo: Un estudio de casos y testigos que contemplaba la asociacin entre el consumo de cigarrillos y el cncer de bucofaringe arroj los siguientes resultados: CUADRO 10. Consumo de cigarrillos en casos y testigos. Fumadores Si No Total
Casos Testigos
457 362
26 85
483 447
El hecho de que la frecuencia de fumadores entre los casos sea mayor que entre los testigos indica la existencia de una asociacin positiva (457/26 es mayor que 362/86). La razn de tasas de incidencia en fumadores y no fumadores puede calcularse de manera que: I1 457/26 475 x 85 RR = __ = ______ = ________ = 4,1 I0 362/85 26 X 362 Esto significa que la tasa de incidencia en fumadores es cuatro veces mayor que en no fumadores. VENTAJAS E INCONVENIENTES DE LOS DOS TIPOS DE ESTUDIOS El diseo de los estudios de cohortes puede parecer una alternativa atractiva en comparacin con el de los estudios de casos y testigos. Adems, por su estructura ms directa y lgica, los estudios de cohortes pueden suministrar ms informacin. Hay, no obstante, algunas razones por las que es preferible en ciertas situaciones elegir un estudio de casos y testigos. La primera razn se refiere a las enfermedades raras. Si estas enfermedades son estudiadas en un estudio de cohortes, el tamao del estudio tiene que ser muy grande, o el perodo de observacin muy largo, para llegar a obtener un nmero suficiente de casos; los estudios de casos y testigos no tienen estas limitaciones. La otra razn se refiere a los estudios de asociaciones entre exposicin y enfermedad cuando se presume que el perodo de induccin (tiempo entre exposicin y aparicin de la enfermedad) es largo. En un estudio de cohortes que no es retrospectivo, el investigador debe esperar a que transcurra todo el perodo de induccin para observar el resultado. De hecho, los estudios de casos y testigos se hicieron populares cuando los epidemilogos comenzaron a tener problemas con los largos perodos de induccin, como el correspondiente a la relacin sospechada entre el consumo de cigarrillos y el cncer de pulmn. Hay tambin razones ticas en favor de los estudios de casos y testigos. Esto ocurre cuando hay fuertes sospechas de que una exposicin es una causa de enfermedad y cuando esta exposicin puede ser eliminada inmediatamente, como puede ser el caso de tratamientos mdicos con alternativas aceptables. En estas situaciones es muy ventajoso el que una exposicin anteriormente efectuada pueda ser estudiada retrospectivamente por medio de un estudio de casos y testigos o de un estudio de cohortes retrospectivo (vase ms adelante). Se dice a veces que un serio inconveniente de los estudios de casos y testigos es la dificultad de encontrar un grupo testigo apropiado, es decir, un grupo que nos proporcione una correcta descripcin de la frecuencia de exposicin en la poblacin de la cual se extraen los
casos. La eleccin del grupo testigo es, en efecto, una tarea importante y difcil en este tipo de estudios. No obstante, la eleccin equivalente en un estudio de cohortes es igualmente crucial y presumiblemente no menos difcil (vase captulo 7 y, ms adelante la seccin sobre eleccin de grupo testigo). Sin embargo, la medicin de la exposicin en los estudios de casos y testigos puede ofrecer ms dificultades debido a que dicha medicin es realizada despus de la aparicin de la enfermedad. Existe la posibilidad de que los casos conozcan la hiptesis en estudio y por ello estn ms predispuestos que los testigos a declararse expuestos. Siendo as, el error de informacin del estudio inducir una sobreestimacin de la frecuencia de exposicin entre los casos y del efecto de la exposicin en la enfermedad. El error de informacin puede darse igualmente en situaciones en las que su efecto acta en sentido opuesto. ESTUDIOS DE COHORTES RETROSPECTIVOS Los llamados estudios de cohortes retrospectivos ofrecen la posibilidad de solventar el problema de los perodos de induccin largos y evitar las implicaciones ticas anteriormente mencionadas. Estos estudios se llevan a cabo despus de que la enfermedad ha ocurrido y por tanto pasado el perodo de induccin. La realizacin de este tipo de estudios requiere la existencia previa de informacin sobre la exposicin. Los estudios de cohortes retrospectivos son muy frecuentes en epidemiologa laboral donde a menudo se practican seguimientos de empleados de una fbrica o industria utilizando registros de morbilidad o de causas de muerte. En los estudios de cohortes retrospectivos puede ser difcil encontrar un grupo de comparacin adecuado constituido por individuos no expuestos, por lo que se usa a menudo la poblacin total del pas o de la regin. En estos estudios puede emplearse la RMN (vase captulo 5) como medida de la frecuencia de enfermedad en la cohorte estudiada comparada con la del grupo no expuesto. Ejemplo: Para probar la hiptesis de que la exposicin laboral a productos qumicos incrementa el riesgo de cncer, se identific a los ingenieros qumicos graduados durante el perodo 1931- 1959 en el Real Instituto de Tecnologa de Estocolmo (Olin y Ahlbom 1980). Esta cohorte fue seguida en el registro sueco de causas de muerte. El nmero de muertes por cncer observado en la cohorte fue de 32. Si los qumicos en cada grupo de edad hubieran tenido la misma tasa de mortalidad (equivalente a tasa de incidencia) que la poblacin trabajadora del pas, se hubieran esperado 24,2 muertes por cncer. Por tanto la RMN = 32/24,2 X 100 = 132 ESTUDIOS DE CASOS Y TESTIGOS EMPAREJADOS En algunos estudios de casos y testigos los testigos se emparejan a los casos. Para cada caso se seleccionan uno o varios testigos, que sean, si es posible, similares a los casos en ciertas caractersticas. El emparejamiento de variables como la edad, el sexo y la residencia se utiliza con mucha frecuencia. El objetivo del emparejamiento es aumentar la validez de la comparacin de las series de casos y testigos pero la problemtica que plantea es compleja y no ser aqu discutida en mayor profundidad. Sin embargo debemos decir que el emparejamiento por edad no es necesario para evitar confounding debido a edad y que existen otros mtodos para controlar el confounding en la fase del anlisis de datos.
Adems, el emparejamiento puede acarrear complicaciones ya que en el anlisis de datos de los estudios de casos y testigos emparejados es importante que los casos y sus correspondientes testigos se mantengan emparejados (vase Miettinen, 1968 y 1970). ELECCIN DEL GRUPO DE COMPARACIN a. Estudios de cohortes. En los estudios de cohortes, debe seleccionarse el grupo de comparacin de tal forma que este sea similar al grupo expuesto con respecto a los indicadores de riesgo pertinentes, excepto la exposicin estudiada. Generalmente, es posible elegir un grupo de comparacin de una de las siguientes formas: 1. Comparaciones internas: Se sigue una cohorte que contiene individuos expuestos y no expuestos. 2. Comparaciones externas: Se sigue la cohorte expuesta y se intenta encontrar un grupo de comparacin no sometido a la exposicin pero que, por lo dems, sea similar a la cohorte expuesta. 3. Comparaciones con la poblacin general: Se realiza el seguimiento de la cohorte expuesta y se compara con la poblacin general. En la etapa del anlisis de datos pueden controlarse ciertas diferencias entre los grupos, por ejemplo las relativas a la distribucin por edad o sexo (vanse captulos 5 y 9). Sin embargo hay otros problemas que deben ser considerados ya en la etapa de seleccin del grupo de comparacin. En ciertas ocasiones la frecuencia de la enfermedad puede diferir considerablemente en el tiempo (ao, estacin, etc.) y de un lugar a otro (urbano-rural, reas geogrficas, etctera). Para que esta variacin no afecte a los resultados, es conveniente usar un grupo testigo que sea similar al grupo expuesto con respecto al tiempo de observacin y de la distribucin geogrfica. La frecuencia de enfermedad puede variar tambin notablemente entre ciertos grupos de la poblacin (nativos-inmigrantes, grupos sociales, etc.); por ello, es aconsejable seleccionar un grupo testigo que sea similar al grupo expuesto en estas caractersticas. El llamado efecto del trabajador sano se refiere a la presuncin de que quin trabaja en una cierta ocupacin tiene un menor riesgo de enfermar que la poblacin general (otros grupos laborales, y en particular la parte desempleada de la poblacin general, tendran entonces supuestamente, un mayor riesgo de enfermar). En consecuencia, el exceso de riesgo asociado a la ocupacin laboral resultara subestimado en los estudios donde se confronte la experiencia de un grupo laboral con la poblacin general como grupo de comparacin. Por otra parte, la utilizacin de la poblacin general como grupo de comparacin implica tambin que el grupo de comparacin incluye algunos individuos expuestos. Este error de clasificacin mente una subestimacin del efecto. El procedimiento para identificar los individuos que desarrollan la enfermedad tiene que ser el mismo en los dos grupos. Por ejemplo si el grupo expuesto, y no el grupo de comparacin, ha sido sometido a exmenes mdicos peridicos, la proporcin de casos
diagnosticados entre los expuestos podra ser mayor. (Comprese con la seccin acerca de error de informacin del captulo anterior). Para valorar cmo influye la eleccin del grupo de referencia en el resultado del estudio puede utilizarse ms de un tipo de grupo de comparacin, (vanse ejemplos 2 y 3 anteriores). Si las comparaciones basadas en diferentes grupos de comparacin proporcionan resultados similares, puede deducirse razonablemente que la eleccin de grupos de referencia no afect los resultados del estudio. Otra forma de comprobarlo es comparar los grupos expuestos y de referencia con respecto a enfermedades que se cree no estn ase exposicin estudiada. b. Estudios de casos y testigos. En los estudios de casos y testigos el grupo testigo debe seleccionarse de forma que refleje la frecuencia de exposicin en la poblacin de la que se han seleccionado los casos. Trataremos aqu dos formas bsicas de elegir el grupo testigo: 1. Individuos residentes en una determinada rea geogrfica. Si los casos representan a todos los casos de un rea geogrfica se puede elegir como grupo testigo una muestra de la poblacin de dicha rea. Hay que considerar, sin embargo, la posibilidad de que existan algunos problemas: a) Cuando el grupo testigo es de este tipo la frecuencia con que ciertos individuos rehsan participar en el estudio puede ser alta ya que la motivacin para ello suele ser menor en la poblacin sana que entre aquellos que tienen la enfermedad. b) Heterogeneidad en la calidad de la informacin obtenida de los casos y de los testigos. A veces, las personas que padecen la enfermedad pueden estar ms predispuestas a recordar la exposicin. (Vase la seccin de error de informacin). 2. Pacientes de un hospital: Si los casos identificados son pacientes de un hospital, los testigos se eligen a menudo entre los pacientes del mismo hospital con otros diagnsticos. Incluso si los casos incluidos en el estudio representan a la totalidad de los casos del rea puede ser razonable seleccionar los testigos entre pacientes con otras enfermedades, ya que: a) La frecuencia de aquellos que rehsan participar ser a menudo inferior (comprese con 1 (a) ms arriba). b) La calidad de la informacin proveniente de casos y de testigos ser en general similar (comprese con 1 (b) ms arriba). La extraccin del grupo de testigos de la poblacin del rea geogrfica es preferible a su eleccin de entre pacientes hospitalizados si, por distintas razones, estos ltimos pudieran haber sido seleccionados de manera que la frecuencia de la exposicin entre los mismos no sea representativa de la frecuencia de la exposicin en la poblacin de la que provienen los casos.
Cuando se elige un grupo de comparacin compuesto por enfermos, pueden stos pertenecer a un mismo grupo diagnstico en el caso de que se sepa con seguridad que este diagnstico no est asociado con la exposicin en estudio. De otra manera, se debera por regla general elegir un grupo de comparacin compuesto por diversos grupos diagnsticos. TAMAO DEL ESTUDIO En los estudios epidemiolgicos basados en muy pocos sujetos, la influencia del azar ser muy importante siendo la fiabilidad de los resultados insuficiente. El tamao del estudio requerido en diferentes circunstancias puede determinarse por mtodos estadsticos. El trabajo de Schlesselman (1974) acerca de los distintos mtodos de establecer el nmero de individuos a incluir en estudios de cohortes y de casos y testigos, proporciona tablas que sealan la cantidad de material requerida en diversas situaciones. Rothman y Boice (1982) han escrito un programa para calculadoras de bolsillo destinado a estimar el tamao necesario del estudio a realizar en las condiciones habituales de investigacin epidemiolgica. La cantidad de informacin que se precisa est determinada por diversos factores. En los estudios de cohortes la incidencia de la enfermedad es fundamental. Las enfermedades raras o infrecuentes requieren estudios muy amplios. Sin embargo, en los estudios de casos y testigos es la frecuencia de la exposicin la que tiene gran importancia. Las exposiciones poco habituales exigen mayor volumen del material de estudio. Por lo general la eleccin del tamao del estudio est condicionada por lmites de tiempo, los costes, o la disponibilidad de casos. En ciertas ocasiones los planteamientos descritos anteriormente pueden no ser realistas. En lugar de ello se intenta prever los resultados de un estudio factible, una vez que se han tenido en cuenta todas las restricciones prcticas, eligiendo como punto de partida para la planificacin del mismo el tamao del estudio que parece ms conveniente. El nmero de casos (o de expuestos) que posiblemente surgirn en los grupos a comparar se estima a partir de hiptesis e informaciones previas. Las estimaciones as obtenidas pueden ser analizadas de acuerdo a los principios discutidos en el prximo captulo. Si los clculos revelan que probablemente el resultado del estudio ser cuestionable, el plan de investigacin deber ser reconsiderado para determinar si es posible aumentar el tamao del estudio. BIBLIOGRAFA Cole, P., The evolving case-control study, Journal of Chronic Diseases, 1979; 32:15- 27. Doll, R. y Hill, B., Mortality of British doctors in relation to smoking: observations on coronary thrombosis, p. 205 en Haenszel W (comp.): Epidemiological approaches to the study of cancer and other chronic diseases, National Cancer Institute, monografia 19; us Department of Health, Education, and We1fare, Public Health Service, 1966. Greenland, S. y Thomas, D. C., On the need for the rare disease assumption in case-control studies, American Journal of Epidemiology, 1982; 116:547-553.
Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from retrospective studies of diseasejournal of the National Cancer Institute 1959; 22:719-748. McMichael, A. J.; Spirtas, R.; Kupper, L. L. y Gamble, J. F., Solvent exposure and leukemia among rubber workers: an epidemiologic study, Journal of the Society of Occupational Medicine, 1975; 17:234-239. Miettinen, 0. S., The matched pairs design in the case of all-or none responses, Biometrics, 1968; 24:339-352. Miettinen, 0. S., Matching and design efficiency in retrospective studies, American Journal of Epidemiology, 1970; 91:111-118. Miettinen, 0. S., Estimability and estimation in case-referent studes, American Journal of Epidemiology, 1976; 103:226-235. Olin, G. R. y AhIbom, A., The cancer mortality among Swedish chemists, Environmental Research, 1980; 22:154-161. Rothman, K. J. y Boice, J. D. Jr., Epidemiologic analysis with a programmable calculator, Epidemiology Resources Inc., Boston, MA, 1982. Rothman, K. J. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk of cancer of the mouth and pharynx, Journal of Chronic Diseases, 1972; 25:711-716. Schlesselman, J. J., Sample size requirements in cohort and case-control studies of disease, Americanjournal of Epiderniology, 1974; 99:381-384.
EJERCICIOS - CAPTULOS 7 Y 8 1. Describir brevemente los fundamentos de los: a) Estudios de cohortes. b) Estudios de casos y testigos. 2. Poner algunos ejemplos de situaciones en donde se debera realizar preferentemente un estudio de casos y testigos, en lugar de un estudio de cohortes. 3. Un estudio de casos y testigos arroj los siguientes resultados: Expuestos Casos Testigos Calcular el riesgo relativo. 4. Un estudio de casos y testigos sobre la asociacin entre consumo de tabaco e infarto de miocardio proporcion los siguientes resultados: No fumadores (No expuestos) Casos Testigos 31 2706 Fumadores (Expuestos) (N de paquetes/da) 1/2 1 2 9 39 18 710 1 825 605 200 80 No expuestos 100 250
Tomando como grupo de referencia los no fumadores, calcular el riesgo de infarto de miocardio para fumadores que consumen: a) 112 paquetes por da. b) 1 paquete por da. c) 2 paquetes por da. 5. Durante dos aos y medio se sigui a 595 pacientes que haban recibido transfusiones de sangre y a 712 pacientes no transfundidos previamente. Al final del perodo haban presentado hepatitis 75 individuos del grupo de los transfundidos y 16 del de los no transfundidos. a) A qu tipo de estudio corresponde el diseo aqu expuesto? b) Calclese el riesgo relativo. 6. La incidencia de infarto de miocardio es ms alta en Finlandia que en Suecia. En la zona perifrica del sur de Estocolmo se realiz un estudio de varones de mediana edad que haban padecido infarto de miocardio en los aos 1 974- 1 976 tomando como testigos varones de la
poblacin general. Por la informacin recogida se identific el pas de origen y la duracin del perodo de su estancia en Suecia. Inmigrantes finlandeses (n de aos en Suecia) 0- 19 Casos Testigos 22 31 20+ 10 24 324 832 Ciudadanos suecos
Tomando como grupo de comparacin los ciudadanos suecos, calcular el riesgo relativo de infarto de miocardio de los inmigrantes finlandeses que han vivido en Suecia: a) De 0 a 19 aos. b) Durante 20 aos o ms. 7. En un estudio de casos y testigos se entrevistaron 110 mujeres casadas que haban presentado infarto de miocardio y 220 testigos con objeto de identificar la presencia de hipertensin, angina de pecho y diabetes, as corno las diferencias en el nivel de educacin alcanzado por ambos cnyuges segn una determinada escala. Los resultados se muestran en el cuadro adjunto. Calcular el riesgo relativo para infarto de miocardio en las mujeres con: a) Hipertensin. b) Angina de Pecho. c) Diabetes. d) Nivel educativo que difiere del de su esposo en ms de un grado.
Casos Expuestos no expuestos Hipertensin Angina de pecho Diabetes Nivel de educacin superior al del esposo en ms de 1 grado 5l 11 26 19 59 99 84 91
Testigos expuestos 66 6 26 14 no expuestos 154 214 194 206
8. Para determinar si la utilizacin de anovulatorios modifica el riesgo de presentacin de infarto de miocardio, se realiz un estudio de casos y testigos entre enfermeras estadounidenses casadas. En el mismo, se comparaban 159 casos hospitalizados a causa de infarto de miocardio con 3 180 testigos. El resultado mostr que 21 de los casos y 273 de los testigos haban utilizado anovulatorios. a) Calclese el riesgo relativo. b) Cules podran ser los posibles confounders que deberan considerarse? 9. En un estudio de la relacin entre leucemia aguda no linftica (LANL) y exposicin a derivados de petrleo durante la jornada laboral, se procedi de la siguiente forma: 50 casos de la enfermedad consecutivamente atendidos en departamentos hospitalarios fueron identificados y la posible exposicin a dichos productos se determin a partir de informacin acerca del ejercicio profesional. De la misma manera se seleccionaron y estudiaron 100 pacientes hospitalizados a causa de trastornos benignos. El resultado se expone a continuacin: LANL Expuestos No expuestos Total 18 32 80 Trastornos benignos 10 90 100
a) Cmo se denomina un estudio de este tipo? b) Existe alguna asociacin entre la exposicin estudiada y la enfermedad? c) Llvese a cabo una comparacin cuantitativa de las frecuencias de enfermedad en el grupo expuesto y en el no expuesto. d) En ausencia de ms informacin: Puede la posible asociacin ser considerada como de naturaleza causal? Por qu? o Por qu no?
10. En un estudio de casos y testigos se realizaron entrevistas acerca de hbitos alimenticios y de consumo de tabaco y alcohol, ya que existan sospechas de su relacin con el desarrollo de cierta enfermedad. Los casos consistan en todos los individuos de una poblacin bien definida que a lo largo de un ao haban presentado una determinada forma de cncer. Existe alguna ventaja o inconveniente en elegir los testigos de entre los individuos que durante ese ao desarrollaron alguna otra enfermedad importante en lugar de elegirlos entre miembros sanos de la poblacin? 11. Durante la planificacin de un estudio de casos y testigos sobre la relacin entre consumo de alcohol e infarto de miocardio donde se admitieron como casos a pacientes del departamento de cardiologa de un hospital universitario, se plante la eleccin entre dos grupos de testigos. Uno de ellos estaba constituido por enfermos con patologa traumtica a causa de accidentes que haban acudido a la unidad de urgencias de dicho hospital. El otro grupo de testigos estaba compuesto por una muestra representativa de la poblacin del rea de atencin de dicho hospital. a) Qu grupo de testigos proporcionara el riesgo relativo ms alto? b) Qu requerimiento fundamental debera cumplir la eleccin del grupo de comparacin en este tipo de estudio? c) Propngase un grupo testigo adecuado de acuerdo con el requerimiento aducido en (b) y con los problemas originados por las prdidas en el seguimiento y otros relativos al error de informacin. 12. Qu significa?: a) Fiabilidad. b) Validez. 13. Pngase un ejemplo propio de escasa validez por la existencia de: a) Sesgo de seleccin. b) Sesgo de informacin. c) Confounding. 14. En una muestra elegida al azar en una determinada poblacin, se determin el consumo de alcohol de cada individuo. Estos se clasificaron en 2 grupos: consumidores y no consumidores de alcohol. Su seguimiento mostr una diferencia por exceso en la incidencia de cncer broncopulmonar en el grupo de los consumidores de alcohol. Discutir la validez. 15. En un estudio de casos y testigos, se interrog a individuos que haban presentado cncer de pulmn y a testigos sanos acerca de la aparicin de casos de cncer pulmonar en familiares consanguneos. La finalidad del estudio era analizar el rol causal de la herencia en la aparicin del cncer de pulmn. a) Disctase el posible error de informacin.
b) Mencionar algunas posibles causas de confounding. 16. a) Qu posibles confounders (aparte de la edad) deberan ser considerados en un estudio de las relaciones entre trabajo en minera e incidencia en varones de cncer de pulmn y de cavidad orofarngea? b) Qu requerimiento deberan satisfacer estos factores para que fueran considerados corno confounders en un estudio de cohortes? 17. El riesgo de presentacin del sndrome de Down aumenta con la edad de la madre. Supngase que se desea estudiar si la edad del padre influye de igual manera en el riesgo. a) Mencinese un confounder que debiera ser tenido en cuenta en este estudio. b) Por qu este factor es un confounder? 18. Un estudio mostr que las mujeres que toman al menos 5 tazas de caf al da corren un riesgo (RR estandarizado por edad) de padecer infarto de miocardio dos veces superior al de otras mujeres. Un anlisis ms detallado mostr que este exceso de riesgo poda ser casi totalmente atribuido a la presencia de un confounder De qu factor se trata? 19. En un estudio de cohortes se desea estudiar la relacin entre el consumo de alcohol de las madres durante el perodo de embarazo y el denominado sndrome alcohlico fetal del recin nacido. Discutir el posible error de informacin. 20. Un estudio del tipo casos y testigos sobre leucemia linftica crnica (LLC) mostr que esta enfermedad apareca con una frecuencia considerablemente mayor de la esperada entre los parientes cercanos de los casos. Esto podra ser interpretado como expresin del papel desempeado por los factores hereditarios en la aparicin de la LLC. Propngase una interpretacin diferente de los hechos. 21. Durante el perodo 1949- 60 miles de nios israeles fueron tratados con radiaciones (un equivalente a 120- 140 rads sobre la superficie craneal) a causa de la tia Para estudiar el posible influjo de esta irradiacin en el desarrollo psquico de los nios se sigui a 11 000 de entre los expuestos. Finalmente se demostr que dichos nios posean un cociente intelectual inferior, haban obtenido peores calificaciones escolares, y haban realizado su escolarizacin durante un perodo de tiempo ms corto que los nios de un grupo de comparacin. a) Qu posibles confounders deberan ser considerados si el grupo de comparacin fuera una muestra representativa (en edad y sexo) de la poblacin? b) Propnganse otros grupos de comparacin susceptibles de ser elegidos. 22. Los individuos expuestos al amianto por razones laborales se someten a exmenes de salud que incluyen radiografas torcicas. En caso de hallazgos positivos se remiten los pacientes al medio hospitalario para ser sometidos a exmenes ms precisos. En una policlnica hospitalaria se desea realizar un estudio, del tipo casos y testigos, sobre la relacin entre placas pleurales (PP) identificadas por rayos X y exposicin al amianto en lugares de trabajo. Los casos con (PP) y los testigos (sin PP) fueron todos los pacientes de
la policlnica que durante un ao estuvieron sometidos a estudio radiolgico de trax. Discutir la validez. 23. La determinacin del nivel de colesterol srico formaba parte del cribado a que se someti un elevado nmero de varones de mediana edad. El seguimiento de causas de muerte a los tres aos mostr que las tasas de mortalidad por cncer eran significativamente ms altas entre aquellos que haban presentado niveles de colesterol srico bajos (menor de 170 mg/100 m1) que entre los restantes. Disctase la validez. 24. En un estudio realizado en Boston se compar la mortalidad especfica de 5656 bomberos con la correspondiente a la poblacin masculina blanca de Massachusetts y a la de la poblacin total de USA. El objetivo del estudio era determinar si el medio ambiente y las condiciones laborales del cuerpo de bomberos influyen en el riesgo de fallecer a causa de ciertas enfermedades. Los resultados mostraron la existencia de unas RMN menores del 50% para enfermedades infecciosas, diabetes, cardiopatas reumticas, nefritis crnica, enfermedades hematolgicas y suicidio. Comntese la validez de este estudio. 25. En un estudio de poblaciones se encontr que el consumo de alcohol presentaba una asociacin negativa con actividad fsica y positiva con el consumo de tabaco y obesidad. Disctase la validez de un estudio de cohortes realizado en este contexto, que mostrase que los consumidores de alcohol presentaban un riesgo ms alto de padecer infarto de miocardio. 26. Un estudio mostr que las madres que ingieren cantidades importantes de alcohol durante el embarazo dan a luz nios de talla, peso y permetro craneal menores, y que presentan malformaciones con mayor frecuencia que otros nios. Qu posibles confounders deben tenerse en cuenta, si se desea obtener conclusiones acerca del efecto de la exposicin al alcohol en la talla, peso, permetro craneal y riesgo de malformaciones de los nios? 27. En la tabla siguiente se exponen los resultados de un estudio sobre dicta y hbitos de consumo de alcohol y tabaco de enfermos de cncer de laringe y de un grupo de testigos varones.
Consumo de cigarrillos (paquetes/da) 0 < 1/2 112- 1 >1 Total
Casos 43 25 171 135 374
Testigos 163 41 126 51 381
Consumo de alcohol (unidades/mes) 0 <3 3- 30 > 30 Total
Casos 38 41 111 179 369
Testigos 87 51 104 116 358
Vitamina A (UI/mes) < 50 500 50 500- 150 500 > 150 500 Total
Casos 98 201 39 338
Testigos 78 216 65 359
Calclese el riesgo relativo de cncer de laringe: a) Para cada uno de los niveles de consumo de tabaco en comparacin con los fumadores. b) Para cada nivel de consumo de alcohol en comparacin con los no consumidores. c) Para cada nivel de consumo de vitamina A en comparacin con los de mayor consumo. d) Cmo pueden interpretarse los resultados? e) Qu posibles confounders deben ser considerados en un estudio de la relacin entre consumo de alcohol y cncer de laringe. f) Qu debe considerarse en la eleccin del grupo testigo en un estudio como ste? 28. Disear esquemticamente un estudio epidemiolgico cuya finalidad fuese determinar el efecto de la exposicin repetida a rayos-X en el riesgo de padecer cncer de mama. Disctase la validez. 29. Disear esquemticamente un proyecto de estudio epidemiolgico cuyo objeto fuera determinar el posible efecto de la exposicin al polvo de madera en condiciones laborales en el riesgo de padecer cncer de cavidad nasofarngea. Discutir la validez.
9. ANALISIS DE RESULTADOS INTERVALOS DE CONFIANZA Y PRUEBAS DE SIGNIFICACIN Medidas de frecuencia de enfermedad Los estudios epidemiolgicos se diferencian en dos grupos segn sus objetivos. El primero rene aquellos dirigidos a determinar la frecuencia de enfermedad en una poblacin. El otro grupo est compuesto por los que tienen como finalidad evaluar la asociacin entre exposicin (o caracterstica) y frecuencia de enfermedad. Los estudios que describen frecuencias de enfermedad se sirven de medidas de la misma como la prevalencia, la incidencia acumulada o la tasa de incidencia. Los valores obtenidos deben expresarse con un intervalo de confianza que proporciona informacin acerca de su fiabilidad. Un intervalo de confianza del 95% es realmente un rango de valores, que corresponde a las posibilidades de variacin aleatoria, y que incluye el verdadero valor o valor real con una probabilidad del 95%. Esto significa que, en promedio, el 95% de los intervalos contienen el verdadero valor del parmetro estimado y el 5% no. La estimacin del intervalo de confianza proporciona una cierta informacin acerca de la fiabilidad del estudio. Esto es de gran importancia en investigaciones epidemiolgicas en las que las variaciones aleatorias condicionadas por el reducido nmero de enfermos estudiados juegan un papel significativo en la interpretacin de los resultados. Para una discusin detallada sobre el clculo y la interpretacin de un intervalo de confianza, el lector puede dirigirse a un texto de estadstica, vg. Armitage (1971). En general, cuando el tamao del estudio es suficientemente grande, los intervalos de confianza para medidas de frecuencia de enfermedad pueden obtenerse utilizando los siguientes procedimientos: a) Prevalencia Denominamos B al nmero de individuos que presentan la enfermedad y N al nmero de individuos en total de la poblacin; segn la definicin antes enunciada, la prevalencia sera: B P = ----------N El intervalo de confianza del 95% se obtendra como: P 1,96
((P(1- P) )
N
donde operando con los signos + y - se obtienen respectivamente los lmites superior e inferior del intervalo. La constante 1,96 corresponde al nivel de confianza deseado del 95%. Ejemplo: En un ejemplo del captulo 2 se hizo referencia a un estudio de prevalencia de artritis reumatoide, siendo entonces B = 70 y N = 1 038. Resultando, P = 0,07. El intervalo de confianza del 95% sera:
0,07 11,96
( 0,07 x 0,93) o sea 0,05-0,09.

1 038
b) Incidencia acumulada Denominando A al nmero de individuos que enferman durante el perodo de observacin y N al nmero de individuos en riesgo al comienzo de dicho perodo, tendramos que: I= A N El intervalo de confianza del 95% se obtiene de acuerdo con los mismos principios antes expresados, ya que tanto la prevalencia como la incidencia acumulada son proporciones: IA 1,96
( IA(1- IA) )
N
Ejemplo: En otro ejemplo en el captulo 2, se mencion que durante un cierto perodo de tiempo 11 individuos de un total de 3 076 desarrollaron tumores cerebrales. Siendo A = 11, N = 3 076 e IA = 0,04, el intervalo de confianza sera: 0,004 1,96
( (0,004 x 0,996))
3076
o sea 0,002-0,006.
c) Tasa de incidencia Si denominarnos A al nmero de casos que aparecen durante el perodo de observacin y R al nmero de aos en riesgo, la tasa de incidencia sera: I=A R El intervalo de confianza correspondiente vendra dado por: I 1,96
I/R
Ejemplo: En un tercer ejemplo en el captulo 2 se calculaba la tasa de incidencia del infarto de miocardio. Con la notacin empleada aqu tendramos que A = 29, R = 41 532 y en consecuencia 1 = 0,0007. El intervalo de confianza sera: 0,0007 1,96
(0,0007 )
41 532
o sea 0,0005-0,0010.
Medidas de frecuencia comparada de enfermedad
El objetivo del estudio de la asociacin entre exposicin y enfermedad es la medicin de la desigualdad de las frecuencias de la enfermedad estudiada en las poblaciones expuestas y no expuestas. Tradicionalmente, el anlisis de los resultados de tales estudios se realiza en dos etapas. En la primera, se comprueba si existe una asociacin, una vez tenidas en cuenta las variaciones debidas al azar. Para esto se lleva a cabo una prueba de hiptesis estadstica o prueba de significacin. En la etapa siguiente se cuantifica la asociacin entre exposicin y frecuencia de enfermedad empleando alguna de las medidas de frecuencia comparada de enfermedad discutidas en el captulo 5. Esta medida se expresar con un intervalo de confianza que proporcione informacin sobre la fiabilidad. La realizacin de las pruebas de hiptesis y la obtencin de intervalos de confianza son dos mtodos de presentacin resumida de una propiedad de la informacin. Sin embargo, el uso de los intervalos de confianza es preferible al de los test de significacin. Estos ltimos fueron desarrollados dentro de la teora de decisin con finalidades prcticas, siendo este tipo de problemtica absolutamente diferente del que se plantea en la investigacin epidemiolgica. La utilidad de las pruebas de hiptesis en este terreno ha sido seriamente puesta en duda por algunos (Rothman, 1978). El libro Rothman y Boice (1982) previamente citado, contiene programas a utilizar en la mayor parte de los anlisis necesarios en este campo. A continuacin se presentan algunos mtodos bsicos de anlisis de datos. a. Prueba de hiptesis Los estudios de pequeo volumen requieren el empleo de los mtodos denominados exactos. Los mtodos de prueba de hiptesis que aqu se describen pueden ser aplicados con la condicin de que el nmero de individuos no sea demasiado pequeo. Estos mtodos pueden ser tambin fcilmente desarrollados para su aplicacin en situaciones ms complejas, por ejemplo cuando el material est estratificado (vase la segunda parte de este captulo). La cantidad de casos observados (0) se compara con la correspondiente cantidad esperada (E) teniendo en cuenta la varianza (V). La prueba estadstica aqu empleada es: X= 0-E y
El nivel de significacin correspondiente a la cifra-chi obtenida, se determina extrayendo el valor de la denominacin p de la tabla de la distribucin normal. El valor de p es la probabilidad de que una desigualdad tan grande como la observada entre los grupos comparados pudiera ser debida al azar. Dicho de otra manera: la probabilidad de obtener un valor de p, por ejemplo, igual o menor que 5% sera del 5% en el caso de que no existiese asociacin entre exposicin y enfermedad y mayor que el 5% si ocurriese lo contrario. Es importante reconocer que el valor de p no es la probabilidad de que la hiptesis de asociacin sometida a prueba sea cierta. Si se desea, puede tambin utilizarse X 2 en lugar de X. En este caso, el valor de p se obtiene de la tabla de distribucin de X 2 para un grado de libertad. Los resultados de pruebas de hiptesis que se publican suelen ser aquellos para los que se obtuvieron valores de p menores de 5%, 1 % 0,1 %. A veces se utiliza una notacin
simple a base de uno, dos o tres asteriscos respectivamente. Estos lmites para los niveles de significacin no son en s ms tiles que otros y tampoco es que el valor del 5% est asociado con un significado o hecho especial. En realidad no hay ninguna razn para no publicar el valor exacto de la p que se obtuvo en la prueba de hiptesis. Estudios de cohortes - incidencia acumulada: En los estudios de cohortes en los que se trabaja con incidencias acumuladas los datos pueden ordenarse en una tabla de cuatro campos (vase figura 15). El nmero observado de casos entre los expuestos es Al. El nmero correspondiente de casos esperados y la varianza se calculan en base al modelo estadstico de distribucin hipergeomtrica de la manera siguiente: O = A1, E = Nl A y N V= N1N0A (N-A) N 2 (N-1) Expuestos No Total A0 A N0-A0 N-A N0 N
Enfermos
SI No Total
SI A1 N1-A1 N1
FIGURA 15. Disposicin de los datos de un estudio de incidencia acumulada en cohortes. Ejemplo: Supongamos que de un total de cien individuos expuestos 20 desarrollan una enfermedad. En un grupo de comparacin integrado por 200 individuos no expuestos, 25 desarrollan la enfermedad. Estos datos pueden ordenarse en una tabla de 2 X 2 (Vase el cuadro 1l), CUADRO 11. Nmero de individuos y de casos en un estudio de cohortes segn su grado de exposicin. SI Enfermos SI No Total 20 80 100 Expuestos No 25 175 1 200 Total 45 255 300
En este ejemplo tendramos que: 0=20, E= 45 x 100 = 15 300
y V= 45 x 255 x 100 x 200 = 8,53 3002 x (300-1)
y por tanto X = 20 - 15 = 1,71 8,53 En la tabla de distribucin normal se puede leer que a un valor de chi de 1,71 corresponde un valor de p = 0,08. El correspondiente valor de X2 sera: (20- 15)2 X 2 = 8,53 =2,93
La mayora de las tablas de distribucin de X2 son de baja precisin. Generalmente slo muestran que al resultado obtenido le corresponde un valor de p entre 5% y 10% o algn otro rango amplio.
Estudios de cohortes - tasas de incidencia: En estudios de cohortes que utilizan tasas de incidencia, es preciso tener en cuenta la distribucin de los valores que expresan los aos en riesgo de los grupos expuestos y no expuestos. Los datos pueden ordenarse en una tabla como la que se muestra en la figura 16. Expuestos SI Casos Aos en riesgo A1 R1 No A0 R0 Total A R
FIGURA 16. Disposicin de los datos de un estudio de tasas de incidencia en cohortes. El nmero observado de casos entre los expuestos es Al. Calculando en base a una distribucin binomial, el nmero esperado de casos y la varianza vendran dados por: E = AR1 y V = AR1Ro R R2 Ejemplo: En el estudio de la relacin entre hbito de fumar y mortalidad por cardiopata isqumica citado previamente se obtuvieron los siguientes datos: CUADRO 12. Nmero de casos y de aos en riesgo segn el grado de exposicin en un estudio de cohortes.
Fumadores SI Casos Personas-ao 0 = 206, 206 28612 E = 234 x 28 612 = 195,07 34322 234 x 28 612 x 5 710 y V = 343222 Por tanto, X = 206-195,07 = 1,92 32,45 cifra a la que corresponde un valor de p de 0,06. Estudios de cohortes - razn de mortalidad normalizada: La razn de mortalidad normalizada (RMN) se defini en el captulo 5 como la razn del nmero de casos observados en una poblacin al correspondiente nmero de casos esperados. Para la prueba de hiptesis tendramos que 0 = Nmero observado y E = V = Nmero esperado. Ejemplo: Anteriormente vimos un ejemplo de estudio retrospectivo, referido a una cohorte compuesta por ingenieros qumicos, dnde se mostraba el clculo de la razn de mortalidad normalizada, siendo A = 32, E = 24,2 y consecuentemente V = 24,2. Aplicando a estos datos el test antes mencionado tendramos que: X = 32 - 24,2 = 1 ,59 24,2 a este valor de y, corresponde un valor de p = 0,11. Estudios de casos y testigos: Segn se vio anteriormente, los datos de un estudio de casos y testigos pueden ordenarse en una tabla de 2 X 2 de igual forma que los datos de un estudio de cohortes para incidencias acumuladas (vase figura 17). En este caso puede utilizarse con plena validez el mismo procedimiento de prueba de hiptesis. Expuestos Si No Total = 32,45 No 28 5710 Total 234 34322
Casos Testigos Total
a c a+c
b d b+d
N1 N0 N
FIGURA 17. Disposicin de los datos de un estudio de casos y testigos.
CUADRO 13. Nmero de individuos expuestos y no expuestos segn su condicin de casos o de testigos en un estudio de este tipo. Si Casos Testigos Total 457 362 819 Fumadores No 26 85 111 Total 483 447 930
Ejemplo: En un ejemplo anterior se mostraron datos de un estudio de casos y testigos sobre hbito de fumar y cncer de orofaringe. Estos datos se muestran en el cuadro 13. El nmero observado de casos expuestos es 475. Por lo tanto tendramos que: 0 = 457, E = 819 x 483 = 4 25,35 930 V = 819 x 111 x 483 x 447 = 24,43 9302 x (930- 1) y = 457 - 425,35_ = 6,40 24,43 a la que corresponde un valor de p muy cercano a 0. Esto significa que la diferencia en frecuencia de exposicin entre casos y testigos aqu constatada, puede slo muy improbablemente ser debida al azar. b. Intervalos de confianza Miettinen (1976) propuso un mtodo para calcular intervalos de confianza aproximados, que se basa en los valores obtenidos en la prueba de hiptesis. Este mtodo que aqu se describe aplicado a dos situaciones sencillas puede utilizarse tambin sin modificacin alguna, en situaciones ms complejas, como por ejemplo con informacin estratificada. Diferencia entre medidas de frecuencia de enfermedad. En el captulo dedicado a la comparacin de frecuencias de enfermedad se distingua entre comparaciones por sustraccin y comparaciones por cociente. Si se denomina D a la diferencia entre frecuencias de enfermedad en expuestos y en no expuestos, utilizando cualquiera de las tres medidas de frecuencia de enfermedad anteriormente mencionadas, el intervalo de confianza del 95% basado en la prueba de hiptesis se calcula aplicando la siguiente expresin: D (1 1,96/X) donde 1,96 corresponde al nivel de confianza deseado, tomando y el valor obtenido en la prueba de hiptesis.
Ejemplo: Considerando de nuevo el estudio de Doll y Hill sobre hbito de fumar y cardiopata isqumica, las tasas de incidencia en fumadores y no fumadores fueron respectivamente, I1 = 0,007 e I0 = 0,005. De la prueba de hiptesis result X = 1,92. El intervalo de confianza de la diferencia de tasas de incidencia sera: (0,007 - 0,005) X (1 1,96/1,92) siendo 0,000 y 0,004 respectivamente los limites superior e inferior del intervalo. Cociente de medidas de frecuencia de enfermedad. El intervalo de confianza de las diferencias entre medidas de frecuencia de la enfermedad es simtrico, con centro en el valor estimado de la diferencia. Los cocientes o razones de medidas de frecuencia de la enfermedad son en s asimtricos; nunca son inferiores a 0 y no tienen lmite superior. Esta asimetra debe ser tenida en cuenta cuando se construyen sus intervalos de confianza. Si denominamos riesgo relativo (RR) a la razn de frecuencias de enfermedad en expuestos y no expuestos, se obtiene un intervalo de confianza del 95%, basado en la prueba de hiptesis, RR(1 1,96/X) Ejemplo: En el estudio sobre hbito de fumar y cncer de orofaringe resultaron ser RR = 4,1 y X = 6,40. El intervalo de confianza del 95% sera: 4,1(1 1,96/6,40) cuyos lmites inferior y superior son respectivamente 2,7 y 6,3. ESTRATIFICACIN En el captulo 7 se discuti la calidad de los estudios epidemiolgicos. All se consideraba que el confounding era una fuente de error que hasta cierto punto poda ser controlada en la etapa de anlisis de los datos. Esto puede lograrse utilizando mtodos estadsticos de anlisis de variables mltiples o tambin, como se describe a continuacin, estratificando el material. La estratificacin consiste en la separacin de los datos en subgrupos o estratos. El principio bsico para el uso de la estratificacin en el control del confounding se ilustra mediante dos ejemplos, un estudio de cohortes y un estudio de casos y testigos. Estudio de cohortes El cuadro 14 presenta el material de un estudio epidemiolgico de cohortes. El propsito del mismo era investigar la relacin del consumo de alcohol con una cierta enfermedad. Por una parte exista la sospecha, de que el hbito de fumar poda estar asociado con la ingesta de alcohol; por otra parte, no poda descartarse que el tabaco no fuera una causa complementarla de la enfermedad. En otras palabras, se consideraba al tabaco como un potencial confounder. Por esta razn se obtuvo informacin no slo sobre el consumo de alcohol sino tambin sobre el consumo de tabaco. CUADRO 14. Nmero de aos en riesgo y de casos segn los consumos de alcohol y de tabaco.
Alcohol Tabaco Aos en riesgo Casos I No No 75000 75 0,001 No Si 25000 50 0,002 Si No 25000 50 0,002 Si Si 75000 300 0,004 Prescindiendo de la informacin relativa al consumo de tabaco, los datos podran haberse ordenado como muestra el cuadro 15. CUADRO 15. Tasas de incidencia segn consumo de alcohol. Alcohol Si No I 0,00350 0,00125 RR 2,8
El riesgo relativo (RR), obtenido como cociente de las tasas de incidencia en expuestos y en no expuestos, indica la existencia de una asociacin importante entre consumo de alcohol y aparicin de la enfermedad. Sin embargo, si el hbito de fumar fuese ms comn entre aquellos que consumen alcohol que entre los que no lo consumen, y si, adems, el consumo de tabaco fuese una causa de la enfermedad, los resultados observados podran aparecer sin que el consumo de alcohol estuviera implicado en el proceso causal de la enfermedad (recurdese el ejemplo de los dedos pigmentados y el cncer de pulmn). Para analizar este problema se estratifica el material de acuerdo con el consumo de tabaco. Ello implica que los datos se dividen, en este ejemplo, en dos estratos, uno que agrupa a los fumadores y otro a los no fumadores. El cuadro 16 contiene esta informacin estratificada y muestra que en ambos estratos, fumadores y no fumadores, la tasa de incidencia es dos veces ms alta entre las personas que consumen alcohol que entre las que no lo consumen. CUADRO 16. Tasas de incidencia segn consumos de alcohol y tabaco.
Tabaco Si Si No No
Alcohol Si No Si No
I 0,004 0,002 0,002 0,001
RR 2 2
La razn de tasas disminuye de 2,8 a 2 s se controla el hbito de fumar. Podra as interpretarse que la estimacin de 2,8 observada antes de controlar el hbito de fumar refleja el efecto conjunto del consumo de alcohol y del consumo de tabaco. Un anlisis posterior del ejemplo muestra que el consumo de tabaco cumple los dos criterios para ser considerado un confounder. En la columna del cuadro 14 que presenta el nmero de aos en riesgo se puede observar que existe una asociacin entre consumo de alcohol y hbito de fumar. El cuadro revela igualmente que el tabaco por s mismo est asociado con un incremento de la tasa de incidencia, es decir, tras controlar el consumo de alcohol.
Estudio de casos y testigos Si de la poblacin base del ejemplo anterior se hubieran seleccionado todos los casos y 200 testigos, se habran obtenido los siguientes datos: CUADRO 17. Nmero de casos y de testigos segn consumo de alcohol y de tabaco. Alcohol Si No Tabaco Tabaco Si No Si No Casos Testigos 300 75 50 25 50 25 75 75
Total 475 200
Ignorando la informacin sobre el hbito de fumar y reagrupando estos datos en una tabla de 2 X 2 tendramos que CUADRO 18. Nmero de casos y testigos segn el consumo de alcohol. Alcohol Si Casos Testigos 350 100 No 125 100 Total 475 200
El riesgo relativo estimado a partir de estos datos sera: RR =350 x 100 = 2,8 125 x 100 Estratificando segn el consumo de tabaco obtenemos los datos del cuadro 19. CUADRO 19. Riesgos relativos correspondientes al consumo de alcohol segn el hbito de fumar. Tabaco Si No Alcohol Alcohol No Si No 50 25 2 50 25 2 75 75
Si Casos Testigos RR 300 75
Total 475 200
El riesgo relativo estimado en los dos estratos de consumo de tabaco es de 2,0. Es decir, el efecto del confounding se observa de igual manera en el diseo del tipo casos y testigos cuando el consumo de tabaco no ha sido debidamente controlado. BIBLIOGRAFA Armitage, P., Statistical methods in medical research, BlackweIl Scientific Publishers; 1971. Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from retrospective studies of disease, Journal of the National Cancer Institute, 1959; 22:719-748. Miettinen, 0. S., Estimability and estimation in case-referent studies, American Journal of Epidemiology, 1976; 100:226- 235. Miettinen, 0. S., Stratification by a multivariate confounder score, American Journal of Epidemiology, 1976; 104:609- 620. Rothman, K. J., A show of confidence (editorial), New Englandjournal of Medicine, 1978; 299:1362- 1363. Rothman, K. J. y Boice, J. D. jr., <Epidemiologic analysis with a programmable calculator, Epidemiology Resources Inc., Boston, MA 1982.
EJERCICIOS - CAPITULO 9 1. Calcular el intervalo de confianza del 95% de la frecuencia de marcadores de hepatitis B en cada una de las dos categoras de personal en el ejercicio n 10 del captulo 2. Comentar los resultados. 2. Calcular el intervalo de confianza del 95% de la frecuencia de carcinoma in situ del ejercicio n 11 del captulo 2. 3. Calcular el intervalo de confianza del 95% de la frecuencia de glaucoma de ngulo abierto del ejercicio n 14 del captulo 2. 4. Calcular el intervalo de confianza del 95% de la frecuencia de meningitis bacteriana del ejercicio n 15 del captulo 2. 5. En el ejercicio n 20 del captulo 2 se estimaba, para los nios con bajo peso al nacer, los valores de (a) mortinatalidad y (b) mortalidad en nacidos vivos. Calcular el intervalo de confianza del 95% para (a) y (b), respectivamente. 6. Calcular el intervalo de confianza del 95% de la frecuencia de cardiopata isqumica en el grupo (a) y el grupo (b) del ejercicio n 22 del captulo 2. 7. Calcular, con los datos del ejercicio n 22 del captulo 2, el riesgo relativo de cardiopata isqumica en varones con colesterol srico igual o superior a 260 mg/100 ml y presin sistlica superior o igual a 167 mm/Hg (grupo d) en relacin a los varones con colesterol srico inferior a 220 mg/100 ml y presin sistlica inferior a 147 mm/Hg (grupo a). Calcular el intervalo de confianza del 95% del riesgo relativo. Comentar los resultados. 8. En el ejercicio n 5 del captulo 8 se comparan los riesgos de contraer hepatitis en pacientes que han recibido transfusiones sanguneas y en los que no las han recibido. Calcular el intervalo de confianza del 95% del riesgo relativo. 9. En el ejercicio n 18 del captulo 2 se compara la frecuencia de lesiones por accidentes de motocicleta en habitantes del centro y de los alrededores urbanos. Estimar el riesgo relativo (zona centro/ alrededores) para el grupo de edad de 15 a 19 aos. Calcular el intervalo de confianza del 95% del riesgo relativo. 10. En el ejercicio n 2 del captulo 6 se obtena la razn de mortalidad normalizada por infarto de miocardio en diabticos. Calcular el intervalo de confianza del 95%. 11. En el ejercicio n 4 del captulo 6 se obtena la RMN por tumores seos malignos en trabajadores industriales expuestos a radio. Calcular el intervalo de confianza del 95%. 12. Calcular el riesgo relativo de infarto de miocardio del total de los fumadores (1/2 - 2 paquetes de cigarrillos diarios) comparndolos con los no fumadores, segn los datos del ejercicio n 4 del captulo 8. Estimar los lmites del intervalo de confianza del 95%. 13. En el ejercicio n 6 del captulo 8 se estim el riesgo relativo del infarto de miocardio de inmigrantes finlandeses comparndolos con suecos nativos. Calcular el intervalo de
confianza del 95% para los inmigrantes finlandeses residentes en Suecia durante (a) 0- 19 aos (b) 20 aos o ms. 14. Con el objeto de estudiar el efecto del consumo de tabaco y el trabajo al aire libre (exposicin a radiaciones solares) en el riesgo de padecer cncer labial, se realiz un estudio comparativo de enfermos varones de edad 50- 59 aos que padecan de cncer labial o de la piel. Los resultados se exponen en la tabla siguiente: Cncer de Labio Fumadores, trabajo al aire libre Fumadores, trabajo a cubierto No fumadores, trabajo al aire libre No fumadores, trabajo a cubierto 51 24 15 3 Piel 6 10 8 5
a) Cul es el diseo de este estudio? b) Discutir la eleccin del grupo de referencia. c) Calcular el riesgo relativo de cncer de labio para trabajo en el exterior comparado con trabajo a cubierto. d) Calcular el riesgo relativo de cncer de labio para trabajo en el exterior comparado con trabajo a cubierto despus de estratificar para hbito de fumar. e) Calcular el riesgo relativo de cncer de labio para fumadores comparados con no fumadores. f) Calcular el riesgo relativo de cncer de labio para fumadores comparados con no fumadores estratificando para trabajo en el exterior y trabajo a cubierto respectivamente. g) Calcular el riesgo relativo de cncer de labio para fumadores con trabajo en el exterior comparado con fumadores con trabajo a cubierto. h) Cmo podran interpretarse los resultados? Cmo puede haber afectado la eleccin del grupo de referencia a los resultados obtenidos?
SOLUCIONES EJERCICIOS - CAPITULO 2 1. La poblacin de Estados Unidos aument durante el perodo 1930-1970 de 117 a 230 millones de habitantes. La tasa de mortalidad por cncer (n de muertes por cncer en un ao/100 000 habitantes) aument en 61,5% en el mismo perodo. La distribucin por edad de la poblacin cambi al aumentar la proporcin de personas de ms edad. La mortalidad estandarizada por edad debida a cncer se increment en un 9,5% de 1930 a 1970. El perfeccionamiento de los procedimientos diagnsticos puede haber contribuido a que se haya registrado un mayor nmero de muertes por cncer, pero tambin los avances teraputicos pueden haber contribuido a una disminucin de la mortalidad por cncer. 2. Cantidades relativas. En las comparaciones de frecuencia de enfermedad es necesario usar medidas que sean independientes del tamao de la poblacin observada. 3. Medidas de incidencia. Estas describen el flujo entre la parte de poblacin en estado de salud y la que padece la enfermedad. Este flujo es lo que se desea reducir mediante las medidas preventivas. 4. a) 2% de la poblacin padece la enfermedad en un momento determinado. b) Se producen 5 casos de enfermedad por 10 000 aos en riesgo. 5. La duracin media de la enfermedad disminuye. 6. La tasa de incidencia es el nmero de casos nuevos de la enfermedad relativo al perodo en riesgo (aos vividos sin padecer la enfermedad). La incidencia acumulada es el nmero de individuos que contraen la enfermedad en un perodo, en relacin al nmero de individuos (libres de la enfermedad) al comienzo del perodo. La tasa de incidencia, pero no la incidencia acumulada, es independiente de la duracin del perodo de observacin. La incidencia acumulada no tiene dimensin y puede tomar valores slo de 0 a 1, mientras que la tasa de incidencia tiene la dimensin por unidad de tiempo y puede tomar valores desde 0 sin lmite superior. 7. Ejemplo 1: De 100 individuos libres de la enfermedad al principio del ao, la presentaron 90 de ellos, siendo un proceso de muy corta duracin (insignificante). 50, de estos 90, enfermaron una vez y 40 dos veces durante el ao. I = (50 x 1) + (40 x 2) = 1,3 por ao 100 IA = 90/100 = 0,9 El 90% de los individuos enfermaron durante el ao; el nmero de casos de la enfermedad por ao en riesgo es de 1,3. Ejemplo 2: De cien individuos sin la enfermedad al comienzo del ao, enfermaron 80 de ellos al cabo de un promedio de seis meses. La enfermedad consista en un proceso de larga
duracin (mayor de medio ao). Tiempo de riesgo = (20 x 1) + (80 x 1/2) = 60 aos 1 = 80/60 = 1,3 por ao en riesgo IA = 80/100 = 0,8 en un ao 8. Nmero de casos = 532 Tamao medio de la poblacin = 520 + 680 = 600 2 Perodo de observacin = 4 aos Tiempo en riesgo = 600 x 4 = 2400 aos 1 = 532/2 400 = 0,22 por ao 9. P = 100/1000 = 0,10 IA = 200 = 0,22 en un perodo de 10 aos 1 000- 100
La incidencia no puede calcularse ya que se desconoce la distribucin de los perodos de tiempo en riesgo. 10. P1 = 14/67 = 0,21 P0 = 4/72 = 0,06 11. I = 123/338 294 = 0,00036 por ao 12. P = 25/5 000 = 0,005 IA = 10 5000-25 = 0,002 en un perodo de 5 aos
13. Nmero de casos = 270 Tamao medio de la poblacin = 18 500 + 21 500 = 20000 2 Perodo de observacin 5 aos Tiempo total en riesgo 20 000 x 5 = 100 000 aos I = 2701100 000 = 0,0027 por ao 14. P (catarata) = 310/2 477 = 0,125 P (degeneracin macular senil) = 156/2 477 = 0,063 P (retinopata diabtica) = 67/2 477 = 0,027 P (glaucoma de ngulo abierto) = 64/2 477 = 0,026 P (ceguera) = 22/2 477 = 0,009 15. I = 435/7 250 000 = 6,0 x 10-5 por ao 16. Nmero de casos = 97 + 121 + 112 = 330 Tamao medio de la poblacin = 309 949 + 332 400 = 321 174,5 2
Perodo de observacin = 3 aos Tiempo en riesgo 321 174,5 x 3 = 963 523,5 aos I = 330/963 523,5 0,00034 por ao 17. P1 = 395/679 478 = 58 x 10-5 P2 = 0 18. a) I1 = 21/80 000 = 26 x 10-5 por ao (rea perifrica) I2 = 9/80 000 = 11 X 10-5 por ao (rea central) b) Edad = 15-19 aos: I1 = 20/4 000 = 500 x 10-5 por ao (rea perifrica) I2= 711 000 = 700 x 10-5 por ao (rea central) Edad 20 ms aos: I1 = 1/76 000 = 1,3 x 10-5 por ao (rea perifrica) I2= 2/79 000 = 2,5 x 10-5 por ao (rea central) 19. P = 212/129 600 = 0,0016 20. a) P = 133/832 = 0,16 (mortinatalidad) b) IA = 210 = 0,030 (mortalidad durante el primer mes de vida) 832 - 133 21. P = 23 360/405 548 0,058 22. a) IA = 10/431 = 0,023 en seis aos b) IA = 19/185 = 0,103 en seis aos c) IA = 7/49 = 0,143 en seis aos d) IA = 11/44 = 0,250 en seis aos
SOLUCIONES EJERCICIOS - CAPITULOS 3 Y 4 1. S, por posibles diferencias entre los grupos, en lo que concierne a la formulacin de las preguntas, a las caractersticas del entrevistador o a la situacin en la que se realiza la entrevista. 2. No, la concordancia no es mejor que la que se podra haber esperado por efecto del azar nicamente. Observador A Pos. Neg. 0,1 0,9 Pos. 0,1 Observador B Neg. 0,9 0,81 3. 1. La tendencia de los oftalmlogos a valorar los hallazgos con criterios similares. 3.2. El nmero de categoras de cocientes de dimetros excavacin/ disco papilar utilizadas para clasificar los hallazgos. 3.3. La distribucin de las 100 papilas pticas examinadas entre las diferentes categoras. 4. En el material obtenido del cribado (exmenes de salud) se espera encontrar una pequea proporcin de casos de cncer crvico-uterino. Esto plantea la necesidad de mejorar la sensibilidad y especificidad del mtodo a efecto de evitar que la porcin constituida por los verdaderamente positivos de entre los positivos detectados sea muy reducida (valor de prediccin. Vase la ltima parte del captulo 4). 5. Excluir los individuos cuyos anlisis fueron realizados en los laboratorios B y C (Como alternativa estratificar por laboratorio). 6. Diferencias en los mtodos de examen empleados, en los criterios diagnsticos y en la clasificacin de las enfermedades. 7. (Los posibles ejemplos son numerosos. Sin embargo, existen a menudo variaciones, distintas para los diferentes pases, hospitales y mdicos, que pueden tener consecuencias significativas cuando se miden y comparan frecuencias de enfermedad). 8. a. La proporcin de enfermos clasificada como enfermos. b. La proporcin de sanos clasificada como sanos. 9. Sensibilidad = 60/80 = 0,75 Especificidad = 80/120 = 0,67 10. Valor de prediccin = = 0,0001 x 0,99 = 0109 (9%) 0,01
(0,001 x 0,99) + (1 - 0,001) x (1 - 0,99) 11. De la sensibilidad y especificidad de la prueba y de la prevalencia de la enfermedad. 12.
SOLUCIONES EJERCICIOS - CAPITULOS 5 Y 6 1. Absoluta I 60 - 15 = 45 X 10-5 por ao IA 315 - 80 = 235 X 10-5 durante 5 aos P 275 - 70 = 205 X 10-5 Relativa I 60/15 = 4 IA 315/80 = 3,9 P 275/70 = 3,9 2. RMN = 1 107 x 100 = 208% 531 Despus de normalizar por edad, la mortalidad en los diabticos debida al infarto de miocardio es el 208% -aproximadamente el doble- que la de la poblacin general. 3. a) IA1 = 24/2 872 = 836 X 10-5 IA0 = 0 RR = IA1 = IA0 b) IA1 = 52/2 872 = 1811 X 10-5 IA0 = 6/5 055 = 119 x 10-5 RR = IA1 = 15 IA0 c) El riesgo relativo para cncer de tiroides no puede ser estimado correctamente ya que el grupo de comparacin es demasiado pequeo y/o el tiempo de seguimiento demasiado corto para que apareciese algn caso de enfermedad. Sin embargo, hay una apreciable diferencia entre los grupos (24 casos de 2 832 es considerablemente mayor que 0 casos de 5 055). La frecuencia de tumores benignos de tiroides fue aproximadamente 15 veces mayor en el grupo expuesto. 4. RMN = 22 x 100 = 8 148% 0,27 (Es decir, la mortalidad por tumores seos fue aproximadamente 80 veces mayor que la de la poblacin general). 5. RR(b) = IA(b) = 19/185 = 4,4 IA(a) 10/431 RR(c) = IA(c) = 7/49 = 6,2
IA(a) 0/431 RR(d) = IA(d) = 11/44 = 10,8 IA(a) 10/431 6. RMN = 11 x 100 = 11 000% 0,1 (La enfermedad fue aproximadamente 110 veces ms frecuente de lo esperado) 7. a) IA1 = 3/95 = 316 X 10-4 IA0 = 8/48 = 1 667 x 10-4 RR = IA1 = 0,19 IA0 b) RR = 0,27 0,24 = 1,1
c) La frecuencia de gripe entre los vacunados fue alrededor del 20% de la del grupo placebo (es decir, un descenso del 80%). La frecuencia de molestias post-vacunacin fue aproximadamente un 10% mayor entre los que haban recibido la vacuna. 8. a) RR = b) RR = 1 371 1228 = 1,1 498 = 0,7 683
c) La mortalidad, pero no la morbilidad, por infarto de miocardio es ms baja entre los casados que entre los no casados. Una posible interpretacin es que los infartos en hombres casados sean ms leves o reciban mejor asistencia. 9. Tasas de incidencia especficas para grupos de edad: Poblacin A Jvenes Ancianos 4/2 000 = 0,002 32/4 000 = 0,008 Poblacin B 20/4 000 = 0,005 15/1 000 = 0,015
Tasas de incidencia normalizadas por edad (pesos iguales): Poblacin A: I1 = (1/2) X (0,002 + 0,008) = 0,005 Poblacin B: I0 = (112) X (0,005 + 0,015) = 0,010 RR = I1 = 0,5
I0 10. O = 40 8 000 X 0,5 + 2 000 x 4 + 2 000 x 9 103 103 103 40 x 100 = 133% 30
E= RMN = 11. O=8
= 30
E = ( 651 x 0 + 518 x 6 + 500 x 90 + 465x 381 + 211 x 626 ) ( 337 431 522 507 367 ) x 10- 3 = 0,8 RMN = 8 x 100 = 1000% 0,80 12. Prevalencia normalizada por edad (pesos iguales): P (I) = 1 x 4 ( 5 + 20 + 50 + 50 ) = 0,011 ( 1000 2000 4000 3 000)
P (II) = 1 x ( 25 + 40 + 20 + 20 = 0,015 4 ( 5000 3000 1 000 1000 RR = P(I) = 0, 7 P (II) 13. Si existe. TP = 8 + 14 = 22% EOC = 29 + 14 = 43% En caso de no estar asociados TP y EOC, el 9% presentara los dos procesos, ya que 0,22 x 0,43 = 0,09. Una posible explicacin es que las EOC originen TP; otra, es que las EOC y los TP tengan en ciertos casos las mismas causas. 14. a) b) (Vanse los dos primeros apartados del captulo 6, pginas 47- 49). El conocimiento de los indicadores de riesgo puede ser utilizado para identificar grupos de alto riesgo, mientras que el conocimiento de las causas complementarias proporciona informacin acerca de los factores que deben modificarse a efectos de prevenir la enfermedad.
15. a) Bacilo tuberculoso. b) Causa necesaria.
16. (Vase el segundo apartado del captulo 6, pp. 48-49). 17. a) 40% - 100% b) RR mayor que 1 18. (Vase el tercer apartado del captulo 5, pp. 44-45 y el ltimo del captulo 6, pp. 49-53). 19. (Vase el ltimo apartado del captulo 6, pp. 49-53). 20. 0,1 x 0,2 x 0,3 = 0,006. 21. a) 0,018 0,012 0,066 b)4 5 12 c) El efecto de aumentar simultneamente la frecuencia de B y C, es mayor que la suma de los efectos obtenidos si la frecuencia de B y C se incrementa por separado (vase la ltima parte del ltimo apartado del captulo 6, pp. 52-53). 22. La frecuencia de la causa complementaria entre la poblacin. La frecuencia de las dems causas complementarias pertenecientes a la misma causa suficiente (vase el ltimo apartado del captulo 6, pp. 52-53).
SOLUCIONES EJERCICIOS - CAPTULOS 7 Y 8 1. (Vanse los dos primeros apartados del captulo 8, pp. 67-70). 2. Por ejemplo, en el caso de enfermedades poco frecuentes o con perodos de induccin muy prolongados. (Vase tercer apartado del captulo 8, pp. 71-73). 3. RR = 200 x 250 = 10 100 x 50 4. a) RR = 9 x 2 706 = 1,1 31 x 710 b) RR = 39 x 2 706 = 1,9 31 x 1 825 c) RR = 18 x 2 706 = 2,6 31 x 605 5. a) Estudio de cohortes b) RR = 6. a) RR = 22 x 832 = 1,8 31 x 324 b) RR = 10 x 832 = 1,1 24 x 324 7. a) RR = 51 x 154 = 2,0 59 x 66 b) RR = 11 x 214 = 4,0 99 x 6 c) RR = 26 x 194 =2,3 84 X 26 75/595 = 5,6 16/712
d) RR = 19 x 206 91 X 14 8. a) RR = 21 x 2 907 =1,6 138 x 273 b) Edad, tabaco, exceso de peso, antecedentes de hipertensin y otros factores que puedan estar asociados a la toma de anovulatorios y puedan modificar el riesgo de miocardio. 9. a) Estudio de casos y testigos b) Si c) RR = 18 X 90 = 5,1 32 X 10 d) No; porque deben ser tenidos en cuenta los posibles problemas de validez. 10. Ventajas: Probables menor nivel de absentismo en la respuesta y menor diferencia entre los grupos en la calidad de los datos (vase el penltimo apartado del captulo 8, pp. 75- 76). Inconvenientes: La posibilidad de que la enfermedad del grupo testigo est relacionada con la exposicin, es decir, que el grupo testigo no refleje la frecuencia de la exposicin en la poblacin de la que fueron extrados los casos. 11. a) La muestra de la poblacin. b) El grupo testigo debera seleccionarse de manera que refleje la frecuencia de la exposicin en la poblacin de la que se extraen los casos. c) Un grupo de pacientes cuya enfermedad (a diferencia de las lesiones causadas por accidentes) no este relacionada con el consumo de alcohol. 12. (Vase primer apartado del captulo 7, pp. 61- 62). 13. (Consultar los ejemplos del captulo 7). 14. El consumo de cigarrillos es probablemente un confounder. 15. a) Una persona que padece cncer de pulmn tiene posiblemente mejor conocimiento de los casos de cncer de pulmn que han ocurrido en su familia que una persona sana utilizada como testigo. Esta fuente de error tiene probablemente menor importancia en el caso de parientes prximos (padre, hermanos y hermanas) que en el de familiares ms lejanos. b) El consumo de cigarrillos, la radiactividad en la vivienda debida a radio y otros factores, pueden estar asociados a la exposicin (consanguinidad respecto a = 3,1
alguien que ha padecido cncer de pulmn) y modificar el riesgo de padecer esta enfermedad. 16. a) Consumo de alcohol (cncer de bucofaringe), radiactividad domstica por radon (cncer de pulmn), consumo de cigarrillos (ambos) y otros factores que puedan estar asociados a la exposicin (trabajo en minera) y modificar el riesgo de padecer el correspondiente tipo de cncer. b) Que estn desigualmente distribuidos en los grupos (expuestos y no expuestos) y que modifiquen el riesgo de desarrollar el correspondiente tipo de cncer. 17. a) La edad de la madre. b) Porque la edad de la madre vara segn la exposicin estudiada (= edad del padre) y est asociada al riesgo de padecer sndrome de Down.
18. Consumo de cigarrillos. 19. El diagnstico de Sndrome Alcohlico Fetal se establece de manera probablemente condicionada al conocimiento previo de la exposicin, es decir el consumo de alcohol durante el embarazo. 20. Los parientes cercanos pueden estar expuestos a factores ambientales o hbitos similares. Estos pueden modificar el riesgo de desarrollar LLC. 21. a) El origen social, la herencia y otros factores pueden variar en relacin con la exposicin (tratamiento radiactivo de la tia) y a su vez condicionar las calificaciones escolares, etc. b) Los hermanos y hermanas de los nios expuestos, o posiblemente el mismo grupo que en (a), pero de origen tnico y social similar. 22. Error de seleccin: La prctica de los exmenes de salud o chequeos implica que la relacin de exmenes radiolgicos de trax y el hallazgo de placas pleurales son ms frecuentes entre los individuos expuestos al amianto que entre los no expuestos a este material. 23. Confounding. Un cncer -detectado o no detectado- puede hacer descender la tasa de colesterol srico a niveles bajos y ser causa de fallecimiento en un perodo de 3 aos. 24. Probable relacin con el denominado healthy worker effect (vase sexto apartado, captulo 8, pp. 74-75). 25. Confounding. 26. Consumo de tabaco, de medicamentos y presencia de infecciones durante el embarazo, nutricin (hbitos dietticos de la madre), origen social, herencia y posiblemente otros factores que pueden variar en relacin con la exposicin (consumo de alcohol durante el embarazo) y modificar el riesgo de presentar peso, talla, etc., escasos y malformaciones. 27. a) 0 paquetes/da RR = 1,0
< 1/2 paquete/da 1/2 - 1 paquete/da > 1 paquete/da b) 0 unidades/mes < 3 unidades/mes 3 - 30 unidades/mes > 30 unidades/mes c) > 150 500 UI/mes 50 500 - 150 500 UI/mes < 50 000 UI/mes
RR = 25 X 163 = 2,3 43 x 41 RR = 171 X 163 = 5,1 43 X 126 RR = 135 X 163 = 10,0 43 X 51 RR = 1,0 RR = 41 X 87 = 1,8 38 x 51 RR = 111 X 87 = 2,4 38 x 104 RR = 179 X 87 38 X 116 RR = 1,0 201 x 65 RR = 39 x 216 RR = 98 x 65 39 X 78 = 3,5
= 1,6 = 2,1
d) Se observa una asociacin (con una relacin del tipo denominado dosis-respuesta) entre cncer de laringe y consumo de tabaco, alcohol y vitamina A, respectivamente. Sin embargo, los datos no proporcionan informacin acerca de la relacin de estos hbitos de consumo, entre s o con otras posibles exposiciones (Confounding?) ni sobre los mtodos de seleccin de los grupos o de medicin de la exposicin (errores de seleccin o informacin?). e) El consumo de tabaco, vitamina A y otros factores que pudieran variar en relacin con el consumo de alcohol y el riesgo de padecer cncer de laringe. f) Que el grupo testigo refleje el consumo de tabaco, alcohol y vitamina A de la poblacin de la que surgen los casos. Que exista un bajo nivel de abstencin en la respuesta y que la calidad de la informacin acerca de la medicin de la exposicin para los casos y los testigos sea similar. 28. Ejemplo de un estudio: Una parte (n1 = 1042) de las enfermas de tuberculosis que durante un cierto tiempo (perodo 1930- 54) fueron dadas de alta en dos sanatorios, haban recibido un tratamiento que supona la realizacin de una gran cantidad de placas de trax (un promedio de 100 placas por persona) mientras que el resto (n 2= 722) haba sido sometido a un tratamiento de otro tipo. El n de casos de cncer de mama observado en cada uno de los grupos despus de la fecha de alta, se compar con el nmero esperado de casos de la enfermedad, vista su frecuencia en la poblacin femenina, (estandarizacin indirecta por edades). Los resultados se muestran en la tabla siguiente: N de casos observados (0) N de casos esperados (E)
Grupo expuesto (n1 = 1042) Grupo no expuesto (n2 = 722)
41 15
23,3 14,1
Un posible problema de validez en los estudios en que la exposicin es un tratamiento mdico o examen clnico (v. g. examen radiolgico de trax), es que la enfermedad que se trata o se examina (v. g. tuberculosis) pueda ser un indicador de riesgo de la enfermedad estudiada (v. g. cncer de mama). En este ejemplo se identificaron 2 grupos de mujeres con tuberculosis, de los cuales uno haba sido expuesto a una gran cantidad de exmenes radiolgicos de trax. 29. Existen diferencias alternativas. Los problemas de validez dependen del diseo de los estudios.
SOLUCIONES EJERCICIOS - CAPITULO 9 1. P1 = 0,21 1,96
( 0,21(1 - 0,21) ) = 0,21 0,10.

67
Entre el personal que trabaja con portadores la proporcin con marcadores de hepatitis B es del 11-31% (nivel de confianza del 95%). Po = 0,06 1,96
(0,06(1 - 0,06) ) = 0,06 0,05.

72
En el resto del personal, la proporcin con marcadores de hepatitis B es del 1-11% (nivel de confianza del 95%).
2. I = 0,00036 1,96 3. P = 0,026 1,96
( 0,00036) =
338294 2477
0,00036 0,00006 p/ao
( 0,026(1 - 0,026) ) = 0,0026 0,006 ( 0,00006 ) =

7250000 (6,00,6) x 10-5
4. I = 6,0 x 10-5 1,96 por ao. 5. a) P = 0,16 1,96 b) IA = 0,30 1,96 durante el primer mes.
( (0,16(1 - 0,16) ) =
832 699
0,16 0,02
( 0,30(1 - 0,30) ) = 0,30 0,03
6. IA(a) = 0,023 1,96 durante seis aos. IA(d) = 0,250 1,96 durante seis aos. 7. RR = 11/44 = 10,8. 10/431
(0,023(1 - 0,23) )
431 = 0,023 0,014
(0,250(1 - 0,250) )=
44
0,250 0,128
O = 11. E = 44(11 + 10) = 1,95. 44+431 V = 44 x 431 x 21(475 - 21) = 1,69. 4752 (475 - 1) X = 11 - 1,95 1,69 = 6,96.
Lmites del intervalo de confianza del 95 % para el RR = 10,8 (11,96/ 6,96) Lmite superior = 21,0; lmite inferior = 5,6; es decir, teniendo en cuenta las variaciones debidas al azar, el RR toma valores entre 5,6 y 21,0 (nivel de confianza del 95%). 8. RR = 5,6. O= 75. E= 595 (75 + 16) = 41,4. 595 + 712 = 21,0.
V = 595 x 712 x 91(1307 - 91) 13072(1307 - 1) X = 75 - 41,4 21 = 7,34.
Lmites del intervalo de confianza del 95% para el RR = 5,6(1 1,9617,34) Lmite superior = 8,9; lmite inferior = -3,5. 9. RR = 7/1 000 = 1,4. 20/4000 O = 7. E = 27 x 1 000= 5,4. 1000+4000 V = 27 x 1 000 x 4 000 = 4,3. 5 0002 X = 7- 5,4 = 0,77. 4,3 Lmites del intervalo de confianza del 95% para el RR = 1,4 (11,96/0,77) Lmite superior = 3,3; lmite inferior = 0,6. 10. O = 1 107. E = 531.
V = 531. RMN = O x 100 = 208% 2,08. E X = 1 107 - 531 = 25. 531 Lmites del intervalo de confianza del 95% para la RMN = 2,08 (1 1,96125). Lmite superior = 2,2; lmite inferior = 2,0. 11. O = 22. E = 0,27. V = 0,27. RMN = 22 x 100 = 8 148% 81,48. 0,27 X = 22 - 0,27 = 41,79. 0,27 Lmites del intervalo de confianza del 95% para la RMN = 81,48 (1 1,96/41,79) Lmite superior = 100,2; lmite inferior = 66,3. 12. RR = (9 + 39 + 18) x 2 706 = 66 x 2 706 = 1,8. 31(710 + 1 825 + 605) 31 x 3 140 O = 9 + 39 + 18 = 66. E = (66 + 3 140) x (31 + 66) = 3 206 x 97 = 52,3. 31 + 2 706 + 66 + 3 140 5943 V = 3 206 x (31 + 2 706) x 97 x 5846 = 23,7. 5 9432 (5 943 - 1) X = 66 - 52,3 23,7 = 2,84.
Lmites del intervalo de confianza del 95 % para el RR = 1,8(11,96/2,81) Lmite superior = 2,8; lmite inferior = 1,2. 13. a) RR = 1,8. O = 22. E = (22 + 31) x (22 + 324) = 53 x 346 = 15,2. 22 + 31 + 324 + 832 1209 V = 53 x (324 + 832) x 346 x (31 + 832) = 10,4. 12092 x (1209- 1) X = 22 - 15,2 = 2,11.
10,4 Lmites del intervalo de confianza del 95% para el RR = 1,8 (11,96/2,11) Lmite superior = 3,11; lmite inferior = 1,04. b) RR = l,1. O = 10. E = (10 + 24) x (10 + 324) 10 + 24 + 324 + 832 = 34 x 334 1 190 = 9,5.
V = 34(324 + 832) x 334(24 + 832) = 6,7. 1 1902(1 190 - 1) X= 10 - 9,5 = 0,19. 6,7
Lmites del intervalo de confianza del 95% para el RR= 1,1(11,96/0,19) Lmite superior = 2,9; lmite inferior = 0,4. 14. a) Estudio de casos y testigos. b) El grupo de referencia debe reflejar la frecuencia de la exposicin en la poblacin. Esta condicin no se cumple si, por ejemplo, el cncer de piel es ms frecuente en individuos que trabajan al aire libre. c) Trabajo Al aire libre Casos (cncer de labio) Testigos RR = d) Hbito de fumar Si Trabajo al aire libre Si No Si Casos (cncer de labio) Testigos RR e) Hbito de fumar Casos (cncer de labio) Testigos RR = f) Trabajo al aire libre Si Hbito de fumar No Hbito de fumar (51 + 24) (8 + 5) 3,4 (15 + 3) (6 + 10) Si 51 +24 6 + 10 No 15 + 3 8+5 51 6 3,5 24 10 15 8 3,1 No Trabajo a cubierto No 3 5 (51 + 15) (10 + 5) (24 + 3) (6 + 8) = 2,6 51 + 15 6+ 8 A cubierto 24+ 3 10 + 5
Si Casos (cncer de labio) Testigos RR g) Casos Testigos RR = 14,2 Expuestos 51 6 51 6 4,5
No 15 8
Si 24 10 4,0
No 3 5
No expuestos 3 5
h) Los resultados (d y indican que el riesgo de cncer de labio aumenta con el trabajo al aire libre (3 - 31/2 veces) y con el hbito de fumar (4 - 41/2 veces). Si la estratificacin no se lleva a cabo (c y e), los riesgos relativos son discretamente subestimados. Esto es debido a una asociacin del hbito de fumar con el trabajo a cubierto. El efecto combinado de fumar y trabajar al aire libre (g) parece ser ms que aditivo. En caso de que el trabajo exterior incrementase el riesgo de cncer de piel (grupo de referencia), el riesgo relativo del cncer de labio en las personas que tienen trabajos al aire libre resultara subestimado.
INDICE ANALITICO casos y testigos, estudios de, 68- 76, 96- 97, 101- 102 causa complementaria, 51- 53 causa necesaria, 51 causa suficiente, 49- 51 causalidad, 44, 48- 53, 63 cohortes, estudios de, 67- 68, 71, 7376, 92- 95, 99- 101 - retrospectivos, 72- 73 Confounding, 49, 64- 65, 99- 102 vase fraccin cribado, 34- 35 diagnstico de la enfermedad - criterios diagnsticos, 24- 25, 27- 28 - pruebas clnicas, 21- 24, 27 - signos, 19- 21, 27 - sntomas, 19, 27 emparejamiento, 73 enfermedades, clasificacin de, 25-27 especificidad, 31- 35 estandarizacin, 41- 44 estratificacin, 99- 102 fiabilidad, 61- 63, 76, 88, 91 fraccin etiolgica (FE), 44- 45, 52 hiptesis, prueba de, 91- 97 incidencia (definicin), 6 incidencia acumulada (IA), 7- 8, 45 46, 89- 90, 92- 93 incidencia, tasa de, 8- 9, 41- 42, 45, 71, 90, 94- 95 intervalos de confianza, 88- 90, 97- 98 medidas crudas, 11 normalizacin, vase estandarizacin p, valor de, 92 prevalencia (definicin), 6-7 prevalencia, medida de, 7, 10, 33- 34, 45, 89- 90 proporcin atribuible, etiolgica razn de morbilidad (o de mortalidad) normalizada (RMN), 44, 95-97 red causal, 49 riesgo, factor de, 48- 49 riesgo, indicador de, 47 riesgo relativo (RR), 41, 44, 98- 102 riesgo, tiempo en, vase riesgo relativo (RR) sensibilidad, 31- 35 sesgo, 34, 61- 65 - de informacin, 63- 64 - de seleccin, 63 vase tambin, confounding significacin estadstica, pruebas de, vase hiptesis, prueba de sistemtico, error, vase sesgo trabajador sano, efecto del, 74- 75 validez, 61- 65 valor predictivo, 35
SALUD Y SOCIEDAD AHLBOM, A., y NORELL, S.-Fundamentos de epidemiologa. ALARCON, D- Reumatisino, artritis y otros males. ARAUJO BERNAL, L., y LLORENS FIGUEROA, J.-La lucha por la salud en Cuba. BASTIDE, R.-Sociologa de las enfermedades mentales. BENSAID, N-La consulta mdica. BERMAN, D. M.- Muerte en el trabajo. BRUDON, P.- Medicamentos para todos en el ao 2000? CANGUILHEM, G.-Lo normal y lo patolgico. DHAN, J-La medicina contempornea. FOUCAULT, M.-El nacimiento de la clnica. KNOX, E. G.-La epidemiologa en la planificacin de la atencin de la salud. LISKER, R., y ARMENDARES, S.-La gentica y usted. LOPEZ ACUA, D.-La salud desigual en Mxico. McKEOWN, T.-El papel de la medicina. McKEOWN, T., y LOWE, C. R-Introduccin a la medicina social. MENDES GONCALVEZ, R. B-Medicina e historia. NAVARRO, V. (comp.).- Salud e imperialismo. PEREZ TAMAYO, R- Enfermedades viejas y enfermedades nuevas. PEREZ TAMAYO, R.- Serendipia. Ensayo sobre ciencia, medicina y otros sueos. ROEMER, M. 1.- Perspectiva mundial de los sistemas de salud. ROSEN, G.- De la polica mdica a la medicina social. SIGERIST, H.-Hitos en la historia de la salud pblica. SILVERMAN, M., y LEE, P. R.-Pldoras, ganancias y poltica. STELLMAN, J. M., y DAUM, S.- El trabajo es peligroso para la salud.
TERRIS, M.-La revolucin epidemiolgica y la medicina social. TORRE, J. DE LA.- Pediatra accesible: Gua para el cuidado del nio.
Este libro tiene cualidades especficas que lo individualizan como verdaderamente interesante para quien desee de forma rpida y clara adentrarse en una ciencia como la epidemiologa, que es fundamental para entender los procesos y formas de deterioro de la salud o para iniciarse en la ms ambiciosa aspiracin actual de promocin de la salud a travs de la identificacin de los factores que pueden preservarla. Creemos que el esfuerzo de los autores para presentar los elementos esenciales de esta metodologa en forma tan clara y concisa ser muy apreciado por los lectores, que vern, gracias a ellos, enormemente facilitado su trabajo. Anders Ahlbom y Staffan Norell son profesores, titular y adjunto respectivamente, de Departamento de Epidemiologa del Instituto Nacional de Medicina Ambiental, en el Instituto Karolinska, Estocolmo, Suecia. Prlogo a la edicin espaola: Enrique Njera.

Fund A Mentos 24

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

Fund A Mentos 24

Uploaded by

Copyright:

Available Formats

A.

Anders Ahlbom Staffan Norell

_____________________________________________ siglo veintiuno editores, Sa

_____________________________________________ siglo veintiuno de espaa editores, sa

47 47 48 49 49 53 54 61 61 62 65 67 68 71 72 73 74 76 77 79 88 88 99 102 104 107 131

* John M. Last (comp.), A Dictionary of Epidemiology, Oxford, 1983.

PROLOGO A LA EDICION SUECA

ANDERS AHLBOM y STAFFAN NORELL. Huddinge. julio de 1981.

239 Tumores de naturaleza no especificada. _________________________________________________________________________

n de personas sanas que son clasificadas

Aos en riesgo Jvenes 3000 Ancianos 1000 Total 4000

tasas de incidencia 0,010 0,030 0,015

aos en riesgo 1000 9000 10000

tasas de casos incidencia 5 225 230 0,005 0,025 0,023

aos en riesgo Jvenes 3000 Ancianos 1000 Total 4000

tasas de incidencia ? ? 0,015

aos en riesgo 1 000 9000 10000

tasas de casos incidencia 5 225 230 0,005 0,025 0,023

Poblacin B n de aos en riesgo 4000 1000 5000 n de casos 20 15 35

Edad 35-44 45-54 55-64

Edad 15-24 25-34 35-44 45-54 55-64 Total

N de enfermos 0 6 90 381 626 1 103

Situacin 0 (= ejercicio anterior) 1 2 3 Hacer las comparaciones: a) absoluta y b) relativa

Pigmentacin amarilla del dedo ndice

Con la caracterstica (expuestos)

Sin la caracterstica (no expuestos)

Con la caracterstica (expuestos)

Sin la caracterstica (no expuestos)

Testigos expuestos 66 6 26 14 no expuestos 154 214 194 206

Consumo de cigarrillos (paquetes/da) 0 < 1/2 112- 1 >1 Total

Casos 43 25 171 135 374

Testigos 163 41 126 51 381

Consumo de alcohol (unidades/mes) 0 <3 3- 30 > 30 Total

Casos 38 41 111 179 369

Testigos 87 51 104 116 358

Casos 98 201 39 338

Testigos 78 216 65 359

( 0,07 x 0,93) o sea 0,05-0,09.

Medidas de frecuencia comparada de enfermedad

En este ejemplo tendramos que: 0=20, E= 45 x 100 = 15 300

y V= 45 x 255 x 100 x 200 = 8,53 3002 x (300-1)

Casos Testigos Total

FIGURA 17. Disposicin de los datos de un estudio de casos y testigos.

I 0,004 0,002 0,002 0,001

Total 475 200

Si Casos Testigos RR 300 75

Total 475 200

E= RMN = 11. O=8

15. a) Bacilo tuberculoso. b) Causa necesaria.

Grupo expuesto (n1 = 1042) Grupo no expuesto (n2 = 722)

SOLUCIONES EJERCICIOS - CAPITULO 9 1. P1 = 0,21 1,96

( 0,21(1 - 0,21) ) = 0,21 0,10.

(0,06(1 - 0,06) ) = 0,06 0,05.

2. I = 0,00036 1,96 3. P = 0,026 1,96

0,00036 0,00006 p/ao

( 0,026(1 - 0,026) ) = 0,0026 0,006 ( 0,00006 ) =

( 0,30(1 - 0,30) ) = 0,30 0,03

V = 595 x 712 x 91(1307 - 91) 13072(1307 - 1) X = 75 - 41,4 21 = 7,34.

Si Casos (cncer de labio) Testigos RR g) Casos Testigos RR = 14,2 Expuestos 51 6 51 6 4,5

You might also like