Definiciones operacionales

1
Definiciones operacionales
2
Incidencia y prevalencia

• Todas las diferentes tasas de morbilidad que se
  manejan en epidemiología pueden clasificarse como
  tasas de incidencia o de prevalencia

3
Incidencia y prevalencia

• La tasa de incidencia mide la probabilidad de que
  una persona sana desarrolle enfermedad durante un
  periodo específico de tiempo
• Es decir, representa el número de casos nuevos de
  enfermedad en una población durante un periodo de
  tiempo definido
• La tasa de prevalencia mide el número de personas
  en una población que en un momento dado tienen la
  enfermedad

4
Incidencia y prevalencia

• Las fórmulas para calcular estas tasas son

5
Incidencia y prevalencia

• La prevalencia nos indica la cantidad de personas
  que tienen la enfermedad en un punto en el tiempo
  y depende de dos factores
• Los sujetos que han estado enfermos
• La duración de la enfermedad

6
Incidencia y prevalencia

• Aun cuando el número de casos sea pequeño cada
  año, si la enfermedad es crónica, el numero de
  casos se va a acumular la prevalencia será mayor
  que la incidencia
• Por el contrario si el padecimiento es de breve
  duración (aguda) debido a recuperación o muerte
  (o migración) la prevalencia será muy baja

7
Incidencia y prevalencia

• La relación entre prevalencia e incidencia y la
  duración de la enfermedad se expresa por la
  formula
• P?I ? d
• que indica que la prevalencia varía directamente
  con la incidencia y la duración de la enfermedad

8
Incidencia y prevalencia

• Los tratamientos que tienen éxito en prolongar la
  vida tienen un profundo efecto sobre la
  prevalencia de enfermedad. Un ejemplo clásico es
  el de la insulina en la diabetes

9
Algunas consideraciones sobre la incidencia

• Para determinar a incidencia es necesario seguir
  prospectivamente a un grupo definido de
  individuos y determinar la tasa con que aparecen
  los casos nuevos de enfermedad bajo estudio

10
Algunas consideraciones sobre la incidencia

• Se deben de llenar ciertos requisitos para poder
  calcular la incidencia
• Conocer el estado de salud de la población en
  estudio. Tenemos que contar con una base para
  considerar a un sujeto como sano o enfermo

11
Algunas consideraciones sobre la incidencia

1. Fecha de inicio de la enfermedad. En
   padecimientos agudos esto es generalmente
   sencillo. En casos crónicos o con inicio
   incierto, el evento mas temprano que pueda
   definirse en forma objetiva se considerara como
   la fecha de inicio por ejemplo, en cáncer la
   fecha de diagnostico se considera como fecha de
   inicio en vez de la fecha de los primeros
   síntomas

12
Algunas consideraciones sobre la incidencia

1. Especificación del numerador. Número de personas
   vs. número de eventos. En ciertas circunstancias
   se puede presentar mas de un evento en un mismo
   individuo dentro de un periodo de tiempo
   definido por ejemplo un mismo individuo puede
   tener mas de un episodio de broncoespasmo al año

13
Algunas consideraciones sobre la incidencia
14
Algunas consideraciones sobre la incidencia

• Especificación del denominador. El denominador
  debe de estar definido y correctamente enumerado.
• Hay dos puntos importantes con respecto al
  denominador en las tasas de incidencia
• a) como la incidencia cubre un periodo de
• tiempo el número de sujetos en
  riesgo
• va a modificarse. La solución mas
  practica es
• tomar como denominador a la población
  existente
• a la mitad del periodo de
  observación

15
Algunas consideraciones sobre la incidencia

• b) Como la incidencia se refiere a casos nuevos,
  solo deberíamos incluir a las personas en riesgo
  de adquirir la enfermedad. El denominador no debe
  incluir a aquellos sujetos que ya la tienen o que
  no están en riesgo de hacerlo. Usualmente sin
  embargo esta corrección al denominador nunca se
  hace pues técnicamente es muy difícil hacerlo
  además suele carecer de significancia estadística

16
Algunas consideraciones sobre la incidencia

• Periodo de observación
• siempre se debe definir el periodo exacto de
  observación. En general es un año, pero puede ser
  cualquier otro periodo de tiempo

17
Algunas consideraciones sobre la incidencia

• Periodos de observación de duración no uniforme
• Denominadores de persona-tiempo
• Vamos a suponer que un grupo especifico de
  individuos esta siendo observado prospectivamente
  para determinar la incidencia de úlcera péptica y
  el estudio se va a prolongar 3 años

18
Algunas consideraciones sobre la incidencia

• Durante el seguimiento algunos de los pacientes
  se pierden, se mudan a otra región o fallecen.
• Además, los pacientes ingresan al estudio en
  diferentes épocas después de que este se ha
  iniciado
• Todo esto trae como consecuencia periodos de
  observación de diferente duración, lo que hará
  que los sujetos contribuyan en forma desigual al
  cálculo de la población en riesgo

19
Algunas consideraciones sobre la incidencia

• Con el propósito de utilizar todos los casos y
  poder balancear la contribución en tiempo de
  observación de cada uno de los participantes,
  vamos a utilizar una unidad de tiempo persona,
  Vg. año-sujeto para el denominador
• Por ejemplo, en este estudio hipotético de
  incidencia de úlcera péptica, 12 sujetos son
  observados por periodos de tiempo de diferente
  duración

20

• En conjunto las 12 personas fueron observadas
  por un total de 66 años
• Si entre estos doce sujetos se desarrollan 3
  casos de úlcera péptica, la incidencia sería de 3
  en 66 años de seguimiento o 4.5 por 100
  años-sujeto de observación

21
Denominador tiempo-persona

• Es válido únicamente bajo 3 condiciones
• el riesgo de enfermedad es constante durante todo
  el periodo de seguimiento (habitualmente no es
  así)
• la tasa de enfermedad/muerte entre los que se
  pierden a seguimiento debe ser la misma que para
  los que siguen bajo observación. Esto requiere
  tratar de determinar que sucedió con los sujetos
  que se perdieron

22
Denominador tiempo-persona

• si la enfermedad es rápidamente fatal algunos
  individuos se observaran por periodos inferiores
  a la unidad de tiempo y esto hará que la tasa sea
  artificialmente alta (contarán como un caso en el
  numerador, pero como menos de una unidad
  tiempo-persona en el denominador)

23
Usos de la incidencia y prevalencia

• La prevalencia es útil particularmente en el
  estudio de enfermedades crónicas también es útil
  para planear las cargas de trabajo y las
  necesidades de equipamiento
• Cuando no existe información para calcular la
  incidencia las tasas de prevalencia pueden
  utilizarse para estimar la importancia de una
  enfermedad en la población sin olvidar sin
  embargo que la prevalencia no es un buen
  estimador de la incidencia

24
Usos de la incidencia y prevalencia

• Las tasas de incidencia son la herramienta
  fundamental para el estudio de la etiología de
  enfermedades tanto agudas como crónicas
• Como nos dan una determinación directa de la tasa
  de enfermedad en una población, nos permite
  establecer el riesgo de enfermedad

25
Usos de la incidencia y prevalencia

• Al comparar las tasas de incidencia de una
  enfermedad entre grupos poblacionales que
  difieren en uno o mas factores identificables
  podemos probar por medio de estudios analíticos
  si un factor afecta el riesgo de adquirir la
  enfermedad, e incluso podemos establecer una
  hipótesis sobre la magnitud del efecto

26
Usos de la incidencia y prevalencia

• La incidencia constituye una determinación
  directa del riesgo
• En contraste, una prevalencia elevada no
  necesariamente indica un alto riesgo quizás solo
  refleje un incremento en la sobrevida
• Por el contrario una prevalencia baja puede
  deberse a un proceso rápidamente fatal, una
  recuperación rápida o una incidencia baja

27
Usos de la incidencia y prevalencia

• Una limitante de la prevalencia es que nos da una
  imagen sesgada de la enfermedad ya que favorece
  la inclusión de casos crónicos sobre los agudos
• La diferencia entre casos incidentes y
  prevalentes puede ser una fuente importante de
  sesgo

28
Usos de la incidencia y prevalencia

• Esta diferencia es fundamental para comprender
  los resultados de un programa de tamizaje
• El primer rastreo poblacional va a detectar casos
  prevalentes e incidentes un segundo rastreo
  detectará ya solo los casos incidentes que se
  desarrollaron a partir del primer rastreo

29
Usos de la incidencia y prevalencia

• Otra limitante de la prevalencia es evidente en
  estudios de corte seccional, en donde la
  presencia de un factor de riesgo y la presencia
  de enfermedad se miden simultáneamente, esto es,
  la causa y el efecto se miden al mismo tiempo

30
Usos de la incidencia y prevalencia

• Para poder considerar que un factor tiene una
  asociación causal con un padecimiento, el factor
  debe anteceder al padecimiento
• Es decir, la variable independiente debe
  anteceder a la variable dependiente, lo que no es
  posible establecer en un estudio de corte
  seccional

31
Usos de la incidencia y prevalencia

• Es importante reconocer este aspecto pues
  frecuentemente se utiliza información de un
  estudio de corte seccional para desarrollar
  inferencias causales, sobre todo porque es mas
  fácil determinar la prevalencia

32
Usos de la incidencia y prevalencia

• La determinación de la incidencia requiere de por
  lo menos dos determinaciones en los mismos
  individuos
• primero una encuesta para identificar a los
  individuos que no tienen la enfermedad
• una segunda evaluación de estos individuos sanos
  para determinar cuantos se enfermaron a partir de
  la primera encuesta

33
Usos de la incidencia y prevalencia

• Esto queda demostrado en el estudio clásico de
  Framingham sobre enfermedades cardiovasculares
  (ECV)
• Se llevo a cabo un estudio de CS para determinar
  la prevalencia de ECV
• Dos años después fueron evaluados los sujetos
  inicialmente libres de ECV para determinar la
  incidencia

34
(No Transcript)
35
(No Transcript)
36

• La explicación a esta discrepancia es el
  diferente curso que sigue la enfermedad en ? y ?
  jóvenes
• En los ? jóvenes la ECV se manifestaba como IAM y
  muerte súbita
• En las ? jóvenes era mas común que se manifestara
  como angina de pecho

37

• Dada la mayor duración de la enfermedad en ?, la
  prevalencia en estas se incrementa e iguala a la
  de los ? a pesar de la mucho mayor incidencia de
  ECV en el ?

38
Ajuste de tasas

• Las tasas crudas se refieren a toda una población
• Son tasas que pueden ocultar el hecho de que uno
  o mas subgrupos de esa población presenten un
  riesgo significativamente diferente

39
Ajuste de tasas

• Por ejemplo, la población total no es un
  denominador ideal para una tasa de mortalidad ya
  que las personas en diferentes grupos de edad
  difieren con respecto a su riesgo de muerte

40
(No Transcript)
41
Ajuste de tasas

• La tasa cruda de mortalidad es un promedio
  balanceado de las tasas de mortalidad específicas
  por grupo de edad (el balance lo dan las
  proporciones de cada grupo)

42
Ajuste directo de las tasas

• La diferencia en la composición de la edad de dos
  grupos puede ser eliminada para permitir una
  comparación justa de las dos poblaciones. Los
  pasos a seguir son los siguientes
• Seleccione una población estándar

43
(No Transcript)
44

• Esto responde a nuestra pregunta Cuál seria el
  número de muertes esperadas en la población
  estándar si las persona estuvieran muriendo con
  las tasas observadas para cada grupo específico
  de población (A y B)
• LA RESPUESTA OBVIAMENTE ES FICTICIA

45

• E número de muertes esperadas (74) es el mismo
  para ambos grupos A y B y las tasas ajustadas por
  edad (74/10,0007.4/1,000) son también iguales
• Porque ocurre esto?
• La población A y B tienen la misma tasa de
  mortalidad específica por grupos de edad una vez
  eliminada la diferencia en la composición de las
  poblaciones al utilizar una población estándar,
  las tasas se vuelven idénticas

46
Ahora vamos a suponer que las tasas de mortalidad
ya no son idénticas
La tasa para la poblacion A 74/10,000 ó 7.4 por
1,000 La tasa para la poblacion B 92/10,000 ó
9.2 por 1,000
47

• La población estándar a utilizar puede ser
  seleccionada en forma arbitraria, esto es en
  lugar de combinar AB, pueden utilizarse los
  datos demográficos de algún censo

48
Población, muertes de residentes y tasas de
mortalidad por edad para las poblaciones A y B,
1960
Población A
Población B
1.34
1.89
20.55
49.8
49
Ajuste indirecto de tasas

• Que podemos hacer cuando
• el número de muertes es muy pequeño lo que lleva
  a cálculos inestables de las tasas de mortalidad
  específica por grupo de edad
• se desconocen las tasas de mortalidad específica
  por grupo de edad

50
Ajuste indirecto de tasas

• Con el método indirecto, las tasas de la mayor de
  las dos poblaciones se utiliza como estándar
  debido a que sus tasas son mas estables

51
Ajuste indirecto de tasas

• El ajuste indirecto de las tasas de mortalidad se
  basa en las tasas de mortalidad especifica por
  grupo de edad mas que en la composición por edad
• Equivale a preguntarnos cual seria la mortalidad
  en la población mas pequeña si las tasas de
  muerte específicas por edad fueran las mismas que
  las de la población estándar

52

• se tomaron rx de tórax para detectar TB se
  evaluaron para anomalías CV
• población total 24,884 (24,772 normales 112 con
  ECV)
• la mortalidad en el grupo ECV es de 17.9
• la mortalidad en el grupo sin ECV es de 1.15
• la mortalidad cruda es 15.6 veces mayor en el
  grupo con ECV

53

• la distribución por edad es muy diferente
• en el grupo de ECV el 58 de la población es gt55
• en el grupo sin ECV solo el 9.1 es gt55
• ES NECESARIO AJUSTAR POR EDAD

54

• el grupo con ECV solo tuvo 20 muertes vs. 286 del
  grupo sin ECV
• sus tasas de mortalidad específica por grupo de
  edad son muy inestables

55
Por ejemplo
Grupo ECV Muertes Tasa
15-34 23 1 4.34
Si en cambio 23 2 8.69
35-54 24 5 20.83
Si en cambio 24 4 16.66
24 6 25.0
56
En cambio
Grupo ECV- Muertes Tasa
35-54 8,838 102 1.15
Si en cambio 8,838 101 1.14
8,838 103 1.16
57
Como calculan las muertes esperadas? 15-34 23 ?
0.25/100 0.057 0.01 (muertes observadas
1) 35-54 24?1.15/100 0.27 0.3 (muertes
observadas 5) 55 65?6.61/100 4.29 4.3
(muertes observadas 14)
58

• Aun después del ajuste la tasa de mortalidad es
  mayor para el grupo ECV que para el grupo ECV-
  (4.25 vs.1)
• Esto es, tuvieron mas muertes que las esperadas
  si tuvieran las mismas tasas de mortalidad
  especifica por grupo de edad que la población
  estándar

59

• Una forma común de evaluar el ajuste por el
  método indirecto es el relacionar el total de
  muertes esperadas y observadas

60
Tasa de Mortalidad Estandarizada

• Si la TME es gt1 indica que hay un mayor número de
  muertes que las esperadas
• Si la TME es lt1 indica que hay un menor número de
  muertes que las esperadas

61
Análisis de la mortalidad por cohorte

• En todos los grupos de edad la incidencia ha ido
  disminuyendo
• En todos los grupos es similar
• alta en la infancia
• baja en la adolescencia
• incrementa de ahí en adelante

62
Análisis de la mortalidad por cohorte

• La curva de 1960 da la impresión de que el riesgo
  de mortalidad por TB se va incrementado con la
  edad
• Esto sin embargo no es cierto

63
Análisis de la mortalidad por cohorte

• Cuando la frecuencia de la enfermedad cambia con
  el paso del tiempo, se recomienda analizar la
  información agrupando a los sujetos por su fecha
  de nacimiento
• Los grupos resultantes se conocen como cohortes
  de nacimiento

64
Análisis de la mortalidad por cohorte
65
Análisis de la mortalidad por cohorte
66
Curva de cohorte
67
Análisis de la mortalidad por cohorte

• Por el contrario, cuando la frecuencia de la
  enfermedad aumenta con el paso del tiempo, las
  curvas de corte seccional muestran un aparente
  decremento con la edad

68
Mortalidad por cáncer broncogénico
69
(No Transcript)
70
Estimación de riesgo

• Los estudios analíticos están diseñados para
  determinar si existe una asociación entre un
  factor y una evento de salud y si es así,
  determinar la intensidad de dicha asociación

71
Estimación de riesgo

• Un estimador muy importante del grado de
  asociación que analiza la tasa de incidencia de
  la enfermedad en cuestión en sujetos con y sin el
  factor de riesgo de interés es el llamado riesgo
  relativo

72
Estimación de riesgo

• Los estudios prospectivos permiten el cálculo
  directo de las tasas de incidencia de enfermedad
  en poblaciones expuestas y no expuestas
• Esto se debe a que ambos grupos representan una
  población definida en cuanto al riesgo y pueden
  ser seguidos para determinar el desarrollo de
  enfermedad

73
(No Transcript)
74

• En los estudios retrospectivos las tasas de
  incidencia no pueden ser determinadas porque
  carecemos de un denominador apropiado (población
  en riesgo)

75

• Debido a la forma en que se integran los grupos
  en un estudio retrospectivo, estos no representan
  al total de la población expuesta y no expuesta
• A pesar de ello, si es posible determinar en
  forma alternativa una estimación de riesgo si se
  satisfacen ciertos requisitos

76
Razón de riesgo

1. Los controles son representativos de la población
   general
2. Los casos son representativos de todos los casos
   en la población general
3. La frecuencia de enfermedad es baja

77
Razón de riesgo

• Si se satisfacen estos requisitos se puede
  realizar una estimación del riesgo denominada
  tasa de momios (o razón de momios)

78
Razón de momios
Presente Ausente Total
Expuesto P1 P2 P1P2
No expuesto P3 P4 P3P4
Total P1P3 P2P4
79

• La razón de riesgo (algo similar a la incidencia)
  seria igual a

80

• Si como es lo habitual, la frecuencia de
  enfermedad en la población es baja, P1 será
  pequeño en relación a P2 y P3 será pequeño en
  relación a P4 por lo que podemos reducir los
  denominadores a P2 y P4

?
81

• La expresión
• se denominada tasa o razón de momios porque el
  resultado se puede considerar como la
  probabilidad de tener la enfermedad con el factor
  presente y ausente respectivamente

82
Por ejemplo

• Hace algún tiempo se pensó que la amigdalectomía
  podía asociarse al desarrollo subsiguiente de la
  enfermedad de Hodgkin
• Se reunieron 101 casos de enfermedad de Hodgkin y
  107 controles libres de Hodgkin y se investigó si
  tenían historia de amigdalectomía

83
Amigdalectomía y Enf. Hodgkin
Casos Controles
SI 67(P1) 43(P3)
NO 34(P2) 64(P4)
AMIGDALECTOMIA
84

• La razón de momios mostrara
• este estudio estimó que el riesgo de desarrollar
  Hodgkin después de una amigdalectomía era 3 veces
  mayor que en los sujetos no amigdalectomizados

85

• Este método es adecuado para aquellos estudios en
  donde los controles no han sido apareados
• Un problema inherente en estos casos va ser el de
  la existencia de factores de confusión

86
Factores de confusión

• Una variable de confusión es aquella que que se
  sabe que puede estar asociada tanto con el factor
  de riesgo de interes como causalmente con la
  enfermedad bajo estudio
• Es importante controlarlos ya que nos pueden
  llevar a asociaciones espurias o sesgadas entre
  el factor de interés y la enfermedad

87
Factores de confusión

• Por ejemplo la edad, el nivel de educación y el
  nivel socioeconómico son variables de confusión
  comunes porque cada una suele estar asociada con
  los factores de riesgo y la enfermedad bajo
  estudio
• Existen dos formas de controlarlos
• por apareo de los controles
• por métodos estadísticos (estratificación o
  regresión)

88
Apareo de los controles

• Método sencillo para controlar los factores de
  confusión
• Consiste en elegir los controles de manera que
  sean similares a los casos en ciertas
  características
• Las variable mas frecuentemente apareadas son la
  edad, el género y la raza

89
Apareo de los controles

• Cuando se aparean los controles, el apareo debe
  mantenerse durante el análisis estadístico
• Si no se tiene esta precaución suele resultar en
  una subestimación del riesgo

90
Apareo de los controles

• Hay que tener cuidado en solo aparear las
  variables que puedan constituir un factor de
  confusión
• Obviamente no podemos investigar el efecto de una
  variable que ha sido apareada

91
Apareo de los controles

• El aparear demasiadas variables tiene
  inconvenientes
• pudiera incluirse una variable con importancia
  causal
• incrementa el costo (se requiere seleccionar mas
  controles)
• si no se encuentran controles apropiados pudieran
  perderse algunos casos

92
Apareo de los controles

• En un estudio de C y C con apareamiento la unidad
  de análisis es el par
• caso expuesto-control expuesto (a)
• caso expuesto-control no expuesto (b)
• caso no expuesto-control expuesto (c)
• caso no expuesto-control no expuesto (d)

93
Controles
Expuestos No expuestos
Expuestos a b
No expuestos c d
Casos
a y d son pares concordantes y no contribuyen al
análisis
94

• Por lo tanto la razón de momios será b/c
• Un ejemplo lo constituye el estudio sobre la
  asociación de el uso de estrógenos y el cáncer de
  endometrio
• Se incluyeron 451 casos y 888 controles apareados
  por hospital, raza, edad (5 a.) y fecha de
  ingreso (6 meses)

95
Controles
Estrógeno No estrógeno
Estrógeno 17 76
No estrógeno 10 111
Casos
Razón de momios 76/10 7.6
96
Riesgo atribuible

• Es el grado en que la incidencia de enfermedad
  puede ser atribuida a un factor de riesgo
• Puede calcularse de dos formas

97
Riesgo atribuible

• Por ejemplo si la incidencia en la población
  general es de 2.5/1,000 y la incidencia en la
  población no expuesta es de 1/1,000, la
  proporción de la incidencia de enfermedad
  atribuible a la exposición es de
• 2.5 1.0/2.5 0.60
• es decir, el 60 de los casos son atribuibles
  al factor de riesgo en cuestión

98

• También el riesgo atribuible se puede definir
  como la diferencia aritmética o absoluta en las
  tasas de incidencia entre los sujetos expuestos y
  no expuestos

99
(No Transcript)