Epidemiología y Bioestadística: Conceptos y Aplicaciones

Epidemiología y Bioestadística

Introducción a la Epidemiología

La epidemiología es la rama de la ciencia que estudia las epidemias, enfermedades y procesos de salud-enfermedad en una población (P). Se ocupa de la incidencia, distribución y control de las enfermedades, así como de sus causas y factores.

Usos de la Epidemiología:

  • Predicción de enfermedades
  • Evaluación de tecnologías sanitarias
  • Planificación de intervenciones de salud pública
  • Comunicación en salud

Objeto de estudio:

  • Causas de enfermedad y conservación de la salud
  • Prevención y control de enfermedades

Aportes de otras ciencias:

  • Bioestadística:
    • Descriptiva: Clasifica, ordena y resume datos para obtener una visión general.
    • Inferencial: A partir de una muestra, infiere lo que sucede en la población, proporcionando una visión integradora.
  • Sociología y Psicología: Permiten la comprensión de los fenómenos sociales y psicológicos que influyen en la salud.

Estudios Epidemiológicos

Unidades de Análisis:

  • Individuos: Epidemiología clínica.
  • Comunidades: Epidemiología poblacional.

Ámbitos de acción:

  • Causas de enfermedad (etiología).
  • Riesgo de enfermedad (terapia y profilaxis).

Tipos de estudios epidemiológicos:

  • Descriptivos: Describen la ocurrencia de enfermedades y generan hipótesis (ej: SIDA).
    • Individuales: Reporte de caso, serie de casos, prevalencia, incidencia.
    • Poblacionales: Correlaciones.
  • Analíticos: Analizan las causas de la ocurrencia de enfermedades.
    • Observacionales:
      • Descriptivos: Generan hipótesis.
      • Analíticos: Prueban una hipótesis.
      • Tipos:
        • Cohortes: Prospectivos y longitudinales, siguen a un grupo de individuos. Estructura: simples, múltiples, anidados. Ventajas: Tiempo preestablecido, se conoce la población. Desventajas: Alto costo.
        • Caso-Control: Retrospectivos, comparan dos grupos (sanos y enfermos). Ventajas: Bajo costo. Desventajas: Información retrospectiva.
        • Ecológicos: Se asigna una medida de exposición a un grupo poblacional en base al tiempo y ubicación geográfica. Describen la enfermedad en la población. Son rápidos y de bajo costo. Identifican grandes tendencias y comparan poblaciones.
        • Transversales:
    • Experimentales: Estudio prospectivo donde un grupo se somete a una acción planteada (intervención del investigador) y el otro grupo es el control. Tipos:
      • Ensayos clínicos controlados: Comprueban hipótesis y buscan prevención o terapia.
      • Ensayos de campo: Estudian a la población en una zona expuesta a un riesgo. Requieren inversión logística y financiamiento (ej: vacunas).

Formas de análisis

Diseños:

  • Individuos o poblaciones.
  • Antes o después del evento de interés.
  • Datos primarios o secundarios.
  • Observación o experimento.

Investigador:

  • Pasivo (estudios observacionales).
  • Activo (estudios experimentales).

Temporalidad:

  • Transversal: Aquí y ahora (prevalencias).
  • Longitudinal: Hacia adelante (prospectivo, cohortes) o hacia atrás (retrospectivos, caso-control).

Tipos de Epidemiología:

  • Descriptiva.
  • Experimental.
  • Observacional.

Sesgo

El sesgo es una inclinación de la curva, un error sistemático.

Tipos:

  • De medición: Investigador, retrospectivo, instrumental.
  • De selección: Sesgo de Neyman, Berkson, no respuesta, membrecía, no aleatorio.

Análisis de Correlación y Regresión

Análisis de Correlación

El análisis de correlación mide el grado de asociación entre dos magnitudes biológicas.

Coeficiente de Pearson:

  • =-1: Relación inversa perfecta.
  • =0: Incorrelación.
  • =1: Relación directa perfecta.

Análisis de Regresión

El análisis de regresión analiza la relación funcional entre dos magnitudes para variables cuantitativas. Se establece la relación mediante un diagrama de dispersión.

Ejemplos: Altura-peso, edad-peso.

Tipos de relación:

  • Incorrelación: Puntos dispersos.
  • Relación directa: Recta con pendiente positiva.
  • Relación inversa: Recta con pendiente negativa.

Ajuste de curvas: Ajusta la relación entre variables para reducir la dispersión de los datos.

Covarianza:

  • Positiva: Relación directa.
  • Negativa: Relación indirecta.
  • Cero: Incorrelación.

Bondad de ajuste

La bondad de ajuste se refiere a la parametrización de las variables para aproximarlas a una regresión lineal.

R²:

  • =0: Malo.
  • =1: Bueno.

Interpretación:

  • Cuanto menor sea la dispersión del error residual, mejor será el ajuste de la regresión.
  • La dispersión del error residual será una fracción de la dispersión original de y.

Medidas de Resumen

Las medidas de resumen describen de forma resumida un conjunto de datos de una población.

Medidas de Tendencia Central

Indican el centro de masa de los datos.

  • Moda (Mo): Valor que más se repite.
    • Para variables cuantitativas: Punto medio del intervalo modal.
    • Para variables cualitativas y cuantitativas discretas: Categoría de mayor frecuencia.
  • Mediana: Valor que divide las observaciones en dos partes iguales. El número de valores menores que ella es igual al número de valores mayores que ella. Es la única medida no sensible a valores extremos.
    • Para un número impar de datos: Dato central.
    • Para un número par de datos: Promedio de los dos valores centrales.
    • No se usa en variables cualitativas nominales.
  • Media: Promedio de los valores de la variable. Es sensible a valores extremos y representa el centro de gravedad de los datos. Es única y no se usa en variables cualitativas.
    • Tipos de media:
      • Geométrica: Se multiplican todos los datos y se calcula la raíz n-ésima.
      • Armónica: Inversa de la media aritmética.

Estadísticos de Posición

Índices que revelan la situación de una puntuación con respecto a un grupo.

  • Cuantil: Valor por debajo del cual se encuentra una frecuencia acumulada determinada.

Box-Plots

Para variables discretas y continuas, los box-plots proporcionan una idea general de los datos y permiten comparar la distribución de varios grupos. Son simétricos.

Medidas de Dispersión

Miden el grado de variabilidad de los datos.

  • Medidas que no usan toda la información disponible:
    • Rango: Diferencia entre las observaciones extremas. Es sensible a valores extremos.
    • Rango intercuartílico: Distancia entre el primer y tercer cuartil. Similar al rango pero eliminando las observaciones más extremas.
  • Medidas que usan toda la información disponible:
    • Desviación media: Mide la dispersión de los datos alrededor de la media. Determina la simetría de una distribución.
    • Desviación mediana: Mide el promedio de la diferencia entre los valores observados respecto a la mediana del grupo.
    • Varianza (S²): Mide el promedio de las desviaciones al cuadrado con respecto a la media. Es sensible a valores extremos y sus unidades son al cuadrado.
    • Desviación típica: Raíz cuadrada de la varianza.
    • Coeficiente de variación: Similar a la desviación típica pero dividido por la media, lo que lo hace independiente de la unidad de medida. No tiene unidades de medida.

Sesgo o Asimetría

Una distribución es simétrica si es regular, la media, la moda (si existe) y la mediana son iguales. La simetría es positiva o negativa dependiendo de dónde se encuentre la cola de la distribución. La media tiende a desplazarse hacia los extremos o colas. Las medidas de centralización son indicación de simetría. La simetría es nula si la distribución es simétrica. La asimetría es adimensional.

Apuntamiento o Curtosis

Indica el grado de apuntamiento (aplastamiento) de una distribución con respecto a una distribución gaussiana. Es adimensional.