Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Anterior
ndice
Presentacin Archivo en
PDF
Power Point
Lecturas
Ejercicio y/o
Imprimir
Autoevaluacin
Siguiente
1. Objetivos:
1. Definir la epidemiologa como una disciplina
2. Describir el pasado y presente de la situacin de la salud ocupacional
3. Comprender el rol de la epidemiologa en salud ocupacional
2. Trminos claves:
Epidemiologa Ocupacional, Salud, Mtodo Epidemiolgico.
c) Una herramienta de accin para la salud pblica que permite promover y proteger la
salud de las personas, basada en la ciencia, el razonamiento causal y una dosis de
sentido comn prctico.
La palabra Epidemiologa proviene de las palabras griegas: epi que significa acerca
de; demos poblacin; y logos el estudio de, es decir el estudio de la relacin
de la salud y enfermedad como un fenmeno de tipo colectivo, que afecta a las
poblaciones, y no a los individuos exclusivamente. Muchas definiciones se han
propuesto entre ellas las de MacMahon-Pugh, Payne y Terris. Sin embargo, la definicin
que engloba los principios de la epidemiologa es la propuesta por Last (1988):
Epidemiologa es el estudio de la distribucin y de los determinantes de los estados o
eventos relacionados con la salud en poblaciones especficas y la aplicacin de este
estudio al control de los problemas de salud.
3.1.2. Objeto de Estudio
La unidad de anlisis es la poblacin de sujetos. Una poblacin puede definirse en
trminos de personas, tiempo y espacio, por ejemplo: un grupo de trabajadores de
una determinada empresa en un perodo establecido, puede ser una unidad de estudio.
Esta poblacin es la base para definir subgrupos segn caractersticas de los individuos
(sexo, edad, grupo tnico, etc.), del lugar (pas, regin, etc.) y tiempo (aos, meses,
das, etc.). Este tipo de variaciones ha de tenerse en cuenta para el anlisis
epidemiolgico.
3.1.3. Usos de la Epidemiologa
El desarrollo permanente del mtodo epidemiolgico ha permitido diversificar sus usos
y aplicaciones; a continuacin se detallan:
a. Medicin del nivel de salud de poblaciones, con la finalidad de:
salud.
d. Control y prevencin de la enfermedad
Inconvenientes
- Dificultad de identificacin de los
individuos de alto riesgo
- Efecto temporal
- Efecto limitado
- Inadecuada para
comportamientos
prevencin terciaria tiene como finalidad reducir el nmero y/o el impacto de las
complicaciones.
Figura 1. Niveles de Prevencin (Leavell & Clark)
En los aos 1830 a 1860 aparece el Movimiento de Salud Pblica, el que logra generar
sistemas de estadsticas poblacionales y registros de defunciones en Europa y los
primeros estudios estadsticos de salud de trabajadores. Entre estos estudios tenemos
los estudios de William Farr (Inglaterra), reconocido fundador del concepto moderno
de vigilancia y, los de Villerm (Francia) quien realiz estudios epidemiolgicos acerca
de la industria francesa en la vida de los obreros.
En los aos 1900 a 1940 se hace evidente la profesionalizacin de las actividades
productivas, el sindicalismo y la intervencin gubernamental. Ello logra, entre otros,
capacitacin formal en medicina e higiene industrial, regulacin del trabajo entre nios
y mujeres, y normas para industrias peligrosas (minera).
En los aos 1950 a 1980 los movimientos democrticos y el poder sindicalista logran
generar mayor actividad gubernamental en salud y generar normas amplias para salud
y seguridad en el trabajo.
La epidemiologa ocupacional cuantitativa moderna se remonta a la segunda mitad del
siglo pasado. En ella los ritos ms importantes son:
mismo perodo.
La existencia de mltiples factores sobre la salud de los trabajadores resulta en un
perfil epidemiolgico caracterizado por la coexistencia de enfermedades propias de las
patologas ocupacionales tradicionales (como la hipoacusia ocupacional, intoxicaciones
agudas por plaguicidas y metales pesados, enfermedades dermatolgicas y
enfermedades respiratorias) y otras que actualmente han sido consideradas como
enfermedades relacionadas con el trabajo (cncer ocupacional, asma ocupacional,
estrs ocupacional, enfermedades cardiovasculares y osteomusculares, alteraciones
inmunolgicas y del sistema nervioso).
Actualmente no se encuentran disponibles los trminos y las definiciones de
enfermedades profesionales para los pases de la Regin. La Organizacin Internacional
del Trabajo (OIT) define a la enfermedad profesional como un hecho imprevisto y no
intencionado, inclusive los actos de violencia no consensual que se deriva del trabajo o
est en relacin con el mismo y provoca una lesin corporal, una enfermedad o la
muerte.
3.2.5. Aplicaciones de la Epidemiologa Ocupacional
Los mtodos epidemiolgicos, en relacin a la salud de los trabajadores, pueden usarse
para numerosos fines, entre sus aplicaciones estn:
4. Referencias Bibliogrficas
Last JM. A Dictionary of epidemiology. New York: Oxford University Press; 2001.
Leavell HR, Clark EG. Preventive Medicine to the Doctor in his Community. 3th
Ed. New York: Mac Graw Hill. 1965
4. Referencias bibliogrficas
Mdulo 3:
Causalidad y Validz en los Estudio Epidemiolgicos
1. Objetivos:
1. Comprender el rol de la causalidad en estudios epidemiolgicos.
2. Comprender el proceso de las inferencias causales basadas en resultados de
estudios epidemiolgicos.
3. Conocer las fuentes ms importantes de error en los estudios epidemiolgicos y
cmo stos se minimizan.
2. Trminos claves:
Inferencia causal, error aleatorio, confusin, sesgo, modificacin del efecto
son suficientes para producir el evento, pero no todas son necesarias. Cualquier causa
podra comportarse como necesaria, suficiente, ninguna de las dos o ambas.
Hay que considerar que cada enfermedad posee muchas causas (CS, CC y CN) las
cuales interactan entre ellas, por lo que resultara imposible predecir que ocurrir en
cada caso en particular. Adems de lo difcil que resultara determinar todas las causas,
aunque stas se conocieran, sera difcil determinar cuales actuaran en cada caso.
De acuerdo a este modelo, un factor es una causa de la enfermedad si la alteracin de
ste resulta en una variacin de la frecuencia del evento. Por este motivo, el modelo
resulta til desde el punto de vista de la prevencin, ya que no es necesario conocer
todas las causas componentes para prevenir la enfermedad. Efectivamente, al
identificar y eliminar slo uno de los factores de la causa suficiente, se previenen los
casos de la enfermedad que esta causa suficiente origina.
Al estudiar la causalidad uno debe considerar que los factores de riesgo juegan
diferentes roles en el desarrollo de la enfermedad. Por esto los factores causales han
sido diferenciados en los siguientes grupos, los cuales, no son mutuamente
excluyentes:
1. Factores predisponentes factores que crean un estado de sensibilidad hacia un
agente patgeno. La edad, el grado educacional, ocurrencia previa de la enfermedad y
el ambiente laboral son ejemplos de factores que podran hacer a los individuos ms
susceptibles a un agente patgeno.
2. Factores facilitadores factores que facilitan la manifestacin de la enfermedad o
por el contrario facilitan la recuperacin de una enfermedad. Los ingresos, el acceso a
la atencin mdica y la nutricin son ejemplos de factores cuya ausencia podran
facilitar la manifestacin de las enfermedades y que apoyan la recuperacin en su
presencia.
3. Factores desencadenantes factores que estn asociados con la aparicin
definitiva de la enfermedad. A menudo un factor es ms importante u obviamente ms
reconocible que otro cuando hay varios factores involucrados. Algunos ejemplos son la
exposicin a un medicamento, agentes intoxicantes o traumatismos fsicos.
4. Factores potenciadores factores repetitivos, recurrentes, persistentes que
tienden a perpetuar o agravar la presencia de una enfermedad. Por ejemplo la
exposicin repetida al mismo agente txico (en la ausencia de una reaccin aguda) y el
trabajo.
La realizacin de una investigacin epidemiolgica consiste en calcular el riesgo de la
ocurrencia de una enfermedad con relacin a uno o ms factores de riesgo o
exposiciones mediante los mtodos estadsticos. En realidad, la estimacin de riesgo
representa la magnitud de la asociacin entre el factor de riesgo y la enfermedad en
estudio.
La inferencia causal es el proceso de determinar si la estimacin de riesgos denota
causalidad. Es decir, si el factor de riesgo o la exposicin bajo investigacin es en
realidad una causa de la enfermedad. Antes de establecer causalidad, otras
explicaciones potenciales para las asociaciones tendran que ser excluidas como el
sesgo y la confusin.
3.2. Validez y precisin en los estudios epidemiolgicos
Es importante que el clculo del riesgo de un estudio represente el efecto verdadero,
que ser el caso cuando un estudio es vlido. Se distinguen dos tipos de validez de
estudio: la interna y la externa. La validez interna se refiere a que los resultados del
estudio sean atribuidos slo al efecto bajo investigacin. Esto es posible cuando todas
las fuentes de error han sido reducidas al mnimo en las etapas de diseo,
implementacin y anlisis del estudio. La validez externa se refiere a que los
resultados del estudio sean generalizables, esto es, cuando un estudio produce
inferencias imparciales con respecto a una poblacin objetivo. Por ejemplo, los
resultados de un estudio realizado en hombres podran no ser generalizables en
mujeres, quienes tambin forman parte de la misma poblacin objetivo desde dnde
los hombres vinieron.
Los errores en los estudios epidemiolgicos conducen a un clculo sesgado del
estimador de riesgo y a inferencias incorrectas acerca de la relacin entre el factor de
riesgo y la enfermedad bajo investigacin. Un estudio es vlido cuando sus resultados
corresponden a la verdad. Al reducir al mnimo los errores, en las etapas de
planificacin y de ejecucin del estudio, el investigador tiene mas fuerza para llegar a
la conclusin de que los resultados representan el valor verdadero. Slo los estudios
con resultados vlidos son tiles para el proceso de inferencia causal.
3.2.1. Tipos de error
Los errores pueden clasificarse como: aleatorio o sistemtico.
1. El error aleatorio es parte de la variacin, en una medicin, que generalmente es
considerada como debida solo al azar. Existen varias fuentes de error aleatorio. Una
fuente principal de este tipo de error es el proceso de establecer la muestra de estudio.
Esta forma de error aleatorio tambin se conoce como error de muestreo. La principal
forma de reducir el error aleatorio es agrandar el tamao muestral en estudio. Esto
aumentar la precisin del clculo de riesgo y por consiguiente, del estudio.
2. El error sistemtico es el resultado de los defectos en el mtodo de seleccin de los
participantes en estudio o en los procedimientos de recoleccin de informacin
pertinente a la exposicin o enfermedad. En consecuencia, los resultados observados
del estudio tendern a ser diferentes de los resultados verdaderos. Esta tendencia
hacia los resultados errneos es llamada sesgo. Minimizar el sesgo aumentar la
validez del clculo de riesgo.
La Figura 2 muestra los efectos de los errores aleatorios y sistemticos sobre los
clculos de riesgo. El error aleatorio conduce a la imprecisin en el clculo de riesgo.
Puede observarse que los clculos de riesgo a menudo rodean la verdad (punto
central) pero se propagan aleatoriamente alrededor de ello. En contraste, el error
sistemtico no afecta la precisin del clculo de riesgo. Sin embargo, esto conduce a la
generacin de clculos de riesgo que sistemticamente son diferentes de la verdad.
Figura 2. Validez y Precisin
3.2.2. Sesgos
Como se menciono anteriormente, el sesgo es una desviacin sistemtica de los
resultados o las inferencias del valor verdadero. El sesgo en los estudios
epidemiolgicos puede clasificarse en dos tipos principales: el sesgo de seleccin y de
informacin.
El sesgo de seleccin ocurre cuando hay diferencias entre los que participan en el
estudio y aquellos que no participan, y esas diferencias tienen un efecto sobre el
clculo de riesgo, desvindolo de su valor verdadero. Estas diferencias introducen un
sesgo en el clculo de riesgo cuando sus caractersticas se relacionan sistemticamente
con la exposicin o enfermedad bajo estudio.
Al planificar un estudio epidemiolgico, el investigador debe identificar si existe el
potencial para la ocurrencia de algn tipo de sesgo y encontrar las maneras de
reducirlo. Existen muchas maneras en que se puede introducir un sesgo de seleccin al
estudio. Algunos ejemplos son: 1) La percepcin o el conocimiento del tema del
estudio influye en el deseo de participar de los sujetos (Ej.: el uso de las drogas o el
alcohol); 2) Un deficiente marco de muestreo que excluye sistemticamente a un
grupo de sujetos con caractersticas similares (Ej.: realizar entrevistas por telfono en
un distrito donde aquellos pertenecientes a los estratos socioeconmicos bajos no
tienen telfonos); 3) Los voluntarios (Ej.: usualmente los voluntarios tienen una
motivacin especial para participar en un estudios como una mayor percepcin de
riesgo o un alto nivel educacional).
Un caso especial de sesgo de seleccin en los estudios ocupacionales es el efecto del
trabajador saludable. Los trabajadores generalmente presentan tasas de mortalidad
general inferiores que la poblacin en general, esto porque el enfermo grave y los
discapacitados crnicos son generalmente excluidos del empleo. Los trabajadores son
ms saludables que la poblacin en general, por tanto, las tasas de mortalidad de la
poblacin general no son comparables con las tasas de la poblacin laboral.
El sesgo de informacin es una falla en la medicin de los factores de riesgo o los
datos de enfermedad que da lugar a una calidad diferente de la informacin entre los
grupos de comparacin. Esto conduce a una medida de la variable de estudio que es
diferente de su valor verdadero y puede producir una clasificacin errnea de los
sujetos de estudio con respecto a la exposicin, la enfermedad o ambos. La presencia
del sesgo de informacin tiene un efecto en el clculo de riesgo desvindolo de su valor
verdadero.
Existen muchas maneras en que se puede incluir un sesgo de informacin al estudio.
Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de la variable de
estudio (Ej.: El esfigmomanmetro no esta calibrado); 2) El entrevistador
subconscientemente o conscientemente busca y recolecta datos selectivamente (Ej.:
sesgo del entrevistador); 3) Los sujetos de estudio tienen una memoria inexacta o
incompleta de los eventos o experiencias pasadas relacionadas con la pregunta de
estudio (Ej.: sesgo del memoria).
3.2.3. Confusin
La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurre cuando
hay un tercera variable que puede causar la enfermedad en estudio y que a su vez
est asociada con el factor de riesgo bajo investigacin. A menos que sea posible
ajustar el efecto de confusin de esta tercera variable, sus efectos no pueden
distinguirse de los del factor de riesgo en estudio.
La figura 4 intenta explicar esta relacin. El asbesto es un factor de riesgo conocido del
cncer de pulmn. Tambin el hbito de fumar cigarrillos es un factor de riesgo del
cncer de pulmn. Tanto el hbito de fumar como la exposicin al asbesto son factores
de riesgo del cncer de pulmn, la confusin ocurrir si la distribucin del fumar en los
sujetos de estudio varia concurrentemente con la distribucin de la exposicin al
asbesto. Por ejemplo si los que fumaron son tambin aquellos que estn ms
expuestos al asbesto. Para calcular apropiadamente la magnitud de la asociacin entre
el asbesto y el cncer de pulmn es importante reducir el efecto de confusin
introducido por el hbito de fumar. A menudo, ms de una variable puede introducir
confusin.
La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque no es
un sesgo.
Figura 4. Efecto de confusin del fumar cigarrillos en la relacin entre la
exposicin a asbestos y el cncer de pulmn
riesgo en estudio a travs de los niveles de un tercer factor (Tabla 1). La tasa de
cncer de pulmn en los no fumadores que estn expuestos al asbesto es mayor que
en la tasa del grupo no expuesto, sin embargo, el efecto de la exposicin a asbesto en
el cncer de pulmn es mucho mayor cuando la persona es fumadora.
Tabla 1. Tasa de mortalidad estandarizada del cncer de pulmn (por 100000
habitantes) en relacin a los fumadores y la exposicin al polvo de asbesto
Exposicin al
asbesto
Historia de
fumador
Tasa de mortalidad
por cncer del
pulmn
No
No
11
No
58
No
123
602
utilizando
diferentes diseos
de estudio.
Fuerza de la
asociacin
Plausibilidad
biolgica
4. Referencias Bibliogrficas
Last JM. A dictionary of epidemiology. Oxford University Press. New York. 2001
Szklo M, Nieto FJ. Epidemiology, beyond the basics. Aspen Publishers, Inc.
Maryland, 2000.
Mdulo 4:
Evaluacin de Exposicin en Estudios de Epidemiologa
Ocupacional
1. Objetivos:
1. Comprender los conceptos de dosis y exposicin
2. Comprender la relacin dosis-exposicin
3. Comprender los principios de la evaluacin de exposicin directa e indirecta
4. Identificar las Fuentes de informacin de exposicin
5. Comprender los conceptos de los estndares de exposicin
2. Trminos claves:
Exposicin, evaluacin, contacto, dosis, monitoreo, microambiente, biomarcadores,
lmites de exposicin laboral.
-nicos
- Mltiples
- Mixtos
TRANSPORTE / MEDIO DE
TRANSPORTE
- Aire
- Agua
- Suelos
- Polvo
- Alimentos
- Productos
CONCENTRACIN
- Antropognicos / No Antropognicos
- De rea / Puntuales
- Estacionarias / Mviles
VAS DE EXPOSICIN
- A travs del alimento
- A travs de la respiracin
- Contacto con suspensiones contaminadas
RUTA DE EXPOSICIN
DURACIN DE LA EXPOSICIN
-
Segundos
Minutos
Horas
Das
Semanas
Meses
Aos
Toda la vida ?
ESCENARIO DE EXPOSICIN
- Drmica
- Mltiples rutas
FRECUENCIA DE LA EXPOSICIN
- Continua
- Intermitente
- Cclica
- Aleatoria
- Rara
POBLACIN EXPUESTA
- Ocupacional / No ocupacional
- Residencial / No residencial
- Interiores / Exteriores
- Poblacin General
- Subgrupos poblacionales
- Individuos
ALCANCE GEOGRFICO
- Sitio / fuente
especifica
- Local
- Regional
- Nacional
- Internacional
- Global
MARCO TEMPORAL
- Pasada
- Presente
- Futura
- De tendencia
Duracin de la exposicin
Donde:
E: magnitud de la exposicin;
ti, t1: duracin de la exposicin;
C (t): concentracin de la exposicin en funcin del tiempo
Sin embargo existen ejemplos que demuestran que hay casos en que el efecto
depende mas de la concentracin del agente que del tiempo de exposicin y que el
riesgo de desarrollar una enfermedad crnica depende de la exposicin a
concentraciones mximas, media, o acumulativa y de la vida media del agente que
alcanza el rgano blanco, lo que sugiere que para mejorar la evaluacin de la
exposicin se requiere del uso de la farmacocintica del agente.
3.4. Paradigma epidemiolgico de la exposicin
La exposicin se genera por la integracin de una secuencia de eventos con potencial
efecto en la salud.
La emisin de un agente al ambiente, el transporte y la transformacin o reaccin que
pueda ocurrir, el medio que lo contiene y por ultimo el contacto con el individuo, son
aspectos crticos necesarios de conocer para entender como se genera la exposicin y
los factores que la determinan (Figura 1).
Aspectos que determinan y condicionan la exposicin:
a) Fuente emisora: Es el punto o rea en que se emite el agente. Existe un amplio
rango de fuentes primarias que emiten contaminantes primarios, dependiendo de las
propiedades del agente y las condiciones del medio, estos pueden reaccionar y formar
nuevos compuestos.
b) Ruta de exposicin: es el camino fsico que recorre el agente puro o travs del
medio que lo contiene, hasta alcanzar el contacto con el individuo.
c) Concentracin de la exposicin: es la concentracin de agente en el medio que lo
contiene, en el punto de contacto con el individuo.
d) Va de exposicin: es la forma en que el contaminante ingresa al organismo, puede
ser inhalatoria, drmica o ingesta.
e) Tasa de ingreso o de ingesta: es la cantidad del agente que cruza la barrera del
organismo, por unidad de tiempo, y es el producto de la concentracin de la exposicin
por el tiempo de contacto tanto por va rea como por ingesta.
f) Ingreso por contacto: se asocia a la cantidad del agente que ingresa por la piel as
como por inhalacin e ingesta una vez que estas ya han ocurrido.
g) Dosis: es la cantidad del agente que ha ingresado al organismo. Se distinguen
diferentes tipos de dosis:
i. Dosis potencial o administrada, es la cantidad del agente ingerido, inhalado o por
contacto con la piel. El concepto de dosis potencial para la inhalacin e ingesta es
anlogo a la dosis administrada en un estudio experimental de dosisrespuesta.
ii. Dosis interna o absorbida, (carga corporal en higiene industrial), es la cantidad del
agente absorbida y disponible para ser metabolizada, transportada, acumulada o
excretada.
iii. Dosis liberada, es la porcin de dosis interna (absorbida), que alcanza el tejido
blanco, o de inters.
iv. Dosis biolgica efectiva, es la porcin de la dosis que es liberada y llega al rgano
blanco y genera la accin txica. La relacin entre la dosis biolgica efectiva y la
consecuente enfermedad depende de la relacin entre la dosis y la respuesta
determinada por mecanismos farmacocinticas y factores individuales.
1. Efecto biolgico, es la respuesta medible de una dosis en una molcula,
clula o tejido.
2. Efecto adverso, es el efecto biolgico que genera una alteracin
morfolgica o fisiolgica, que resulta en una alteracin de la capacidad
funcional.
En epidemiologa efecto adverso se define como el resultado de una cadena causal
que se puede expresar como el cambio de un parmetro de salud y en trminos
epidemiolgicos, se mide por la variacin de la frecuencia de una enfermedad causado
por un factor especfico: las medidas mas utilizadas son cambio de la tasa incidencia
(densidad de incidencia), o por el cambio de la proporcin de incidencia (incidencia
acumulada).
Figura 1. Paradigma de salud ambiental mostrando el rol de la exposicin
(Adaptado de Sexton et al, 1995)
txico de la mezcla es igual a la suma de los efectos de cada uno de los componentes
por separado, se habla de un efecto aditivo. Si el efecto txico de la mezcla es mayor
que la suma de los efectos de cada agente por separado, el efecto combinado es
sinrgico.
c) Factores que afectan la exposicin a un agente qumico:
f) Estrategia de medicin.
La definicin previa del mtodo de medicin que se aplicar: directo, indirecto,
modelamiento, y/o uso de biomarcadores. Si se medirn todos los individuos o grupos
homogneos, para estudios acumulativos se requiere considerar si existe contribucin
no ocupacional a la exposicin.
g) Criterios de seleccin de trabajadores para la medicin de exposicin a
travs de grupos homogneos para obtener resultados representativos:
Distancia a la fuente
Movimientos del trabajador
Operaciones de trabajo
Tiempo de exposicin
4. Referencias bibliogrficas
1. Objetivos:
1. Identificar las principales medidas de frecuencia de enfermedad en un grupo o
poblacin de inters.
2. Identificar y comprender las medidas de asociacin o efecto de una enfermedad
o exposicin en un grupo laboral
3. Identificar y comprender las medidas de impacto de una enfermedad o
exposicin en un grupo laboral
4. Conocer las principales fuentes de informacin que utiliza la epidemiologa
2. Trminos claves:
Razn, Proporcin, Tasa, Incidencia, Prevalencia, Riesgo, Fuentes de informacin
b.1. Razones
Es el cuociente de frecuencias entre dos grupos distintos, por lo que el numerador no
necesariamente est incluido en el denominador. Permite comparar dos frecuencias
que en conjunto constituyen un indicador de inters.
Ejemplo: Datos de mortalidad por causa en el ao 2000 (hipottico): mortalidad por
enfermedades laborales = 21.958; mortalidad por accidentes de trfico vehicular =
19.001; Razn: [ 21.958 / 19.001] = 1.15, es decir por cada persona que muere por
accidente de trfico vehicular, 1.15 muere por causa laboral.
b.2. Proporciones
La ms simple de las medidas utilizadas en epidemiologa es la proporcin., Esta es
una fraccin en la cual el numerador esta incluido en el denominador. Expresa la
frecuencia con que ocurre un evento en relacin con la poblacin total en la cual
acontece. Por lo tanto su valor oscila entre CERO Y UNO y se expresa en porcentajes
(%).
Ejemplo: % de muertes por enfermedades laborales en la poblacin: Mortalidad
laboral = 21.958; Mortalidad total ao 2000 = 78.814; Proporcin [ 21.958 / 78.814 ]
= 0.276 * 100= 27.6% de la mortalidad del pas es debida a causa de origen laboral.
b.3. Tasa
Una tasa es el cambio instantneo en una cantidad por unidad de cambio en otra
cantidad, donde esta ltima usualmente es el tiempo. En trminos epidemiolgicos, es
un cuociente en el que el numerador son los eventos que ocurren en una poblacin en
riesgo durante un tiempo t, la cual se expresa en el denominador. Eso significa que las
tasas tienen una definicin de tiempo; por ello se pueden definir como la magnitud del
cambio de una variable (enfermedad o muerte) por unidad de cambio de otra
(usualmente el tiempo), dado el tamao de la poblacin que se encuentra en riesgo de
experimentar el evento. A diferencia de una proporcin el denominador de una tasa no
expresa el nmero de sujetos en observacin sino el tiempo durante el cual tales
sujetos estuvieron en riesgo de sufrir el evento.
La unidad de medida empleada se conoce como tiempo-persona de seguimiento. Por
ejemplo, la observacin de 100 individuos libres del evento durante un ao
corresponde a 100 aos-persona de seguimiento; de manera similar, 10 sujetos
observados durante diez aos corresponden a 100 aos-persona. Dado que el perodo
entre el inicio de la observacin y el momento en que aparece un evento puede variar
de un individuo a otro, el denominador de la tasa se estima a partir de la suma de los
perodos de observacin de cada individuo hasta el fin del perodo (si se mantuvo libre
del evento) o hasta la ocurrencia del evento (si lo present). Las unidades de tiempo
pueden ser horas, das, meses o aos, dependiendo de la naturaleza del evento que se
estudia.
El clculo de tasas se realiza dividiendo el total de eventos ocurridos en un perodo
dado en una poblacin entre el tiempo-persona total (es decir, la suma de los perodos
individuales libres de la enfermedad) en el que los sujetos estuvieron en riesgo de
presentar el evento. Las tasas se expresan multiplicando el resultado obtenido por una
potencia de 10, con el fin de permitir rpidamente su comparacin con otras tasas.
b. Letalidad
La letalidad es una medida de la gravedad de una enfermedad considerada desde el
punto de vista poblacional, y se define como la proporcin de casos de una
enfermedad que resultan mortales con respecto al total de casos de esa enfermedad
en un perodo especfico (es decir los que fallecen de los que estn enfermos por
determinada causa). La medida indica la importancia de la enfermedad en funcin de
su capacidad para producir la muerte o en otras palabras el riesgo o probabilidad de
morir por esa causa. Se expresa por 100.
Suma de los perodos en riesgo poblacin total menos la suma del tiempo de
duracin de la enfermedad es decir, 1500 meses-persona menos 45.5 mesespersona = 1454.5 meses-persona.
Tasa de Incidencia = 8 casos nuevos / 1454.5 meses-persona = 0,0055 mesespersona 1 amplificado por 1000, tenemos entonces 5,5 por 1000 meses
persona de observacin.
Interpretacin: La velocidad con que se producen los casos nuevos (incidencia)
en este grupo es de 5,5 casos nuevos por 1000 meses-persona 1 de
observacin.
c.2. Prevalencia
La prevalencia es el nmero de individuos que padece una enfermedad determinada en
un momento especfico, respecto el total de la poblacin. Debido a que un individuo
Donde:
I1 es la frecuencia de enfermar o morir de un grupo expuesto, y
I0 es la frecuencia de enfermar o morir en el grupo no expuesto.
Interpretacin:
Valor =0 indica no-asociacin (valor nulo)
Valor <0 indica asociacin negativa y puede tomar valores negativos
hasta infinito
Valor >0 indica asociacin positiva y puede tomar valores positivos
hasta infinito
d.2. Riesgo relativo o Razn de Incidencia Acumulada
La medida de asociacin entre la exposicin a un factor de riesgo (FR) y la aparicin de
un determinado dao epidemiolgico se calcula por la razn de tasas de ocurrencia del
dao en los expuestos sobre los NO expuestos. Este es el anlisis bsico de los
estudios de cohortes y, tambin, de los ensayos clnicos controlados, y se calcula
utilizando tablas de contingencia de n x n an cuando la tabla de contingencia de dos
por dos o tetracrica es la ms usada y es la que se muestra a continuacin:
ENFERMEDAD
PRESENTE
ENFERMEDAD
AUSENTE
TOTAL
EXPUESTO
a+b
NO EXPUESTO
c+d
a+c
b+d
TOTAL
entre no expuestos).
RR = 1
RR < 1
RR > 1
es una factor de riesgo. Significa que los expuestos al factor en estudio tienen
mayor riesgo de presentar la enfermedad respecto los no expuestos.
Por ej., un valor de 5 significa que el riesgo de enfermar de una patologa es 5 veces
mayor en los individuos expuestos respecto los no expuestos. Para mejorar la precisin
de este clculo se puede estimar el intervalo de confianza (Ver al final de medidas de
asociacin).
d.3. Razn de Disparidad u Odds Ratio (OR)
Corresponde a la medida de asociacin calculada en el diseo de casos y controles y
a veces tambin en estudios transversales, por lo tanto donde no es posible calcular
la incidencia de la enfermedad.
Es una medida que estima el riesgo relativo: compara la desigualdad o disparidad, que
se produce al investigar si un dao (u otra respuesta relacionada con salud) ocurre
entre individuos que tienen caractersticas particulares - o que han sido expuestos al
factor en estudio - con la desigualdad de que el dao ocurra en individuos que NO
tienen la caracterstica o que NO han sido expuestos. Su interpretacin y la necesidad
de pruebas estadsticas de respaldo, son similares a las descritas para el riesgo
relativo.
ENFERMEDAD
PRESENTE
ENFERMEDAD
AUSENTE
TOTAL
EXPUESTO
a+b
NO EXPUESTO
c+d
a+c
b+d
TOTAL
e.3. Riesgo Atribuible Proporcional en el grupo Expuesto (RAP Exp): El RAP Exp
estima la proporcin de eventos en el grupo expuesto que se pueden atribuir a la
presencia del factor de exposicin. En otras palabras, refleja el efecto que se podra
esperar en el grupo expuesto de la poblacin en estudio si se eliminara el factor de
riesgo en cuestin. El RAP Exp se puede calcular utilizando la siguiente frmula:
Al igual que en el caso anterior, el RAPP se puede estimar para estudios de cohorte,
donde se estima la incidencia acumulada, o en estudios de casos y controles, donde se
usa OR.
f. Otros indicadores de uso frecuente en el mbito de la salud ocupacional
Existe una serie de indicadores que se utilizan en el mbito laboral y eventualmente en
investigacin epidemiolgica. La mayora de estos indicadores se relacionan con
procesos de gestin y algunos de ellos pudieran estar relacionados a procesos
mrbidos. Para una revisin ms profunda del tema se recomienda ver el siguiente
link: Desarrollo de indicadores para programas de salud, seguridad y medio ambiente
3.2. Fuentes de informacin en salud
En epidemiologa es fundamental disponer de fuentes de informacin de buena calidad
para obtener los datos necesarios para calcular las principales medidas descritas
anteriormente. Qu tipos de fuentes de informacin podemos utilizar en
epidemiologa?
Una importante fuente de datos son los registros y documentos ya existentes o datos
secundarios. Algunos ejemplos de datos secundarios son el Censo Poblacional, las
Estadsticas de Mortalidad, Natalidad, Sociodemogrficas, los registros laborales, de
vigilancia ambiental, de Enfermedades de Notificacin Obligatoria, de Egresos
Hospitalarios, historias clnicas, las encuestas poblacionales, las Estadsticas de
Vigilancia Epidemiolgica.
Otra fuente de datos la constituyen los estudios en los cuales se recogen datos con
distintos fines e instrumentos de medicin. Estos originan datos denominados
primarios pues son generados para responder a un objetivo concreto en estudio.
3.2.1. Base de datos secundarios: sus principales ventajas radican en que son
fuentes de datos rpidas, sencillas y econmicas. Sus principales limitaciones son su
validez y la calidad pues los datos que contienen han sido recogidos por mltiples
personas que han utilizado mtodos y definiciones diferentes. Si el registro es manual,
pueden tener problemas adicionales de legibilidad. Las bases de datos suelen
mantenerse con finalidades clnicas o administrativas por lo tanto si el objetivo es
desarrollar una investigacin a partir de dichos datos se debe tomar en consideracin
que en muchos casos existe escasa meticulosidad en la recoleccin. La informacin
carente en un registro no necesariamente implica, por ejemplo, la no existencia de una
enfermedad. Resulta fundamental que antes de utilizar una base de datos se conozcan
las definiciones empleadas, el mtodo de recogida, el procesamiento de los datos y su
validez.
Pueden diferenciarse dos grandes tipos de datos secundarios:
a) Datos individuales: que proporcionan informacin separada de cada individuo.
Corresponden a fichas clnicas (hospitales, centros de salud), datos recogidos en
estudios.
b) Datos agregados: que proporcionan informacin sobre grupos de individuos.
Corresponden a datos demogrficos, laborales, estadsticas de mortalidad y encuestas
poblacionales, entre otros
Los datos agregados son de gran valor en epidemiologa pues a partir de ellos se
construyen indicadores nacionales que permiten establecer Diagnsticos de situacin
de salud y realizar el monitoreo de enfermedades o factores de riesgo en la poblacin.
En Chile como en el mundo, estas fuentes se encuentran compiladas en documentos
escritos y en formato electrnico como es el caso de los Censos (INE-CENSO) y los
Anuarios Demogrficos que proveen informacin sobre estadsticas vitales (INEVITALES). En Chile, las principales fuentes de obtencin de datos son:
Mdulo 6:
Conceptos Bsicos de Diseo de Estudios Epidemiolgicos
1. Objetivo:
2. Trminos claves:
Estudios epidemiolgicos; estrategias de diseo; validez; objetivos.
Limitaciones:
Costo elevado
Limitaciones de tipo tico y responsabilidad en la manipulacin de la exposicin
B) Ensayos de campo
Los sujetos incluidos no son pacientes, puesto que no han adquirido an la
enfermedad. Requieren por lo general un mayor nmero de sujetos respecto el ensayo
clnico, los cuales deben ser visitados en sus casas, lugares de trabajo o lugares de
estudio, lo que aumenta los costos. En general se limitan a estudio de factores
Estiman incidencia
Menor posibilidad de sesgos en la medicin de la exposicin
Limitaciones:
Costo elevado
Dificultad en la ejecucin
determinada
Limitaciones:
F) Diseo Transversal
Es aquel estudio en que se determina la variable respuesta (depresin) y las variables
de exposicin (nivel socioeconmico, profesin, etc) simultneamente. Estos estudios
permiten determinar prevalencia de patologas en una poblacin determinada en un
momento del tiempo. Sin embargo, si se desea estudiar causalidad de las patologas
diagnosticadas, es necesario considerar la historia previa de exposicin de los
enfermos, siendo ms eficaces para este efecto los estudios longitudinales, que
consideran un perodo de tiempo entre la exposicin y el comienzo de la enfermedad.
Ventajas y desventajas de los estudios transversales
Ventajas:
Fciles de ejecutar
Menor costo
Limitaciones:
G) Estudios Ecolgicos
Los estudios previamente mencionados tienen como unidad de estudio a las personas,
a diferencia de los estudios ecolgicos en que la unidad de observacin son grupos de
personas, por ejemplo colegios, empresas, comunas, regiones, pases, etc. La principal
caracterstica de este diseo es que utiliza datos de tipo secundario, es decir datos que
han sido obtenidos con otros objetivos y no con fines del estudio, por ejemplo como
variable resultado se puede utilizar la informacin sobre mortalidad infantil por
del estudio o modificando su diseo, para aumentar la eficiencia con que se obtiene la
informacin del nmero de sujetos sometidos a estudio. Uno de los componentes ms
notorios del error aleatorio es el proceso de seleccin de los sujetos del mismo,
proceso llamado muestreo, de modo que el error aleatorio concurrente es el error
muestral.
Validez
Esta caracterstica se puede desagregar en validez interna, que es la validez de las
inferencias extradas en tanto pertenecen a los sujetos reales de estudio y validez
externa, que es la validez de las inferencias en tanto se aplican a la gente que est
fuera de la poblacin en estudio. La validez interna es un pre-requisito para la externa.
Varios tipos de sesgo pueden disminuir la validez interna.
En cuanto a la validez externa, sta consiste en un proceso de generalizacin a partir
de un grupo de observaciones, juicio que exige la comprensin de cules condiciones
son relevantes y cuales no lo son para realizar la generalizacin.
La validez puede ser mejorada por la eleccin de los grupos de comparacin, stos
deben ser similares a los expuestos con respecto a los factores predictivos importantes
de la incidencia de enfermedad, y deben poder separarse por la exposicin al efecto
observado. Sin embargo, grupos que sean idnticos excepto en la exposicin de inters
son muy difciles, sino imposibles, de encontrar, de modo que se debe priorizar los
factores que se creen relevantes para la ocurrencia de la enfermedad.
Precisin y tamao de la muestra.
La principal forma de reducir el error aleatorio y aumentar por tanto la precisin es
aumentar el tamao de la muestra. Para determinar el tamao adecuado se pueden
usar frmulas estadsticas (Schlesselman, 1974; Rothman y Boice, 1982), las que
relacionan el tamao de la muestra con las siguientes variables: nivel de significacin
estadstica, probabilidad de no detectar un error real, magnitud del efecto, tasa de
enfermedad en ausencia de exposicin, tamao relativo de los grupos comparados.
Otro mtodo para decidir el tamao de la muestra es usar clculos de potencia o poder.
La potencia es la probabilidad de detectar un nivel de efecto postulado en forma
estadsticamente significativa y se acerca a 1,0 conforme aumenta el tamao del
mismo. Para los distintos niveles de efectos postulados se pueden construir curvas de
potencia, considerando la potencia contra el tamao. Estas curvas pueden mostrar la
medida en que habra que aumentar el tamao de la muestra para conseguir una
mayor potencia, a los distintos niveles de riesgo relativo.
Una razn clave al planificar el tamao de un estudio y por tanto su precisin, es la de
determinar como sopesar el valor de una mayor precisin en los resultados frente al
costo. Por tanto se requiere un anlisis de la relacin costo-beneficio, asunto
interferido por mltiples intereses. Finalmente, el tamao no es una decisin slo
tcnica, sino que constituye un juicio, donde la experiencia adquiere singular
importancia.
Aparte del tamao, la caracterstica del diseo que afecta ms a la precisin de un
estudio es la subdivisin de los sujetos (o unidades de observacin persona-tiempo) en
grupos de estudio.
Plan de anlisis
Tambin durante la planificacin del estudio es importante definir un plan de anlisis de
los datos recolectados. En el caso de estudios analticos ser necesario determinar
cuales son las medidas de asociacin que se utilizarn. Lo anterior est estrechamente
relacionado con el tipo de diseo y con la escala de medicin de las variables.
Consideraciones ticas
Los participantes debern estar informados de los objetivos del estudio, los riesgos
asociados y en qu consiste la participacin. El consentimiento a participar deber
quedar registrado a travs de la firma del consentimiento informado el cual es
otorgado por un individuo competente quien ha recibido la informacin necesaria y
luego de considerar la informacin ha llegado a una decisin, sin haber sido
influenciado, inducido o intimidado.
Se deber garantizar la confidencialidad y de ser posible el anonimato de la persona
que proporciona los datos. Se debe evitar el uso de datos para fines diferentes a los
que autoriz el sujeto. Las muestras biolgicas de sangre, material gentico, tejidos y
otras, debern ser utilizadas exclusivamente para los fines autorizados. Por ltimo, es
responsabilidad del investigador asegurarse de la calidad de los datos, tanto de
aquellos obtenidos a travs de entrevistas o cuestionarios como de los
correspondientes a mediciones de laboratorio, por medio de sistemas de control de
calidad.
Eficiencia Del Estudio
Se puede formular como la cantidad de observacin acerca del efecto dividida por el
nmero de sujetos del mismo. sta puede ser evaluada de dos formas; relacionando el
contenido total de informacin de los datos con el nmero total de sujetos del estudio,
o relacionando el contenido total de informacin con el costo de adquirirla.
Aspectos que afectan la eficiencia de un estudio son la proporcin de sujetos
expuestos; la proporcin de sujetos que han desarrollado o desarrollarn la
enfermedad; las distribuciones de sujetos de acuerdo a variables clave que deban ser
controladas.
4. Referencias bibliogrficas
Mdulo 7:
Estudio de Cohorte
1. Objetivos:
1. Definir la poblacin de estudio y periodo de tiempo
2. Conocimiento de los mtodos de frecuencia de enfermedad y asociacin en
estudios longitudinales
3. Comprensin de principales temas de validacin
4. Comprender las ventajas y limitaciones de este tipo de estudio
5. Conocimiento de los principios de los estudios de intervencin
2. Trminos claves:
Tipos de Cohorte, Efecto del trabajador sano, Tipos de poblacin de referencia
El diseo de cohorte no slo permite estudiar los efectos de las exposiciones laborales
(fsicas, qumicas o psquicas) sobre la salud de los trabajadores, tambin permite la
evaluacin de las medidas de intervencin, sean stas preventivas o correctivas. A
modo de ejemplo leer Factores asociados a una respuesta inadecuada a la vacunacin
contra la hepatitis B en personal sanitario de Tolosa MN et al.
Ventajas y desventajas de los estudios de cohorte
Ventajas:
exposicin y enfermedad
Desventajas:
El seguimiento puede ser difcil y las perdidas durante ese periodo pueden
influir sobre los resultados del estudio
Anlisis multivariado
Anlisis crudo
Estratificacin
Modelamiento
SI
NO
SI
NO
Poblacin
(4)
RMS =
de
Esperados (1) / (4)
Edad
(1)
(2)
Referencia
=
Observado
Aos(3)
(2) x (3)
persona
Tasa por
1000
40 - 49
1000
1.8
1.8
1.7
50 - 59
12
1200
2.5
60 - 69
75
3340
10.8
36.1
2.1
70 - 79
50
800
22.6
18.1
2.8
59
2.4
Total
140
En donde:
Disposicin de datos en un estudio de cohorte
Expuestos
No
expuestos
Total
Casos
Aos
persona
N1
N0
Lmites de Confianza:
Anlisis Multivariante
Muchas veces requerimos de evaluar el efecto de la variable en estudio controlando
variables de confusin (ver captulo 10). Para tal efecto, podemos realizar un anlisis
mltiple ajustando simultneamente variables mediante la regresin de Poisson.
4. Referencias bibliogrficas
5. Glosario de trminos
Cohorte: poblacin en estudio que va a ser seguida.
Cohorte dinmica: poblacin en estudio que incluye trabajadores contratados,
Mdulo 8:
Diseo de Casos y Controles
1. Objetivos:
1. Comprender que el diseo de casos y controles representa una estrategia
muestral del diseo de cohorte
2. Reconocer las ventajas y limitaciones de las diferentes fuentes de obtencin de
casos y controles
3. Identificar sesgos ms comunes de este diseo y como stos pueden afectar la
validez de los resultados
2. Trminos claves:
Poblacin base, caso incidente, caso prevalente, odds ratio.
constituye un sesgo de seleccin ya que estos sujetos representan a los pacientes que
sobrevivieron hasta el momento en que se inicia la investigacin y, en general, en este
grupo hay alta proporcin de sujetos que cursaron con la forma ms benigna de la
enfermedad. En este caso si la exposicin estuviese asociada con la enfermedad y
tambin con la sobrevida, el uso de casos prevalentes podra conducir a conclusiones
errneas sobre la relacin entre exposicin y enfermedad.
Otro sesgo frecuente en los diseos de caso-control es el sesgo de medicin debido a
que normalmente es difcil obtener mediciones exactas de exposiciones en el pasado y
el grado de exactitud de estas mediciones puede ser diferente para casos y controles.
Es importante minimizar estas diferencias. Una forma de determinar la presencia de
diferencia en la memoria de casos y controles es la utilizacin de fuentes de
informacin independientes como el uso de registros para comparar las historias de
exposicin obtenidas de los casos y controles.
Otro tipo de sesgo conocido como sesgo del entrevistador se puede producir cuando
los entrevistadores conocen la condicin de caso y control, lo que puede conducir a que
la entrevista se realice de manera diferencial entre los grupos, induciendo respuestas
positivas sobre la exposicin preferencialmente en el grupo de casos.
3.5. Anlisis e interpretacin
La medida de asociacin que se utiliza en los estudios de caso y control para evaluar la
fuerza de asociacin entre el factor en estudio y el evento se conoce como odds ratio
(OR). Esta medida indica la frecuencia relativa de la exposicin entre los casos y los
controles, es decir, casos expuestos sobre los no expuestos (odds de exposicin en los
casos, a/n1/c/n1=a/c) dividido por los controles expuestos entre los no expuestos
(odds de exposicin en los controles, b/n0/d/n0=b/d).
Casos
Controles
Total
Expuestos
m1
No expuestos
m0
Total
n1
n0
Desventajas
4. Referencias bibliogrficas
Mdulo 9:
Diseo Transversal
1. Objetivos:
1. Reconocer las ventajas y limitaciones del diseo de prevalencia y transversal
2. Identificar tipos de muestreo utilizados en la seleccin de los participantes
3. Identificar sesgos ms comunes del diseo transversal
4. Calcular e interpretar las medidas de riesgo relacionadas con este diseo y su
intervalo de confianza
2. Trminos claves:
Muestra, confiabilidad, validez, estudio piloto, razn de prevalencias.
Aspectos
considerados
Sexo
Hombres o mujeres?
Edad
Antigedad
laboral
Raza
Actividad
Condiciones
fisiopatolgicas
Lugar
Tiempo
Agente
Hbitos
Quines fuman?,
Tipo de alimentacin?,
Practican algn deporte?
Residencia
Urbano o rural?
Origen o
procedencia
Estancia
Caractersticas
ambientales
Tendencia
Exposiciones ms recientes?
Aumento o disminucin?
Fluctuaciones
Perodo o poca?
Duracin
Emisin
Depsito
Caractersticas
txicas
Emisin
Depsito
Caractersticas
txicas
Donde:
n = tamao de muestra
z = es el valor de la desviacin normal, igual a 1.96 para un nivel de significacin del
5%
P = Prevalencia de la caracterstica en la poblacin
Q=1P
d = precisin (en cuanto se aleja la muestra del verdadero porcentaje del universo.
Suponiendo que se desea estimar la prevalencia de obesidad en la poblacin, con una
confianza del 95% y una precisin de 5%. Basndose en la informacin disponible en
otros estudios, se estima que P = 25%. Reemplazando en la formula se obtiene:
Esto significa que necesitamos una muestra de 288 personas para estimar con un 95%
de confianza la prevalencia de obesidad, no alejndose ms del 5% del verdadero
porcentaje del universo.
En la siguiente tabla se muestran diferentes tamaos muestrales necesarios para que
el intervalo de confianza al 95% incluya la verdadera prevalencia, en dos escenarios de
precisin del estudio.
Prevalencia
Tamao de la muestra
Precisin
10%
Precisin
5%
10
19
73
20
62
246
30
80
323
40
92
368
50
96
385
El tamao de muestra se calcula de tal forma que permita estimar, con un determinado
poder y nivel de confianza, la prevalencia de alguna enfermedad o alguna caracterstica
de la poblacin. Un tamao de muestra pequeo no permitir que el estudio tenga el
poder suficiente para encontrar asociaciones significativas entre las variables de
exposicin y resultado, y un tamao excesivo ocasionar gasto innecesario de recursos
y tiempo.
3.4. Mtodos de muestreo
Una vez determinado el tamao de muestra es necesario identificar el mtodo que se
utilizar para seleccionar a los participantes. Para ello existen diversos mtodos de
muestreo:
a) Muestreo aleatorio simple (MAS): se denomina muestreo aleatorio simple a un
mtodo para seleccionar n unidades de las N unidades del universo, de modo que cada
una de las muestras posibles de tamao n tienen la misma posibilidad de ser
seleccionada. Supongamos que una empresa con oficinas en varias regiones del pas
desea hacer un estudio sobre la prevalencia de obesidad y los factores de riesgo
asociados. Se ha determinado que la poblacin base es de 6000 personas y el tamao
de muestra requerido es de 300 individuos. Para seleccionar la muestra es necesario
contar con un marco muestral, es decir una lista completa de las unidades de
muestreo. Una alternativa simple es hacer una ficha con los 6000 nombres, meter las
fichas en una bolsa y sacar las 300 fichas necesarias sin reemplazo. Otra alternativa es
armar una base de datos con los 6000 sujetos y utilizando un paquete estadstico
adecuado solicitarle una muestra del tamao requerido.
La probabilidad de seleccin en cada unidad est dada por la expresin:
intervalo de muestreo (20) entonces la muestra queda constituida por las unidades 5,
25, 45, 65, etc procedindose de igual forma para el resto de las unidades
seleccionadas.
Ventajas: rpido y sencillo; garantiza la distribucin de la muestra; no necesita
numeracin de las unidades, slo un ordenamiento fsico que permita el recuento
Desventajas: No sirve si hay un ordenamiento en el marco muestral o si se presenta
algn comportamiento peridico, por ejemplo que cada 10 nmeros impares se
registre un gerente.
c) Muestreo aleatorio estratificado (MAE): consiste en clasificar a todos los
elementos de la poblacin en grupos (estratos) y seleccionar luego en cada grupo, una
muestra aleatoria simple, tomando al menos un elemento de cada grupo. Los estratos
pueden reflejar distintos grupos de edad, regiones geogrficas, sexo, diferente grado
de exposicin, etc. En nuestro ejemplo, se pueden formar estratos de acuerdo al cargo
u ocupacin en la empresa, por ejemplo gerencia, personal administrativo y personal
de terreno. En caso que los estratos sean de diferente tamao se puede utilizar el
siguiente procedimiento para seleccionar la muestra.
Universo
Gerencia
100
1,7
Administrativos
900
15
45
Trabajadores
5000
83,3
250
TOTAL
6000
100
300
El porcentaje con el que contribuye cada estrato al total del universo, se aplica al
tamao de la muestra calculado n y ese es el nmero de elementos que debe tomarse
de cada estrato.
Ventajas: la estimacin de los parmetros puede tener un menor error que el obtenido
para una muestra aleatoria simple de tamao comparable; asegura la participacin de
todos los estratos.
Desventajas: se requiere un marco muestral detallado por estrato, mayor complejidad
de los clculos.
d) Muestreo de Conglomerados (MC): En este tipo de muestreo las unidades de
muestreo son agrupaciones tales como escuelas, fbricas, manzanas, llamadas
conglomerados. En nuestro ejemplo los conglomerados seran las oficinas de la
empresa distribuidas en varias regiones del pas. En trminos generales la
caracterstica que define un conglomerado es su proximidad geogrfica, al reunir varios
elementos en una misma rea. Un conglomerado no implica necesariamente la
homogeneidad que se requiere en el estrato y representa ms bien una facilidad
operativa. De hecho se busca que sean heterogneos al interior de cada conglomerado
y homogneos entre s.
Ventajas: la principal ventaja del muestreo por conglomerados es de ndole econmica,
aborto, accidente) tienden a recordar las exposiciones con ms detalle que quienes no
tuvieron dicha experiencia.
La ausencia de sesgos en la seleccin de los sujetos de estudio y en la medicin de las
variables en la poblacin en estudio se conoce como validez interna; esto significa que
los resultados obtenidos son ciertos para la poblacin o muestra estudiada. Si la
muestra es representativa de la poblacin base, esto aumentar la validez externa del
estudio; esto es, la posibilidad de inferir dichos resultados a la poblacin base de la
cual se obtuvo la muestra, as como a poblaciones similares.
3.6. Recoleccin de la informacin
Una vez definida la poblacin y muestra, as como las variables que se investigarn es
necesario definir los instrumentos que se emplearn para recolectar la informacin. La
variable resultado pueden ser medida a partir de: cuestionarios, fichas clnicas,
exmenes de laboratorio, certificados de defuncin, etc; mientras que las variables de
exposicin pueden obtenerse a partir de: cuestionarios, registros ocupacionales, uso de
biomarcadores, informacin proveniente de otras instituciones, por ejemplo las
encargadas de fiscalizar la calidad del agua, aire, etc.
En el mbito ocupacional generalmente existen registros que contienen informacin
general tal como edad, sexo, ao de ingreso a la empresa, sitios de trabajo, etc y
fichas mdicas donde se registran exmenes peridicos, hbito de fumar, etc. En estos
casos puede ser necesario elaborar una ficha de recoleccin de tal informacin.
Otro mtodo muy utilizado son los cuestionarios. En este caso, si las preguntas son
elaboradas con fines del estudio, stas deben estar adaptadas a la poblacin objetivo.
El lenguaje utilizado para las preguntas debe ser fcilmente entendido por la persona
que responde. Antes de aplicar el cuestionario, se debe evaluar la confiabilidad
(capacidad del instrumento para dar resultados similares en distintos momentos del
tiempo) y la validez (capacidad del instrumento para medir la variable que realmente
desea medir). Ambas caractersticas pueden ser evaluadas a travs de un estudio
piloto.
Tambin se pueden utilizar cuestionarios que ya han sido validados en el medio local.
La principal ventaja de usar escalas validadas es que posteriormente se puede
comparar la informacin obtenida con otros estudios.
En todos los casos (cuestionarios elaborados con fines del estudio, cuestionarios
previamente validados o tambin en el caso de las fichas de recoleccin de
informacin) es necesario realizar una prueba piloto de los instrumentos de recoleccin
de informacin. Esta prueba, llevada a cabo con una submuestra de la poblacin bajo
estudio, permitir corregir problemas en el cuestionario y su procedimiento de
aplicacin.
Un aspecto muy importante una vez definido el instrumento con que se recolectar la
informacin, la confiabilidad y validez de ste, es el entrenamiento al personal de
campo que aplicar dicho instrumento. Esto con el objetivo de evitar que el
entrevistador o recolector de datos tambin sea una fuente de sesgo lo que se produce
cuando un mismo entrevistador obtiene mediciones diferentes de la caracterstica o
atributo de inters (variabilidad intraobservador), o cuando una misma medicin se
Sanos
Total
Expuestos
a+b
No expuestos
c+d
a+c
b+d
a+b+c+d
Total
Estimador:
4. Referencias bibliogrficas
Servicios
Servicios personalizados
Articulo en PDF
Articulo en XML
Similares en SciELO
RevCubanaMedGenIntegrv.22n.2CiudaddeLaHabanaabr.
jun.2006
Resumen
Se realiz un pequeo bosquejo del desarrollo de la Epidemiologa
como ciencia y su importancia en salud pblica en general. Se transita
por las definiciones de vieja y nueva epidemiologa, de enfermedades
crnicas, transmisibles y no transmisibles, del concepto de
epidemiologa social, etc. para posteriormente hablar de la importancia
de la Epidemiologa Ocupacional en la Salud Pblica.
Palabras clave: Epidmico, endmico, comunidad.
Las condiciones de trabajo y empleo tienen importantes consecuencias
sanitarias, tanto positivas como negativas. Esta es la base sobre la que
se levanta el concepto de trabajo como medio de apoyo para la salud.
El trabajo da satisfaccin a diversas exigencias humanas de vital
importancia, como es ganarse la vida para poder sobrevivir, la
satisfaccin personal como ser humano, y sentirse creador, productor y
contribuyente al bien comn de la sociedad. La Carta de Otawa para la
promocin sanitaria afirma que " el trabajo y el tiempo libre deberan
ser una fuente de salud para la poblacin".1
Alrededor del 45 % de la poblacin mundial y el 58 % de la poblacin
mayor de 10 aos pertenecen a la fuerza laboral global. Su trabajo
sustenta la base econmica y material de la sociedad, la cual es
crticamente dependiente de su capacidad laboral.2,3 Unos 1 800
millones trabajan en los pases en desarrollo y alrededor de 600
millones (25 %) en el mundo industrializado. Alrededor del 40 al 50 %
de la fuerza de trabajo mundial est empleada o trabaja por cuenta
propia en la produccin primaria (agricultura, selvicultura, pesca,
minas, etc.), un 20 % en el sector de la manufactura y el resto en
servicios pblicos o privados.3 La Organizacin Internacional del
Trabajo (OIT) ha planteado que cada ciudadano tiene derecho al
trabajo saludable y seguro, y a un ambiente laboral que le permita vivir
Antecedentes histricos
La Epidemiologa ha sido definida y redefinida en mltiples ocasiones,
por lo que se habla de la Epidemiologa Vieja y Nueva, o de la
Epidemiologa de las Enfermedades Transmisibles y las No
Transmisibles.
Por qu, cmo, cundo y dnde se origin la epidemiologa6 Los
trminos "epidmico y endmico" se derivan de epidemeion y
endemeion. Hipcrates us esas palabras en la Escuela de Cos hace 2
400 aos, como medio de incorporar una perspectiva comunitaria a la
comprensin de las enfermedades. La finalidad de los trminos en
aquella poca, y su etimologa correcta, era diferenciar las
enfermedades que visitan a la comunidad el verbo epidemeion
significa "visitar" de las que residen en ella, sin el significado
agregado de una ocurrencia desusada o grave. Adems de emplear las
palabras epidmico y endmico, en su estudio Aires, aguas y lugares ,
Hipcrates se refiri a lo que hoy en da constituye la base de las
investigaciones epidemiolgicas: la distribucin de la enfermedad en
trmino de tiempo, espacio y la poblacin afectada.7
Es considerado que el primer gran adelanto con respecto a las
enfermedades no infecciosas se produjo en 1912, cuando Casimir Funk
enunci la teora de las enfermedades por "deficiencia". Esta fue la
primera teora de la enfermedad no infecciosa, y su aceptacin se
convirti en la base para el desarrollo de todo el campo de las
enfermedades de la nutricin.8 La Revolucin Francesa incorpor los
intereses de la comunidad a la organizacin social del Estado, de suerte
que personas como Guillolin o Pinel podan trabajar en favor del
pueblo. En cierto sentido la salud pblica ya exista antes. Se pudiera
argumentar que las medidas de cuarentena del siglo XIV eran medidas
de salud pblica, y el aislar a las personas enfermas se haca incluso
antes. Pero esas medidas no se haban elaborado para proteger a toda
la comunidad, solamente a parte de ella: la nobleza, el rey o los
comerciantes; su mbito era siempre muy limitado. La Revolucin
Francesa ensanch ese mbito, y de ese modo seal el comienzo de la
salud pblica para la comunidad en su conjunto.6
Los cambios en la estructura social y econmica que han ocurrido en el
mundo durante los ltimos 100 aos han tenido un efecto fundamental
en las actitudes prevalentes en Epidemiologa. De los muchos factores
Definiciones
Muchas definiciones de la Epidemiologa han surgido en las ltimas
dcadas:
Ao 1969
Causas de
muerte
Tasa
x
Causas
100
de muerte
000
hab
Ao 1998
Tasa
100
000
hab
Ao 2000
AVPP
x
x
1
Causas
000
de muerte
hab
1-64
aos
Enfermedades
Enfermedades
126
del corazn
del corazn
Tumores
malignos
111,0 7,8
90,4
Tumores
malignos
Tumores
malignos
Tasa
100
000
hab
AVPP
xx
1 000
hab
1-74
aos
133,7 11,5
115,5 15,5
Enfermedades
Enfermedad
49,2
52,9
del SNC
cerebrovascular
2,2
Enfermedad
53,8
cerebrovascular
4,3
Enfermedades
de la primera 46,3 Accidentes
infancia
39,0
8,5
Influenza
Neumona
32,3
9,4
Gastritis,
enteritis y
duodenitis
31,3
1,6 Accidentes
35,8
2,0
40,8 Influenza
Summary
Occupational epidemiology as a basic tool for workers' health
Referencias bibliogrficas
1. Work for health: Briefing book to the Sundvall Conference on
Supportive. Environments, Sundvall, 1991.
[ Links ]
2. WHO. Global strategic in occupational health for all. Geneva, 1995.
[ Links ]
3. Rantanen J. Global trends in occupational health service. African
Newsletter on Occupational Health and Safety. 1996.
[ Links ]
4. Introduccin a la Proteccin e Higiene del Trabajo La Habana:
Editorial Pueblo y Educacin; 1981.
[ Links ]
5. La Seguridad Social en Cuba. Mxico DF: CISS, 1994 (serie de
monografas).
[ Links ]
6. Najera E. Desarrollo histrico. En: El desafo de la epidemiologa.
WHO, Publicaciones Cientficas 505, Washington DC, 1988.p.3-83.
[ Links ]
7. Llopis A. Desarrollo histrico. En: El desafo de la epidemiologa.
WHO, Publicaciones Cientficas 505, Washington DC, 1988.p.3-83.
[ Links ]
ecimed@infomed.sld.cu
frecuencia los efectos a la salud por plomo inorgnico, a niveles bajos de exposicin, en los
nios y las mujeres adultas que en hombres adultos.
El nfasis principal en epidemiologa ocupacional y ambiental ha estado en los
estudios de causas de enfermedad. Ahora se est prestando atencin creciente a la
evaluacin de medidas preventivas especficas para reducir exposicin, y el impacto a la
salud y el ambiente. Generalmente es muy costosa la eliminacin de la exposicin a los
factores de riesgos derivados de alguna actividad industrial o agrcola, que proporciona
beneficio econmico a la comunidad. Sin embargo, la contaminacin ambiental es a
menudo costosa en s misma, y puede daar la tierra agrcola o la propiedad industrial, as
como la salud de las personas. Los anlisis epidemiolgicos ayudan a las autoridades de
salud pblica a encontrar un equilibrio aceptable entre riesgos para la salud y los costos
econmicos de prevencin y control.
Los mtodos epidemiolgicos, en el relacin a salud de los trabajadores, pueden
usarse para numerosos fines. Estos est ntimamente relacionado con el objeto de estudio de
esta disciplina. Entre sus aplicaciones estn:
-
la
tabulacin,
Elemento de
Estudio
Persona
Aspectos
Considerados
Sexo
Edad
Antiguedad Laboral
Raza
Actividad
Condiciones
Fisiopat.
Hbitos
Lugar
Hombres o mujeres?
Un grupo de edad ms que otros?
Influye o no el tiempo en el trabajo?
Una raza ms que otras?
Un determinado trabajo ms que otros?
Quines realizan procesos simultneos?
Quines realizan actividades similares?
Quines tienen antecedentes patolgicos?
Quienes fuman? Alimentacin? Deporte?
Tiempo
Emisin
Depsito
Agente
Caractersticas txicas
El esquema presentado pretende slo dar una pauta primaria acerca de los
principales elementos derivados de la identificacin de patrones de
ocurrencia de las enfermedades ocupacionales. La definicin de las variables
para los aspectos a ser considerados como elementos objeto de estudio,
depender de caractersticas especficas de cada investigacin.
5. Formulacin de hiptesis. Una vez identificados los patrones de ocurrencia
de las enfermedades ocupacionales, se procede a la formulacin de una o
varias hiptesis dirigidas a identificar las razones que expliquen la
ocurrencia y distribucin en la poblacin trabajadora de dichos patrones. La
hiptesis es una explicacin posible, sujeta a confirmacin, de un fenmeno
de enfermedad ocupacional. En general, la hiptesis es plausible mientras
mayor sea la fuerza de asociacin estadstica de los antecedentes, y mientras
menor sea la cantidad de otras alternativas aceptables.
Los modelos tpicos de hiptesis en los estudios de epidemiologa
ocupacional se describen a continuacin:
Modelo I:
Ejemplo:
Modelo II:
Ejemplo:
Modelo III:
Ejemplo:
Modelo IV:
Ejemplo:
Factor 1
Efecto A
Tres Ejemplos: Cloro
Plomo
Mercurio
Dermatitis Irritativa
Saturnismo
Hidrargirismo
Factor 2
Factor 3
Factor 1
Efecto A
Efecto
A
Ejemplo: Deficiencia de Glucosa-6-Fosfato Deshidrogenasa +Mala
nutricin + Plomo Inorgnico;
produce enfermedad
hemoltica.
-
Efecto A
Facto 1
Efecto B
Efecto C
Factor 1 + Factor 2
Factor 3 + Factor 4
Manifestacin Clnica
La relacin dosis efecto puede verse modificada o ausente por el efecto del
umbral del compuesto o un efecto de saturacin; o deberse completamente a
una distorsin graduada o a un sesgo; lo cual puede dificultar la
interpretacin de este criterio.
-
pocas Anteriores
Grado de
exposicin a
factores de riesgo
sospechosos
Grupos de trabajadores
afectados por una
enfermedad
Grupo de trabajadores de
caractersticas similares
pero sin la enfermedad
Grado de exposicin a
los mismos factores de
riesgo sospechosos
pocas Futuras
Frecuencia de
casos desarrollados
Grupos de trabajadores
libres de enfermedad y
expuestos al riesgo
Grupo de trabajadores de
caractersticas similares,
libres de enfermedad y no
expuestos al riesgo
Frecuencia de casos
desarrollados
8.
9.
Bibliografa
1. Alvarez R., Salud Pblica y Medicina Preventiva, 2da. Edicin. Editorial El Manual
Moderno. Mxico, 1998.
2.
3. Beaglehole, R,; Bonita R.; Kjellstrm T.- Epidemiology Basic. WHO. Geneva, 1993.
4. Benichou J, Gail MH. Variance calculations and confidence intervals for estimates of
the attributable risk based on logistic models. Biometrics; 46:991-1003; 1990.
5. Benichou J. Methods of adjustment for estimating the attributable risk in case-control
studies: a review. Stat Med;10:1753-1773; 1991.
6. Breslow NE, Day NE. Statistical Methods in Cancer Research. vol. 1. The Analysis of
Case-Control Studies. IARC Scientific Pub. No. 32. Lyon: International Agency for
Research on Cancer;76-78; 1980.
7. Brookmeyer R: Invited commentary on "A short method for constructing an unabridged
life table. Am.J.Epidemiol.141:991-992, 1995.
8.
9.
27. Gefeller O. Comparison of adjusted attributable risk estimators. Stat Med;11:20832091; 1992.
28. Gefeller O. The effect of age at smoking initiation on lung cancer risk (Letter).
Epidemiology ;5:559-560; 1994.
29. Greenland S, Robins JM. Conceptual problems in the definition and interpretation of
attributable fractions. Am J Epidemiol;128:1185-1197;1998.
30. Gutirrez JH, Romieu I., Corey G., Fortoul T: Contaminacin del Aire. Riesgos para la
Salud. Editorial El Manual Moderno, Mxico, 1997.
31. Heederik D, Boleij JSM, Kromhout H, Smid T. Use and analysis of exposure
monitoring data in occupational epidemiology: an example of an epidemiological study
in the dutch animal food industry. Appl Occup Environ Hyg;12:458-464;1991.
32. Henyk Weitzenfeld.-Manual Bsico de Evaluacin del Impacto en el Ambiente y la
Salud de Proyectos de Desarrollo. ECO/OPS/OMS, Mxico, 1990
33. Herington Thomas, Morse Linda: Occupational Injuries . Mosby-Year Book, Inc.
U.S.A. 1995
34. Kaplan RM, Wingard DL, McPhillips JB, Williams-Jones O, Barrett-Connor E.
Cigarette smoking, mortality, institutional and community-based care utilization in an
adult community. J Community Health;17:53-60; 1992.
35. Kaufman JS, Durazo-Arvizu RA, Rotimi CN, McGee DL, Cooper RS. Obesity and
hypertension prevalence in populations of African origin. Epidemiology;7:398-405;
1996.
36. Kaune WT, Zaffanella LE. Assessment of Children's Long-Term Exposure to Magnetic
Fields (the Enertech Study). Final report TR-101407. Palo Alto, CA: Electric Power
Research Institute, 1992.
37. Kromhout H, Loomis DP, Mihlan GJ, Peipins LA, Kleckner RC, Iriye R, Savitz
DA. Assessment and grouping of occupational magnetic field exposure in five
electric utility companies. Scand J Work Environ Health;21:43-50;1995.
38. LaDou J., Medicina Laboral. Editorial El Manual Moderno, S.A de CV. Mxico, 1993.
39. Levy B. y Wegman D.- Occupational Health. Recognizing and Preventing WorkRelated Disease.- Little, Brown and Company. USA, 1983.
40. Ley Orgnica de Prevencin Condiciones y Medio Ambiente de Trabajo. Gaceta Oficial
de la Repblica de Venezuela, ao CXIII - mes X. Caracas, Venezuela, 1986.
41. McMichael, A.J. Molecular epidemiology: new pathway or new travelling companion?
Am. J. Epidemiol; 140: 1-11; 1994.
42. Mendes Ren. Medicina do Trabalho. Doencas Profissionais. Editorial Savier. Sao
Paulo, Brasil, 1980.
43. Microsoft Encarta 99. PC Reference Library. Microsoft Corporation, USA, 1998.
44. Ministerio de Sanidad y Asistencia Social. Plan Nacional Salud de los Trabajadores.
Direccin Sectorial de Salud. Comisin de Salud de los Trabajadores. Caracas.
Venezuela. 1995.
45. National Institute for Occupational Safety and Health (NIOSH).- Health hazard
evaluation program.U.S.Department of Health and Human Services. USA, 1992.
46. Nogueira, D.P. Prevention of Accidents and Injuries in Brazil. Ergonomics, 30(2): 387393; 1987
47. Olsen J, Merletti F, Snashall D, Vuylsteek K. Searching for causes of work related
diseases. Oxford: Oxford University Press, 1991
48. Organizacin Mundial de la Salud. Identificacin de enfermedades relacionadas con el
trabajo y medidas para combatirlas. Informe tcnico No. 714. Ginebra, 1985.
49. Organizacin Panamericana de la Salud. Enfermedades Ocupacionales. Gua para su
diagnstico. Publicacin Cientfica No. 480. Washington, 1986.
50. Rathouz PJ, Kasper JD, Zeger SL, Ferrucci L, Bandeen-Roche K, Miglioretti DL,
Fried LP: Short-term consistency in self-reported physical functioning among elderly
women: the Women's Health and Aging Study. American Journal of
Epidemiology.147(8):764-773, 1998.
51. Rey Calero, J. Epidemiologa y epidemiologa clnica. En: Rey Calero, J., Herruzo
Cabrera, R., Rodrguez Artalejo, F. Fundamentos de epidemiologa clnica. Madrid,
Sntesis: 25-35; 1996.
52. Rodrguez A., F., Banegas B., J.R., Rodrguez A., A., y Colaboradores. Principios del
diseo experimental: del laboratorio a la epidemiologa. Rev. Salud Pblica; 4: 149168; 1995.
53. Rodrguez D., del Castillo P, Aguilar C., Glosario de Trminos en Salud
OMS, OPS, ECO, 1990.
Ambiental,
54. Rodrguez D, del Castillo P. y Aguilar C.- Glosario de Trminos en Salud Ambiental.
ECO-OPS-OMS. Mxico, 1990.
55. Samet JM, Zeger SL, Kelsall JE, Xu J: Particulate air pollution and mortality: The
Particle Epidemiology Evaluation Project. Applied Occupational and Environmental
Hygiene 13(6):364-369, 1998.
56. Scharfstein DO, Williams PL: Design of developmental toxicity studies for assessing
the joint effects of dose and duration. Risk Analysis 14:1057-1071, 1994.
57. Schulte, P.A., Perera, F.P. Molecular epidemiology. Principles and practices. Orlando,
FL: Academic Press, 1993.
58. Szpirman L.- Medicina Ocupacional en Israel.-EECL. La Semana Publishing Co. Israel,
1989.
59. Valero M.- La Seguridad y la Higiene en el Trabajo.- Editorial Tormes, S.L. Espaa,
1980.
60. Walker AM. Confounding by indication. Epidemiology;7:335-336; 1996.
61. Walker, J. Biologa molecular y biotecnologa. Editorial Acribia, 2 edicin. Obra
tcnica. Zaragoza, Espaa, 1997.
62. Walter SD. The estimation and interpretation of attributable risk in health research.
Biometrics;32:829-849; 1976.
63. Wang MC: Length bias. In: Encyclopedia of Biostatistics. P. Armitage and T. Colton,
Editors. New York: John Wiley and Sons, 1998.
64. Weinkam JJ, Sterling TD. A graphical approach to the interpretation of age-periodcohort data. Epidemiology;2:133-137;1991.
65. Weintzendfeld Henyk. Evaluacin del Impacto en el Ambiente y la Salud de Proyectos
de Desarrollo. ECO/OPS/OMS. Mxico, 1990.
66. Whittemore AS. Statistical methods for estimating attributable risk from
retrospective data. Stat Med;1:229-243;1982.
67. Yassi A., Kjellstrm T., de Kok T., Guidotti T.: Basic Environmental Health. Draft.WHO. Geneva, 1997.
Gua de Estadsticas
En esta gua de estadstica se encontrarn los siguientes temas, clasificados por
mdulos
Mdulo 1: Qu es la estadsitica
Qu significa estadstica?
Quin usa estdstica?
Estadstica Descriptiva
Estadsticas Inferencial
Tipos de variables
Variable Cualitativas
Variables Cuantitativas
Variables Cuantitativas Discretas
Variables Cuantitativas Continuas
Niveles de medicin
Mdulo 2: Distribuciones de frecuencias y grficas
Distribucin de frecuencias
Marca de clase - Intervalo de clase
Organizar datos en una distribucin de frecuencias
Sugerencias para elaborar una distribucin de frecuencias
Distribucin de frecuencia relativas
Histograma polgonos de frecuencia y distribuciones de frecuencias acumuladas
Histograma
Polgono de Frecuencias
Distribucin de frecuencias acumuladas
Mdulo 3: Descripcin de los datos: medidas de ubicacin
Desviacin media
Media de una muestra
Propiedades de la media aritmtica
Media ponderada
Mediana
Propiedades de la mediana
Moda
Valo aqu
Media geomtrica
Media de datos agrupados
Mediana de datos agrupados
Moda de datos agrupados
Mdulo 4: Medidas de dispersin
Desviacin media
Variancia de la poblacin
Desviacin estndar poblacional
Variancia muestral
Desviacin estndar muestral
Medidas de dispersin: datos no agrupados
Variancia muestral para datos agrupados
Que es la estadstica
Qu significa estadstica?
Valo aqu
<< atras
Tabla de contenidos
D
i
adelante >>
s
t
r
i
b
u
c
i
o
n
e
s
d
e
f
r
e
c
u
e
n
c
i
a
s
y
g
r
f
i
c
a
s
Distribucin de frecuencias
Valo aqu
Distribucin de frecuencias: agrupamiento de datos en categoras, que muestran
el nmero de observaciones en cada categora mutuamente excluyente.
Marca de clase - Intervalo de clase
Vealo aqu
Marca de clase (punto medio): punto que divide a la clase en dos partes iguales.
Es el promedio entre los lmites superior e inferior de la clase.
Intervalo de clase: para una distribucin de frecuencias que tiene clases del mismo
tamao, el intervalo de clase se obtiene restando el lmite inferior de una clase del
lmite inferior de la siguiente.
Ejemplos
Organizar datos en una distribucin de frecuencias
Valo aqu
El Dr. Castro es el decano de la facultad de administracin y desea determinar cunto
estudian los alumnos en ella. Selecciona una muestra aleatoria de 30 estudiantes y
determina el nmero de horas por semana que estudia cada uno: 15.0, 23.7, 19.7,
15.4, 18.3, 23.0, 14.2, 20.8, 13.5, 20.7, 17.4, 18.6, 12.9, 20.3, 13.7, 21.4, 18.3,
29.8, 17.1, 18.9, 10.3, 26.1, 15.7, 14.0, 17.8, 33.8, 23.2, 12.9, 27.1, 16.6.
Organice los datos en una distribucin de frecuencias.
Considere las clases 8-12 y 13-17. Las marcas de clase son 10 y 15. El intervalo de
clase es 5 (13 - 8).
Horas de Estudio
Frecuencia, f
8-12
13-17
12
18-22
10
23-27
28-32
33-37
Frecuencia,
Frecuencia relativa
f
8-12
1/30=.0333
13-17
12
12/30=.400
18-22
10
10/30=.333
23-27
5/30=.1667
28-32
1/30=.0333
33-37
1/30=.0333
TOTAL
30
30/30=1
Polgono de Frecuencias
Valo aqu
<< atras
Tabla de contenidos
adelante >>
D
e
s
c
r
i
p
c
i
n
d
e
l
o
s
d
a
t
o
s
:
m
e
d
i
d
a
s
d
e
u
b
i
c
a
c
i
n
Desviacin media
Valo aqu
Para datos no agrupados, la media de la poblacin es la suma de todos los valores en ella
dividida entre el total de valores en la poblacin:
Ejemplo
donde
denota la media muestral
N es el nmero total de valores en la muestra.
Ejemplo:
Dato estadstico: una caracterstica de una muestra.
Una muestra de cinco ejecutivos recibi la siguiente cantidad en bonos el ao pasado:
$14000, $15000, $17000, $16000 y $15000.
Encuentre el promedio en bonos para los cinco ejecutivos.
Como estos valores representan la muestra de 5 ejecutivos, la media de la muestra es
(14000 + 15000 + 17000 + 16000 + 15000) / 5 = $15400.
Propiedades de la media aritmtica
Valo aqu
Todo conjunto de datos de nivel de intervalo y de nivel de razn tiene un valor medio.
Media ponderada
Valo aqu
La media ponderada de un conjunto de nmeros X1, X2, ..., Xn, con las ponderaciones
correspondientes w1, w2, ...,wn, se calcula con la frmula:
Ejemplo:
Durante un periodo de una hora en una tarde calurosa de un sbado, el cantinero Julio
sirvi cincuenta bebidas.
Calcule la media ponderada de los precios de las bebidas.
(Precio ($), cantidad vendida): (.50,5), (.75,15), (.90,15), (1.10,15).
La media ponderada es:
$(.50 x 5 + .75 x 15 + .90 x 15 + 1.10 x 15) / (5 + 15 + 15 + 15) =
$43.75/50 = $0.875
Mediana
Valo aqu
Mediana: es el punto medio de los valores despus de ordenarlos de menor a mayor, o
de mayor a menor. La misma cantidad de valores se encuentra por arriba de la mediana
que por debajo de ella.
Nota: para un conjunto con un nmero par de nmeros, la mediana ser el promedio
aritmtico de los dos nmeros medios.
Ejemplo:
Calcule la mediana para los siguientes datos.
La edad de una muestra de cinco estudiantes es: 21, 25, 19, 20 y 22.
Al ordenar los datos de manera ascendente quedan: 19, 20, 21, 22, 25.
La mediana es 21.
Propiedades de la mediana
Valo aqu
No se ve afectada por valores muy grandes o muy pequeos, y por lo tanto es una
medida valiosa de tendencia central cuando ocurren.
Puede calcularse para una distribucin de frecuencias con una clase de extremo abierto,
si la mediana no se encuentra en una de estas clases.
Moda
Valo aqu
La moda es el valor de la observacin que aparece con ms frecuencia.
Ejemplo:
las calificaciones de un examen de diez estudiantes son:
81, 93, 84, 75, 68, 87, 81, 75, 81, 87.
Como la calificacin 81 es la que ms ocurre, la calificacin modal es 81.
Media geomtrica
Valo aqu
La media geomtrica (MG) de un conjunto de n nmeros positivos se define como la raz
n-sima del producto de los n valores. Su frmula es:
o tasas de crecimiento.
Ejemplo
La media geomtrica es
= 5.192.
Ejemplo
El nmero total de mujeres inscritas en colegios americanos aument de 755 000 en
1986 a 835 000 en 1995.
Aqu n = 10, as (n - 1) = 9.
Es decir, la media geomtrica de la tasa de crecimiento es 1.27%.
Media de datos agrupados
Valo aqu
Ejemplo:
Una muestra de diez cines en una gran rea metropolitana dio el nmero total de
pelculas exhibidas la semana anterior.
Calcule la media de las pelculas proyectadas.
1.5
1.5
3-4
3.5
7.5
5-6
5.5
16.5
7-8
7.5
7.5
9-10
9.5
28.5
total
10
61
Pelculas
exhibidas
Frecuencia
Frecuencia
acumulada
1-2
3-4
5-6
7-8
9-10
10
Nota
<< atras
Tabla de contenidos
M
e
d
i
d
a
s
d
e
d
i
s
p
e
r
s
i
adelante >>
n
Desviacin media
Valo aqu
Desviacin media: media aritmtica de los valores absolutos de las
desviaciones respecto a la media aritmtica.
Ejemplo:
Los pesos de una muestra de cajas con frenos en un taller son (en Kg.)
103, 97, 101, 106 y 103.
= 510/5 = 102 Kg.
= 1 + 5 + 1 + 4 + 1 = 12
MD = 12/5 = 2.4
Por lo comn los pesos de las cajas estn a 2.4 Kg del peso medio de 102 Kg.
Variancia de la poblacin
Vealo aqu
La varianza de la poblacin para datos no agrupados es la media
aritmtica de las desviaciones cuadrticas respecto a la media de la
poblacin.
Ejemplo:
Las edades de la familia Orduz son 2, 18, 34, y 42 aos. Cul es la variancia de
la poblacin?
Ejemplo:
Una muestra de cinco salarios por hora para varios trabajos en el rea es:
$7, $5, $11, $8, $6.
Encuentre la variancia.
X = 37/5 = 7.40
S2= 21.2/(5-1) = 5.3
que 1.
Dispersin relativa
Valo aqu
Asimetra
Valo aqu
Ejemplo:
Si el tercer cuartil = 24 y el primer cuartil = 10,
cul es la desviacin cuartlica?
La amplitud intercuartlica es 24 - 10 = 14;
por lo tanto,
la desviacin cuartlica es 14/2 = 7.
Amplitud cuartlica
Valo aqu
Diagramas de caja
Valo aqu
Ejemplo:
<< atras
Tabla de contenidos
C
o
n
c
e
p
t
o
s
p
r
o
b
adelante >>
a
b
i
l
s
t
i
c
o
s
Definiciones
Valo aqu
Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad relativa de
que ocurra un evento.
Experimento: proceso que conduce a la ocurrencia de una de varias observaciones
posibles.
Resultado: lo que resulta en particular de un experimento.
Evento: conjunto de uno o ms resultados de un experimento.
Enfoques de la probabilidad
Vealo aqu
Probabilidad clsica se basa en la consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,
Ejemplo
Considere el experimento de lanzar dos monedas al mismo tiempo.
Ejemplo
Aerolneas Argentinas acaba de proporcionar la siguiente informacin de sus vuelos
de Buenos Aires a Rosario:
Ejemplo
Si A es el evento de que un vuelo llegue antes de tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue antes de tiempo o demorado es
EJEMPLO
Si C es el evento de que un vuelo llegue a tiempo, entonces
P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado, entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que la probabilidad de que el vuelo llegue
antes de tiempo (A) o demorado (B) es 0.175.
P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175
Ejemplo
En una muestra de 500 estudiantes, 320 dijeron tener un estreo,
175 dijeron tener una TV y 100 dijeron tener ambos:
Ejemplo
Chris posee dos inventarios independientes uno de otro.
La probabilidad de que el inventario A aumente su valor el prximo ao es .5. La
probabilidad de que el B aumente el suyo es .7.
Cul es la probabilidad de que ambos aumenten su valor el prximo ao?
P(A y B) = (.5)(.7) = .35.
Probabilidad conjunta
Valo aqu
Probabilidad condicional
Valo aqu
Ejemplo
La directora de la escuela de administracin en Miami recolect la siguiente
informacin acerca de los estudiantes de licenciatura del colegio:
Diagrama de rbol
Valo aqu
EJEMPLO
: una
bolsa contiene 7 fichas rojas (R) y 5 azules (B), se escogen 2 fichas, una despus de
la otra sin reemplazo. Construya el diagrama de rbol con esta informacin.
Teorema de Bayes
Valo aqu
La compaa Duff Beer ha recibido varias quejas debido a que sus botellas no van
bien llenas.
Una queja fue recibida hoy pero el gerente de produccin no puede identificar cul de
las dos plantas Springfield (A o B) llen esta botella.
Cul es la probabilidad de que la botella mal llenada haya salido de la planta A?
Ejemplo
Tabla de contenidos
adelante >>
El espacio muestral para este experimento ser: TTT, TTH, THT, THH, HTT, HTH,
bucin de Poisson
4^4)(e^-4)/4!=.1954.
El entrenador Alexis tiene que elegir 5 jugadores entre los doce del equipo para
incluirlos en alineacin.
Cuntos grupos diferentes se pueden formar?
12C5 = (12!)/[5!(12-5)!] =792
Suponga que el entrenador Alexis debe clasificarlos en orden:
12P5 = (12!)/(12-5)! = 95,040.
<< atras
Tabla de contenidos
D
i
s
t
r
i
b
u
c
i
n
p
r
o
b
a
b
i
l
s
t
i
c
a
adelante >>
n
o
r
m
a
l
Caractersticas de la distribucin probabilstica normal
Valo aqu
La curva normal tiene forma de campana con un solo pico justo en el centro
de la distribucin.
La media, mediana y moda de la distribucin aritmtica son iguales y se
localizan en el pico.
La mitad del rea bajo la curva est a la derecha del pico, y la otra mitad est
a la izquierda.
La distribucin normal es simtrica respecto a su media.
La distribucin normal es asinttica - la curva se acerca cada vez ms al eje x
pero en realidad nunca llega a tocarlo.
t
o
d
o
s
y
d
i
s
t
r
i
b
u
c
i
o
n
e
s
d
e
m
u
e
s
t
r
e
o
Por qu obtener muestras de la poblacin?
Valo aqu
parmetro correspondiente.
.
Ejemplo:
El despacho de abogados Hoya & Associados tiene cinco socios.
En su junta de socios semanal cada uno informa el nmero de horas que
cobraron a los clientes por sus servicios la semana anterior.
Socio
Horas
Giordanino
22
Barnab
26
Torres
30
Carrizo
26
Salgado
22
Frecuencia
Frecuencia relativa
22
1/10
24
4/10
26
3/10
28
2/10
d
e
h
i
p
t
e
s
i
s
,
m
u
e
s
t
r
a
s
g
r
a
n
d
e
s
Qu es una hiptesis?
Valo aqu
Definiciones
Valo aqu
Hiptesis nula H0: afirmacin acerca del valor de un parmetro poblacional.
Hiptesis alterna H1: afirmacin que se aceptar si los datos muestrales
proporcionan evidencia de que la hiptesis nula es falsa.
Nivel de significancia: probabilidad de rechazar la hiptesis nula cuando es
verdadera.
Error Tipo I: rechazar la hiptesis nula cuando en realidad es verdadera.
Error Tipo II: aceptar la hiptesis nula cuando en realidad es falsa.
<< atras
Tabla de contenidos
adelante >>
Contenido
[ocultar]
1 Etimologa
2 Orgenes en probabilidad
3 Estado actual
4 Mtodos estadsticos
o
5 Disciplinas especializadas
6 Computacin estadstica
7 Crticas a la estadstica
8 Estadsticos famosos
9 Notas
10 Bibliografa
11 Enlaces externos
Etimologa [editar]
El trmino alemn statistik, que fue primeramente introducido por Gottfried Achenwall
(1749), designaba originalmente el anlisis de datos del Estado, es decir, la "ciencia del
Estado" (tambin llamada aritmtica poltica de su traduccin directa del ingls). No fue
hasta el siglo XIX cuando el trmino estadstica adquiri el significado de recolectar y
clasificar datos. Este concepto fue introducido por el ingls John Sinclair.
En su origen, por tanto, la Estadstica estuvo asociada a los Estados, para ser utilizados por
el gobierno y cuerpos administrativos (a menudo centralizados). La coleccin de datos
acerca de estados y localidades contina ampliamente a travs de los servicios de
estadstica nacionales e internacionales. En particular, los censos suministran informacin
regular acerca de la poblacin.
Ya se utilizaban representaciones grficas y otras medidas en pieles, rocas, palos de madera
y paredes de cuevas para controlar el nmero de personas, animales o ciertas mercancas.
Hacia el ao 3000 a. C. los babilonios usaban ya pequeos envases moldeados de arcilla
para recopilar datos sobre la produccin agrcola y de los gneros vendidos o cambiados.
Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de
introdujo la nocin del hombre promedio (lhomme moyen) como un medio de entender
los fenmenos sociales complejos tales como tasas de criminalidad, tasas de matrimonio o
tasas de suicidios.
Las dos variables se dicen a ser correlacionadas. Sin embargo, no se pude inferir
inmediatamente la existencia de una relacin de causalidad entre las dos variables. El
fenmeno correlacionado podra ser la causa de un tercero, previamente no considerado,
llamado variable confundida.
Si la muestra es representativa de la poblacin, inferencias y conclusiones hechas en la
muestra pueden ser extendidas a la poblacin completa. Un problema mayor es el de
determinar que tan representativa es la muestra extrada. La estadstica ofrece medidas para
estimar y corregir por aleatoriedad en la muestra y en el proceso de recoleccin de los
datos, as como mtodos para disear experimentos robustos como primera medida, ver
diseo experimental.
El concepto matemtico fundamental empleado para entender la aleatoriedad es el de
probabilidad. La estadstica matemtica (tambin llamada teora estadstica) es la rama de
las matemticas aplicadas que usa la teora de probabilidades y el anlisis matemtico para
examinar las bases tericas de la estadstica.
El uso de cualquier mtodo estadstico es vlido solo cuando el sistema o poblacin bajo
consideracin satisface los supuestos matemticos del mtodo. El mal uso de la estadstica
puede producir serios errores en la descripcin e interpretacin, afectando las polticas
sociales, la prctica mdica y la calidad de estructuras tales como puentes y plantas de
reaccin nuclear.
Incluso cuando la estadstica es correctamente aplicada, los resultados pueden ser
difcilmente interpretados por un inexperto. Por ejemplo, el significado estadstico de una
tendencia en los datos, que mide el grado al cual la tendencia puede ser causada por una
variacin aleatoria en la muestra, puede no estar de acuerdo con el sentido intuitivo. El
conjunto de habilidades estadsticas bsicas (y el escepticismo) que una persona necesita
para manejar informacin en el da a da se refiere como cultura estadstica.
Hay cuatro tipos de mediciones o escalas de medicin en estadstica. Los cuatro tipos de
niveles de medicin (nominal, ordinal, intervalo y razn) tienen diferentes grados de uso en
la investigacin estadstica. Las medidas de razn, en donde un valor cero y distancias entre
diferentes mediciones son definidas, dan la mayor flexibilidad en mtodos estadsticos que
pueden ser usados para analizar los datos. Las medidas de intervalo tienen distancias
interpretables entre mediciones, pero un valor cero sin significado (como las mediciones de
coeficiente intelectual o temperatura en grados Celsius). Las medidas ordinales tienen
imprecisas diferencias entre valores consecutivos, pero un orden interpretable para sus
valores. Las medidas nominales no tienen ningn rango interpretable entre sus valores.
La escala de medida nominal, puede considerarse la escala de nivel ms bajo. Se trata de
agrupar objetos en clases. La escala ordinal, por su parte, recurre a la propiedad de orden
de los nmeros. La escala de intervalos iguales est caracterizada por una unidad de medida
comn y constante. Es importante destacar que el punto cero en las escalas de intervalos
iguales es arbitrario, y no refleja en ningn momento ausencia de la magnitud que estamos
midiendo. Esta escala, adems de poseer las caractersticas de la escala ordinal, permite
determinar la magnitud de los intervalos (distancia) entre todos los elementos de la escala.
La escala de coeficientes o Razones es el nivel de medida ms elevado y se diferencia de
las escalas de intervalos iguales nicamente por poseer un punto cero propio como origen;
es decir que el valor cero de esta escala significa ausencia de la magnitud que estamos
midiendo. Si se observa una carencia total de propiedad, se dispone de una unidad de
medida para el efecto. A iguales diferencias entre los nmeros asignados corresponden
iguales diferencias en el grado de atributo presente en el objeto de estudio.
Tcnicas de anlisis estadstico [editar]
Prueba t de Student
Prueba de
U de Mann-Whitney
Anlisis de regresin
Correlacin
Ciencias actuariales
Fsica estadstica
Estadstica industrial
Estadstica Espacial
Matemticas Estadstica
Estadstica en Medicina
Estadstica en Nutricin
Estadstica en Agronoma
Estadstica en Planificacin
Estadstica en Investigacin
Estadstica en Literatura
Estadstica en Astronoma
Estadstica en Historia
Estadstica militar
Geoestadstica
Bioestadstica
Estadsticas de Negocios
Estadstica Computacional
Investigacin de Operaciones
Estadsticas de Consultora
Cienciometra
Estadstica en Epidemiologa
Estadstica en Ingeniera
Demografa
Calidad y productividad
Cultura estadstica
Confiabilidad estadstica
Procesamiento de imgenes
Estadsticas Deportivas
Thomas
Bayes
Bruno de
Finetti
Abraham De
Moivre
Adolphe
Quetelet
Pafnuti
Chebyshov
Sir Ronald
Fisher
Sir Isaac
Newton
C. R. Rao
Walter
Shewhart
Gertrude Cox
Jerzy
Neyman
Sir Francis
Galton
George
Dantzig
Carl Friedrich
Gauss
Florence
Nightingale
Charles
Spearman
William Sealy
Gosset
Blaise Pascal
John Tukey
Andri
Kolmogrov
George Box
Karl Pearson
Ren
Descartes
W. Edwards
Deming
Aleksandr
Lyapunov
Notas [editar]
1. Ver el trabajo de Ian Hacking en The emergence of probability para
una historia del desarrollo del concepto de probabilidad matemtica.
2. Cf. Damned lies and statistics: untangling numbers from the media,
politicians, and activists, del profesor Joel Best. Best atribuye este dicho
a Disraeli, y no a Mark Twain u otros autores como se cree popularmente.
Bibliografa [editar]
Best, Joel (2001). Damned Lies and Statistics: Untangling Numbers from
the Media, Politicians, and Activists. University of California Press. ISBN
0-520-21978-3.
Desrosires, Alain (2004). The Politics of Large Numbers: A History of
Statistical Reasoning, Camille Naish (trad.), Harvard University Press.
ISBN 0-674-68932-1.
Obtenido de "http://es.wikipedia.org/wiki/Estad%C3%ADstica"