GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Ao2010Revisin:0

Dr.MariodeLuca

Pgina1de29

Documento base
Los contenidos de esta Gua de Prctica Clnica constituyen una versin corta de la
compilacin adaptada de los Mdulos de Epidemiologa Bsica y Vigilancia de la Salud
(segunda edicin, 2004), que forman parte del material de lectura del Curso de
Epidemiologa Bsica e Intermedia del Instituto de Investigaciones Epidemiolgicas de la
Academia Nacional de Medicina.
Medidas de Frecuencia
Existen 2 medidas de gran relevancia desde el punto de vista epidemiolgico, que
permiten medir la frecuencia de las enfermedades: prevalencia e incidencia.
Prevalencia
Es el nmero de casos o eventos en una poblacin de una determinada enfermedad en
un momento dado en el tiempo. La prevalencia intenta mostrar la frecuencia con la que un
evento de salud o enfermedad existe en el momento, independientemente de cundo se
haya originado.
Cmo se calcula la prevalencia?
Se debe determinar el nmero de sujetos en quienes se presenta el evento estudiado y
relacionar dicho nmero con el total de individuos que forman el grupo observado. Suele
expresarse en forma de proporcin o porcentaje. Existen 2 formas de calcular la
prevalencia:
- Prevalencia puntual: se utiliza cuando se desea determinar la prevalencia de una
enfermedad en la poblacin en un momento en el tiempo, independientemente de cundo
se haya originado. Se denomina puntual porque la medicin se hace en un corto perodo
de tiempo.

- Prevalencia de perodo: determina la cantidad de casos existentes durante un perodo.

Es una forma prctica de resolver el problema de la aparicin de casos nuevos cuando se
est ejecutando el estudio; ya sea por una elevada frecuencia de aparicin de la

Copia N :

Representante de la Direccin:
Revis

Nombre

Dr. Leonardo Gilardi

Fecha:
Aprob

Dra. Ins Morend

Firma
Fecha

31/05

10/06


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina2de29

enfermedad o porque el estudio no se puede realizar en un corto perodo de tiempo. Esta

medida informa el nmero de casos existentes, as como los casos nuevos producidos
durante ese perodo.

Por qu es til determinar la prevalencia de un evento o enfermedad?

La prevalencia expresa la cantidad de casos de una enfermedad en un momento dado.
De ah su importancia para la elaboracin de los programas de salud preventivos,
asistenciales y de control. Por otra parte, la informacin suministrada por la prevalencia
es, en muchas ocasiones, un punto de partida para la investigacin causal.
Incidencia
La incidencia de la enfermedad representa la frecuencia de casos nuevos en una
poblacin durante un perodo determinado de tiempo. La duracin de ese perodo de
observacin influye en los resultados de la incidencia, pues si ste aumenta ocurrirn ms
casos e, hipotticamente, pueden llegar a enfermarse todos los individuos y el valor
entonces de la incidencia ser igual a 1.00 o 100%. Por eso, al usar esta medida, debe
siempre expresarse el perodo de observacin.
Cmo se calcula la incidencia?
Existen 3 formas de calcular la incidencia:
- Incidencia acumulada: es una medida que representa la proporcin de individuos
sanos que contraen la enfermedad en un perodo de tiempo determinado.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina3de29

- Tasa de incidencia acumulada: mientras que la incidencia acumulada es una

proporcin, la tasa de incidencia acumulada es una tasa porque el denominador es el
tiempo en riesgo de la poblacin estudiada. Sin embargo, no siempre puede calcularse
este tiempo en riesgo dado que, frecuentemente, no es posible excluir el tiempo en que
los individuos que se enferman ya no estn en riesgo. En otras ocasiones, es imposible
identificar el perodo de exposicin de cada uno de los miembros de la poblacin
estudiada. Por este motivo, el tiempo en riesgo se determina mediante una aproximacin,
resultado de multiplicar el tamao promedio de la poblacin observada por la duracin del
perodo, generalmente un ao.

(*) K es una constante que puede ser cualquier mltiplo de 10, 100, 1 000, 10 000, etc. Esta multiplicacin facilita las
comparaciones entre poblaciones de diferente tamao absoluto. Nunca debe ser mayor que la poblacin total en
riesgo.

- Densidad de incidencia: es el nmero de nuevos casos registrados, dividido por la

suma de los perodos de tiempo en riesgo correspondientes a todos los individuos en
estudio. Esta sera la "verdadera tasa de incidencia", porque en este caso se conocen los
tiempos en riesgo de cada uno de los individuos y no se recurre a una aproximacin como
lo es la tasa de incidencia acumulada. Esta medida se utiliza cuando la poblacin
observada es inestable en el tiempo, es decir, cada sujeto ha estado "en riesgo" o
expuesto al evento de inters por perodos de tiempo distintos, ya sea por abandono del
estudio, por contraer la enfermedad, etc. Es una medida til para el seguimiento de
poblaciones dinmicas en las que ingresan y salen individuos. Su unidad de tiempo es
personas-unidad de tiempo utilizada para el estudio (personas-aos, personas-das, etc.).
Una persona-ao representa un individuo en riesgo de desarrollar la enfermedad durante
un ao.
Por qu es til determinar la incidencia de un evento o enfermedad?
La principal utilidad de la incidencia es que permite medir el riesgo de que un grupo de
individuos desarrolle una enfermedad. Lneas abajo se detalla el concepto de riesgo, pero
es importante recordar que, en Epidemiologa, incidencia es sinnimo de riesgo.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina4de29

Efecto, Impacto y Fuentes de Error

Epidemiologa Analtica y Cuantificacin del Riesgo
La epidemiologa analtica tiene como principal objetivo estudiar los determinantes o
factores causales de los fenmenos de salud. Sus principales caractersticas son:

utilizar un grupo de comparacin o grupo control

poner a prueba ("testear") hiptesis e inferir acerca de los resultados

Si sospechamos que un factor en particular causa un evento dado, primero buscaremos si

existe asociacin entre la exposicin a dicho factor y el evento en cuestin. Para ello, el
investigador rene grupos de individuos con el propsito de comparar sistemticamente si
el riesgo de enfermar es diferente en individuos expuestos o no expuestos a un factor de
inters.
El trmino riesgo se asocia en la vida diaria con la probabilidad de que ocurra un evento
desfavorable (por ejemplo, al comenzar un viaje, generalmente, pensamos en "el riesgo"
de que ocurra alguna eventualidad). En Ciencias de la Salud, habitualmente, un evento
desfavorable es la ocurrencia de una enfermedad. En Epidemiologa, el concepto es el
mismo, pero, para comprender los alcances del riesgo desde la perspectiva
epidemiolgica, se tiene en cuenta los siguientes determinantes: persona, lugar y tiempo.
Por lo tanto, se define como riesgo a la probabilidad de que uno de los miembros de una
poblacin o un grupo de personas de una poblacin definida desarrolle una enfermedad o
evento desfavorable en un perodo de tiempo determinado. Es importante recordar que
sin las referencias espacial y temporal, el uso de riesgo carece de sentido. Las medidas
de efecto o de asociacin, permiten determinar la magnitud o la fuerza de la relacin
existente entre la exposicin y el evento. La principal ventaja de estas medidas es que
permiten describir en un solo parmetro la asociacin existente entre una particular
exposicin y el riesgo de desarrollar una determinada enfermedad.
Medidas de Efecto o Asociacin
Podemos dividir las medidas de efecto en:


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina5de29

Medidas relativas o de razn: miden cunto ms probable es que el grupo expuesto

presente el evento en relacin con los no expuestos. Reflejan la fuerza de la asociacin
entre la exposicin y el evento. Incluyen el riesgo relativo (RR) y el odds ratio.
Medidas absolutas o de diferencia: son medidas absolutas del exceso de riesgo
existente en el grupo expuesto. Reflejan cuntos casos ms hay en el grupo de
expuestos. Se destaca el riesgo atribuible.
La cuantificacin del riesgo sirve para poder comprender su significado y, por otra parte,
para poder comparar los riesgos de ocurrencia de un mismo evento en grupos diferentes
o de distintos eventos en el mismo grupo. Para poder entender al RR, es indispensable
conocer y comprender el concepto de riesgo.
RR: Revisin del Concepto de Riesgo e Incidencia
El riesgo de contraer una enfermedad esta determinado por la probabilidad de ocurrencia
de esa enfermedad en una poblacin dada; en la prctica, resulta de dividir el nmero de
personas que experimentan el evento sobre el nmero de personas en riesgo (con
probabilidad) de experimentarlo en un perodo de tiempo determinado.
Puede hablarse de riesgo en expuestos y riesgo en no expuestos. Esto significa que si
conocemos la exposicin de las personas a un factor determinado, dividiendo cuntas
expuestas experimentaron la enfermedad o dao entre el total de personas que
estuvieron expuestas, sabremos cul es el riesgo de los que estuvieron expuestos. Por
ejemplo, si 100 personas consumieron una mayonesa y 30 de ellas experimentaron
diarrea, significa que el riesgo de tener diarrea habiendo ingerido esa mayonesa es de 0.3
30%. Si comparamos este grupo de personas con otras 100 personas que no estuvieron
expuestas a la mayonesa, investigo cuntas presentaron diarrea y veo que son 10,
diremos que el riesgo en los no expuestos es de 0.1 10%. La siguiente frmula expresa
el concepto general de riesgo, que es cuntas personas experimentaron el evento de las
que podran haberlo hecho.

El concepto de riesgo no es diferente al concepto de incidencia (ver ut supra). Sin

embargo, ahora podemos expresar, si lo conocemos, el riesgo en los expuestos y en los
no expuestos o lo que es igual la incidencia en expuestos y en no expuestos.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina6de29

Mientras tanto, el riesgo en los no expuestos ser:

Si utilizamos la tabla de contingencia para definir el riesgo en expuestos y no expuestos,

podemos afirmar que el clculo es igual a:

Casos
No casos
Total

Expuestos No Expuestos Incidencia

a
b
Ie= a / (a+b)
c
d
Ine = c / (c+d)
a+b
c+d

Riesgo Relativo
El RR es la relacin existente entre incidencia de la enfermedad en la poblacin expuesta
y la incidencia de la enfermedad en la poblacin no expuesta. Es la medida que expresa
la magnitud de la asociacin entre un factor de riesgo y una enfermedad. Resulta del
cociente entre las tasas de incidencia de la poblacin expuesta y no expuesta. La
incidencia en el grupo expuesto se expresa como Ie y la incidencia en grupo no expuesto
como Io. Entonces:


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina7de29

Utilizamos la tabla de contingencia para definir o calcular riesgo relativo:

Expuestos No Expuestos Incidencia Riesgo Relativo (RR)
a
b
Ie= a / (a+b)
Casos
Ie/Ine
c
d
Ine = c / (c+d)
No casos
El Ie o tasa de incidencia en expuestos es un cociente que resulta de dividir los que
fueron expuestos y sufrieron el evento (a) sobre el total de expuestos (a+b). El Io o tasa
de incidencia en no expuestos es un cociente que resulta de dividir los que no fueron
expuestos y sufrieron el evento (c) sobre el total de no expuestos (c+d). Por lo tanto, el
valor del RR responde a la pregunta: " Cuntas veces ms probable es que las personas
expuestas desarrollen la enfermedad, en comparacin con las no expuestas?". De este
modo, el RR establece el grado de asociacin entre el factor de riesgo y la enfermedad.
Cmo interpretamos el valor del RR? De acuerdo a los valores que se calculen para el
RR, podremos afirmar que:

Si el RR es mayor que 1, la enfermedad es ms frecuente en el grupo expuesto que

en el no expuesto. Existira una relacin positiva entre la exposicin al factor y la
ocurrencia de la enfermedad, por lo que estaramos frente a un factor de riesgo.

Si el RR es igual a 1, entonces la incidencia de la enfermedad entre el grupo expuesto

y el no expuesto es igual, por lo que entonces no se podra demostrar que exista
asociacin entre el factor de riesgo y la enfermedad. Es importante sealar que no se
podra demostrar, lo cual no significa que no exista: puede que exista asociacin,
pero limitaciones propias de la investigacin relacionada (por ejemplo, con el tamao
de la muestra) no permitieron demostrarla.

Finalmente si el RR es menor que 1, entonces la incidencia en expuestos es menor

que en no expuestos, por lo que estaramos frente a un factor de proteccin.

Existen ciertos atributos (edad, sexo, raza) que renen casi todas las caractersticas de
los factores de riesgo, es decir, se asocian con una mayor ocurrencia de algunas
enfermedades y adems preceden el desarrollo de la misma. Sin embargo, la exposicin
a estos atributos no puede evitarse, son inmodificables. Por este motivo, estos atributos


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina8de29

que se asocian con un riesgo mayor de ocurrencia de una determinada enfermedad pero
que no pueden ser modificados se denominan marcadores de riesgo. Esta constituye la
principal diferencia con los factores de riesgo, cuya presencia puede ser controlada y
prevenida antes del desarrollo de la enfermedad.
Habitualmente, cuando se habla de factores de riesgo se suele utilizar otro trmino muy
relacionado con este concepto, que es el de exposicin. Una persona que estuvo en
contacto con un factor de riesgo estuvo expuesta a dicho factor. Sin importar la duracin o
la intensidad de la exposicin, o ambas, en caso de que la persona enferme s es
importante saber si la exposicin precedi al desarrollo de la enfermedad. Algunos
autores consideran que un grupo expuesto a un determinado factor constituye un grupo o
poblacin de riesgo. Sin embargo, otros consideran que, adems de importar la
exposicin al factor, debe tenerse en cuenta tambin la susceptibilidad propia de cada
individuo para el desarrollo de la enfermedad, por lo que prefieren definir como poblacin
de riesgo a aquella que posee un riesgo mayor de presentar una determinada
enfermedad o evento por una mayor susceptibilidad a la enfermedad, por la presencia de
un determinado factor, o por ambas condiciones. Un ejemplo es la exposicin al cigarrillo:
las personas fumadoras constituyen un grupo de riesgo para el desarrollo de cncer de
pulmn. Sin embargo, no todos los fumadores desarrollarn esta enfermedad.

Factor de riesgo es "el atributo de un grupo que presenta mayor incidencia de una
determinada enfermedad o evento en comparacin con otros grupos caracterizados
por la ausencia o baja frecuencia de tal atributo. Se trata de una caracterstica
potencialmente modificable".

Factor de proteccin es "el atributo de un grupo con menor incidencia de una

determinada enfermedad en relacin con otros grupos definidos por la ausencia o baja
frecuencia del tal atributo". Suponiendo que logrando disminuir la exposicin a los
factores de riesgo se evitar o al menos se disminuir la probabilidad de ocurrencia de
una determinada enfermedad, el conocimiento y manejo de los factores de riesgo
adquiere un significado muy especial, ya que permite trabajar para preservar la salud
tanto del paciente individual como de toda la poblacin, evitando la enfermedad
(prevencin primaria).

Odds Ratio
Cuando no se dispone de la informacin necesaria para calcular las tasas de incidencia
en expuestos y en no expuestos, se debe utilizar otra medida de asociacin denominada
OR. El ejemplo tpico en el cual el clculo de la incidencia de la enfermedad no es posible
es cuando se utiliza un diseo de casos y controles para investigar la asociacin entre
uno o ms factores y una determinada enfermedad. En esta circunstancia, el investigador


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina9de29

selecciona los casos de la enfermedad, que habitualmente son los casos existentes o
casos prevalentes. Entonces, si no es posible conocer los casos nuevos, no puede
determinarse la incidencia ni calcularse el RR Cmo determinar entonces la presencia
de asociacin? En esta situacin se recurre a otra medida de asociacin denominada OR.
As como para el clculo del RR debe comprenderse que es el riesgo, para entender y
calcular el OR debe conocerse a que se llama odds. El odds se obtiene dividiendo el
nmero de personas que experimentan el evento sobre el nmero de personas que no lo
experimentan.
Cmo calculamos el odds?
Verifiquemos entonces la diferencia entre riesgo (R) y odds (O):

Tambin podemos utilizar la tabla de contingencia para calcular el odds:

Expuestos
a
Casos
c
No casos

No Expuestos
b
d

Odds
Oe= a/b
One = c/d

Recordemos que el RR de un grupo comparado con otro es simplemente la divisin del

riesgo o la incidencia en el grupo expuesto con la incidencia del grupo no expuesto. El OR
se calcula en forma similar, como la divisin entre el odds del grupo expuesto sobre el
odds del grupo no expuesto.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina10de29

Si bien est formula es compleja, el clculo del OR se ve facilitado a partir de la tabla de

Contingencia:

Casos
No casos

Expuestos No Expuestos Odds Odds Ratio (OR)

a
b
Oe= a / b
c
d
One = c / d a x d / b x c

Como puede apreciarse, el OR es igual a la multiplicacin de a x d sobre c x b, por este

motivo se lo conoce tambin como "razn de productos cruzados". Observen que no se
utilizan las casillas de los totales de poblacin expuesta (a + b) y no expuesta (c + d). Esta
caracterstica permite que esta medida se utilice en estudios de casos y controles donde
se desconoce el total de la poblacin expuesta y no expuesta.
En resumen, el OR puede ser estimado en cualquier tipo de estudio observacional,
alcanzando valores similares al RR en enfermedades de baja prevalencia, pero su
utilizacin se reserva especialmente para los estudios de casos y controles donde es
imposible identificar las tasas de incidencia en expuestos y no expuestos y, por ende, no
se puede calcular el RR.
Cmo debemos interpretar el valor del OR? El sentido de la interpretacin debe
realizarse en forma similar al del RR. Se debe tener presente que ninguno tiene unidad. El
OR es una razn, su valor mnimo puede ser cero, que corresponde al mximo efecto
posible de un factor protector y su valor mximo puede ser infinito.

GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina11de29

Si el OR es mayor a 1, significa que la exposicin aumenta el riesgo, por lo que

estaramos frente a un factor de riesgo.
Si el OR es igual a 1, significa que el efecto estudiado es nulo, ya que no hay
diferencia de riesgo asociado a la exposicin, es decir, la exposicin no aumenta ni
disminuye el riesgo.
Finalmente, si el OR es menor que 1, significa que la exposicin disminuye el riesgo,
por lo que estaramos frente a un factor de proteccin.

Riesgo Atribuible
El riesgo atribuible (RA) es una medida de asociacin o de efecto, que recibe tambin el
nombre de "diferencia de riesgos", ya que representa la diferencia de la incidencia de la
enfermedad en la poblacin expuesta al factor de riesgo y la incidencia en la poblacin no
expuesta a dicho factor. Algunos autores prefieren llamarlo riesgo absoluto, ya que como
su nombre lo indica y en contraste con el riesgo relativo, expresa la diferencia de las
incidencias en la poblacin expuesta y no expuesta en trminos absolutos. El RA es la
medida de asociacin entre un factor de riesgo y una enfermedad que resulta de la resta
entre las tasas de incidencia de la poblacin expuesta y no expuesta. La incidencia en el
grupo expuesto se expresa como Ie y la incidencia en el grupo no expuesto como Io. Si
utilizamos la tabla de contingencia, se verifica:

Expuestos No Expuestos Incidencia Riesgo Absoluto (RA)

a
b
Ie= a / (a+b)
Casos
Ie-Ine
c
d
Ine = c / (c+d)
No casos
Al valorar una asociacin entre un determinado factor y una enfermedad, debe
considerarse que ese factor no es el nico responsable de esa enfermedad.
Habitualmente, las enfermedades se deben a la accin de mltiples factores, hecho que
en Epidemiologa se reconoce como la telaraa de causas.
Por este motivo, en los individuos no expuestos al factor en estudio tambin
encontraremos casos de la enfermedad, de la misma manera que entre los expuestos al
factor encontraremos casos de la enfermedad que no se deben a la exposicin a dicho
factor. Sin embargo, si existe evidencia de asociacin causal entre exposicin y evento o
enfermedad, el riesgo atribuible nos dice cul es el exceso de riesgo que presentan los
expuestos en relacin a los no expuestos. As, si comparamos los fumadores con los no


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina12de29

fumadores en relacin con la frecuencia de bronquitis crnica, debemos tener en cuenta

que la aparicin de problemas respiratorios no se debe exclusivamente al tabaquismo
sino que tambin puede ser el resultado, por ejemplo, de la exposicin al aire
contaminado u otras variables. Estos otros factores actan de igual manera en individuos
expuestos y no expuestos, y ocasionan en teora el mismo nmero de casos de
enfermedad respiratoria en ambos grupos (es lo que se conoce como riesgo basal). Sin
embargo, al grupo de expuestos hay que sumarle los casos que se deben a la exposicin
al tabaco. El tabaquismo genera un exceso de riesgo por encima del riesgo basal. Este
exceso de riesgo es el RA.
Por eso, el RA responde a la pregunta: "Cul es el riesgo adicional de enfermar que
sigue a la exposicin, por encima del experimentado por las personas que no estn
expuestas? Considerando que los grupos de individuos comparados se encuentran en
igualdad de condiciones respecto de los dems factores causales, el RA establece
exceso de riesgo de contraer la enfermedad en aquellos individuos expuestos
comparados con los no expuestos.
Cmo se interpreta el valor del RA?

Si el RA es > que cero, representa el nmero de casos que se podran prevenir entre
los expuestos si se removiera la exposicin.
Si el RA es < que cera, representa el nmero de casos que se han prevenido gracias
a la exposicin en estudio.

Tanto el RR como el RA permiten medir la magnitud o la fuerza de la relacin existente

entre un factor y la enfermedad, como se mencionado con anterioridad. Sin embargo, es
importante destacar que ambas medidas brindan informacin diferente del riesgo y, por lo
tanto, difieren en cuanto a su utilidad. El RR es la medida ms utilizada para evaluar los
posibles determinantes de las enfermedades y explicar si la asociacin observada entre
un factor de riesgo y la enfermedad es de tipo causal. Sin embargo, el RR no informa
acerca de la magnitud absoluta de la probabilidad o riesgo de desarrollar una enfermedad
en una poblacin expuesta al factor con relacin con una no expuesta a dicho factor.
Por ejemplo, en la tabla que se presenta lnea abajo, un RR de 1.6 puede corresponder a
un incremento del riesgo absoluto de 2 en 1 000 para los individuos expuestos o bien de 2
en 100, o inclusive de 2 en 10. En este sentido, el RA es ms til, dado que en contraste
con el RR, permite medir en trminos absolutos el riesgo diferente de padecer una
enfermedad de acuerdo con los distintos niveles de exposicin.
Clculo del RR y RA para diferentes niveles de riesgo absoluto en poblaciones expuestas y no expuestas


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina13de29

Para qu sirven el RR y el RA?

Es importante que al momento de informar el RA, siempre se describa el riesgo o la
incidencia de la enfermedad en las poblaciones expuestas y no expuestas que se estn
comparando, dado que de lo contrario la interpretacin del RA se vuelve muy dificultosa.
Por ejemplo, en el segundo caso citado en la tabla superior, un riesgo atribuible de 0.02,
si no se informara que corresponde a una diferencia de riesgos de 0.05 y 0.03, podra
tambin corresponder a una diferencia entre 0.35 y 0.33, bien entre 0.50 y 0.48. En
conclusin, si no se conocen los riesgos de las poblaciones expuestas y no expuestas,
respectivamente, entonces difcilmente puede interpretarse esta medida: esto se debe a
que el RA no depende de la frecuencia de base del evento en la poblacin, mientras que
el RR s lo hace.
Qu significa este valor del RA?
El RA nos dice cuntos de los casos se debieron precisamente a esa exposicin y no a
otros factores.
Nmero Necesario para Tratar (NNT) y para Perjudicar (NNH)
El NNT es el ltimo ndice propuesto, con un uso creciente pero del que tambin aparecen
quejas sobre mala utilizacin. Representa el nmero de personas que deberan recibir el
tratamiento experimental, en lugar del tratamiento control, para que un paciente adicional
obtenga el beneficio (o, de forma equivalente, evite el perjuicio si el episodio en estudio es
adverso). Hay que notar la importancia de la palabra adicional en la definicin. El NNT se
calcula como el inverso del RA.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina14de29

Si analizamos los datos de la tabla, el riesgo en el grupo control es 0.15 y en el grupo

tratado es 0.10; por tanto, el riesgo absoluto es 0.05 (0.15 0.10), lo que quiere decir que,
por cada 100 pacientes que sigan ese tratamiento, se evitarn 5 muertes con respecto a
las que se habran producido si se hubiera empleado el tratamiento del grupo control. Por
tanto, para evitar una muerte se necesitarn tratar 100/5 , de modo equivalente:
NNT = 1/0.05 = 20. Obviamente, cuanto mayor sea el efecto del tratamiento menor ser el
NNT, un tratamiento con el que se necesita tratar a 5 pacientes para salvar una vida es,
en principio, mejor que otro con el que necesitemos tratar a 20. La principal ventaja de
este ndice es que expresa el efecto del tratamiento en unos trminos que permiten
fcilmente comparar sus ventajas con sus inconvenientes (efectos adversos, costos, etc.),
de un modo as muy cercano a la toma de decisiones clnicas.
Hay que tener en cuenta que si el tratamiento no tuviera efecto RRA1 = 0 entonces NNT
sera infinito, lo que dara lugar a algn problema, sobre todo en el clculo e interpretacin
de su intervalo de confianza. Del mismo modo, para evaluar efectos adversos se puede
definir el nmero necesario para perjudicar (representado por sus siglas en ingls NNH),
aunque ya se ha sealado que esta terminologa es confusa y que sera preferible usar el
NNT para producir un beneficio (NNTB) y el NNT para producir un perjuicio (NNTH).
En la primera columna de la tabla 3 figuran todos los ndices calculados para los datos de
la tabla 1. Se insiste en que todos ellos estn calculados con los mismos datos, por tanto,
todos reflejan el mismo efecto del tratamiento, aunque como unos estn basados en
diferencias y otros en cocientes, la relacin entre ellos no se mantiene entre distintos
estudios, es decir, 2 ensayos diferentes pueden dar lugar al mismo RR pero diferente
NNT. Sirvan de ejemplo los resultados representados en la tabla 2, en los que los riesgos
son menores en ambos grupos (0.06 en el control y 0.04 en el tratado). Los ndices
calculados para estos datos figuran en la columna 2 de la tabla 3.

RRA: Reduccin del riesgo absoluto (complemento del RA [RRA = 1 RA])


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina15de29

RiesgoAbsoluto

Obsrvese que aunque los RR son iguales para los datos de ambas tablas, los dems
son distintos, y los NNT, muy distintos. Existe evidencia emprica proveniente de cientos
de metanlisis que sugiere que los ndices relativos (OR y RR) tienden a ser ms
parecidos entre diferentes ensayos del mismo tratamiento que los ndices absolutos (RAR
y NNT) o, dicho de otra manera, los ndices relativos seran caractersticos del
tratamiento, mientras que los absolutos dependeran del tratamiento y tambin del riesgo
basal. Para decidir si el resultado de un ensayo, expresado con un ndice absoluto como
el NNT, es aplicable en nuestro medio, hay que evaluar si el riesgo basal del ensayo es
similar al de nuestro medio y, en caso contrario, adaptar el ndice a nuestro riesgo basal.
Principales Fuentes de Error en la Cuantificacin
Una medicin de cualquier tipo es confiable cuando es capaz de lograr el mismo resultado
en distintas determinaciones realizadas del mismo modo. Para ser confiable debe estar
libre de error por azar. Una medida de cualquier tipo es vlida cuando mide todo lo que


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina16de29

desea medir, y slo eso que desea medir. Para ser vlida debe estar libre de cualquier
factor que desva los resultados en una direccin particular.

Qu es Error en Epidemiologa?
Se llama error a toda diferencia entre el valor medido, observado o calculado y el
verdadero valor. Si bien existen innumerables fuentes de error durante la realizacin de
cualquier estudio epidemiolgico, se deben evitar fundamentalmente 3 tipos de errores:

Error por efecto confusin: se describir luego.

Error por azar: sobreviene al realizar mediciones en muestras de una poblacin. Por
qu trabajamos con muestras si este proceder est sujeto a error? Por qu no
estudiamos toda la poblacin? Habitualmente, resulta poco prctico para el
investigador, en general por cuestiones de tiempo y costo, estudiar toda la poblacin
objetivo (poblacin sobre la cual se desea conocer una determinada caracterstica
susceptible de ser estudiada). Por este motivo, suele seleccionarse una parte de esta
poblacin por medio de diferentes tipos de tcnicas de muestreo. El proceso de
seleccin de una muestra no es perfecto, aunque se realice en forma correcta, y
simplemente debido a cuestiones del azar, ocurre inevitablemente el error muestral o
error por azar. De qu depende el error por azar? Fundamentalmente, del tamao de
la muestra y del mtodo o la forma que utilizamos para seleccionarla. Cuanto mayor
es el error, menor es la confiabilidad: alta confiabilidad implica menor error por azar.
En otras palabras, el test fundamental de la confiabilidad es la repetibilidad, es decir,
la habilidad de lograr el mismo resultado en distintas medidas realizadas del mismo
modo.

Error sistemtico: es un error caracterizado por ocurrir siempre en una misma

direccin. El error al recolectar el dato ocurre siempre en la misma direccin (induce al
"no"), y por eso se denomina sesgo. Si en una investigacin se introducen muchos
errores sistemticos, entonces, se encuentra amenazada su validez. En este punto,
probablemente puede resultar dificultoso establecer la diferencia entre validez,
confiabilidad, y su relacin con el error por azar y el error sistemtico.

Relacin entre Validez, Confiabilidad, Error por Azar y Error Sistemtico

Confiabilidad y Error por Azar


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina17de29

En la fila superior de la figura de la pgina siguiente, ambos blancos presentan los dardos
agrupados cerca del mismo punto. La persona que arrojaba los dardos lo hizo
aproximadamente en el mismo lugar del blanco. Por este motivo, prcticamente, no existe
error por azar en estos resultados.
En contraste, en la fila inferior los dardos se distribuyen alrededor de un rea ms amplia.
En este caso, la persona que arrojaba los dardos no lo haca exactamente de la misma
manera en uno y otro tiro, resultando los dardos distribuidos aleatoriamente en los
blancos. No son buenas rplicas uno del otro. No tienen repetitibilidad. Estos diagramas
muestran la relacin entre la confiabilidad y el error por azar. Cuanto mayor es el error,
menor es la confiabilidad. Alta confiabilidad implica menor error por azar. Como ya
mencionamos anteriormente, el test fundamental de la confiabilidad es la repetitibilidad,
la habilidad de lograr el mismo resultado en distintas medidas realizadas del mismo modo.
Validez, Error Sistemtico, Sesgos y Factores de Confusin
En la ya mencionada figura, los 2 diagramas de la izquierda contienen dardos que estn
en el centro o alrededor de ste. Aunque los dardos del diagrama inferior estn dispersos
en un rea ms amplia, estn distribuidos en un patrn aleatorio alrededor del centro.
Nada tira o atrae los dardos en una direccin especfica.
Analoga entre los conceptos de validez y confiabilidad con una "prueba de tiro al blanco
(adaptado de Alreck y Settle).


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina18de29

En contraste, los patrones de los 2 blancos de la columna de la derecha estn fuera del
centro, todos tendiendo hacia una direccin. La persona que arroj los dardos en el
blanco superior derecho tena una mano firme, pero consistentemente tiraba los dardos
ms arriba y un poco a la derecha del centro del blanco. La persona que arrojaba los
dardos en el blanco inferior derecho tena una mano menos firme y consistente, y tambin
persistentemente tiraba los dardos a la derecha y un poco ms abajo del centro. De este
modo, el efecto de un error sistemtico o simplemente sesgo es el de empujar o atraer los
resultados en una direccin especfica. Los 2 blancos de la derecha representan los
resultados de un estudio que presenta baja validez.

Posibilidad de Sesgo en Diferentes Etapas de la Investigacin

Es importante reconocer las etapas de la investigacin en la que es posible introducir
sesgo de no mediar un diseo y desarrollo meticuloso de la misma. El sesgo puede
producirse durante la seleccin de los grupos; durante la recoleccin de datos de la
enfermedad o de la exposicin y durante el seguimiento de los sujetos del estudio.

Sesgo durante la seleccin de los grupos: ocurre en el proceso de identificacin de

las poblaciones en estudio. Para evitar cometer este sesgo, debe observarse si el
grupo de estudio y de control son comparables; esto es si son tan idnticos como sea
posible excepto por la caracterstica estudiada.

Sesgo durante la recoleccin de datos de la enfermedad o de la exposicin:

puede ser debido a un error de quien es entrevistado o del entrevistador.

Sesgo introducido por el entrevistado: en este caso, la informacin obtenida de los

participantes de estudio es inexacta, generalmente debido a la diferente capacidad de
recordar antecedentes de una exposicin determinada en los grupos de estudio y de
control. El grupo con la enfermedad, generalmente, tiende a recordar ms detalles de
las exposiciones previas en comparacin con el grupo sano o sin la enfermedad.
Ocurre ms frecuentemente cuando se estudian sucesos traumticos, ya que estas
experiencias motivan a recordar subjetivamente sucesos que ocurren con frecuencia y
que en circunstancias normales se olvidaran. Tambin es probable que se introduzca
un sesgo en la investigacin, si la informacin que se busca es personal o muy
delicada. Se suele cometer con frecuencia un error cuando, en el afn de lograr
mayores detalles de la exposicin en el grupo de estudio, se busca algn mtodo de
bsqueda de informacin alternativo, que se aplica slo en aquel grupo en el cual la
informacin fue deficiente. Esto introduce un sesgo importante, ya que los mtodos de
recoleccin de informacin deben ser comparables en el grupo de estudio y de control.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina19de29

Sesgo introducido por el entrevistador o investigador: la posibilidad de un sesgo

de este tipo existe en todos aquellos casos en que la recoleccin de los datos acerca
de la exposicin est influenciada por el conocimiento por parte del entrevistador de la
enfermedad de los participantes del estudio. Si esta valoracin no se realiza en forma
ciega, o sea, desconociendo el investigador la enfermedad de las personas que
entrevista, entonces, probablemente, cometa un error sistemtico.

Sesgo durante el seguimiento de los sujetos del estudio: si durante el

seguimiento, se pierden datos sobre un gran nmero de pacientes, la validez se
encuentra seriamente amenazada. Los estudios prospectivos (aquellos que observan
la ocurrencia de enfermedad en las mismas personas en diferentes momentos) son
especialmente susceptibles a presentar sesgo.

Para evitar errores, debe recordarse que los resultados de una investigacin no sern
vlidos si la forma de seleccin y recoleccin de los datos acerca de la exposicin o la
enfermedad difieren en los grupos de estudio y de control. Es imprescindible que las
fuentes de informacin sean comparables (idnticas) en el grupo de estudio y de control.
En los estudios prospectivos de larga duracin se deben extremar las precauciones para
que se pierda el menor nmero posible de sujetos durante la etapa de seguimiento.
Efecto de Confusin
Existe otro tipo de error que se produce cuando una asociacin entre un factor y una
enfermedad est distorsionado por la presencia de otro factor que simultneamente
a. se asocia al factor de exposicin.
b. es factor de riesgo de la enfermedad en estudio y no es consecuencia del factor de
exposicin.
Este factor se denomina factor de confusin. Un factor de confusin puede ejercer
suficiente influencia, incluso para cambiar la direccin de una asociacin. El error
introducido por la presencia de factores de confusin recibe el nombre de efecto de
confusin.
En el siguiente ejemplo, un investigador estudi el consumo de caf y el cncer de
pulmn mediante el seguimiento durante 10 aos de 500 bebedores de caf y 500 no
bebedores. En este estudio, el riesgo de padecer cncer de pulmn de los bebedores
asiduos fue 10 veces mayor respecto de los no bebedores.
Relacin del factor de confusin con las variables en estudio.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina20de29

En este estudio, el fumar puede ser un factor de confusin si se supone que fumar
cigarrillos y beber caf estn asociados. En otras palabras, es ms probable que los
bebedores de caf fumen ms que los no bebedores de caf. Adems, fumar cigarrillos
est asociado con el cncer de pulmn. Por este motivo, fumar cigarrillos es un factor de
confusin potencial debido a que se encuentra asociado tanto a tomar caf como a la
ocurrencia de cncer de pulmn. Para controlar la presencia de los factores de confusin
se puede actuar sobre la seleccin de los grupos de estudio, sobre el anlisis posterior de
los resultados observados o sobre ambas etapas. En este ltimo caso, se recurre a
distintas tcnicas estadsticas, como anlisis estratificados y anlisis multivariados.
Durante la etapa de seleccin de los grupos de estudio y de control, las variables
universales que pudieran estar relacionadas con la enfermedad estudiada y sus
manifestaciones pueden introducir un efecto de confusin. La utilizacin de distintas
tcnicas puede garantizar la distribucin similar de estas caractersticas en ambos grupos
de estudio, por ejemplo la aleatorizacin, la estratificacin, el apareamiento y/o la
restriccin. Se recuerda, entonces, que siempre ha de considerarse la posibilidad de
introducir un error sistemtico durante la investigacin. El sesgo es muy difcil de evaluar
cuantitativamente, por lo que es de fundamental importancia que para controlarlo se
realicen adecuados protocolos de investigacin que permitan anticipar y controlar su
ocurrencia durante la realizacin del estudio.
Por otra parte, los factores de confusin pueden evaluarse cuantitativamente, pudiendo
controlarse tanto en la etapa de seleccin de los grupos de estudio como en el anlisis
posterior de los resultados por medio de distintas tcnicas estadsticas.
Pruebas Diagnsticas


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina21de29

Documento base
Esta seccin es una compilacin de Pita Fernndez, S. Prtegas Daz, S. Unidad de
Epidemiologa Clnica y Bioestadstica. Complexo Hospitalario-Universitario Juan
Canalejo. A Corua (Espaa)- Cad Aten Primaria 2003; 10: 120-124.
Comentarios esenciales
La medicina es una ciencia de probabilidades y un arte de manejar la incertidumbre.
Dicha incertidumbre se extiende no slo a las actividades preventivas, teraputicas y
pronsticas sino tambin a las diagnsticas. En las fases del proceso diagnstico
intervienen la historia clnica, la exploracin fsica y la realizacin de pruebas
complementarias. Cuando existen varias hiptesis diagnsticas, se realizar el
diagnstico diferencial y las pruebas complementarias tratarn de aclarar las dudas
existentes. Si slo hay una sospecha diagnstica, las pruebas complementarias tratarn
de confirmarla. La realizacin simultnea de varias pruebas se denomina pruebas
complementarias en paralelo y la realizacin de estos exmenes segn los resultados de
otras previas, se denomina pruebas complementarias en serie. Al realizar pruebas en
paralelo aumenta la probabilidad de diagnosticar a un enfermo, pero tambin aumenta la
probabilidad de considerar como enfermo a un sano. El riesgo de la realizacin de
pruebas en serie es no diagnosticar a algunos enfermos. En cambio, pocos sanos sern
considerados como enfermos. Es evidente que una buena prueba diagnstica es la que
ofrece resultados positivos en enfermos y negativos en sanos. Por lo tanto, las
condiciones que deben ser exigidas a un test son:

Validez: es el grado en que un test mide lo que se supone que debe medir. Con qu
frecuencia el resultado del test es confirmado por procedimientos diagnsticos ms
complejos y rigurosos? La sensibilidad y la especificidad de un test son medidas de su
validez.

Reproducibilidad: es la capacidad del test para ofrecer los mismos resultados

cuando se repite su aplicacin en circunstancias similares. La variabilidad biolgica del
hecho observado, la introducida por el propio observador y la derivada del propio test,
determinan su reproductividad.

Seguridad: La seguridad viene determinada por el valor predictivo de un resultado

positivo o negativo. Con que seguridad un test predecir la presencia o ausencia de
enfermedad? Ante un resultado positivo de un test, qu probabilidad existe de que
este resultado indique presencia de la enfermedad? Veremos posteriormente que esta
probabilidad est muy influenciada por la prevalencia de la patologa.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina22de29

A su vez, es conveniente que el test sea sencillo de aplicar, aceptado por los pacientes o
la poblacin general, que tenga los mnimos efectos adversos y que econmicamente sea
soportable. En este trabajo se revisarn fundamentalmente los conceptos que determinan
la validez de un test (sensibilidad y especificidad) y su seguridad (valores predictivos
positivos y negativos).
La Validez de una Prueba Diagnstica: Sensibilidad y Especificidad
El caso ms sencillo que se nos puede plantear es el de una prueba dicotmica, que
clasifica a cada paciente como sano o enfermo en funcin de que el resultado de la
prueba sea positivo o negativo. En casos como ste, generalmente un resultado positivo
se asocia con la presencia de enfermedad y un resultado negativo con la ausencia de la
misma. Cuando se estudia una muestra de pacientes, los datos obtenidos permiten
clasificar a los sujetos en cuatro grupos segn una tabla 2x2 como la que se muestra en
la tabla 1. En ella, se enfrenta el resultado de la prueba diagnstica (en filas) con el
estado real de los pacientes (en columnas) o, en su defecto, el resultado de la prueba de
referencia o gold standard que vayamos a utilizar. El resultado de la prueba puede ser
correcto (verdadero positivo y verdadero negativo) o incorrecto (falso positivo y falso
negativo). El anlisis de su validez puede obtenerse calculando los valores de sensibilidad
y especificidad.

La sensibilidad es la probabilidad de clasificar correctamente a un individuo enfermo, es

decir, la probabilidad de que para un sujeto enfermo se obtenga en la prueba un resultado
positivo. La sensibilidad es, por lo tanto, la capacidad del test para detectar la
enfermedad. Cuando los datos obtenidos a partir de una muestra de pacientes se
clasifican en una tabla como la que se muestra en la tabla 1, es fcil estimar a partir de
ella la sensibilidad como la proporcin de pacientes enfermos que obtuvieron un resultado
positivo en la prueba diagnstica. Es decir:


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina23de29

De ah que tambin la sensibilidad se conozca como tasa o fraccin de verdaderos

positivos (FVP).

Por otra parte, la especificidad es la probabilidad de clasificar correctamente a un

individuo sano, es decir, la probabilidad de que para un sujeto sano se obtenga un
resultado negativo. En otras palabras, se puede definir la especificidad como la capacidad
para detectar a los sanos. A partir la tabla 1, la especificidad se estimara como:

De ah que tambin sea denominada tasa o fraccin de verdaderos negativos (FVN).

Ejemplo: se consideran los datos de un estudio en el que se incluy a 2 641 pacientes
con sospecha de cncer prosttico que acudieron a una consulta de Urologa durante un
periodo de tiempo determinado. Durante su exploracin, se recogi el resultado del tacto
rectal realizado a cada uno de estos sujetos, segn fuese ste normal o anormal, y se
contrast con el posterior diagnstico obtenido de la biopsia prosttica. Los datos del
estudio y los resultados obtenidos se muestran en la tabla 2.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina24de29

Se encontraron en total 1 121 casos de cncer, lo cual representa un 42.45% del total de
sujetos estudiados. La sensibilidad del tacto rectal para detectar cncer fue de 56.56%
(634/1121) y la especificidad de 82.3% (1251/1520). As, el tacto fue anormal en un
56.56% de los casos de cncer prosttico y normal en un 82.3% de los casos que
presentaron finalmente otras enfermedades. Esto significa que un 100 56.56 = 43,44%
de los pacientes que efectivamente tenan cncer presentaban tactos normales.
Resulta obvio que lo ideal sera trabajar con pruebas diagnsticas de alta sensibilidad y
especificidad, pero esto no siempre es posible. En general, las pruebas de screening
deben ser de alta sensibilidad para poder captar a todos los enfermos. Una prueba muy
sensible ser especialmente adecuada en aquellos casos en los que el no diagnosticar la
enfermedad puede resultar fatal para los enfermos, como ocurre con enfermedades
peligrosas pero tratables, como los linfomas o la tuberculosis, o en enfermedades en las
que un falso positivo no produzca serios trastornos psicolgicos o econmicos para el
paciente (por ejemplo, la realizacin de mamografa en el cncer de mama).
Por otra parte, la especificidad se refiere, como se seal previamente, a la probabilidad
de que un sujeto sano sea clasificado adecuadamente. En general, las pruebas
confirmatorias del diagnstico deben ser de alta especificidad, para evitar falsos positivos.
Los tests de alta especificidad son necesarios en enfermedades graves pero sin
tratamiento disponible que las haga curables, cuando exista gran inters por conocer la
ausencia de enfermedad o cuando diagnosticar a un paciente de un mal que realmente no
padece pueda acarrear graves consecuencias, ya sean fsicas, psicolgicas o econmicas
(por ejemplo, en el caso del sida).
Seguridad de una Prueba Diagnstica. Valores Predictivos
Los conceptos de sensibilidad y especificidad permiten, por lo tanto, valorar la validez de
una prueba diagnstica. Sin embargo, carecen de utilidad en la prctica clnica. Tanto la
sensibilidad como la especificidad proporcionan informacin acerca de la probabilidad de
obtener un resultado concreto (positivo o negativo) en funcin de la verdadera condicin
del enfermo con respecto a la enfermedad. Sin embargo, cuando a un paciente se le
realiza alguna prueba, el mdico carece de informacin a priori acerca de su verdadero
diagnstico, y ms bien la pregunta se plantea en sentido contrario: ante un resultado
positivo (negativo) en la prueba, cul es la probabilidad de que el paciente est
realmente enfermo (sano)?. As pues, resulta obvio que hasta el momento slo hemos
abordado el problema en una direccin. Por medio de los valores predictivos
completaremos esta informacin:
Valor predictivo positivo: es la probabilidad de padecer la enfermedad si se obtiene un
resultado positivo en el test. El valor predictivo positivo puede estimarse, por tanto, a partir


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina25de29

de la proporcin de pacientes con un resultado positivo en la prueba que finalmente

resultaron estar enfermos:

Valor predictivo negativo: es la probabilidad de que un sujeto con un resultado negativo

en la prueba est realmente sano. Se estima dividiendo el nmero de verdaderos
negativos entre el total de pacientes con un resultado negativo en la prueba:

Retomando el ejemplo anterior sobre cncer prosttico, el VPP es en este caso del
70.21% (634/903) y el valor predictivo negativo del 71.98% (1251/1738). Ello significa que
en un 70.21% de los pacientes con un tacto anormal finalmente se confirm la presencia
de cncer, mientras que de los que no se detectaron anomalas en el tacto un 71.98%
estaban efectivamente sanos.
La Influencia de la Prevalencia
Hemos visto cmo los valores de sensibilidad y especificidad, a pesar de definir
completamente la validez de la prueba diagnstica, presentan la desventaja de que no
proporcionan informacin relevante a la hora de tomar una decisin clnica ante un
determinado resultado de la prueba.
Sin embargo, tienen la ventaja adicional de que son propiedades intrnsecas a la prueba
diagnstica, y definen su validez independientemente de cul sea la prevalencia de la
enfermedad en la poblacin a la cual se aplica.
Por el contrario, el concepto de valores predictivos, a pesar de ser de enorme utilidad a la
hora de tomar decisiones clnicas y transmitir a los pacientes informacin sobre su
diagnstico, presenta la limitacin de que dependen en gran medida de lo frecuente que
sea la enfermedad a diagnosticar en la poblacin objeto de estudio. Cuando la
prevalencia de la enfermedad es baja, un resultado negativo permitir descartar la
enfermedad con mayor seguridad, siendo as el valor predictivo negativo mayor. Por el
contrario, un resultado positivo no permitir confirmar el diagnstico, resultando en un
bajo valor predictivo positivo.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina26de29

Como sencillo ejemplo, para el diagnstico del VIH se emplean tests que han confirmado
tener una alta validez, con valores aproximados de sensibilidad y especificidad de un
99.5%. Supongamos que se aplicase esta prueba a la totalidad de la poblacin gallega,
que se cifra en 2 800 000 habitantes. Si asumimos que en Galicia existen 6 000 pacientes
VIH positivos (lo cual implicara una prevalencia de 6 000 / 2 800 000 = 0.21%), el test
resultara positivo en un total de 19 940 sujetos, obtenindose un valor predictivo positivo
del 29.9% (tabla 3).

As pues, slo un 29.9% de los sujetos con un resultado positivo en el test resultaran
estar realmente afectados, mientras que un 70.1% de los mismos no presentaran la
enfermedad. Resulta obvio que en una comunidad como la gallega la utilizacin de esta
prueba no resultara til, debido a la alta proporcin de falsos positivos que conllevara.
Veamos ahora que ocurrira si se aplicase la misma prueba a una poblacin en la que el
nmero de enfermos VIH+ fuese de 800 000 (resultando en una prevalencia mucho mayor
de un 800 000 / 2 800 000 = 28.6%). En este caso, la predictividad de una prueba positiva
aumenta de un 29.9% a un 98.7%, disminuyendo la proporcin de falsos positivos a tan
slo un 1.3% (tabla 4). Por lo tanto, si la prevalencia es alta, un resultado positivo tiende a
confirmar la presencia de la enfermedad, mientras que si la prevalencia es baja, un
resultado positivo no permitir afirmar su existencia.


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina27de29

Razones de Probabilidad
Queda claro, pues, cmo la prevalencia es un factor determinante en los valores
predictivos de un test. Por lo tanto, stos no pueden ser utilizados como ndices a la hora
de comparar 2 mtodos diagnsticos diferentes, ni tampoco a la hora de extrapolar los
resultados de otros estudios a datos propios.
En consecuencia, resulta necesario determinar otros ndices de valoracin que sean a la
vez clnicamente tiles y no dependan de la prevalencia de la enfermedad en la poblacin
a estudiar. As, adems de los conceptos de sensibilidad, especificidad y valores
predicitivos, se suele hablar de razn de verosimilitudes, razn de probabilidad, o
cociente de probabilidades, que miden cunto ms probable es un resultado concreto
(positivo o negativo) segn la presencia o ausencia de enfermedad:
La razn de verosimilitudes positiva o cociente de probabilidades positivo se calcula
dividiendo la probabilidad de un resultado positivo en los pacientes enfermos entre la
probabilidad de un resultado positivo entre los sanos. Es, en definitiva, el cociente entre la
fraccin de verdaderos positivos (sensibilidad) y la fraccin de falsos positivos (1
especificidad):


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina28de29

En cambio, la razn de verosimilitudes negativa o cociente de probabilidades

negativo se calcula dividiendo la probabilidad de un resultado negativo en presencia de
enfermedad entre la probabilidad de un resultado negativo en ausencia de la misma. Se
calcula por lo tanto, como el cociente entre la fraccin de falsos negativos (1
sensibilidad) y la fraccin de verdaderos negativos (especificidad):

En el ejemplo planteado en la tabla 2 sobre el diagnstico de cncer prosttico a partir del

tacto rectal, se obtiene un cociente de probabilidades positivo de 3.20. Ello viene a
indicarnos que un tacto anormal es, por lo tanto, 3 veces ms probable en un paciente
con cncer prosttico que en otro sujeto sin cncer. La razn de probabilidades ofrece la
ventaja de que relaciona la sensibilidad y la especificidad de una prueba en un solo
ndice. Adems, pueden obtenerse razones de probabilidad segn varios niveles de una
nueva medida y no es necesario expresar la informacin de forma dicotmica, como
resultado de normal o anormal o bien positivo y negativo. Por ltimo, al igual que sucede
con la sensibilidad y la especificidad, no vara con la prevalencia. Esto permite utilizarlo
como ndice de comparacin entre diferentes pruebas para un mismo diagnstico.
Hasta ahora se ha abordado el caso de una prueba con un resultado dicotmico (positivo
o negativo), pero en muchas situaciones la confirmacin de un diagnstico debe hacerse
a partir de un parmetro numrico, sobre todo cuando se realiza a partir de
determinaciones analticas. La generalizacin a estas situaciones se consigue mediante la
eleccin de distintos valores de corte que permitan una clasificacin dicotmica de los
valores de la prueba segn sean superiores o inferiores al valor elegido. La diferencia
esencial con el caso ms simple es que ahora se contar no con un nico par de valores
de sensibilidad y especificidad que definan la exactitud de la prueba, sino ms bien con un
conjunto de pares correspondientes cada uno a un distinto nivel de decisin. La estrategia
de anlisis adecuada consistira en representar grficamente los pares (1 especificidad,
sensibilidad) obtenidos al considerar todos los posibles valores de corte de la prueba,
obtenindose as la llamada curva ROC (receiver operating characteristic). El rea bajo
dicha curva se convierte as en el mejor indicador de la capacidad predictiva del test,
independiente de la prevalencia de la enfermedad en la poblacin de referencia y sobre la
base de la cual se pueden establecer comparaciones entre diferentes pruebas


GUADEPRCTICACLNICA

Cli107

BioestadsticaEpidemiologaBsica

Revisin:0Ao2010

Dr.M.deLuca

Pgina29de29

diagnsticas. En definitiva, es sumamente importante el saber reconocer la validez y

seguridad de las diferentes pruebas diagnsticas con el fin de seleccionar la ms
adecuada en cada momento. La sensibilidad, la especificidad y los valores predictivos son
los criterios tradicionalmente utilizados para valorar la capacidad predictiva de un test. Los
estudios de evaluacin de tests diagnsticos son el instrumento adecuado para obtener
esta informacin. No obstante, no debe olvidarse que existen determinados aspectos en
el diseo de este tipo de investigaciones que pueden afectar a la precisin y a la validez
de las estimaciones realizadas.
Una vez ms, el clculo de intervalos de confianza ayuda a conocer la precisin de los
ndices calculados. La poblacin de estudio, la estrategia de muestreo, la seleccin del
criterio de referencia y la forma de aplicacin de las pruebas diagnsticas sern algunos
de los elementos a cuidar para evitar la presencia de sesgos.
Vale aclarar los conceptos de:
SpPin (Sp = specificity; P = positive; in = dentro, seguro): cuando un test diagnstico tiene
una especificidad elevada, el resultado positivo de dicha prueba con un LR > 10 hace que
el diagnstico de la enfermedad que se investiga con dicho test sea prcticamente
seguro. En realidad SpPin es una mnemotecnia algo rebuscada pero til.
SnNout (Sn = sensibility; N = negative; out = fuera, imposible): cuando un test diagnstico
tiene una sensibilidad elevada, el resultado negativo de dicha prueba con un LR < 0.1
hace que el diagnstico de la enfermedad que se investiga con dicho test sea
prcticamente imposible.

Bibliografa

Mdulos de Epidemiologa Bsica y Vigilancia de la Salud. Curso de Epidemiologa

Bsica e Intermedia del Instituto de Investigaciones Epidemiolgicas de la Academia
Nacional de Medicina. Segunda edicin, 2004.
Pita Fernndez S, Prtegas Daz S. Unidad de Epidemiologa Clnica y Bioestadstica.
Complexo Hospitalario-Universitario Juan Canalejo. A Corua (Espaa)- Cad Aten
Primaria 2003; 10: 120-124.