UNIVERSIDAD NACIONAL DEL NORDESTE FACULTAD DE MEDICINA Ao 2004

ATENCIN PRIMARIA DE LA SALUD, EPIDEMIOLOGA E INFORMTICA II

INTRODUCCIN A LA EPIDEMIOLOGA
EPIDEMIOLOGA
El estudio de los problemas de salud y enfermedad se lo hace desde la clnica con un enfoque individual: es el paciente el sujeto de estudio. Sin embargo, el conocimiento de la clnica proviene tanto de investigaciones realizadas en ese nivel individual como de estudios colectivos sobre la salud y la enfermedad. Este ltimo es el enfoque epidemiolgico. En la definicin de Mac Mahon, B. (epidemilogo norteamericano contemporneo): Epidemiologa es el estudio de la distribucin de las enfermedades y de sus determinantes en la poblacin. Siendo distribucin una categora de poblacin y determinantes de enfermedad; en realidad, la definicin podra sintetizarse como el estudio de la enfermedad en la poblacin. Y de esto trata esta ciencia que se interrelaciona estrechamente con la clnica: aqulla se nutre de los conocimientos que le aportan la observacin y la experimentacin en grupos de personas y la epidemiologa dirige su investigacin en el sentido que la clnica lo requiere. Adems de la clnica, la epidemiologa depende del conocimiento de otras disciplinas: las ciencia sociales, ambientales, estadstica, etc. Las aplicaciones de la epidemiologa son mltiples: en el diagnstico de situacin de salud de la poblacin, en el estudio de la causalidad (incluyendo, y muy especialmente, el de factores de riesgo), en la evaluacin de procedimientos teraputicos, en el estudio de la historia natural y social de la enfermedad, en la evaluacin de los servicios de salud y calidad de la atencin mdica, como gua para la lectura crtica de trabajos cientficos; etc.

EL MTODO EPIDEMIOLGICO
Puede considerarse al mtodo epidemiolgico un caso especial del mtodo cientfico. Por lo tanto, le caben las consideraciones conceptuales e instrumentales de aqul. Como aplicacin especial, dispone de herramientas propias y tcnicas adecuadas a su objeto de estudio. Como en todo mtodo, se distinguen en el epidemiolgico tres elementos constitutivos: 1) un tipo de raciocinio; 2) una estrategia de intervencin y 3) una tcnica de anlisis. El raciocinio epidemiolgico tiene como ejes directrices a la causalidad y a la inferencia inductivista. Si con algo se ha identificado al mtodo es, precisamente, con la investigacin de las causas de las enfermedades. Por influencia de la clnica (aunque, mucho antes, de la filosofa misma) este concepto de causa ha estado ligado a la causa etiolgica; y, desde fines del s. XIX, con el descubrimiento de la vida microbiana y el paradigma de la teora del germen, a la monocausalidad y a los microbios. El mayor conocimiento y el avance de las enfermedades no infecciosas de comienzos del s. XX Prof. Dr. Alberto C Palladino 1

hicieron insuficiente la etiologa y la causa nica para dar cuenta de la ocurrencia de las enfermedades; advirtindose que otros factores eran necesarios para ello. As, por ejemplo, el bacilo de Koch (agente etiolgico de la tuberculosis) requiere de otros condicionantes (contacto, hacinamiento, inmunodepresin, etc.) para desencadenar la entidad nosolgica de referencia. As, se vir del paradigma de la unicausalidad al de la multicausalidad; en el que la idea de causa est vinculada, adems de la etiolgica, a la multiplicidad de factores que preceden y condicionan la aparicin de la enfermedad. A estos se los llaman factores de riesgo. Un factor de riesgo puede ser definido como una particularidad, una caracterstica o una condicin de las unidades del estudio asociada a una mayor probabilidad de ocurrencia de un dao a la salud (enfermedad o muerte). Al considerar, ahora, la existencia de mltiples causas y de su variabilidad entre diferentes grupos poblacionales, surge la necesidad de mesurar cuidadosamente la presencia de esos factores de riesgo y de los respectivos daos a ellos vinculados, con la finalidad de definir la mayor o menor probabilidad de enfermar o morir (riesgo) segn la intensidad de la presencia de esos factores. Aqu la estadstica (ciencia de la cuantificacin) constituye el instrumento idneo para la valoracin; aportando, asimismo, tcnicas tiles para la generalizacin. Esto ltimo es necesario toda vez que los estudios epidemiolgicos se efectan sobre muestras y por el inters en concluir (a partir de aquellas) sobre la poblacin (universo) en estudio. Esto es un proceso de inferencia inductivista (va desde lo particular a lo general). A fin de aproximarse a su objeto de estudio (la enfermedad en la poblacin) la epidemiologa recurre a estrategias de investigacin que, actuando sobre el colectivo, tratan de explicar su causalidad a partir de la asociacin entre fenmenos (factores de riesgo y dao). Segn el nivel de esa explicacin, se distinguen estudios descriptivos y estudios analticos. Dentro de los primeros, se tiene a los estudios ecolgicos; caracterizados por la descripcin de frecuencias de la enfermedad y de caractersticas poblacionales (potenciales factores de riesgo) referidos al nivel grupal. Suelen ser los primeros estudios, de aproximacin, sobre causalidad. Suelen ser ms rpidos y, por lo tanto, simples y baratos, porque recurren a estadsticas disponibles. Su desventaja reside en que identifican la coexistencia de la caracterstica y del dao en cada individuo, sino que hacen referencia a proporciones de la poblacin que los poseen. Por ejemplo, podra encontrarse relacin entre niveles de instruccin alcanzado y actividad delictiva de la poblacin. Sera una conclusin errnea el afirmar que la educacin favorece la delincuencia. Asociar, as, ambos (caracterstica y dao) a partir de relaciones encontrados en indicadores grupales (y no en los individuos) es un error al que se denomina falacia ecolgica. Los estudios transversales (a veces, de prevalencia) miden la presencia simultnea de la caracterstica (posible factor de riesgo) y el dao en cada unidad estudiada (individuo, familia, etc.). Aventajan a los anteriores en la posibilidad que tienen de asociar el factor y la enfermedad en el nivel individual. Los estudios descriptos tienen la limitante de no poder constatar si existi precedencia del factor (antecedente de importancia para la definicin de causalidad). Sern de prevalencia solo si el estudio se ha efectuado sobre una muestra representativa de la poblacin. Si bien los estudios descriptivos no son suficientes para asignar causalidad a una relacin factor/dao, son importantes para verificar esa relacin; es decir, presumir la existencia de una asociacin estadstica. Se denomina asociacin estadstica a la relacin observada entre una caracterstica y un dao en el sentido de la variacin simultnea (de sus respectivas frecuencias). Por ejemplo se suele encontrar asociacin entre: intervalo gensico y peso al nacer; perodo de incubacin del ttanos y su letalidad;
Prof. Dr. Alberto C Palladino

iniciacin sexual y acn juvenil. La caracterstica y el dao pueden variar en el mismo sentido (a mayor frecuencia de uno mayor frecuencia del otro, como es el caso del ltimo ejemplo) y a esto se lo llama asociacin directa; o en sentido opuesto (a mayor frecuencia de uno menor frecuencia del otro, como son los dos primeros ejemplos) y a esto se lo llama asociacin inversa. En estas relaciones hay asociacin estadstica (puramente cuantitativa); pero esto no implica que haya all relaciones de causalidad. No podra decirse, por ejemplo, que la iniciacin sexual es causante del acn o viceversa; por ms que se observe, con alta frecuencia, que ambos fenmenos ocurren con cierta simultaneidad. Para asignar causalidad a una asociacin estadstica es necesario recurrir a otros criterios. R. Koch estableci los siguientes postulados para considerar a un agente como causal: 1) se debe poder aislar siempre del enfermo (nocin actual de causa necesaria); 2) su sola presencia debe poder desencadenar la enfermedad (nocin de causa suficiente) y 3) si un agente es capaz de desencadenar una enfermedad no debe serlo de otra (nocin de causa especfica). Estos principios, formulados bajo la fuerte influencia de los descubrimientos microbianos, no son aplicables en la actualidad. Ms modernamente, B. Austin Hill (Inglaterra, 1965) defini los siguientes criterios para pensar en causalidad existiendo una asociacin estadstica: 1) asociacin estadstica fuerte, 2) secuencia temporal (la causa debe anteceder al efecto), 3) relacin dosis - respuesta, 4) consistencia de los hallazgos en diferentes estudios, 5) especificidad de la asociacin, 6) coherencia de los resultados con teoras preexistentes, 7) plausibilidad biolgica, 8) evidencia experimental y 9) analoga (con otras situaciones y/o asociaciones). En la medida en la que un estudio pueda satisfacer mayor nmero de estos criterios, mayor ser la validez de la conclusin de causalidad. La satisfaccin de estos criterios (no necesariamente de todos) permitirn hablar de una asociacin causal cuando se ha observado, previamente, una asociacin estadstica. Obsrvese que solamente dos de estos criterios (la asociacin fuerte y la relacin dosis-respuesta) se valora estadsticamente; el resto es aplicacin de lgica del razonamiento y de conocimiento especfica del tema en cuestin. Los estudios descriptivos suelen brindar una primera informacin (a veces, difusa) sobre asociaciones estadsticas. Los estudios analticos posibilitan reunir ms criterios para evaluar la posible causalidad en la relacin. Se usan estudios de casos y controles (o casos y testigos), de cohortes y experimentales. En todos ellos una caracterstica es la del control en el sentido de que debe existir un grupo distinto al de estudio por no poseer la caracterstica que lo defini (antecesora posible causa- o efecto problema de salud en estudio-). En los de casos y controles se define un grupo con el dao en estudio (enfermedad o muerte) y otro grupo sin ese dao y se indaga su vinculacin en el pasado con el presunto factor de riesgo. Son estudios retrospectivos. Si se observa una relacin diferente entre ambos grupos (los que poseen el dao estn ms asociados al factor que los que no lo poseen) y esa diferencia es ostensible se cumplira el primero de los criterios de Hill: asociacin fuerte. La intensidad de esta asociacin se mide por medidas de riesgo (que se vern mas adelante). Estos estudios son rpidos y relativamente simples de efectuar; requieren menores recursos y son tiles cuando el fenmeno es de baja incidencia. Permiten, asimismo, evaluar varias caractersticas en la bsqueda de factores de riesgo. Entre sus desventajas se cuentan: suelen estar afectados por sesgos que pueden llegar a limitar su validez (sobretodo porque dependen de registros y/o de la
Prof. Dr. Alberto C Palladino

declaracin de personas); no se puede estimar incidencia en la poblacin del fenmeno en estudio a partir de las asociaciones encontradas y no son aplicables cuando la exposicin es de baja frecuencia en la poblacin. En los estudios de cohorte se define un grupo de personas expuestas a un factor y otro grupo de no expuestos (o testigo) y se efecta el seguimiento en el tiempo (prospectivo), determinndose la frecuencia de presentacin de dao en cada grupo. Al igual que en el caso anterior, adquiere valor (como criterio de causalidad) la relacin factor/dao diferente entre ambos grupos. Son de mayor validez que los anteriores porque, adems de constatar la fuerza de la asociacin (estadsticamente), pueden brindar informacin sobre la secuencia temporal (la antelacin del factor respecto al dao es observable); satisfaciendo, as, otro de los criterios de causalidad (de Hill). Son tiles, adems, cuando la poblacin tiene una baja frecuencia de exposicin (al factor en estudio). Permiten, asimismo, calcular la incidencia del dao en la poblacin estudiada. Sus desventajas estn vinculadas al largo tiempo que insumen, al mayor recurso necesario y a que suelen estar afectados por prdidas de las unidades observadas (abandonos, muertes, etc.). Asimismo, se tornan de difcil ejecucin cuando el dao esperado es de muy baja frecuencia. (Para que puedan ocurrir, al menos, unos pocos casos los grupos deben ser muy numerosos). En los experimentales (de mayor validez que los anteriores) el estudio es, tambin prospectivo; pero, a diferencia del anterior, en stos el investigador manipula los factores en estudio. El clsico experimento de laboratorio es un buen ejemplo; aunque no se limitan a l este tipo de estudio. Se dice que un experimento es tal cuando cumple los siguientes requisitos: 1) el observador puede manejar la exposicin (las variables antecesoras); 2) debe existir grupo control y 3) la asignacin a cada uno de los grupo (estudio y testigo) debe hacerse al azar (randomizado). Cuando no cumple alguno de estos requisitos se habla de estudios cuasi-experimentales. La aleatoriedad en la asignacin a los grupos persigue como finalidad el que los sujetos en experimentacin no sepan cul es su situacin (y que esto pueda influir en los resultados). A esto se lo llama a ciegas; y, a fin de evitar la posible influencia del observador, se requiere que el tambin desconozca a qu grupo pertenece cada sujeto (doble ciego). Cuando es posible (y siempre buscando minimizar el error) se evita que el observador desconozca la interpretacin del lo que est observando (triple ciego). En los estudios experimentales se agrega la ventaja de poder mesurar la relacin dosis-efecto; cumpliendo otro de los criterios de B. A. Hill. A veces, es posible utilizar un solo grupo al que, alternativamente, se lo somete a perodos de intervencin (tratamiento medicamentoso, por ejemplo) y a perodos de no intervencin. Se los denomina estudios de antes-despues y, aunque su aplicacin tiene restricciones (no deben existir efectos residuales de los tratamientos, por ejemplo), son convenientes por la mayor comparabilidad entre los grupos (en realidad es el mismo grupo el que acta como estudio y como testigo). En otra variante, los de cohortes cruzados, se suelen alternar las roles del grupo de estudio y del grupo testigo (alternando las intervenciones en cada uno). Los pasos, sintetizados, del proceso de investigacin epidemiolgica coinciden con los del mtodo cientfico en general. Recurdese que la caracterstica principal es que se est estudiando poblaciones y, en ellas, enfermedades o problemas de salud. Si bien se suelen presentar variadas formas de esquematizar este proceso, en general todas coinciden en que deben incluirse: 1. CONCEPCIN DE LA IDEA. 2. PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIN. 3. OBJETIVOS DE LA INVESTIGACIN.
Prof. Dr. Alberto C Palladino

4. REVISIN CONCEPTUAL DEL TEMA: BIBLIOGRAFA, ANTECEDENTES DE TODO TIPO (AN, RUMORES), ESTADSTCAS, ETC. FORMULACIN DEL MARCO TERICO. 5. FORMULACIN DE HIPTESIS. 6. PLANIFICACIN DEL ESTUDIO QUE COMPRENDE, ENTRE OTROS: - SELECCIN Y OPERACIONALIZACIN DE VARIABLES. DEFINICIONES. - DEFINICIN DE CATEGORAS Y ESCALAS DE MEDICIN. - DEFINICIN DE LAS UNIDADES DE ANLISIS. - ELECCIN DEL DISEO DE INVESTIGACIN. - DEFINICIN DE UNIVERSO, MUESTRA Y TCNICA DE MUESTREO. - ELABORACIN DEL INSTRUMENTO Y DE LOS PROCEDMIENTOS DE MEDICIN. PRUEBAS DE CONFIABILIDAD Y VALIDEZ DEL INSTRUMENTO. - PLAN DE ANLISIS DE LOS DATOS. - PRUEBA PILOTO 7. RECOLECCIN DE LOS DATOS. 8. PROCESAMIENTO, ANLISIS E INTERPRETACIN DE LOS RESULTADOS. 9. CONCLUSIONES Y SUGERENCIAS. 10. ELABORACIN DE UN INFORME Las unidades de anlisis son cada uno de los elementos bsicos del conjunto a estudiar. Pueden ser pacientes (muy habitual en los estudios de la clnica y en estudios epidemiolgico), familias, un curso escolar, todo un barrio, un pas, etc. En cada unidad de anlisis debe ser posible observar el fenmeno en estudio. A fin de estudiar el fenmeno se miden (se observan y cuantifican) caractersticas que se consideran vinculadas a aqul. Estas son las variables; las que se definen como particularidades, condiciones, caractersticas o atributos de los individuos que pueden variar de un individuo a otro o, an en algunos casos, en un mismo individuo en distintos momentos. Si el fenmeno en estudio es infeccin HIV, por ejemplo, las variables podran ser: sexo, edad, hbitos sexuales, antecedentes de contactos sexuales, clase social, estado civil, etc., de las personas a observar. Toda caracterstica que pudiera tener vinculacin con el fenmeno (y que puede variar en su modalidad de presentacin) es una variable pasible de estudio. No siempre una variable es posible medir (observar y cuantificar) directamente; algunas veces requieren un tratamiento que las lleve a un punto en el que sea factible la medicin. Por ejemplo, accesibilidad a los servicios de salud (como variable) puede tener distintas facetas o subcaractersticas: accesibilidad geogrfica, econmica, cultural, etc. Estas son dimensiones de las variables que permiten acercarse al sujeto de investigacin con una mayor especificacin. Las dimensiones son, nuevamente, variables que estn contenidas en la variable principal. Al igual que sta, una dimensin tampoco es pasible de medicin. Es necesario encontrar algo, una caracterstica ms concreta que s pueda ser medida. As, la accesibilidad geogrfica puede ser medida como: horas que se tarda en llegar al servicio o en distancias en metros o kilmetros. Estos ltimos son indicadores, variables concretas que permiten la observacin de las unidades de anlisis y su medicin. Este proceso de definir indicadores a partir de variables complejas se denomina operacionalizacin de variables. A veces, la definicin respecto al estado de una variable suele resultar de una sntesis de varios indicadores. Por ejemplo, en la valoracin de vitalidad del recin nacido (variable) el Score de Apgar es una sntesis de varios indicadores. Para mesurar satisfaccin de necesidades como variable, el ndice N.B.I. (Necesidades Bsicas Insatisfechas) se construye, tambin, a partir de un conjunto de indicadores. No siempre es indispensable este proceso de operacionalizacin. Sexo, por ejemplo, no requerir
Prof. Dr. Alberto C Palladino

mayor tratamiento metodolgico para poder utilizarlo en la observacin. Cada uno de los estados en los que puede encontrarse la variable se denomina categora, clase, o valor. Por ejemplo varn/mujer para sexo; soltero/casado/viudo/etc. para estado civil; valores en cm. para talla; unidades U.I. para diversas determinaciones bioqumicas; etc. Estas categoras (o clases o valores) de las variables, a veces, se expresan en forma literal (argentino, para nacionalidad) y a veces en forma numrica (38 aos, para edad). En este ltimo a la/s palabras/s que acompaan al valor numricos (aos, en el ejemplo) se las denomina unidad de medida. El total de unidades de anlisis de un conjunto observado constituye el universo o poblacin de una investigacin. A l sern referidos los resultados; aunque el estudio se suele hacer sobre una muestra del mismo. Para que las conclusiones obtenidas a partir de la observacin de una muestra sean aplicables al universo, es necesario que la muestra sea representativa. Es decir, debe replicarse en ella la constitucin del universo (en cuanto a sus caractersticas). Para el caso de la investigacin cuantitativa (como lo es la epidemiolgica) la representatividad se consigue con una muestra probabilstica (al azar). Existen varios tipos de muestras probabilsticas; lo que no es del alcance de este resumen. Entindase que aqu se habla de representatividad, principalmente, en trminos estadsticos. Es decir, la posibilidad de generalizar los resultados cuantitativos a la poblacin objeto. Una muestra no probabilstica no tendr esta posibilidad; aunque, sin embargo puede aportar importante informacin al problema en estudio. Cuando se desea estudiar la relacin entre una caracterstica (como presunto factor de riesgo) y un fenmeno o dao a la salud y existe una segunda caracterstica asociada tanto al factor como al fenmeno en estudio, esta segunda caracterstica puede confundir la interpretacin de los resultados. Si ambas caractersticas estn asociadas (se presentan con simultaneidad) no podr afirmarse que el fenmeno est asociado a una de las dos exclusivamente. Un ejemplo lo constituye la asociacin entre estado civil de la madre y mortalidad infantil (en la presuncin de que los hijos de madres solteras tienen mayor riesgo de muerte) si no se tiene en cuenta la edad (siendo un hecho observado que los hijos de madres muy jvenes tienen, tambin, una mayor mortalidad). Al evaluar los resultados no se podr asegurar si la mayor mortalidad de los nios de madres solteras es una asociacin genuina (es decir, ese estado civil influye en la mayor frecuencia del fenmeno) o que la edad precoz de las madres, siendo solteras en proporcin importante, y no su estado civil es la causa del fenmeno. En este caso, convendra evaluar los riesgos diferenciales por estado civil para cada grupo etreo; de modo que al comparar, por ejemplo, las mujeres de 15 a 19 aos segn estado civil no quepa la duda mencionada. Otro ejemplo: si se mide la mortalidad posoperatoria de un cirujano de prestigio (al que se le derivan casos difciles o complicados) es probable encontrar que la misma sea elevada con respecto a otro cirujano. Sera errneo interpretar que esa mayor mortalidad est vinculada a la pericia o idoneidad del profesional. Convendra, mejor, obtener la mortalidad por nivel de gravedad de los pacientes para poder efectuar comparaciones. Ahora, s, se podra cotejar la mortalidad posoperatoria de pacientes de aquel cirujano con la de otro/s (dentro de un mismo tipo de pacientes) y efectuar conclusiones sobre la posible relacin causal entre el profesional y el fenmeno. Estas variables que pueden hacer dudar sobre una asociacin se denominan variables de confusin y es necesario controlarlas (es decir, neutralizar su efecto) como en el ejemplo dado. La no consideracin de este problema da lugar a un tipo de sesgo (error sistemtico, en una direccin) muy frecuente. Cuando se hace referencia a una experiencia en la que los pacientes han sido elegidos por el observador se debe tener presente que ste puede haber seleccionado a los sujetos en funcin de caractersticas que los hacen no representativos de su grupo; por lo que
Prof. Dr. Alberto C Palladino

resultar un error el generalizar los resultados a una poblacin no igual a ellos. En sntesis, entonces, una variable de confusin es aqulla que se halla asociado tanto al fenmeno (efecto) cmo al factor en estudio (presunta causa), no siendo una variable intermedia en la asociacin referida; por otra parte, no es la variable que se desea estudiar o medir. Su presencia en el grupo de observacin, entonces, puede determinar conclusiones errneas en cuanto a asociacin con el fenmeno al compararlo con otro grupo. El control de estas variables se logra al cuidar que las comparaciones se efecten entre grupos con igual presencia de esa variable. Las hiptesis son la relacin entre variables que se expresan como una explicacin del fenmeno y que marcan el rumbo del trabajo de investigacin. Surgen del marco terico, de la definicin de las variables, y se enuncian con sentencias positivas. Por ejemplo: la utilizacin de la tcnica X en la intervencin quirrgica Z disminuye el tiempo de internacin o los nios con mayor contencin afectiva desarrollan con menor frecuencia cuadros psiquitricos. A veces no existen hiptesis explcitas; pero estn presentes (implcitamente) en el estudio. Otras veces, directamente, no existen (como en un estudio exploratorio); no siendo esto una deficiencia, sino una caracterstica propia del diseo. En un estudio analtico deben existir hiptesis; ya que, justamente, lo que ellos intentan es explicar algn tipo de asociacin previamente encontrada. A fin de valorar los resultados se recurre a tcnicas de anlisis. Ya se dijo que la estadstica es una de las disciplinas ntimamente ligada a la epidemiologa. Las tcnicas estadsticas constituyen, as, una herramienta poderosa del mtodo. Puede resumirse la utilidad (y el tipo) de las mismas diciendo que deben responder a tres preguntas bsicas: 1) En qu medida ocurre el hecho?. 2) Existe asociacin entre el hechos y otro factor?. 3) Cul es la chance de que esa asociacin sea casual (no causal)?. Existen diferentes tcnicas de anlisis de la informacin que, en definitiva, responden a las cuestiones planteadas en las preguntas anteriores: 1) Medidas de ocurrencia. Para ponderar la intensidad de ocurrencia del fenmeno se utilizan medidas de resumen. Estas brindan informacin (en forma sinttica) sobre los valores de una serie cuantitativa. Existen medidas de posicin (llamadas as porque hacen referencia a un valor puntual de la escala) que pueden ser de dos tipo: de posicin central (o de tendencia central) y de posicin no central. Dentro de las primeras se ver aqu: la media aritmtica, la mediana y el modo. La media aritmtica (o promedio) ofrece una referencia de la posicin central de los valores de la serie. El promedio de notas de un alumno es un ejemplo: en lugar de expresar su rendimiento acadmico mediante la mencin de treinta o ms valores se lo hace mediante el promedio. En algunas series esta medida no es buena como resumen del conjunto de valores. Si el ingreso per cpita se lo expresa por la media aritmtica se usar un valor que no representa claramente lo que le ocurre a la poblacin; ya que, seguramente, la mayora de la misma gana por debajo de ese valor y ste estar muy influido por unos pocos individuos que ganan muy mucho. Para estas series (asimtricas por la forma en que se distribuyen sus valores) es mejor utilizar la mediana. El valor de la observacin que est en el centro de la serie es el valor que asume la mediana. Por ejemplo, de dos mil asalariados la mediana estara dada por el ingreso de aqul que, en forma ordenada en funcin del monto de sus ingresos, est ubicado como nmero mil. As, esta medida hace referencia al centro de la distribucin sin que se vea influida por valores extremos.
Prof. Dr. Alberto C Palladino

Adems de ignorar esos valores aberrantes, tiene la ventaja que su clculo es simple (no deben incorporarse todos los valores individuales, como para la media). El modo es otra medida de ocurrencia. Expresa el valor que ms se repite en una serie. Su utilidad como valor representativo es menor que las anteriores medidas. Los promedios no brindan informacin sobre la forma en que se distribuyen los valores. Por ejemplo, el promedio del alumno ejemplificado podra provenir de notas muy bajas (con varios aplazos) y muy altas (con varios 10), pudiendo tener una media aritmtica de 6.5 puntos. En tanto, otro alumno cuyas notas fueran todas 6 y 7, podra tener ese mismo promedio. A fin de ver la dispersin de los valores se utilizan medidas de dispersin. De ellas son las ms conocidas (y utilizadas) la amplitud (o rango), la varianza y el desvo estndar. La amplitud no es ms que la diferencia entre el mayor y el menor valor de una serie. Su utilidad es limitada. La varianza es de suma utilidad en el clculo de gran parte de medidas estadstica. El desvo estndar (quiz, el ms utilizado para describir la distribucin de valores en una serie) constituye un promedio de la dispersin de las observaciones segn sus valores en torno a la media aritmtica. Brinda una idea acerca del nmero de observaciones que estn a determinada distancia de la media; lo que puede expresarse como porcentaje del total de casos. Supngase que el alumno, cuyo promedio de calificaciones era 6.5 puntos, tuviera una dispersin en esas notas expresada por un desvo estndar de 1 punto. Esto significa que entre 5.5 y 7.5 puntos (la media 1 desvo estndar) se encuentra el 68.3 % de las observaciones; entre 4.5 y 8.5 puntos (la media 2 desvos estndar) se encuentra el 95.4 % y entre 3.5 y 9.5 puntos (la media 3 desvos estndar) se encuentra el 99.7 % de las observaciones. Es posible, entonces, tener una idea por el desvo estndar de la mayor o menor concentracin de las observaciones en torno a la media aritmtica. Cuanto menor sea el valor del desvo estndar, en relacin a la media aritmtica, mayor ser la concentracin de las observaciones en torno a ese promedio. La medidas de posicin no central son llamados, tambin, fractiles o cuantiles. Son valores que marcan la posicin en la escala de una observacin ubicada en determinado lugar de la serie. De ese modo, se brinda una idea de cuantas observaciones existen en esa serie por encima y por debajo de ese valor. De ellos destcanse, por su mayor uso, los percentilos (o percentiles o centiles). La serie se divide en cien y cada tramo de esta divisin corresponde a un percentilo. El valor de ese percentilo ser el de la observacin ubicada en ese lugar. Por ejemplo, si la serie la componen cuatrocientas observaciones, el percentilo 1 corresponder a la observacin ubicada en el cuarto lugar (400/100) y el valor del percentilo 1 ser el que tenga esa observacin. El percentilo 50 ser el ubicado en el 200avo. lugar (400/100 x 50) y el valor de ese percentilo ser el de esa observacin. El percentilo 50 coincide con la mediana. De la misma manera se puede dividir la serie de observaciones en diez y se obtienen los deciles; en cinco, obtenindose quintiles o en cuatro y se obtienen los cuartiles. El cuartil 1 (Q1) es el valor correspondiente a la observacin que deja un 25 % de unidades por debajo; el cuartil 3 (Q 3) es el valor de la observacin que deja el 75 % de las unidades por debajo. Los cuartiles son muy utilizados para describir fenmenos sociales, como la distribucin del ingreso. Cuando se dice que el quintil superior gana 30 veces ms que el quintil inferior, se est diciendo que el 20 % de los que ms ganan superan en 30 veces sus ingresos al 20 % de los que menos ganan. Como se ve, aqu se dice el quintil superior haciendo referencia al tramo que est entre el 80 % y el 100 % de las observaciones. Es una extensin (en el uso) del trmino quintil que, en realidad, corresponde a una posicin puntual. El espacio intercuartlico es la diferencia entre el Q3 y el Q1 y sirve para expresar el rango (o amplitud) en el que estn contenido el 50 % de las observaciones.

Prof. Dr. Alberto C Palladino

Otras medidas de ocurrencia de los fenmenos, muy utilizadas en epidemiologa, son las tasas. Una tasa es una cifra relativa (un cociente) por la que se relaciona el nmero de casos de un fenmeno, ocurridos en un perodo y en un lugar definidos, con la poblacin en la que ellos tuvieron origen. La tasa expresa el riesgo de sufrir un fenmeno (el que va en el numerador) por parte de la poblacin expuesta (que se coloca como denominador). Las tasas aplicadas a morbilidad (enfermedad) miden la incidencia (frecuencia de casos nuevos de una enfermedad en un perodo determinado) y la prevalencia (nmero de casos en un momento dado). Por ejemplo, la tasa de incidencia de la tuberculosis (TBC) de la Provincia de Corrientes en el ao 2001 se obtendr relacionando el nmero de casos diagnosticados en ese ao (491) con la poblacin estimada (930.991 hab, segn el ltimo censo) = 491 / 930.991 = 0.000527395. Como el resultado es siempre inferior a la unidad (y con frecuencia es un nmero muy chico, con varios ceros despus de la coma, como en este caso) se lo multiplica por un factor de amplificacin (100, 1000, 10000, 100000, etc.) para una mayor comodidad en la expresin. En el ejemplo dado, podra expresarse que la tasa de incidencia de la tuberculosis en 2001 en Corrientes fue de 52,74 oo (se lee: cincuenta y dos con setenta y cuatro por cien mil). Esto significa que en ese perodo ocurrieron cincuenta y dos casos (y un poco ms) de TBC cada cien mil habitantes. De esta manera una tasa resulta una medida que es fcilmente comparable entre distintas poblaciones; ya que expresa el nmero de casos cada una misma base de comparacin poblacional (100.000 habitantes en el ejemplo dado) sin interesar el tamao de esas poblaciones y el total de casos del fenmeno estudiado. Asimismo, como fue dicho, expresa un riesgo. En el ejemplo dado: el riesgo de padecer TBC por la poblacin de referencia es el que indica la expresin (52,74 oo). Si se la compara con otra poblacin en donde la tasa de incidencia fuera, por ejemplo, del 100,00 oo, se concluir que sta ltima tiene el doble de riesgo de enfermar respecto a la anterior sin que sea necesario conocer, o mencionar, el nmero de enfermos ni de la poblacin. La tasa de prevalencia, en tanto, slo refiere los casos presentes en un momento respecto a una poblacin. En el supuesto de que el da 1 de junio de 2001 hubiera habido en la provincia 280 casos registrados de tuberculosis, la tasa de prevalencia sera del 30,08 oo (280 / 930.991 x 100.000). Las tasas de mortalidad relacionan el nmero de defunciones con la poblacin de origen de las muertes. Corrientes tiene una tasa de mortalidad general para 2000 del 6,20 (seis con veinte por mil). La interpretacin (en cuanto a riesgo y comparabilidad) es la misma que para las tasas en general. 2) Medidas de asociacin. Adems de las medidas de ocurrencia de los fenmenos, y para seguir con su cometido, a la epidemiologa le interesa encontrar caractersticas (variables) de las personas que se encuentren con mayor frecuencia en grupos poblacionales en donde la enfermedad se presenta, tambin, con mayor intensidad. De esto surgen asociaciones estadsticas que sugieren qu variables estn relacionadas con el fenmeno. La idea es encontrar asociaciones estadsticas, para luego avanzar en el estudio de la causalidad (ver criterios de Hill). Recurdese que no se habla, aqu, de causa slo en el sentido de la etiologa; sino, tambin y principalmente, de las caractersticas que favorecen la ocurrencia de un fenmeno; es decir, de factores de riesgo. Una asociacin causal incluye, entonces, la vinculacin de un factor de riesgo con un dao a la salud en donde se pueda evidenciar que el primero facilita, condiciona o aumenta la probabilidad de ocurrencia del segundo. Factor de riesgo es toda caracterstica, condicin o particularidad de las personas que aumentan la probabilidad de sufrir un dao. Dentro de las medidas de asociacin se destacan: el riesgo relativo (RR) y los coeficientes de correlacin (como el de Pearson). El riesgo relativo se lo obtiene por el cociente entre tasas de incidencia: la de un grupo expuesto a un factor de
Prof. Dr. Alberto C Palladino

riesgo y la del resto de la poblacin (no expuesta a ese factor). Su resultado, expresado como un valor absoluto (5 por ejemplo), expresa el nmero de veces en ms que la poblacin expuesta (la que tiene el factor) tiene como riesgo de sufrir el dao respecto a la no expuesta. Cuando las medidas de ocurrencia (tasas) provienen de estudios transversales el RR se lo obtiene a partir de tasas de prevalencia. Si provienen de un estudio de casos y controles se aplica un estimador del RR, el odds ratio. Todas estas tcnicas de valoracin del RR tienen similar interpretacin. El coeficiente de correlacin de Pearson vara entre - 1 y + 1 e indica el nivel de vinculacin (asociacin) del factor con el dao: cuanto ms cerca de - 1 o de + 1 est el valor de ese coeficiente, mayor asociacin existe (inversa o directa segn se aproxime al lmite negativo o al lmite positivo); marcando 0 la ausencia de asociacin. 3) Medidas de significacin estadstica. Estas se utilizan para dar respuesta a la tercera de las preguntas planteadas. Los estudios sobre poblaciones humanas se realizan, generalmente, sobre una muestra del universo investigado. Esto es as por la amplitud de dicho universo y por tratarse de un conjunto permanentemente cambiante. La tcnica del muestreo permite obtener resultados que, cuando se ha realizado con rigurosidad metodolgica, son generalizables a la poblacin de la que fue extrada la muestra y, an, a otras poblaciones que posean caractersticas similares. Sin embargo, esta generalizacin tiene un margen de error derivado del hecho mismo de no trabajar con el total de las observaciones, sino con una parte; la que (en algunos casos y por azar) podra no ser representativa del conjunto. Si bien no es posible identificar a la muestra no representativa, puede estimarse la probabilidad de que los resultados obtenidos con cualquier muestra no se correspondan con los del universo. Se suele representar esa probabilidad por la letra "p" seguida de una fraccin de la unidad que indica la probabilidad de error. Por ejemplo: "p = 0,05" significa que existe un cinco por ciento de probabilidad de que el valor hallado en la muestra (un promedio o una tasa) no se corresponda con el del universo; "p < 0,01" significa que esa probabilidad de error es menor del uno por ciento. Suele tomarse como aceptable un error no mayor al cinco por ciento (p 0,05); aunque esto es una convencin que slo intenta marcar un margen de seguridad sin otra interpretacin que la expuesta. Para obtener el valor de "p" se utilizan pruebas de significacin estadstica; dentro de las cuales se encuentran: el chi cuadrado (" 2") y la t de Student ("t"). El valor obtenido por la aplicacin de frmulas especficas para estas pruebas se leen en tablas especiales que indican el valor de "p" correspondiente. No es tan importante (a los fines de su interpretacin) conocer los clculos que permiten obtener los valores de estas pruebas como entender el significado de la probabilidad que, para todas ellas, se expresa de la forma antedicha (p ). Debe distinguirse que el margen de error que miden estas pruebas est referido al que proviene del hecho de trabajar con una muestra y no con toda la poblacin. Es decir, es propia del muestreo y esta estimacin supone haber aplicado correctamente la tcnica de seleccin de muestras. El error proveniente de una muestra sesgada (por una incorrecta aplicacin de la tcnica del muestreo) no es mensurable estadsticamente.

CONFIABILIDAD Y VALIDEZ DE LA INFORMACIN

El trmino confiabilidad est referido a la medida en que un dato o un indicador refleja el hecho que mide. Por ejemplo, si se dice que la tasa de mortalidad infantil de una provincia es del 30 , ser este un indicador confiable en la medida que todas las defunciones infantiles hayan sido correctamente registradas. Si se le pregunta a un usuario de un servicio de salud acerca de su satisfaccin sobre la atencin recibida, esto Prof. Dr. Alberto C Palladino 10

producir una respuesta que ser confiable en la medida en la que no hayan existido condicionamientos en el interrogatorio (por ejemplo, si se pregunta a un internado, es muy posible que el paciente se sienta comprometido en la respuesta). Este mismo trmino (confiabilidad) es aplicable a los instrumentos utilizados para la recoleccin de datos (aparatos, formularios de encuesta, etc.) y para el/los observadores que intervienen. La confiabilidad controla (o evala) por el grado de reproductibilidad de la informacin. Si un instrumento o un observador arrojan resultados consistentes (similares o con una diferencia estadsticamente aceptable) en sucesivas mediciones, se dice que son confiables. Para el caso del observador, la reproductibilidad se controla consigo mismo (reproductibilidad intraobservador) o con otros observadores (reproductibilidad interobservador). Existen medidas de confiabilidad como el ndice de Kappa, que vara entre -1 y +1: cuanto ms cerca de -1 indica mayor discordancia y cuanto ms cerca de +1 mayor grado de coincidencia (el 0 es considerado como un nivel de coincidencia aleatorio). Los problemas de confiabilidad (dependientes de errores en la medicin) pueden ser debidos: 1) al observador y relacionados a cuestiones de: subjetividad, impericia, fatiga, etc.; 2) al sujeto observado y vinculado a problemas de declaracin (falsedad en la informacin por ocultamiento), de percepcin (no todos perciben igual los mismos problemas) o de recuerdo (cuanto ms alejados en el tiempo mayor probabilidad de olvido); 3) a los instrumentos (entendiendo como tales a cuestionarios y a los aparatos de medicin) y, en estos casos, suele ser de tipo sistemtico (sesgo); 4) a los procedimientos y tcnicas utilizados en la medicin, siendo las fallas en la estandarizacin de los procedimientos causa frecuente de resultados diferentes (segn la interpretacin y percepcin de cada observador). La validez se refiere a la medida en que un indicador hace referencia al fenmeno al que se aplica. Es la mortalidad infantil un buen indicador del nivel de salud de la poblacin infantil?. El nmero de abortos registrados puede ser utilizado como indicador de embarazos no deseados?. El grado de participacin de un alumno en clase es indicador del aprovechamiento acadmico del estudiante?. Es la eritrosedimentacin un indicador til para la deteccin precoz de una infeccin posquirrgica?. Las manchas de Koplic son un buen indicador de sarampin?. En estos ejemplos se expresa la idea de validez: la pertinencia de un indicador respecto al fenmeno que intenta medir. En realidad, un slo indicador muy raramente podr dar cuenta de un fenmeno. Por eso, se recurre a utilizar varios indicadores; tratando de abarcar la mayor gama de aspectos contenidos en el concepto de un fenmeno (E.S. + leucocitos + clnica, etc. para el caso de la infeccin posoperatoria). Aplicado al anlisis de la informacin cientfica el concepto de validez implicar el modo en que esa informacin da cuenta del fenmeno estudiado. Como puede desprenderse de lo dicho, un dato puede ser confiable; pero el indicador no ser suficientemente vlido del fenmeno en estudio. Para el ejemplo dado de nivel de salud de la poblacin infantil se podr tener una tasa de mortalidad infantil confiable en la medida en que todas las muertes de menores de un ao y los nacimientos hayan sido registrados; pero, por s misma, no ser un indicador vlido del fenmeno aludido puesto que ste tiene un nivel de complejidad que excede en mucho a las muertes mencionadas. En una terminologa ms especfica, a la descrita se la refiere como validez interna. Cuando se habla de validez externa se hace alusin a la posibilidad de generalizar los resultados (obtenidos en una muestra) a la poblacin en estudio. Como fuera dicho, un trabajo cientfico puede ser analizado siguiendo el mtodo epidemiolgico. El siguiente cuestionario (adaptado de GUERRERO Rodrigo y col., EPIDEMIOLOGA, Ed. Addison-Wesley Iberoameriacana, EE.UU., 1986) es una gua sinttica que puede ser utilizada, tanto para la realizacin de trabajos como para la
Prof. Dr. Alberto C Palladino

11

lectura crtica de material cientfico; y, en definitiva, no es ms que una revisin de los pasos del mtodo cientfico. 1. Est claramente definido el problema por investigar? Resulta pertinente este estudio? 2. Cules son los objetivos? 3. Se efectu una adecuada revisin bibliogrfica? Se desarroll un marco terico? 4. El tipo de estudio y el diseo de investigacin: Son adecuados a los objetivos? Se definieron grupos de control? Cmo se prev la comparabilidad? 5. Cules son las variables? Cmo se han operacionalizados las variables? Se controlaron las variables de confusin? Cmo se control la subjetividad del observador? 6. Cmo se ha definido la poblacin que se desea estudiar? Estn definidos los criterios de inclusin y de exclusin? Cul es la unidad de anlisis? 7. Cmo se planific la muestra? Es una muestra al azar? 8. Qu instrumentos tcnicos se utilizaron para la recoleccin de datos? Se consideraron las variaciones (errores o sesgos) del observador o del instrumento? Se verific la validez del instrumento? 9. Qu mtodos de anlisis estadsticos se utilizaron? 10. Se valor la confiabilidad de los datos? 11. Se utilizaron las tcnicas estadsticas apropiadas? 12. Cmo se valor la significacin estadstica? 13. Hay relacin entre los objetivos y los resultados? 14. Las conclusiones se basan en los hallazgos del estudio? 15. Existen sugerencias para futuras investigaciones? 16. Al leer la publicacin, resulta ella rpidamente comprensible? 17. Le sera posible hacer una sntesis del trabajo y de sus propias conclusiones?

ACERCA DEL PROCESO DE INVESTIGACIN (1)

la investigacin cientfica. Este trmino suele provocar en algunos estudiantes escepticismo, confusin y -a veces- molestias. Hay estudiantes que piensan que la investigacin cientfica es algo que no tiene relacin con la realidad cotidiana. Otros estudiantes piensan que es algo que solamente se acostumbra hacer en centros muy especializados e institutos con nombres largos y complicados. Tambin hay quien piensa que la investigacin cientfica es propia de personas de edad avanzada, con pipa, lentes, barba y pelo canoso y desaliado. Incluso algunos consideran que la investigacin cientfica es algo complicado, muy difcil de aplicar y que requiere un talento especial. Sin embargo, la investigacin cientfica no es nada de esto. En primer lugar, tiene que ver con la realidad. En ellas se abordan temas como las relaciones interpersonales; el matrimonio; la violencia; la televisin; el trabajo; las enfermedades; las elecciones presidenciales; las emociones humanas; la manera de vestirnos; la familia y otros ms que forman parte de lo cotidiano de nuestras vidas.. De hecho; todos los seres humanos hacemos investigacin frecuentemente. Cuando nos gusta una persona que conocimos en alguna junta; reunin o un saln de clases; tratamos de investigar si le podemos resultar atractivos. Cuando un amigo est enojado con nosotros, buscamos investigar las razones. Cuando nos interesa un gran personaje histrico, investigamos cmo vivi y muri. Cuando buscamos empleo, nos dedicamos a investigar quin ofrece trabajo y en qu condiciones. Cuando nos agrada un Prof. Dr. Alberto C Palladino 12

platillo, nos interesa investigar los ingredientes. stos son slo algunos ejemplos de nuestro afn de investigar. Es algo que hacemos desde nios. O alguien no ha visto a un beb tratando de investigar de dnde proviene un sonido? La investigacin cientfica es esencialmente como cualquier tipo de investigacin, slo que ms rigurosa y cuidadosamente realizada. Podemos definirla como un tipo de investigacin sistemtica, controlada, emprica, y crtica, de proposiciones hipotticas sobre las presumidas relaciones entre fenmeno naturales (Kerlinger, 1.975, p.11). Que es sistemtica y controlada implica que hay una disciplina constante para hacer investigacin cientfica y que no se dejan los hechos a la casualidad. Emprica significa que se base en fenmenos observables de la realidad. Y crtica quiere decir que se juzga constantemente de manera objetiva y se eliminan las preferencias personales y los juicios de valor. Es decir, llevar a cabo investigacin cientfica es hacer investigacin en forma cuidadosa y precavida. La investigacin puede cumplir dos propsitos fundamentales: a) producir conocimiento y teoras (investigacin bsica) y b) resolver problemas prcticos (investigacin aplicada). Gracias a estos dos tipos de investigacin la humanidad ha evolucionado. La investigacin es la herramienta para conocer lo que nos rodea y su carcter es universal. Como seala uno de los cientficos de nuestros tiempos, Carl Sagan, al hablar del posible contacto con extraterrestres: Si es posible, pues, comunicarse, sabemos ya de qu tratarn las primeras comunicaciones: sobre la nica cosa que las dos civilizaciones tienen de modo seguro en comn, a saber, la ciencia. Podra ser que el inters mayor fuera comunicar informacin sobre msica, por ejemplo, o sobre convenciones sociales; pero las primeras comunicaciones logradas sern de hechos cientficas. (Sagan, 1978, p. 6) Y la investigacin cientfica es un proceso trmico (es decir, significa dinmico, cambiante y continuo. Este proceso est compuesto por una serie de etapas, las cuales se derivan unas de otras. Por ello, al llevar a cabo un estudio o investigacin, no podemos omitir etapas ni alterar su orden. Quienes han dudado de este requisito de la investigacin cientfica, violndolo, han pagado muy caro el precio: la investigacin resultante no es vlida o confiable, o no cumple con los propsitos por los cuales se realiz , deja de ser cientfica. Por ejemplo querer elaborar un instrumento para recolectar datos sin haber revisado previamente la literatura sobre el tema lleva inevitablemente al error o -al menos- a graves deficiencias en dicho instrumento. La principal caracterstica de la investigacin cientfica es que debemos seguir ordenada y rigurosamente el proceso.
(1)

HERNNDEZ SAMPIERI, Roberto et all; METODOLOGA DE LA INVESTIGACIN; Ed. McGRAW-HILL; Mxico, 1991.

Prof. Dr. Alberto C Palladino

13