METODO EPIDEMIOLOGICO.

Etapas del método

epidemiológico.
 Observación de la realidad sin modificarla (nivel
descriptivo).
 Elaboración de hipótesis explicatorias (nivel
analítico).
 Verificación de validez de hipótesis (mediante
diseño de investigación).
 Conclusión (se acepta o se rechaza hipótesis).
 Con la evidencia generada se pueden elaborar
nuevas hipótesis.
 Validez.

 Es el grado de concordancia entre lo que

debiera medir un instrumento y lo que
efectivamente mide.
 Sesgo o error sistemático.

 Es un error que se produce por las

particularidades del diseño de investigación
usado o los instrumentos de medición.
 Se puede presentar en cada una de las etapas
de la investigación, por ejemplo, selección.
 Consejos para reducirlo.
 Conocer las ventajas y desventajas del diseño
de investigación escogido.
 Anticiparse a los sesgos y crear estrategias
de prevención antes de que se produzcan.
 Azar o error aleatorio.

 Es un concepto que proviene de la teoría de

probabilidades y se produce en los muestreos
aleatorios.
 Para seleccionar individuos o grupos al azar
habitualmente se usan números aleatorios
generados por computador.
 Es posible de estimar mediante técnicas
estadísticas.
 Muestreos aleatorios.

 Cuando no se puede acceder a realizar una

determinación de un parámetro en toda una
población se debe proceder a sacar una
muestra para estudio.
 Para que sea aleatoria cada individuo debe
tener la misma probabilidad de ser elegido.
 Las muestras aleatorias permiten realizar
pruebas de hipótesis estadísticas.
Tipos de muestreo.
 Muestro probabilístico o
aleatorio.
Consiste en extraer una muestra de una población, de tal
manera que todos los individuos de la población tengan
una probabilidad conocida, distinta de cero, de ser
seleccionados. Si esta probabilidad es igual para cada
elemento, la muestra se califica como autoponderada y sus
resultados se consideran representativos de la población.
Se dice que una muestra es representativa cuando sus
componentes presentan un grado de diversidad semejante
al de la población de la que fue extraída y el método de
selección probabilístico utilizado garantiza que cada
elemento tuvo la misma probabilidad de ser incluido.
 Muestro aleatorio simple.
Es el procedimiento típico de un muestreo
probabilístico. Es la técnica más sencilla de
muestreo para garantizar la representatividad
de la muestra. En este muestreo cada elemento
de la población N tiene una probabilidad
conocida e igual, distinta de cero, de ser elegido
en la muestra. Esta probabilidad se expresa
como N/n y se denomina fracción de muestreo.
Muestreo Aleatorio Sistemático: en este caso, se
da al grupo del que se tomará la muestra una
especie de ordenamiento y luego la elección se
hace sistemáticamente a lo largo de la serie.
 Muestreo estratificado.

En este caso, la población objetivo se divide en

estratos de acuerdo a alguna característica,
generalmente demográfica, y posteriormente se
realiza un MAS de cada estrato obteniéndose
una muestra de la población en la que están
representados todos los estratos conformados.
 Muestreo por conglomerados.
Se seleccionan los conglomerados, y de éstos, en
la segunda etapa, se seleccionan las unidades
de análisis. Si se decide estudiar a todos los
elementos del conglomerado, entonces, sólo
existe una etapa. La selección posterior en cada
conglomerado de las unidades de análisis se
puede realizar por los otros métodos básicos de
muestreo.
Generalmente, los clusters o conglomerados se
basan en áreas geográficas o divisiones político
administrativas, de las cuales se conocen de
forma general la cantidad de personas que la
habitan.
 Poblaciones en un estudio.

 Población accesible. Habitualmente son los

pacientes que concurren a uno más centros
asistenciales a los que el investigador puede
estudiar.
 Población objetivo: definida por caracteristicas
clínicas y demográficas es la población a la
cual se pretende generalizar las conclusiones
del estudio.
 La muestra es un subconjunto de la población
accesible que participa en el estudio.
Formulación de hipótesis
estadísticas.
 Se refieren a la realidad de la población
objetivo.
• Hipótesis nula. No hay asociación entre el factor
de exposición estudiado y la enfermedad.
• Hipótesis alternativa. Existe asociación entre el
factor estudiado y la enfermedad
 Las pruebas de hipótesis estadísticas lo que
pretenden es determinar si rechaza H0; o si
se acepta H0.
 Ejemplos de hipótesis
estadísticas.
 Para riesgo relativo.
 H0: RR =1
 H1: RR distinto a 1.
 Para chi2.
 H0 valores esperados en tabla de contingencia=
valores observados.
 H1: valores esperados en tabla de contingencia son
distintos a los observados.
 Para diferencia de promedios.
 X1 – X2 = 0.
 X1 – X2 distinto de 0.
 Verificación de hipótesis.

 Requiere la elaboración de un diseño de

investigación.
 Requiere la realización de un muestreo
preferentemente aleatorio.
 Con los datos obtenidos se calculan
estadígrafos que se someten a pruebas de
hipótesis estadísticas.
 Basándose en la distribución y estimación del
margen de error del estadígrafo se verifica si se
rechaza H1 y se calcula el error de la prueba.
 Tipos de error estadístico.

 Error tipo I. Es el error que se produce al plantear que

existe asociación estadísticamente significativa
cuando no la hay en la población objetivo.
 Error tipo 2. Se produce cuando no se rechaza la
hipótesis nula cuando en la población objetivo se dice
que existe asociación estadísticamente significativa.
H0 es cierta en la H1 es cierta en la
población objetivo población objetivo

No se rechaza H0 No hay error Error tipo 2 o beta

Se rechaza H0 Error tipo 1 o alfa No hay error

Nivel de significación estadística.

 Es el máximo nivel de alfa que toleramos para

aceptar H1. Usualmente es de un 5%
 Valor de p: es el nivel de alfa que arrojó nuestro
estudio. Habitualmente se acepta <0,05.
 Si sobrepasa ese valor H0 no se puede rechazar.
 En un estudio, aumentar el nivel de significación
estadística implica aumentar la probalidad de
cometer error tipo b en forma no lineal y viceversa
 Potencia estadística.

 Corresponde a 1 – beta.
 Este valor se fija antes iniciar el estudio y depende del
tamaño muestral y del valor del estadígrafo que uno
sospecha que va encontrar en la población objetivo de
acuerdo a estudios previos.
 Si no se rechaza H0 no quiere decir que se acepte, ya que
siempre existen dos posibilidades.
 H0 es cierta.
 La muestra fue de tamaño insuficiente.
 Al incrementar el tamaño de muestra se disminuye la
probabilidad de incurrir en error tipo 1 y 2 en forma no
lineal.
 Sinónimos de la expresión
··estadísticamente significativo··

 Rechazo de la hipótesis nula

 Aceptación de la hipótesis alternativa
 Existe la suficiente evidencia para dudar de la hipótesis nula
 El resultado observado no es compatible con la hipótesis nula
 Es improbable obtener un resultado como el observado si la
hipótesis nula es cierta
 Es improbable que el resultado observado sea debido al azar
 Las variaciones inherentes al muestreo no bastan para explicar
el resultado observado
 p < 0.05 (si el nivel de significación fijado previamente es 0.05)
 Las muestras proceden de poblaciones diferentes
 Estimación por intervalo de
confianza
 En ocasiones se desea estimar el valor de una variable
en una población objetivo.
 Al seleccionar muestras aleatorias, cada vez que se
calcule el estadígrafo se obtendrá un valor distinto.
 El intervalo de confianza de 95% fija un rango el
incluirá el valor de la variable en 95 de cada 100 veces
que se repita el muestro aleatorio. El 5% de las veces
al valor estará fuera de ese rango.
 El valor de la variable (el parámetro) en la población
objetivo es fijo, aunque desconocido.
 Relación IC con H0.

 Si el IC incluye el valor de la variable atribuido a

la hipótesis nula entonces es no significativo.
 Ejemplos de H0
 H0: X1 – X2 = 0 IC 95% -0,3 a 1,2
 H0: OR = 1 IC 95% 0,8 a 1,5
 H0: RR = 1 IC 95% 0,9 a 1,3