Módulo de Principios de Epidemiología para el Control de Enfermedades (MOPECE) PDF

ISBN: 92 75 32407 7 Módulo de Principios de Epidemiología para el Control de Enfermedades (MOPECE) 9 789275 324073 Organización Panamericana de la Salud Organización Mundial de la Salud Módulo de Principios de Epidemiología para el Control de Enfermedades (MOPECE) Segunda Edición Revisada Medici...

ISBN: 92 75 32407 7 Módulo de Principios de Epidemiología para el Control de Enfermedades (MOPECE) 9 789275 324073 Organización Panamericana de la Salud Organización Mundial de la Salud Módulo de Principios de Epidemiología para el Control de Enfermedades (MOPECE) Segunda Edición Revisada Medición de las condiciones de salud y enfermedad en la población 3 Organización Panamericana de la Salud Oficina Sanitaria Panamericana, Oficina Regional de la Organización Mundial de la Salud Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Segunda Edición Revisada Unidad 3: Medición de las condiciones de salud y enfermedad en la población Organización Panamericana de la Salud Oficina Sanitaria Panamericana Oficina Regional de la Organización Mundial de la Salud 525 Twenty-third Street, N.W. Washington, D.C. 20037, E.U.A Catalogación por la Biblioteca de la OPS: Organización Panamericana de la Salud. Módulos de Principios de Epidemiología para el Control de Enfermedades, segunda edición. Washington D.C.: OPS, © 2002, 92 p. –(Serie PALTEX N° para Técnicos Medios y Auxiliares N° 24). ISBN 92 75 32407 7 I. Título II. (serie) 1. EPIDEMIOLOGÍA–principios 2. CONTROL–enfermedades 3. SALUD PÚBLICA 4. REGION DE LAS AMERICAS Este Módulo de capacitación están especialmente destinado a los profesionales de salud de América Latina y se publica dentro del Programa Ampliado de Libros de Texto y Materiales de Instrucción (PALTEX) de la Organización Panamericana de la Salud, organismo internacional constituido por los países de las Américas, para la promoción de la salud de sus habitantes y de la Fundación Panamericana para la Salud y Educación. Se deja constancia de que este programa está siendo ejecutado con la cooperación financiera del Banco Interamericano de Desarrollo. ISBN 92 75 32407 7 © Organización Panamericana de la Salud, 2011 Segunda Edición Revisada Las publicaciones de la Organización Panamericana de la Salud están acogidas a la protección prevista por las disposiciones sobre reproducción de originales del Protocolo 2 de la Convención Universal sobre Derecho de Autor. Reservados todos los Derechos. Las denominaciones empleadas en esta publicación y la forma en que aparecen presentados los datos que contiene no implican, por parte de la Secretaría de la Organización Panamericana de la Salud, juicio alguno sobre la condición jurídica de países, territorios, ciudades o zonas, o de sus autoridades, ni respecto del trazado de sus fronteras o límites. La mención de determinadas sociedades mercantiles o del nombre comercial de ciertos productos no implica que la Organización Panamericana de la Salud los apruebe o recomiende con preferencia a otros análogos. De las opiniones expresadas en la presente publicación responden únicamente los autores. Créditos Módulos de Principios de Epidemiología para el Control de Enfermedades, segunda edición, fue elaborado por el Programa Especial de Análisis de Salud de la Oficina Central de la Organización Panamericana de la Salud (Washington DC, EUA) en 2001. Editores: Revisores técnicos: Carlos Castillo-Salgado Gabriela Fernández Oscar J Mujica Enrique Vázquez Enrique Loyola Patricia Gassibe Jaume Canela Soledad Velázquez Edgar Navarro Patricia Arbeláez Revisión editorial: Mayra Cartín Lucila Pacheco Eduardo Velasco Se agradece especialmente la colaboración de: Gilberto Ayala, Julio Alberto Armero, Xiomara Badilla, Itza Barahona de Mosca, Herbert Caballero, Marco Tulio Carranza, Rocío Cuevas, Thais Dos Santos, Carlos Flores, Modesta Haughton, José Federico Hernández, Marlo Libel, Miguel Machuca, Alfredo Moltó, José Moya, Carlos Muñoz, Maritza Ortega, Alberto Paredes, Rosalía Quinteros, Mirta Roses, Patricia Ruiz, Gloria Tewres, Guadalupe Verdejo, Reinaldo Viveros, así como a múltiples epidemiólogos de la Región de las Américas, por su participación y recomendaciones sugeridas durante el proceso de prueba de materiales. Colaboración para la presente Segunda Edición Revisada: José Moya, Oscar J Mujica, Steven K Ault, Jacobo Finkelman, Fátima Marinho, Diego Victoria. Tapa, Proyecto Gráfico y Diagramación: All Type Assessoría Editorial Ltda. Indice Contenidos y objetivos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Medición de salud y enfermedad en la población. . . . . . . . . . . . . . . . . . . . . 6 Tipos de datos y su tabulación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Presentación gráfica de datos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Medidas de resumen de una distribución . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Medidas de tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Medidas de dispersión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Medidas de frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Prevalencia e incidencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Comparación de la frecuencia de enfermedad y medidas de asociación . . 58 Medidas de asociación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Comparación de dos Proporciones: La Prueba Chi Cuadrado. . . . . . . . . . . . . 61 Medidas de la fuerza de asociación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 Riesgo Relativo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 Apéndice estadístico - epidemiológico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Comparación de dos Promedios: La Prueba Z. . . . . . . . . . . . . . . . . . . . . . . . . Intervalos de Confianza para promedios y proporciones . . . . . . . . . . . . . . . . Razón de Posibilidades (Odds Ratio). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 72 73 77 Medidas de impacto potencial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Riesgos atribuibles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fracciones atribuibles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Estandarización de tasas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 81 82 86 Referencias bibliográficas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Contenidos y objetivos Esta Unidad presenta las medidas comunes de cuantificación de las condiciones de salud y enfermedad, sus aplicaciones y limitaciones; el ordenamiento y presentación tabular y gráfica de datos epidemiológicos; las medidas de resumen y de asociación. Esta Unidad se enfoca en los métodos para la presentación y análisis de datos cuantitativos. Los objetivos de la presente Unidad son: • • • • Describir las formas de medición de la salud y sus aplicaciones. Identificar las formas y usos de la presentación tabular y gráfica de datos. Describir, calcular, interpretar y aplicar las medidas de resumen de datos. Describir, calcular, interpretar y aplicar las medidas de asociación. Organización Panamericana de la Salud / OMS 5 Segunda Edición Revisada Medición de salud y enfermedad en la población Existen diversas formas de medir la salud, dependiendo de cuál es su definición; una definición amplia mediría el nivel de salud y bienestar, la capacidad funcional, la presencia y causas de enfermedad y muerte y la expectativa de vida de las poblaciones (Donaldson, 1989). Existen distintas medidas e indicadores de bienestar (social o económico) en salud y se han desarrollado ciertos índices de “salud positiva” (Alleyne, 1998), tanto con fines operacionales, como para investigación y promoción de condiciones saludables, en dimensiones tales como la salud mental, autoestima, satisfacción con el trabajo, ejercicio físico, etc. La recolección de datos y la estimación de indicadores tienen como fin generar, en forma sistemática, evidencia que permita identificar patrones y tendencias que ayuden a emprender acciones de protección y promoción de la salud y de prevención y control de la enfermedad en la población. Entre las formas más útiles y comunes de medir las condiciones generales de salud de la población destacan los censos nacionales, que se llevan a cabo decenalmente en varios países. Los censos proporcionan el conteo periódico de la población y varias de sus características, cuyo análisis permite hacer estimaciones y proyecciones. Para permitir las comparaciones a lo largo del tiempo en una misma población o bien entre poblaciones diferentes, se requiere de procedimientos de medición estandarizados. Medición: Es el procedimiento de aplicar una escala estándar a una variable o a un conjunto de valores. La medición del estado de salud requiere sistemas armonizadores y unificados como la Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud (CIE), en su Décima Revisión, cuyos XXI capítulos inician con ciertas enfermedades infecciosas y parasitarias (A00-B99) y culminan con factores que influyen en el estado de salud y contacto con los servicios de salud (Z00-Z99). Los indicadores de salud miden de la población distintos aspectos relacionados con la función o discapacidad, la ocurrencia de enfermedad o muerte, o bien aspectos relacionados con los recursos y desempeño de los servicios de salud. Los indicadores de salud funcional tratan de medir el impacto de los problemas de salud en la vida diaria, como por ejemplo la capacidad para llevar a cabo actividades cotidianas, lesiones y accidentes en el hogar y el lugar de trabajo, y años de vida libres de discapacidad. Los datos se obtienen generalmente a través de encuestas y registros de discapacidades. Los índices de calidad de vida incluyen variables de función tales como 6 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) la actividad física, la presencia de dolor, el nivel de sueño, de energía, o el aislamiento social. Los indicadores de morbilidad miden la frecuencia de problemas de salud específicos tales como infecciones, cánceres, accidentes en el trabajo, etc. Las fuentes de datos suelen ser registros de hospitales y servicios de salud, notificación de enfermedades bajo vigilancia y encuestas de seroprevalencia y de autoreporte de enfermedad, entre otros. Cabe mencionar que las enfermedades crónicas, por su larga evolución, requieren de monitoreo de etapas clínicas, por lo que es preferible contar con registros de enfermedad (cáncer, defectos congénitos) (Newcomer, 1997). Los indicadores de mortalidad general o por causas específicas permiten comparar el nivel general de salud e identificar causas de mortalidad relevantes como accidentes, tabaquismo, etc. El registro de la mortalidad requiere de la certificación de la muerte, para lo cual se usa el Certificado Médico de Defunción. La mortalidad se presenta comúnmente como números crudos, proporciones, o tasas por edad, sexo y causas específicas. Además de la medición del estado de salud, también es necesario medir el desempeño de los servicios de salud. Tradicionalmente esta medición se ha enfocado a insumos y servicios; en la actualidad se considera preferible medir los procesos y funciones de los servicios de salud (Turnock, 1997). Conjuntamente con los indicadores mencionados, la medición en salud requiere de la disponibilidad de datos sobre características relevantes de la población (variables), tales como su tamaño, composición, estilos de vida, clases sociales, eventos de enfermedad, nacimientos y muertes. Los datos para la medición en salud provienen de diversas fuentes, por lo que deben de tomarse en cuenta aspectos relacionados con la validez, calidad, integridad y cobertura de los datos mismos y sus fuentes. Los datos, cuantitativos o cualitativos, que se obtienen y registran de los servicios de salud y las estadísticas vitales representan la “materia prima” para el trabajo epidemiológico. Si los datos son incompletos o inconsistentes, se obtendrán medidas sesgadas o inexactas, sin importar la sofisticación del análisis epidemiológico, y las intervenciones derivadas de su uso no serán efectivas. La deficiente cobertura de los servicios en amplios sectores de población en varios países, limita la generación de información útil y necesaria para resolver los problemas de salud que afectan de manera específica a sus comunidades. Aún cuando los datos estén disponibles y sean confiables, su utilización para la gestión en salud puede ser insuficiente. Con el propósito de responder a la necesidad de contar con un conjunto de datos validados, estandarizados y consistentes de los países de las Américas, la Organización Panamericana de la Salud (OPS) trabaja desde 1995 en la Iniciativa Regional de Datos Organización Panamericana de la Salud / OMS 7 Segunda Edición Revisada Básicos de Salud. Se incluye en esta fuente una serie histórica de 117 indicadores demográficos, socioeconómicos, de morbilidad y mortalidad y de recursos, acceso y cobertura de servicios de salud, de los 48 Estados y Territorios de la Región. Una vez que se cuenta con los datos e indicadores de salud, una de las dificultades presente en los servicios de salud tiene que ver con las limitaciones para el manejo correcto de la información numérica, su análisis e interpretación, funciones que requieren el uso de los principios de la epidemiología y la bioestadística. Resulta paradójico que en el nivel en que ocurren los problemas y en donde se solucionan, los procedimientos y técnicas para la obtención, medición, procesamiento, análisis, interpretación y uso de datos aún no estén plenamente desarrollados. Para la correcta toma de decisiones en todos los niveles de los servicios de salud, basada en información pertinente, es necesaria la capacitación permanente del equipo local de salud y de sus redes en la recolección, manejo, análisis e interpretación de datos epidemiológicos. La cuantificación de los problemas de salud en la población requiere de procedimientos y técnicas estadísticas diversas, algunas de ellas de relativa complejidad. Dadas las características multifactoriales de los problemas de salud, las técnicas cualitativas son también valiosas para aproximarse al conocimiento de los determinantes de salud. Es por ello que existe la necesidad de incorporar, en forma dialéctica, métodos y técnicas cuantitativas y cualitativas que permitan estudiar los diversos componentes de los objetos de estudio. En el análisis cuantitativo el empleo de programas computacionales facilita el manejo y análisis de datos, pero no se deben sobrestimar sus alcances y aplicaciones. Su utilidad es mayor cuando se establecen redes de colaboración y sistemas de información en salud, que permiten el manejo eficiente de grandes bases de datos y generan información oportuna y útil para la toma de decisiones. Un programa computarizado reduce notablemente el tiempo de cálculo, procesamiento y análisis de los datos, pero es el trabajo humano el que aporta resultados racionales y válidos para el desarrollo de los objetivos de salud pública. Existen dos paquetes de programas de cómputo diseñados específicamente para salud que facilitan el almacenamiento, proceso y análisis de información epidemiológica: Epi-Info producido por el Centro de Prevención y Control de Enfermedades de los Estados Unidos (CDC) y la Organización Mundial de la Salud (OMS) y el Epidat de la OPS y la Xunta de Galicia, España. Lejos de competir entre sí, estos paquetes de programas, de gran uso y de libre distribución, ofrecen procesos y rutinas de manejo y análisis epidemiológico de datos que son complementarios. En un sentido amplio, podemos considerar que el quehacer de la salud pública parte de constatar una realidad de salud no deseable en una población y apunta a conseguir un cambio social, deliberado y sostenible en dicha población. En ese sentido, y desde 8 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) un punto de vista metodológico, la epidemiología como toda ciencia tiene exigencia de método desde una perspectiva estadística. El enfoque epidemiológico, consiste básicamente en: i) la observación de los fenómenos de salud y enfermedad en la población; ii) la cuantificación de éstos en frecuencias y distribuciones; iii) el análisis de las frecuencias y distribuciones de salud y de sus determinantes; y, iv) la definición de cursos de acción apropiados. Este proceso cíclico de observar–cuantificar–comparar–proponer sirve también para evaluar la efectividad y el impacto de las intervenciones en salud, para construir nuevos modelos que describan y expliquen las observaciones y para utilizarlos en la predicción de nuevos fenómenos. En resumen, en todo este proceso, los procedimientos y técnicas de cuantificación son de gran relevancia y la capacitación del equipo local de salud en estos aspectos del enfoque epidemiológico es, en consecuencia, fundamental. Organización Panamericana de la Salud / OMS 9 Segunda Edición Revisada Tipos de datos y su tabulación La cuantificación del estado de salud y patrones de enfermedad en la población, requiere de métodos y técnicas que permitan recolectar datos en forma objetiva y eficiente, convertir los datos en información para facilitar su comparación y simplificar su interpretación, y transformar la información en conocimiento relevante para las acciones de control y prevención. Para conocer los grupos de población que presentan mayor número de casos, los lugares con mayor incidencia o prevalencia de determinadas enfermedades y el momento en que ocurren los eventos en salud, se deben aplicar sistemáticamente algunos procedimientos básicos de manejo de datos o variables. Uno de los primeros pasos en el proceso de medición del estado de salud en la población es la definición de las variables que lo representan o caracterizan. Variable: cualquier característica o atributo que puede asumir valores diferentes. Las variables pueden ser de dos tipos, cualitativas y cuantitativas. Denominamos variables cualitativas a aquellas que son atributos o propiedades. Las variables cuantitativas son aquellas en las que el atributo se mide numéricamente y a su vez se pueden clasificar en discretas y continuas. Las variables discretas o discontinuas asumen valores que son siempre números enteros; por ejemplo, el número de hijos de una pareja, el número de dientes con caries, el número de camas de hospital, el número de hematíes por campo, el pulso, etc., que sólo pueden tomar valores de un conjunto finito. Las variables continuas pueden tomar tantos valores como permita la precisión del instrumento de medición; por ejemplo, el peso al nacer de un bebé de 2.500 gramos podemos medirlo con mayor precisión, como 2.496,75 gramos, si nuestra báscula lo permite. Las variables también pueden clasificarse según el nivel o tipo de medición que podamos aplicarles. Así, se pueden distinguir cuatro niveles de medición de las variables: nominal, ordinal, de intervalo y proporcional o de razón. Una variable nominal tiene categorías a las que se les asignan nombres que no tienen ningún orden entre ellos; por ejemplo, el sexo. La categoría “hombre” no tiene ninguna relación de orden sobre la categoría “mujer”. Las variables nominales no tienen que ser necesariamente dicotómicas (dos categorías) sino que pueden tener varias categorías, como por ejemplo el estado civil (soltero, casado, divorciado, viudo, unión libre) o el grupo sanguíneo según el sistema ABO (A, B, AB y O). El hecho de cambiar el orden no tiene ninguna implicación en el análisis de los datos. Ahora supongamos que se nos pregunta sobre la calidad de un curso que acabamos de realizar y se nos ofrecen las siguientes opciones de respuesta: muy malo, malo, regular, bueno y excelente. Esta clasificación tiene un orden: excelente es mejor que bueno, bueno que regular y así sucesivamente; sin embargo, la “distancia” que hay entre excelente y 10 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) bueno no tiene porque ser la misma que entre malo y muy malo. Estamos ante una variable ordinal, que se define como aquella cuyas categorías tienen un orden, aunque las diferencias entre ellas pueden no ser iguales. Otros ejemplos de variables ordinales son los estadíos de un cáncer (I, II, III y IV) o los resultados de un cultivo de laboratorio (–, +, ++, +++). El siguiente nivel de medición de variables es el interválico. Una variable de intervalo tiene distancias iguales entre sus valores y una característica fundamental: el cero es arbitrario. El ejemplo típico de variable de intervalo es la temperatura corporal. Existe la misma diferencia entre 37°C y 39°C que entre 38°C y 40°C (o sea, 2°C). Sin embargo, no podemos decir que una temperatura de 60°C sea ‘tres veces más caliente’ que una de 20°C. Tampoco podemos concluir que un individuo con un coeficiente de inteligencia de 120 es el doble de inteligente que otro con coeficiente 60. Por último, si la variable de intervalo tuviese un punto de origen que es el valor cero significativo, estaríamos hablando de una variable proporcional o de razón. Ésta tiene intervalos iguales entre valores y punto de origen cero. El peso y la altura son ejemplos típicos de variables proporcionales, 80 Kg. es el doble que 40Kg. y hay la misma diferencia entre 50 y 35Kg. que entre 105 y 90 Kg. En este nivel se puede sumar, restar, multiplicar y dividir. En el siguiente esquema se sintetiza la relación entre los distintos niveles de medición de las variables. Tipo de variable Valores Nominal categorías con nombre convencional Ordinal como las nominales, + categorías ordenadas De Intervalo como las ordinales, + intervalos iguales Proporcional o de Razón como las de intervalo, + cero significativo Adaptado de Norman y Streiner, 1996. Los datos sobre casos de enfermedades atendidas o notificadas por el centro o servicio de salud pueden provenir de un listado de nombres, edades, sexo, etc., del cual se puede obtener el número total o frecuencia de casos. Si se busca agrupar los casos según algunas características de los mismos, la tarea de identificar los grupos poblacionales con mayores problemas se simplifica. Por ejemplo, entre las características de la persona, se pueden agrupar los casos según su edad, sexo o etnia. A partir de este listado de datos se puede, además, identificar los casos que han ocurrido en determinado lugar y comparar la frecuencia de la enfermedad en distintos lugares o áreas geográficas. Por último, se puede examinar el número de casos según el momento en que ocurrieron o fueron notificados. La distribución de los casos en el tiempo se puede agrupar en días, semanas, meses o cualquier otro período de tiempo que se considere adecuado. Esto permite saber Organización Panamericana de la Salud / OMS 11 Segunda Edición Revisada en qué momento se presentó el mayor número de casos, cuándo empezó a aumentar y cuándo a disminuir. Es necesario recordar que la frecuencia es el número de veces que se repite un valor de la misma variable. Los datos agrupados según determinadas características (edad, sexo, residencia, clase social, etc.) pueden presentarse en cuadros y/o gráficos; esto facilita los cálculos y la comparación e interpretación de los resultados como se puede ver en el siguiente Cuadro Cuadro 3.1 Distribución de los casos de gastroenteritis según edad. Centro de Salud A, mayo de 2000. edad (años) Casos (No) Porcentaje % <1 63 36,4 1 55 31,8 2 25 14,4 3 14 8,1 4 5 2,9 5 y más Total 11 6,4 173 100,0 Ejemplo para la elaboración de un cuadro: El siguiente listado corresponde a las edades en años de 120 personas afectadas por malaria durante el verano de 2001, en una isla del Caribe 27 32 58 44 24 32 29 50 28 36 38 48 38 47 29 39 40 37 35 36 36 36 42 45 32 36 48 42 46 35 32 54 30 29 36 44 30 36 27 37 35 33 38 63 37 53 35 46 36 27 34 32 46 38 43 20 25 41 27 53 40 31 47 43 29 49 50 34 47 36 38 24 30 51 43 46 38 49 47 30 29 33 54 40 28 63 36 41 46 51 49 37 41 37 39 38 30 35 36 34 43 43 37 55 29 44 38 42 43 35 42 50 35 47 32 54 41 41 35 40 La edad mayor es 63 años y la menor es 20 años. Si agrupamos estas edades en clases, por intervalos de 4 años, tendremos 11 grupos de edad, a los que procedemos a asignar sus respectivas frecuencias (“paloteo”), como se muestra a continuación: 12 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) 20 – 23 años | (un caso) 24 – 27 años ||||| || (siete casos) 28 – 31 años ||||| ||||| |||| (14) 32 – 35 años ||||| ||||| ||||| |||| (19) 36 – 39 años ||||| ||||| ||||| ||||| ||||| || (27) 40 – 43 años ||||| ||||| ||||| |||| (19) 44 – 47 años ||||| ||||| |||| (14) 48 – 51 años ||||| ||||| (10) 52 – 55 años ||||| | (6) 56 – 59 años | (1) 60 – 63 años || (2) Finalmente, preparamos la presentación tabular de esta información, es decir, el cuadro propiamente dicho, al que se denomina tabla o cuadro resumen de frecuencias, útil porque presenta la distribución de la variable que estamos observando. Distribución: es el resumen completo de las frecuencias de los valores o categorías de la medición realizada. La distribución muestra cuántos o qué proporción del grupo se encuentra en un determinado valor o rango de valores dentro de todos los posibles que la medida cuantitativa puede tener. En nuestro ejemplo, la distribución del número de casos de la enfermedad según grupos de edad, se presenta en el Cuadro 3.2. La distribución del número de casos (frecuencia absoluta) se acompaña del porcentaje de cada grupo (frecuencia relativa simple) y del porcentaje acumulado (frecuencia relativa acumulada), que suelen aportar información adicional útil. Por ejemplo, el 15,8% de los casos correspondió a personas de 32 a 35 años de edad y cerca de un tercio de los casos (34,1%) tenía menos de 36 años. Organización Panamericana de la Salud / OMS 13 Segunda Edición Revisada Cuadro 3.2 Distribución de casos de malaria por grupos de edad. Isla del Caribe, verano de 2001 grupos de edad (en años) Porcentaje (%) Porcentaje acumulado (%) 20 - 23 1 0,8 24 - 27 7 5,8 6,6 28 - 31 14 11,7 18,3 32 - 35 19 15,8 34,1 36 - 39 27 22,5 56,6 40 - 43 19 15,8 72,4 44 - 47 14 11,7 84,1 48 - 51 10 8,4 92,5 52 - 55 6 5,0 97,5 56 - 59 1 0,8 98,3 60 - 63 2 1,7 100,0 120 100,0 Total 14 número de casos (frecuencia absoluta) Organización Panamericana de la Salud / OMS 0,8 Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Presentación gráfica de datos La distribución de variables cualitativas así como las cuantitativas discretas se suele representar gráficamente por medio de diagramas de barras o bien por gráficos de sectores, ya sea como frecuencias absolutas o relativas, como se muestra a continuación: Gráfico 3.1 Distribución de muertes por suicidio según sexo. Lugar X,1995-2000 5,000 Óbitos 4,000 Varones 73% 3,000 Mujeres 27% 2,000 1,000 0 Varones Mujeres Las variables cuantitativas continuas se representan gráficamente por medio de histogramas y polígonos de frecuencia. Aunque parecidos a los diagramas de barras, en los histogramas las barras se disponen en forma adyacente, precisamente para ilustrar la continuidad y distribución de la variable representada. En el eje de las “x” se ubica la variable continua y en el eje de las “y” se representa la frecuencia. Organización Panamericana de la Salud / OMS 15 Segunda Edición Revisada Gráfico 3.2 Giardiasis. Casos notificados por mes, Lugar X, 2000 (total de casos notificados = 460) 120 100 Casos 80 60 40 20 0 J F M A M J J A S O N D Mes En el Gráfico 3.2, las categorías (meses) de la variable tiempo, una variable continua, se representan en el eje horizontal y el número de casos de giardiasis notificados en el eje vertical. La altura de cada barra representa la frecuencia absoluta de casos (puede también ser la frecuencia relativa) en cada una de las categorías de la variable tiempo, llamadas también intervalos de clase. Note que los intervalos de clase pueden ser de igual tamaño. El polígono de frecuencias también permite graficar la distribución de una variable y se construye uniendo con líneas rectas los puntos medios del extremo superior de cada barra de un histograma (Gráfico 3.3). Es particularmente útil para visualizar la forma y simetría de una distribución de datos y para presentar simultáneamente dos o más distribuciones. 16 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Gráfico 3.3 Casos de dengue por mes de inicio. Lugar Y, 2000 450 400 Casos 350 300 250 200 150 100 50 0 J F M A M J J A S O N D Mes Una variante del polígono de frecuencias es la llamada “ojiva porcentual”, que es un polígono de frecuencias relativas acumuladas. Cada punto de este polígono representa el porcentaje acumulado de casos en cada intervalo de clase y, por tanto, va de cero a 100%. La ojiva porcentual permite identificar de manera gráfica el valor correspondiente a la mediana (i.e., 50%) de la distribución (Gráfico 3.4). Gráfico 3.4 Casos de tuberculosis por edad. Lugar Z, 2000 100 90 Casos (% acumulado) 80 70 60 50 40 30 20 10 0 0 10 20 30 40 50 60 70 80 90+ Edad (años) Organización Panamericana de la Salud / OMS 17 Segunda Edición Revisada Es importante mantener la proporción de las escalas del gráfico, ya que de otra manera éste puede dar impresiones erróneas (Gráfico 3.5, A, B, C). Gráfico 3.5 Efecto de las dimensiones de las escalas en los gráficos 400 A. Incorrecto. Escala vertical exagerada 300 200 B. Incorrecto. Escala horizontal exagerada 400 300 100 200 100 0 0 2000 2004 2000 2004 C. Correcto. Escalas proporcionadas 400 300 200 100 0 2000 2004 Aunque no existe una regla explícita sobre la proporcionalidad entre las escalas de un gráfico, se recomienda que la razón entre la escala horizontal respecto de la vertical se aproxime a 1,6:1 (la clásica “razón de oro”). Algunas veces el rango 1,2 a 2,2 se da como referencia apropiada para la razón entre el eje horizontal respecto del eje vertical. El siguiente esquema resume los tipos básicos de gráficos más apropiados según cada tipo de variable. 18 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Tipo de variable Tipo de gráfico Nominal diagrama de barras gráfico de sectores Ordinal diagrama de barras (*) gráfico de sectores De Intervalo diagrama de barras (*) histograma gráfico de sectores (**) polígonos de frecuencias (simples y acumuladas) Proporcional o de Razón diagrama de barras (*) histograma gráfico de sectores (**) polígonos de frecuencias (simples y acumuladas) (*) manteniendo el orden de las categorías (**) en variables discretas o categorizadas Una forma de presentación gráfica del comportamiento histórico de una enfermedad y los límites de variabilidad esperados sobre su ocurrencia en el futuro se denomina ­corredor o canal endémico. Esta herramienta de la vigilancia (Unidad 4) utiliza polígonos de frecuencia y permite visualizar el comportamiento secular (i.e., en el tiempo) de las enfermedades en un territorio determinado y orientar la decisión sobre la necesidad de desencadenar acciones de prevención y control. Organización Panamericana de la Salud / OMS 19 Segunda Edición Revisada Medidas de resumen de una distribución Muchas veces es necesario utilizar un valor resumen que represente la serie de valores en su conjunto, es decir, su distribución. Para los datos de variables cualitativas, la proporción o porcentaje, la razón y las tasas son unas típicas medidas de resumen. Para los datos de variables cuantitativas, sin embargo, hay medidas que resumen su tendencia hacia un valor medio (medidas de tendencia central) y otras que resumen su grado de variabilidad (medidas de dispersión). Cada una proporciona información complementaria y útil para el análisis epidemiológico. Medidas de tendencia central Las medidas de tendencia central de los datos son la moda, la mediana, y la media o promedio. La selección de las medidas depende del tipo de datos y propósitos. Los valores de muchas variables biológicas, como la talla, se distribuyen de manera simétrica. Otras variables, como la mortalidad y la tasa de ataque en una epidemia, tienen distribución asimétrica. Para distribuciones normales (ejemplo de distribución simétrica), la media, la mediana y la moda son idénticas. Para distribuciones asimétricas, la mediana representa mejor al conjunto de datos, aunque la media tiene mejores propiedades para el análisis estadístico y pruebas de significancia. El Gráfico 3.6 ilustra estas distribuciones, usando la serie observada de datos de la página 12 (listado de edades). Gráfico 3.6 0,05 Distribuciones normal, observada y asimétrica de la edad Normal asimétrica 0,04 Observada Densidad 0,03 0,02 0,01 0,00 15 25 35 45 edad (años) 20 Organización Panamericana de la Salud / OMS 55 65 Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Para indicar que, por ejemplo, la rubéola tiene un período de incubación de 15 a 21 días (generalmente 18 días), fue necesario observar una gran cantidad de casos, desde el primer contacto de una persona sana con un enfermo hasta la aparición de los signos y síntomas y medir este período en días. La diferencia entre el límite inferior (15 días) y el superior (21 días) se conoce como rango y se considera, junto con la desviación estándar y la varianza, una medida de dispersión de los datos, como se verá más adelante. El Cuadro 3.3 presenta el período de incubación de la rubéola, en días, observado en 11 niños (a esta forma de listar los datos se le denomina Serie Simple de datos). Cuadro 3.3 Período de incubación de la rubéola observado en 11 niños. niño 1 19 días niño 2 16 días niño 3 37 días niño 4 15 días niño 5 16 días niño 6 32 días niño 7 15 días niño 8 16 días niño 9 20 días niño 10 16 días niño 11 15 días El valor más frecuente, o sea el que más se repite, se denomina modo o moda. En el ejemplo, observamos que lo más frecuente fueron períodos de incubación de 16 días (4 veces). Este valor puede ser utilizado para representar el período de incubación en este grupo; i.e., “el período de incubación de rubéola más frecuente es de 16 días”. Si ordenamos los valores en forma ascendente, como por ejemplo: (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 15 15 15 16 16 16 16 19 20 32 37 Observaremos que el sexto valor, o sea el que se encuentra en medio de la serie, también es de 16 días. Este valor que ocupa la posición central de una serie ascendente o descendente se denomina mediana y divide la serie en 50% de las observaciones arriba y 50% abajo de ella. Esta medida también es útil y puede ser empleada para representar la tendencia central del conjunto de datos, sobre todo cuando no es conveniente usar la media debido a la presencia de valores extremos o cuando la distribución es asimétrica, como en una curva epidémica. Si en vez de un número impar de observaciones tuviéramos un número par de valores, como por ejemplo: Organización Panamericana de la Salud / OMS 21 Segunda Edición Revisada (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) 15 15 15 16 17 18 19 20 32 37 Se puede constatar que en esta serie no hay un valor central. Para calcular la mediana se suman los dos valores centrales (en el caso, 17 y 18) y se divide el resultado entre dos: 17,5 días La media o promedio aritmético ( ) también es muy útil y se obtiene sumando los valores de todas las observaciones y dividiendo el resultado entre el número de observaciones. En nuestro ejemplo, es la suma de todos los valores de los períodos de incubación dividida entre el número de niños observados. 19,7 días El promedio de 19,7 días es mayor que los valores del modo y de la mediana ya que, como toma en cuenta los valores de todos los casos, se ve afectado por la influencia de los casos con 32 y 37 días de incubación, que son valores extremos. En muchas ocasiones los datos están disponibles como distribución de frecuencias, en cuyo caso la serie se presentaría de la manera siguiente: período de incubación (días) Casos (número) 15 3 16 4 19 1 20 1 32 1 37 1 El cálculo de la media de estos datos se haría así: 3(15)+4(16)+1(19)+1(20)+1(32)+1(37) = 45+64+19+20+32+37 = 217/11 = 19,7 días 22 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Las medidas de tendencia central son de gran utilidad también para comparar grupos de valores. Por ejemplo, de las personas que participaron en un paseo, un grupo se enfermó después de la comida y otro grupo no presentó ningún síntoma. Las edades de las personas en los dos grupos fueron las siguientes: • enfermos: • sanos: 8, 12, 17, 7, 9, 11, 6, 3 y 13 19, 33, 7, 26, 21, 36, 33 y 24 Los promedios aritméticos calculados fueron: enfermos = 10 años sanos = 25 años Por lo tanto la enfermedad afectó más a los niños que a los adultos. Los niños eran más susceptibles o se expusieron más (consumieron mayor cantidad del alimento contaminado). Series agrupadas Cuando se tienen muchos datos se requiere agruparlos, para ello se construyen intervalos, que pueden contener igual o diferente número de unidades, y a ellos se asignan los datos observados. Tenemos entonces una serie de datos agrupados como en el Cuadro 3.4a. Cuadro 3.4a Casos de suicidio. Lugar X, 1995-2000 edad (años) Casos (f) 10 a 14 37 15 a 19 176 20 a 29 693 30 a 39 659 40 a 49 784 50 a 59 1.103 60 a 69 1.005 Total 4.457 Cuando nuestros datos sobre una variable continua están agrupados (categorizados) también podemos calcular una media y mediana aproximadas. Para estimar la media se debe construir una columna con los puntos medios (x) de cada intervalo de clase Organización Panamericana de la Salud / OMS 23 Segunda Edición Revisada de la variable y otra (fx) resultado de multiplicar el valor de cada punto medio (x) por el número de casos (f) del intervalo correspondiente (Cuadro 3.4b). La suma de estos productos (∑fx) dividida entre la suma de casos (∑f) nos da una aceptable aproximación a la media. Para calcular el punto medio (x) de cada intervalo de clase de la variable se obtiene la media del intervalo, esto es se suman el límite inferior y superior del intervalo y se divide entre dos, por ejemplo en el cuadro 3.4a el primer intervalo es de 10 a 14 años (10+14.9/2 = 12.5), note que se utiliza 14.9 por ser el limite superior real del intervalo. Los puntos medios de los siguientes intervalos de clase se calculan de manera similar. Cuadro 3.4b edad (años) Casos de suicidio. Lugar X, 1995-2000 Casos (f) punto medio (x) Casos acumulados fx 10 a 14 37 12,5 462,5 37 15 a 19 176 17,5 3.080,0 213 20 a 29 693 25,0 17.325,0 906 30 a 39 659 35,0 23.065,0 1.565 40 a 49 784 45,0 35.280,0 2.349 50 a 59 1.103 55,0 60.665,0 3.452 60 a 69 1.005 65,0 65.325,0 4.457 Total ∑f 4.457 ∑fx 205.202,5 En este ejemplo, la aproximación a la media sería: años Mientras que si utilizáramos en el cálculo los 4.457 casos, uno a uno, obtendríamos una media de 45,7 años de edad. También podemos estimar la mediana a partir de datos agrupados en un cuadro de frecuencias. Para ello tendremos que construir una columna de “casos acumulados”, como la que se presenta en el Cuadro 3.4b, que se obtiene a partir de la columna de “casos”. La primera celda corresponde a los casos de 10 a 14 años (37), la segunda se obtiene sumando a esos 37 los casos de 15 a 19 años (176) y así sucesivamente, hasta completar la última celda, cuyo valor tiene que coincidir con el total de casos (4.457). Una vez construida la columna de frecuencias acumuladas podemos aproximar la mediana de la edad mediante el siguiente proceso de cálculo: primero, localizar el intervalo de clase que contiene la posición de la mediana (PM); es decir: 24 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) En la columna de casos acumulados el caso N° 2.228 está situado en el intervalo de edad de 40 a 49 años. Después de obtener la posición de la mediana, se estima la mediana por interpolación; es decir: en donde: • • • • • Li = Límite inferior del intervalo de la posición de la mediana. PM = Posición de la mediana. fIPM = Frecuencia acumulada del intervalo anterior a la posición de la mediana. fPM = Frecuencia de la posición de la mediana. AIPM = Amplitud del intervalo de la posición de la mediana. años en donde: • • • • 2.228 = caso situado en el punto medio de la serie 1.565 = casos acumulados en el intervalo anterior al que contiene el caso 2.228 784 = casos del intervalo que contiene la mediana 10 = amplitud del intervalo Si calculásemos la mediana de edad de esta serie a partir de los 4.457 casos de suicidio individualmente, ésta sería 48 años de edad. Medidas de dispersión Para las variables cuantitativas contínuas las medidas de dispersión más usadas son básicamente tres: el rango o amplitud, la varianza y la desviación estándar. Estas medidas representan la dispersión o variabilidad de los datos continuos. El rango o amplitud es la diferencia entre el valor máximo y el valor mínimo de una serie de datos. La varianza (s2), que mide la desviación promedio de los valores individuales con respecto a la media, es el cociente entre la suma de los cuadrados de la diferencia entre cada valor y el Organización Panamericana de la Salud / OMS 25 Segunda Edición Revisada promedio, y el número de valores observados (menos 1). La desviación estándar (DE) es la raíz cuadrada de la varianza. La desviación estándar junto con la media permiten describir la distribución de la variable. Si la variable se distribuye normalmente, entonces el 68% de sus valores estará dentro de ± 1 desviación estándar de la media, 95% dentro de ± 2 y 99,9% dentro de ± 3 DE (Gráfico 3.7). (Es necesario notar que se trata de aproximaciones, ya que, por ejemplo, el área bajo la curva que abarca 95% no es exactamente 2 desviaciones, sino 1.96). Distribución normal Frecuencia Gráfico 3.7 -3 DE -2 DE -1 DE Media 68% 95% 99,9% 26 Organización Panamericana de la Salud / OMS +1 DE +2 DE +3 DE Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Veamos un ejemplo. Volviendo al Cuadro 3.3, el rango del período de incubación de la rubéola, con base en las 11 observaciones, es de 22 días (i.e., 37-15 días). La varianza sería: varianza varianza y la desviación estándar sería: desvación estándar (DE) días En resumen, los estimadores de los parámetros de la distribución del período de incubación de la rubéola en los 11 niños del ejemplo serían: media ( ) = 19,7 dias desviación estándar (DE) = 7,6 días Cuando nuestros datos sobre una variable continua están agrupados también podemos calcular la varianza y correspondiente desviación estándar aproximadas. Para ello, al igual que para estimar la media en datos agrupados, se parte de la columna con los puntos medios (x) de cada intervalo de clase. Luego generamos tres columnas; una con las diferencias entre el punto medio de cada intervalo de clase y la media de nuestros datos (x - ) llamada desviación; otra con esta desviación elevada al cuadrado (x - )2 llamada desviación cuadrática y, finalmente, otra columna (f (x - )2), resultado de multiplicar la desviación cuadrática por el número de casos (f) del intervalo correspondiente (Cuadro 3.4c). La suma de todos estos productos (∑f (x - )2) dividida entre la suma de casos (∑f) nos da una razonable aproximación a la varianza y extrayendo su raíz cuadrada obtendremos un estimado aceptable de la desviación estándar de nuestros datos agrupados. Organización Panamericana de la Salud / OMS 27 Segunda Edición Revisada Cuadro 3.4c edad (años) Casos de suicidio. Lugar X, 1995-2000 Casos (f) punto medio (x) desviación (x - ) desviación cuadrática (x - )2 producto f (x - )2 10 a 14 37 12,5 -33,5 1.124,97 41.623,71 15 a 19 176 17,5 -28,5 814,56 143.362,57 20 a 29 693 25,0 - 21,0 442,70 306.792,87 30 a 39 659 35,0 - 11,0 121,89 80.327,22 40 a 49 784 45,0 - 1,0 1,08 848,79 50 a 59 1.103 55,0 9,0 80,27 88.540,76 60 a 69 1.005 65,0 19,0 359,46 361.260,03 Total ∑=4.457 ∑=1.022.755,94 media ( ) = 46,0 anos En este ejemplo, la aproximación a la varianza (s2) sería: y la correspondiente desviación estándar (D.E., o “S”) para datos agrupados sería: D.E.= años mientras que si utilizáramos en el cálculo los 4.457 casos, uno a uno, obtendríamos una desviación estándar de 15,3 años de edad. Finalmente, otra forma útil de representar la dispersión de la distribución de una serie de datos es usando cuantiles, que son los valores que ocupan una determinada posición en función de la cantidad de partes iguales en que se ha dividido una serie ordenada de datos. Si dividimos nuestra serie en 100 partes iguales, hablamos de percentiles; si la dividimos en 10 partes iguales, deciles; en cinco partes, quintiles; y en cuatro, cuartiles. Como ejemplo, el Cuadro 3.5 presenta nueve percentiles de edad correspondientes a la serie de casos de malaria del Cuadro 3.2: el percentil 25 de esta distribución es 33 años, que equivale a decir que 25% de los casos tenían edad menor o igual a 33 años (y, en consecuencia, 75% de los casos eran mayores de 33 años). Nótese que la mediana de la distribución corresponde al percentil 50 (o cuartil 2). 28 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Cuadro 3.5 Percentiles y sus valores en una distribución de casos. Percentiles Edad 1% 24 5% 27 10% 29 25% 33 50% 38 75% 44 90% 50 95% 54 99% 63 Como hemos visto, el promedio y la desviación estándar definen la distribución normal y, por ello, se les llaman sus parámetros. El promedio, como medida resumen de tendencia central de los datos, es un indicador de la precisión de las observaciones. Por su parte, la desviación estándar, como medida resumen de la dispersión de los datos, es un indicador de la variación de las observaciones. Estos dos conceptos, precisión y variación, son de gran importancia para documentar la incertidumbre con la que observamos los fenómenos en la población y constituyen los principios básicos del proceso de inferencia estadística, cuyo uso nos permite derivar conclusiones acerca de toda la población observando solamente una muestra de la misma. El Gráfico 3.8 ilustra esquemáticamente dos situaciones posibles y frecuentes con relación a la distribución del peso al nacer en la población. Una vez que se ha revisado la forma de presentación de los datos, las medidas de tendencia central y de dispersión de los mismos, se continúa con el estudio de las distintas distribuciones o modelos teóricos. El más conocido de ellos es la llamada Curva Normal (Gráfico 3.7) que acabamos de introducir. Existen otros modelos teóricos que tienen aplicación en Epidemiología y Salud Pública, pero que van más allá de los objetivos de este taller. Mencionaremos que la Distribución Normal queda definida por 4 elementos característicos: 1. Tiene un eje de simetría. 2. La media aritmética, la mediana y la moda coinciden en el mismo valor por el cual pasa el eje de simetría. 3. La distancia entre el eje de simetría y los puntos de inflexión de la curva equivalen a la desviación estándar. 4. Es asintótica al eje de las “x” (abscisas), es decir nunca lo cruza. Organización Panamericana de la Salud / OMS 29 Segunda Edición Revisada Curvas de distribución normal del peso al nacer Frecuencia Gráfico 3.8 1,500 2,000 2,500 3,000 3,500 4,000 4,500 5,000 peso al nacer (gramos) Frecuencia A. misma precisión, diferente variación (igual promedio, distinta desviación estándar) 1,500 2,000 2,500 3,000 3,500 4,000 peso al nacer (gramos) B. misma variación, diferente precisión (diferente promedio, igual desviación estándar) 30 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) Medidas de frecuencia Como revisamos en la Unidad 2 del MOPECE, el enfoque epidemiológico parte de la observación de hechos en la población. Estos hechos son la presencia de enfermedad, la exposición a determinados factores, u otros atributos o eventos de interés. Son “de interés” porque consideramos que, eventualmente, actuando sobre ellos podremos modificar en forma positiva la realidad observada. El segundo aspecto de este enfoque epidemiológico es la cuantificación, es decir, asignar números a los hechos y para ello nos valemos de procedimientos estadísticos básicos como los descritos hasta ahora en esta Unidad. Así, medir la frecuencia u ocurrencia de tales hechos en la población es una tarea fundamental. Para medir la frecuencia de enfermedad en la población, el epidemiólogo recurre a tres conceptos muy importantes: probabilidad, riesgo y tasa. En su acepción más sencilla, la probabilidad es una medida de ocurrencia de un hecho incierto, o sea, el número de veces que se espera ocurra un evento a futuro. El riesgo a la salud es una medida que refleja la probabilidad de que se produzca un efecto o daño a la salud dentro de un periodo de tiempo establecido. La tasa es una medida de la rapidez de cambio de un estado a otro estado (v.g., de sano a enfermo) y, por tanto, también expresa un riesgo. Sin embargo, a diferencia del riesgo, la tasa involucra la experiencia de exposición de la población en unidades efectivas de tiempo-persona Probabilidad: Número de eventos que ocurren dentro de un número de eventos posibles. Riesgo a la salud: probabilidad de experimentar un efecto adverso o daño en un tiempo determinado. Tasa: medida de la rapidez de cambio de un fenómeno dinámico por unidad de población y de tiempo (tiempo-persona de exposición). La probabilidad es medible o cuantificable y su valor numérico se sitúa entre 0 y 1 (siendo 1 la certeza absoluta). Por conveniencia se puede expresar como un número decimal, una fracción o un porcentaje. El riesgo es también medible y se obtiene a partir de un cociente o fracción. En sentido estricto, al igual que la probabilidad, su valor se situaría entre 0 y 1. Se suele expresar como un valor de fracción multiplicado por una constante. La tasa es la medida clásica de la epidemiología. Tiene 3 componentes básicos: Organización Panamericana de la Salud / OMS 31 Segunda Edición Revisada • un numerador, que corresponde al número de individuos que experimenta el evento de interés (v.g., muerte, enfermedad, nacimiento, ingreso hospitalario); • un denominador, que corresponde al número total de individuos en la población expuestos o en riesgo de presentar el evento; y, • un período de tiempo específico, durante el cual se observa la frecuencia del evento de interés y la población que ha estado expuesta efectivamente. De ahí que la tasa pueda asumir un valor de 0 a infinito y se expresa en número de eventos que ocurren en un tiempo-persona de exposición, que es la característica fundamental de la tasa. Como se puede apreciar, la tasa combina en una sola expresión las tres dimensiones básicas del análisis epidemiológico: persona, lugar y tiempo. Aplicada correctamente, la tasa no solamente es una medida de frecuencia de enfermedad en la población, sino una medida del riesgo de enfermar en la población. De esta forma, al emplear tasas podríamos comparar la frecuencia y riesgo de enfermedad en diferentes poblaciones, diferentes subgrupos de la misma población o diferentes periodos de tiempo en la misma población. Prevalencia e incidencia Las clásicas medidas de frecuencia de enfermedad son dos: prevalencia e incidencia, que veremos en esta Unidad. Más específicamente, revisaremos la incidencia acumulada, y la tasa de incidencia. Aunque de uso común, el término “tasa de prevalencia” debe evitarse, pues no representa una tasa en tanto no es una medida dinámica; una denominación más apropiada es proporción de prevalencia, que también revisaremos. Medidas de morbilidad En la cuantificación de las condiciones de salud y enfermedad en la población, resulta imprescindible el uso de indicadores que faciliten su descripción y análisis. Se considera que estos estimadores son convencionales, pues el consenso científico-técnico y la práctica avalan su utilidad como herramientas relevantes para la interpretación de los perfiles de enfermedad en la población, con fines comparativos. Para que puedan responder a las necesidades de las poblaciones en forma adecuada, los servicios de salud deben efectuar sistemáticamente mediciones con el objeto de precisar la frecuencia de las condiciones de salud relevantes en la comunidad. Por ejemplo, reconocer que existen 700 personas en la comunidad con diagnóstico de lepra es una información esencial para organizar los recursos existentes y obtener, desde otro nivel del sistema si fuera preciso, el apoyo adicional requerido para la atención de todos los 32 Organización Panamericana de la Salud / OMS Módulos de principios de epidemiología para el control de enfermedades (MOPECE) enfermos. Así, el recuento de los casos de una enfermedad es una medida de gran importancia que sirve para orientar los servicios a la magnitud de los recursos necesarios. El recuento de nacimientos permite estimar la cantidad de niños menores de 1 año de edad que existen en una comunidad en un año determinado. Esta medida puede ser usada, por ejemplo, para proyectar la cantidad de vacunas necesarias para inmunizar a dicha población en ese año. Esta información podrá tener mayor precisión si, además, se conoce también el número de defunciones en menores de 1 año ocurridas en esa misma comunidad en el año considerado. Es decir, en una población y tiempo específicos, el número de niños a vacunarse puede ser operacionalmente definido como el número de niños sobrevivientes al primer año de vida y se puede estimar por la diferencia entre el número de nacidos vivos y número de defunciones en menores de 1 año de edad. En consecuencia, la enumeración o recuento de casos de enfermedad (así como de nacimientos y defunciones, junto con estimados censales de la población y sus características), constituyen los datos básicos que permiten a los servicios de salud obtener un mejor conocimiento sobre las condiciones de salud y enfermedad en las poblaciones y, por tanto, desempeñarse más eficientemente. Por otra parte, es prácticamente imposible conocer la magnitud real de la morbilidad en una población debido a múltiples y complejos factores, que van desde la diversidad de la percepción cultural sobre salud y enfermedad y la presencia de casos subclínicos (tal como hemos revisado en la sección sobre historia natural de la enfermedad, en el Módulo 2) hasta la inaccesibilidad a los servicios de salud y la falta de confianza en la asistencia médica. No obstante, es la disponibilidad de registros de buena calidad lo que hace posible obtener estimaciones epidemiológicamente válidas, que nos acercan al conocimiento de la realidad y nos permiten modificarla positivamente. Consideremos, como ejemplo, un área geográfica determinada en un país de América Latina. En la población se observaron 60 casos de tuberculosis en el año 1995. Un nuevo recuento en el 2000 demostró la existencia de 80 casos en la población. Cuadro 3.6a Casos de tuberculosis en una comunidad latinoamericana por unidad de tiempo. 1995-2000 año Nº de casos 1995 60 2000 80 ¿Cuál sería la mejor explicación de la diferencia observada entre los dos años?. Los hechos que podrían explicar la diferencia observada se pueden resumir como sigue: Organización Panamericana de la Salud / OMS 33 Segunda Edición Revisada • la atención a los enfermos y las demás medidas de control fueron inadecuadas y por ello se produjo un aumento en el número de casos; • las medidas de búsqueda activa y/o un cambio en la definición de caso de tuberculosis permitieron una mejor identificación de casos antes desconocidos, dando la impresión de aumento de la enfermedad en la población; • ciertos factores socioeconómicos, independientes de las medidas de control, provocaron un aumento de la enfermedad (v.g., crisis económica-desempleo-desnutrición); y/o, • hubo un aumento de la población local, por crecimiento natural o por inmigración neta (v.g., atracción por oferta de empleo en áreas de desarrollo industrial). Cuadro 3.6b Casos de tuberculosis en una población latinoamericana por unidad de tiempo. 1995-2000 Nº de casos Total población 1995 año 60 30.000 2000 80 50.000 Observamos que si bien hubo un aumento de 60 a 80 en el número de casos, también aumentó de 30.000 a 50.000 la población en el mismo periodo. Por tanto, lo que deseamos comparar es la diferencia entre 60 casos en 30.000 personas y 80 casos en 50.000. Es decir, 60 casos 30.000 habitantes vs 80 casos 50.000 habitantes Un cálculo sencillo nos permitirá la comparación más directa: • en 1995: 60 / 30.000 = 0,0020 • en 2000: 80 / 50.000 = 0,0016 Con el fin de facili