Your SlideShare is downloading. ×
0
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
21421
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

21421

1,209

Published on

Published in: Health & Medicine, Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
1,209
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
43
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • ¿Quién es Betty C. Jung? Revise mis sitios Web en: http://www.geocities.com/bettycjung/index.htm http://publichealthusa.homestead.com Hay una página Web totalmente dedicada a la Epidemiología y a Bioestadística en: http://www.geocities.com/bettycjung/Episites.htm Si está interesado en un tema de Salud Pública en particular revise http://www.geocities.com/bettycjung/Phsitea.htm o algo más general busque los índices de búsqueda: http://www.geocities.com/bettycjung/Sesites.htm Traducción al Español por Dr. Nicolás Padilla, Facultad de Enfermería y Obstetricia de Celaya, Universidad de Guanajuato, México
  • Los libros de texto usados para preparar esta conferencia pueden ser encontrados en la siguiente bibliografía anotada en mis páginas Web: http://www.geocities.com/bettycjung/Biostats.htm http://www.geocities.com/bettycjung/Epi.htm La principal fuente de información es: D.F. Stroup & S.M. Teutsch’s Statistics in Public Health: Quantitative Approaches to Public Health Problems - Chapter 2 " Basic Concepts of Statistics" (1998).
  • Epidemiología es la ciencia básica de la práctica de la salud pública (debo mencionar que hay controversia acerca de esto). Los epidemiólogos tienden a hablar en números, como muchos científicos lo hacen. Cuando ellos cimparan un grupo con otro, en estudios epidemiológicos, ellos quieren resumir que va con con la medida resumida. Han desarrollado estas medidas basados en los principios matemáticos de Estadística. Esta conferencia cubre los principales principios estadísticos fundamentales que han sido adoptados por los epidemiólogos, las principales medidas usadas para describir el proceso de enfermedad identificadas por los epidemiólogos y otros procedimientos matemáticos adoptados para uso epidemiológico.
  • En la conferencia anterior, aprendimos como la enfermedad fue vista por las personas a través de los siglos. Fue desde el castigo por los dioses hasta una visión más científica con el descubrimiento del microscopio. Los postulados de Koch, mantuvieron la verdad con el descubrimiento del proceso de enfermedad basados en microbios. Con el desarrollo de los antibióticos, la humanidad tuvo oportunidad con enfermedades que diezmaron culturas y poblaciones.
  • Hoy, tenemos que tratar con enfermedades virales (VIH), los cuales no son susceptibles a antibióticos así como “Super bichos” que no responden a nuestro arsenal de antibióticos. Además, estamos viviendo en ambientes que son una mezcla de químicos y toxinas desconocidos, con interacciones desconocidas sin investigación. Ahora, en el siglo XXI, estamos menos seguros de los que funciona que hace 100 años, lo cual es la razón de que nos hempos vuelto dependientesde las estadísticas para tratar con esta incertidumbre.
  • En salud pública estamos interesados en qué está pasando en las poblaciones. Esto es principalmente la prevención de la diseminación de la enfermedad. Idealmente, si quieres aprender acerca de poblaciones, deberías estudiar a todos en la población. Desafortunadamente, en relaidad, es virualmente imposible casi siempre. En tal caso, tenemos que tomar una muestra de la población de interés y esperar que lo que suceda en la muestra sea represntativo de lo que suceda en la población, de donde se extrajo la muestra. Si lo hacemos bien tomando una muestra aleatoria en la cual todos en la población que estamos interesados, tienen igual oportunidad de ser incluídos, entonces podemos usar las matemáticas para inferir que puede ser verdad para la población de interés.
  • Los datos necesitan ser organizados en alguna forma para tener sentido y ser útiles. Los datos por sí mismos no tienen significado sin la interpretación que cambia a los datos en información. Con las computadoras personales y programas estadísticos accesibles, es posible crear trazos visuales muy fácilmente. Un paquete estadístico muy simple que puede hacerlo es EpiInfo de la OMS y CDC. Es un programa gratuito. Su versión más reciente, 6.04 se puede obtener de Andrew Dean y sus colegas, que están trabajando en la versión basada en windows (2000), que actualmente está siendo probada.
  • Necesitamos entender cómo los datos están distribuidos para pensar si vienen o no de la misma población. Cómo los datos están distribuidos puede tener impacto en qué tipo de procedimientos estadísticos podemos usar para probar hipótesis. Ya que muchos procedimientos estadísticos están basados en propiedades de la curva de la distribución Normal (Curva de campana), los datos que no cumplen las suposición de una distribución Normal, deberán ser transformados antes de que puedan usados. Si realmente quieres saber más de esto, revise algunos de los libros de texto que he listado en mi Bibliografía de Bioestadística
  • Una mediana es más apropiada, por decir, ingreso “promedio” reportado por una compañía debido a que es probable que haya gran disparidad entre lo que gana el Presidente de la Compañía y lo que gana el portero. Podrás una media, por decir, el ingreso “promedio” de un grupo ocupacional dentro de la compañía ya que el rango de ingreso entre un grupo en particular de trabajadores o profesionales no variará demasiado.
  • N es usada para representar el total de una población n es usada para representar el total de una muestra de la población
  • Tipo de tabla de contingencia. Tablas de contingencia son muy usadas en bioestadística. Si quiere aprender más, revise la bibliografía de bioestadística.
  • Transcript

    • 1. Una Breve Introducción a la Epidemiología - III (Estadística básica y medidas epidemiológicas comunes) Betty C. Jung RN, MPH, CHES
    • 2. Objetivos de aprendizaje <ul><li>Entender los principios básicos estadísticos usados comunmente en Salud Pública. </li></ul><ul><li>Entender las medidas epidemiológicas de enfermedad más comunes. </li></ul>
    • 3. Objetivos a alcanzar <ul><li>Entendimiento básico de cómo son usadas las estadísticas para cuantificar enfermedad en la práctica de la Salud Pública. </li></ul><ul><li>Entendimiento básico de las principales medidas epidemiológicas encontradas en la literatura. </li></ul>
    • 4. Rol de la aleatorización <ul><li>Proceso de la enfermedad - </li></ul><ul><li>Determinístico - todas las variables relacionadas a la enfermedad podrían ser controladas o fueron conocidas, y el resultado podría ser predicho con certeza. </li></ul>
    • 5. Rol de la aleatorización <ul><li>Sin embargo, fue descubierto que el resultado o enfermedad sigue un proceso estocástico (o aleatorio). Así, probabilidad se vuelve importante en el pensamiento de controlar la enfermedad. </li></ul><ul><li>Métodos cuantitativos usados actualmente en el análisis de datos de salud pública, se encuentran en la teoría de la probabilidad. </li></ul>
    • 6. Rol de la aleatorización <ul><li>La probabilidad provee los fundamentos para la inferencia estadística. </li></ul><ul><li>Inferencia estadística- extrae conclusiones acerca de toda la población de la información obtenida de una muestra de esa población. </li></ul>
    • 7. Características de una distribución de frecuencias <ul><li>Los datos deberá ser examinados gráficamente, antes de intentar resumirlos, con una medición resumida simple. </li></ul><ul><li>Presentaciones visuales ayudan a identificar los extremos y la forma de la distribución . </li></ul><ul><li>Histograma- gráfica de distribución de frecuencias. </li></ul>
    • 8. Características de una distribución de frecuencias <ul><li>Propiedades de la distribución de frecuencias </li></ul><ul><ul><li>Tendencia central </li></ul></ul><ul><ul><li>Variabilidad (dispersión) </li></ul></ul><ul><li>Forma de la distribución (simétrica o desviada), determina la medida de tendencia central o de dispersión, adecuadas </li></ul>
    • 9. Medidas de tendencia central <ul><li>Media aritmética (más común) se prefiere ante distribuciones simétricas </li></ul><ul><li>Mediana (valor medio de la distribución)- menos afectada por valores extremos o de las colas- medida preferida ante distribuciones sesgadas. </li></ul>
    • 10. Medidas de variabilidad (dispersión) <ul><li>Rango - el más simple de calcular, es sensible a valores extremos, de menor utilidad. </li></ul><ul><li>Varianza - promedio de las desviaciones al cuadrado de la media </li></ul><ul><li>Desviación estándar -desviación estándar en toda la población/ la raíz cuadrada de la población. </li></ul>
    • 11. La regla empírica (Teorema del límite central) <ul><li>Dando un n grupo de mediciones normalmente distribuidas, en promedio: </li></ul><ul><ul><li>68.3% de las mediciones están a 1 desviación estándar de la media </li></ul></ul><ul><ul><li>95.5% de las mediciones están a 2 desviaciones estándar de la media </li></ul></ul><ul><ul><li>99.7% de las mediciones están a 3 desviaciones estándar de la media. </li></ul></ul>
    • 12. Medidas de frecuencia de enfermedad <ul><li>Razón - relación entre dos cantidades </li></ul><ul><li>Proporción - una razón - el numerador está incluído en el denominador </li></ul><ul><li>Tasa - medida más común </li></ul><ul><ul><li>Tasa verdadera - un cambio por unidad de tiempo </li></ul></ul><ul><li>Algunas tasas usadas en epidemiología no son verdaderas tasas, sino proporciones. </li></ul>
    • 13. Medidas de frecuencia: Prevalencia <ul><li>Número de casos existentes de una enfermedad. </li></ul><ul><li>Estima la carga de la enfermedad </li></ul><ul><li>Usada en enfermedades crónicas o aquellas de larga duración </li></ul><ul><li>Periodo de prevalencia - una proporción </li></ul><ul><li># de casos existentes en una periodo de tiempos especifico </li></ul><ul><li>Población en riesgo en el mismo periodo </li></ul><ul><li>Punto de prevalencia - igual que el periodo, sólo que es en un punto en el tiempo </li></ul>
    • 14. Medidas de frecuencia: Incidencia <ul><li>Número de nuevos casos de una enfermedad en un periodo de tiempo específico </li></ul><ul><li>Usada en enfermedades infecciosas o aquellas con de corta duración. </li></ul>
    • 15. Tipos de medidas de incidencia <ul><li>Incidencia acumulada - Una proporción - riesgo de enfermedad en una población. Una medida del riesgo para una población. </li></ul><ul><li># de nuevos casos en una población definida en un periodo de tiempo específico </li></ul><ul><li>Población en riesgo </li></ul><ul><li>Tasa de ataque - incidencia acumulada para un periodo corto definido </li></ul>
    • 16. Tipos de medidas de incidencia <ul><li>Tasa de densidad de inidencia - una verdadera tasa - no indica el riesgo para un individuo en una población. Representa la tasa a la cual los nuevos casos están ocurriendo. Información más específica. </li></ul><ul><li># de nuevos casos en una población definida en un periodo de tiempo específico </li></ul><ul><li>Total de tiempo que cada persona fue seguida u observada, sumado para todas las personas en la población de interés </li></ul>
    • 17. Medidas de asociación <ul><li>Útiles para evaluar la existencia de una relación entre la exposición a un factor de riesgo específico y el status de enfermedad </li></ul><ul><li>Riesgo relativo (Razón de riesgo) (RR) - usada en estudios cohortes. Razón de tasas de ataque en grupos expuestos y no expuestos. </li></ul><ul><ul><li>RR = 1 tasa igual en ambos grupos </li></ul></ul><ul><ul><li>RR>1 el expuesto es nás posible que enferme </li></ul></ul><ul><ul><li>RR<1 el no expuesto es más posible que enferme </li></ul></ul>
    • 18. Medidas de asociación usadas en estudios cohorte <ul><li>Diferencia de riesgo - diferencia en las tasas de ataque de los grupos expuestos y no expuestos se calcula para determinar si es significativamente diferente de cero ( no efecto). </li></ul><ul><li>Razón de riesgos - La razón de dos tasas de densidad de incidencia. Útiles cuando la información de tiempo-persona está disponible. Interpretación casi igual a RR. </li></ul>
    • 19. Medidas de asociación usadas en estudios de casos-controles <ul><li>Razón de momios -(RM u OR) cuando las tasas de enfermedad no están disponibles. La razón de los momios de la exposición entre casos y controles. </li></ul><ul><li>Si la enfermedad es rara, la RM será similar al RR (si RM>1 indica que la relación de la enfermedad a la exposición es improbable que sea por azar.) </li></ul>
    • 20. Ajuste de tasa <ul><li>Ajuste de tasa - ajustar o estandarizar tasas para remover efectos de la edad en las poblaciones siendo comparadas. </li></ul><ul><ul><li>Estandarización por edad - un método que controla la edad como un factor. Se prefiere el método directo. </li></ul></ul><ul><ul><li>Tasas estandarizadas no tienen ningún significado por sí solas, y sólo se usan para hacer comparaciones con tasas estandarizadas de la misma forma. </li></ul></ul>
    • 21. Modelaje - para evaluar relaciones <ul><li>Regresión logística - cuando resultados específicos por estratos no pueden ser explicados con una medida resumida simple. Se usa cuando el análisis estratificado deja a los datos muy dispersos. </li></ul><ul><li>En estudios de casos y controles, o transversales, la estimación de máxima probabilidad no tiene significado y no deberá ser usada. Razón de momios es la medida estadística más común del modelo de regresión logística. </li></ul>
    • 22. Modelaje - para evaluar relaciones <ul><li>Análisis de sobrevida - procedmineto de modelaje más popular en epidemiología. Usado para modelar el tiempo hasta que se presente un evento. </li></ul><ul><li>Análisis de tablas vitales - un procedimiento que produce un resúmen de la experiencia de mortalidad en una población. </li></ul>
    • 23. Confusión <ul><li>Confusión - cuando la relación entre una enfermedad y la exposición es distorsionada por la relación de alguna tercera variable con la enfermedad y la exposición de interés. </li></ul><ul><li>La variable confusora deberá estar asociada a la exposición y ser un factor de riesgo para la enfermedad, INDEPENDIENTE de la exposición. </li></ul><ul><li>Edad es un confusor potencial en muchos estudios. </li></ul>
    • 24. Confusión <ul><li>Si la relación entre la exposición y la enfermedad es similar para cada grupo de edad pero diferente para la medida de asociación sin estratificar o cruda (todos los grupos de edad combinados), entonces existe la evidencia de confusión y una medida resumida que controle los efectos del confusor, es necesaria. </li></ul><ul><li>Cuando se realice un análisis epidemiológico, la tabla de análisis básica de 2 x 2 con análisis estratificado deberá ser usada para evaluar confusores potencialeso modificadores de efecto. </li></ul>
    • 25. Riesgo Atribuible [RA] (Fracción atribuible) <ul><li>Ofrece una medida de qué proporción de la enfermedad puede ser atribuída a la exposición. </li></ul><ul><li>La proporción remanente = a la proporción de la enfermedad que debería haber ocurrido aún en la ausencia de la exposición. Asume que todas las otras variables están distribuidas similarmente entre los grupos expuesto y no expuesto. </li></ul><ul><li>La acción de la salud pública debería eliminar la exposición a lo que se conoce como causa de enfermedad para una gran poroporción d ela población. </li></ul>
    • 26. Vigilancia <ul><li>Método usado para predecir eventos futuros. De importancia para monitoreo de epidemias o cambios en el proceso de enfermedad. El monitoreo permite rápida respuesta de salud pública a cambios en las tasas esperadas de enfermedad. Útil en la planificación de prevenciín de enfermedad. </li></ul><ul><li>Modelos matemáticos - usados para patrones de datos recolectados en el tiempo. (datos de series de tiempo). </li></ul><ul><li>Una vez que los método de modelaje apropiados son determinados para trazar observaciones existentes, pueden ser usadospara vigilar futuros valores de las series. </li></ul>
    • 27. Vigilancia <ul><li>Metodología de Box-Jenkings - forma univariable para modelaje de datos de series temporales. Incluye modelos que son también conocidos como modelos autoregresivos de promedio cambiante (ARIMA) </li></ul><ul><li>Estos modelos son situados para series mostrando estacionalidad (común en salud pública). </li></ul>

    ×