EpidemiologíA 2DO Parcial PDF

Preview

Summary

Hermosillo epi 1...

Description

EPIDEMIOLOGÍA 2DO PARCIAL PRESENTACIONES 1.Medición, variables y tipos de escalas Es el procedimiento de aplicar una escala estándar a una variable o a un conjunto de valores. a) Se delimita la parte del evento que se medirá b) Se selecciona la escala con la que se medirá c) Se compara el atributo medido con la escala d) Se emite un juicio de valor acerca de los resultados de la comparacin. Medición de salud en la población Formas de medir la salud:  Nivel de salud y bienestar  Capacidad funcional  Causas de la enfermedad  Muerte  Expectativa de vida Medidas e indicadores: Índices de salud positiva:  Salud mental  Autoestima  Satisfaccin con el trabajo  Ejercicio físico Variables  Variable dependiente: enfermedad o eventos  Variable independiente: factores que determinan su aparicin, magnitud y distribucin.

Modelo sencillo (1 sla explicacin, daño y efecto)

Variable independiente: fumar Variable dependiente: cáncer Tipos de escalas:  Cualitativas o Nominal  Categorías diferentes  Presencia o ausencia de cualidades  Los números no asignan magnitud u orden  Definen un atributo  Identifica o clasifica  Sexo, edo civil, lugar de nacimiento o Ordinal  Categorías según el grado de las características  Números indican posicin no magnitud  Personas según el grado de enfermedad (leve/moderado/severo)  Calificación (buena/excelente/mala)  Premiación (1er/2do/2er lugar)  Cuantitativas: o De razón  0 indica ausencia del atributo  Magnitud absoluta  Valores numéricos  Uso de medidas, metros, gramos, mol, etc  Ingreso económico, # de hijos, concentración de plomo en sangre o De intervalo  Orden en categorías  Mide magnitud relativa entre categorías  Valor de 0 y unidad de medida son arbitrarios.  No indica ausencia de atributo  Temperatura celsius 2.Presentación de gráfica de datos Gráfico de datos  Variables cualitativas  Variables cuantitativas  Se pueden representar como: o Diagrama de barras o Gráficos de sectores  Pueden ser: frecuencias absolutas o relativas

Gráfica: distribucin de muertes x suicidio según sexo. Lugar X, 1995-2000 Histogramas  Son tipos de gráficas de barras utilizados para mostrar continuidad y frecuencia.  Caracteristica principal es que no tiene espacios entre las barras para mostrar continuidad

Polígono de frecuencia: Permite graficar la distribucin de una variable y se construye uniendo con líneas recta los puntos medios del extremo sup de cada barra de un histograma. Es útil para visualizar la forma y simetría de una distribucin de datos y para presentar simultaneamente 2 o + distribuciones.

Mantenimiento de la proporción de las escalas  No existe una regla explícita sobre la proporcionalidad  “Razn de oro”: aprox 1,6:1  Referencia apropiada: 1,2 a 2,2 Tipo de variable y tipo de gráfico  Nominal o Diagrama de barras o Gráfico de sectores  Ordinal o Diagrama de barras o Gráfico de sectores  De intervalo o Diagrama de barras o Histograma o Gráfico de sectores o Polígonos de frecuencias (simples y acumuladas)  Proporcional o de razn o Diagrama de barras o Histograma o Gráfico de sectores o Polígonos de frecuencias (simples y acumuladas) Corredor o canal endémico  Comportamiento histrico e una enfermedad  Límites de variabilidad esperados  Utiliza polígonos de frecuencia  Permite visualizar el comportamiento secular  Orienta en la decisin sobre acciones de prevencin y control

Ojiva porcentual  Mide con la mediana de la variable  Frecuencia relativa acumulada (suma de las frecuencias)

CLASES

1.Estadistica descriptiva Definicin: asiganar un no. O calif a alguna propiedad específica de un individuo, poblacin o evento. Se compara un atributo medido en otros individuos, o en el mismo en otro momento, con el fin de evaluar sus cambios en el tiempo o cuando se presentan condiciones distintas a las originales. Proceso de medición: consiste en el paso de una entidad terica a una escala conceptual y después a 1 operativa. Hacer un juicio de valor:  Delimitar la parte del evento que se medirá  Comparar el atributo medido con la escala  Emitir un juicio de valor acerca de los resultados de la comparacin. VARIABLE Atributos o características de los eventos, de las personas o de los grupos de estudio que cambian de una situacin a otra de un tiempo a otro y que, puede tomar diversos valores. Para su estudio es necesario medirlas en el objeto de investigacin, y es en el marco del problema y de las hiptesis planteadas donde adquieren el carácter de variables (x eso se quiere estudia, encontrar relaciones). Se clasifican en:  Independientes o explicativas-causa  Dependientes o de respuesta-efecto Hipótesis nula (HN) Ej. Fumar, la HN es al azar siempre Pregunta de investigacin: ¿fumar tabaco es causa de cáncer de pulmn? Objetivo gral: encontrar una relacin entre fumar y cáncer de pulmn. ESCALAS DE MEDICIÓN Categorías de las escalas deben ser exhaustivas y mutuamente excluyentes

Cualitativas

Nominal=codificas, permiten manejar info + fácil.  El cdigo no da mayor importancia, slo sirve para identificar categorías  ¿Qué nos permite saber? Identidad  ¿Qué nos permite hacer? Contar Ordinal= cant ordenadas x importancia  Satisfecho/insatisfecho  Nos permite saber que una es + importante que la otra. Ej. Chaparro y alto  Nominal: si o no  Ordinal: mayor a Cuantitativas: números tal cual son, no hace categorías De intervalo: = a nominal pero con intervalos  0 relativo= temp y altitud  En el tiempo: antes de cristo y después de Cristo  Distancias entre intervalos son = De razón: todo, siempre que tenga un 0 absoluto  Prevalencias, incidencias

Determinar variables, escala de medicin— cuantitativa---de razn---porque hay un 0 real.  Toda variable que pueda medirse con una escala de razn debe medirse con una escala de razn  Después de manipular---> usar otra escala -> ordinal.  Se puede medir con varias escalas dependiendo del investigador  Comparo-> emito juicio

3.Medidas de resumen de una distribución ESTADISTICA DESCRIPTIVA Medidas de tendencia central  Las medidas de tendencia central de los datos son la moda, mediana y media o promedio.  La seleccin de las medidas depende del tipo de datos y propsitos  Valores de variables de distribución simétricos: variables biolgicas. Ej talla, peso. o Mediana, media y moda son iguales  Valores de variables de distribución asimétricos: mortalidad, tasa de ataque de una epidemia. o Mediana mejor conjunto de datos

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 distribucin es asimétrica, como en una curva epidémica. Distribucin asimétrica: mediana. Lo + cercano a lo real Si en vez de un núm impar de observaciones tuvieramos un núm par de valores, como por ej:

Se puede constatar que en esta serie no hay 1 valor central. Para calcular la mediana se suman los 2 valores centrales (en el caso 17 y 18) y se divide el resultado / 2 17+18 = 35 = 17,5 2 2 En toda variable cuantitativa se puede sacra media, mediana y moda. Media o promedio aritmético: tmb es muy util y se obtiene sumando los valores de todas las observaciones y dividiendo el resultado entre el núm de obervaciones

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 incubaciones, que son valores extremos. La dif entre el lím imf (15 días) y el sup (21 días) se conoce como rango y se considera, junto con la desviacin estándar y la varianza, una medida de dispersin de datos. Moda (modo): el valor + frecuente, o sea, el que + se repite. En este caso es 16 Si ordenamos los valores de manera ascendente, como por ejemplo:

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 posicin

En muchas ocasiones disponibles como frecuencias , en cuyo presentaría de la manera

Series agrupadas:

los datos están distribucin de caso la serie se sig:







Cuando se tienen muchos datos se requiere agruparlos, para ellos se construyen intervalos, que pueden contener igual o diferente número de unidades, y a ellos se asignan los datos observados Cuando nuestros datos sobre una variable continua están agrupados (categorizados) tmb podemos calcular una media y mediana aproximadas. Dra dijo INTERVALOS DE LA MISMA AMPLITUD

Media: Punto medio (x) de c/intervalo de clase de la variable se obtiene la media del intervalo, esto es se suman el lím inf y sup del intervalo y se divide entre 2, por ej, en el cuadro el 1er intervalo es de 10 a 14 años (10+14.9/2=12.5)  Otra columna (fx) resultado de multiplicar el valor de cada punto ½ (x) por el núm de casos (f) del intervalo correspondiente. La suma de estos productos (suma fx) dividida entre la suma de casos (suma f) nos da una aceptable aproximacin a la media.  Distribucin simétrica

Mediana

Medidas de dispersión Variables cuantitativas  Rango o amplitud: es la dif entre el valor máximo y el valor mínimo de una serie de datos.  Desviación media: dentro de la varianza, antes de hacerlo al cuadrado.  Varianza (s2): mide la desviacin promedio de valores individuales con respecto a la media. o Nos dice que tan lejanos están los datos del dato central (media).  Desviación estándar: es la raíz cuadrada de la varianza.

o

La desviacin estándar junto con la media permiten describir la distribucin de la variable.

Ejemplo:

¿Por qué al cuadrado? Números grandes, nos permite visualizar. ¿Qué pasa cuando tenemos un dato simétrio? Medida de tendencia central= media, junto con desviacin estándar. Mediana, dato asimétrico, puedo sacar rango. El rango del periodo de incubacin de rubéola, con base en las 11 observaciones, es de 22 días (37-15)

Varianza:

Otra forma de representar la dispersin de la distribucin:

Desviación estándar

Cuando nuestros datos sobre una variable continua están agrupados también podemos cálcular la varianza y correspondiente desviacin estandar aproximadas. intervalo correspondiente.  Se parte de la columna con los puntos medios (x) de cada intervalo de clase y la media de nuestros datos (x-x): desviación.  Esta desviacin elevada al cuadrado (x-x)2 : desviación cuadrática.  Otra columna (f(x-x)2), resultado de multiplicar la desviacin cuadrática x el núm de casos (f) del intervalo correspondiente. La suma de todos estos productos (suma f(xx)2) dividida entre la suma de los casos (suma f) nos da una razonable aproximacin a la varianza y extrayendo su raíz cuadrada obtendremos un estimado aceptable de la desviación estándar de nuestros datos agrupados.

Ejemplo: Tomo edad a todos los que trabajan y estudian en la UNI Hago rango intercuartil para acompañar a la mediana Uso los rangos intercuartiles en intervalos para poder tener un mayor contexto.

 El promedio y la desviación estándar definen la distribucin normal: parámetros.  El promedio es un indicador de la precisin de las observaciones  Desviación estándar: es un indicador de la variacin de las observaciones.

Precisión y variación constituyen los principios básicos del proceso de inferencia estadística. Nos permite tener conclusiones acerca de toda la poblacin observando solamente una muestra de la misma. Distribucin normal queda definida x 4 elementos carcateristicos: 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 inflexin de la curva equivalen a la desviacin estándar. 4. Es asintnica al eje de las x (abcisas), es decir nunca lo cruza. Medidas de resumen para variables cualitativas Proporciones:  Comparacin a través de una divisin entre un subconjunto y el conjunto al que pertenece, cuando se multiplica x100 se convierte en porcentaje.  Expresa la frecuencia con la que ocurre un evento en relacin con la poblacin total.  El numerador esta incluido en el denominador.  “Tasa”(proporcin) de muerte fetal= no. De muertes fetales/no. De concepciones.  Numerador: no. De casos de gripe (poblacin fija), si me sigo enfermando se siguen sumando números de casos.  Denominador: nosotros.  No. Muertes/ poblacin donde ocurren las muertes= 3 muertos/100 personas  Proporcin de edad: no. De personas de esa edad/total de poblacin  Subconjunto nunca es mayor al conjunto, por eso se multiplica x 100 Razón  Comparacin a través de una divisin, entre 2 conjuntos o grupos de elementos de dif o igual naturaleza.  Magnitudes que expresan relacin aritmetrica entre 2 eventos de una misma poblacin 1 evento entre 2 poblaciones. Ejemplos:  Razn de sexo: H/M 4mil/5mil= 0.8 hombres x c/mujer= 8 hombres x c/10 mujeres. o 14H/23M=0.6= 6Hx c/10M  Razn de muertes fetales: no. De muertes fetales/no. Nacidos vivos



Razn de tasa de mortalidad: o TMA(PA)/TMB(PB)= Razn o Me dice que la mortalidad de la poblacin B es 2 veces mayor que la PA

Tasa  Vemos la evolucin de un evento conforme el tiempo.  ¿Qué nos dice? Explica dinámica de un suceso en una poblacin a lo largo del tiempo.  Magnitud de cambio de una variable (enfermedad) por unidad de otra (tiempo), en relacin con el tamaño de la poblacin que se encuentra en riesgo.  Unidad: tiempo-persona  Numerador: no de casos de una enfermedad o muerte x causa especifica / personas libres de riesgo que yo estoy estudiando.  Toda tasa se multiplica x10 Ejemplo:  100 sujetos libres del evento durante 1 año: 100 años-persona.  10 sujetos libres del evento durante 10 años = 100 años-persona. Denominador= poblacin en riesgo. También abarca a personas que no han padecido la enf.

Tiempo libre: espacios en blanco, donde se detiene la línea. Mortalidad de Hermosillo: es imposible ver el tiempo libre de c/persona, slo es posible si tengo muestra, ej. Estudios de cohorte, esto hago:

Población a ½ de tiempo: poblacin libre de riesgo a mitad de año, x eso es tasa. Tasa: nos dice como va cambiando el evento de estudio, mortalidad y morbilidad. INCIDENCIA ACUMULADA Y PREVALENCIA Morbilidad: no la conocemos tal cual es. Ej. Resfriado no siempre se registra. Por eso el sist. De vigilancia epidemiología busca enfermedades.  Cuantificacin de las condiciones de salud.  Faciliten su descripcin y análisis  Condiciones de salud relevantes en la comunidad.  Enumeracin o recuento = desempeñarse + eficientemente o El recuento de nacimientos, estimar la cant de niños menores de 1 año. o Cant de vacunas necesarias para inmunizar Medidas de morbilidad:  Imposible conocer la magnitud real de la morbilidad.  Diversidad de la percepcin cultural sobre salud y enfermedad.  Inaccesibilidad a los servicios de salud.  Falta de confianza en la asistencia médica. Prevalencia: es la medida del número total de casos existentes, llamados casos prevalentes, de 1 enfermedad en un punto o periodo de tiempo y en una poblacin determinados, sin distinguir si son o no casos nuevos. La prevalencia es un indicador de la magnitud de la presencia de una enfermedad u otro evento de salud en la poblacin.  No puede ser considerada una tasa  No toma en cuenta el inicio ni duracin de la enfermedad. 

Punto de vista epidemiolgico:  Casos nuevos de una enfermedad aparecen en una poblacin durante un período de tiempo.  Cuántos casos nuevos surgen de una poblacin que esta en riesgo de padecer una determinada enfermedad o daño a la salud.  Indicador de la rapidez de cambio del proceso dinámico de salud y enfermedad en la poblacin.

¿Qué nos dice la prevalencia? Es una proporcin, número de casos de enfermos en una determinada poblacin, en el mismo tiempo.  Es una fotografía del tiempo  Relacionada con el diágnostico Incidencia ¿Qué es la incidencia? Es la medida del número de casos nuevos (casos incidentes) de una enfermedad originados de una poblacin en riesgo de padecerla, durante un periodo de tiempo determinado. Medida de morbilidad, o sea capacidad de enfermarse una poblacin. ¿Casos? Inician con poblaciones susceptibles libres, en las cuales se ve la presentacin de casos nuevos a lo largo de un periodo de seguimiento. Para:  Investigacin causal  Evaluacin de medidas preventivas Interés:  Aparicin de nuevos casos

Incidencia acumulada: la podemos tomar como riesgo o susceptibilidad. ¿A qué medida de dispersin pertenece la incidencia acumulada? PROPORCIÓN.  Numerador entra en el denominador, ambos pertenecen a una misma poblacin.  Personas enfermas/personas sanas= es dinámico  Numerador no va a ser mayor que el denominador  No puede ser razn: porque los enfermos pueden aliviarse y viceversa.  Ejemplo: depresin a lo largo de la carrera.  Yo considero siempre a la poblacin al inicio del estudio (40 del saln).  “La proporcin de individuos de una poblacin, que en teoría desarrollarían una enfermedad si todos sus miembros fuesen susceptibles a ella y ninguno falleciese a causa de otras enfermedades”  Compara diferentes riesgos de distintas poblaciones.



Ejemplo: la incidencia de gastroenteritis en la Provincia del Sur durante el mes de diciembre de 2001 fue de 20 x c/1000 niños de 5 a 10 años.

Tasa de incidencia  Principal medida de frecuencia de enfermedad  Poblacin a mitad de año  poblacin en riesgo de tener un problema. “El potencial instantaneo de cambio en el estado de salud por unidad de tiempo, durante un periodo especifico, en relacin con el tamaño de la poblacin susceptible en el mismo periodo”  Tiempo en riesgo o tiempo-persona  Para que una persona se considere expuesta al riesgo en el periodo de observacin debe iniciar éste sin tener la enfermedad (el evento en estudio).  El cálculo del denominador de la TI se realiza sumando los tiempos libres de enfermedad de cada uno de los individuos que conforman el grupo y que permanecen en el estudio durante el periodo.  Años, meses, semanas, días.  Factores: o Tamaño de la poblacin o Amplitud del periodo del tiempo o Poder patgeno de la enfermedad sobre la poblacin.  A

menudo no es posible calcular exactamente la duracin del tiempopersona para los individuos que ya no están en riesgo, debido a que desarrollan la enfermedad.

 Para este grupo el valor total del tiempo-persona en riesgo puede estimarse de manera aproximada multiplicando el tamaño medio de la poblacin por la duracin del periodo de observacin.  La TI no es una proporcin dado que el denominador expresa unidades de tiempo y, en consecuencia, mide

casos por unidad de tiempo  Tanto la prevalencia como la incidencia son medidas de morbilidad en la poblacin.  Difieren en que la prevalencia mide el núm de personas que tienen la enfermedad en un momento dado (i.e su magnitud) y la incidencia mide los casos nuevos que se presentan en un periodo determinado de tiempo (i.e su velocidad)  Note que si aumenta la incidencia (aparecen + casos nuevos) y el núm de muertes y recuperados se mantiene sin cambio, aumentará la prevalencia. Si aumenta la mortalidad o + gente se recupera y la incidencia no cambia, la prevalencia disminuirá.  Supongamos que se introduce una nueva prueba que detecta la presencia de enfermedad tempranamente en el período subclínico; el resultado práctico será un aumento en la incidencia, en la duracin de la enfermedad y también en la prevalencia. Por otra parte, si se introduce un medicamento que pospone o evita la mortalidad prematura pero no cura definitivamente, el resultado también será un aumento en la prevalencia.

 ¿Cuál es el núm de casos incidentes de la enfermeda...