" ,,::;'";:~::;";~~~

.~.. .,..:t.~~..0:..

1Jlt{i~~ :~~~;;~~~~1if~:

EPIDEMIOLOGIA
MODERNA
]
222

La comprobacin de la hiptesis estadistica para dalos estratificados

representa una prolongacin directa de las tcnicas que $e aplican a
dalos brutos. Las pruebas exacta$ se ba$an en clculos dc probabilidatlc!i
de un conjunto de estratos; la probabilidad de observar un con.iunlo dc
resultado$ e$ el producto de la probabilidatl dc cada un() tIc cllo!i.
con lo que la probabilidad de ob$ervar el conjunlo de ob~ervacione~ cn
los datos estratificados se calcula como el producto de la probabilidad
del resultado en cada e$trato. E$la ltim~ prob~bilidad se determin~
utilizando el mismo modelo probabilislico empleado para los dalos
brutos. Aunque esta ampliacin de la comprobacin exacta a dato$
estratificados es conceptualmente simple. en la prctica el gran nmero
de combinaciones de resultado$ puede hacer las computaciones tedio$a;
de enumerar )' de llevar a cabo. exceplo si se las realiza con una
computadora.
w prueba$ aproximada" para dalo" estratificndo~ conservan la
forma general de la expresin [ 10.1J )' simplemente prolongan las frmulas
para datos bruto$ que se dan en el capitulo 11. obteniendo los compo-
nentes del te$t estadistico (nmero observado de ca~os expueslos. nme-
ro esperado bajo la hiptesis nula )' varianza) a base de sumar las
1
contribuciones de cada uno de estos tres componentes sobre el con.iunlo
de estratos.

COMPROBACION DE HIPOTESIS CON DA TOS

ESTRA TIFICADOS PERSONA- TIEMPO
]

Con7prohocin de 17ip1e.\'i,\' e.yac1o con da1n,~ e,~rrar~fi('adn,~ per,~ml(1-

riempo. Para datos estratificados. las probabilidade~ globales necesa- ~
rias para calcular los valores exactos dc p $on 10$ productos de la$
probabilidades obtenidas dentro de cada e~trato, El nmero total de
resultados posibles es por regla general grande. especialmente en compa-
racin con los datos brutos, lo que hace dificiles los clculos del valor
J
exacto: de p para dato$ estratificados. En la prctica. rara vez se llevan a
cabo. A pesar de todo, los principios para obtener valore$ exactos de p
con datos estratificados son prolongacin directa de los que son aplic;-
ble$ a los datos crudos y las operacione$ se pueden programar rilcil-
mente en una computadora.
La frmula de probabilidad para el nmero de casos expuestos en un
estrato nico es idntica a la empleada con los datos brutos:

Pr(nmero de casos expuestos en e) estrato i = Gj) =

= MI j\(~\GI(&\"j
f,V"
aj )\ 7i ) \ 7i )
t ..La
..' .- probabilidad de que un conjunto de N estratos tenga exactamente
aj casos expuestos en cada estrato i, i = 1.2. ..., I\', es el producto de la

j
v. ., ... .

:~:.:':.:::r~:.~!~~:.~::~r~:ij:f;cl:~:i1
".

~~}~~:ftl~~;*o'!..
::f;
~
 .:*';:i~~;
~~~\f)
1~~t~\V

~~~

ANAUSIS ESTRATIFICADO 223

probabilidad de ellcontrar exactamente al casos expuestos en cada uno

de dichos eslratos:

Pr(dcl conjunto de observaciones {UI}) = n ( M li

)( ~'
I~\ al J/ ,

[12-28]

Existe Ultil <.:iertil <.:()mplejidad en determinar qu resultados de los datos

se cOltsitlcril ig\I:1I dc cxtrcmos y m:ls extremos en relacin con las
ob~ervilci(,I)cs r<.:ilI:S. El prohlcma exi~e que se tengan en cuenta todas
las COlltbilt:l<.:i()III:S posihlcs tic valorcs para el posible nmero de casos
1 expuestos en <.:ada cstruto. <.:on el nllmcro en cada uno de ellos sujeto a la
limitn<.:ill dcl ItlJllterO total de casos cxpuestos que realmente ocurrie-
ron en ese estrato.
Por ejcmplo. con$ideremos los datos presentados en el ejemplo 12.6.
I-I ay un total tle 16 casos en los tres estratos de edad, de los cuales 9 son
expuestos. El resultado ms extremo. condicional al nmero de casos
I ohservados en cada estrato. seria que los 16 casos fueran expuestos, 2. 12
y 2 re$pectivilmente en cada uno de los tres estratos de edad. Considere-
mos lo~ resultados po$ibles pura que los casos expuestos fuesen 15. Hay
tres formas por I~l~ que 15 de lo~ 16 C~tSOSpodran ser expuestos: el caso
no explle~to p()(lri; caer en cualquiera de los tres estratos de edad. Estas
tres posihilitlatlcs corresponden a las distribuciones de casos expuestos:
1-12-2. 2-11-2 y 2-12-1. En la tabla 12.8. se da una enumeracin
I completa de totlo~ lo~ posibles resultados. para al menos 9 casos
expuestos. Las 54 combinaciones constituyen los resultados de la cola
superior de lu distribucin probabilstica adecuada para comprobar la
I hiptesis nula de no asociacin entre la categora de dosis y el neopJas-
ma tiroideo. Para obtener el valor exacto de p en dicha cola superior
hay que calcular la probabilidad de cada uno de estos posibles 54
1 resultados segn la frmula [12.28].
Por ejemplo. la probabilidad de las observaciones reales 0- 7-2, se
~
~
~

calcula. de ucuerdo con la frmula [12.18], as:

,) I 9.942

~~

1.530' n
= (0.8175) x (0.00054036) x (0,3501)
.'\.747)

0,000155

La suma de la probabilidad de todos los resultados de la Tabla 12.8 es

igual al valor exacto de p para la cola superior del test de Fisher,
comprobando 1.1lliptesis nula de no asociacin entre nivel de exposi- t

'T~f.
-;-"
-~
:-~

~;;
~:
 I!: ~~i';~

Ejemplo 12.6. ',cid",,(io d(' ",('nl'la,\"",f' tirnid('fl, .\,(,~,ill (,d(ld, ('II h(""hr(l,\
I'aro la,~ ".'"I"I(',\"ta,\" (/ "'(,1'0,\" d(' I(}() rll(I,I' a ""i,\ (1(' J(}(J r(l(1 (1(' r(,fli(lf'ifil/
( H('",l'eh"a,m ('I til, 197.~)

0-14 aos 15-29 :,()~ 30+ lOS

---

300+ <IOO 3()O + < I 00 3()(\.;. < 100

rnd rud rad racl rld rld

2 I 5 ")
. ()
Ca~O5 o

Persona-aos .054 9.942 2.665 15.410 2.217 53()

Tabla 12.8. Erll(1ci(ill d(' 1((""," 1(1.\ cmllhill(ICiml('.v p(I.\.ihl('.v (1(' (.(1.~(.\ ('.\.p,,('.,"'(I.\,
pnr ("(1I(',I!(lrill.," d(' (,d(I(!. ("(II/ (l/lI/('lIV.V '"("1'(' ('(1.\.(1.\.('.\.pll('.\."I,\,
p(lrll 1(1.\' "(II(),\' ,,(,/ (:i('lI/1l(1 12.(,

Distribucin Di~trjbucion Di~tribucin

N." total de casos N." total dc caso~ N." lotal dc C.ISOS
de casos de ca~O5 eXpUC~IO~ dc casos expue~tos
expuestos
por categora pnr cale~nrja exrue~los por cate~nri:\
expuestos explle~to~
dc edad dc edad uc cdaIJ

16 2-12-2 12 0-12-0 10 0-10-0

15 1-12-2 12 0-1 I-I 10 (1-9-1

15 2-12-1 12 0-10-2 )0 O-~-1

15 2-11-2 12 1-11-0 10 1-9-0

14 0-12-2 !2 1- I ()-I lO I-~-I

14 1-12-1 1:? 1-9-2 10 1- 7-2

14 1-11-2 12 2- I 0-0 10 2-~-O

14 2-12-0 12 2-9-1 lO 2-7-1

14 2-11-1 !2 2-R-2 10 2-6-2

14 2-10-2 0-1 l-O 9 0-9-0

13 0-12-1 0-1()-1 9 O-f'-1

13 0-11-2 ()-9-2 9 0-7-2

13 I-I :-O 1-10-0 9 I-~-()

13 1-11-1 I -9-1 9 I-i- I

13 1-10-2 1-~-2 9 1-6-1

13 2-11-0 2-9-0 9 2-7-0

13 2-}0-1 II 2-R-I 9 2-()- I

13 2-9-2 2-7-2 9 2-5-2

cin a la radiacin e incidencia de neoplasma tiroideo. AIgehraicamente,

la probabilidad de la cola superior se expresa as:

[ 12.29]

H
f

.: I

.'

:...
,.~

'.:;o; ~~!~t~:
~
 ::;..:::~:',;,'::
:~=~~.~

r~;\~l~~~
~~l~~~\~\~

J ANALISIS ESTRATIFICADO :225

--

ll(111ljc.:tii rCprCSl'111:1c.:1valor dcJ nllmero dc casos cxpueslos en el estrato

i, ti = Lj, (I ~ Llli' y 1\11 = l:M1i. La suma de todas las proba-
hilidadcs Jc.: las <:(1111hinacioncs listadas en la labIa 12.8. es 0.000600.
Curiosamc.:11Ic, la s lIma dc las probabilidades correspondientes a las
9 comhinal:ioI1C.:s 4ue son juslo lan exlremas como la observacin
re.ll con cxaclamcnlc nueve C.1SOScxpueslos. es 0.000522. casi tan grande
como la suma dc los 54 resultados obtenidos en la tabla 12.8. Si se
incluycn las nucvc combinacioncs con diez casos expuestos, la suma
aumenl,! hasta 0.000592. e incluyendo las posibilidades con 11 casos
expueslos sube a 0,000599. Est claro que no es necesario efectuar las 54
compulacioncs par.1 conseguir una respuesta suficientemente exacta
para cualquier inlcrprelaci()n cienlfica, ya que para el valor de p un
Jgilo Jc prccisi()n cs generalmente suficiente.
r.\r:1 c.:1 valllr cxal:lo dc l' dc la cola inferior del Fisher. que se
l'.llc\lI.lr:1 1:\1:111(1(1 1:1 cfc<:lo clbscrvado es menor que-. el valor nulo. el
sumal()ri(1 l'S:

g VOj
.\1
[ 12.301
..I
7';

donde. de nuevo 1, = L. ki. y asi sucesivamente.

Para obteller el valor exacto de la media P. slo debera incluirse en
cl sumatori() la mitad de la probabilidad de las observaciones tan
extremas como las observadas:
Probabilidad de la cola superior

[ 12.31 ]

Probabilidad dc la cola inferior

I "
Il~I i
)( '~
~
-Ln
2 k=n i=1 k.;
I I )
[ 12.32]
m
Para los dalos del ejemplo 12.6. el valor exacto de la media p
superior seria la milad de 0.000522. que era la probabilidad de los nueve
D resultados posibles con exactamenle nueve casos expuestos. ms la
probabilidad de lodos los resullados posibles ms extremos que nueve
casos expuesto~. lo que daba un total de 0.000078. Por tanto, el valor
~ exacto de la media p superior es 0.00034.

c V/l1prvha('itjl/ , .I/J'().\"i/ll(1(la (le la Hi,J(;'e.ris con Datos Estratiflcados

~ P('r.\,V/1t/- Ti('/1'l't) Para dalos estratificados. se construyen pruebas esta-

~
~
~

:.
 ,:1:?$~;~:;

~[
9 l~~~:r
\~ti ';,;,;

226 EPIDEMIOLOGIA
MODERNA

disticas asintticas de acuerdo a los mismos principios empleado~ para

con los datos brutos. La variable del test sigue siendo el nmero de casos
expuestos, que es la suma de aj n lo largo de los estratos. La expectativa
nuln y la varianza de dicho nmero de ca~os expue~tos se calculan
dentro de cad.1 estrato )' estos resultados sc van sumando .1 lo largo dc
ellos. As. la citad.\ expectativa nula parcl el nmcro dc caso~ cxpue~los
es
I
)' la varianza. basada en el modelo binomial: I
.!\. 0 '

Var (A) = f ~1 J!"'~ , I

i= I T,

que da como prueba estadsticr1

L
".
ai -~
". .
!\'liM1i
1
1;1 I.L= I TI
x=
II
.
=~
M1i!\'Ji!\rOi
~.,-
!
[12.33]
i
\ i= I T~

La frmula [1.:..3~] e~ idntica a la [11.1]. parr1 datos brulos personn-

tiempo. excepto en que los tres componentes de la prueba estadistica se
obtienen sumando sus contribuciones especificas por estr.llo. a 10 1.lrgo
de los mismos.
Para los d.\to.c; del e.iemplo 12.6. la prucba e.c;tadstica sc calculn como
I
sigue

A = non de casos expuestos = O + 7 + 2 = 9

E(A) 2 1[9%(
1.054 ) + (
12 18:075
2.665 ) + 2 3:'?:47
2.217 ( ) = 3,14

.
Var(A) 1.054
= 2 !6:9% ( )( !6:9%
9.942. + 12 ( 2.665 )(
"i8:j75 "i8:j75
IS.4101 )
I+

'+ 2
'. -3.747
(
~ )( ~'

3.747
) = 2, 16
, , , ,
, :
'Y , , ..
: , , C\ :
,-; " ,,

A -E(A) 9 -3.1~ = 3,98 I

, .
xc=
Var (A) ~
B
~1

L ; 1
" 1

-~~--~ ,,~ --.,.-~-..,-

:

~
~;
~\~:~~~
~~1~1~ l~
:$!oti':t*'
;:-;:.;~.;!i:j:t,

~
 ,,:;;;:'~;;:;;~:;:
,;..::~~:;~~...:0;-:
'c~"
~,
~~~:~:: :\~;::~:~:~;~;,;\~:
~l;i.r:~

ANALISIS ESTRATIFtCADO 227

~--- -~ ~-
'~1 lo que corresponde a un valor de p con una cola de 0,000034, o con dos
cola.<;. dc ().()()()()69.
El valor de l'. c:llculado a partir de esta prueba estadstica aproxima-
da. lo mi.<;mo qllC cl valor exacto de P, es muy pequeo, pero ambos no
..7
d concuerdan en exccso. El valor exacto de la media p es cerca de 10 veces
la magnitud del valor de la p aproximada. La discrepancia proviene de
lo pequco dc lo.<; nmcros implicados, pero tambin est relacionada
con el hecl1o dc que la aproximacin normal es ms pobre en los
cxtrcm(ls dc I;l distrihuci(>n.
A pCSlr dc ()do. la comparacin entre la prueba exacta y la
(l.<;inti>1ica pl(llltC:l I.l cuestin de la naturaleza de los criterios de
aplicahilidld dc (lich:l prueba estadistic:l asinttica con respecto al
nllmero dc (lhscr\,acioI1es. No hay respuesta sencilla a esta pregunta.
pero h:ly <.uc rcc:llcar un punto importante: la condicin de nmero
grandc Ilecc.<;ita aplicarse .<;(>loa los sumatorios implicados en la frmula
[ 12.331. 110 a cada cstrato individual. Para datos persona-tiempo, pues. la
frmula L 12.33] .<;cria aplicable incluso si cada estrato tuviese nicamente
un caso. con tal que hubiese suficientes estratos como para permitir que
la distribucin dcl nmero tot.:11 de sujetos expuestos. en todos ellos. se
aproximlse .<;uficientemente bien .:1 una distribucin nonnal. La condi-
cin dc nllmero grande. necesaria para que la frmula [ 12.33] fuese de
:lplic.\ci()n. pues. podria alcanzarse teniendo pocos estratos con muchas
oh~crval.:io!1cs c~ld;t uno. o muchos e~tratos con datos escasos. Con un
cstrato. dil.:lla f(lrmul;1 [L2.33] se reducc .lll [11.1]. Un estrato sin ningn
C.lSO, L'.lreI.:C Jc iltr()rmaci(l!1 y contribuye con nada a A. E(A), o Var (A).
COI11() sc~ulldo cjemplo de aplic.tcii)lt dc Il frmula [12.33], considere-
mos los d:II()s del cjcmplo 12.3. El gran nmero de casos en cada uno de
los estratos h:lce inneceslrio contemplar ninguna prueba exacta. El
valor de p puede det.erminarse como sigue (considerando el gnero
masculino como expuesto):

A = "." de casos expuestos 14 + 76 = 90

rn
1'.(
~ / I) = 24 (~'3,217) + 197
( ~
3.194 = 69,8

Var (1) = 24( I2T7

I.SI6 )( 3.217
1.701'
+ 19 7 ~ (
3.194 )( )
~
3.194 - 4
-7,1

90 69,8
x =
2,94
~ .fi7J
P(II = 0,0017

;;.i.!;~

~11tt.: ~~;~~
:."~:;:\'
 ;~~ ~~~
..;~"
!"..."'
.,.:"" ~~

E~
I

COMPROBACION DE HIPOTESIS CON DATOS

ESTRATIFICADOS DE INCIDENCIA ACUMULADA, DE
PREVALENCIA O DE CASO-CONTROL (TABLAS DE .:. x 2
c ()/)II)1'()ha(';(j/I tiC' II ;>(1('.";,\' E,\.(I('1a >(I1'a T(lhl(I,\. E,\'1ra1(lic'(lti(I.\" ti(' -"' x
]
2, Como con datos pcr~on,l-ticmpo. la comproh.\cii)n <.Ic la hipi)tc1\is
exact.l para t.lbl.\s dc :! x:! e~tratificad.l~ PllC<.1ccon~cgllir~c cnllmcr.\n.
do todos lo~ re~lilt.\do~ po~ible~ del nllmer(\ de caso~ explle~tos a i()
largo de los estratos, La prob.lbilidad COn.i\lnt.1 dc cad.1 combinacii)n sc
calcula como el producto dc las prob.\hilidadcs hipergeomtricas dc
cada tabla de 2 x 2, El ,'alor exacto de p ~e determina de la mancra I
habitual. sumando 13s probabilidadcs de la cola dc la distribucin, Se
consider.l que cada tabla de.:. x 2 tiene todo~ los [otales marginales
fij.\dos. Empleando la form1 de pre~cntacin dc la Tabl.1 12.4, tcndrc-
mos parn los v~lores de p de Fisher.

~
;J

I\. A' n; I
D
M1i -A
P'ik ~ tI) = \
12.35]
k~nl:\xf(J.MI-".1

(A.J
para la cola inferior. cuando cl estimado del efecto es menor que cl v.\lor
nulo. Los sumatorios son k = }::;k;. donde kj es e) nmero d~ C.ISOS D
expueslos en cada labia de 2 x 2. ya. !\71 A'(). y M I se relicrcl1 .1}::;(1;.!:!\1. ;.
~ !\7o;. ~. -I
~
/I1 .
""' j. respecllvamente.
Para oblener e) valor exaclo de la media P. s61o dchc I.ldirse .11
~umalorio de I~I COIl I\ mitad de la proh:hilidad de los rcsultldos igual
dc exlremO$:

!\'1
ml"I~.t.A/t
ki
~/I
. D
L 2.361
1 ..J
k=n+\

g
::~~
~]!z
',' >,-{, :.!
'::...:.:;:~~ ~
.-~

~:.;
l~~~:.: :ii#!
 ;:~:

J ~~Ii~ ..,
.:-.
.

ANALISIS ESTRATIFICADO 229

f

Probabilidad de la cola inrerior =

a-l N
+ I n [12.37)
k:m:lx(O.,\fl-Nn) i= I

f;
I
1 Estas f()rmulas pucden utilizarse para hallar un valor exacto de p
t
. corrcsp()ndicntc a los datos del ejemplo 12.5& Haba cuatro casos
expuestQs en cl cstrato joven y uno en el viejo. En el estrato joven. el
nllmero de casos cxpuestos puede oscilar entre O y 12 dentro de las
rcstriccioncs imptlcstas por los totales marginales. En el viejo. dicho
nllmCr() oscila cnlrc () y 14. En total hay 13 x 5 = 65 resultados
posiblcs para I()s dos estratos. De estas 65 posibilidades. 50 son separa-
ciones po~iti\':ts nl:s extremas respecto de la condicin nula: que el
resultad() realmcnlc ohserv:ldo: un total de 5 posibiJidades, incluyendo
los dato~ obscrv:ldo~. son igual de extremos. teniendo exactamente
cuatro casos cxpuc~tos. Estos 55 resultados. iguales o ms extremos,
estn enumerndos en la tabla 12.9. .
La probabilidad. en el ejemplo 12.5. de observar el resultado real se
determina como
f

P,idalos observados)

)c
.
(
b
~

I
Para los cinco resultados posibles que dan cuatro casos expuestos, las
probabilidades. en el orden en que dichos resultados se hallan enumera-
dos en la labIa 12.9, ,~on 0,0118, 0,0150, 0,0039, 0,0002 y 0,0000 {este
ltimo es realmente 0,00000149), que totalizan 0,0309. E] total corres-
pondiente ptlra los resultados que dan cinco casos expuestos es 0,0066 y
~ partl seis CtlSOSexpuestos, 0.0010. El valor de la p de Fisher para la cola
superior de Itl distribucin puede. por tanto, estimarse como 0,0309 +
0.0066 + 0.00 I0 = 0.0385. asumiendo que los resultados con ms de
~ seis CtlSOS expuestos no contribuyen materialmente a la suma. La

rn
~

?~T:r~;'.::;."~

:;~f~:: 11
~
 ",'..",
~.,,~."

,
~l~~;t

." ",,-""- [.
r
]
230 EPIDEMIOLOGIA MODERNA

probabilidad de la cola completa es cn la realidad 0.03!{7. basada en las

55 posibilidades de la tabla 12.9. por lo que dar el corte despus de sei,';
casos expuestos resulta razonable. Los) O restantes resultados. que dan
tres o menos casos expuesto,'; )' quc no estiln enumerados
12.9. son responsables. en tcrminos dc prob.lbilidld.
en .1 tabl.1
dcl I -O.O3R7. o SC.l.
]
aproximad.lmente el 96 por 100 dc la distribucin: dc hecho. lo,';
resultados 0-0 )' l-o juntos responden dcl 54 por 100 dc l.1 distribucin.
Para obtener el valor exacto dc la media I> par.l 1.1 cola superior I
solamente habria que incluir la mitad de la prob.lbilidad de conseguir
cuatro casos expuestos. lo que da un valor de I> de 0.0233.
I
Cmll"rohacil1 a"rO.\"11lotlO tic 1(1 l,i,,()I(',\"i.\" ,,(lr(1 Tl1hl(1.~ E,\"I rl1I i(i('(1d(1." tic
2 x 2. La extensin de la f)rmula [11.6] a tablns e~tratifjcadas de 2 x 2
e.c:annloga a la extensin
antes. la contribucin
de 1(1 [I 1.1] a datos pcr~ona-ticmpo.
a cada un" de los tre~ componcntcs
Como
dc] te~
I
estadstico -nmero de ca~os expucstos, cxpcctativa nula dcl nmcro de
casos expue~tos )' varianza -se halla separadamente par:1 cada estralo y
.j

Tabla 12.9. Emml('rtl('i(;,1

(,.\PIIC',~IO.~. pnr Colr?oria
ti(' I(Jti(/,~ /(1.\: ('()lllh;,I(I('i(JII(',\:
ti<, rtltl(l. (,011 til,II('1/I),~ CII(/lrn
pn,\:ihl(',\:
('ti,\n,\
ti<, (,ti.\'(I,\:
('.\.pll(',\I(I,\
I
cnrrC',~pn1ldir1l1C',~ (I Jn,~ daln,\: (Jr/ ~i('mpJ(1 /:!...~

Di~trihucin Di~t ri buci<'1l1 Di~lrihllcin

N." lolal de caso~ N" 101:11 de ca~(1~ N." 101:11 dc ca~o~ j
0:
de casos expueslos dc casos ex pUC~1O~ dc c.."\~o~ cXpIIC~IO~ !.
expueslos por cale~orj:l ex rUeS1 o~ por CIte!!(1ri\ expuc~IO~ por C&lle!!oria
de edad de cdad dc cdau ~
I

16 12-4 10 10-0 6 6-0

15 12-3 lO 9-1 6 5-1
15 11-4 lO 8-2 6 4-2
D
14 12-2 10 7-3 6 3-3
14 11-3 10 6-4 6 2-4
14 10-4 9 9~0 5 5-0 D
I~ 12-1 9 R-I 5 4-1
!~ 11-2 9 7-2 5 ~-:?
"' "
13 10-3 9 6-3 5 ,,-.'
13 9-4 9 5-4 5 1-4
12 12-0 8 8-0 4 4-0
12 II-I 8 7-1 4 3-1
12 10.2 8 6-2 4 2-2
12 9-3 8 5.3 4 1-3
12 8-4 8 4-4 4 0-4
7 7-0
n
1I 11-0
11 10- I 7 6-1
9-2 7 5-2
8-3 7 4-3
7-4 7 3-4
n
f] .
u !

::.~:.::::c' :~~:,
~

.~I;t:~~~
;i>"'..."i*:i'i'.''.:- -
~:;t~~. :~;;::f;;:i~~;';;~~
 :,:,;;; .;,;;,,;;

,:~~~~I;::

!D
"

ANALISIS ESTRATIFICADO 231

se suman luego a lo largo de ellos. As, la expectativa nula del nmero de

ca~os expuesto~ es
o
I: .
.
~.
l:;
TJ
y la v,lrian7:a. has,ld,l en el modelo hipergeomtrico, es

.
Var (A) = f ~ojM~
n j=l Tj(7 -I)
tJ
lo que Ja como prucba estadistica

u ~
L al -L
~ NIIM II
i=l i=l ~
X = [12.38]
I f
i= I
~liNoiM
Tt (~
1//\.{01
-1)

E! anterior test estadstico. propuesto por primera vez por Mantel-

I Haenszel en 1959 y que se conoce como prueba de Mantel-Haenszel. se
lISl mllchl) CI1 an;'llisis epidemiolgicos y otras ocasiones en que se
emrlc:ln tabl.l~ c~tralificadas de 2 x 2. Es ptimo en poder estadstico
I cu\l1do 1\ ra7.()n de ventaja es uniforme 3 lo largo de !os estratos. pero
~\dcmil~ e~ gel1eralmente 13 prueba ms til y conveniente incluso si
d icha r~\zn de ven taja varia a lo .largo de ellos. La X adopta un valor
cero slo cu.lndo el estimador de conjunto Mantel-Haenszel de la razn
de ventaja (Frmula [12.26J) se iguala 3 la unidad, con lo que la prueba
estadstica pucde ser considerada como una prueba estadstica de la

I desviacin R,\I". respecto de la unidad. La condicin de aplicabilidad

de nllmero grande no est referida a los estratos individuales. sino
solamente a lo~ sumatorios de la frmula [12.38]. Los citados estratos
individuales pueden tener cada uno tan pocos sujetos como un par de
~ ellos. siempre que ningn total marginal sea cero; si el total marginal es
cero. el estrato Carece de informacin. La prueba estadstica ser
aplicable si existe un nmero suficiente de estratos, incluso con datos
I escasos. Como veremos en el captulo 13, esta prueba es la que se aplica
inclu~o rara cl al1:llisis de datos pareados.
L.l 11ir(tcsis nula de no rclacin entrc tolbutamida y muerte estudia-
R dl cn cl Programa de Diabetes del Grupo Universitario con los datos
estratificados por edad del ejemplo 12.4 puede ser evaluada con la
prueba de Mantcl-Haenszel. El nmero de casos expuestos, donde
~ expue~tos indica terapia con tolbutamida, es 8 + 22 = 30. El nmero
esperado btljO la hiptesis nula es
c't,j.".";.::'

~ E(A) = (106)(13)
+
(98)(38) = 6,10 + 20,35 = 26,45 ,
226 183

R
U
.

::,.:" ;?o",

.~~.
,
::;'.- ,~,..:.. :::',!:-:'

~
 ;~.

~ ;w81
r
232 EPIDEMIOLOGIA MODERNA

)' la varianza del nilmero de casos expuesto5

Lu prueba cstudistica es

~o 26.45
~=
.09
,\i) 0.60

que da un \'alor de p con una cola de 0.14 ~. un valnr dc " cnn I:lS dns
colas de 0.28, Ntese que, pue$10 que la tolbutamida era considerada
comC' un preventivo de las complicacione.c; de la diabetes. la.c; ~eraraciC'-
nes respecto del \'aJor nulC' se esperaba que ocurriesen en la direcci()!l
opuesta. Por Jo tanto. el valor de p de una cola dcberi.l corre~pondcr
tericamente a la cola inferior de la di~tribucin. en la direccin de
prevencin. en lugar de a la superior. Como 10$ datos demuestran una
asociacin positiva entre tolbutamida ~' muerte. el vaJor de p de una sola
cola debe ser 1 -0.14 0.86. EJ valor de p de dos colas e$ 0.28. sea cual
fuese la direccin de la expectativa previa acerc.l de la.c; dcs\'iaciones
respecto deJ valor nuJo.
Si se apJica la prueba de ManteJ-HaenszeJ a lo.c; e~casos dalos dcl
ejemplo 1~.5. la prucba estadistica es

lo que da ?(1) = 0.008, Un resultado que es considerab1cmenle direrenle

del valor exacto de la media p de 0.023. La discrepancia no es
sorprendente. a la vista de lo pequeo de los nmeros )' de la llamativ:l
asimetria de la distribucin. en la que ms de la mitad de la distribucin
probabilistic.1 corresponde a los dos resultados ms extremos, de entre
las 17 posibilidades para el nmero de C.lSOSexpuestos. I
lnl('rvaln.~ ..le Cmrfial1Za para e.~I1"ada.~ ('0I~;,I1'ladl1.\, dC'1 ~fe('I(1

Los inlervalos de confianz.1 de e"timados conjuntados dcJ crcclo pucdcl1

calcularse exactamente. a partir de modelos estadisticos adoptados para
describir la vari!lbilidad de los datos. o pueden calcularsc de modo
aproximado a partir dc frmulas asintticas. Los clculos exactos son
extraordinariamente complicados y aumentan rpidamentc en dificultad
conrorme se incrementa e) nmero de observaciones. No obstante, la

.(.::

;~~i;~1:'
.;;.-:-:~, :;-t..
':.
f""~,;,;,~r:"~; ,?;* ~~~;~;;;J;~::;:;~
,*!:>::;::W'l~

~~ill~:~~~!~i:.