TEORIA BASICA DEL MUESTREO

1. Introduccin al muestreo. a. Concepto Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad.

b. Terminologa bsica Los nuevos trminos, los cuales son frecuentemente usados en inferencia estadstica son:

Estadstico: Un estadstico es una medida usada para describir alguna caracterstica de una muestra , tal como una media aritmtica, una mediana o una desviacin estndar de una muestra.

Parmetro: Una parmetro es una medida usada para describir alguna caracterstica de una poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de una poblacin.

Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de estimacin en inferencia estadstica puede ser descrito como le proceso de estimar un parmetro a partir del estadstico correspondiente, tal como usar una media muestral (un estadstico para estimar la media de la parmetro). poblacin (un

Los smbolos usados para representar los estadsticos y los parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente:

Tabla 1 Smbolos para estadsticos y parmetros correspondientes Medida parmetro Smbolo para el estadstico (muestra) Media Desviacin estndar Nmero de elementos Proporcin X s n p Smbolo para el (Poblacin) N P

Distribucin en el muestreo:

Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin del estadstico obtenida de las

muestras es llamada la distribucin en el muestreo del estadstico.

Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es posible extraer 3 muestras ( AB, BC Y AC) de la poblacin. Podemos calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias mustrales forman una distribucin. La

distribucin de las medias es llamada la distribucin de las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la proporcin.

Error Estndar:

La desviacin estndar de una distribucin, en el muestreo de un estadstico, es frecuentemente llamada el error estndar del estadstico. Por ejemplo, la

desviacin estndar de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la media. De la misma manera, la desviacin estndar de las proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la proporcin. La diferencia entre los trminos desviacin estndar y error de estndar es que la primera se refiere a los valores originales, mientras que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado, obtenido con los elementos incluidos en una muestra.

Error muestral o error de muestreo

La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las caractersticas de la poblacin. El error muestral es medido por el error estadstico, en trminos de probabilidad, bajo la curva normal. El resultado de la media indica la

precisin de la estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo el error muestral, mayor es la precisin de la estimacin. Deber hacerse notar que los errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes, incompletas o no determinadas, no son considerados como errores mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.

2. Mtodos de seleccin de muestras.

Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la poblacin. Los mtodos para seleccionar una muestra

representativa son numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza de los elementos individuales de la poblacin. Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos de muestreo. Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a:

1. El nmero de muestras tomadas de una poblacin dada para un estudio y 2. La manera usada en seleccionar los elementos incluidos en la muestra. Los mtodos de muestreo basados en los dos tipos de clasificaciones son expuestos en seguida.

Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de una poblacin.

Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo. Estos son, muestreo simple, doble y mltiple.

Muestreo simple Este tipo de muestreo toma solamente una muestra de una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el tamao de muestra debe ser lo suficientemente grande para extraer una conclusin. dinero y tiempo. Una muestra grande muchas veces cuesta demasiado

Muestreo doble

Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse.

Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado.

Solamente si la primera muestra arroja una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el Departamento de Defensa y tambin usado por muchas industrias privadas. Al probar la calidad de un lote consistente de 3,000 unidades

manufacturadas, cuando el nmero de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es considerado pobre y es rechazado; si el nmero est entre 5 y 9, no puede llegarse a una decisin y una segunda muestra de 80 unidades es extrada del lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es 13 o ms, el lote es rechazado.

Muestreo mltiple

El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras.

Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes: a. Basados en el juicio de una persona. b. Seleccin aleatoria (al azar)

Muestreo de juicio

Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante juicio personal. La persona que selecciona los

elementos de la muestra, usualmente es un experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica, puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo.

Muestreo Aleatorio

Una muestra se dice que es extrada al azar cuando la manera de seleccin es tal, que cada elemento de la poblacin tiene igual oportunidad seleccionado. probabilstica de ser

Una muestra aleatoria es tambin llamada una muestra son generalmente preferidas por los estadsticos porque la

seleccin de las muestras es objetiva y el error muestral puede ser medido en trminos de probabilidad bajo la curva normal. Los tipos comunes de

muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemtico, muestreo estratificado y muestreo de conglomerados.

A. Muestreo aleatorio simple

Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin. Para obtener una muestra aleatoria simple, cada elemento en la poblacin tenga la misma probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia, este mtodo pude ser reemplazado por una tabla de nmeros aleatorios. Cuando una poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es imposible.

Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias. Los tipos ms comunes de muestreo aleatorio modificado son sistemtico, estratificado y de conglomerados.

B. Muestreo sistemtico.

Una muestra sistemtica es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la seleccin depende del nmero de elementos incluidos en la poblacin y el tamao de la muestra. El nmero de elementos en la poblacin es, primero, dividido por el nmero deseado en la muestra. El cociente indicar si cada dcimo, cada onceavo, o cada centsimo elemento en la poblacin va a ser seleccionado.

El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemtica puede dar la misma precisin de estimacin acerca de la poblacin, que una muestra aleatoria simple cuando los elementos en la poblacin estn ordenados al azar.

C. Muestreo Estratificado

Para obtener una muestra aleatoria estratificada, primero se divide la poblacin en grupos, llamados estratos, que son ms homogneos que la poblacin como un todo. Los elementos de la muestra son entonces Las

seleccionados al azar o por un mtodo sistemtico de cada estrato.

estimaciones de la poblacin, basadas en la muestra estratificada, usualmente tienen mayor precisin (o menor error muestral) que si la poblacin entera muestreada mediante muestreo aleatorio simple. El nmero de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al tamao del estrato en relacin con la poblacin.

D. Muestreo de conglomerados.

Para obtener una muestra de conglomerados, primero dividir la poblacin en grupos que son convenientes para el muestreo. En seguida, seleccionar una porcin de los grupos al azar o por un mtodo sistemtico. Finalmente,

tomar todos los elementos o parte de ellos al azar o por un mtodo sistemtico de los grupos seleccionados para obtener una muestra. Bajo este mtodo, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. aleatoria. Por lo tanto la muestra es

Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisin de las estimaciones acerca de la poblacin) que una muestra aleatoria simple del mismo tamao. Los elementos individuales dentro de cada conglomerado tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra rea. No todas las reas son muestreadas en un muestreo de reas. La variacin entre los elementos obtenidos de las reas

seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la poblacin entera es muestreada mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se incrementa el tamao de la muestra de rea.

El incremento del tamao de la muestra puede fcilmente ser hecho en muestra de rea. Los entrevistadores no tienen que caminar demasiado lejos en una

pequea rea para entrevistar ms familias. Por lo tanto, una muestra grande de rea puede ser obtenida dentro de un corto perodo de tiempo y a bajo costo.

Por otra parte, una muestra de conglomerados puede producir la misma precisin en la estimacin que una muestra aleatoria simple, si la variacin de los elementos individuales dentro de cada conglomerado es tan grande como la de la poblacin.

10

Qu es la prevalencia de una enfermedad?

La prevalencia de una enfermedad es el nmero total personas que presentan sntomas o padecen una enfermedad durante un periodo de tiempo, dividido por la poblacin con posibilidad de llegar a padecer dicha enfermedad. Proporciona una estimacin del riesgo o probabilidad de que un individuo de esta poblacin pueda llegar a padecer la enfermedad referida.

Por ejemplo, la prevalencia de la Gripe A en Espaa en el ao 2009 es la proporcin de individuos de este pas que en el ao 2009 han padecido esta enfermedad.

As pues, la prevalencia es una proporcin que se calcula con la frmula:

P = N de afectados / N total de personas que pueden llegar a padecer la enfermedad

La prevalencia es un concepto estadstico usado en epidemiologa, sobre todo para planificar la poltica sanitaria de un pas, una comunidad, etc. Es un indicador esttico, ya que se refiere a un periodo de tiempo concreto.

11

Prevalencia

En Epidemiologa se denomina prevalencia a la proporcin de individuos de un grupo o una poblacin que presentan una caracterstica o evento

determinado en un momento o en un perodo determinado ("prevalencia de periodo"). La prevalencia de una enfermedad es el nmero total de los individuos que presentan un atributo o enfermedad en un momento o durante un periodo dividido por la poblacin en riesgo de tener el atributo o la enfermedad en ese punto en el tiempo o en la mitad del periodo. Cuantifica la proporcin de personas en una poblacin que tienen una enfermedad (o cualquier otro suceso) en un determinado momento y proporciona una estimacin de la probabilidad (riesgo) de que un sujeto de esa poblacin tenga la enfermedad en ese momento.

Es un parmetro til porque permite describir un fenmeno de salud, identificar la frecuencia poblacional del mismo y generar hiptesis explicatorias. La utilizan normalmente los epidemilogos, las personas encargadas de la poltica sanitaria, las agencias de seguros y en diferentes mbitos de la salud pblica.

12

Caractersticas de la prevalencia

1. Es una proporcin. Por lo tanto, no tiene dimensiones y su valor oscila entre 0 y 1, aunque a veces se expresa como porcentaje. 2. Es un indicador esttico, que se refiere a un momento temporal. 3. La prevalencia indica el peso o la abundancia del evento que soporta una poblacin susceptible, teniendo su mayor utilidad en los estudios de planificacin de servicios sanitarios. 4. En la prevalencia influye la velocidad de aparicin del evento y su duracin. Por ello es poco til en la investigacin causal y de medidas teraputicas. 5. La prevalencia no debe confundirse con la incidencia. La incidencia es una medida del nmero de casos nuevos de una enfermedad en un perodo determinado. La prevalencia se refiere a todos los individuos afectados, independientemente de la fecha de contraccin de la enfermedad. Una enfermedad de larga duracin que se extiende ampliamente en una comunidad en 2002 tendr una alta prevalencia en 2003 (asumiendo como duracin larga un ao o ms), pero puede tener, sin embargo, una tasa de incidencia baja en 2003. Por el contrario, una enfermedad que se transmite fcilmente pero de duracin corta, puede tener una baja prevalencia y una alta incidencia.

13

6. La prevalencia es un parmetro til cuando se trata de infecciones de larga duracin, como por ejemplo el SIDA, pero la incidencia es ms til cuando se trata de infecciones de corta duracin, como por ejemplo la varicela.

La epidemiologa tiene entre uno de sus objetivos primordiales el estudio de la distribucin y los determinantes de las diferentes enfermedades. La cuantificacin y la medida de la enfermedad o de otras variables de inters son elementos fundamentales para formular y testar hiptesis, as como para permitir comparar las frecuencias de enfermedad entre diferentes

poblaciones o entre personas con o sin una exposicin o caracterstica dentro de una poblacin determinada. La medida ms elemental de frecuencia de una enfermedad, o de cualquier otro evento en general, es el nmero de personas que la padecen o lo presentan (por ejemplo, el nmero de pacientes con hipertensin arterial, el nmero de fallecidos por accidentes de trfico o el nmero de pacientes con algn tipo de cncer en los que se ha registrado una recidiva).

14

Sin embargo, dicha medida por s sola carece de utilidad para determinar la importancia de un problema de salud determinado, pues debe referirse siempre al tamao de la poblacin de donde provienen los casos y al periodo de tiempo en el cual estos fueron identificados. Para este propsito, en epidemiologa suele trabajarse con diferentes tipos de fracciones que permiten cuantificar correctamente el impacto de una determinada enfermedad: Proporcin: es un cociente en el que el numerador est incluido en el denominador. Por ejemplo, si en una poblacin de 25.000 habitantes se diagnostican 1.500 pacientes con diabetes, la proporcin de diabetes en esa poblacin es de 1.500/25.000 = 0.06 (6%). El valor de una proporcin puede variar as de 0 a 1, y suele expresarse como un porcentaje. Razn: En este cociente el numerador no forma parte del denominador. En el ejemplo anterior, la razn entre la poblacin con diabetes y la poblacin no diabtica es de 1.500/23.500 = 3/47 =0,064. Cuando, como en el caso del ejemplo, la razn se calcula entre la probabilidad de que ocurra un evento y la probabilidad de que ste no ocurra, la razn recibe tambin el nombre de odds. En el ejemplo, la odds de diabetes es de 0,06, es decir, en el rea de estudio por cada 1/0,064 = 16,7 pacientes no diabticos hay 1 que s lo es. El valor de una odds puede ir de 0 a infinito. El valor 0 corresponde al caso en que la enfermedad nunca ocurre, mientras que el valor infinito correspondera tericamente a una enfermedad que est siempre presente.

15

En realidad, una proporcin y una odds miden el mismo evento pero en escalas diferentes, y pueden relacionarse mediante las frmulas siguientes:

Tasa: El concepto de tasa es similar al de una proporcin, con la diferencia de que las tasas llevan incorporado el concepto de tiempo. El numerador lo constituye la frecuencia absoluta de casos del problema a estudiar. A su vez, el denominador est constituido por la suma de los perodos individuales de riesgo a los que han estado expuestos los sujetos susceptibles de la poblacin a estudio. De su clculo se desprende la velocidad con que se produce el cambio de una situacin clnica a otra. En epidemiologa, las medidas de frecuencia de enfermedad ms comnmente utilizadas se engloban en dos categoras1-6: Prevalencia e Incidencia.

16

Prevalencia La prevalencia 7 (P) cuantifica la proporcin de individuos de una poblacin que padecen una enfermedad en un momento o periodo de tiempo determinado. Su clculo se estima mediante la expresin:

Para ilustrar su clculo, consideremos el siguiente ejemplo: en una muestra de 270 habitantes aleatoriamente seleccionada de una poblacin de 65 y ms aos se objetiv que 111 presentaban obesidad (IMC30). En este caso, la prevalencia de obesidad en ese grupo de edad y en esa poblacin sera de:

Como todas las proporciones, la prevalencia no tiene dimensin y nunca toma valores menores de 0 mayores de 1, siendo frecuente expresarla en trminos de porcentaje, en tanto por ciento, tanto por mil,... en funcin de la rareza de la enfermedad estudiada. La prevalencia de un problema de salud en una comunidad determinada suele estimarse a partir de estudios transversales para determinar su importancia en un momento concreto, y no con fines predictivos. Adems, es evidente que el clculo de la prevalencia ser especialmente apropiado para la medicin de procesos de carcter prolongado, pero no tendr mucho sentido para valorar la importancia de otros fenmenos de carcter ms momentneo (accidentes de trfico, apendicitis, infarto de miocardio,...).

17

Otra medida de prevalencia utilizada en epidemiologa, aunque no con tanta frecuencia, es la llamada prevalencia de periodo, calculada como la proporcin de personas que han presentado la enfermedad en algn momento a lo largo de un periodo de tiempo determinado (por ejemplo, la prevalencia de cncer en Espaa en los ltimos 5 aos). El principal problema que plantea el clculo de este ndice es que la poblacin total a la que se refiere puede haber cambiado durante el periodo de estudio. Normalmente, la poblacin que se toma como denominador corresponde al punto medio del periodo considerado. Un caso especial de esta prevalencia de periodo, pero que presenta importantes dificultades para su clculo, es la

llamada prevalencia de vida, que trata de estimar la probabilidad de que un individuo desarrolle una enfermedad en algn momento a lo largo de su existencia.

18

Incidencia La incidencia 8 se define como el nmero de casos nuevos de una enfermedad que se desarrollan en una poblacin durante un perodo de tiempo determinado. Hay dos tipos de medidas de incidencia: la incidencia acumulada y la tasa de incidencia, tambin denominada densidad de incidencia. La incidencia acumulada ( IA) es la proporcin de individuos sanos que desarrollan la enfermedad a lo largo de un perodo de tiempo concreto. Se calcula segn:

La incidencia acumulada proporciona una estimacin de la probabilidad o el riesgo de que un individuo libre de una determinada enfermedad la desarrolle durante un perodo especificado de tiempo. Como cualquier proporcin, suele venir dada en trminos de porcentaje. Adems, al no ser una tasa, es imprescindible que se acompae del periodo de observacin para poder ser interpretada. Por ejemplo: Durante un perodo de 6 aos se sigui a 431 varones entre 40 y 59 aos sanos, con colesterol srico normal y tensin arterial normal, para detectar la presencia de cardiopata isqumica, registrndose al final del perodo l0 casos de cardiopata isqumica. La incidencia acumulada en este caso sera: en seis aos

19

La incidencia acumulada asume que la poblacin entera a riesgo al principio del estudio ha sido seguida durante todo un perodo de tiempo determinado para observar si se desarrollaba la enfermedad objeto del estudio. Sin embargo, en la realidad lo que sucede es que: a. Las personas objeto de la investigacin entran en el estudio en diferentes momentos en el tiempo. b. El seguimiento de dichos sujetos objeto de la investigacin no es uniforme ya que de algunos no se obtiene toda la informacin. c. Por otra parte, algunos pacientes abandonan el estudio y slo proporcionan un seguimiento limitado a un perodo corto de tiempo. Para poder tener en consideracin estas variaciones de seguimiento existentes en el tiempo, una primera aproximacin sera limitar el clculo de la incidencia acumulada al perodo de tiempo durante el cual la poblacin entera proporcionase informacin. Esto de todos modos hara que perdisemos informacin adicional del seguimiento disponible en alguna de las personas incluidas. La estimacin ms precisa es la que utiliza toda la informacin disponible es la denominada tasa de incidencia o densidad de incidencia (DI). Se calcula como el cociente entre el nmero de casos nuevos de una enfermedad ocurridos durante el periodo de seguimiento y la suma de todos los tiempos individuales de observacin:

20

El total de personas-tiempo de observacin (suma de los tiempos individuales de observacin) es la suma de los perodos de tiempo en riesgo de contraer la enfermedad correspondiente a cada uno de los individuos de la poblacin. La suma de los perodos de tiempo del denominador se mide preferentemente en aos y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo objeto de estudio es el tiempo durante el cual permanece en la poblacin de estudio y se encuentra libre de la enfermedad, y por lo tanto en riesgo de contraerla. La densidad de incidencia no es por lo tanto una proporcin, sino una tasa, ya que el denominador incorpora la dimensin tiempo. Su valor no puede ser inferior a cero pero no tiene lmite superior. Para ilustrar su clculo consideremos el siguiente ejemplo: En un estudio de seguimiento durante 20 aos de tratamiento hormonal en 8 mujeres

postmenopusicas se observ que se presentaron 3 casos de enfermedad coronaria. Con estos datos, la incidencia acumulada sera de un 3/8 = 0,375 37,5% durante los 20 aos de seguimiento. Sin embargo, tal y como se muestra en la Figura 1, el tiempo de seguimiento no es el mismo para todas las pacientes. Mientras que, por ejemplo, la paciente A ha sido observada durante todo el periodo, la paciente D ha comenzado el tratamiento ms tarde, una vez comenzada la investigacin, y ha sido seguida slo durante 15 aos. En otros casos, como la paciente C, han abandonado el tratamiento antes de finalizar el estudio sin presentar ninguna afeccin coronaria. En total se obtienen 84 personas-ao de observacin. La tasa de incidencia result por tanto ser igual a: personas por ao Esto es, la densidad de incidencia de enfermedad coronaria en esa poblacin es de 3,6 nuevos casos por cada 100 personas-ao de seguimiento.
21

La eleccin de una de las medidas de incidencia (incidencia acumulada o densidad de incidencia) depender, adems del objetivo que se persiga, de las caractersticas de la enfermedad que se pretende estudiar. As, la incidencia acumulada se utilizar generalmente cuando la enfermedad tenga un periodo de latencia corto, recurrindose a la densidad de incidencia en el caso de enfermedades crnicas y con un periodo de latencia mayor. En cualquier caso, debe tenerse en cuenta que la utilizacin de la densidad de incidencia como medida de frecuencia de una enfermedad est sujeta a las siguientes condiciones: a. El riesgo de contraer la enfermedad es constante durante todo el periodo de seguimiento. Si esto no se cumple y, por ejemplo, se estudia una enfermedad con un periodo de incubacin muy largo, el periodo de observacin debe dividirse en varios subperiodos. b. La tasa de incidencia entre los casos que completan o no el seguimiento es similar. En caso contrario se obtendra un resultado sesgado. c. El denominador es adecuado a la historia de la enfermedad. Adems, en el clculo de cualquier medida de incidencia han de tenerse en consideracin otros aspectos. En primer lugar, no deben incluirse en el denominador casos prevalentes o sujetos que no estn en condiciones de padecer la enfermedad a estudio. El denominador slo debe incluir a aquellas personas en riesgo de contraer la enfermedad (por ejemplo, la incidencia de cncer de prstata deber calcularse en relacin a la poblacin masculina en una comunidad y no sobre la poblacin total), aunque tambin es cierto que en problemas poco frecuentes la inclusin de casos prevalentes no cambiar mucho el resultado. En segundo lugar, adems, es importante aclarar, cuando la enfermedad pueda ser recurrente, si el numerador se refiere a casos nuevos o a episodios de una misma patologa.
22

Relacin entre incidencia y prevalencia

Prevalencia e incidencia son conceptos a su vez muy relacionados. La prevalencia depende de la incidencia y de la duracin de la enfermedad. Si la incidencia de una enfermedad es baja pero los afectados tienen la enfermedad durante un largo perodo de tiempo, la proporcin de la poblacin que tenga la enfermedad en un momento dado puede ser alta en relacin con su incidencia. Inversamente, si la incidencia es alta y la duracin es corta, ya sea porque se recuperan pronto o fallecen, la

prevalencia puede ser baja en relacin a la incidencia de dicha patologa. Por lo tanto, los cambios de prevalencia de un momento a otro pueden ser resultado de cambios en la incidencia, cambios en la duracin de la enfermedad o ambos. Esta relacin entre incidencia y prevalencia puede expresarse matemticamente de un modo bastante sencillo 4,7,9. Si se asume que las circunstancias de la poblacin son estables, entendiendo por estable que la incidencia de la enfermedad haya permanecido constante a lo largo del tiempo, as como su duracin, entonces la prevalencia tampoco variar. As, si el nmero de casos prevalentes no cambia, el nmero de casos nuevos de la enfermedad ha de compensar a aquellos individuos que dejan de padecerla: N de casos nuevos de la enfermedad = N de casos que se curan o fallecen (1)

23

Si se denota por N al total de la poblacin y E al nmero de enfermos en la misma, N-E ser el total de sujetos sanos en esa poblacin. Durante un periodo de tiempo t, el nmero de gente que contrae la enfermedad viene dado entonces por: (2) donde DI denota a la densidad de incidencia. Por otro lado, el nmero de enfermos que se curan o fallecen en ese periodo puede calcularse como (3) donde D es la duracin media de la enfermedad objeto de estudio. Combinando (2) y (3) en (1) se obtiene que: (4)

El cociente E/N-E es el cociente entre los individuos enfermos y los no enfermos, o equivalentemente, entre la prevalencia y su complementario, P/1-P (lo que habamos denominado odds), de modo que la expresin (4) puede escribirse equivalentemente como: (5)

24

En el caso adems en el que la prevalencia de la enfermedad en la poblacin sea baja, la cantidad 1 - P es aproximadamente igual a 1 y la expresin (5) quedara finalmente: (6)

Es decir, si se asume que las circunstancias de la poblacin son estables y la enfermedad es poco frecuente, la prevalencia es proporcional al producto de la densidad de incidencia (DI) y el promedio de duracin de la enfermedad (D). De las consideraciones anteriores se deduce que la prevalencia carece de utilidad para confirmar hiptesis etiolgicas, por lo que resulta ms adecuado trabajar con casos incidentes. Los estudios de prevalencia pueden obtener asociaciones que reflejen los determinantes de la supervivencia y no las causas de la misma, conduciendo a conclusiones errneas. No obstante, su relacin con la incidencia permite que en ocasiones pueda utilizarse como una buena aproximacin del riesgo para evaluar la asociacin entre las causas y la enfermedad. Tambin es cierto que en otras aplicaciones distintas a la investigacin etiolgica, como en la planificacin de recursos o las prestaciones sanitarias, la prevalencia puede ser una mejor medida que la incidencia ya que nos permite conocer la magnitud global del problema.

25

FUENTES BIBLIOGRAFICAS 1. Kark SL. Epidemiology and community medicine. Nueva York: AppletonCentury-Crofts; 1975. p.19-21. 2. Kleimbaum D, Kupper I, Morgenstern H. Epidemiologic Research. Belmont: Lifetime Learning Publications; 1982. 3. Mausner J, Kramer S. Epidemiology: an introductory text. 2 ed. Filadelfia: WB Saunders Company; 1985. 4. Rothman KJ. Modern Epidemiology. Boston: Little, Brown & Co; 1986. 5. Colimn KM. Fundamentos de epidemiologa. 2 ed. Madrid: Daz de Santos; 1990. 6. Argimn Palls JM, Jimnez Villa J. Mtodos de Investigacin Clnica y Epidemiolgica. 2 ed. Madrid: Harcourt; 2000. 7. Tapia Granados JA. Medidas de prevalencia y relacin incidenciaprevalencia. Med Clin (Barc) 1995; 105: 216-218. [Medline] 8. Tapia Granados JA. Incidencia: concepto, terminologa y anlisis

dimensional. Med Clin (Barc) 1994; 103: 140-142. [Medline] 9. Freeman J, Hutchinson GB. Prevalence, incidente and duration. Am J Epidemiol 1980; 112: 707-723. [Medline]

FUENTES BIBLIOGRAFICAS EN INTERNET:

1. http://www.fisterra.com/mbe/investiga/medidas_frecuencia/med_frec.asp, consultado el da 3 de Agosto de 2009. 2. http://www.monografias.com/trabajos11/tebas/tebas.shtml, consultada el da 12 Noviembre de 2009. 3. http://www.enciclopediasalud.com/categorias/otros-temas/articulos/que-esla-prevalencia-de-una-enfermedad/ consultado el da 03 agosto 2009. 4. http://es.wikipedia.org/wiki/Prevalencia, consultada el da 03 de Agosto de 2009.

26

Espacios en internet:

www.slideshare.net/euler/slideshows www.slideshare.net/Khyn/slideshows www.slideshare.net/Ghynee/slideshows

27