Mdulo 2:

Rol de la Epidemiologia en la Salud Ocupacional

Anterior

ndice

Presentacin Archivo en
PDF
Power Point

Lecturas

Ejercicio y/o
Imprimir
Autoevaluacin

Siguiente

1. Objetivos:
1. Definir la epidemiologa como una disciplina
2. Describir el pasado y presente de la situacin de la salud ocupacional
3. Comprender el rol de la epidemiologa en salud ocupacional

2. Trminos claves:
Epidemiologa Ocupacional, Salud, Mtodo Epidemiolgico.

3. Desarrollo del mdulo

3.1. Principios de epidemiologa general
3.1.1. Definicin
La epidemiologa es considerada como la ciencia bsica de la salud pblica que se
caracteriza por ser:
a) Una ciencia bsica, estructurada y cuantitativa con base en el conocimiento
operacional de la probabilidad, la estadstica, y los mtodos de la investigacin.
b) Un mtodo de razonamiento causal con base en el desarrollo y comprobacin de
hiptesis pertinentes a la ocurrencia y prevencin de la morbilidad y mortalidad.

c) Una herramienta de accin para la salud pblica que permite promover y proteger la
salud de las personas, basada en la ciencia, el razonamiento causal y una dosis de
sentido comn prctico.
La palabra Epidemiologa proviene de las palabras griegas: epi que significa acerca
de; demos poblacin; y logos el estudio de, es decir el estudio de la relacin
de la salud y enfermedad como un fenmeno de tipo colectivo, que afecta a las
poblaciones, y no a los individuos exclusivamente. Muchas definiciones se han
propuesto entre ellas las de MacMahon-Pugh, Payne y Terris. Sin embargo, la definicin
que engloba los principios de la epidemiologa es la propuesta por Last (1988):
Epidemiologa es el estudio de la distribucin y de los determinantes de los estados o
eventos relacionados con la salud en poblaciones especficas y la aplicacin de este
estudio al control de los problemas de salud.
3.1.2. Objeto de Estudio
La unidad de anlisis es la poblacin de sujetos. Una poblacin puede definirse en
trminos de personas, tiempo y espacio, por ejemplo: un grupo de trabajadores de
una determinada empresa en un perodo establecido, puede ser una unidad de estudio.
Esta poblacin es la base para definir subgrupos segn caractersticas de los individuos
(sexo, edad, grupo tnico, etc.), del lugar (pas, regin, etc.) y tiempo (aos, meses,
das, etc.). Este tipo de variaciones ha de tenerse en cuenta para el anlisis
epidemiolgico.
3.1.3. Usos de la Epidemiologa
El desarrollo permanente del mtodo epidemiolgico ha permitido diversificar sus usos
y aplicaciones; a continuacin se detallan:
a. Medicin del nivel de salud de poblaciones, con la finalidad de:

Determinar la carga de la enfermedad.

Deteccin de tendencias en la incidencia o prevalencia de enfermedades.

Identificacin de grupos de riesgo.

Determinacin del estado de salud y la magnitud de la capacidad o incapacidad.

b. Descripcin de la historia natural de la enfermedad

Completar el cuadro clnico de una enfermedad e identificar condiciones

predisponentes.
Ayudar en el pronstico clnico con y sin intervenciones.

c. Identificacin de los determinantes de las enfermedades, permitiendo distinguir:

Asociaciones de dependencia entre dos o ms eventos, caractersticas o

variables.
Predecir los factores que pueden producir cambios en las condiciones de la

salud.
d. Control y prevencin de la enfermedad

Modificacin del comportamiento humano para impedir riesgos o promover

acciones saludables.
Proteccin al ser humano a travs de la mejora de las condiciones del medio e
incrementando la resistencia del husped.

e. Seleccin de mtodos de control y prevencin

Identificando grupos de mayor riesgo a travs de los estudios descriptivos.

Identificando factores estadsticamente significativos a travs de la
epidemiologa analtica.

Elaborando mtodos efectivos para el control y prevencin a travs de los

estudios experimentales.

f. Planificacin y evaluacin de servicios de salud

Identificando los principales riesgos para la salud de la comunidad.

Conocimiento de la eficacia de las intervenciones.

Evaluacin de la efectividad y eficacia de las intervenciones propuestas.

3.1.4. Niveles de Prevencin

El propsito bsico de la epidemiologa es identificar las causas de la enfermedad
susceptibles de cambio, de tal manera que permita despus prevenirla.
Se define prevencin como las acciones que se toman con la finalidad de erradicar,
eliminar o minimizar el impacto de la enfermedad y la incapacidad; y si no es posible
retardar el progreso de la enfermedad y la incapacidad (Last, 1988).
Por lo general se reconocen tres niveles de prevencin (primaria, secundaria y
terciaria), no obstante hay quienes reconocen un nivel ms, el denominado primordial
(Figura 1).
a. Prevencin primordial: Es el nivel de prevencin ms recientemente reconocido;
gracias al conocimiento de la epidemiologa de las enfermedades cardiovasculares. El
objetivo de la prevencin primordial esta orientado a modificar y/o establecer nuevos
patrones sociales, econmicos y culturales que procuren mejorar la calidad de vida, y
por ende, disminuir aquellos conocidos que contribuyan a la presencia de la
enfermedad y sus riesgos especficos. Su importancia se ha hecho necesaria frente a
los efectos mundiales de la contaminacin atmosfrica (efecto invernadero; deterioro
de la capa de ozono) y de efectos nocivos de la contaminacin urbana (enfermedades
cardiovasculares, enfermedades respiratorias). Esta labor de prevencin se encuentra
enfocada a las polticas de salud pblica y de la promocin de la salud.
b. Prevencin primaria: El propsito de este nivel es limitar la incidencia de la
enfermedad mediante el control de las causas y de los factores de riesgo, es decir,

llevar a cabo acciones con la finalidad de prevenir la enfermedad antes de que se

desarrolle evitando el desarrollo de esta en personas que no la presentan. Las
inmunizaciones para la prevencin de enfermedades transmisibles y la reduccin de la
contaminacin atmosfrica mediante la limitacin del dixido de azufre y emisiones por
automviles, industrias y calefacciones domsticas, son ejemplos de prevencin
primaria. Sin embargo, aunque nuestro fin sea prevenir enfermedades, muchas veces
no contamos con la informacin necesaria para implementar acciones efectivas de
prevencin primaria en alguna de ellas. La prevencin primaria presenta dos tipos de
estrategias: poblacional y de grupo de riesgo.
Cuadro 1. Ventajas e inconvenientes de las estrategias de prevencin primaria
Estrategia poblacional
Estrategia de grupo de riesgo
Ventajas
Ventajas
- Radicalidad
- Adecuada para los individuos
- Gran potencial para toda la
- Motivacin de los sujetos
poblacin
- Motivacin de los mdicos
- Adecuada para comportamientos - Relacin favorable beneficioriesgo
Inconvenientes
- Escaso beneficio para los
individuos
- Escasa motivacin de las
personas
- Escasa motivacin de los
mdicos
- La relacin riesgo-beneficio
puede ser baja

Inconvenientes
- Dificultad de identificacin de los
individuos de alto riesgo
- Efecto temporal
- Efecto limitado
- Inadecuada para
comportamientos

c. Prevencin secundaria: La prevencin secundaria intenta reducir las consecuencias

ms serias de las enfermedades mediante diagnsticos tempranos y tratamientos, es
decir, que si podemos identificar enfermedades en su etapa temprana; las medidas de
intervencin seran ms efectivas, adems de prevenir complicaciones y casos mortales
de la enfermedad y el uso de tratamientos menos evasivos y costosos. El auto examen
de mamas y la mamografa; son acciones especficas de prevencin secundaria para la
deteccin temprana del cncer de mama; al igual que la toma de Papanicolaou para la
deteccin del cncer de cuello uterino; de esta manera se reducira la tasa de
mortalidad por cncer cervical.
d. Prevencin terciaria: La prevencin terciaria se inclina a la reduccin del proceso o
la complicacin de la enfermedad establecida; y es importante el aspecto de la
medicina teraputica o de rehabilitacin, ya que procura evitar la discapacidad total,
que conlleve al individuo a vivir una vida plena y autosuficiente.
En trminos epidemiolgicos, la prevencin primordial aspira a establecer y mantener
condiciones que minimicen los riesgos a la salud; la prevencin primaria tiene como
finalidad reducir la incidencia de la enfermedad, la prevencin secundaria tiene como
propsito reducir la prevalencia de la enfermedad acortando su duracin, y la

prevencin terciaria tiene como finalidad reducir el nmero y/o el impacto de las
complicaciones.
Figura 1. Niveles de Prevencin (Leavell & Clark)

3.1.5. Mtodo epidemiolgico

Se denomina mtodo epidemiolgico, al empleado para conocer las caractersticas y el
desarrollo de las enfermedades y otros procesos afines que afectan a la colectividad,
con el fin de dominarlas y transformar favorablemente el estado de salud de la
poblacin.
El mtodo epidemiolgico se basa: en la observacin de los fenmenos, la elaboracin
de hiptesis, el estudio o experimentacin de stos y la verificacin de los resultados
(Fig. 2). El mtodo epidemiolgico es un proceso sistemtico, organizado y
objetivo, destinado a responder una pregunta.
El trmino sistemtico se relaciona con el mtodo cientfico; a partir de la
identificacin de un problema y la revisin de los conocimientos existentes, se formula
una hiptesis y objetivos, se recogen datos segn un diseo preestablecido y, una vez
analizados e interpretados, se obtienen conclusiones que permitirn modificar o aadir
nuevos conocimientos a los ya existentes, inicindose entonces el ciclo una vez mas.
El trmino organizado se refiere a que todos los miembros de un equipo investigador
siguen un mismo protocolo de estudio y aplican las mismas definiciones y criterios a
todos los participantes.
La palabra objetivo indica que las conclusiones obtenidas no se basan en impresiones
subjetivas, sino en hechos que se han observado, medidos y analizados.

Figura 2. Mtodo Epidemiolgico

3.2. Epidemiologa ocupacional

3.2.1. Breve Historia de la Epidemiologa Ocupacional
Los riesgos ocupacionales fueron dados a conocer por Hipcrates (500 a.c.), quien
explor el medio ambiente de los pacientes, su estilo de vida y su plano profesional
cuando diagnosticaba y trataba las enfermedades. Ms adelante, entre los aos 1500 a
1800, aparecen las primeras observaciones empricas sobre la salud de los
trabajadores:

Georgius Agrcola: Maestro y cientfico alemn, considerado el padre de la

mineraloga, escribi el libro De Re Metallica (1556), donde hace un
anlisis sistemtico de la minera y la metalurgia en el Siglo XVI en
Checoslovaquia, describiendo con gran detalle las prcticas mineras usadas y
los efectos de los metales en los mineros.
Bernardino Ramazzini: Mdico Italiano (Siglo XVII XVIII), considerado Padre
de la Medicina Ocupacional, describi las enfermedades relacionadas con el
trabajo y sus causas en el libro De Morbis Artificum (1790).
Charles Turner Thackrah: Mdico Ingls (Siglo XIX), en 1832 public el libro
The Effects of Arts, Trades, and Professions on Health and Longevity,
documentando las enfermedades e incapacidades de varias ocupaciones.

En los aos 1830 a 1860 aparece el Movimiento de Salud Pblica, el que logra generar
sistemas de estadsticas poblacionales y registros de defunciones en Europa y los
primeros estudios estadsticos de salud de trabajadores. Entre estos estudios tenemos

los estudios de William Farr (Inglaterra), reconocido fundador del concepto moderno
de vigilancia y, los de Villerm (Francia) quien realiz estudios epidemiolgicos acerca
de la industria francesa en la vida de los obreros.
En los aos 1900 a 1940 se hace evidente la profesionalizacin de las actividades
productivas, el sindicalismo y la intervencin gubernamental. Ello logra, entre otros,
capacitacin formal en medicina e higiene industrial, regulacin del trabajo entre nios
y mujeres, y normas para industrias peligrosas (minera).
En los aos 1950 a 1980 los movimientos democrticos y el poder sindicalista logran
generar mayor actividad gubernamental en salud y generar normas amplias para salud
y seguridad en el trabajo.
La epidemiologa ocupacional cuantitativa moderna se remonta a la segunda mitad del
siglo pasado. En ella los ritos ms importantes son:

1950, Gran Bretaa: Mtodo de cohortes histricas. Richard Doll, public el

primer estudio epidemiolgico longitudinal detallado sobre 113 trabajadores del
sector textil-asbesto, seguidos durante 20 aos.
1960, Estados Unidos: Estudios de mortalidad en industrias de acero, asbestos,
goma y minera.
1970-1980: Evaluacin cuantitativa de exposicin; avances en mtodos
estadsticos.

3.2.2. Movimientos recientes en la historia de la Epidemiologa Ocupacional

Durante el siglo XX, la mayora de los estudios estaban enfocados hacia el estudio de la
mortalidad (tpicamente por cncer) y la exposicin a altas concentraciones de agentes
fsico-qumicos.
Actualmente los estudios se han diversificado tanto en el rea de los efectos (funcin
reproductiva, lesiones traumticas, depresin, obesidad, etc) como en el rea de las
exposiciones (estrs, ruido, calor, factores psicosociales, etc). Debido al conocimiento
de los efectos en salud y los mejores programas de prevencin de riesgo, las
exposiciones tradicionales han disminuido, al menos en los pases avanzados. Hasta la
dcada de los ochenta, la mayora de los estudios era en hombres de origen europeo y
norteamericano empleados en fbricas grandes de la industria pesada.
Recientemente, se han realizado estudios de otros grupos (incluso mujeres) y de otros
ambientes de trabajo, como la agricultura, las empresas pequeas, y el sector
informal.
Adems, con los cambios en la actividad industrial, la produccin de investigacin ha
crecido (aunque levemente) en los pases latinoamericanos y asiticos.
3.2.3. Definicin de Epidemiologa Ocupacional
La epidemiologa del trabajo se ha definido como el estudio de los efectos de las
exposiciones en el lugar de trabajo sobre la frecuencia y distribucin de enfermedades

y lesiones en la poblacin. Por consiguiente, se trata de una disciplina orientada a la

exposicin, que mantiene vnculos con la epidemiologa y con la higiene industrial
(Checkoway y cols, 1989). Como tal, utiliza mtodos similares a los empleados por la
epidemiologa general. El principal objetivo de la epidemiologa del trabajo es la
prevencin, mediante la identificacin de las consecuencias para la salud, de las
exposiciones en el lugar de trabajo, determinar la historia de las exposiciones a las que
ha estado sometida una persona durante toda su vida laboral y con esta informacin
tomar las precauciones para eliminar, disminuir o controlar el riesgo de los
trabajadores.
La informacin necesaria para realizar estos estudios depende de la calidad y la
extensin de los datos disponibles sobre la exposicin, de los efectos en la salud (o las
enfermedades) que interesan al epidemilogo los cuales deben determinarse con
exactitud en la poblacin laboral expuesta. Por otra parte, el epidemilogo debe
disponer de datos sobre otros factores que puedan influir en la enfermedad de inters,
de manera que cualquier efecto de las exposiciones profesionales que se demuestre en
el estudio pueda atribuirse a la exposicin profesional per se, en lugar de a otras
causas conocidas de la enfermedad en cuestin. Por ejemplo, en un grupo de
trabajadores expuestos a una sustancia qumica de la que se sospecha que produce
cncer de pulmn, es posible que algunos trabajadores fumen o hayan fumado, siendo
esto otra causa de cncer de pulmn. En este caso, los epidemilogos del trabajo
tienen que determinar qu exposicin (o qu factor de riesgo: la sustancia qumica, el
tabaco o una combinacin de los dos) es responsable del aumento de riesgo de cncer
de pulmn en el grupo de trabajadores estudiado (OIT, 2001).
La epidemiologa ocupacional puede aplicarse a distintos niveles: Vigilancia para
describir la aparicin de enfermedades en diferentes categoras de trabajadores y
proporcionar las primeras seales de advertencia de peligros profesionales
desconocidos; generacin y puesta a prueba de una hiptesis sobre el efecto nocivo de
determinada exposicin y la cuantificacin de dicho efecto; evaluacin de una
intervencin (por ejemplo, una medida preventiva como la reduccin de los niveles de
exposicin) midiendo los cambios en el estado de salud de una poblacin a lo largo del
tiempo. En epidemiologa ocupacional se basa en anlisis de informacin obtenida de
registros, cuestionarios, descripcin de los puestos de trabajo u otros estimadores de
la exposicin. Para lograr este propsito la epidemiologa utiliza una serie de diseos
de estudio y herramientas de medicin.
La epidemiologa ocupacional ha prestado mayor importancia a los estudios de causas
de enfermedad. Sin embargo, actualmente se presta mayor atencin a la evaluacin de
medidas preventivas especficas para reducir la exposicin, y el impacto a la salud y al
ambiente. Generalmente la eliminacin de la exposicin a los factores de riesgos
derivados de alguna actividad industrial o agrcola es muy costosa. El anlisis
epidemiolgico ayuda a las autoridades de salud pblica a encontrar un equilibrio
aceptable entre riesgos para la salud y los costos econmicos de prevencin y control.
3.2.4. Concepto de Enfermedad Ocupacional
La Organizacin Internacional del Trabajo (OIT) estima que cada ao se producen 250
millones de accidentes laborales en todo el mundo y 3.000 personas mueren cada da
por causas relacionadas con el trabajo. Adems, se registran 160 millones de casos de
enfermedades profesionales cada ao y 1,1 millones de accidentes mortales en el

mismo perodo.
La existencia de mltiples factores sobre la salud de los trabajadores resulta en un
perfil epidemiolgico caracterizado por la coexistencia de enfermedades propias de las
patologas ocupacionales tradicionales (como la hipoacusia ocupacional, intoxicaciones
agudas por plaguicidas y metales pesados, enfermedades dermatolgicas y
enfermedades respiratorias) y otras que actualmente han sido consideradas como
enfermedades relacionadas con el trabajo (cncer ocupacional, asma ocupacional,
estrs ocupacional, enfermedades cardiovasculares y osteomusculares, alteraciones
inmunolgicas y del sistema nervioso).
Actualmente no se encuentran disponibles los trminos y las definiciones de
enfermedades profesionales para los pases de la Regin. La Organizacin Internacional
del Trabajo (OIT) define a la enfermedad profesional como un hecho imprevisto y no
intencionado, inclusive los actos de violencia no consensual que se deriva del trabajo o
est en relacin con el mismo y provoca una lesin corporal, una enfermedad o la
muerte.
3.2.5. Aplicaciones de la Epidemiologa Ocupacional
Los mtodos epidemiolgicos, en relacin a la salud de los trabajadores, pueden usarse
para numerosos fines, entre sus aplicaciones estn:

Observacin de la patologa derivada de la exposicin ocupacional:

Generalmente nos preguntamos Cul es la frecuencia con la que se presenta?,
para esto debemos conocer el nmero de personas que adquieren la
enfermedad en un perodo especfico de tiempo, asimismo la poblacin no
afectada, para luego determinar la frecuencia de las enfermedades
profesionales y/o accidentes del trabajo, con el fin de tipificar los patrones de
ocurrencia de los mismos y la vigilancia. La definicin de la ocurrencia de una
enfermedad depende esencialmente del conocimiento comn de la enfermedad
y de los resultados de las pruebas diagnsticas.
Relacin Causal: Consiste en determinar el perfil caracterstico de los factores
de riesgo asociados a una enfermedad laboral. Las asociaciones entre estas
caractersticas y la ocurrencia de la enfermedad pueden surgir por coincidencia,
por relaciones no causales a otras caractersticas, o por relaciones de causa
efecto. La identificacin de los factores de riesgo proporciona una comprensin
vlida de los mecanismos de accin comprometidos en la ocurrencia de la
enfermedad. La ocurrencia del efecto en salud est determinado por factores
ambientales, estilos de vida, factores biolgicos y factores sociales de los
trabajadores.

Pruebas diagnsticas: Se realizan con el fin de obtener evidencia objetiva de la

presencia o ausencia de un efecto a la salud derivado de la exposicin
ocupacional. Su importancia radica en su utilizacin para prevenir
tempranamente la enfermedad entre los trabajadores asintomticos; y
confirmar el diagnstico entre los trabajadores con signos y sntomas.

Determinacin de la historia natural de la enfermedad ocupacional: Consiste en

tipificar el curso de una enfermedad desde el estado de salud y bienestar hasta
la muerte, pasando por los cambios subclnicos, enfermedad clnica, y/o

variables de recuperacin (parcial o total) o muerte.

Descripcin del estado de salud e investigacin de factores pronstico de los

trabajadores: La descripcin del estado de salud de los trabajadores viene dado
bsicamente por el diagnstico de salud y su relacin con los factores de riesgo.

Evaluacin de la intervencin: Establece las variaciones del impacto a la salud y

el ambiente derivadas de la adopcin de medidas preventivas y de control en
salud, higiene y/o seguridad laboral. Requiere la comparacin entre la
ocurrencia del efecto en salud previo y posterior a la medida de intervencin.

Anlisis de la eficacia: Permite estudiar el equilibrio aceptable entre riesgos para

la salud de los trabajadores y los costos econmicos de prevencin y control. La
eficacia es medida a partir de la relacin entre los resultados logrados y lo
invertido en recursos econmicos, humanos, y tiempo. Comprende el uso
ptimo de los recursos e involucra la relacin de los costos y la efectividad de
una intervencin, lo cual implica utilizar conocimientos de epidemiologa
ocupacional y de administracin de salud. Existen dos acercamientos principales
a la valoracin de la eficacia: anlisis costo-efectividad y anlisis costobeneficio.

Estudio y determinacin de valores normales o de referencia: Los estudios

epidemiolgicos bsicamente generan resultados que permiten establecer las
condiciones del ambiente y la salud de los trabajadores. Adems, pueden ser
utilizados para elaborar estndares de evaluacin ambiental y rangos de
normalidad para los parmetros biolgicos, que permitan comparar las
poblaciones expuestas y no expuestas a riesgos profesionales; asignar lmites
de exposiciones aceptables o permisibles; contribuir con el anlisis de las
asociaciones causales; e intervenir con el establecimiento de normas de
seguridad.

3.3. Mtodo Epidemiolgico Ocupacional

Tiene como etapas:
a) Identificacin del problema: Son numerosas las vas y los mecanismos por los
cuales se pueden identificar los problemas de salud asociados a la exposicin
ocupacional. La informacin puede originarse de sistemas previamente establecidos
para estos fines (vigilancia epidemiolgica), o bien, surgir espontneamente. Es
fundamental disponer de fuentes de informacin que faciliten la identificacin del
problema, entre ellas tenemos:

Datos demogrficos (distribucin de la poblacin por grupos de edad, sexo,

nivel educacional, ocupacin, tiempo de ocupacin y en la exposicin actual,
migracin, estilos de vida, y otros) y socioeconmicos de las poblaciones
expuestas al riesgo. Esta informacin permite identificar patrones de
ocurrencia.
Datos de mortalidad por edad, sexo, etc.
Datos provenientes del monitoreo biolgico: constituyen mediciones de
compuestos o metabolitos en fluidos biolgicos (orina, sangre, etc) que
permiten caracterizar la exposicin de la poblacin.

Datos de monitoreo ambiental, que permiten identificar y cuantificar la

concentracin del contaminante en diferentes medios (aire, agua, suelo,
alimentos u otros vehculos de transmisin).

Informacin proveniente del medio industrial, comercial y econmico (tipo de

industria, tecnologa empleada, productividad, salarios, etc.)

Informacin sobre aspectos de saneamiento ambiental relacionado con los

factores de riesgo (emisiones, descargas, disposicin final y tratamiento de
residuos industriales; y las relaciones que puede tener con el abastecimiento de
agua potable, aguas de riego, aguas recreacionales, alimentos y otros medios;
saneamiento bsico industrial; medidas de higiene y seguridad industrial).

b) Recoleccin de la informacin: Para demostrar la asociacin causal entre los

factores de riesgo y el impacto en los trabajadores es necesario recolectar la
informacin relativa a la salud de los trabajadores y las variables de exposicin. Los
datos que se obtienen a partir de esta informacin indican la magnitud y el tipo de
riesgo a que estn expuestos los trabajadores y las caractersticas de los individuos
(susceptibilidad de enfermar y/o morir por la exposicin a uno o varios agentes
contaminantes).
c) Procesamiento de la informacin: Comprende la tabulacin, sistematizacin y
presentacin grfica de la informacin. El estudio epidemiolgico ocupacional requiere
del conocimiento de la frecuencia de cualquiera de las manifestaciones (enfermos,
muertos, invlidos, secuelas y otros). Esta informacin se puede expresar mediante
medidas de resumen o indicadores de frecuencias relativas (razones, proporciones y
tasas). Las tasas son el mejor instrumento de comparacin epidemiolgico, siendo las
de mayor utilidad, la tasa de mortalidad y morbilidad (incidencia, prevalencia y
letalidad de la enfermedad).
d) Identificacin e interpretacin de los patrones de ocurrencia de
enfermedad ocupacional: El patrn de ocurrencia es el perfil caracterstico en el que
suele presentarse una enfermedad profesional, adoptando rasgos particulares para los
diferentes componentes de la poblacin trabajadora. La identificacin de los patrones
de ocurrencia es la parte fundamental del trabajo epidemiolgico, debido a que
proporciona informacin del porque algunos trabajadores se enferman y otros no.
Adems de identificar los patrones de ocurrencia considerando los elementos bsicos
en epidemiologa: persona (trabajador), lugar (ambiente laboral) y, tiempo
(antigedad a la exposicin); se debe considerar las caractersticas relativas al agente
(factor de riesgo).
e) Formulacin de hiptesis: Una vez identificados los patrones de ocurrencia de las
enfermedades ocupacionales, se procede a la formulacin de una o varias hiptesis
dirigidas a identificar las razones que expliquen la ocurrencia y distribucin.
La hiptesis es una suposicin cientficamente fundamentada acerca de una situacin
hasta ese momento desconocida, es un supuesto sobre la interrogante principal del
problema a estudiar. La hiptesis intenta adelantar una explicacin terica del
problema y con ello facilitar su solucin prctica.
En el mbito ocupacional, la hiptesis es una explicacin posible, sujeta a
confirmacin, de un fenmeno de enfermedad ocupacional. En general, la hiptesis es

plausible mientras mayor sea la fuerza de asociacin estadstica de los antecedentes, y

mientras menor sea la cantidad de otras alternativas aceptables.
f. Comprobacin de hiptesis: Esto implica seleccionar un diseo de anlisis
epidemiolgico para comprobar la veracidad parcial o total de dichas hiptesis o
suposiciones, lo cual depende del objeto de estudio y las caractersticas de las
variables. Los diseos epidemiolgicos ms frecuentemente utilizados para la
comprobacin de las hiptesis son: los estudios retrospectivos y prospectivos, en
ambos estudios se procura buscar la asociacin causa-efecto. En el retrospectivo las
unidades de observacin se clasifican de acuerdo a la variable EFECTO, y luego se
investiga la variable que se presume como causa. En el prospectivo las unidades de
observacin se clasifican primero de acuerdo a la variable que se considera como
CAUSA (exposicin), y posteriormente se registra la ocurrencia o ausencia del efecto.
g. Elaboracin de conclusiones: Una vez obtenido los resultados, stos nos van a
permitir o no establecer asociacin causal entre los factores de riesgo y la enfermedad,
y en forma secundaria establecer la necesidad de realizar estudios adicionales, en
aquellos casos donde la etiologa de la enfermedad ha permanecido desconocida, y se
requiere de mltiples estudios para establecer la causa.
h. Aplicacin de las medidas de prevencin y control: La utilidad de las
conclusiones est dada por la aplicacin de medidas de prevencin y control para:

Reducir significativamente la tasa de morbilidad y mortalidad de la enfermedad

en estudio.
Establecer o perfeccionar los sistemas de vigilancia epidemiolgica.

Evaluar programas especficos, e incluso los mismos servicios de salud

ocupacional.

Realizar programas de educacin en salud de los trabajadores.

Aclarar dudas respecto a los factores de riesgo de una enfermedad.

Difundir la informacin epidemiolgica a nivel acadmico, sanitario,

administrativo, publicaciones, etc.

i. Evaluacin de la intervencin: Una vez ejecutada las medidas de prevencin y

control, se requiere evaluar la eficacia y efectividad de las mismas en la ocurrencia de
impactos a la salud de los trabajadores y condiciones laborales. Este proceso podr
generar conclusiones y recomendaciones nuevas que mejoren los sistemas de
prevencin y control.

4. Referencias Bibliogrficas

Argimon JM, Jimnez J. Mtodos de Investigacin Clnica y Epidemiolgica.

Madrid: Elsiervier; 2002.
Beaglehole R, Bonita R, Kjellstrm. Epidemiologa Bsica. Washington, D.C.:
Organizacin Panamericana de la Salud. 1994.
Checkoway H, Pearce N, Crawford-Brown DJ. Research Methods in Occupational
Epidemiology. 2da. Edicin. New York. Oxford University Press, 2004.

Gordis L. Epidemiology. Philadelphia: W.B. Saunders Company; 1996.

Last JM. A Dictionary of epidemiology. New York: Oxford University Press; 2001.

Leavell HR, Clark EG. Preventive Medicine to the Doctor in his Community. 3th
Ed. New York: Mac Graw Hill. 1965

Loomis D, Salinas M, Cumsille F. Epidemiologa Ocupacional. Cienc Trab.

2004;6(11):42-46.

Mac Mahon B, Pisen J, Thons P. Mtodos de Epidemiologa. Mxico: La Prensa

Medica Mexicana. 1969.

Rizzi C, et al. Introduccin a la Medicina Sanitaria. Buenos Aires: Lpez Libreros

Editores S.R.L; 1973.

4. Referencias bibliogrficas

Mdulo 3:
Causalidad y Validz en los Estudio Epidemiolgicos
1. Objetivos:
1. Comprender el rol de la causalidad en estudios epidemiolgicos.
2. Comprender el proceso de las inferencias causales basadas en resultados de
estudios epidemiolgicos.
3. Conocer las fuentes ms importantes de error en los estudios epidemiolgicos y
cmo stos se minimizan.

2. Trminos claves:
Inferencia causal, error aleatorio, confusin, sesgo, modificacin del efecto

3. Desarrollo del mdulo

3.1. Causalidad

Uno de los principales objetivos de la investigacin epidemiolgica es establecer las

causas del fenmeno de inters. Una causa de enfermedad desde el punto de vista
epidemiolgico es un evento, condicin, caracterstica o una combinacin de estos
factores que juegan un papel importante en el desarrollo de la enfermedad. La
epidemiologa ocupacional, se orienta a la identificacin de las causas de las
enfermedades y lesiones resultantes de las exposiciones ocurridas en el sitio de
trabajo.
Son varios los modelos de causalidad propuestos, mencionaremos al El Modelo de
Rothman, como ejemplo y desarrollaremos a continuacin. Este modelo define como
causa suficiente a un grupo de condiciones y acontecimientos mnimos que,
inevitablemente inician o producen la enfermedad. El modelo es determinista, porque
supone que la enfermedad puede tener una o ms causas suficientes (CS), cada una
de las cuales determina la enfermedad, es decir diferentes conjuntos de causas pueden
interactuar y producir el mismo evento.
Dicho de otro modo, una causa es suficiente cuando la enfermedad es observada en
los individuos que presentan la causa, no obstante, la causa no se observa en todos los
individuos con la enfermedad porque existen otras causas para ella. Por ejemplo, el
hbito de fumar cigarrillos es una causa del cncer de pulmn, pero ste tambin es
causado por la exposicin a las fibras de asbesto o al gas radn.
Cada CS est compuesta por un grupo de causas componentes (CC). La presencia de
una CC aumenta la probabilidad de que la enfermedad se produzca, es decir la
presencia de CC equivale a la presencia de los factores de riesgo. Para este modelo
una causa se denomina necesaria (CN) cuando sta siempre debe anteceder una
enfermedad. Una causa es necesaria cuando debe estar presente en los individuos
para contraer la enfermedad, sin embargo, su presencia no siempre conduce al
desarrollo de enfermedad. Por ejemplo el bacilo de la tuberculosis (Mycobacterium
bacillus) debe estar presente para causar la tuberculosis, pero, la aparicin de la
tuberculosis no siempre se observa en los individuos portadores del bacilo.

Otro ejemplo de CS y CN corresponde al cncer de pulmn, ste puede ser atribuido a

diferentes causas suficientes (humo de tabaco, metales pesados, asbesto, etc.), todas

son suficientes para producir el evento, pero no todas son necesarias. Cualquier causa
podra comportarse como necesaria, suficiente, ninguna de las dos o ambas.
Hay que considerar que cada enfermedad posee muchas causas (CS, CC y CN) las
cuales interactan entre ellas, por lo que resultara imposible predecir que ocurrir en
cada caso en particular. Adems de lo difcil que resultara determinar todas las causas,
aunque stas se conocieran, sera difcil determinar cuales actuaran en cada caso.
De acuerdo a este modelo, un factor es una causa de la enfermedad si la alteracin de
ste resulta en una variacin de la frecuencia del evento. Por este motivo, el modelo
resulta til desde el punto de vista de la prevencin, ya que no es necesario conocer
todas las causas componentes para prevenir la enfermedad. Efectivamente, al
identificar y eliminar slo uno de los factores de la causa suficiente, se previenen los
casos de la enfermedad que esta causa suficiente origina.
Al estudiar la causalidad uno debe considerar que los factores de riesgo juegan
diferentes roles en el desarrollo de la enfermedad. Por esto los factores causales han
sido diferenciados en los siguientes grupos, los cuales, no son mutuamente
excluyentes:
1. Factores predisponentes factores que crean un estado de sensibilidad hacia un
agente patgeno. La edad, el grado educacional, ocurrencia previa de la enfermedad y
el ambiente laboral son ejemplos de factores que podran hacer a los individuos ms
susceptibles a un agente patgeno.
2. Factores facilitadores factores que facilitan la manifestacin de la enfermedad o
por el contrario facilitan la recuperacin de una enfermedad. Los ingresos, el acceso a
la atencin mdica y la nutricin son ejemplos de factores cuya ausencia podran
facilitar la manifestacin de las enfermedades y que apoyan la recuperacin en su
presencia.
3. Factores desencadenantes factores que estn asociados con la aparicin
definitiva de la enfermedad. A menudo un factor es ms importante u obviamente ms
reconocible que otro cuando hay varios factores involucrados. Algunos ejemplos son la
exposicin a un medicamento, agentes intoxicantes o traumatismos fsicos.
4. Factores potenciadores factores repetitivos, recurrentes, persistentes que
tienden a perpetuar o agravar la presencia de una enfermedad. Por ejemplo la
exposicin repetida al mismo agente txico (en la ausencia de una reaccin aguda) y el
trabajo.
La realizacin de una investigacin epidemiolgica consiste en calcular el riesgo de la
ocurrencia de una enfermedad con relacin a uno o ms factores de riesgo o
exposiciones mediante los mtodos estadsticos. En realidad, la estimacin de riesgo
representa la magnitud de la asociacin entre el factor de riesgo y la enfermedad en
estudio.
La inferencia causal es el proceso de determinar si la estimacin de riesgos denota
causalidad. Es decir, si el factor de riesgo o la exposicin bajo investigacin es en
realidad una causa de la enfermedad. Antes de establecer causalidad, otras
explicaciones potenciales para las asociaciones tendran que ser excluidas como el

sesgo y la confusin.
3.2. Validez y precisin en los estudios epidemiolgicos
Es importante que el clculo del riesgo de un estudio represente el efecto verdadero,
que ser el caso cuando un estudio es vlido. Se distinguen dos tipos de validez de
estudio: la interna y la externa. La validez interna se refiere a que los resultados del
estudio sean atribuidos slo al efecto bajo investigacin. Esto es posible cuando todas
las fuentes de error han sido reducidas al mnimo en las etapas de diseo,
implementacin y anlisis del estudio. La validez externa se refiere a que los
resultados del estudio sean generalizables, esto es, cuando un estudio produce
inferencias imparciales con respecto a una poblacin objetivo. Por ejemplo, los
resultados de un estudio realizado en hombres podran no ser generalizables en
mujeres, quienes tambin forman parte de la misma poblacin objetivo desde dnde
los hombres vinieron.
Los errores en los estudios epidemiolgicos conducen a un clculo sesgado del
estimador de riesgo y a inferencias incorrectas acerca de la relacin entre el factor de
riesgo y la enfermedad bajo investigacin. Un estudio es vlido cuando sus resultados
corresponden a la verdad. Al reducir al mnimo los errores, en las etapas de
planificacin y de ejecucin del estudio, el investigador tiene mas fuerza para llegar a
la conclusin de que los resultados representan el valor verdadero. Slo los estudios
con resultados vlidos son tiles para el proceso de inferencia causal.
3.2.1. Tipos de error
Los errores pueden clasificarse como: aleatorio o sistemtico.
1. El error aleatorio es parte de la variacin, en una medicin, que generalmente es
considerada como debida solo al azar. Existen varias fuentes de error aleatorio. Una
fuente principal de este tipo de error es el proceso de establecer la muestra de estudio.
Esta forma de error aleatorio tambin se conoce como error de muestreo. La principal
forma de reducir el error aleatorio es agrandar el tamao muestral en estudio. Esto
aumentar la precisin del clculo de riesgo y por consiguiente, del estudio.
2. El error sistemtico es el resultado de los defectos en el mtodo de seleccin de los
participantes en estudio o en los procedimientos de recoleccin de informacin
pertinente a la exposicin o enfermedad. En consecuencia, los resultados observados
del estudio tendern a ser diferentes de los resultados verdaderos. Esta tendencia
hacia los resultados errneos es llamada sesgo. Minimizar el sesgo aumentar la
validez del clculo de riesgo.
La Figura 2 muestra los efectos de los errores aleatorios y sistemticos sobre los
clculos de riesgo. El error aleatorio conduce a la imprecisin en el clculo de riesgo.
Puede observarse que los clculos de riesgo a menudo rodean la verdad (punto
central) pero se propagan aleatoriamente alrededor de ello. En contraste, el error
sistemtico no afecta la precisin del clculo de riesgo. Sin embargo, esto conduce a la
generacin de clculos de riesgo que sistemticamente son diferentes de la verdad.
Figura 2. Validez y Precisin

Antes de que el resultado de un estudio se evale para establecer la posibilidad de que

la relacin arrojada sea causal, es importante determinar la validez y la precisin del
estudio. Las posibilidades de explicaciones alternativas para los clculos de efectos
como el azar, el sesgo y la confusin debern ser excluidos (Figura 3).
Figura 3. Evaluacin de la Relacin entre una Causa Posible y la Enfermedad

3.2.2. Sesgos
Como se menciono anteriormente, el sesgo es una desviacin sistemtica de los
resultados o las inferencias del valor verdadero. El sesgo en los estudios
epidemiolgicos puede clasificarse en dos tipos principales: el sesgo de seleccin y de
informacin.
El sesgo de seleccin ocurre cuando hay diferencias entre los que participan en el
estudio y aquellos que no participan, y esas diferencias tienen un efecto sobre el
clculo de riesgo, desvindolo de su valor verdadero. Estas diferencias introducen un
sesgo en el clculo de riesgo cuando sus caractersticas se relacionan sistemticamente
con la exposicin o enfermedad bajo estudio.
Al planificar un estudio epidemiolgico, el investigador debe identificar si existe el
potencial para la ocurrencia de algn tipo de sesgo y encontrar las maneras de
reducirlo. Existen muchas maneras en que se puede introducir un sesgo de seleccin al
estudio. Algunos ejemplos son: 1) La percepcin o el conocimiento del tema del
estudio influye en el deseo de participar de los sujetos (Ej.: el uso de las drogas o el
alcohol); 2) Un deficiente marco de muestreo que excluye sistemticamente a un
grupo de sujetos con caractersticas similares (Ej.: realizar entrevistas por telfono en
un distrito donde aquellos pertenecientes a los estratos socioeconmicos bajos no
tienen telfonos); 3) Los voluntarios (Ej.: usualmente los voluntarios tienen una
motivacin especial para participar en un estudios como una mayor percepcin de
riesgo o un alto nivel educacional).
Un caso especial de sesgo de seleccin en los estudios ocupacionales es el efecto del
trabajador saludable. Los trabajadores generalmente presentan tasas de mortalidad
general inferiores que la poblacin en general, esto porque el enfermo grave y los
discapacitados crnicos son generalmente excluidos del empleo. Los trabajadores son
ms saludables que la poblacin en general, por tanto, las tasas de mortalidad de la
poblacin general no son comparables con las tasas de la poblacin laboral.
El sesgo de informacin es una falla en la medicin de los factores de riesgo o los
datos de enfermedad que da lugar a una calidad diferente de la informacin entre los
grupos de comparacin. Esto conduce a una medida de la variable de estudio que es
diferente de su valor verdadero y puede producir una clasificacin errnea de los
sujetos de estudio con respecto a la exposicin, la enfermedad o ambos. La presencia
del sesgo de informacin tiene un efecto en el clculo de riesgo desvindolo de su valor
verdadero.
Existen muchas maneras en que se puede incluir un sesgo de informacin al estudio.
Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de la variable de
estudio (Ej.: El esfigmomanmetro no esta calibrado); 2) El entrevistador
subconscientemente o conscientemente busca y recolecta datos selectivamente (Ej.:
sesgo del entrevistador); 3) Los sujetos de estudio tienen una memoria inexacta o
incompleta de los eventos o experiencias pasadas relacionadas con la pregunta de
estudio (Ej.: sesgo del memoria).

3.2.3. Confusin
La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurre cuando
hay un tercera variable que puede causar la enfermedad en estudio y que a su vez
est asociada con el factor de riesgo bajo investigacin. A menos que sea posible
ajustar el efecto de confusin de esta tercera variable, sus efectos no pueden
distinguirse de los del factor de riesgo en estudio.
La figura 4 intenta explicar esta relacin. El asbesto es un factor de riesgo conocido del
cncer de pulmn. Tambin el hbito de fumar cigarrillos es un factor de riesgo del
cncer de pulmn. Tanto el hbito de fumar como la exposicin al asbesto son factores
de riesgo del cncer de pulmn, la confusin ocurrir si la distribucin del fumar en los
sujetos de estudio varia concurrentemente con la distribucin de la exposicin al
asbesto. Por ejemplo si los que fumaron son tambin aquellos que estn ms
expuestos al asbesto. Para calcular apropiadamente la magnitud de la asociacin entre
el asbesto y el cncer de pulmn es importante reducir el efecto de confusin
introducido por el hbito de fumar. A menudo, ms de una variable puede introducir
confusin.
La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque no es
un sesgo.
Figura 4. Efecto de confusin del fumar cigarrillos en la relacin entre la
exposicin a asbestos y el cncer de pulmn

3.2.4. Modificacin de efecto

Despus de excluir el factor de confusin como una explicacin de la asociacin de
estudio es importante evaluar una potencial modificacin del efecto. Un modificador de
efecto es un factor que modifica el efecto del factor de riesgo en estudio. Ocurre
cuando el clculo de riesgo en presencia de dos factores de riesgo es diferente del
clculo de riesgo esperado como resultado de los efectos individuales de estos
factores. El efecto puede ser mayor (sinergismo) o menor (antagonismo) que la suma
de los efectos individuales.
La modificacin de efecto es detectada al generar clculos de riesgo para el factor de

riesgo en estudio a travs de los niveles de un tercer factor (Tabla 1). La tasa de
cncer de pulmn en los no fumadores que estn expuestos al asbesto es mayor que
en la tasa del grupo no expuesto, sin embargo, el efecto de la exposicin a asbesto en
el cncer de pulmn es mucho mayor cuando la persona es fumadora.
Tabla 1. Tasa de mortalidad estandarizada del cncer de pulmn (por 100000
habitantes) en relacin a los fumadores y la exposicin al polvo de asbesto
Exposicin al
asbesto

Historia de
fumador

Tasa de mortalidad
por cncer del
pulmn

No

No

11

No

58

No

123

602

Finalmente, los datos derivados de la investigacin epidemiolgica se usan para la

toma de decisiones. Por ejemplo, los organismos reguladores dependen de los datos
epidemiolgicos cuando proponen los lmites de exposicin laboral. De ah la
importancia de realizar estudios epidemiolgicos que estn libres de sesgos y de
comprender el impacto de los retos que conlleva el proceso de inferencia causal.
3.3. Criterios de causalidad
Una vez que la validez del estudio ha resultado ser adecuada, el prximo paso es
comparar sus resultados con los de otros estudios epidemiolgicos realizados con el
mismo propsito.
A menudo la determinacin de la causalidad ha sido establecida mediante la
construccin de un juicio subjetivo. Un enfoque sistemtico fue desarrollado por el
mdico estadista britnico Austin Bradford Hill, para ayudar a establecer un proceso de
inferencia causal ms objetivo. Esta gua se conoce como los Criterios de Causalidad de
Hill. Una versin adaptada se muestra en la tabla 2.
Tabla 2. Criterios de Causalidad de Hill (adaptado)
Consistencia
La asociacin de
estudio es
consistente
cuando los
resultados son
replicados en
estudios
epidemiolgicos
realizados en
diferentes
poblaciones

utilizando
diferentes diseos
de estudio.
Fuerza de la
asociacin

Es definido por el tamao del clculo del riesgo

derivado del anlisis estadstico.

Relacin dosis - El tamao del clculo del riesgo se incrementa

respuesta
con el incremento de los niveles de exposicin.
Secuencia
temporal

La exposicin siempre precede al resultado.

Este es el nico criterio absolutamente
esencial.

Plausibilidad
biolgica

La asociacin esta acorde con la consecuente

aceptacin de los procesos biolgicos.

En muchas situaciones una relacin causa-efecto es difcil de establecer. Adems, un

estudio es generalmente insuficiente para establecer causalidad. La determinacin de
la causalidad se deriva cuando existe un gran cuerpo de evidencia sobre la asociacin
de estudio. A partir de la base de evidencia, esta gua se utiliza para organizar la
informacin e impulsar los procesos inferenciales.
Antes de realizar un estudio se espera que el investigador realice una revisin de la
bibliografa existente sobre la asociacin de inters. El anlisis de los estudios
existentes recolectados por el investigador debe realizarse siguiendo esta gua.
Es tambin til obtener la evidencia de otros campos de estudio en apoyo a la
asociacin bajo estudio. La evidencia de otros campos de investigacin puede
suministrar informacin que los estudios epidemiolgicos no pueden generar debido a
su naturaleza observacional.

4. Referencias Bibliogrficas

Armstrong BK, White E, Saracci R. Principles of exposure measurement in

epidemiology. Oxford Medical Publications. New York. 1992
Beaglehole R, Bonita R, Kjellstrom T. Basic epidemiology. World Health
Organization. Geneva. 1993

Gordis L. Epidemiology. WB Saunders Company. Philadelphia. 1996

Last JM. A dictionary of epidemiology. Oxford University Press. New York. 2001

Rothman KJ. Modern epidemiology. Little, Brown and Company. Boston/Toronto,

1986.

Szklo M, Nieto FJ. Epidemiology, beyond the basics. Aspen Publishers, Inc.
Maryland, 2000.

Mdulo 4:
Evaluacin de Exposicin en Estudios de Epidemiologa
Ocupacional
1. Objetivos:
1. Comprender los conceptos de dosis y exposicin
2. Comprender la relacin dosis-exposicin
3. Comprender los principios de la evaluacin de exposicin directa e indirecta
4. Identificar las Fuentes de informacin de exposicin
5. Comprender los conceptos de los estndares de exposicin

2. Trminos claves:
Exposicin, evaluacin, contacto, dosis, monitoreo, microambiente, biomarcadores,
lmites de exposicin laboral.

3. Desarrollo del mdulo

3.1. Introduccin
Las personas estn expuestas a una variedad de agentes potencialmente dainos para
la salud a travs del aire que respiran, el alimento que ingieren, las superficies que
ellos tocan y los productos que usan durante el transcurso de su vida. Un importante
aspecto en salud pblica es la prevencin o reduccin de la exposicin a los agentes
del medio ambiente que contribuyen, ya sea directamente o indirectamente, a
incrementar las tasas de muerte prematura, enfermedad, discomfort, o discapacidad
(IPCS, 2000).
3.2. Concepto de exposicin
Los riesgos para la salud asociados a las actividades laborales en los ambientes de
trabajo son prevenibles, sin embargo para una efectiva proteccin se requiere
identificar y medir la presencia de stos, as como otros factores determinantes de
enfermedad, a fin de generar un diagnstico correcto y completo que permita adoptar

decisiones oportunas y efectivas.

En los procesos productivos existen mltiples contaminantes del ambiente laboral que
actan como factores de riesgo y que pueden incidir negativamente en la salud de los
individuos que entran en contacto. Entre estos revisten especial importancia los
agentes de origen qumico, fsico y biolgico.
Genricamente, se ha definido exposicin como el contacto en el tiempo y el espacio
entre una persona y uno o ms agentes biolgicos, qumicos o fsicos (NCR, 1991).
Como se observa en la Tabla 1 el concepto de exposicin depende de una serie de
parmetros a considerar, por lo tanto al momento de evaluar exposicin se deben
considerar estos aspectos. En trminos de salud ocupacional, se define exposicin
como el acto o condicin de estar por razones de trabajo, en contacto drmico, por
inhalacin o ingestin, con uno o una mezcla de estos agentes contaminantes, en un
lugar y durante un perodo de tiempo determinado.
La evaluacin de la exposicin en una determinada poblacin trabajadora, corresponde
a la medicin de la intensidad y/o duracin y frecuencia del contacto del individuo con
un agente nocivo especfico, se utiliza para caracterizar el riesgo de un individuo u
grupo de individuos expuestos.
La evaluacin de la exposicin en diferentes ambientes laboral implica identificar y
evaluar los agentes que pueden entrar en contacto con los trabajadores y analizar
diferentes aspectos del proceso que determina el contacto (Tabla 1).
AGENTES
FUENTES
- Biolgicos
- Qumicos
- Fsicos

-nicos
- Mltiples
- Mixtos

TRANSPORTE / MEDIO DE
TRANSPORTE
- Aire
- Agua
- Suelos

- Polvo
- Alimentos
- Productos
CONCENTRACIN

- Antropognicos / No Antropognicos
- De rea / Puntuales
- Estacionarias / Mviles
VAS DE EXPOSICIN
- A travs del alimento
- A travs de la respiracin
- Contacto con suspensiones contaminadas
RUTA DE EXPOSICIN

- mg/Kg. (alimentos) -/cm (suspendidas - Inhalacin

- mg/L (agua)
contaminadas)
- Ingestin
-/m3 (aire)
- % en peso
(ingesta)
- Fibras/m3 (aire)
2

DURACIN DE LA EXPOSICIN
-

Segundos
Minutos
Horas
Das

Semanas
Meses
Aos
Toda la vida ?

ESCENARIO DE EXPOSICIN

- Drmica
- Mltiples rutas

FRECUENCIA DE LA EXPOSICIN
- Continua
- Intermitente
- Cclica

- Aleatoria
- Rara

POBLACIN EXPUESTA

- Ocupacional / No ocupacional
- Residencial / No residencial
- Interiores / Exteriores

- Poblacin General
- Subgrupos poblacionales
- Individuos

ALCANCE GEOGRFICO
- Sitio / fuente
especifica
- Local
- Regional

- Nacional
- Internacional
- Global

MARCO TEMPORAL
- Pasada
- Presente

- Futura
- De tendencia

3.2.1. ndices de Exposicin

Representan la cantidad del agente presente en el ambiente o en el aire inhalado y la
cantidad que realmente ingresa al organismo por inhalacin, o se absorbe por otras
vas (ingesta). La dosis refleja la cantidad de sustancia administrada. La frecuencia de
la dosis es la cantidad administrada por unidad de tiempo, sin embargo, es difcil
evaluar la relacin exposicin-efecto en el lugar de trabajo debido a que existe una
relacin compleja no lineal entre la exposicin y dosis (inhalacin absorcin
distribucin en el organismo).
Una complejidad adicional es el estado fsico del agente. Para los gases es posible
hacer la estimacin de la concentracin atmosfrica del agente durante la jornada de
trabajo y la cantidad de aire inhalado, para los polvos o material particulado es
necesario considerar el tamao de las partculas y su deposicin.
Un ejemplo de la aplicacin del estudio cuantitativo de la exposicin retrospectiva es su
aplicacin en la epidemiologa del cncer, otros estudios utilizan evaluaciones tanto
retrospectivas como prospectivas.
3.2.2. Elementos de Evaluacin de la Exposicin
La evaluacin de la exposicin implica describir cuantitativamente y cualitativa el
contacto del individuo con un agente especfico (exposicin), as como el ingreso
(dosis) al organismo. Si bien existen diferentes tipos de exposiciones, todas ellas
tienen elementos comunes: grupos de individuos expuestos a concentraciones
determinadas en perodos de tiempo establecidos; dosis de ingreso al organismo, y la
contribucin de las fuentes emisoras, rutas, vas y factores individuales a la exposicin
y a la dosis.
3.2.3. Cuantificacin de la exposicin
Consiste en determinar la magnitud, frecuencia y duracin de las exposiciones de los
individuos por cada una de las rutas significativas. Esta est definida por, la
concentracin del agente, la duracin y la frecuencia de la exposicin.

Concentracin y concentracin de la exposicin

La concentracin es la cantidad (masa) de una sustancia o contaminante que est

presente en un medio tal como el aire, agua, suelo o una muestra biolgica tal como
un alimento, leche materna, sangre, orina por unidad de volumen o masa. Aun cuando
hay ocasiones en que el agente puro entra directamente en contacto con el individuo,

lo habitual es que el contacto ocurra a travs de un medio que contiene al agente

diluido en diferentes concentraciones. Se define concentracin de la exposicin, a la
concentracin del agente en el medio de transporte que entra en contacto con el
organismo humano (mg/l; mg/Kg.; mg/m3).

Duracin de la exposicin

La exposicin a un determinado agente puede ser instantnea, cuando se produce en

punto dado del tiempo, en este caso es igual a la concentracin del agente, o
prolongarse a travs del tiempo, en este caso es acumulativa y est determinada por
la concentracin, frecuencia y duracin de la exposicin. La unidad de observacin
puede ser el individuo o grupos de individuos con una misma actividad, lugar de
trabajo comn o con caractersticas similares.
En general, una exposicin instantnea a una alta concentracin del agente genera un
efecto agudo, mientras que la exposicin prolongada en el tiempo a bajas
concentraciones genera efectos crnicos. En este caso la informacin relativa a
exposiciones pasadas es esencial para determinar la dosis acumulada y la respuesta
del organismo (dosis-respuesta; dosis-efecto). Existe una relacin directa exposicinrespuesta: a mayor exposicin mayor riesgo de que ocurra un efecto nocivo.
3.3. Estimacin de la exposicin
En general se ha considerado que el nivel de exposicin est determinado por la
relacin entre la concentracin del agente y la duracin del contacto. El rea bajo la
curva resultante de esta integracin representa la magnitud de la exposicin
(concentracin de la exposicin), y se expresa en unidades de masa del agente, por
volumen del medio que lo contiene y el tiempo (mg/m 3.hr). Sin embargo existen
ejemplos que demuestran que hay casos en que el efecto depende ms de la
concentracin del agente que del tiempo de exposicin. En general, la exposicin se
puede estimar de la siguiente manera (IPCS, 2000):
Matemticamente esta relacin se puede expresar de la siguiente manera.

Donde:
E: magnitud de la exposicin;
ti, t1: duracin de la exposicin;
C (t): concentracin de la exposicin en funcin del tiempo
Sin embargo existen ejemplos que demuestran que hay casos en que el efecto

depende mas de la concentracin del agente que del tiempo de exposicin y que el
riesgo de desarrollar una enfermedad crnica depende de la exposicin a
concentraciones mximas, media, o acumulativa y de la vida media del agente que
alcanza el rgano blanco, lo que sugiere que para mejorar la evaluacin de la
exposicin se requiere del uso de la farmacocintica del agente.
3.4. Paradigma epidemiolgico de la exposicin
La exposicin se genera por la integracin de una secuencia de eventos con potencial
efecto en la salud.
La emisin de un agente al ambiente, el transporte y la transformacin o reaccin que
pueda ocurrir, el medio que lo contiene y por ultimo el contacto con el individuo, son
aspectos crticos necesarios de conocer para entender como se genera la exposicin y
los factores que la determinan (Figura 1).
Aspectos que determinan y condicionan la exposicin:
a) Fuente emisora: Es el punto o rea en que se emite el agente. Existe un amplio
rango de fuentes primarias que emiten contaminantes primarios, dependiendo de las
propiedades del agente y las condiciones del medio, estos pueden reaccionar y formar
nuevos compuestos.
b) Ruta de exposicin: es el camino fsico que recorre el agente puro o travs del
medio que lo contiene, hasta alcanzar el contacto con el individuo.
c) Concentracin de la exposicin: es la concentracin de agente en el medio que lo
contiene, en el punto de contacto con el individuo.
d) Va de exposicin: es la forma en que el contaminante ingresa al organismo, puede
ser inhalatoria, drmica o ingesta.
e) Tasa de ingreso o de ingesta: es la cantidad del agente que cruza la barrera del
organismo, por unidad de tiempo, y es el producto de la concentracin de la exposicin
por el tiempo de contacto tanto por va rea como por ingesta.
f) Ingreso por contacto: se asocia a la cantidad del agente que ingresa por la piel as
como por inhalacin e ingesta una vez que estas ya han ocurrido.
g) Dosis: es la cantidad del agente que ha ingresado al organismo. Se distinguen
diferentes tipos de dosis:
i. Dosis potencial o administrada, es la cantidad del agente ingerido, inhalado o por
contacto con la piel. El concepto de dosis potencial para la inhalacin e ingesta es
anlogo a la dosis administrada en un estudio experimental de dosisrespuesta.
ii. Dosis interna o absorbida, (carga corporal en higiene industrial), es la cantidad del
agente absorbida y disponible para ser metabolizada, transportada, acumulada o
excretada.
iii. Dosis liberada, es la porcin de dosis interna (absorbida), que alcanza el tejido
blanco, o de inters.

iv. Dosis biolgica efectiva, es la porcin de la dosis que es liberada y llega al rgano
blanco y genera la accin txica. La relacin entre la dosis biolgica efectiva y la
consecuente enfermedad depende de la relacin entre la dosis y la respuesta
determinada por mecanismos farmacocinticas y factores individuales.
1. Efecto biolgico, es la respuesta medible de una dosis en una molcula,
clula o tejido.
2. Efecto adverso, es el efecto biolgico que genera una alteracin
morfolgica o fisiolgica, que resulta en una alteracin de la capacidad
funcional.
En epidemiologa efecto adverso se define como el resultado de una cadena causal
que se puede expresar como el cambio de un parmetro de salud y en trminos
epidemiolgicos, se mide por la variacin de la frecuencia de una enfermedad causado
por un factor especfico: las medidas mas utilizadas son cambio de la tasa incidencia
(densidad de incidencia), o por el cambio de la proporcin de incidencia (incidencia
acumulada).
Figura 1. Paradigma de salud ambiental mostrando el rol de la exposicin
(Adaptado de Sexton et al, 1995)

3.5. Cuantificacin de la exposicin

Existen diferentes mtodos para medir cuantitativamente la exposicin, la seleccin del
mtodo ms adecuado depender del objetivo del estudio (medicin de dosisrespuesta; dosis-efecto; impacto de medidas de control; cumplimiento de la
normativa; etc.), las diferentes alternativas pueden ser:
a) Directa
Esta incluye la coleccin de muestras en la interfase entre el medio de exposicin y el
cuerpo humano, por ejemplo, la zona respiratoria en el caso de contaminantes del aire,
o muestras de tejido biolgico en los cuales la concentracin del agente contaminante
puede ser determinado. Por lo tanto, la evaluacin directa de la exposicin incluye
monitoreo personal y marcadores biolgicos de exposicin, respectivamente. En el
monitoreo personal, en el caso de exposicin a travs del aire, cada trabajador lleva
instalado un monitor a la altura de la zona respiratoria, que registra las
concentraciones del agente en forma continua o integrada durante un periodo de
tiempo determinado. De esta forma, se puede establecer inequvocamente si existe
exposicin a uno o ms agentes especficos que pueden presentarse como de gases,
partculas, vapores, humos o aerosoles y cuantos individuos estn expuestos.
Sin embargo, como esto puede implicar costos elevados para el estudio es
recomendable realizar una seleccin de una muestra de trabajadores, la que se
selecciona en forma aleatoria en el conjunto de la poblacin expuesta. Desde un punto
de vista estadstico, se requiere un nmero relativamente grande de muestras.
Adems, en muchos lugares de trabajo, si se utiliza este procedimiento, hay un riesgo
de no considerar subgrupos de individuos altamente expuestos.
Lo mas adecuado es subdividir la poblacin expuesta en grupos homogneos de
trabajadores que realizan el mismo trabajo en consecuencia tendrn una variabilidad
menor del nivel de exposicin. Los agrupamientos tienen la ventaja de que los recursos
pueden concentrarse en aquellos trabajadores con mayor exposicin. El monitoreo
personal mide la real exposicin del trabajador al agente y es el mas adecuado para
realizar estudios epidemiolgicos
Biomarcadores. Tradicionalmente la evaluacin de la exposicin se ha centrado en la
medicin del contaminante en el aire del ambiente de trabajo. Sin embargo se pueden
utilizar biomarcadores de exposicin como complemento del monitoreo convencional,
especialmente cuando un mismo compuesto tiene diferentes vas de ingreso al
organismo.
Se define biomarcador a un compuesto exgeno o su metabolito producto de la
interaccin de un agente xenobitico y una molcula blanco en el organismo que puede
ser medida en un compartimiento que incluye tejido, clula, fluido, o aire expirado.
Estos pueden ser de exposicin, de efecto y susceptibilidad.
Los biomarcadores de exposicin entregan informacin relevante cuando es difcil
medir el compuesto directamente en el ambiente (plaguicidas), o cuando no es
ticamente posible, esta alternativa tambin puede ser utilizada tanto para
exposiciones episdicas y/o aleatorias, sin embargo como miden la dosis total

integrada, no es posible establecer cual fue la va de ingreso al organismo, su

importancia relativa y la probable fuente de exposicin. Se utilizan adems para medir
efectos biolgicos de la exposicin, efectividad de medidas de control y tambin
susceptibilidad individual tanto a la exposicin como al efecto. Algunos indicadores
biolgicos de efecto pueden servir como indicadores precoces de riesgo de
enfermedad, sin embargo su utilidad es limitada cuando se utiliza para evaluar agentes
con vida media menor a diez horas.
b) Indirecta
Cuando la medicin directa en el individuo no es posible, se pude utilizar el monitoreo
ambiental, usos de modelos y cuestionarios.
El monitoreo ambiental. Consiste en medir las concentraciones del compuesto en
diferentes micro ambientes del rea de trabajo y el tiempo de permanencia del
individuo en cada micro ambiente. Se denomina micro ambiente a un espacio en el que
la concentracin del agente contaminante en estudio es suficientemente homognea
para el propsito de la evaluacin.
La exposicin se determina a travs de la integracin de las exposiciones de todos los
micros ambientes.

E total = (e1 x t1) + (e2 x t2) + (e3 x t3).....en x tn

Modelos de exposicin. Es a travs de la utilizacin de modelos que son
abstracciones matemticas de la realidad fsica, que se aplican para obviar la
necesidad de extensos programas de monitoreo, estos modelos proveen estimaciones
de la poblacin expuesta (y dosis), y estn basados en un reducido numero de
mediciones representativas de la situacin en estudio. El desafo es desarrollar modelos
apropiados y robustos que permitan la extrapolacin de relativamente pocas
mediciones para estimar exposiciones y dosis de grandes grupos.
Los modelos se utilizan tambin para extrapolar resultados a grupos de trabajadores
con exposiciones similares.
Cuestionarios: Es otra manera de evaluar exposicin, tpicamente proveen de
informacin cualitativa, y a menudo retrospectiva sobre exposicin. Se pueden usar
para categorizar a grupos de individuos como expuestos o no expuestos, los cuales son
comnmente usados en los estudios epidemiolgicos.
3.6. Evaluacin de la exposicin
El estudio de evaluacin de la exposicin se orienta a medir la magnitud, duracin y
frecuencia del contacto con el agente que determina el efecto nocivo. En consecuencia
las preguntas a responder podrn ser:
a) Cul es o ha sido la concentracin del agente?
b) Cul es o ha sido la duracin del contacto?
c) Cul es o ha sido la frecuencia del contacto?

El aspecto ms importante en un estudio de evaluacin de la exposicin es la seleccin

del diseo mas apropiado a utilizar para asegurar el logro del objetivo, por
consiguiente los pasos a seguir son:
Definicin del objetivo:
La evaluacin de la exposicin a un agente ambiental laboral implica la descripcin
cualitativa y la estimacin cuantitativa del contacto con el individuo y el ingreso al
organismo. Como la evaluacin puede ser utilizada para diferentes propsitos y
utilizando diferentes enfoques, es necesario iniciar el proceso de la evaluacin
definiendo claramente el objetivo del estudio al que se pretende aplicar.
Definicin de los parmetros a estudiar:
1.
2.
3.
4.
5.

Seleccin de la poblacin objetivo

Definicin de los agentes contaminantes a medir
Definicin del mtodo de medicin
Definicin del programa de monitoreo
Definicin de los indicadores estadsticos a utilizar

Diseo del estudio.

1.
2.
3.
4.
5.

Relacin del objetivo con los parmetros a medir

Definicin la muestra y el tamao
Definicin el mtodo de recoleccin de los datos
Desarrollo del plan de anlisis estadstico
Desarrollo de un programa de control de calidad de los datos

3.7. Otros elementos relevantes en estudios de evaluacin de la exposicin

a) Fuentes de informacin y calidad de los datos
Para estudios epidemiolgicos, un aspecto relevante de la evaluacin es la
disponibilidad de informacin histrica sobre estudios anteriores, su confiabilidad y
representatividad. Para estudios prospectivos es necesario asegurar la calidad respecto
a la factibilidad de mtodos de medicin, muestreos y analticos, el nmero de
muestras, el tipo, la duracin y la representatividad.
b) Seleccin de agentes contaminantes
En la mayora de los lugares de trabajo existen mltiples contaminantes. Los agentes
qumicos se evalan tanto individualmente como en condiciones donde existe
exposicin a varios agentes simultneamente. Los contaminantes pueden actuar
independientemente dentro del organismo o interaccionar y potenciar su efecto txico.
Qu debe medirse y cmo deben interpretarse los resultados depende del mecanismo
de accin biolgico cuando se encuentran en el interior del organismo.
Los agentes pueden evaluarse por separado si actan de manera independiente en
distintos sistemas orgnicos. Si actan sobre el mismo sistema orgnico, como sera el
caso de dos irritantes respiratorios, su efecto combinado es importante. Si el efecto

txico de la mezcla es igual a la suma de los efectos de cada uno de los componentes
por separado, se habla de un efecto aditivo. Si el efecto txico de la mezcla es mayor
que la suma de los efectos de cada agente por separado, el efecto combinado es
sinrgico.
c) Factores que afectan la exposicin a un agente qumico:

El nmero de fuentes emisoras del agente

El ritmo de produccin en relacin con la capacidad de produccin

El grado de emisin de cada fuente

El tipo y el emplazamiento de cada fuente

La dispersin de los agentes debida al movimiento del aire

El tipo y la eficacia de los sistemas de extraccin y ventilacin

d) Factores que afectan la dosis absorbida:

La concentracin de los agentes contaminantes

Factores relacionados con los comportamientos individuales

La proximidad del individuo a las fuentes

El tiempo de permanencia en cada micro ambiente

Los hbitos individuales de trabajo

La susceptibilidad individual al agente

e) Representatividad de las mediciones

Los resultados de la evaluacin de la exposicin deben representar las condiciones
reales del ambiente en el puesto de trabajo. Sin embargo en la prctica existen una
serie de dificultades que se deben considerar:

La variacin de las concentraciones ambientales puede ser importante e incluso

a cortas distancias
Los trabajadores pueden variar frecuentemente de posicin y en ocasiones de
actividad

Las condiciones de trabajo habitualmente varan a lo largo de la jornada de

trabajo y entre diferentes das

La relacin entre el volumen muestreado y volumen de aire ambiental es muy

baja

El tiempo de muestreo es forzosamente limitado

Los aparatos y mtodos de medicin, toma de muestra y anlisis introducen

errores aleatorios inevitables

f) Estrategia de medicin.
La definicin previa del mtodo de medicin que se aplicar: directo, indirecto,
modelamiento, y/o uso de biomarcadores. Si se medirn todos los individuos o grupos
homogneos, para estudios acumulativos se requiere considerar si existe contribucin
no ocupacional a la exposicin.
g) Criterios de seleccin de trabajadores para la medicin de exposicin a
travs de grupos homogneos para obtener resultados representativos:

Distancia a la fuente
Movimientos del trabajador

Movimientos del aire

Operaciones de trabajo

Tiempo de exposicin

3.8 Lmites permisibles de exposicin laboral

Con el propsito de prevenir las enfermedades profesionales, especialmente las
crnicas, en muchos pases se han establecido lmites de exposicin profesional para la
exposicin biolgica, fsica y la inhalacin de agentes qumicos. Los ndices mas
aceptados son los establecidos por la Conferencia americana de Higienistas Industriales
del gobierno (ACGIH), que se denominan valores lmite Umbral (TLV).
Los TLV representan valores lmites de concentraciones de agentes ambientales a los
que se cree que la mayora de los trabajadores pueden estar repetidamente expuestos
da tras das sin efectos nocivos (ACGIH 1994) y se determinan en base a la mejor
informacin obtenida de la experiencia en la industria, estudios experimentales con
seres humanos y animales o de una combinacin de estas.
Estos valores referenciales, deben ser utilizados para establecer niveles seguros de
exposicin cuando no es posible eliminar las emisiones y no deben aplicarse a
condiciones de trabajo diferentes a las del pas de origen y estn basados en la
premisa de que aunque todas las sustancias qumicas son txicas en determinada
concentracin, cuando la exposicin a ellas se prolonga por un cierto perodo de
tiempo, existe una concentracin ( dosis), para todas las sustancias a la que no se
genera ningn efecto nocivo, sea cual sea la frecuencia de la exposicin ( ACGIH).
Estos criterios difieren de los aplicados a agentes fsicos y qumicos cancergenos para
los que no existen valores umbral.
La mayora de los valores de referencia utilizados por la Administracin para la Salud y
Seguridad en el Trabajo (Occupational Safety and Health Administration, OSHA) en
Estados Unidos se basan en los TLV, sin embargo, el Instituto Nacional para Salud y
Seguridad en el Trabajo (National Institute for Occupational Safety and Health, NIOSH)

del Departamento de Salud y Servicios Humanos de Estados Unidos ha propuesto sus

propios lmites, llamados lmites de exposicin recomendados.
En el caso de las exposiciones atmosfricas, existen tres tipos de TLV: la exposicin
media ponderada en el tiempo durante un perodo de ocho horas, para proteger contra
efectos crnicos en la salud; un lmite de exposicin media a corto plazo durante
quince minutos, para proteger contra efectos agudos en la salud, y un valor mximo
instantneo para proteger contra sustancias qumicas que producen asfixia o irritacin
inmediata.
Las directrices sobre los niveles de exposicin biolgica se denominan ndices de
exposicin biolgica (BEI). Estas directrices representan la concentracin de sustancias
qumicas en el organismo que corresponderan a la exposicin a la inhalacin de un
trabajador sano dada una concentracin atmosfrica dada.
Los resultados de la evaluacin de la exposicin suelen compararse con los lmites de
exposicin profesional que tienen por objetivo establecer una orientacin para evaluar
los riesgos y definir el control. Cuando la exposicin supera esos lmites, es preciso
adoptar de inmediato una accin correctora, ya sea mejorando las medidas de control
existentes o introduciendo nuevos controles. Las intervenciones preventivas deben
iniciarse cuando la exposicin alcanza el nivel de accin, que vara segn el pas, por
ejemplo, la mitad o la quinta parte del lmite de exposicin profesional. Un nivel de
accin bajo es la mejor garanta para evitar problemas en el futuro.
Sin embargo comparar los resultados de la evaluacin de la exposicin con los lmites
de exposicin profesional para estimar un riesgo es una simplificacin puesto que,
entre otras insuficiencias, no se tienen en cuenta muchos factores que influyen en la
absorcin de sustancias qumicas, como la susceptibilidad individual, la actividad fsica
y la caracterstica corporal de cada individuo. Adems, en la mayora de los lugares de
trabajo se produce una exposicin simultnea a distintos agentes; de ah que sea muy
importante tener en cuenta las exposiciones combinadas y las interacciones entre
distintos agentes, ya que las consecuencias para la salud de la exposicin a un nico
agente pueden ser muy diferentes a las consecuencias de la exposicin a ese mismo
agente combinado con otros, especialmente cuando existe sinergia o potenciacin de
efectos. En la medida del desarrollo de nuevas tcnicas de medicin y resultados de
estudios de evaluacin, los TLV se han hecho ms estrictos para garantizar mrgenes
de seguridad ms efectivos. Por otra parte es posible que los valores ticos de la
sociedad cambien su posicin ante los conceptos y definiciones de prcticamente
seguro o riesgo insignificante, con respecto de la exposicin en el lugar de trabajo.

4. Referencias bibliogrficas

International Programme on Chemical Safety (IPCS). Human Exposure

Assessment. Environmental Health Criteria 214.WHO: Geneva. 2000.
National Research Council (NCR) .Frontiers in assessing human exposures to
environmental toxicants. Washington, DC. National Academy Press. 1991.
Sexton K, Callahan MA, Bryan EF, Saint CG, Wood WP. Informed decisions about
protecting and promoting public health: rationale for a National Human
Exposure Assessment Survey. J Expo Anal Environ Epidemiol. 1995 JulSep;5(3):233-56.

Armstrong BK., White E., Saracci R. Principles of exposure measurement in

epidemiology. Oxford Medical Publications. 1992.

Mdulo 5: Principales Medidas y Fuentes de Informacin

usadas en Investigacin Epidemiolgica: Su Aplicacin al mbito
Laboral

1. Objetivos:
1. Identificar las principales medidas de frecuencia de enfermedad en un grupo o
poblacin de inters.
2. Identificar y comprender las medidas de asociacin o efecto de una enfermedad
o exposicin en un grupo laboral
3. Identificar y comprender las medidas de impacto de una enfermedad o
exposicin en un grupo laboral
4. Conocer las principales fuentes de informacin que utiliza la epidemiologa

2. Trminos claves:
Razn, Proporcin, Tasa, Incidencia, Prevalencia, Riesgo, Fuentes de informacin

3. Desarrollo del mdulo

3.1. Principales medidas utilizadas en epidemiologa
Un aspecto crucial de la epidemiologa lo constituyen los procesos de medicin de los
eventos de salud y su distribucin en las poblaciones. La investigacin epidemiolgica
utiliza tres tipos principales de medidas: a) de frecuencia de un evento; b) de
asociacin o efecto, y c) de impacto potencial.
3.1.1. Medidas de frecuencia
El paso inicial en la investigacin epidemiolgica es medir la frecuencia con que
ocurren los eventos en la poblacin, ya sea comparando dos poblaciones o una misma
poblacin en dos momentos diferentes de tiempo. Las medidas de frecuencia son
fundamentales en investigacin descriptiva y etiolgica y se clasifican en medidas de
frecuencia absoluta y medidas de frecuencia relativa.
a. Recuentos o Frecuencia absoluta
Indica la magnitud de un evento o caracterstica, es decir, mide el nmero de veces
que se repite el episodio o evento en la poblacin. Dado que el nmero absoluto de
eventos va a ser dependiente del tamao de la poblacin, esta modalidad no permite
hacer comparaciones entre poblaciones de diferente tamao. En cambio, es muy til
para calcular los recursos que se requieren para atender las necesidades de una
poblacin determinada. Ejemplos: nmero de personas expuestos a plomo, nmero de
mujeres y hombres afectados por cncer de pncreas, nmero total de viviendas
comprometidas.
b. Frecuencia relativa
Para comparar adecuadamente la frecuencia de los eventos de salud es necesario
construir una medida que sea independiente del tamao de la poblacin en la que se
realiza la medicin. Este tipo de medida, denominada medida de frecuencia relativa,
se obtiene, relacionando el nmero de casos (numerador) con el nmero total de
individuos que componen la poblacin (denominador).

b.1. Razones
Es el cuociente de frecuencias entre dos grupos distintos, por lo que el numerador no
necesariamente est incluido en el denominador. Permite comparar dos frecuencias
que en conjunto constituyen un indicador de inters.
Ejemplo: Datos de mortalidad por causa en el ao 2000 (hipottico): mortalidad por
enfermedades laborales = 21.958; mortalidad por accidentes de trfico vehicular =
19.001; Razn: [ 21.958 / 19.001] = 1.15, es decir por cada persona que muere por
accidente de trfico vehicular, 1.15 muere por causa laboral.
b.2. Proporciones
La ms simple de las medidas utilizadas en epidemiologa es la proporcin., Esta es
una fraccin en la cual el numerador esta incluido en el denominador. Expresa la
frecuencia con que ocurre un evento en relacin con la poblacin total en la cual
acontece. Por lo tanto su valor oscila entre CERO Y UNO y se expresa en porcentajes
(%).
Ejemplo: % de muertes por enfermedades laborales en la poblacin: Mortalidad
laboral = 21.958; Mortalidad total ao 2000 = 78.814; Proporcin [ 21.958 / 78.814 ]
= 0.276 * 100= 27.6% de la mortalidad del pas es debida a causa de origen laboral.
b.3. Tasa
Una tasa es el cambio instantneo en una cantidad por unidad de cambio en otra
cantidad, donde esta ltima usualmente es el tiempo. En trminos epidemiolgicos, es
un cuociente en el que el numerador son los eventos que ocurren en una poblacin en
riesgo durante un tiempo t, la cual se expresa en el denominador. Eso significa que las
tasas tienen una definicin de tiempo; por ello se pueden definir como la magnitud del
cambio de una variable (enfermedad o muerte) por unidad de cambio de otra
(usualmente el tiempo), dado el tamao de la poblacin que se encuentra en riesgo de
experimentar el evento. A diferencia de una proporcin el denominador de una tasa no
expresa el nmero de sujetos en observacin sino el tiempo durante el cual tales
sujetos estuvieron en riesgo de sufrir el evento.
La unidad de medida empleada se conoce como tiempo-persona de seguimiento. Por
ejemplo, la observacin de 100 individuos libres del evento durante un ao
corresponde a 100 aos-persona de seguimiento; de manera similar, 10 sujetos
observados durante diez aos corresponden a 100 aos-persona. Dado que el perodo
entre el inicio de la observacin y el momento en que aparece un evento puede variar
de un individuo a otro, el denominador de la tasa se estima a partir de la suma de los
perodos de observacin de cada individuo hasta el fin del perodo (si se mantuvo libre
del evento) o hasta la ocurrencia del evento (si lo present). Las unidades de tiempo
pueden ser horas, das, meses o aos, dependiendo de la naturaleza del evento que se
estudia.
El clculo de tasas se realiza dividiendo el total de eventos ocurridos en un perodo
dado en una poblacin entre el tiempo-persona total (es decir, la suma de los perodos
individuales libres de la enfermedad) en el que los sujetos estuvieron en riesgo de
presentar el evento. Las tasas se expresan multiplicando el resultado obtenido por una

potencia de 10, con el fin de permitir rpidamente su comparacin con otras tasas.

3.1.2. Medidas de frecuencia de enfermedad

Las medidas de frecuencia ms usadas en epidemiologa se refieren a la medicin de la
Mortalidad y la Morbilidad en una poblacin. La mortalidad es til para estudiar
enfermedades que provocan la muerte rpidamente, es decir, cuando su letalidad
(medida de la gravedad de una enfermedad) es importante. Sin embargo, cuando la
letalidad es baja y la frecuencia con la que se presenta una enfermedad no puede
analizarse adecuadamente con los datos de mortalidad, la morbilidad se convierte en la
medida epidemiolgica de mayor importancia.
a. Medidas de mortalidad
La mortalidad expresa la dinmica de las muertes acaecidas en las poblaciones a
travs del tiempo y el espacio, y slo permite comparaciones en este nivel de anlisis.
La mortalidad puede estimarse para todos o algunos grupos de edad, para uno o
ambos sexos y para una, varias o todas las enfermedades. La mortalidad se clasifica de
la siguiente manera: general y especfica.
a.1. Mortalidad general (bruta o cruda)
La mortalidad general es el volumen de muertes ocurridas por todas las causas de
enfermedad, en el total de la poblacin, sin distinciones de sexo o edad. La mortalidad
general, que comnmente se expresa en forma de tasa, puede ser cruda o ajustada,
de acuerdo con el tratamiento estadstico que reciba. La tasa mortalidad cruda expresa
la relacin que existe entre el nmero de muertes ocurridas en un perodo dado (casos
nuevos) y el tiempopersona en un ao de observacin; la mortalidad ajustada o
estandarizada, expresa esta relacin, pero considera las posibles diferencias en la
estructura de las poblaciones; por ejemplo con respecto a edad, sexo, etctera, lo que
permite hacer comparaciones entre stas. En este caso, las tasas se reportan como
tasas ajustadas o estandarizadas. Generalmente se expresan por cada 1000
habitantes.
La tasa de mortalidad general se calcula de acuerdo con la siguiente frmula:

Ejemplo: Mortalidad General para el ao 2000 en Chile: Muertes totales 78.814;

Poblacin en ese ao 15.211.308; Tasa de mortalidad general: [78.814 / (15.211.308

x 1 ao)] * 1000 = 5.2 ** Es decir, en Chile murieron 5.2 personas por cada 1000
habitantes ao-persona en el ao 2000.
a.2. Mortalidad especfica
Cuando existen razones para suponer que la mortalidad puede variar entre los distintos
subgrupos de la poblacin, sta se divide para su estudio. Cada una de las medidas
obtenidas de esta manera adopta su nombre segn la fraccin poblacional que se
reporte. Ejemplo: tasas de mortalidad por grupos de edad, por sexo, por causa
especifica de enfermedad (cardiovasculares, cncer, etc.). En algunos casos pueden
calcularse combinaciones de varias fracciones poblacionales, y cuando es as, se
especifican los grupos considerados (por ejemplo, mortalidad femenina en edad
reproductiva). En este caso tanto el numerador como el denominador debe estar
referido al grupo especfico. Se expresan por 1000 o 100000 habitantes.
Por ejemplo para la mortalidad infantil:

b. Letalidad
La letalidad es una medida de la gravedad de una enfermedad considerada desde el
punto de vista poblacional, y se define como la proporcin de casos de una
enfermedad que resultan mortales con respecto al total de casos de esa enfermedad
en un perodo especfico (es decir los que fallecen de los que estn enfermos por
determinada causa). La medida indica la importancia de la enfermedad en funcin de
su capacidad para producir la muerte o en otras palabras el riesgo o probabilidad de
morir por esa causa. Se expresa por 100.

Ejemplo: Casos diagnosticados de intoxicacin por monxido de carbono (CO) = 569;

Defunciones por intoxicacin por CO = 38; Letalidad por intoxicacin por CO = 38 /
569 x 100 = 6.7 %
c. Medidas de morbilidad: La enfermedad puede medirse en cuanto a prevalencia o
incidencia.
c.1. Incidencia
La medida epidemiolgica que mejor expresa el cambio entre el estado de salud y el
de enfermedad es la incidencia, la cual indica la frecuencia con que ocurren nuevos

eventos. La incidencia de una enfermedad puede medirse de dos formas:

a) Mediante la tasa de incidencia basada en el tiempo-persona, conocida
tambin en epidemiologa como Densidad de incidencia, fuerza de la morbilidad (o la
mortalidad) y tasa de incidencia por tiempo-persona. Mide la velocidad de ocurrencia
de la enfermedad.

b) Mediante la incidencia acumulada (IA) basada en el nmero de personas

en riesgo: la incidencia acumulada (IA) expresa nicamente el volumen de casos
nuevos ocurridos en una poblacin durante un perodo, y mide la probabilidad de que
un individuo desarrolle el evento en estudio. La incidencia acumulada, por esta razn,
en trminos epidemiolgicos se traduce como RIESGO.
Es importante tener en cuenta el concepto de poblacin abierta o cerrada para
entender el concepto de Incidencia. Poblacin cerrada es aquella que no permite la
entrada de nuevos individuos en el tiempo y en la cual los sujetos solo pueden dejar de
pertenecer a ella en el momento en que fallecen (Figura 2), mientras que la poblacin
abierta permite la entrada de nuevos sujetos a lo largo del tiempo, ya sea por
nacimientos o inmigracin y la salida de los mismos puede deberse por causas
diferentes a la muerte como por ejemplo la emigracin (Figura 3).

Revise el siguiente ejercicio: En la figura 4 podemos observar la experiencia de

morbilidad en una institucin de 100 trabajadores a lo largo de 15 meses. Cada lnea
horizontal continua indica la duracin en meses de un episodio de la enfermedad, para
cada uno de los enfermos (A-H). Las lneas punteadas indican que la enfermedad

excede el perodo de observacin (comienzan antes o terminan despus del perodo de

seguimiento).
Figura 4. Seguimiento de un grupo de 100 trabajadores durante 15 meses.

De acuerdo con esta informacin, en 15 meses se produjeron 8 casos y 92 personas

permanecieron libres de enfermedad durante el perodo en estudio. Los casos de
enfermedad pueden describirse como aquellos casos que: a) comenzaron antes y
terminaron durante el perodo (caso B); b) comenzaron antes y continuaron despus
del ltimo mes (casos A); c) comenzaron y terminaron durante el perodo de estudio
(casos C, D, E y F) y d) comenzaron durante y continuaron despus del periodo (casos
G y H).
La poblacin en riesgo quedar constituida por los tiempos en riesgo (sin enfermar) de
cada individuo, incluyendo a aquellos individuos de la poblacin en estudio que no
desarrollaron la enfermedad en el perodo en estudio.
Poblacin en riesgo corresponde al denominador, el cual puede ser calculado de la
siguiente manera:

Suma de los perodos en riesgo poblacin total menos la suma del tiempo de
duracin de la enfermedad es decir, 1500 meses-persona menos 45.5 mesespersona = 1454.5 meses-persona.
Tasa de Incidencia = 8 casos nuevos / 1454.5 meses-persona = 0,0055 mesespersona 1 amplificado por 1000, tenemos entonces 5,5 por 1000 meses
persona de observacin.
Interpretacin: La velocidad con que se producen los casos nuevos (incidencia)
en este grupo es de 5,5 casos nuevos por 1000 meses-persona 1 de
observacin.

c.2. Prevalencia
La prevalencia es el nmero de individuos que padece una enfermedad determinada en
un momento especfico, respecto el total de la poblacin. Debido a que un individuo

slo puede encontrarse sano o enfermo respecto de cualquier enfermedad, la

prevalencia representa la probabilidad de que un individuo sea un caso de dicha
enfermedad, en un momento especfico. El conocimiento de la prevalencia de una
enfermedad es muy til pues permite medir la carga de esa enfermedad sobre la
poblacin en una fecha o durante un lapso de tiempo.
La prevalencia siempre es una proporcin que indica la frecuencia de un evento y
como todas las proporciones, no tiene dimensiones y solo puede tomar valores entre
de 0 y 1. A menudo, se expresa como casos por 1.000 por 100 habitantes. Como no
siempre se conoce en forma precisa la poblacin expuesta al riesgo por lo general se
utiliza solo una aproximacin de la poblacin total del rea estudiada.

Factores relevantes en la magnitud de la prevalencia: La variacin en la

prevalencia puede obedecer a diversos factores. Una enfermedad aguda de evolucin
corta, tendr un gran nmero de casos nuevos que durarn pocos das y resultarn en
una determinada prevalencia (prcticamente igual a la incidencia); pero un nivel
semejante de prevalencia se observar si se trata de una enfermedad crnica, cuya
incidencia puede ser pequea, pero los casos son de larga duracin, mantenindose
enfermos los mismos pacientes, indefinidamente. Por lo tanto, la prevalencia de una
enfermedad en una poblacin, en un tiempo determinado, va a depender de la
incidencia (de los casos nuevos) y de la duracin promedio de la enfermedad, desde su
inicio hasta su recuperacin o muerte. Genricamente Prevalencia = Incidencia x
Duracin de la enfermedad.
Otros factores que pueden modificar la prevalencia son aquellos que intervienen en la
letalidad de una enfermedad (proporcin de personas enfermas que mueren debido a
la enfermedad (nmero de muertos / poblacin enferma)) y aquellos que producen
recuperacin en los enfermos (proporcin de personas que se recuperan del total de
enfermos). Tanto la letalidad (%) de una enfermedad como la recuperacin (%)
afectan la prevalencia de las enfermedades.
d. Medidas de asociacin o efecto
Son indicadores epidemiolgicos que permiten evaluar la fuerza con que un
determinado evento (o enfermedad) se asocia a un determinado factor (o causa). Para
ello comparan el riesgo de que una enfermedad se desarrolle entre personas expuestas
al factor bajo sospecha comparado con el riesgo de que la enfermedad se desarrolle en
quienes no estn expuestos al factor en estudio. Se utilizan en diseos transversales,
casos y controles, cohortes y tambin de mediciones estadsticas tales como
pruebas basadas en distribucin normal, distribucin de (Chi cuadrado), correlacin, y
otras.
d.1. Medidas de diferencia
Estas medidas expresan la diferencia existente en una misma medida de frecuencia

(idealmente la incidencia) entre dos poblaciones. En general, las medidas de diferencia

indican la contribucin de un determinado factor en la produccin de enfermedad entre
los que estn expuestos a l. Su uso se basa en la suposicin de que tal factor es
responsable de la enfermedad y en el supuesto de no existencia, los riesgos en ambos
grupos seran iguales. Como sinnimo se emplea el trmino riesgo atribuible. Estas
medidas se calculan de la siguiente manera:

Donde:
I1 es la frecuencia de enfermar o morir de un grupo expuesto, y
I0 es la frecuencia de enfermar o morir en el grupo no expuesto.
Interpretacin:
Valor =0 indica no-asociacin (valor nulo)
Valor <0 indica asociacin negativa y puede tomar valores negativos
hasta infinito
Valor >0 indica asociacin positiva y puede tomar valores positivos
hasta infinito
d.2. Riesgo relativo o Razn de Incidencia Acumulada
La medida de asociacin entre la exposicin a un factor de riesgo (FR) y la aparicin de
un determinado dao epidemiolgico se calcula por la razn de tasas de ocurrencia del
dao en los expuestos sobre los NO expuestos. Este es el anlisis bsico de los
estudios de cohortes y, tambin, de los ensayos clnicos controlados, y se calcula
utilizando tablas de contingencia de n x n an cuando la tabla de contingencia de dos
por dos o tetracrica es la ms usada y es la que se muestra a continuacin:
ENFERMEDAD
PRESENTE

ENFERMEDAD
AUSENTE

TOTAL

EXPUESTO

a+b

NO EXPUESTO

c+d

a+c

b+d

TOTAL

Al analizar sus datos se pueden construir dos tasas de incidencia, en el grupo de

expuestos al factor y en el grupo de los no expuestos.
Incidencia Acumulada en expuestos (Ie) = a / a+b
Incidencia Acumulada en no expuestos (Ine) = c / c+d
Riesgo Relativo (RR) = Ie / Ine
El riesgo relativo compara el riesgo de enfermar en el grupo expuesto con el riesgo de
enfermar del grupo no expuestos, y expresa la fuerza de la asociacin entre ambos
factores en estudio: exposicin y dao (cunto ms es el riesgo entre expuestos que

entre no expuestos).
RR = 1

expresa que no existe asociacin (valor nulo).

RR < 1

sugiere un posible efecto protector del factor de exposicin en estudio.

Significa
que quienes estn expuestos al factor en estudio tienen menos riesgo de
presentar la enfermedad respecto los no expuestos.

RR > 1

es una factor de riesgo. Significa que los expuestos al factor en estudio tienen
mayor riesgo de presentar la enfermedad respecto los no expuestos.

Por ej., un valor de 5 significa que el riesgo de enfermar de una patologa es 5 veces
mayor en los individuos expuestos respecto los no expuestos. Para mejorar la precisin
de este clculo se puede estimar el intervalo de confianza (Ver al final de medidas de
asociacin).
d.3. Razn de Disparidad u Odds Ratio (OR)
Corresponde a la medida de asociacin calculada en el diseo de casos y controles y
a veces tambin en estudios transversales, por lo tanto donde no es posible calcular
la incidencia de la enfermedad.
Es una medida que estima el riesgo relativo: compara la desigualdad o disparidad, que
se produce al investigar si un dao (u otra respuesta relacionada con salud) ocurre
entre individuos que tienen caractersticas particulares - o que han sido expuestos al
factor en estudio - con la desigualdad de que el dao ocurra en individuos que NO
tienen la caracterstica o que NO han sido expuestos. Su interpretacin y la necesidad
de pruebas estadsticas de respaldo, son similares a las descritas para el riesgo
relativo.
ENFERMEDAD
PRESENTE

ENFERMEDAD
AUSENTE

TOTAL

EXPUESTO

a+b

NO EXPUESTO

c+d

a+c

b+d

TOTAL

Odds en expuestos ( Ie ) = a / (a+b)

Odds en NO expuestos ( Io ) = c / (c+d)
Odds Ratio (OR) = ad/cb
La frmula anterior relaciona las casillas concordantes en el numerador y las casillas
discordantes en el denominador.
Intervalo de confianza (IC)
Para determinar si el parmetro calculado en el estudio (OR, RR, etc) es real en la
poblacin, se calcula un intervalo de confianza para dicho valor. ste se define
mediante dos valores entre los cuales se encuentra el valor del parmetro con un

cierto grado de confianza. El grado de confianza se refiere a la probabilidad de que, al

aplicar repetidamente el procedimiento, el intervalo contenga al parmetro calculado.
El grado de confianza es determinado por el investigador y generalmente lo define en
95% de confianza.
Por ejemplo, se desea conocer la asociacin entre el hbito de fumar e Infarto Agudo al
Miocardio (IAM). Se conoce que la incidencia acumulada en el grupo expuesto al factor
de riesgo es 6 y en el grupo no expuesto es 3, por lo tanto el riesgo relativo (RR) = 2.
Esto significa que el grupo expuesto tiene el doble de riesgo de presentar la
enfermedad que los no expuestos. Si el valor del IC va entre 2 y 8 podemos decir con
un 95% de confianza que el verdadero valor de este parmetro en el universo est
contenido en este intervalo. Adems podemos concluir que la asociacin es
significativa, dado que el intervalo no incluye el valor 1 que es el valor de no
asociacin. Si el intervalo comprendiera el valor 1 (IC 95% : 0,7- 7.8), no podramos
concluir que la exposicin al factor es un riesgo para desarrollar la enfermedad dado
que el verdadero valor de este parmetro en el universo podra ser un factor protector
(<1) y o bien un factor de riesgo (>1).
e. Medidas de impacto potencial
Son medidas de asociacin que se calculan bajo el supuesto de que existe una relacin
causal entre el dao - u otro resultado de salud - y la exposicin a un factor de riesgo
determinado.
e.1. Riesgo atribuible absoluto
Tambin denominado diferencia de riesgos o exceso de riesgo. El riesgo atribuible mide
la cantidad de riesgo absoluto que puede adjudicarse a la presencia del factor de
riesgo. El resultado obtenido seala la parte que verdaderamente se puede atribuir a
dicho factor y no a otras variables aparecidas durante el estudio.
Corresponde a la diferencia del riesgo entre expuestos y no expuestos. Se puede
estimar con la Incidencia Acumulada o Tasa de Incidencia.

e.2. Riesgo atribuible poblacional (absoluto) (RAP): la cantidad de riesgo en la

poblacin que se relaciona con la exposicin. El riesgo atribuible poblacional es igual al
riesgo atribuible por la prevalencia (P) de la exposicin.

e.3. Riesgo Atribuible Proporcional en el grupo Expuesto (RAP Exp): El RAP Exp
estima la proporcin de eventos en el grupo expuesto que se pueden atribuir a la
presencia del factor de exposicin. En otras palabras, refleja el efecto que se podra
esperar en el grupo expuesto de la poblacin en estudio si se eliminara el factor de
riesgo en cuestin. El RAP Exp se puede calcular utilizando la siguiente frmula:

Donde: Ie = Tasa de incidencia en expuestos (o Incidencia Acumulada),

Ine = Tasa de incidencia en no expuestos (o Incidencia Acumulada)
El RAP Exp se puede estimar tambin en estudios donde la medida de frecuencia es la
incidencia acumulada, utilizando el riesgo relativo. Adems, dado que el OR es un buen
estimador de la RR, el RAP Exp tambin se puede estimar en los estudios de casos y
controles, utilizando la siguiente frmula:

e.4. El Riesgo Atribuible Proporcional en la Poblacin (RAPP) se puede

considerar como una proyeccin del RAP Exp hacia la poblacin total. En este caso, los
resultados obtenidos en el grupo de expuestos se extrapolan hacia la poblacin blanco
estimando el impacto de la exposicin a nivel poblacional. EL RAPP se estima
ponderando el RAP Exp de acuerdo con la proporcin de sujetos expuestos en la
poblacin blanco. El RAPP se puede estimar utilizando la siguiente formula:

Al igual que en el caso anterior, el RAPP se puede estimar para estudios de cohorte,
donde se estima la incidencia acumulada, o en estudios de casos y controles, donde se
usa OR.
f. Otros indicadores de uso frecuente en el mbito de la salud ocupacional
Existe una serie de indicadores que se utilizan en el mbito laboral y eventualmente en
investigacin epidemiolgica. La mayora de estos indicadores se relacionan con
procesos de gestin y algunos de ellos pudieran estar relacionados a procesos
mrbidos. Para una revisin ms profunda del tema se recomienda ver el siguiente
link: Desarrollo de indicadores para programas de salud, seguridad y medio ambiente
3.2. Fuentes de informacin en salud
En epidemiologa es fundamental disponer de fuentes de informacin de buena calidad
para obtener los datos necesarios para calcular las principales medidas descritas
anteriormente. Qu tipos de fuentes de informacin podemos utilizar en
epidemiologa?

Una importante fuente de datos son los registros y documentos ya existentes o datos
secundarios. Algunos ejemplos de datos secundarios son el Censo Poblacional, las
Estadsticas de Mortalidad, Natalidad, Sociodemogrficas, los registros laborales, de
vigilancia ambiental, de Enfermedades de Notificacin Obligatoria, de Egresos
Hospitalarios, historias clnicas, las encuestas poblacionales, las Estadsticas de
Vigilancia Epidemiolgica.
Otra fuente de datos la constituyen los estudios en los cuales se recogen datos con
distintos fines e instrumentos de medicin. Estos originan datos denominados
primarios pues son generados para responder a un objetivo concreto en estudio.
3.2.1. Base de datos secundarios: sus principales ventajas radican en que son
fuentes de datos rpidas, sencillas y econmicas. Sus principales limitaciones son su
validez y la calidad pues los datos que contienen han sido recogidos por mltiples
personas que han utilizado mtodos y definiciones diferentes. Si el registro es manual,
pueden tener problemas adicionales de legibilidad. Las bases de datos suelen
mantenerse con finalidades clnicas o administrativas por lo tanto si el objetivo es
desarrollar una investigacin a partir de dichos datos se debe tomar en consideracin
que en muchos casos existe escasa meticulosidad en la recoleccin. La informacin
carente en un registro no necesariamente implica, por ejemplo, la no existencia de una
enfermedad. Resulta fundamental que antes de utilizar una base de datos se conozcan
las definiciones empleadas, el mtodo de recogida, el procesamiento de los datos y su
validez.
Pueden diferenciarse dos grandes tipos de datos secundarios:
a) Datos individuales: que proporcionan informacin separada de cada individuo.
Corresponden a fichas clnicas (hospitales, centros de salud), datos recogidos en
estudios.
b) Datos agregados: que proporcionan informacin sobre grupos de individuos.
Corresponden a datos demogrficos, laborales, estadsticas de mortalidad y encuestas
poblacionales, entre otros
Los datos agregados son de gran valor en epidemiologa pues a partir de ellos se
construyen indicadores nacionales que permiten establecer Diagnsticos de situacin
de salud y realizar el monitoreo de enfermedades o factores de riesgo en la poblacin.
En Chile como en el mundo, estas fuentes se encuentran compiladas en documentos
escritos y en formato electrnico como es el caso de los Censos (INE-CENSO) y los
Anuarios Demogrficos que proveen informacin sobre estadsticas vitales (INEVITALES). En Chile, las principales fuentes de obtencin de datos son:

Los Anuarios Demogrficos y Estadstica Vitales, producidos por el Instituto

Nacional de Estadsticas
El Censo Nacional de Poblacin y Vivienda, cuya ltima versin data del ao
2002

Las bases de datos producidas por el Departamento de Estadsticas e

Informacin (DEIS) del Ministerio de Salud (MINSAL)

Las bases de datos producidas por el Ministerio de Planificacin, especialmente

la informacin sociodemogrfica de la Encuesta de Caracterizacin

Socioeconmica Nacional (CASEN).
En los Anuarios mencionados se puede encontrar datos de mortalidad. Para la
bsqueda de datos de morbilidad, el DEIS entrega informacin sobre Egresos
Hospitalarios, tanto por Hospital como por Servicio de Salud de todo el pas. Si se
buscan datos sobre incidencia y prevalencia de patologas, el Departamento de
Epidemiologa del MINSAL provee de informacin sobre enfermedades transmisibles y
enfermedades crnicas no transmisibles.
Los datos sobre vigilancia epidemiolgica de laboratorio, tanto en las reas de Salud
Ocupacional como de Vigilancia Sanitaria se pueden encontrar en la pgina del
Instituto de Salud Pblica de Chile (ISP)
En Epidemiologa, para evaluar la situacin de salud de un poblacin, es de suma
importancia establecer comparaciones con otras poblaciones. A menudo se recurre a la
comparacin de una misma poblacin en perodos de tiempo distinto (Ej.: Tasa de
mortalidad en el aos 2004 comparada con la Tasa de mortalidad del ao 2003) o se
recurre a la comparacin con una poblacin diferente (Tasa de mortalidad de la Regin
Metropolitana comparada con la Tasa de mortalidad de la V Regin, Chile).
Si la poblacin a la que hacemos referencia es la nacional, con frecuencia se recurre a
las comparaciones internacionales. Para ello, las fuentes de datos de las cuales
podemos obtener informacin, son aquellas proporcionadas por organizaciones
internacionales como la Organizacin Mundial de la Salud (OMS), la Organizacin
Panamericana de la Salud (OPS) y los Centros para la Prevencin y el Control de
Enfermedades de Atlanta-EE.UU. (CDC), citando slo aquellas usadas con mayor
frecuencia. Tambin proporcionan informacin valiosa, las pginas Web de los
Ministerios de Salud de los pases.
Desde el punto de vista de la salud ocupacional, una de la fuentes de datos
secundarios corresponde a las estadsticas que llevan las mutuales de seguridad y
algunas asociaciones de comits paritarios de diversas empresas (Mutuales), los
institutos de previsin y ministerios del trabajo. (Ministerio del trabajo).

Mdulo 6:
Conceptos Bsicos de Diseo de Estudios Epidemiolgicos
1. Objetivo:

Conocer los principales diseos epidemiolgicos.

2. Trminos claves:
Estudios epidemiolgicos; estrategias de diseo; validez; objetivos.

3. Desarrollo del mdulo

3.1. Ciclo de la investigacin epidemiolgica
Todo estudio epidemiolgico parte de la observacin de un fenmeno sobre el cual se
desea informacin con el objetivo de conocer su gnesis, evolucin, comportamiento
en el tiempo y asociacin con factores de riesgo posibles de intervencin.
Las etapas del ciclo de investigacin se pueden resumir en el siguiente esquema, muy
simplificadamente:

En especial en salud ocupacional es deseable plantearse etapas de intervencin y

evaluacin, que sin necesariamente formar parte de todo estudio son altamente
deseables cuando el estudio ha sido formulado para resolver un problema de salud
concreto que se desea evitar, como sera el caso de las enfermedades ocupacionales,
que son por definicin prevenibles.
Por tanto, todo estudio epidemiolgico debe ser entendido como proceso dedicado a
responder, con la mayor exactitud posible, una pregunta producto de la observacin de
un hecho de la realidad, sobre el cual se elabora una hiptesis explicativa que debe ser
probada. Se debe mantener este concepto en mente al momento de planificar, ejecutar
e interpretar un estudio.
Objetivo del Estudio
Determinar el objetivo del estudio es la primera prioridad, ste debe ser formulado en
forma clara desde el inicio de la investigacin de manera de establecer el parmetro a
medir, la seleccin de la muestra, el tamao muestral y el anlisis estadstico a realizar.

El parmetro a medir puede ser desde la tasa de incidencia de un cuadro en una

poblacin determinada, hasta complejas mediciones de variables interrelacionadas.
La definicin del objetivo o problema a investigar requiere de una adecuada revisin
bibliogrfica que sea fuente de ideas susceptibles de investigacin; valoracin del
estado del arte sobre el tema; pertinencia y viabilidad del proyecto; marco conceptual;
informacin sobre aspectos del diseo como criterios de seleccin, determinacin de
tamao muestral, definicin de caso, definicin de variables y otras.
Algunos criterios de una buena pregunta a investigar incluyen que sea factible,
interesante, novedosa, tica y relevante.
Una vez definido claramente el objetivo, se debe decidir el tipo de estudio
epidemiolgico ms adecuado para responder a la pregunta de investigacin. ste
debe ser compatible con los recursos disponibles (tiempo, poblacin, fuentes de
informacin, consideraciones ticas, etc).
3.2. Tipos de diseos epidemiolgicos
Los diseos epidemiolgicos se pueden clasificar en:
Figura 1. Clasificacin diseos epidemiolgicos

3.2.1. Rol del investigador en la asignacin de la exposicin

a) Estudios experimentales
Estos diseos se caracterizan porque el equipo investigador tiene la posibilidad de
asignar la exposicin. Los estudios experimentales ms habituales son los ensayos

clnicos, los ensayos de campo y los ensayos comunitarios.

b) Estudios observacionales
La diferencia bsica con los estudios experimentales es que en los observacionales el
investigador no manipula las variables de exposicin y se limita a observar, describir y
analizar condiciones relacionadas con la salud de las poblaciones. Como ejemplo de
estudios observacionales tenemos: diseo de cohorte, caso y control, transversal,
ecolgico, etc.
3.2.2. Segn la direccin
a) Direccin lgica o prospectivos
Corresponde a aquellos diseos en que los sujetos en estudio desarrollan o no la
enfermedad o evento durante el transcurso del seguimiento. De acuerdo a esta
clasificacin los diseos que tienen direccin lgica o prospectiva son el diseo
experimental y el de cohorte. En ambos diseos, los sujetos estn libres del evento a
observar al inicio del estudio.
b) Direccin invertida o retrospectivos
Es aquel diseo en que el evento a observar ocurri en el pasado, en forma previa al
inicio del estudio. Ejemplo diseo de caso y control, en este diseo se elige a los casos
de acuerdo a la presencia de la enfermedad, posteriormente se elige el control y
finalmente se mide en ambos la exposicin a los factores de riesgo o proteccin que
tuvieron en el pasado.
c) Sin direccin
Corresponde a aquellos estudios en que la variable resultado (enfermedad) y las
variables de exposicin se miden en el mismo momento. Ejemplo, diseo transversal.
3.2.3. Segn la unidad de anlisis
a) Individual, cuando los datos sobre la enfermedad y la exposicin son recolectados
individualmente. Ejemplo diseo de cohorte, caso y control, transversal.
b) Grupal, cuando los datos de exposicin y/o enfermedad se recolectan de manera
grupal. Ejemplo diseo ecolgico.
3.2.4. De acuerdo al objetivo
a) Descriptivo: cuando el objetivo fundamental es describir condiciones relacionadas
con la salud y sus variaciones segn caractersticas individuales, sociales, geogrficas y
temporales. Por ejemplo los estudios de prevalencia o transversal descriptivo.
b) Analticos: cuando el objetivo fundamental es analizar los determinantes o causas

de estas variaciones. Ejemplo, diseo transversal analtico, caso y control, cohorte.

A continuacin se describen los principales diseos utilizados en la investigacin
epidemiolgica, algunos de ellos sern tratados en detalle en los siguientes mdulos.
A) Ensayos clnicos
En este diseo, los sujetos son pacientes y se persigue evaluar uno o ms tratamientos
nuevos para una enfermedad o proceso. Los sujetos deben ser diagnosticados como
poseedores de la enfermedad en cuestin y deben ser admitidos al estudio con la
rapidez suficiente tras el diagnstico como para que la asignacin del tratamiento sea
en un momento adecuado.
Dado las implicancias de esta asignacin estos estudios estn sujetos a restricciones
ticas importantes que incluyen:
i) Razonable seguridad de que el sujeto no podra tratada de otra mejor forma que
segn las posibilidades del estudio.
ii) Las alternativas de exposicin debern ser aceptables
iii) Los sujetos incluidos en el estudio no debern, por ese hecho, verse privados de
alguna forma mejor de tratamiento o medida preventiva no incluida en el estudio.
Se adjunta a este texto: Cdigo Internacional de tica para los Profesionales de
la Salud Ocupacional, para ser revisado.
Ventajas y limitaciones de los ensayos clnicos en general
Ventajas:

Mayor control en el diseo

Menos posibilidad de sesgos debido a la seleccin aleatoria de los grupos

Repetibles y comparables con otras experiencias

Limitaciones:

Costo elevado
Limitaciones de tipo tico y responsabilidad en la manipulacin de la exposicin

Dificultades en la generalizacin debido a la seleccin y o a la propia rigidez de

la intervencin

B) Ensayos de campo
Los sujetos incluidos no son pacientes, puesto que no han adquirido an la
enfermedad. Requieren por lo general un mayor nmero de sujetos respecto el ensayo
clnico, los cuales deben ser visitados en sus casas, lugares de trabajo o lugares de
estudio, lo que aumenta los costos. En general se limitan a estudio de factores

preventivos de enfermedades o bien muy comunes o extremadamente graves.

Las exposiciones deben ser asignadas de forma de facilitar la comparabilidad entre los
grupos.
C) Estudios Comunitarios de Intervencin
Estos estudios incluyen una intervencin sobre bases comunitarias amplias, por
ejemplo la fluoracin del agua a algunas comunidades. Algunas intervenciones se
hacen sobre grupos de sujetos ms pequeos que la comunidad entera, por ejemplo
familias, edificios, colegios, unidades del ejrcito, en que a todos los miembros de la
unidad seleccionada se les somete a la exposicin a observar.
D) Diseo de seguimiento o cohorte
Los sujetos son clasificados segn exposicin al factor de riesgo observado y seguidos
en el tiempo para determinar la incidencia de enfermedad. Requieren una estricta
definicin de los grupos o cohortes segn la exposicin al factor de riesgo en estudio.
Generalmente son estudios caros, especialmente si se trata de enfermedades raras que
requieren largo tiempo de seguimiento. En salud ocupacional se hace seguimiento de
trabajadores expuestos a ciertos riesgos del trabajo una vez que stos han sido
evaluados en el lugar de trabajo en actividades de vigilancia epidemiolgica.
Las cohortes pueden ser prospectivas, si se seleccionan los sujetos libres de la
enfermedad,, se clasifican de acuerdo a la presencia o ausencia de exposicin a un
determinado factor y posteriormente se siguen en el tiempo hasta la ocurrencia o no
del evento en observacin; o bien retrospectivas, cuando la exposicin ya ha ocurrido y
ha quedado registrada en algn documento como archivo de empresas, y a partir de
esa informacin se construye la trayectoria de los individuos hacia el presente y se
observan los casos que se han ido produciendo a lo largo del tiempo.
Algunos factores que dificultan su realizacin son el tiempo de seguimiento prolongado
para enfermedades que requieren exposicin prolongada y cuando la enfermedad a
estudiar tiene una baja incidencia. Su costo puede ser reducido monitorizando la
ocurrencia de una enfermedad ya existente a travs del uso de una cohorte histrica,
en estos casos puede ser que tanto el evento de exposicin como la enfermedad hayan
ocurrido en el pasado; otra forma de reducir costos es reemplazar una de las cohortes,
especficamente la cohorte no expuesta con informacin de la poblacin general, con
los consecuentes problemas que hay que enfrentar al hacerlo; tambin se puede incluir
un estudio de casos y controles dentro de la cohorte, en lugar de incluir a la poblacin
entera de la cohorte en el estudio.
Ventajas y limitaciones de estudios de cohortes
Ventajas:

Estiman incidencia
Menor posibilidad de sesgos en la medicin de la exposicin

Limitaciones:

Costo elevado
Dificultad en la ejecucin

No son tiles en enfermedades raras

Requieren un tamao muestral generalmente elevado

El paso del tiempo puede introducir cambios en los mtodos y criterios

diagnsticos

Posibilidad de prdida en el seguimiento

E) Diseo de Casos y Controles

En estos estudios los casos son seleccionados de acuerdo a la presencia de la
enfermedad o evento en estudio y los controles provienen de la misma poblacin base
en que tuvieron lugar esos casos. La condicin central para llevar a cabo estudios
vlidos de casos y controles es que los controles sean seleccionados
independientemente de su estatus de exposicin.
Los estudios de casos y controles pueden aportar informacin slo sobre una
enfermedad, aunque es posible seleccionar series mltiples de casos que incluyan
varias enfermedades, esto implicara emprender varios estudios de casos y controles
simultneamente. Adems estos estudios pueden proporcionar informacin sobre una
amplia gama de exposiciones potencialmente etiolgicas que podran estar
relacionadas con una enfermedad especfica.
Las enfermedades raras, que son difciles de estudiar con estudios de seguimiento de
cohortes, se ajustan bien a los estudios de casos y controles. Una preocupacin
permanente de estos estudios es la determinacin de exposicin correcta de cada
sujeto, para evitar la prdida de sujetos sometidos a exposicin desconocida.
Una posibilidad de sesgo en estos estudios es que la informacin de exposicin
proviene del sujeto una vez que se ha presentado la enfermedad, por lo que este
conocimiento podra afectar los datos de exposicin. En compensacin estos estudios
son ms pequeos y menos caros que los de seguimiento y tienen mayor eficiencia.
Ventajas y desventajas de los estudios de casos y controles
Ventajas:

Relativamente menos costosos que los de seguimiento

Menor duracin que un diseo de cohorte

til para el estudio de enfermedades raras

Permiten el anlisis de varios factores de riesgo para una enfermedad

determinada
Limitaciones:

No estiman directamente la incidencia

Facilidad de introducir sesgos de seleccin/informacin

La secuencia temporal entre exposicin y enfermedad no siempre es fcil de

establecer

F) Diseo Transversal
Es aquel estudio en que se determina la variable respuesta (depresin) y las variables
de exposicin (nivel socioeconmico, profesin, etc) simultneamente. Estos estudios
permiten determinar prevalencia de patologas en una poblacin determinada en un
momento del tiempo. Sin embargo, si se desea estudiar causalidad de las patologas
diagnosticadas, es necesario considerar la historia previa de exposicin de los
enfermos, siendo ms eficaces para este efecto los estudios longitudinales, que
consideran un perodo de tiempo entre la exposicin y el comienzo de la enfermedad.
Ventajas y desventajas de los estudios transversales
Ventajas:

Fciles de ejecutar
Menor costo

Se pueden estudiar varias enfermedades y/o factores de riesgo a la vez

Caracterizan la distribucin de la enfermedad respecto a diferentes variables

Precisan menos tiempo para su ejecucin

tiles en la planificacin y administracin sanitaria (identifican el nivel de salud,

los grupos vulnerables y la prevalencia)

Limitaciones:

Por s mismos no sirven para la investigacin causal

No son tiles en enfermedades raras ni de corta duracin

Posibilidad de sesgos de informacin y seleccin

G) Estudios Ecolgicos
Los estudios previamente mencionados tienen como unidad de estudio a las personas,
a diferencia de los estudios ecolgicos en que la unidad de observacin son grupos de
personas, por ejemplo colegios, empresas, comunas, regiones, pases, etc. La principal
caracterstica de este diseo es que utiliza datos de tipo secundario, es decir datos que
han sido obtenidos con otros objetivos y no con fines del estudio, por ejemplo como
variable resultado se puede utilizar la informacin sobre mortalidad infantil por

regiones o mortalidad de acuerdo al tipo de empresa, y como variables de exposicin

se puede utilizar variables de tipo ambiental, las cuales no pueden ser medidas de
manera individual por ejemplo contaminacin atmosfrica, temperatura media, etc o
bien variables como la presencia o no de una poltica antitabaco, lo cual tampoco
puede ser medido de manera individual. El requisito fundamental es que pueda
disponer de informacin sobre ellos, para medir cada poblacin con respecto a la
exposicin y la enfermedad.
Dado que los datos se obtienen de mediciones a las que se saca la media para
poblaciones enteras, el grado de asociacin entre exposicin y enfermedad es por lo
general ms tenue. Las principales dificultades de estos estudios provienen de la falta
de disponibilidad de los datos necesarios para controlar el efecto de confusin en el
anlisis. Las inferencias inadecuadas a partir de datos ecolgicos han sido
denominadas falacia ecolgica. Las ventajas de este diseo es que es econmico y
rpido porque utiliza datos ya disponibles.
Poblacin en estudio
Una vez que se determina el diseo ms apropiado, se debe identificar cual es el grupo
poblacional que se requiere estudiar. Generalmente este grupo puede estar delimitado
por caractersticas demogrficas (prevalencia de enfermedades en adultos mayores),
sociales (violencia familiar y desempleo), ocupacionales (tipo de empleo y riesgo de
infarto agudo al miocardio), etc. Estas caractersticas delimitan a la poblacin sobre la
cual queremos generalizar los resultados del estudio. Una vez identificada la poblacin
base, ser necesario determinar el tamao de muestra y elegir qu mtodo de
muestreo se utilizar para seleccionar a los participantes.
Variables del estudio
Una variable es una caracterstica observable y medible que puede adoptar diferentes
valores. Durante la fase de planificacin del proyecto se debe definir conceptual y
operativamente aquellas variables de inters, es decir se debe definir adecuadamente
el concepto y las dimensiones de lo que queremos medir. Lo anterior implica definir
escala y unidades de medida de las variables, establecer puntos de corte, etc.
Las variables se definen funcionalmente en tres grandes grupos: a) variable
dependiente, es la variable resultado o evento de inters (mortalidad, morbilidad,
concentracin de un contaminante, etc); variable independiente, en general variables
de exposicin o explicativas (nmero de aos en un determinado sitio de trabajo,
hbito de fumar, etc); variables de confusin, aquellas que confunden la relacin entre
la variable dependiente e independiente (edad, nivel socioeconmico, etc)
El diseo del estudio debe considerar tambin las posibles fuentes de error en la
medicin y la forma de reducirla para obtener una medicin lo ms exacta posible. Las
estrategias utilizadas en el diseo de un estudio pretenden reducir las fuentes de error,
tanto sistemtico como aleatorio, ya que al reducir el error aleatorio se mejora la
precisin de la medicin y al reducir el error sistemtico aumenta su validez.
Precisin
La precisin o carencia de error aleatorio puede ser mejorada aumentando el tamao

del estudio o modificando su diseo, para aumentar la eficiencia con que se obtiene la
informacin del nmero de sujetos sometidos a estudio. Uno de los componentes ms
notorios del error aleatorio es el proceso de seleccin de los sujetos del mismo,
proceso llamado muestreo, de modo que el error aleatorio concurrente es el error
muestral.
Validez
Esta caracterstica se puede desagregar en validez interna, que es la validez de las
inferencias extradas en tanto pertenecen a los sujetos reales de estudio y validez
externa, que es la validez de las inferencias en tanto se aplican a la gente que est
fuera de la poblacin en estudio. La validez interna es un pre-requisito para la externa.
Varios tipos de sesgo pueden disminuir la validez interna.
En cuanto a la validez externa, sta consiste en un proceso de generalizacin a partir
de un grupo de observaciones, juicio que exige la comprensin de cules condiciones
son relevantes y cuales no lo son para realizar la generalizacin.
La validez puede ser mejorada por la eleccin de los grupos de comparacin, stos
deben ser similares a los expuestos con respecto a los factores predictivos importantes
de la incidencia de enfermedad, y deben poder separarse por la exposicin al efecto
observado. Sin embargo, grupos que sean idnticos excepto en la exposicin de inters
son muy difciles, sino imposibles, de encontrar, de modo que se debe priorizar los
factores que se creen relevantes para la ocurrencia de la enfermedad.
Precisin y tamao de la muestra.
La principal forma de reducir el error aleatorio y aumentar por tanto la precisin es
aumentar el tamao de la muestra. Para determinar el tamao adecuado se pueden
usar frmulas estadsticas (Schlesselman, 1974; Rothman y Boice, 1982), las que
relacionan el tamao de la muestra con las siguientes variables: nivel de significacin
estadstica, probabilidad de no detectar un error real, magnitud del efecto, tasa de
enfermedad en ausencia de exposicin, tamao relativo de los grupos comparados.
Otro mtodo para decidir el tamao de la muestra es usar clculos de potencia o poder.
La potencia es la probabilidad de detectar un nivel de efecto postulado en forma
estadsticamente significativa y se acerca a 1,0 conforme aumenta el tamao del
mismo. Para los distintos niveles de efectos postulados se pueden construir curvas de
potencia, considerando la potencia contra el tamao. Estas curvas pueden mostrar la
medida en que habra que aumentar el tamao de la muestra para conseguir una
mayor potencia, a los distintos niveles de riesgo relativo.
Una razn clave al planificar el tamao de un estudio y por tanto su precisin, es la de
determinar como sopesar el valor de una mayor precisin en los resultados frente al
costo. Por tanto se requiere un anlisis de la relacin costo-beneficio, asunto
interferido por mltiples intereses. Finalmente, el tamao no es una decisin slo
tcnica, sino que constituye un juicio, donde la experiencia adquiere singular
importancia.
Aparte del tamao, la caracterstica del diseo que afecta ms a la precisin de un
estudio es la subdivisin de los sujetos (o unidades de observacin persona-tiempo) en

grupos de estudio.
Plan de anlisis
Tambin durante la planificacin del estudio es importante definir un plan de anlisis de
los datos recolectados. En el caso de estudios analticos ser necesario determinar
cuales son las medidas de asociacin que se utilizarn. Lo anterior est estrechamente
relacionado con el tipo de diseo y con la escala de medicin de las variables.
Consideraciones ticas
Los participantes debern estar informados de los objetivos del estudio, los riesgos
asociados y en qu consiste la participacin. El consentimiento a participar deber
quedar registrado a travs de la firma del consentimiento informado el cual es
otorgado por un individuo competente quien ha recibido la informacin necesaria y
luego de considerar la informacin ha llegado a una decisin, sin haber sido
influenciado, inducido o intimidado.
Se deber garantizar la confidencialidad y de ser posible el anonimato de la persona
que proporciona los datos. Se debe evitar el uso de datos para fines diferentes a los
que autoriz el sujeto. Las muestras biolgicas de sangre, material gentico, tejidos y
otras, debern ser utilizadas exclusivamente para los fines autorizados. Por ltimo, es
responsabilidad del investigador asegurarse de la calidad de los datos, tanto de
aquellos obtenidos a travs de entrevistas o cuestionarios como de los
correspondientes a mediciones de laboratorio, por medio de sistemas de control de
calidad.
Eficiencia Del Estudio
Se puede formular como la cantidad de observacin acerca del efecto dividida por el
nmero de sujetos del mismo. sta puede ser evaluada de dos formas; relacionando el
contenido total de informacin de los datos con el nmero total de sujetos del estudio,
o relacionando el contenido total de informacin con el costo de adquirirla.
Aspectos que afectan la eficiencia de un estudio son la proporcin de sujetos
expuestos; la proporcin de sujetos que han desarrollado o desarrollarn la
enfermedad; las distribuciones de sujetos de acuerdo a variables clave que deban ser
controladas.

4. Referencias bibliogrficas

Fernndez SP. Elementos bsicos en el diseo de un estudio. Cad Aten Primaria.

1996. 3:83-85.
Hernndez AM, Garrido LF, Lpez MS. Diseo de estudios epidemiolgicos.
Salud Pblica Med. 2000. 42(2):144-54.

Kenneth JR. Epidemiologa Moderna. Ediciones Daz de Santos, S.A. 1987.

U.S. Department Of Health And Human Services. Principles Of Epidemiology: An

introduction to applied epidemiology and biostatistics. Second edition. 1992.

Mdulo 7:
Estudio de Cohorte
1. Objetivos:
1. Definir la poblacin de estudio y periodo de tiempo
2. Conocimiento de los mtodos de frecuencia de enfermedad y asociacin en
estudios longitudinales
3. Comprensin de principales temas de validacin
4. Comprender las ventajas y limitaciones de este tipo de estudio
5. Conocimiento de los principios de los estudios de intervencin

2. Trminos claves:
Tipos de Cohorte, Efecto del trabajador sano, Tipos de poblacin de referencia

3. Desarrollo del mdulo

3.1. Diseo bsico
El estudio de cohorte, en poblacin de trabajadores, es un diseo que entrega en
forma directa una evaluacin del patrn de salud y enfermedad de dicha poblacin.
Su caracterstica esencial es que se somete a observacin una poblacin expuesta a
cierta experiencia, que se cree origina alteracin, y la aparicin de casos en esa
poblacin se compara con una poblacin testigo que no estuvo expuesta.
Los elementos comunes a todos los tipos de estudios de cohorte son: (1) la
identificacin de la poblacin en estudio, o cohorte, o de personas expuestas al factor
de inters; (2) la identificacin de la poblacin de control (poblacin de referencia); (3)
el seguimiento de las cohortes en el tiempo, y (4) la comparacin de las tasas de

enfermedad entre la cohorte y la poblacin de referencia.

Al inicio del estudio, ningn miembro de la cohorte debe presentar la enfermedad
estudiada de acuerdo con los criterios de clasificacin diagnstica utilizados para medir
la enfermedad o muerte.
Dependiendo de la relacin temporal del inicio del estudio respecto a la ocurrencia del
evento (o exposicin al factor de inters), los estudios de cohorte se han clasificado
como: prospectivos y retrospectivos o histricos. Tambin, los estudios de cohorte
pueden ser bidireccionales, es decir tanto retrospectivos como prospectivos.
Los estudios de cohorte histrica dependen de la disponibilidad de registros para
establecer exposicin y resultado de ella. La validez del estudio depender de la
calidad de dichos registros.
En contraste en el diseo de cohorte prospectiva, es el investigador quien
documenta la ocurrencia de la aparicin de la enfermedad o dao, en tiempo venidero
en la poblacin en estudio, por lo que la exposicin y resultado se valoran de manera
recurrente, y la calidad de las mediciones puede ser controlada por los investigadores.
Dependiendo del tipo de poblacin las cohortes pueden ser fijas o dinmicas. Las
cohortes fijas son aquellas que solo consideran el reclutamiento de poblacin en
estudio en una fecha determinada por el investigador. Por ejemplo cohorte de
trabajadores ingresados durante 2004 a la ocupacin en estudio. Cohortes dinmicas
son aquellas que consideran la entrada y salida de nuevos sujetos de estudio durante
la fase de seguimiento, por lo que el nmero de miembros puede variar a travs del
tiempo.
3.2. Cohortes en estudios laborales
La morbilidad (en trminos de incidencia) o la mortalidad de una cohorte expuesta
debe compararse con la de una cohorte de referencia que debe ser lo ms parecida
posible a la cohorte expuesta en todos los aspectos relevantes, excepto en la
exposicin, para estimar el riesgo relativo de enfermedad o muerte por la exposicin.
El uso de una cohorte similar, pero no expuesta, como poblacin de referencia, es
siempre preferible a la prctica de comparar la morbilidad o mortalidad con las tasas
nacionales estandarizadas por edades, porque la poblacin general no cumple los
requisitos para la validez de la comparacin. La tasa de morbilidad relativa
estandarizada que se obtiene de esta comparacin suele subestimar el riesgo relativo
real debido a la existencia de un sesgo en la cohorte expuesta que impide la
comparacin entre las dos poblaciones. Este sesgo de comparacin se denominada
efecto del trabajador sano.
Efecto del Trabajador Sano:
Es muy habitual que las cohortes de trabajadores presenten una tasa de
mortalidad total menor que la poblacin general, incluso aunque se
encuentren en situacin de mayor riesgo de mortalidad por ciertas causas
como consecuencias de las exposiciones en el lugar de trabajo. Este
fenmeno llamado efecto de trabajador sano, refleja el hecho de que el

estado de salud de cualquier subgrupo de la poblacin activa suele ser, en

conjunto, mejor que el de la poblacin general, ya que sta incluye tanto a
los trabajadores como a todo tipo de personas incapacitadas para trabajar
como consecuencias de enfermedad o discapacidades. La tasa global de
mortalidad en la poblacin general suele ser mayor que en la poblacin
activa. La magnitud de este efecto vara segn la causa de mortalidad.
Referencia: Enciclopedia de Salud y Seguridad en el Trabajo
Los estudios de cohorte, al igual que otros diseos epidemiolgicos pueden estar
sujetos a sesgos. Adems del sesgo especfico para estudio con trabajadores antes
sealado, que es el sesgo de trabajador sano otros sesgos provienen de la seleccin
original de las cohortes de estudio (sesgo de seleccin); de la calidad de la informacin
(sesgo de informacin) y de la mala clasificacin de la exposicin o del efecto
estudiado (sesgo de mala-clasificacin). Para una profundizacin sobre el diseo, leer
Estudio de cohorte. Metodologa, sesgo y aplicacin de Lazcano Ponce et al.
Las cohortes ocupacionales pueden clasificarse tambin en funcin de su base de
referencia:

Una cohorte simple con una poblacin de referencia externa: es el caso de

estudiar una cohorte de trabajadores y comparar con la poblacin general. Leer
Mortalidad por cncer de pulmn en plomistas de una compaa de gas en
Espaa de Bruna P et al.
Cohorte simple con un grupo de referencia interno: cuando la cohorte de
trabajadores expuestos se compara con trabajadores de la misma cohorte, pero
con menor o sin exposicin. Leer Lung Cancer in Railroad workers exposed to
diesel exhaust de Garshick et al.

Cohortes mltiples: cuando el estudio se repite en varias empresas o industrias.

Leer Exposure to Silica mixed dust and cohort mortality study in tin mines:
exposure-response analysis and risk assessment of lung cancer de Chen W et
al.

Estudio de cohorte con base poblacional: en este tanto la cohorte como la

poblacin de referencia se generan a partir de una misma poblacin. Leer A 24
year cohort study mortality in slate worker in North Wales de Campbell M et al.

El diseo de cohorte no slo permite estudiar los efectos de las exposiciones laborales
(fsicas, qumicas o psquicas) sobre la salud de los trabajadores, tambin permite la
evaluacin de las medidas de intervencin, sean stas preventivas o correctivas. A
modo de ejemplo leer Factores asociados a una respuesta inadecuada a la vacunacin
contra la hepatitis B en personal sanitario de Tolosa MN et al.
Ventajas y desventajas de los estudios de cohorte
Ventajas:

Permite establecer directamente la incidencia

La exposicin puede determinarse sin el sesgo que se producira si ya se
conociera el resultado; es decir, existe una clara secuencia temporal de

exposicin y enfermedad

Permite estudiar exposiciones poco frecuentes

Permite evaluar resultados mltiples (riesgos y beneficios) que podran estar

relacionados con una exposicin

Menos afectos a sesgos potenciales que los estudios de casos y controles

Desventajas:

Generalmente requieren de grandes muestras

Pueden ser muy costosos y requerir mucho tiempo, particularmente cuando se
realizan de manera prospectiva

El seguimiento puede ser difcil y las perdidas durante ese periodo pueden
influir sobre los resultados del estudio

Los cambios de la exposicin en el tiempo y los distintos criterios diagnsticos

pueden afectar a la clasificacin de los individuos

Las perdidas pueden introducir sesgos de seleccin

Poco tiles para enfermedades poco frecuentes

Pueden estar afectados por sesgos de informacin al estar influenciada la

identificacin de la enfermedad por el conocimiento del estado de exposicin del
sujeto

Se deber contemplar en la etapa de planeamiento el control de las variables de

confusin

3.3. Anlisis de la informacin

La base del anlisis de un estudio de cohorte es la evaluacin de la ocurrencia de un
evento resultante del seguimiento en el tiempo, como consecuencia de haber estado
expuesto o no (grupos de comparacin) a una determinada exposicin (factor de
riesgo).
Por lo tanto es indispensable obtener del diseo informacin sobre la fecha de inicio del
seguimiento, fecha en que ocurren los eventos y fecha de trmino de la observacin.
Adems informacin completa de los datos de los sujetos participantes, la escala de
medicin y el motivo de trmino del seguimiento (prdida, muerte, enfermedad u
ocurrencia del evento en estudio).
La estrategia general de anlisis del estudio comprende:
Anlisis Global de la cohorte:
o
o

Calculo de los tiempo-persona de exposicin

Estratificacin segn el tiempo

Calculo de tasas especficas por estrato

Comparacin con poblacin de referencia

o

Calculo de la mortalidad o morbilidad estandarizada (TME)

Comparacin con grupo de referencia interno

o
o

Anlisis crudo: clculo de la razn de mortalidad (morbilidad)

Estratificacin

Anlisis multivariado

Evaluacin de la frecuencia de la enfermedad

Evaluacin del efecto (asociacin)
o
o

Anlisis crudo
Estratificacin

Modelamiento

Dependiendo del tipo de cohorte (nica o comparacin entre grupo expuesto y no

expuesto) y del tipo de informacin obtenida (solamente informacin del tiempopersona o informacin completa a partir de una cohorte sin prdidas, ni competencia
de riesgos) los anlisis estadsticos son distintos.
Cuando el estudio presenta prdidas en el seguimiento (abandono, cambio de
domicilio, muerte por causa diferente al evento del estudio o agotamiento de los
recursos financieros) los tiempos de seguimientos de cada uno de los participantes en
la cohorte son desiguales. El anlisis que se realiza es sobre la base del tiempopersona y slo se puede medir la densidad de incidencia.
Densidad de Incidencia
Todos los casos conocidos que han ocurrido en el total de la cohorte durante
la duracin del estudio, dividido entre las personas-aos de observacin de la
cohorte total, por unidad de tiempo. Es una medida de tasa.
Si la cohorte es cerrada, y se tiene informacin completa de todos los sujetos seguidos
se pueden calcular tanto la incidencia acumulada, como la densidad de incidencia.
Incidencia Acumulada
Todos los casos conocidos ocurridos en la cohorte basal durante la duracin
del estudio, dividido entre l numero de individuos enrolados en el estudio,
por unidad de tiempo. Es una medida de riesgo.
Si contamos con dos grupos (cohorte expuesta y no expuesta, o cohorte en estudio y
grupo de referencia). Se pueden calcular las razones entre las incidencias.

El clculo de la razn de incidencia acumulada o riesgo relativo se estima a partir

de la incidencia del grupo expuesto con relacin a la incidencia del grupo no expuesto,
mediante la tabla tetracrica clsica:
EXPOSICIN
EVENTO

SI

NO

SI

NO

Razn de Incidencia Acumulada (RIA)

RIA = (a/a+c)/ (b/ b+d)
Donde:
a = Sujetos con la exposicin que desarrollan el evento
b = Sujetos sin la exposicin que desarrollan el evento
c = Sujetos con la exposicin que no desarrollan el evento
d = Sujetos sin la exposicin que no desarrollan el evento
Cuando nuestro estudio presenta prdidas o corresponde a una cohorte abierta,
calculamos como medida de asociacin la razn de tasas de incidencia o razn de
densidades de incidencia.
En este caso se cuantifica el tiempo-persona de seguimiento de cada sujeto, el
denominador cambia a una dimensin de tiempo (por ejemplo aos-personas, daspersonas, horas-personas). Esto nos permite estimar la tasa de los casos incidentes en
una unidad de tiempo determinada. El cuadro siguiente indica el anlisis para estimar
la razn de tasas de incidencia.
Razn de Tasas de Incidencia (RTI)
RTI = TI1/TI2
Donde:
Tasa de Incidencia en el grupo de expuestos (TI1) = sujetos con la
exposicin que desarrollan el evento/tiempo- persona de seguimiento de los
sujetos expuestos que desarrollaron el evento.
Tasa de Incidencia en el grupo de no-expuestos (TI2) = sujetos sin la
exposicin que desarrollaron el evento/ tiempo-persona de seguimiento de
los sujetos no-expuestos que desarrollaron el evento.
Este mtodo permite realizar anlisis cuando existe un cambio en el estado de
exposicin, de tal manera que un mismo sujeto puede contribuir en el denominador de
los expuestos en un perodo y entre los no-expuestos en otro momento. Situacin que
suele ocurrir durante la historia laboral de los trabajadores.

Clculo de la tasa de mortalidad (morbilidad) estandarizada

Este es uno de los anlisis ms ampliamente usados en los estudios ocupacionales.
Habitualmente el grupo no expuesto corresponde a una poblacin de referencia
externa.
El numerador de la tasa se obtiene sumando el nmero de casos de la cohorte en cada
uno de los estratos.
El denominador se obtiene multiplicando la tasa especfica de casos en la poblacin de
referencia por el nmero de aos-persona de la cohorte. El denominador de la razn
de mortalidad representa al nmero de casos que habran ocurrido en la cohorte si
esta hubiera tenido la misma experiencia de la poblacin de referencia durante el
perodo de estudio.
Luego se divide el nmero observado de casos en la cohorte por los esperados, segn
la experiencia de la poblacin de referencia.
Un ejemplo de estandarizacin:
Cohorte

Poblacin
(4)
RMS =
de
Esperados (1) / (4)
Edad
(1)
(2)
Referencia
=
Observado
Aos(3)
(2) x (3)
persona
Tasa por
1000
40 - 49

1000

1.8

1.8

1.7

50 - 59

12

1200

2.5

60 - 69

75

3340

10.8

36.1

2.1

70 - 79

50

800

22.6

18.1

2.8

59

2.4

Total

140

Como corresponde a una estimacin puntual interesa conocer su intervalo de

confianza.
El intervalo de confianza provee el rango de valores dentro del cual se espera
encontrar con una probabilidad dada (aqu se usar el 95%) el valor de la tasa de
mortalidad (morbilidad) estandarizada.
El Intervalo de confianza se puede calcular de la siguiente forma:
1) Se calcula el error estndar de la medicin (EE):
EE = TME / (raz cuadrada de los casos observados)
2) El Intervalo de Confianza de 95% se calcula:

IC (95%) = TME +/- (1,96 X EE)

En nuestro ejemplo:
EE = 2.4 /11.83 = 0.20
IC (95%) = 2.00 2.6
La tasa de mortalidad (morbilidad) estandarizada es de 2.4 (IC 95% 2.00 - 2.6).
Clculo de la razn mortalidad (morbilidad) (RM)
Debido a los problemas asociados con el efecto de trabajador sano en los estudios que
usan poblacin externa de referencia, cada vez se usa ms un grupo interno
identificado dentro de la cohorte de estudio.
El clculo se hace directamente dividiendo la tasa obtenida en el estrato de inters
(poblacin expuesta) por la del estrato de referencia (poblacin de trabajadores no
expuestos, o menos expuestos).
Habitualmente se le calcula un test chi2 y el intervalo de confianza respectivo,
utilizando las siguientes estadsticas:

En donde:
Disposicin de datos en un estudio de cohorte
Expuestos

No
expuestos

Total

Casos

Aos
persona

N1

N0

Los lmites de Confianza con 95% pueden calculares siguiendo la formula:

Otra alternativa es hacer un anlisis de Mantel-Haenszel, cuando los estratos tienen

pocos datos y las tasas se vuelven inestables.
En ste caso las ecuaciones con las siguientes:

Lmites de Confianza:

Anlisis Multivariante
Muchas veces requerimos de evaluar el efecto de la variable en estudio controlando
variables de confusin (ver captulo 10). Para tal efecto, podemos realizar un anlisis
mltiple ajustando simultneamente variables mediante la regresin de Poisson.

Otra estrategia para el anlisis es usar el anlisis de supervivencia o sobrevida.

Esta estrategia permite el anlisis de eventos frecuentes en poblaciones pequeas.
Anlisis de Supervivencia o Sobrevida
Es el mtodo estadstico que permite estudiar la ocurrencia de un evento
dado, o el tiempo entre la entrada a un estudio y un evento subsecuente.
Este evento puede ser el desarrollo de una enfermedad, la respuesta a un
tratamiento, la recuperacin o la muerte.

4. Referencias bibliogrficas

Checkoway H, Pearce N, Crawford-Brown DJ. Research Methods in Occupational

Epidemiology Oxford University Press, 1989.

5. Glosario de trminos
Cohorte: poblacin en estudio que va a ser seguida.
Cohorte dinmica: poblacin en estudio que incluye trabajadores contratados,

dejaron el trabajo o murieron en perodos de tiempo variables.

Nmero esperado: Nmero de casos que habran ocurrido en la cohorte de estudio si
sta tuviera las tasas de la poblacin de referencia.
Grupo externo de referencia: Grupo de comparacin de personas, distinto a la
cohorte en estudio, usualmente la poblacin nacional o regional.
Cohorte fija: Poblacin de estudio que incluye trabajadores contratados o empleados
en un perodo de tiempo puntual o un intervalo breve de tiempo especificado.
Cohorte histrica: Seguimiento hasta el presente de una poblacin
retrospectivamente seleccionada.
Grupo interno de referencia: Grupo de comparacin seleccionado dentro de la
cohorte en estudio, usualmente se considera a los trabajadores menos o no expuestos.
Aos-persona: Unidad de tiempo de seguimiento; denominador de la tasa de
morbilidad; nmero de personas multiplicado por su tiempo de seguimiento.
Cohorte prospectiva: Seguimiento a futuro de una cohorte seleccionad en el
presente.
Tasa: nmero de casos nuevos (o muertes) dividido por los aos persona de
seguimiento.
Razn de tasas: razn entre tasas de poblaciones comparadas; usualmente grupo
expuesto divido por grupo de referencia.
Riesgo: la probabilidad promedio de desarrollar (o morir) una enfermedad durante un
perodo de tiempo especificado.
Poblacin de referencia: Poblacin que permite la comparacin; usualmente los no
expuestos.
Tasa estandarizada: Promedio ponderado de una tasa de un estrato especfico, en
donde las tasas pueden ser la distribucin de los tiempo-personas en la poblacin de
expuestos, referencia u otra.

Mdulo 8:
Diseo de Casos y Controles
1. Objetivos:
1. Comprender que el diseo de casos y controles representa una estrategia
muestral del diseo de cohorte
2. Reconocer las ventajas y limitaciones de las diferentes fuentes de obtencin de
casos y controles
3. Identificar sesgos ms comunes de este diseo y como stos pueden afectar la
validez de los resultados

4. Calcular e interpretar las medidas de riesgo relacionadas con este diseo y su

intervalo de confianza
5. Reconocer ventajas y limitaciones de este diseo

2. Trminos claves:
Poblacin base, caso incidente, caso prevalente, odds ratio.

3. Desarrollo del mdulo

3.1. Introduccin
El estudio de caso y control, al igual que el estudio transversal y de cohorte,
corresponde a un diseo de tipo observacional analtico de base individual. En este
diseo la estrategia para determinar si existe asociacin entre un evento (enfermedad
o muerte) y la exposicin a un determinado factor consiste en seleccionar a los
individuos que padecen la enfermedad (casos), y a individuos libres del evento
(controles). Posteriormente se comparan ambos grupos en relacin a la exposicin al
factor en estudio, la cual se mide forma retrospectiva. Si la prevalencia de exposicin
entre casos y controles es diferente, entonces puede inferirse que la exposicin puede
estar asociada a una aparicin aumentada o disminuida del resultado de inters. Por
ejemplo, para estudiar la relacin entre enfermedad renal y la exposicin a metales y
solventes, se selecciona un grupo que presente la enfermedad renal y otro grupo
compuesto por personas que no padezcan la enfermedad y se investiga la exposicin a
metales y solventes que ambos grupos tuvieron en el pasado. Si existe asociacin,
entonces la proporcin de expuestos al factor, ser mayor en el grupo que presenta la
enfermedad.
El diseo de casos y controles es muy utilizado en enfermedades de baja prevalencia o
con perodos de latencia largos, donde los enfermos ya estn disponibles y no es
necesario esperar un prolongado perodo de tiempo desde el inicio del estudio para
obtener los casos.
Si bien el diseo de cohorte es el nico diseo observacional que parte de la exposicin
en busca del efecto, su realizacin frecuentemente est limitada por la carencia de
tiempo o recursos financieros necesarios para estudiar los grandes grupos
poblacionales que se requieren para el estudio de enfermedades poco frecuentes; por
esta razn, los estudios de casos y controles constituyen una alternativa costo-efectiva
para identificar factores de riesgo y generar hiptesis para estudios posteriores. El
diseo de casos y controles representa una estrategia muestral, siendo la identificacin
de la poblacin base uno de los aspectos cruciales de este diseo. A nivel ocupacional,
la poblacin base se puede obtener a partir de sistemas de registro de empresas,
usuarios de hospitales o clnicas que atienden exclusivamente a poblacin trabajadora,
etctera. Una vez identificada la poblacin base -definida como aquella de donde se
originan los casos se utilizar la misma poblacin para la seleccin de los controles.
Estos ltimos debern representar de manera adecuada a los miembros de la poblacin
base que no desarrollaron el evento en estudio, pero que de haberlo desarrollado se
podran haber seleccionado como caso.
Conceptualmente, el diseo de caso y control se basa en la identificacin de los casos

incidentes en una determinada poblacin durante un perodo de observacin definido,

tal y como se lleva a cabo en los estudios de cohorte. La diferencia con la cohorte
radica en que en el diseo de caso y control se identifica la cohorte (poblacin base),
se identifica a los casos y se obtiene una muestra representativa de los individuos de
esa cohorte (poblacin base) que no desarrollaron el evento en estudio; esto ltimo
tiene el propsito de estimar la proporcin de individuos expuestos y no expuestos en
la cohorte o poblacin base, evitando de esta manera la necesidad de determinar la
presencia de la exposicin en todos los miembros de la poblacin o cohorte en estudio.
De esta manera se reduce el costo de seguimiento de una cohorte completa a travs
de un perodo prolongado de tiempo y por otro lado disminuye el tiempo necesario
para realizar el estudio.
La principal diferencia entre el diseo de cohorte y de casos y controles se encuentra
en la seleccin de los sujetos de estudio. Mientras que en el diseo de cohorte se parte
de un grupo de individuos inicialmente libres del evento en estudio, el cual se sigue en
el tiempo con el fin de registrar la ocurrencia del evento, en el diseo de casos y
controles se selecciona a los sujetos en funcin de la presencia o ausencia de la
enfermedad o evento en estudio, es decir se parte del efecto en busca de la posible
causa, motivo por el cual este diseo es susceptible a diferentes errores o sesgos en su
interpretacin.
Otra limitacin es que, en general, no se puede estimar de manera directa las medidas
de incidencia o prevalencia que tradicionalmente se obtienen en los estudios de
cohorte o transversales.
3.2. Definicin de caso
Para la definicin de caso es esencial tener criterios precisos con el fin de conseguir un
grupo lo ms homogneo posible desde el punto de vista diagnstico. Para ello se
recomienda utilizar documentacin objetiva que asegure que los casos realmente
padecen la enfermedad, por ejemplo en el caso de cncer se recomienda solicitar un
diagnstico confirmado por histopatologa. De modo contrario, si el investigador incluye
como casos a personas no confirmadas, se corre el riesgo de diluir el grupo de casos
con algunos no casos, disminuyendo la posibilidad de encontrar una diferencia real en
la prevalencia a la exposicin entre casos y controles. Lo contrario puede ocurrir
cuando se incorpora slo formas graves del proceso en estudio lo que impide que los
casos que no hayan evolucionado a formas graves puedan ser estudiados (baja
sensibilidad, alta especificidad). En ambos casos se producir un sesgo en la
estimacin del riesgo. Al asegurar que los casos sean un grupo relativamente
homogneo, se aumenta la posibilidad de detectar relaciones etiolgicas importantes.
Seleccin de casos
Existen diferentes alternativas para la seleccin de casos, stos pueden ser casos
prevalentes o incidentes. Lo ideal es incluir a los casos incidentes, es decir todos los
casos nuevos que aparecen en una poblacin base dentro de un perodo de tiempo
establecido. Los casos prevalentes corresponden a todos los casos existentes (nuevos
y anteriores) en una poblacin en un perodo de tiempo breve.
El uso de casos incidentes presenta varias ventajas en comparacin con el uso de
casos prevalentes: a) disminucin del sesgo de memoria porque el sujeto puede

recordar mejor la experiencia pasada por ser ms reciente; b) la supervivencia del

enfermo no est condicionada por los factores de riesgo como pudiera ocurrir en los
casos prevalentes; y c) es menos probable que los casos incidentes hayan modificado
la exposicin al factor de riesgo como resultado de la enfermedad.
El principal inconveniente de utilizar una serie de casos prevalentes es que los
pacientes con duracin prolongada de la enfermedad tienden a estar sobre
representados ya que todos aquellos con una corta duracin desaparecen del conjunto
de casos prevalentes por recuperacin o muerte. Por otro lado la supervivencia de los
casos prevalentes puede estar ligada a un determinado factor y si este factor est
presente con mayor frecuencia en los casos que en los controles, se le puede atribuir
errneamente el papel causal en la etiologa de la enfermedad.
Finalmente la utilizacin conjunta de casos incidentes y prevalentes resta
homogeneidad a la definicin de caso, dado que es bastante probable que los criterios
diagnsticos cambien con el tiempo.
Los casos prevalentes pueden ser incluidos cuando no se dispone de casos nuevos
porque la enfermedad es muy rara y tiene baja letalidad, y cuando la exposicin no
modifica el curso clnico (sobrevida) de la enfermedad, como es el caso de
enfermedades de predisposicin gentica.
Fuente de casos
Los casos de un estudio de casos y controles provienen principalmente de dos fuentes:
hospitales, en cuyo caso se incluyen todos los casos que hayan sido tratados en un
determinado centro hospitalario durante un perodo determinado de tiempo (base
secundaria del estudio), y los casos basados en la poblacin, que corresponde a todos
los casos que provienen de una poblacin claramente definida, como un pas o una
ciudad, durante un perodo determinado de tiempo (base primaria del estudio).
La obtencin de casos a partir de una base primaria ofrece mayores dificultades ya que
se requiere disponer de una serie de mecanismos que garanticen una cobertura
adecuada de toda la poblacin base (por ejemplo, registros de cncer). La obtencin
de casos a partir de una fuente secundaria es ms utilizada debido a su mayor facilidad
logstica y a su menor costo.
3.3. Seleccin de los controles
El grupo control debe ser una muestra representativa de la poblacin base de la que
surgieron los casos. Por el contrario la poblacin base del estudio no necesita ser
representativa de ninguna otra poblacin. Los controles en un estudio de caso y control
se utilizan fundamentalmente para estimar la proporcin de individuos expuestos y no
expuestos en la poblacin base que da origen a los casos. Por esta razn, los
procedimientos para la seleccin de los controles quedarn definidos en la medida que
se expliciten claramente los criterios de seleccin de los casos, as como de la
poblacin de donde se originan stos. Generalmente, el grupo control ms apropiado
corresponde a la subpoblacin de individuos que est en riesgo de desarrollar el evento
en estudio y de los cuales se puede asegurar, con relativa certeza, que en el caso
terico de que desarrollaran el evento o enfermedad en estudio quedaran incluidos en
el grupo de casos. Cuando los casos se obtienen de una poblacin claramente definida

en tiempo, espacio y lugar, y stos constituyen una muestra representativa de los

eventos en estudio, la seleccin de controles se puede realizar mediante un muestreo
aleatorio simple de la poblacin base.
Otra condicin en la seleccin de los controles es que stos deben ser seleccionados
independientemente de su condicin de expuestos o no expuestos para garantizar que
representen adecuadamente a la poblacin base. Esto se logra siempre y cuando la
condicin de exposicin no determine la posibilidad de que un individuo sea o no
incluido en el estudio como control. Si un control tiene mayor posibilidad de ser
seleccionado por estar expuesto, la estimacin del riesgo estar sesgada hacia el valor
nulo.
La probabilidad de seleccin para los controles debe ser proporcional al tiempo que el
sujeto permaneci elegible para desarrollar el evento o enfermedad en estudio. Una
manera de operacionalizar este concepto es seleccionando un control del grupo de
individuos elegibles cada vez que se selecciona un caso; esto se conoce como seleccin
por grupo en riesgo. En teora, utilizando este esquema de seleccin se asegura que
los controles estn en riesgo de desarrollar el evento en el momento en que son
seleccionados.
Al seleccionar al grupo control se espera que stos sean similares al grupo de casos en
lo que se refiere a otras variables que pudieran ser factores de riesgo para el desarrollo
del evento y al mismo tiempo estar asociados con la exposicin. Para controlar estas
variables conocidas como confusoras se puede utilizar un esquema de seleccin que
implica que los controles adems de cumplir el criterio de estar en riesgo debern
cumplir el criterio de ser del mismo gnero y grupo de edad.
Otro aspecto importante es que la medicin de variables debe ser comparable entre los
casos y los controles. Todos los procedimientos para medir la exposicin o los factores
de confusin potenciales deben ser aplicados, reportados y registrados de la misma
manera en casos y controles.
Fuentes para la seleccin de los controles
En un estudio caso-control basado en la poblacin, los controles deben elegirse
aleatoriamente entre los miembros sin la enfermedad de la misma poblacin base
(control poblacional). Por ejemplo si se eligen casos nuevos de cncer pulmonar
diagnosticados en la zona de cobertura de un registro regional de cncer, los controles
para estos casos se tomaran correctamente de la poblacin de la misma zona en los
mismos grupos de sexo y edad.
Tambin se puede utilizar controles hospitalarios, es decir sujetos que acuden al mismo
hospital donde se realiz la seleccin de los casos, pero por un padecimiento diferente.
La principal limitacin de este grupo control es que los investigadores raramente
pueden estar seguros de que la exposicin no est relacionada con la enfermedad o el
motivo de hospitalizacin. Por ello se necesita utilizar una variedad de diagnsticos
posibles cuando se decide utilizar este tipo de controles, esto con el fin de eliminar
sesgos de seleccin ocasionados al atenuar los efectos de incluir un grupo diagnstico
especfico que puede estar relacionado con la exposicin en estudio. Es decir, es
probable que al padecer algn tipo de enfermedad difieran de los individuos sanos en
una serie de factores que tienen relacin con el proceso de enfermar, como pueden ser

mayor prevalencia en el consumo de tabaco, alcohol o deficientes hbitos dietticos, y

estos factores pueden estar relacionados directa o indirectamente con la exposicin en
estudio. Una forma de limitar este problema es restringir los controles a aquellas
enfermedades que no guardan relacin con la exposicin de inters.
El uso de controles hospitalarios tiene la ventaja de que existen muchos factores de
seleccin que llevan a las personas a los hospitales (nivel socioeconmico, zona de
residencia, etc.) y eligiendo controles del mismo conjunto de pacientes del que
proceden los casos, se reduce el potencial efecto de estos factores. Como estos
pacientes tambin han experimentado un diagnstico de enfermedad y una
hospitalizacin, se asemejan a los casos en lo que respecta a su disposicin a
proporcionar informacin completa y exacta.
Algunos estudios utilizan mltiples controles de una misma base poblacional (dos o
ms controles por cada caso) para incrementar el poder de estudio. Se acepta que se
gana incremento en el poder solamente hasta un ndice de un caso por cada cuatro
controles. Tambin se puede utilizar mltiples controles de diferentes tipos.
Apareamiento
El apareamiento es el proceso mediante el cual se selecciona a los controles
considerando que stos tengan caractersticas similares a los casos con respecto a una
o ms posibles variables confundentes tales como sexo, edad y condicin
socioeconmica. Este procedimiento de reclutamiento de los controles tiene como
ventajas aumentar la eficiencia estadstica, y disminuir el sesgo asociado a factores de
confusin conocidos.
Dentro de las desventajas de parear en un estudio de casos y controles se encuentra la
de no poder analizar el posible efecto de riesgo de una variable de pareamiento,
porque, por definicin, son iguales para casos y controles. Asimismo, otra posible
desventaja es la de sobrepareamiento, que consiste en reduccin de la eficiencia del
estudio, y se genera porque se parea por una variable que es una condicin intermedia
en el camino causal entre exposicin y enfermedad.
3.4. Sesgos
El problema potencial ms grave en los estudios caso-control es que los mtodos
utilizados para seleccionar a los casos y los controles pueden producir grupos que no
sean comparables, introduciendo sesgos que disminuirn la validez de los resultados
obtenidos.
Este diseo es particularmente vulnerable a los sesgos de seleccin, por lo que se
recomienda trabajar con casos incidentes y evitar que la exposicin o variables
asociadas a sta condicionen la participacin en el estudio, ya sea como caso o como
control, de lo contrario se puede obtener una sobre o subestimacin de la asociacin
real entre la exposicin y la enfermedad. La baja tasa de participacin tambin puede
introducir un sesgo si los participantes ms expuestos hubieran sido ms o menos
propensos a participar en el estudio.
Como fue mencionado con anterioridad, el uso de controles prevalentes tambin

constituye un sesgo de seleccin ya que estos sujetos representan a los pacientes que
sobrevivieron hasta el momento en que se inicia la investigacin y, en general, en este
grupo hay alta proporcin de sujetos que cursaron con la forma ms benigna de la
enfermedad. En este caso si la exposicin estuviese asociada con la enfermedad y
tambin con la sobrevida, el uso de casos prevalentes podra conducir a conclusiones
errneas sobre la relacin entre exposicin y enfermedad.
Otro sesgo frecuente en los diseos de caso-control es el sesgo de medicin debido a
que normalmente es difcil obtener mediciones exactas de exposiciones en el pasado y
el grado de exactitud de estas mediciones puede ser diferente para casos y controles.
Es importante minimizar estas diferencias. Una forma de determinar la presencia de
diferencia en la memoria de casos y controles es la utilizacin de fuentes de
informacin independientes como el uso de registros para comparar las historias de
exposicin obtenidas de los casos y controles.
Otro tipo de sesgo conocido como sesgo del entrevistador se puede producir cuando
los entrevistadores conocen la condicin de caso y control, lo que puede conducir a que
la entrevista se realice de manera diferencial entre los grupos, induciendo respuestas
positivas sobre la exposicin preferencialmente en el grupo de casos.
3.5. Anlisis e interpretacin
La medida de asociacin que se utiliza en los estudios de caso y control para evaluar la
fuerza de asociacin entre el factor en estudio y el evento se conoce como odds ratio
(OR). Esta medida indica la frecuencia relativa de la exposicin entre los casos y los
controles, es decir, casos expuestos sobre los no expuestos (odds de exposicin en los
casos, a/n1/c/n1=a/c) dividido por los controles expuestos entre los no expuestos
(odds de exposicin en los controles, b/n0/d/n0=b/d).
Casos

Controles

Total

Expuestos

m1

No expuestos

m0

Total

n1

n0

El cociente entre el odds de exposicin de los casos y el odds de exposicin de los

controles corresponde al odds ratio de exposicin.
A diferencia de los estudios de cohorte, en los estudios de casos y controles no se
puede estimar directamente la incidencia de la enfermedad en los expuestos y no
expuestos, ya que los individuos son seleccionados con base en la presencia o ausencia
del evento de estudio y no por el estatus de exposicin (a excepcin de algunas
variantes del estudio de caso-control que son los estudios anidados y de caso-cohorte).
Sin embargo, cuando la frecuencia de la enfermedad es baja, el odds ratio puede ser
un estimador no sesgado de la razn de tasas de incidencia o del riesgo relativo.
El odds ratio obtenido en un estudio caso-control indica cuantas veces es mayor (o
menor si la exposicin acta como un factor protector) la probabilidad de que los casos
hayan estados expuestos al factor en estudio en comparacin con los controles. Su
valor oscila entre 0 e infinito, un OR=1 significa que la exposicin estudiada no se

asocia con la enfermedad; si el OR es menor de uno, la exposicin disminuye la

posibilidad de desarrollar el evento; y si el OR es mayor de uno, significa que la
exposicin aumenta la posibilidad de desarrollar el evento.
Una vez calculado el odds ratio que es una estimacin puntual de la magnitud de
asociacin entre un determinado factor y una enfermedad, es necesario calcular una
medida de la variabilidad de esta estimacin, es decir, un intervalo de confianza.
Cuando ms amplio es el intervalo de confianza menor es la precisin de la estimacin.
La interpretacin habitual indica que el intervalo de confianza calculado a partir de un
determinado estudio tiene una probabilidad del 95% de contener el verdadero valor de
la asociacin (el valor obtenido si se hubiera estudiado a toda la poblacin). Un
intervalo de confianza que incluye el valor 1 indica que la asociacin no es significativa
y que el verdadero valor del OR en el universo podra estar sobre o bajo el valor de no
asociacin (1).
Ventajas

Debido al menor tamao de muestra requerido respecto el diseo de cohorte,

ste diseo es ms econmico en trmino de recursos y tiempo.
Casos y controles es el diseo ms adecuado para enfermedades con largo
perodo de induccin. La eleccin de un diseo prospectivo no resultara
eficiente ya que para detectar los casos se tendra que seguir durante un largo
perodo a la poblacin completa.
Con este diseo se puede evaluar simultneamente la exposicin a mltiples
factores etiolgicos a diferencia del diseo de cohorte en que generalmente se
evala la exposicin a un slo factor.

Desventajas

Este diseo es ms susceptible a sesgos que otros diseos, por ejemplo al

sesgo de informacin. Sin embargo esta posibilidad disminuye si el estudio
considera el uso de datos recolectados con anterioridad a la ocurrencia de la
enfermedad como sera el caso de registros de exposicin ocupacional.
El riesgo o la incidencia de la enfermedad no se puede medir directamente.

4. Referencias bibliogrficas

Lazcano Ponce E y col. Estudios epidemiolgicos de casos y controles.

Fundamento terico, variantes y aplicaciones. Salud Pub Mex. 2001. 43 (2):
135-150.

Pidrola Gil. Medicina Preventiva y Salud Pblica. 10 Edicin. Editorial Masson.

2002.

Rothman KJ, Greenland S. Modern Epidemiology. 2a. edition. Lippincott-Raven.

1998.

Checkoway H, Pearce N, Kriebel D. Research Methods in Occupational

Epidemiology. Second Edition. Oxford University Press. 2004.

Mdulo 9:
Diseo Transversal

1. Objetivos:
1. Reconocer las ventajas y limitaciones del diseo de prevalencia y transversal
2. Identificar tipos de muestreo utilizados en la seleccin de los participantes
3. Identificar sesgos ms comunes del diseo transversal
4. Calcular e interpretar las medidas de riesgo relacionadas con este diseo y su
intervalo de confianza

2. Trminos claves:
Muestra, confiabilidad, validez, estudio piloto, razn de prevalencias.

3. Desarrollo del mdulo

3.1. Introduccin
Los estudios transversales son diseos observacionales de base individual que suelen
tener un doble componente descriptivo y analtico. Cuando predomina el primer
componente se habla de estudios transversales descriptivos o de prevalencia, cuya
finalidad es el estudio de la frecuencia y distribucin de eventos de salud y
enfermedad. El objetivo de este diseo es medir una o ms caractersticas o
enfermedades en un momento dado de tiempo; por ejemplo: prevalencia de
accidentes laborales; nmero de cursos de capacitacin realizados por trabajador;
prevalencia de disfona en profesores; nivel de satisfaccin de los usuarios de un
servicio; prevalencia de consumo de cigarrillo en la empresa, prevalencia de obesidad,
etc.
A travs de este diseo se puede identificar los elementos bsicos en epidemiologa:
persona (trabajador), lugar (ambiente laboral), tiempo (antigedad a la exposicin)
y caractersticas relativas al agente (factor de riesgo) relacionados con el evento (Tabla
1).
Tabla1: Identificacin del patrn de ocurrencia del evento
Elemento de
Estudio
Persona

Aspectos
considerados

Tasas de Mortalidad o Morbilidad ms

altas se presentan en:

Sexo

Hombres o mujeres?

Edad

Un grupo de edad ms que otros?

Antigedad
laboral

Influye o no el tiempo en el trabajo?

Raza

En que raza es ms relevante?

Actividad

En que determinado trabajo es ms

relevante?
Existen grupos que realizan actividades
similares?

Condiciones
fisiopatolgicas

Quines presentan antecedentes

patolgicos?

Lugar

Tiempo

Agente

Hbitos

Quines fuman?,
Tipo de alimentacin?,
Practican algn deporte?

Residencia

Urbano o rural?

Origen o
procedencia

Quines ocupan el mismo puesto laboral?

Estancia

Quines viven en zonas comunitarias

similares?

Caractersticas
ambientales

Difieren las caractersticas del lugar de

trabajo?
Difieren las caractersticas del lugar de
vivienda?

Tendencia

Exposiciones ms recientes?
Aumento o disminucin?

Fluctuaciones

Perodo o poca?

Duracin

Perodos de exposicin breves o largos?

Emisin

Los expuestos a las mayores emisiones?

Depsito

Los expuestos de manera prolongada a

determinadas concentraciones?

Caractersticas
txicas

Los expuestos a las sustancias ms

txicas?

Emisin

Los expuestos a las mayores emisiones?

Depsito

Los expuestos de manera prolongada a

determinadas concentraciones?

Caractersticas
txicas

Los expuestos a las sustancias ms

txicas?

El diseo de prevalencia es de gran utilidad por su capacidad para generar hiptesis de

investigacin, estimar la prevalencia de eventos de salud o enfermedad (es decir, la
proporcin de individuos que sufre el evento en una poblacin en un momento
determinado), as como identificar posibles factores de riesgo para algunas
enfermedades.
El diseo transversal adems de estimar la prevalencia de un evento en salud, se
utiliza para investigar la asociacin entre una determinada exposicin y una
enfermedad. En este ltimo caso se conocen como estudios transversales analticos.
Una diferencia bsica entre ambos es que en el diseo transversal la variable resultado
(enfermedad o condicin de salud) y las variables de exposicin (caractersticas de los
sujetos como hbito de fumar, edad, sexo, nivel socioeconmico) se miden en un
mismo momento. Como ejemplos se tiene el anlisis de la relacin entre stress
(evento) y la condicin socioeconmica (exposicin); la relacin entre actividad fsica
(exposicin) y obesidad (evento); hipertensin arterial (evento) y el nivel
socioeconmico (exposicin), y la relacin ruido (exposicin) e infarto agudo al
miocardio (evento).
A diferencia de los estudios de cohorte, en los cuales se realiza el seguimiento de
sujetos expuestos y la ocurrencia de eventos nuevos por un perodo determinado de

tiempo, en el diseo transversal se obtiene la medicin de la exposicin y evento de

inters en los sujetos de estudio en un momento dado. Por este motivo, no es posible
determinar si el factor de exposicin en estudio precedi al efecto, salvo en el caso de
exposiciones que no cambian con el tiempo. Su limitacin para establecer causalidad
entre exposicin y efecto, se compensa por su flexibilidad para explorar asociaciones
entre mltiples exposiciones y mltiples efectos.
El diseo transversal es til para estudiar enfermedades de larga duracin, como es el
caso de enfermedades crnicas. Este diseo no es adecuado para el estudio de
enfermedades (o exposiciones) que se presentan con poca frecuencia en una poblacin
(enfermedades raras o con baja prevalencia) o que son de corta duracin, debido a
que slo captaran informacin sobre un nmero reducido de individuos que las
padezcan. A pesar de sus limitaciones, el diseo transversal es muy utilizado, ya que
su costo es relativamente inferior al de otros diseos epidemiolgicos, como los
estudios de cohorte, y proporcionan informacin importante y en forma rpida para la
planificacin y administracin de los servicios de salud.
3.2. Poblacin y muestra
Se define como poblacin base del estudio aquella a la que el estudio hace referencia
por ejemplo trabajadores de una determinada empresa, mujeres trabajadoras del agro,
recin nacidos, hijos de madres fumadoras, etc. En la mayora de los estudios no se
obtiene informacin de todos los sujetos que integran la poblacin bajo estudio, sino
sobre un grupo de ellos llamado muestra. La muestra seleccionada debe reflejar las
caractersticas de la poblacin base que se busca estudiar; por ejemplo, si se quiere
determinar la prevalencia de obesidad en una empresa y los factores de riesgo
asociados, se debe incluir sujetos provenientes de todos los sitios de trabajo (gerencia,
ejecutivos, administrativos, etc). Si al investigador le interesa estudiar caractersticas
de algn subgrupo especfico de la poblacin, en ese caso se puede aumentar la
proporcin de sujetos en la muestra que pertenecen a ese subgrupo.
3.3. Clculo del tamao de muestra
Para determinar el tamao de muestra el investigador necesita fijar algunos criterios y,
adems conocer ciertos datos de la poblacin. Los criterios que el mismo fija son: el
nivel de significancia estadstica, cuyo valor mayormente aceptado es 95%; la
precisin (d), es decir, en cuanto acepta que difiera el porcentaje de la muestra del P
del Universo, en otras palabras cual es la amplitud del intervalo que l est dispuesto a
aceptar para el parmetro. Finalmente se requiere tener una idea acerca de la
prevalencia de la caracterstica en la poblacin o de la varianza si se trata de alguna
medicin de tipo cuantitativo. La seguridad (nivel de significancia) y la precisin
compiten entre s, por lo que debe llegarse a una combinacin aceptable que asegure
que el tamao de muestra sea factible de estudiar desde el punto de vista de los
recursos y del tiempo disponible.
La frmula general es:

Donde:
n = tamao de muestra
z = es el valor de la desviacin normal, igual a 1.96 para un nivel de significacin del
5%
P = Prevalencia de la caracterstica en la poblacin
Q=1P
d = precisin (en cuanto se aleja la muestra del verdadero porcentaje del universo.
Suponiendo que se desea estimar la prevalencia de obesidad en la poblacin, con una
confianza del 95% y una precisin de 5%. Basndose en la informacin disponible en
otros estudios, se estima que P = 25%. Reemplazando en la formula se obtiene:

Esto significa que necesitamos una muestra de 288 personas para estimar con un 95%
de confianza la prevalencia de obesidad, no alejndose ms del 5% del verdadero
porcentaje del universo.
En la siguiente tabla se muestran diferentes tamaos muestrales necesarios para que
el intervalo de confianza al 95% incluya la verdadera prevalencia, en dos escenarios de
precisin del estudio.

Prevalencia

Tamao de la muestra
Precisin
10%

Precisin
5%

10

19

73

20

62

246

30

80

323

40

92

368

50

96

385

El tamao de muestra se calcula de tal forma que permita estimar, con un determinado
poder y nivel de confianza, la prevalencia de alguna enfermedad o alguna caracterstica
de la poblacin. Un tamao de muestra pequeo no permitir que el estudio tenga el
poder suficiente para encontrar asociaciones significativas entre las variables de
exposicin y resultado, y un tamao excesivo ocasionar gasto innecesario de recursos
y tiempo.
3.4. Mtodos de muestreo
Una vez determinado el tamao de muestra es necesario identificar el mtodo que se
utilizar para seleccionar a los participantes. Para ello existen diversos mtodos de

muestreo:
a) Muestreo aleatorio simple (MAS): se denomina muestreo aleatorio simple a un
mtodo para seleccionar n unidades de las N unidades del universo, de modo que cada
una de las muestras posibles de tamao n tienen la misma posibilidad de ser
seleccionada. Supongamos que una empresa con oficinas en varias regiones del pas
desea hacer un estudio sobre la prevalencia de obesidad y los factores de riesgo
asociados. Se ha determinado que la poblacin base es de 6000 personas y el tamao
de muestra requerido es de 300 individuos. Para seleccionar la muestra es necesario
contar con un marco muestral, es decir una lista completa de las unidades de
muestreo. Una alternativa simple es hacer una ficha con los 6000 nombres, meter las
fichas en una bolsa y sacar las 300 fichas necesarias sin reemplazo. Otra alternativa es
armar una base de datos con los 6000 sujetos y utilizando un paquete estadstico
adecuado solicitarle una muestra del tamao requerido.
La probabilidad de seleccin en cada unidad est dada por la expresin:

Denominada fraccin de muestreo, donde n representa el tamao de la muestra y N, el

tamao del universo.
Ventajas: Todos los elementos tienen igual probabilidad de ser elegidos y los clculos
matemticos son sencillos.
Desventajas: Se requiere un marco muestral completo y detallado; la muestra puede
quedar muy dispersa y puede ser necesario visitar una regin por un solo elemento.
b) Muestreo sistemtico (MS): es un procedimiento especialmente til cuando los
elementos del universo estn ordenados de alguna manera: archivos de fichas clnicas,
listas de alumnos, etc. Este mtodo se caracteriza por la seleccin de unidades
tomando una de cada k unidades, siendo k el espaciamiento de muestreo dado por la
expresin:

Donde N corresponde al tamao de la poblacin y n al tamao de la muestra. El

procedimiento consiste en tomar un nmero en forma aleatoria dentro de las k
primeras unidades. A esta primera unidad de muestreo seleccionada se denomina
unidad de arranque. Para seleccionar las siguientes unidades que formarn la muestra,
se le suma a la unidad de arranque k, 2k, 3k, etc., hasta obtener el tamao de
muestra deseado.
En nuestro ejemplo el espaciamiento de muestreo estara dado por k = 6000 / 300 es
igual a 20. Por lo tanto elegimos un nmero en forma aleatoria entre 1 y 20.
Supongamos que el nmero elegido fue 5, a esa unidad de arranque (5) se le suma el

intervalo de muestreo (20) entonces la muestra queda constituida por las unidades 5,
25, 45, 65, etc procedindose de igual forma para el resto de las unidades
seleccionadas.
Ventajas: rpido y sencillo; garantiza la distribucin de la muestra; no necesita
numeracin de las unidades, slo un ordenamiento fsico que permita el recuento
Desventajas: No sirve si hay un ordenamiento en el marco muestral o si se presenta
algn comportamiento peridico, por ejemplo que cada 10 nmeros impares se
registre un gerente.
c) Muestreo aleatorio estratificado (MAE): consiste en clasificar a todos los
elementos de la poblacin en grupos (estratos) y seleccionar luego en cada grupo, una
muestra aleatoria simple, tomando al menos un elemento de cada grupo. Los estratos
pueden reflejar distintos grupos de edad, regiones geogrficas, sexo, diferente grado
de exposicin, etc. En nuestro ejemplo, se pueden formar estratos de acuerdo al cargo
u ocupacin en la empresa, por ejemplo gerencia, personal administrativo y personal
de terreno. En caso que los estratos sean de diferente tamao se puede utilizar el
siguiente procedimiento para seleccionar la muestra.
Universo

Gerencia

100

1,7

Administrativos

900

15

45

Trabajadores

5000

83,3

250

TOTAL

6000

100

300

El porcentaje con el que contribuye cada estrato al total del universo, se aplica al
tamao de la muestra calculado n y ese es el nmero de elementos que debe tomarse
de cada estrato.
Ventajas: la estimacin de los parmetros puede tener un menor error que el obtenido
para una muestra aleatoria simple de tamao comparable; asegura la participacin de
todos los estratos.
Desventajas: se requiere un marco muestral detallado por estrato, mayor complejidad
de los clculos.
d) Muestreo de Conglomerados (MC): En este tipo de muestreo las unidades de
muestreo son agrupaciones tales como escuelas, fbricas, manzanas, llamadas
conglomerados. En nuestro ejemplo los conglomerados seran las oficinas de la
empresa distribuidas en varias regiones del pas. En trminos generales la
caracterstica que define un conglomerado es su proximidad geogrfica, al reunir varios
elementos en una misma rea. Un conglomerado no implica necesariamente la
homogeneidad que se requiere en el estrato y representa ms bien una facilidad
operativa. De hecho se busca que sean heterogneos al interior de cada conglomerado
y homogneos entre s.
Ventajas: la principal ventaja del muestreo por conglomerados es de ndole econmica,

pues permite obtener los datos sin necesidad de grandes desplazamientos en el

terreno.
3.5. Sesgos ms comunes en los estudios de diseo transversal
Se conoce como sesgo a cualquier desviacin que pueda conducir a conclusiones que
son sistemticamente diferentes de la verdad. Estos sesgos se pueden producir
durante el proceso de elaboracin del proyecto (sesgo de seleccin de los
participantes), durante la recoleccin de la informacin (sesgo de informacin), o bien
durante el anlisis. Algunos de los sesgos ms comunes en el diseo transversal son:
a) Muestreo con sesgo de duracin: este sesgo ocurre debido a que en el estudio
de diseo transversal generalmente se sobrerrepresenta a los casos con larga duracin
de la enfermedad y se subrepresenta aqullos de corta duracin. Por ejemplo, una
persona con enfermedad crnica tiene mayor posibilidad de ser incluida en un estudio
que una persona que se enferma y recupera rpidamente quien difcilmente ser
incluida en el grupo prevalente.
b) Sesgo de informacin: sesgo que puede ocurrir debido al cambio en el nivel de
exposicin a travs del tiempo, por ejemplo un trabajador que se registra como no
expuesto en el momento que se realiza el estudio, sin embargo 5 o 10 aos atrs
trabajaba en el sitio de mayor exposicin. Tambin es importante considerar que si la
exposicin produce enfermedad leve y de larga duracin aun cuando no produzca
riesgo de enfermar la frecuencia de exposicin ser elevada en los casos y, por lo
tanto, de aparente mayor riesgo. En cambio, si la exposicin produce una alta letalidad
de la enfermedad, entonces la frecuencia de exposicin ser muy baja entre los casos
y la asociacin exposicin-enfermedad puede resultar negativa, an cuando en realidad
la exposicin no resulte en menor riesgo de enfermar.
c) Sesgo de seleccin: aquel que se produce al momento de reclutar a los
participantes del estudio. Por ejemplo si aquellos individuos que aceptan participar en
el estudio presentan una menor o mayor exposicin, o menor o mayor enfermedad en
comparacin con la poblacin base, entonces los resultados obtenidos no sern vlidos.
Una de las estrategias para tratar de evitar este sesgo es realizar un muestreo
probabilstico o aleatorio en el que todos los individuos que conforman la poblacin
bajo estudio tengan la misma probabilidad de ser incluidos en el estudio.
d) Sesgo de informacin: sucede cuando la recoleccin de la informacin no ocurre
de igual manera para todos los participantes, por ejemplo si para el diagnstico de una
enfermedad se utilizan diferentes mtodos entre los participantes. Tambin ocurre
sesgo de informacin cuando los datos recolectados son poco verdicos o incompletos o
cuando los individuos seleccionados para el estudio rechazan participar, lo cual se
puede relacionar con caractersticas de inters que hagan que la poblacin participante
sea diferente a la no participante. Esto afectar la estimacin de prevalencia o de
asociacin entre exposicin y efecto y afectar la validez del estudio. Por este motivo
es necesario conocer las razones de no participacin o no respuesta y las
caractersticas de los sujetos no participantes, para saber si se trata de valores
perdidos al azar o de manera sistemtica y cmo esto afecta las mediciones.
e) Sesgo de memoria: cuando se hacen preguntas sobre exposiciones o eventos
pasados, aquellas personas que han sufrido una experiencia traumtica (enfermedad,

aborto, accidente) tienden a recordar las exposiciones con ms detalle que quienes no
tuvieron dicha experiencia.
La ausencia de sesgos en la seleccin de los sujetos de estudio y en la medicin de las
variables en la poblacin en estudio se conoce como validez interna; esto significa que
los resultados obtenidos son ciertos para la poblacin o muestra estudiada. Si la
muestra es representativa de la poblacin base, esto aumentar la validez externa del
estudio; esto es, la posibilidad de inferir dichos resultados a la poblacin base de la
cual se obtuvo la muestra, as como a poblaciones similares.
3.6. Recoleccin de la informacin
Una vez definida la poblacin y muestra, as como las variables que se investigarn es
necesario definir los instrumentos que se emplearn para recolectar la informacin. La
variable resultado pueden ser medida a partir de: cuestionarios, fichas clnicas,
exmenes de laboratorio, certificados de defuncin, etc; mientras que las variables de
exposicin pueden obtenerse a partir de: cuestionarios, registros ocupacionales, uso de
biomarcadores, informacin proveniente de otras instituciones, por ejemplo las
encargadas de fiscalizar la calidad del agua, aire, etc.
En el mbito ocupacional generalmente existen registros que contienen informacin
general tal como edad, sexo, ao de ingreso a la empresa, sitios de trabajo, etc y
fichas mdicas donde se registran exmenes peridicos, hbito de fumar, etc. En estos
casos puede ser necesario elaborar una ficha de recoleccin de tal informacin.
Otro mtodo muy utilizado son los cuestionarios. En este caso, si las preguntas son
elaboradas con fines del estudio, stas deben estar adaptadas a la poblacin objetivo.
El lenguaje utilizado para las preguntas debe ser fcilmente entendido por la persona
que responde. Antes de aplicar el cuestionario, se debe evaluar la confiabilidad
(capacidad del instrumento para dar resultados similares en distintos momentos del
tiempo) y la validez (capacidad del instrumento para medir la variable que realmente
desea medir). Ambas caractersticas pueden ser evaluadas a travs de un estudio
piloto.
Tambin se pueden utilizar cuestionarios que ya han sido validados en el medio local.
La principal ventaja de usar escalas validadas es que posteriormente se puede
comparar la informacin obtenida con otros estudios.
En todos los casos (cuestionarios elaborados con fines del estudio, cuestionarios
previamente validados o tambin en el caso de las fichas de recoleccin de
informacin) es necesario realizar una prueba piloto de los instrumentos de recoleccin
de informacin. Esta prueba, llevada a cabo con una submuestra de la poblacin bajo
estudio, permitir corregir problemas en el cuestionario y su procedimiento de
aplicacin.
Un aspecto muy importante una vez definido el instrumento con que se recolectar la
informacin, la confiabilidad y validez de ste, es el entrenamiento al personal de
campo que aplicar dicho instrumento. Esto con el objetivo de evitar que el
entrevistador o recolector de datos tambin sea una fuente de sesgo lo que se produce
cuando un mismo entrevistador obtiene mediciones diferentes de la caracterstica o
atributo de inters (variabilidad intraobservador), o cuando una misma medicin se

obtiene de manera diferente entre un observador y otro (variabilidad entre

observadores).
3.7. Anlisis de los datos
El anlisis de datos depende de los objetivos del estudio y de la escala de medicin de
las variables. ste se inicia con la obtencin de las estadsticas descriptivas de las
variables de inters, lo que permite conocer las caractersticas generales de la
poblacin bajo estudio. Por ejemplo, se puede conocer la frecuencia y distribucin de
edades, escolaridad, ingreso econmico, gnero, uso de servicios de salud, motivos de
consulta mdica, tabaquismo, etctera. En el caso de variables dicotmicas como
presencia o ausencia de enfermedad los datos se expresan como proporcin y en el
caso de variables continuas, como el peso y la talla, los datos se presentan como
medidas de tendencia central (media, mediana, moda) y de dispersin (rangos,
desviacin estndar, varianza, percentiles).
a) Comparacin de prevalencias: Si el objetivo del estudio es comparar
prevalencias entre grupos de exposicin, los datos pueden ser analizados a partir de
una tabla tetracrica (2x2). En esta tabla se registra en las columnas el nmero de
enfermos y no enfermos y en las filas el nmero de expuestos y no expuestos:
Enfermos

Sanos

Total

Expuestos

a+b

No expuestos

c+d

a+c

b+d

a+b+c+d

Total
Estimador:

Nmero de enfermos en la poblacin = a+c

Prevalencia de enfermedad en la poblacin = a+c /a+b+c+d
Prevalencia de enfermedad en los expuestos = a/a+b
Prevalencia de enfermedad en los no expuestos = c/c+d
Razn de prevalencias de enfermedad = (a/a+b) / (c/c+d)
La medida de efecto o asociacin puede ser expresada como:
Razn de Prevalencia: (a/a+b) / (c/c+d)

Diferencia de Prevalencias: (a/a+b) - (c/c+d)

En la razn de prevalencias el valor de uno se interpreta como igual prevalencia de
enfermedad entre expuestos y no expuestos. Un valor mayor de uno significa que la
prevalencia es mayor en los expuestos que en los no expuestos. Un valor menor a uno
significa que la prevalencia es mayor en los no expuestos que en los expuestos.
Alternativamente, se puede calcular el ODDS RATIO con la siguiente frmula:

La interpretacin del Odds Ratio es similar a la razn de prevalencias; un valor de uno

se interpreta como igual posibilidad de enfermar entre expuestos y no expuestos. Un
valor mayor de uno significa que la posibilidad de enfermar es mayor en los expuestos
que en los no expuestos. Un valor menor a uno significa que la posibilidad de enfermar
es mayor en los no expuestos que en los expuestos.
b) Comparacin de variables fisiolgicas: Adems de determinar la presencia o
ausencia de sntomas, enfermedad o muerte como variables resultado, en algunos
estudios transversales se mide como resultado variables que estn distribuidas de
manera continua como por ejemplo peso o presin arterial comparado entre dos o ms
grupos de trabajadores. Cuando se compara el valor promedio entre dos grupos la
prueba estadstica utilizada es la t-student y cuando se compara el valor promedio
entre tres o ms grupos se utiliza la tcnica de anlisis de varianza conocida como
ANOVA. Ambas tcnicas pueden ser utilizadas cuando los datos tienen una distribucin
normal, de no ser as, es necesario realizar una transformacin logartmica
previamente a la comparacin.
Conclusiones: Entre las ventajas del diseo transversal destaca que ste permite el
estudio de eventos (variable dicotmica) y efectos sobre la funcin fisiolgica
(variables continuas). Adems con este diseo se pueden estudiar simultneamente
mltiples efectos y mltiples exposiciones. Es til para el estudio de enfermedades de
alta prevalencia. Entre las debilidades de este diseo se seala que es menos
apropiado que el diseo de casos y controles o el diseo de cohorte para establecer
asociaciones causales debido a que en el diseo transversal los datos del evento y la
exposicin son medidas en el mismo momento. Una debilidad importante cuando se
estudian poblaciones ocupacionales es que en dichos estudios slo se incluye a la
poblacin activa. En estos casos la prevalencia o severidad del evento puede ser
subestimada, especialmente en enfermedades que continan el progreso despus que
la exposicin ha terminado o en aquellas que llevan a un abandono precoz de los
lugares de trabajo.

4. Referencias bibliogrficas

Rothman KJ, Greenland S. Modern epidemiology. 2nd edition: Lippincott-Raven,

1998.
Taucher E. Bioestadstica. 2 edicin. Editorial Universitaria, 1999.

Hernndez B, Velasco MHE. Encuestas transversales. Salud Pub Mex.

2000;42(5): 447-55.

Checkoway H, Pearce N, Kriebel D. Research Methods in Occupational

Epidemiology. Second Edition. Oxford University Press, 2004.

Servicios

Servicios personalizados

Articulo en PDF

Articulo en XML

Referencias del artculo

Como citar este artculo

Citado por SciELO

Similares en SciELO

Enviar articulo por email

Revista Cubana de Medicina General Integral

versin impresa ISSN 0864-2125

RevCubanaMedGenIntegrv.22n.2CiudaddeLaHabanaabr.
jun.2006

La epidemiologa ocupacional como herramienta

bsica para la salud de los trabajadores
Caristina Robaina Aguirre,1 Fermn Robaina Aguirre2 y Nelson Tamargo
Rodrguez3

Resumen
Se realiz un pequeo bosquejo del desarrollo de la Epidemiologa
como ciencia y su importancia en salud pblica en general. Se transita
por las definiciones de vieja y nueva epidemiologa, de enfermedades
crnicas, transmisibles y no transmisibles, del concepto de
epidemiologa social, etc. para posteriormente hablar de la importancia
de la Epidemiologa Ocupacional en la Salud Pblica.
Palabras clave: Epidmico, endmico, comunidad.
Las condiciones de trabajo y empleo tienen importantes consecuencias
sanitarias, tanto positivas como negativas. Esta es la base sobre la que
se levanta el concepto de trabajo como medio de apoyo para la salud.
El trabajo da satisfaccin a diversas exigencias humanas de vital
importancia, como es ganarse la vida para poder sobrevivir, la
satisfaccin personal como ser humano, y sentirse creador, productor y
contribuyente al bien comn de la sociedad. La Carta de Otawa para la
promocin sanitaria afirma que " el trabajo y el tiempo libre deberan
ser una fuente de salud para la poblacin".1
Alrededor del 45 % de la poblacin mundial y el 58 % de la poblacin
mayor de 10 aos pertenecen a la fuerza laboral global. Su trabajo
sustenta la base econmica y material de la sociedad, la cual es
crticamente dependiente de su capacidad laboral.2,3 Unos 1 800
millones trabajan en los pases en desarrollo y alrededor de 600
millones (25 %) en el mundo industrializado. Alrededor del 40 al 50 %
de la fuerza de trabajo mundial est empleada o trabaja por cuenta
propia en la produccin primaria (agricultura, selvicultura, pesca,
minas, etc.), un 20 % en el sector de la manufactura y el resto en
servicios pblicos o privados.3 La Organizacin Internacional del
Trabajo (OIT) ha planteado que cada ciudadano tiene derecho al
trabajo saludable y seguro, y a un ambiente laboral que le permita vivir

social y econmicamente una vida productiva, por lo que la Salud

Ocupacional debe velar porque estas condiciones se cumplan.2
Aparejado al desarrollo tecnolgico han surgido una serie de riesgos en
la actividad productiva que en ocasiones han provocado un deterioro
injustificado de la salud, por lo que la Salud Ocupacional es la
responsable de velar por el control y la prevencin de las
enfermedades, los accidentes y las desviaciones de la salud de los
trabajadores, as como la promocin de la salud. La Salud Ocupacional
descansa sobre la Epidemiologa , ciencia que le permite lograr estos
propsitos.
La historia de la seguridad industrial en Cuba es prcticamente la
historia de sus luchas sociales. Cabe destacar que durante la
dominacin espaola no exista, ya que los ingenios eran muy
pequeos, de maquinarias muy primitivas, y sobre todo, si tomamos
en cuenta que su fuerza de trabajo estaba compuesta de esclavos. Es a
partir de 1910 que en Cuba se adoptan una serie de medidas de
proteccin al trabajador:

En 1910 se establece jornada de trabajo para comercio y

talleres.
En 1916 se comienza a aplicar la indemnizacin por
accidente de trabajo.

En 1919 se regula el trabajo de la mujer antes y despus del

parto.

En 1921 se adopta la obligatoriedad de exmenes mdicos

de nios y jvenes a bordo de buques.

En 1940 en la Constitucin de la Repblica se ampla el

derecho del obrero.

A partir de 1959, con el triunfo revolucionario, se dictan normas bajo el

principio del bienestar social de todo el pueblo, entre las que pueden
destacarse las siguientes:

En 1962 se crea el Organismo de Direccin de Proteccin e

Higiene del Trabajo.
En 1963 se dicta la Resolucin No. 4614 que regula lo
relacionado con las enfermedades profesionales.

En 1964 se acuerdan en el Consejo de Ministros las bases

generales sobre la proteccin e higiene del trabajo.

En 1968 se dictan por la Direccin de Proteccin e Higiene

del Trabajo la regulacin de los trabajos que debe realizar o
no la mujer.

En 1977 se aprueba por la Asamblea Nacional del Poder

Popular la Ley No. 13, referida a la proteccin e higiene del
trabajo.4

En Cuba se ha contado con una fuerza laboral que fue aumentando a

partir de 1958 cuando contaba con 1 662 000 trabajadores, y de ellos
solo 194 000 era fuerza femenina. Ya en 1992 existan en Cuba 3,6
millones de trabajadores incorporados al sector estatal civil, y de ellos
1,4 millones de mujeres, que representan el 39,6 % de la fuerza
laboral.
Es importante sealar que el 1ro. de enero de 1980 se pone en vigor la
Ley 24 de Seguridad Social de 1979, campo de aplicacin que incluye a
todos los trabajadores asalariados, y cubre los riesgos de enfermedad
comn, accidente de origen comn, accidente de trabajo, enfermedad
profesional, maternidad, invalidez, vejez y muerte.5

Antecedentes histricos
La Epidemiologa ha sido definida y redefinida en mltiples ocasiones,
por lo que se habla de la Epidemiologa Vieja y Nueva, o de la
Epidemiologa de las Enfermedades Transmisibles y las No
Transmisibles.
Por qu, cmo, cundo y dnde se origin la epidemiologa6 Los
trminos "epidmico y endmico" se derivan de epidemeion y
endemeion. Hipcrates us esas palabras en la Escuela de Cos hace 2
400 aos, como medio de incorporar una perspectiva comunitaria a la
comprensin de las enfermedades. La finalidad de los trminos en
aquella poca, y su etimologa correcta, era diferenciar las
enfermedades que visitan a la comunidad el verbo epidemeion
significa "visitar" de las que residen en ella, sin el significado
agregado de una ocurrencia desusada o grave. Adems de emplear las
palabras epidmico y endmico, en su estudio Aires, aguas y lugares ,
Hipcrates se refiri a lo que hoy en da constituye la base de las
investigaciones epidemiolgicas: la distribucin de la enfermedad en
trmino de tiempo, espacio y la poblacin afectada.7
Es considerado que el primer gran adelanto con respecto a las
enfermedades no infecciosas se produjo en 1912, cuando Casimir Funk
enunci la teora de las enfermedades por "deficiencia". Esta fue la
primera teora de la enfermedad no infecciosa, y su aceptacin se
convirti en la base para el desarrollo de todo el campo de las
enfermedades de la nutricin.8 La Revolucin Francesa incorpor los
intereses de la comunidad a la organizacin social del Estado, de suerte
que personas como Guillolin o Pinel podan trabajar en favor del
pueblo. En cierto sentido la salud pblica ya exista antes. Se pudiera
argumentar que las medidas de cuarentena del siglo XIV eran medidas
de salud pblica, y el aislar a las personas enfermas se haca incluso
antes. Pero esas medidas no se haban elaborado para proteger a toda
la comunidad, solamente a parte de ella: la nobleza, el rey o los
comerciantes; su mbito era siempre muy limitado. La Revolucin
Francesa ensanch ese mbito, y de ese modo seal el comienzo de la
salud pblica para la comunidad en su conjunto.6
Los cambios en la estructura social y econmica que han ocurrido en el
mundo durante los ltimos 100 aos han tenido un efecto fundamental
en las actitudes prevalentes en Epidemiologa. De los muchos factores

que han llevado a esta situacin, 2 tienen importancia propia: el

primero es el encogimiento del mundo, que medido en trminos de la
duracin de los viajes, est hacindose ms pequeo progresivamente,
y que, cada vez ms, tiende a convertirse en un nico universo
epidemiolgico; y el segundo, es la influencia de una poblacin que
est envejeciendo, condicin que caracteriza actualmente la mayora
de las civilizaciones modernas.9
La mayor atencin y el inters principal por la Epidemiologa sigue
centrndose en las enfermedades transmisibles, lo cual no se debe solo
a su importancia predominante, puesto que realmente tienen menos
importancia relativa que algunas otras, sino principalmente a que se
les comprende mejor y desde hace ms tiempo. Por tanto, es razonable
que las enfermedades transmisibles continen siendo preocupacin
fundamental de los epidemilogos. Puede ser que la consideracin ms
importante sea que estas enfermedades ofrecen la mejor oportunidad
para familiarizarse con el mtodo epidemiolgico. En la actualidad, los
problemas ms importantes de salud de la comunidad estn
relacionados con aquellas enfermedades orgnicas que no son
transmisibles en el hombre y que no son causadas por agente
infeccioso especfico. Esto es igualmente cierto si la valoracin se basa
en otro criterio importante, como los defectos o incapacidades que
provocan.9
La Epidemiologa tambin debe tener en cuenta otros trastornos no
orgnicos, como son, los trastornos funcionales y las lesiones, pues
estas ltimas tambin estn influidas de acuerdo con las condiciones
socioeconmicas de una comunidad. En Cuba los accidentes ocuparon
el 5to lugar en las causas de muerte por todas las edades en 2004, sin
embargo, en el ao 1969 en estos primeros lugares se situaban
solamente las enfermedades infectocontagiosas y de la primera
infancia.10
Desde el punto de vista epidemiolgico, las enfermedades agudas
difieren de las crnicas en 2 aspectos principales: lo inmediato de la
respuesta y la singularidad de la observacin. Las lecciones aprendidas
de las enfermedades infecciosas, en las que el agente y el resultado
eran fcilmente accesibles para verificar las predicciones, deben ser
compartidas con aquellos epidemilogos que, en su prisa por adjuntar
una causa, suelen abandonar el buen juicio biolgico en favor de una
ideologa cuantitativa. Muchas preguntas sin respuesta en el campo de
la epidemiologa de las enfermedades agudas infecciosas necesitan ser
abordadas, empleando aquellas tcnicas atribuidas en la actualidad a la
epidemiologa de las enfermedades crnicas y enseadas
conjuntamente con ella. Los epidemilogos de enfermedades agudas y
crnicas no son especies distintas e independientes, as como tampoco
las enfermedades agudas pueden ser ntidamente separadas de las
crnicas.11
A pesar que desde 1912 se produce el primer adelanto con respecto a
las enfermedades no infecciosas cuando Casimir Funk enunci la teora
de la enfermedad por "deficiencia", no hubo epidemiologa de las
enfermedades no infecciosas de importancia significativa hasta despus
de que se obtuvieran algunos xitos; por ejemplo, hasta que se
descubri la relacin entre el fumar cigarrillos y el cncer del pulmn y

se demostraron los factores de riesgo para contraer enfermedades

coronarias. En 1950, con el desarrollo de las enfermedades
degenerativas y neoplsicas, comienza el desarrollo de la Epidemiologa
de las Enfermedades No transmisibles.12
En otro orden de cosas, con el surgimiento de la Revolucin Industrial,
despus de la mitad del s XVIII, es cuando se dedican a indagar las
enfermedades del trabajo y la toxicologa por primera vez.8 No
obstante se plantea que el primer estudio en el campo de la Medicina
Ocupacional que se pudiera etiquetar de epidemiolgico fue publicado
en 1775 por Sir Percival, que llam la atencin sobre la elevada
ocurrencia del cncer de escroto entre los deshollinadores. A pesar de
sus observaciones aisladas, se necesitaban ms de 150 aos para
llegar al establecimiento de los mtodos epidemiolgicos en el estudio
de las enfermedades relacionadas con el trabajo.12
La identificacin del asbesto asociado a enfermedades ocupa un
importante lugar en la historia de la Epidemiologa Ocupacional.
Formas fatales o no de asbestosis fueron identificadas en muchas
poblaciones expuestas,13 y un exceso de riesgo de cncer del pulmn
entre asbestcicos sugirieron un potencial efecto cancergeno de las
fibras de asbesto. El poder carcinognico del asbesto ha sido
confirmado repetidamente en estudios epidemiolgicos de personas
ocupacionalmente expuestas desde 1950.14
Los cambios en la estructura social y econmica que han ocurrido en el
mundo en los ltimos 100 aos han tenido un efecto fundamental en
las actitudes prevalentes en epidemilogos, lo cual demuestra una vez
ms la composicin social de la Epidemiologa. Se habla de factores
como el "encogimiento del mundo" y el "envejecimiento de la
poblacin", por lo que los patrones en causas de muerte que antes
ocupaban los primeros lugares (las enfermedades transmisibles) son
reemplazadas por las no transmisibles por diferentes causas.
El originar una idea es un problema de suerte o inspirada intuicin,
pero probarla requiere conocimiento y objetividad, y si es
correctamente llevada a cabo, el resultado ser una contribucin a la
ciencia. Por lo tanto la Epidemiologa, unida con las disciplinas
complementarias de Fisiopatologa y Toxicologa, proveen de bases
cientficas a la Medicina y a la Epidemiologa Ocupacional para la
prctica mdica, como lo relativo a la interaccin entre la salud y el
trabajo.15

Definiciones
Muchas definiciones de la Epidemiologa han surgido en las ltimas
dcadas:

Ciencia que estudia la distribucin y los factores

determinantes de estados y eventos afines a la salud en la
poblacin y la aplicacin de este estudio al control de los
problemas de salud (Susser 1973, Morris 1975, Mac Mahon
and Pugh, 1970).

"La Epidemiologa es una ciencia, fundamentalmente un

mtodo de raciocinio inductivo que se utiliza en la
investigacin y solucin de cualquier problema de salud que
concierne a la comunidad prescindiendo de su etiologa"
(Rolando Almijo).

La Epidemiologa debe ser un conjunto de conceptos,

mtodos y forma de accin prctica que se aplican al
conocimiento y transformaciones del proceso saludenfermedad en la dimensin colectiva o social (Jaime
Brielh).

La Epidemiologa, estudio de la salud de las poblaciones

humanas, es, por definicin, una ciencia social. Su teora y
prctica han sido profundamente influidas por la sociedad,
por el desarrollo social, econmico y poltico (Milton Terry).

La Epidemiologa es la disciplina que estudia la ocurrencia de

las enfermedades en el hombre.12

De acuerdo con el Diccionario de Epidemiologa, editado por John M.

Last en 1983, la Epidemiologa es el estudio de la distribucin y
determinantes de los relativos estados de salud que ocurre en la
poblacin, y la aplicacin de este estudio al control de los problemas de
salud. El mtodo epidemiolgico ha sido ampliamente usado en el
campo de la salud ocupacional para describir el estado de salud de una
poblacin trabajadora especfica, estudiar su morbilidad en relacin con
el tipo de ocupacin, identificar los riesgos ocupacionales especficos,
generar y probar hiptesis de relacin causa-efecto y evaluar
intervenciones.16
En Cuba la Epidemiologa es una rama de la ciencia mdica, cuya
metodologa de trabajo permite la investigacin de las leyes objetivas,
condiciones y posibles soluciones (prevencin, control o erradicacin)
para cualquier problema de salud que afecte a comunidades humanas,
independientemente de su etiologa, partiendo del hecho de que el
hombre y su ambiente constituyen un sistema reactivo en equilibrio
muy dinmico, en el cual interactan mltiples factores y fuerzas en los
socio sistemas.17 La Epidemiologa es parte de la superestructura, y
como tal, responde a la base econmica que determina una estructura
social determinada.
Se define la Epidemiologa Social como la rama de la Epidemiologa que
estudia la distribucin social y los determinantes sociales de los
estados de salud de la poblacin. Definiendo el campo en esta manera
se infiere que nuestro objetivo sera identificar la exposicin socioambiental que puede estar relacionada ampliamente con la salud fsica
y mental del hombre.18
La Epidemiologa como ciencia que se ocupa del estudio de los
problemas de salud de las poblaciones, tiene por definicin un enfoque
social, pues no podemos ver comunidad sin sociedad, ya que cuando el
hombre se rene con otros hombres e interactan en el ecosistema
que los rodea, deja de ser un ser natural para convertirse en ser social.

Cuando existen cambios sociales en una poblacin determinada, esto

tambin se refleja en su panorama de salud, sobre todo, cuando estos
cambios tienen como base fundamental un enfoque de bienestar social
en el que la salud y la educacin juegan un papel protagnico. Un
ejemplo concreto se muestra en la tabla, donde se refleja la evolucin
de las 5 primeras causas de muerte en Cuba desde 1969 hasta el
2000. Tambin estos resultados han sido posibles por la cobertura de
salud que tiene la poblacin en los momentos actuales.
TABLA . Primeras causas de muerte en Cuba

Ao 1969

Causas de
muerte

Tasa
x
Causas
100
de muerte
000
hab

Ao 1998

Tasa
100
000
hab

Ao 2000

AVPP
x
x
1
Causas
000
de muerte
hab
1-64
aos

Enfermedades
Enfermedades
126
del corazn
del corazn

142,6 5,9 CVC

Tumores
malignos

111,0 7,8

90,4

Tumores
malignos

Tumores
malignos

Tasa
100
000
hab

AVPP
xx
1 000
hab
1-74
aos

133,7 11,5

115,5 15,5

Enfermedades
Enfermedad
49,2
52,9
del SNC
cerebrovascular

2,2

Enfermedad
53,8
cerebrovascular

4,3

Enfermedades
de la primera 46,3 Accidentes
infancia

39,0

8,5

Influenza
Neumona

32,3

9,4

Gastritis,
enteritis y
duodenitis

31,3

1,6 Accidentes

35,8

2,0

40,8 Influenza

Nota: AVPP: Aos de vida potencialmente perdidos.

La Epidemiologa ha sido considerada la disciplina que dio origen a la
Salud Pblica y, realmente, tiene tambin una estrecha asociacin con
la Medicina Preventiva. La investigacin epidemiolgica se utiliza en la
administracin y planificacin sanitarias, en la valoracin de riesgos y
en la evaluacin de la eficacia de los tratamientos mdicos.
Recientemente, los mtodos epidemiolgicos tambin se han aplicado
en la evaluacin de prestacin de servicios sanitarios. Los usos
cientficos de la Epidemiologa incluyen el estudio de las causas de las
enfermedades, la descripcin de su historia natural, la evaluacin de la

eficacia de tratamientos mdicos y el estudio de la eficacia de ensayos

preventivos. Por otro lado, muchos de los conocimientos de la Medicina
Ocupacional moderna derivan de estudios epidemiolgicos.
La Salud Ocupacional es el rea de la Salud Pblica dedicada a la
prevencin de las enfermedades y lesiones relacionadas con el trabajo.
Al igual que la Salud Pblica, la Salud Ocupacional descansa sobre la
Epidemiologa, ciencia que permite realizar la vigilancia de los procesos
y condiciones, describir los patrones de presentacin de la enfermedad,
identificar los potenciales factores causales, adoptar las necesarias
medidas de control y evaluar la eficacia de las intervenciones.12
Cada enfermedad o lesin tiene su propia epidemiologa. De ah que
trminos como la epidemiologa del cncer, la epidemiologa de los
accidentes o la epidemiologa de las enfermedades cardiovasculares
sean de uso comn. El trmino Epidemiologa Ocupacional, puede
considerarse como una abreviatura de Epidemiologa de las
Enfermedades Ocupacionales, que estara de acuerdo con una
clasificacin centrada en la enfermedad. Por otro lado, la Epidemiologa
Ocupacional tambin podra considerarse centrada en los
determinantes, en cuyo caso abarcara el estudio de todas las
consecuencias para la salud, tanto deletreas como preventivas,
resultantes de factores ocupacionales.
El estudio epidemiolgico de las enfermedades relacionadas con el
trabajo puede ser tanto descriptivo como etiolgico. La principal
funcin en la Epidemiologa Ocupacional es asociar la presencia de
morbilidad a exposiciones en el trabajo, es decir, el estudio de la
ocurrencia de enfermedades en relacin con los determinantes
relacionados con el trabajo. Por lo tanto, la Epidemiologa Ocupacional
se ocupa de la relacin de ocurrencia entre las enfermedades
relacionadas con el trabajo y los factores que determinan su aparicin
y curso.12
En resumen, esta disciplina es el estudio sistemtico de la distribucin
y causas de enfermedades y lesiones relacionadas con los riesgos del
ambiente de trabajo.19,20 Los diseos y mtodos analticos usados en
ella son esencialmente los mismos que los aplicados en estudios de
enfermedades no ocupacionales. Sin embargo, existen algunas
caractersticas importantes de la Epidemiologa Ocupacional que la
distinguen de otras reas de la Epidemiologa, por ejemplo, algunas
enfermedades son primariamente ocupacionales en origen como la
neumoconiosis (slice, asbesto, polvo de carbn), los trastornos
msculo esquelticos provocado por la vibracin del martillo
neumtico, y lesiones oculares por exposicin ocupacional a rayos
lser, etc. Por otra parte, existen muchas enfermedades y lesiones que
no han sido confirmadas como relacionadas con el trabajo, entonces el
esclarecimiento entre distinguir los factores de riesgos ocupacionales o
no que las provocan es una tarea de los epidemilogos. Otra
particularidad de esta especialidad es que la poblacin objeto de
estudio es la trabajadora.19
As pues, se puede decir que la Epidemiologa Ocupacional tiene 2
propsitos fundamentales:

1. Identificacin e investigacin de hiptesis acerca de relacin

causal entre riesgo y enfermedad.
2. Identificar y cuantificar esos riesgos.
Es una herramienta fundamental para determinar los fenmenos
negativos y positivos en el ambiente de trabajo, para una vez
identificados los primeros, se tomen acciones en vista de minimizarlos
o erradicarlos; y los segundos potencializarlos de forma tal que
mejoren las condiciones de salud y seguridad en el medio ambiente
laboral, desde el concepto de que la Epidemiologa Ocupacional no solo
centra su objetivo en las enfermedades y lesiones, sino tambin y
como se ha expresado anteriormente, tiene que ver con los factores de
riesgo del ambiente a que se expone el trabajador durante su jornada
laboral.

Summary
Occupational epidemiology as a basic tool for workers' health

A review of the development of Epidemiology as a science, and its

significance in public health in general, was made. The old and new
definitions of epidemiology, of chronic, transmissible and nontransmissible diseases, of social epidemiology concept, etc., are
analysed to further deal with the importance of Occupational
Epidemiology in Public Health.
Key words: Epidemic, endemic, community.

Referencias bibliogrficas
1. Work for health: Briefing book to the Sundvall Conference on
Supportive. Environments, Sundvall, 1991.
[ Links ]
2. WHO. Global strategic in occupational health for all. Geneva, 1995.
[ Links ]
3. Rantanen J. Global trends in occupational health service. African
Newsletter on Occupational Health and Safety. 1996.
[ Links ]
4. Introduccin a la Proteccin e Higiene del Trabajo La Habana:
Editorial Pueblo y Educacin; 1981.
[ Links ]
5. La Seguridad Social en Cuba. Mxico DF: CISS, 1994 (serie de
monografas).
[ Links ]
6. Najera E. Desarrollo histrico. En: El desafo de la epidemiologa.
WHO, Publicaciones Cientficas 505, Washington DC, 1988.p.3-83.
[ Links ]
7. Llopis A. Desarrollo histrico. En: El desafo de la epidemiologa.
WHO, Publicaciones Cientficas 505, Washington DC, 1988.p.3-83.
[ Links ]

8. Terris M. Desarrollo histrico. En: El desafo de la epidemiologa

WHO, Publicaciones Cientficas 505, Washington DC, 1988.p.3-83.
[ Links ]
9. Gordon EJ. Epidemiologa vieja y nueva. En: El desafo de la
epidemiologa Washington. OPS; 1988. Publicaciones cientficas
505.p.140-8.
[ Links ]
10. MINSAP. Anuario Estadstico de Salud. Direccin Nacional de
Estadstica. La Habana: 2004.
[ Links ]
11. Barrett-Connor E. Epidemiologa de las enfermedades infecciosas y
epidemiologa de las enfermedades crnicas; separada y desiguales?
En: El desafo de la epidemiologa. Washington OPS; 1988.
Publicaciones cientficas 505.p.148-55.
[ Links ]
12. Hernberg S. Introduccin a la epidemiologa ocupacional. Madrid:
Editorial Daz Santos; 1995.p.1-19.
[ Links ]
13. Becklake MR. The epidemiology of asbestosis. In: Liddell FDK Miller
9 eds). Mineral Fibers and Health. Boca Raton, FL: CRC Press,
1991.p.103-19.
[ Links ]
14. Steenland K, Stayner LT. Silica, asbestos, man-mineral fibers, and
cancer. Cancer Causes Control 1997;8:491-503.
[ Links ]
15. MacDonald C. Occupational epidemiology. In: Epidemiological of
Work Related Diseases. Jcorbett McDonald ed, BMJ, 1995.p.1-6.
[ Links ]
16. Karvonen M. Epidemiology in the context of occupational health.
In: Epidemiology of Occupational Health. WHO. M. Karvonen &
MI.Mikheev WHO, 1986.p.1-15.
[ Links ]
17. MINED. Texto Bsico de Epidemiologa. La Habana; 1979.
[ Links ]
18. Berkman LF, Kawachi I. A historical framework for social
epidemiology. In: Social Epidemiology. Oxford: Editorial Berkman &
Kawachi; 2000.p.3-13.
[ Links ]
19. Checkway H, Pearce N, Kriebel D. Research methods in
occupational epidemiology. 2nd. ed. Oxford, 2004.p.3-17.
[ Links ]
20. Schenker MB. Biostatistics & Epidemiology. In: Current
Occupational & Environmental Medicine Ladou. 3rd. ed. 2004.p.818-40.
[ Links ]
Recibido: 16 de febrero de 2006. Aprobado: 9 de mayo de 2006.
Dra. Caristina Robaina Aguirre. INSAT, municipio Arroyo Naranjo,
Ciudad de La Habana, Cuba. E mail: caristina.robaina@infomed.sld.cu

1Especialista de II Grado en Epidemiologa. Profesora Auxiliar.

Investigadora Auxiliar del INSAT. Mster en Salud Ocupacional.
2Especialista de II Grado en Ginecologa y Obstetricia. Profesor Auxiliar
del Instituto Nacional de Ciencias Mdicas de La Habana.
3Especialista en Epidemiologa. Profesor Asistente. Vicedecano Docente
de la Facultad de Ciencias Mdicas Enrique Cabrera.

2010 1999, Editorial Ciencias Mdicas

Calle 23 # 177 entre N y O - Edificio Soto, Piso 2
Vedado, Ciudad de La Habana, CP 10400
Cuba

ecimed@infomed.sld.cu

Epidemiologa y Causalidad en Salud Ocupacional

Dr. Gilbert Corzo A
Mdico Ocupacional
gcorzo@telcel.net.ve
Los mtodos usados en el estudio de los factores ocupacionales y ambientales son
los mismos que se utilizan en otras ramas de la epidemiologa. Sin embargo, una
caracterstica importante de la epidemiologa ocupacional es su relacin con una poblacin
de adultos jvenes y personas de edad madura, y a menudo predominantemente de gnero
masculino. Adems, en epidemiologa ocupacional la mayora de los grupos expuestos son
relativamente saludables, al menos al inicio del trabajo. Esto ha dado lugar al trmino
"efecto trabajador sano" que indica que la poblacin trabajadora, en contacto con factores
de riesgo, tiene una morbilidad y mortalidad total ms baja que la poblacin en conjunto.
En contraste, los estudios epidemiolgicos de factores ambientales en general
(comunitario), incluyen normalmente a los nios, personas de mayor edad y personas
enfermas. Esto es de gran importancia cuando se usan los resultados de estudios de
epidemiologa ocupacional para establecer normas de seguridad para riesgos
medioambientales especficos. Es probable que las personas expuestas en la poblacin
general sean ms sensibles que los trabajadores. Por ejemplo, se ha descrito con mayor

frecuencia los efectos a la salud por plomo inorgnico, a niveles bajos de exposicin, en los
nios y las mujeres adultas que en hombres adultos.
El nfasis principal en epidemiologa ocupacional y ambiental ha estado en los
estudios de causas de enfermedad. Ahora se est prestando atencin creciente a la
evaluacin de medidas preventivas especficas para reducir exposicin, y el impacto a la
salud y el ambiente. Generalmente es muy costosa la eliminacin de la exposicin a los
factores de riesgos derivados de alguna actividad industrial o agrcola, que proporciona
beneficio econmico a la comunidad. Sin embargo, la contaminacin ambiental es a
menudo costosa en s misma, y puede daar la tierra agrcola o la propiedad industrial, as
como la salud de las personas. Los anlisis epidemiolgicos ayudan a las autoridades de
salud pblica a encontrar un equilibrio aceptable entre riesgos para la salud y los costos
econmicos de prevencin y control.
Los mtodos epidemiolgicos, en el relacin a salud de los trabajadores, pueden
usarse para numerosos fines. Estos est ntimamente relacionado con el objeto de estudio de
esta disciplina. Entre sus aplicaciones estn:
-

Observacin de la patologa derivada de la exposicin ocupacional. Cul es

la frecuencia con la que se presenta?. Esto requiere conocer el nmero de
personas que adquieren en padecimiento en un perodo especfico, como el
tamao de la poblacin no afectada. Con esta informacin se utilizara las
mediciones de frecuencia de la enfermedad profesional o del accidente de
trabajo, a fin de tipificar los patrones de ocurrencia de los mismos y la vigilancia
mdica. Los criterios empleados para definir la ocurrencia de una enfermedad
(caso), bsicamente depende del estado del conocimiento comn acerca de la
enfermedad y de los resultados de las pruebas diagnsticas tpicas.

Relacin causal. Consiste en determinar el perfil de las caractersticas que

definen los factores de riesgo asociados a una enfermedad laboral. Las
asociaciones entre estas caractersticas y la ocurrencia de la enfermedad pueden
surgir por coincidencia, por nexos no causales a otras caractersticas, o por
relaciones de causa y efecto, que sern analizadas ms adelante. La
identificacin y caracterizacin de los factores de riesgo proporciona una
comprensin vlida de los mecanismos de accin comprometidos en la
ocurrencia de la enfermedad. La ocurrencia del efecto a la salud est
determinada no slo por los factores ambientales, incluyendo el estilo de vida,
sino por los factores biolgicos (celular y gentico) de los trabajadores.

Pruebas diagnsticas, a fin de obtener evidencia objetiva de la presencia o

ausencia de un efecto a la salud derivado de la exposicin ocupacional. La
importancia de esto, radica en su utilizacin para prevenir tempranamente la
enfermedad entre los trabajadores asintomticos; y para confirmar el diagnstico
entre trabajadores con signos y sntomas existentes de enfermedad. De manera
ideal la prueba diagnstica debe distinguir a los trabajadores afectados de los
que no lo estn, sin error alguno.

Determinacin de la historia natural de la enfermedad ocupacional. Consiste

en tipificar el curso de una enfermedad desde el estado de salud y bienestar
hasta la muerte, pasando por los cambios subclnicos, enfermedad clnica, y
variables de recuperacin (parcial o total); lo cual se puede determinar a travs
del clculo de la mortalidad especfica, que representa el porcentaje de
trabajadores con un trastorno de salud y que muere en un perodo determinado;
y la estimacin tpica desde el diagnstico de la enfermedad hasta la muerte,
conocida como tiempo de supervivencia, que est influenciada por los criterios
diagnsticos utilizados para detectar el trastorno a la salud del trabajador.

Descripcin del estado de salud e investigacin de factores de pronstico de

los trabajadores. La descripcin del estado de salud viene dado bsicamente por
el diagnstico de salud de los trabajadores y su relacin con los factores de
riesgo. Asimismo, el anlisis de supervivencia puede emplearse para identificar
subgrupos de trabajadores con resultados clnicos favorables (o desfavorables).
Las caractersticas que se relacionan con la probabilidad de supervivencia se
conoce como factores de pronstico, cuyo objetivo est en denotar la prediccin
de supervivencia ms que la determinacin de los factores de riesgo para
adquirir la enfermedad.

Evaluacin de la intervencin. Determina las variaciones del impacto a la salud

y el ambiente derivadas de la adopcin de medidas preventivas y de control en
salud, higiene y/o seguridad laborales. Requiere la comparacin entre la
ocurrencia del efecto a la salud previo y posterior a la media de intervencin, o
entre el impacto al ambiente y las condiciones ambientales despus de las
medidas de prevencin y control de los factores de riesgo; o de la comparacin
de la correlacin salud-ambiente antes y despus de las medidas descritas. El
planteamiento medio usado para valorar la intervencin son los estudios de
prevalencia (en dos momentos, antes y despus), y vigilancia epidemiolgica.

Anlisis de tratamientos nuevos. Permite probar la eficacia de los frmacos

nuevos antes de ser introducidos al cuidado mdico de rutina. La investigacin
frecuentemente utilizada para valorar eficacia del tratamiento es el estudio
clnico aleatorio controlado, que se caracteriza porque los pacientes que reciben
el tratamiento nuevo (grupo estudio) se comparan con otros (grupo control) que
reciben una sustancia inactiva (placebo) o un tratamiento estndar, si es que
existe alguno; y la seleccin de los participantes al estudio se al azar.

Anlisis de la eficacia. Permite estudiar el equilibrio aceptable entre riesgos

para la salud de los trabajadores y los costos econmicos de prevencin y
control. La eficacia es medida de la relacin entre los resultados logrados y el
esfuerzo que se expendi en lo que se refiere al dinero, recursos y tiempo. Esto
comprende el uso ptimo de los recursos e involucra la relacin mutua compleja
de los costo y la efectividad de una intervencin; lo cual implica un rea del
saber donde se aplican, de manera conjunta, conocimientos de epidemiologa
ocupacional y de administracin de salud. Existen dos acercamientos principales
a la valoracin de eficacia: Anlisis costo-efectividad, que mide la proporcin

de la efectividad y costos financieros: bolvar ganado por ao de vida, y as

sucesivamente; y el Anlisis de costo-beneficio, que se expresa con un
numerador y denominador en trminos monetarios, lo cual significa que ese
beneficio de salud debe medirse y debe darse en trminos de un valor monetario.
Si el anlisis de costo-beneficio muestra que los beneficios econmicos del
programa de salud ocupacional son mayores que los costos, el programa debe
ser considerado como significativo. El anlisis de costo-efectividad es ms fcil
realizar que el anlisis de costo-beneficio, ya que la medida de la efectividad no
necesita ser expresada como valor monetario.
-

Estudio y determinacin de valores normales o de referencia. Los estudios

epidemiolgicos bsicamente generan resultados que permiten establecer las
condiciones del ambiente y la salud de los trabajadores; pero tambin, pueden
ser utilizados para elaborar estndares de evaluacin ambiental y valores o
rangos de normalidad para los parmetros biolgicos, que permitan comparar las
poblaciones expuestas y no expuestas a riesgos profesionales, fijar rangos de
normalidad para parmetros biolgicos (funcionales, bioqumicos, enzimticos,
morfolgicos, y otros), asignar lmites de exposicin aceptables o permisibles
para riesgos profesionales especficos, contribuir con el anlisis de las
asociaciones causales, y coadyuvar con el establecimiento de normas de
seguridad.
Algunos parmetros biolgicos varan con la edad y constitucin corporal de los
trabajadores (peso y talla), as como con factores climticos (presin atmosfrica
y clima); verbigracia los volmenes pulmonares. Esto requiere establecer
valores de normalidad o de referencia para la persona o poblacin bajo estudio, a
fin de comparar los resultados obtenidos directamente en las pruebas de funcin
respiratoria con los valores de referencia, y decidir sobre la normalidad o no de
la prueba, para adicionalmente tomar las medidas de prevencin y control con
base a stos resultados.
El quehacer epidemiolgico ocupacional tiene como etapas:
1. Identificacin del problema. Son numerosas las vas y los mecanismos por
los cuales se pueden identificar problemas de salud asociados a la exposicin
ocupacional. La informacin puede provenir de sistemas previamente
establecidos para estos fines (vigilancia epidemiolgica), o bien, surgir
espontneamente.
La cobertura adecuada de la salud de los trabajadores incluye el desarrollo
de los servicios mdicos de empresa, dentro de cuyas funciones est
descubrir tempranamente cambios en la salud de los trabajadores. La
capacidad de deteccin por parte del mdico o epidemilogo ocupacional
estar directamente correlacionada con el grado de informacin y de acceso
que tengan a las fuentes de este tipo de materias.

Durante esta etapa se realiza el reconocimiento y definicin del impacto a la

salud y/o el ambiente laboral, con mtodo y disciplina, de manera que
estimule a la reflexin y oriente a las posible causas y soluciones. Se
requiere una definicin clara y precisa de las caractersticas del problema
que sirva como fundamento, justificacin y marco de referencia para las
etapas posteriores.
Es fundamental disponer de fuentes de informacin que faciliten la
identificacin del problema., entre las cuales tienen relevancia:
1.1. Datos demogrficos (distribucin de la poblacin por grupos de edad,
sexo, nivel educacional, ocupacin, tiempo en la ocupacin y en la
exposicin actual, migracin, estilos de vida, y otros) y
socioeconmicos de las poblaciones expuestas al riesgo. Esta
informacin permite identificar patrones de ocurrencia.
1.2. Datos de mortalidad
1.3. Resultados de estudios de laboratorio (monitoreo biolgico), que
constituyen indicadores biolgicos del estado de salud de los
trabajadores afectados por la exposicin a sustancias contaminantes o
sobre la existencia de niveles peligrosos de agentes dainos a la salud o
de sus metabolitos.
1.4. Resultados del monitoreo ambiental, que determina la identificacin y
cuantificacin de los factores de riesgo en el aire, aguas, suelos,
alimentos u otros medios o vehculos.
1.5. Informacin proveniente del medio industrial, comercial y econmico.
Tipo de industria; materias primas, intermedias, y final; tecnologas
empleadas; productividad; salarios; costo-beneficio; y otras variables.
1.6. Informacin sobre aspectos de saneamiento ambiental relacionado con
los factores de riesgo. Tiene que ver con las emisiones, descargas,
disposicin final y tratamiento de residuos industriales; y las relaciones
que puede tener con el abastecimiento de agua potable, aguas para riego
agrcola, aguas recreacionales, alimentos, y otros medios; saneamiento
bsico industrial; medidas de higiene y seguridad industrial (incluyendo
el uso de equipo de proteccin personal); y otras aserciones
relacionadas.
1.7. La comunidad de trabajadores y comunidad general. En la industria o
en la comunidad en general se tiene informacin importante sobre los
factores de riesgo. A su vez proporcionan informacin sobre la
ocurrencia de trastornos a la salud e impacto al ambiente.
2. Recoleccin de la Informacin. Para demostrar la asociacin causal entre
los factores de riesgo y el impacto a la salud y el ambiente es necesario
recolectar la informacin relativa a la salud de los trabajadores y las
variables ambientales de exposicin. En conclusin esta informacin se

referir a la tipificacin del agente sospechoso y tipificacin de los casos y/o

efectos a la salud (morbilidad y mortalidad).
Los datos que se obtienen a partir de esta informacin pueden indicar la
magnitud y el tipo de riesgo a que estn expuestos los trabajadores, as como
las caractersticas comunes de las personas que pueden haber sido ms
susceptibles de enfermar y/o morir por la exposicin a uno o varios agentes
contaminantes.
Durante esta etapa es necesario considerar los errores de recoleccin y
sesgos de interpretacin.
3.

Procesamiento de la Informacin. Comprende

sistematizacin y presentacin grfica de la informacin.

la

tabulacin,

El estudio epidemiolgico ocupacional requiere primariamente el

conocimiento de la frecuencia de cualesquiera de sus manifestaciones
(enfermos, muertos, invlidos, secuelas, y otros). Estas frecuencia se pueden
expresar mediante medidas de resumen o indicadores de frecuencias
relativas tales como razones, proporciones y tasas. Este ltimo, es el mejor
instrumento de comparacin epidemiolgica.
Las medidas de frecuencia sern una expresin numrica del riesgo al cual
estuvo sometido un grupo de trabajadores, durante un perodo de tiempo
determinado, ubicados en una o varias reas de trabajo, y con un desempeo
laboral definido.
Las tasas de mayor utilidad son la de mortalidad y morbilidad (incidencia,
prevalencia y letalidad de la enfermedad)
4.

Identificacin e interpretacin de los patrones de ocurrencia de

enfermedad ocupacional e impacto ambiental. Se entiende por patrn de
ocurrencia la modalidad caracterstica o perfil en que suele presentarse una
enfermedad profesional, adoptando rasgos particulares para los diferentes
componentes de la poblacin trabajadora. Asimismo, suele presentarse un
esquema caracterstico de los factores condicionantes y/o causales de una
enfermedad profesional en particular. La identificacin de los patrones de
ocurrencia es la parte fundamental del trabajo epidemiolgico, ya que
proporciona informacin al por qu algunos trabajadores enferman y otros
no.
Entonces, adems de identificar los patrones de ocurrencia considerando los
elementos bsicos en epidemiologa: persona (trabajador), lugar (ambiente
laboral, puesto de trabajo) y tiempo (antigedad en la exposicin); debemos
tomar en cuenta las caractersticas relativas al agente (factor de riesgo):

Elemento de
Estudio

Persona

Aspectos
Considerados

Tasa de Mortalidad o Morbilidad

ms altas se presentan en:

Sexo
Edad
Antiguedad Laboral
Raza
Actividad
Condiciones
Fisiopat.
Hbitos

Lugar

Hombres o mujeres?
Un grupo de edad ms que otros?
Influye o no el tiempo en el trabajo?
Una raza ms que otras?
Un determinado trabajo ms que otros?
Quines realizan procesos simultneos?
Quines realizan actividades similares?
Quines tienen antecedentes patolgicos?
Quienes fuman? Alimentacin? Deporte?

Tiempo

Emisin
Depsito

Agente

Caractersticas txicas

Los expuesto a las mayores emisiones?

Los expuestos de manera prolongada a
determinadas concentraciones?
Los expuestos a las sustancias ms txicas?

El esquema presentado pretende slo dar una pauta primaria acerca de los
principales elementos derivados de la identificacin de patrones de
ocurrencia de las enfermedades ocupacionales. La definicin de las variables
para los aspectos a ser considerados como elementos objeto de estudio,
depender de caractersticas especficas de cada investigacin.
5. Formulacin de hiptesis. Una vez identificados los patrones de ocurrencia
de las enfermedades ocupacionales, se procede a la formulacin de una o
varias hiptesis dirigidas a identificar las razones que expliquen la
ocurrencia y distribucin en la poblacin trabajadora de dichos patrones. La
hiptesis es una explicacin posible, sujeta a confirmacin, de un fenmeno
de enfermedad ocupacional. En general, la hiptesis es plausible mientras
mayor sea la fuerza de asociacin estadstica de los antecedentes, y mientras
menor sea la cantidad de otras alternativas aceptables.
Los modelos tpicos de hiptesis en los estudios de epidemiologa
ocupacional se describen a continuacin:

Modelo I:

Ejemplo:

Modelo II:

Ejemplo:

Modelo III:

Ejemplo:

Modelo IV:

Ejemplo:

En epidemiologa la Causa es aqul evento, condicin o caracterstica que

tiene un papel esencial en producir la ocurrencia de una enfermedad. Este
proceso recibe comnmente el nombre de causalidad.
Los Modelos de Causalidad para establecer las asociaciones se basan en los
siguientes tipos:
-

Modelo Especfico Unicausal, en el cual un factor de riesgo

produce una enfermedad especfica:

Factor 1
Efecto A
Tres Ejemplos: Cloro

Plomo
Mercurio

Dermatitis Irritativa
Saturnismo
Hidrargirismo

Modelo Etiolgico Multifactorial, en el que varios factores pueden

producir una enfermedad:

Factor 2
Factor 3

Factor 1
Efecto A

Ejemplo: Benceno o arsnico o radiaciones ionizantes,

pueden
producir pancitopenia (cada uno o juntos).
-

Modelo Etiolgico Multifactorial, donde la presencia de varios factores

producen conjuntamente una enfermedad.

Factor 1 + Factor 2 + Factor 3

Efecto

A
Ejemplo: Deficiencia de Glucosa-6-Fosfato Deshidrogenasa +Mala
nutricin + Plomo Inorgnico;
produce enfermedad
hemoltica.
-

Modelo Unicausal Multiefecto, en el cual un factor puede producir

varios efectos a la salud:

Efecto A
Facto 1

Efecto B
Efecto C

Ejemplo: el plomo inorgnico produce alteraciones a nivel renal, sistema

nervioso central, sistema nervioso perifrico y sistema hemtico.
-

Modelo Multifactorial Secuencial, que requiere de perodos previos de

induccin de las sustancias, para la consecucin del efecto a la salud. Por
perodo de induccin se entiende el tiempo que tardan los factores en
interactuar para originar un efecto a nivel molecular:

Factor 1 + Factor 2

Factor 3 + Factor 4

Desencadenamiento o inicio molecular de la enfermedad

Perodo de latencia

Manifestacin Clnica

El conocimiento de la causa de la enfermedad es importante en las ciencias de la

salud tanto para el diagnstico y aplicacin de la correcta aplicacin de medidas
de intervencin, como para evaluar el factor, condicin caracterstica o
combinacin de ellos, capaces de jugar un papel significativo en la etiologa de
la enfermedad. La inferencia causal determina las asociaciones causales, es
decir la relacin causa-efecto; para ello utiliza una serie de criterios. Se
describen a continuacin los criterios de causalidad, segn Austin Bradfor-Hill
(1965):
-

Fuerza de Asociacin. Est determinada por la estrecha relacin que existe

entre la causa y el efecto adverso a la salud. La fuerza de asociacin no
corresponde a una caracterstica biolgicamente consistente, sino ms bien a
una propiedad que depende de la prevalencia relativa de otras causas. La
fuerza asociacin causal es intensa cuando variable independiente (factor de
riesgo) est asociado a un alto riesgo relativo (RR) de adquirir la
enfermedad. Los RR que pasan de un valor de 2 se considera que expresan
una fuerte asociacin causal.

Consistencia. Est dada por la demostracin de la asociacin causa-efecto

por diferentes estudios de investigacin, en poblaciones diferentes y bajo
circunstancias distintas. Sin embargo, la falta de consistencia no excluye la
asociacin causal, ya que distintos niveles de exposicin y dems
condiciones pueden disminuir el impacto a la salud del factor causal en
determinados estudios.

Especificidad. Requiere que una causa origine un efecto en particular. Sin

embargo, no se puede utilizar este criterio para rechazar una hiptesis causal,
ya que muchos sntomas y signos obedecen a una causa, y una enfermedad a
veces es el resultado de mltiples causas.

Temporalidad. Obviamente una causa debe preceder su efecto; no

obstante,
a veces es difcil definir con qu grado de certeza
ocurre esto. En general, el comienzo de las enfermedades ocupacionales
comprende un largo perodo de latencia entre la exposicin y la ocurrencia
del efecto a la salud. Asimismo, otro aspecto que influye en la temporalidad
es la susceptibilidad de la persona expuesta, y la utilizacin y eficacia de las
medidas de prevencin y control de riesgos.

Gradiente biolgico (Relacin dosis-respuesta). La frecuencia de la

enfermedad aumenta con la dosis o el nivel de exposicin. La demostracin
de la relacin dosis-respuesta tiene dos implicaciones importantes:
-

Es una buena evidencia de una verdadera relacin causal entre la

exposicin a agente particular y un efecto de salud.

Puede permitir demostrar que un factor de riesgo en particular se

relacione a un efecto adverso a la salud, y determinar que en
niveles de exposicin a ese agente causal por debajo del valor que
lo produce, es ms improbable o incluso imposible que genere el
impacto a la salud.

La relacin dosis efecto puede verse modificada o ausente por el efecto del
umbral del compuesto o un efecto de saturacin; o deberse completamente a
una distorsin graduada o a un sesgo; lo cual puede dificultar la
interpretacin de este criterio.
-

Plausibilidad biolgica. El contexto biolgico existente debe explicar

lgicamente los mecanismos etiopatognicos por los cuales una causa
produce un efecto a la salud. Sin embargo, la plausibilidad biolgica no
puede extraerse de una hiptesis, ya que el estado actual del conocimiento de
puede ser inadecuado para explicar nuestras observaciones o no existir.

Coherencia. Implica el entendimiento entre los hallazgos de la asociacin

causal con los de la historia natural de la enfermedad y otros aspecto
relacionados con la ocurrencia de la misma, como por ejemplo las tendencias
seculares. Este criterio combina aspectos de consistencia y plausibilidad
biolgica.

Evidencia Experimental. Clnicamente es un criterio deseable de alta

validez, pero rara vez se encuentra disponible esta evidencia en poblaciones
humanas.

Analoga. Esta fundamenta en relaciones de causa-efecto establecidas, con

base a las cuales si un factor de riesgo produce un efecto a la salud, otro con
caractersticas similares pudiera producir el mismo impacto a la salud.

Otros criterios adicionales. Debe igualmente ser considerados:

-

Similar tamao y distribucin de la poblacin o muestra.

Variacin notoria del efecto en las poblaciones.
Reversibilidad. Si se retira la causa, cabe esperar que desaparezca
o al menos disminuya el efecto a la salud.
Juicio crtico sobre las evidencias, con base estricta en el
conocimiento cientfico.

Mientras ms criterios de causalidad cumpla un estudio, mayor ser su validez

cientfica y epidemiolgica.
6.

Comprobacin de hiptesis. La comprobacin de la hiptesis implica

seleccionar un diseo de anlisis epidemiolgico para comprobar la

veracidad parcial o total de dichas suposiciones, lo cual depende del objeto

de estudio y las caractersticas de las variables. Antes de seleccionar el
diseo epidemiolgico se deben considerar algunas precauciones:
-

Algunas asociaciones suelen deberse nicamente a la casualidad (azar).

Algunas asociaciones pueden estar presente artificialmente por errores
de recoleccin, clasificacin, o procesamiento de la informacin.
Algunas asociaciones pueden se resultado casual dependiendo de las
variaciones tpicas existentes en las muestras de poblacin seleccionadas.
Algunas asociaciones pueden deberse a la influencia de uno o varios
factores adicionales que no han sido identificados

Adems es necesario destacar, que en el campo de la contaminacin

ambiental y ocupacional existen mtodos y procedimientos especficos
segn el riesgo, que deben ser considerados para la comprobacin de la
hiptesis. Emplear un mtodo inadecuado para una evaluacin ambiental,
proporciona un resultado sesgado, que modifica la veracidad real de la
hiptesis.
Aunque sern estudiados particularmente en captulos especficos, los
diseos epidemiolgicos ms frecuentemente utilizados para la
comprobacin de las hiptesis son: restrospectivos y prospectivos.
6.1. Los estudios retrospectivos, parten de la identificacin de personas
afectadas por una enfermedad y tratan de identificar la exposicin que
hubiera tenido lugar en el pasado a algunos factores de riesgo
supuestamente causales. En estos estudios se selecciona adems otro
grupo de caractersticas similares a los afectados, pero que se
encuentren libres de la enfermedad, para comparar la frecuencia e
intensidad de la exposicin que en el pasado tambin hubiera tenido a
los factores de riesgo estudiados.
poca Actual

pocas Anteriores
Grado de
exposicin a
factores de riesgo
sospechosos

Grupos de trabajadores
afectados por una
enfermedad

Grupo de trabajadores de
caractersticas similares
pero sin la enfermedad

Grado de exposicin a
los mismos factores de
riesgo sospechosos

6.2. Los estudios prospectivos, parten de la formacin de uno o ms grupos

de trabajadores que estn aparentemente sanos o que, para los fines que
nos interesa, acaban de estar expuestos a un factor de riesgo laboral, los
cuales se podrn estudiar a lo largo de perodos prolongados para
identificar y cuantificar efectos adversos a la salud. Igualmente en estos
estudios es usual seleccionar otro grupo con caractersticas similares a
las de los expuestos, pero que no ha estado sometido a la misma
exposicin. A lo largo del tiempo se comparar la frecuencia de casos
que se desarrolle en ambos grupos.
poca Actual

pocas Futuras
Frecuencia de
casos desarrollados

Grupos de trabajadores
libres de enfermedad y
expuestos al riesgo

Grupo de trabajadores de
caractersticas similares,
libres de enfermedad y no
expuestos al riesgo

Frecuencia de casos
desarrollados

Tanto en el estudio retrospectivo como en el prospectivo se procura

buscar la asociacin causa-efecto. En el retrospectivo las unidades de
observacin se clasifican de acuerdo a la variable EFECTO, y luego se
investiga la variable que se presume como causa. En el prospectivo las
unidades de observacin se clasifican primero de acuerdo a la variable que
se considera como CAUSA, y posteriormente se registra la ocurrencia o
ausencia del efecto.
El enfoque multifactorial de causalidad implica la constelacin de
componentes que determinan la concentracin o niveles en el organismo y
en el ambiente de trabajo.
Es necesario recordar que la causalidad solo se determina por
procedimientos estadsticos, previo estudios especficos de laboratorio, a
objeto de obtener la etiologa causal.
7.

Elaboracin de conclusiones. Completada la fase de comprobacin de la

hiptesis, se obtienen resultados que permiten o no establecer asociacin
causal entre uno o ms factores de riesgo y la enfermedad en estudio. Esto
determina la realizacin de las principales conclusiones. Las conclusiones
pueden plantear la posibilidad de realizar estudios adicionales, sobre todo en
casos en los cuales la etiologa de la enfermedad ha permanecido
desconocida por mucho tiempo, y requiere de mltiples estudios para
establecer la causa.

8.

Aplicacin de las medidas de prevencin y control. La utilidad de las

conclusiones est dada por la aplicacin de medidas de prevencin y control
para:
8.1. Reducir significativamente la tasa de morbilidad y mortalidad de la
enfermedad en estudio.
8.2. Establecer o perfeccionar los sistemas de vigilancia epidemiolgica, e
instaurar o no la enfermedad como de notificacin obligatoria.
8.3. Evaluar programas especficos, e incluso los mismos servicios de salud
ocupacional y ambiental.
8.4. Realizar programas de educacin en salud de los trabajadores.
8.5. Aclarar dudas respecto a los factores de riesgo de una enfermedad o
grupo de enfermedades, mediante la correlacin de datos
epidemiolgicos con la informacin toxicolgica, clnica, gentica,
molecular, inmunolgica, y otras.
8.6. Evaluar si los datos epidemiolgicos son congruentes con la hiptesis
formulada clnica o experimentalmente, facilitando as el
replanteamiento de la investigacin bsica, clnica y epidemiolgica de
las enfermedades ocupacionales.
8.7. Difundir la informacin epidemiolgica a nivel acadmico docente,
administrativo sanitario, publicaciones y foros especializados.

9.

Evaluacin de la intervencin. Una vez ejecutadas las medidas de

prevencin y control, se requiere por el mismo proceso descrito evaluar la
eficacia y efectividad de las mismas en la ocurrencia de impactos a la salud
de los trabajadores y condiciones medioambientales laborales. Este proceso
podr generar conclusiones y recomendaciones nuevas que mejoren los
sistemas de prevencin y control. Asimismo, se debe establecer un sistema
de informacin de casos por medio del cual se pueda evaluar el patrn de la
enfermedad sobre una base continua.

Bibliografa

1. Alvarez R., Salud Pblica y Medicina Preventiva, 2da. Edicin. Editorial El Manual
Moderno. Mxico, 1998.
2.

Asogwa, S.E.- Prevention of accidents and injuries in developing countries.

Ergonomics, 30 (2):370-386; 1987.

3. Beaglehole, R,; Bonita R.; Kjellstrm T.- Epidemiology Basic. WHO. Geneva, 1993.
4. Benichou J, Gail MH. Variance calculations and confidence intervals for estimates of
the attributable risk based on logistic models. Biometrics; 46:991-1003; 1990.
5. Benichou J. Methods of adjustment for estimating the attributable risk in case-control
studies: a review. Stat Med;10:1753-1773; 1991.
6. Breslow NE, Day NE. Statistical Methods in Cancer Research. vol. 1. The Analysis of
Case-Control Studies. IARC Scientific Pub. No. 32. Lyon: International Agency for
Research on Cancer;76-78; 1980.
7. Brookmeyer R: Invited commentary on "A short method for constructing an unabridged
life table. Am.J.Epidemiol.141:991-992, 1995.
8.

Brookmeyer R: Median survival time: confidence intervals and tests. In:

Encyclopedia of Biostatistics. P. Armitage and T. Colton, Editors. New York: John
Wiley and Sons, 1998.

9.

Checkoway H, Pierce EN, Crawford-Brown DJ. Research methods in occupational

epidemiology. New York: Oxford University Press, 1989.

10. Corzo G.- Introduccin a la Salud Ocupacional.-Editorial Arcamar. Venezuela, 1993.

11. Corzo G.- Epidemiologa Ocupacional.- Editorial SAIEZ. Venezuela, 1999.
(gcorzo@telcel.net.ve).
12. Coughlin SS, Benichou J, Weed DL. Attributable risk estimation in case-control
studies. Epidemiol Rev;16:51-64;1994.
13. Craighead J.- Pathology of Environmental and Occupational Disease. Mosby Year
Book Inc. St. Louis, Missouri,U.S.A.,1995.
14. Cumsille F., Cncer y Ambiente. Bases Epidemiolgicas para su Investigacin y
Control: Mtodos Estadsticos, OMS, OPS, ECO, 1990.
15. Darnell, J.E., y Colaboradores. Biologa celular y molecular. Ediciones Omega,
2edicin.Tratado de biologa celular y molecular. Barcelona, Espaa, 1993.
16. Dawson-Saunders B., Trapp R.G., Bioestadstica Mdica, Editorial El Manual
Moderno, S.A de CV. Mxico, 1997.

17. De Robertis, E. D. P. Fundamentos de biologa celular y molecular. Editorial El Ateneo.

Manual de biologa celular y molecular. Barcelona, Espaa, 1988.
18. Denton D.K.-Seguridad Industrial.-Editorial McGraw-Hill. Mxico, 1984.
15. Denton K. Seguridad Industrial . Administracin y Mtodos. McGraw-Hill. Mxico,
1984.
16. Deubner DC, Wilkinson WE, Helms MJ, Tyroler HA, Hames CG. Logistic model
estimation of death attributable to risk factors for cardiovascular disease in Evans
County, Georgia. Am J Epidemiol;112:135-143;1980.
17. Kromhout H, Tielemans E, Preller L, Heederik D. Estimates of individual dose from
current exposure measurements. Occup Hyg;3:23-39;1996.
18. Eide GE, Gefeller O. Sequential and average attributable fractions as aids in the
selection of preventive strategies. J Clin Epidemiol;48:645-655; 1995.
19. Environmental Toxicology and Ecotoxicology; Proceedings of the Third
International Course.Edinburgh, United Kingdom, 6-13 September 1985.
20. Feychting M, Kaune WT, Savitz DA, Ahlbom A. Estimating exposure in studies of
residential magnetic fields and cancer: importance of short-term variability, time
interval between diagnosis and measurements, and distance to power lines.
Epidemiology ;7:220-224; 1996.
21. Flesis J.L., Statistical Methods for Rates and Proportions. Wiley, 1981.
22. Fletcher R., Flectcher S. and Wagner E. Clinical Epidemiology. The essentials. Second
Edition. Willams and Wilkins. Baltimomore, 1988.
22. Floderus B. Is job title an adequate surrogate to measure magnetic field exposure?
Epidemiology;7:115-116;1996.
23. Freifelder, D. Fundamentos de la biologa molecular. Editorial Acribia. Manual
sobre
biologa molecular. Zaragoza, Espaa, 1987.
24. Freund J., Manning S.R., Estadstica, Prentice Hall Hispanoamericana,S.A.,4a.
Edicin,
1989.
26. Friedman DR, Hatch EE, Tarone R, Kaune WT, Kleinerman RA, Wacholder S, Boice
JD, Linet MS. Childhood exposure to magnetic fields: residential area measurements
compared to personal dosimetry. Epidemiology; 7:151-155; 1996.

27. Gefeller O. Comparison of adjusted attributable risk estimators. Stat Med;11:20832091; 1992.
28. Gefeller O. The effect of age at smoking initiation on lung cancer risk (Letter).
Epidemiology ;5:559-560; 1994.
29. Greenland S, Robins JM. Conceptual problems in the definition and interpretation of
attributable fractions. Am J Epidemiol;128:1185-1197;1998.
30. Gutirrez JH, Romieu I., Corey G., Fortoul T: Contaminacin del Aire. Riesgos para la
Salud. Editorial El Manual Moderno, Mxico, 1997.
31. Heederik D, Boleij JSM, Kromhout H, Smid T. Use and analysis of exposure
monitoring data in occupational epidemiology: an example of an epidemiological study
in the dutch animal food industry. Appl Occup Environ Hyg;12:458-464;1991.
32. Henyk Weitzenfeld.-Manual Bsico de Evaluacin del Impacto en el Ambiente y la
Salud de Proyectos de Desarrollo. ECO/OPS/OMS, Mxico, 1990
33. Herington Thomas, Morse Linda: Occupational Injuries . Mosby-Year Book, Inc.
U.S.A. 1995
34. Kaplan RM, Wingard DL, McPhillips JB, Williams-Jones O, Barrett-Connor E.
Cigarette smoking, mortality, institutional and community-based care utilization in an
adult community. J Community Health;17:53-60; 1992.
35. Kaufman JS, Durazo-Arvizu RA, Rotimi CN, McGee DL, Cooper RS. Obesity and
hypertension prevalence in populations of African origin. Epidemiology;7:398-405;
1996.
36. Kaune WT, Zaffanella LE. Assessment of Children's Long-Term Exposure to Magnetic
Fields (the Enertech Study). Final report TR-101407. Palo Alto, CA: Electric Power
Research Institute, 1992.
37. Kromhout H, Loomis DP, Mihlan GJ, Peipins LA, Kleckner RC, Iriye R, Savitz
DA. Assessment and grouping of occupational magnetic field exposure in five
electric utility companies. Scand J Work Environ Health;21:43-50;1995.
38. LaDou J., Medicina Laboral. Editorial El Manual Moderno, S.A de CV. Mxico, 1993.
39. Levy B. y Wegman D.- Occupational Health. Recognizing and Preventing WorkRelated Disease.- Little, Brown and Company. USA, 1983.
40. Ley Orgnica de Prevencin Condiciones y Medio Ambiente de Trabajo. Gaceta Oficial
de la Repblica de Venezuela, ao CXIII - mes X. Caracas, Venezuela, 1986.

41. McMichael, A.J. Molecular epidemiology: new pathway or new travelling companion?
Am. J. Epidemiol; 140: 1-11; 1994.
42. Mendes Ren. Medicina do Trabalho. Doencas Profissionais. Editorial Savier. Sao
Paulo, Brasil, 1980.
43. Microsoft Encarta 99. PC Reference Library. Microsoft Corporation, USA, 1998.
44. Ministerio de Sanidad y Asistencia Social. Plan Nacional Salud de los Trabajadores.
Direccin Sectorial de Salud. Comisin de Salud de los Trabajadores. Caracas.
Venezuela. 1995.
45. National Institute for Occupational Safety and Health (NIOSH).- Health hazard
evaluation program.U.S.Department of Health and Human Services. USA, 1992.
46. Nogueira, D.P. Prevention of Accidents and Injuries in Brazil. Ergonomics, 30(2): 387393; 1987
47. Olsen J, Merletti F, Snashall D, Vuylsteek K. Searching for causes of work related
diseases. Oxford: Oxford University Press, 1991
48. Organizacin Mundial de la Salud. Identificacin de enfermedades relacionadas con el
trabajo y medidas para combatirlas. Informe tcnico No. 714. Ginebra, 1985.
49. Organizacin Panamericana de la Salud. Enfermedades Ocupacionales. Gua para su
diagnstico. Publicacin Cientfica No. 480. Washington, 1986.
50. Rathouz PJ, Kasper JD, Zeger SL, Ferrucci L, Bandeen-Roche K, Miglioretti DL,
Fried LP: Short-term consistency in self-reported physical functioning among elderly
women: the Women's Health and Aging Study. American Journal of
Epidemiology.147(8):764-773, 1998.
51. Rey Calero, J. Epidemiologa y epidemiologa clnica. En: Rey Calero, J., Herruzo
Cabrera, R., Rodrguez Artalejo, F. Fundamentos de epidemiologa clnica. Madrid,
Sntesis: 25-35; 1996.
52. Rodrguez A., F., Banegas B., J.R., Rodrguez A., A., y Colaboradores. Principios del
diseo experimental: del laboratorio a la epidemiologa. Rev. Salud Pblica; 4: 149168; 1995.
53. Rodrguez D., del Castillo P, Aguilar C., Glosario de Trminos en Salud
OMS, OPS, ECO, 1990.

Ambiental,

54. Rodrguez D, del Castillo P. y Aguilar C.- Glosario de Trminos en Salud Ambiental.
ECO-OPS-OMS. Mxico, 1990.

55. Samet JM, Zeger SL, Kelsall JE, Xu J: Particulate air pollution and mortality: The
Particle Epidemiology Evaluation Project. Applied Occupational and Environmental
Hygiene 13(6):364-369, 1998.
56. Scharfstein DO, Williams PL: Design of developmental toxicity studies for assessing
the joint effects of dose and duration. Risk Analysis 14:1057-1071, 1994.
57. Schulte, P.A., Perera, F.P. Molecular epidemiology. Principles and practices. Orlando,
FL: Academic Press, 1993.
58. Szpirman L.- Medicina Ocupacional en Israel.-EECL. La Semana Publishing Co. Israel,
1989.
59. Valero M.- La Seguridad y la Higiene en el Trabajo.- Editorial Tormes, S.L. Espaa,
1980.
60. Walker AM. Confounding by indication. Epidemiology;7:335-336; 1996.
61. Walker, J. Biologa molecular y biotecnologa. Editorial Acribia, 2 edicin. Obra
tcnica. Zaragoza, Espaa, 1997.
62. Walter SD. The estimation and interpretation of attributable risk in health research.
Biometrics;32:829-849; 1976.
63. Wang MC: Length bias. In: Encyclopedia of Biostatistics. P. Armitage and T. Colton,
Editors. New York: John Wiley and Sons, 1998.
64. Weinkam JJ, Sterling TD. A graphical approach to the interpretation of age-periodcohort data. Epidemiology;2:133-137;1991.
65. Weintzendfeld Henyk. Evaluacin del Impacto en el Ambiente y la Salud de Proyectos
de Desarrollo. ECO/OPS/OMS. Mxico, 1990.
66. Whittemore AS. Statistical methods for estimating attributable risk from
retrospective data. Stat Med;1:229-243;1982.
67. Yassi A., Kjellstrm T., de Kok T., Guidotti T.: Basic Environmental Health. Draft.WHO. Geneva, 1997.

Gua de Estadsticas
En esta gua de estadstica se encontrarn los siguientes temas, clasificados por
mdulos
Mdulo 1: Qu es la estadsitica
Qu significa estadstica?
Quin usa estdstica?
Estadstica Descriptiva
Estadsticas Inferencial
Tipos de variables
Variable Cualitativas
Variables Cuantitativas
Variables Cuantitativas Discretas
Variables Cuantitativas Continuas
Niveles de medicin
Mdulo 2: Distribuciones de frecuencias y grficas
Distribucin de frecuencias
Marca de clase - Intervalo de clase
Organizar datos en una distribucin de frecuencias
Sugerencias para elaborar una distribucin de frecuencias
Distribucin de frecuencia relativas
Histograma polgonos de frecuencia y distribuciones de frecuencias acumuladas
Histograma
Polgono de Frecuencias
Distribucin de frecuencias acumuladas
Mdulo 3: Descripcin de los datos: medidas de ubicacin
Desviacin media
Media de una muestra
Propiedades de la media aritmtica
Media ponderada
Mediana
Propiedades de la mediana
Moda
Valo aqu
Media geomtrica
Media de datos agrupados
Mediana de datos agrupados
Moda de datos agrupados
Mdulo 4: Medidas de dispersin
Desviacin media
Variancia de la poblacin
Desviacin estndar poblacional
Variancia muestral
Desviacin estndar muestral
Medidas de dispersin: datos no agrupados
Variancia muestral para datos agrupados

Interpretacin y usos de la desviacin estndar

Dispersin relativa
Asimetra
Primer cuartil
Tercer cuartil
Desviacin cuartlica
Amplitud cuartlica
Frmula para porcentiles
Diagramas de caja
Mdulo 5: Conceptos probabilsticos
Enfoques de la probabilidad
Eventos mutuamente excluyentes
Eventos colectivamente exhaustivos
Concepto de frecuencias relativas
Probabilidad subjectiva
Reglas bsicas de probabilidad
Regla del complemento
Valo aqu
Regla especial de multiplicacin
Probabilidad conjunta
Probabilidad condicional
Regla general de multiplicacin
Diagrama de rbol
Teorema de Bayes
Algunos principios de conteo
Mdulo 6: Distribuciones probabilsticas discretas
Variables aleatorias
Distribuciones probabilsticas
Caractersticas de una distribucin porbabilstica
Variable aleatoria discreta
Variable aleatoria continua
Variancia de una distribucin probabilstica discreta
Distribucin probabilstica binomial
Media y variancia de la distribucin binomial
Poblacin finita
Distribucin hipergeomtrica
Distribucin de Poisson
Mdulo 7: Distribucin probabilstica normal
Caractersticas de la distribucin probabilstica normal
Distribucin normal estndar
reas bajo la curva normal
Aproximacin normal a la binomial
Mdulo 8: Mtodos y distribuciones de muestreo
Por qu obtener muestras de la poblacin?
Muestra aleatoria
Mtodos de muestreo aleatorio
Distribucin de muestreo de medias muestrales
Teorema del lmite central
Estimaciones puntuales
Estimaciones de intervalo
Error estndar de la media muestral
Intervalos de confianza de 95% y 99% para

Construccin general de IC para

Intervalo de confianza para una relacin proporcional de poblacin
Factor de correccin de poblacin finita
Seleccin del tamao de muestra
Tamao de la muestra para proporciones
Mdulo 9: Pruebas de hiptesis, muestras grandes
Qu es una hiptesis?
Qu es una prueba de hiptesis?
Prueba de hiptesis
Definiciones
Prueba de significancia de una cola
Prueba de significancia de dos colas
Prueba para la media poblacional: muestra grande, desviacin estndar
poblacional conocida
Valor p en la prueba de hiptesis
Clculo del valor p
Prueba de hiptesis: dos medias poblacionales
Pruebas respecto a relaciones proporcionales
Prueba donde interviene la diferencia entre dos relaciones proporcionales de
poblacin
Mdulo 10: Pruebas de hiptesis, muestras pequeas
Caractersticas de la distribucin t de Student
Prueba para la media poblacional: muesra pequea, desviacin estndar
poblacional desconocida
Comparacin de dos medias poblacionales
Pruebas de hiptesis con observaciones por pares
Variables Cuantitativas Discretas
Variables Cuantitativas Continuas
Niveles de medicin
Mdulo 11: Anlisis de variancia
Caractersticas de la distribucin
F Prueba para variancias iguales
Suposiciones de ANOVA
Estadsticas Inferencial
Procedimiento de anlisis de variancia
Intervalos de confianza para la diferencia entre dos medias
Dos factores ANOVA
Mdulo 12: Regresin lineal y correlacin
Anlisis de correlacin
Coeficiente de correlacin, r
Correlacin negativa perfecta
Correlacin positiva perfecta
Correlacin cero
Correlacin positiva fuerte
Frmula para r
Coeficiente de determinacin
Anlisis de regresin
Error estndar de la estimacin
Suposiciones fundamentales de regresin lineal
Intervalo de confianza
Intervalo de prediccin

Mdulo 13: Anlisis de regresin y correlacin mltiples

Anlisis de regresin mltiple
Error estndar mltiple de la estimacin
Regresin y correlacin mltiples (suposiciones)
Tabla ANOVA
Matriz de correlacin
Prueba global
Prueba para variables individuales
Variables cualitativas y regresiones escalonadas
Anlisis de residuos

Que es la estadstica
Qu significa estadstica?
Valo aqu

Estadstica es la ciencia de recolectar, organizar, presentar, analizar e

interpretar datos con el propsito de ayudar a una toma de decisiones
ms efectiva.
Quin usa estdstica?
Valo aqu
Las tcnicas estadsticas se usan ampliamente por personas en reas de
comercializacin, contabilidad, control de calidad, consumidores,
deportes, administracin de hospitales, educacin, poltica, medicina,
etctera.
Tipos de estadsticas
Estadstica Descriptiva
Valo aqu
Estadstica descriptiva: mtodos para organizar, resumir y presentar
datos de manera informativa.
Ejemplo : un sondeo de opinin encontr que 89% de las personas en una
encuesta saban el nombre del jugador de football Maradona. La

estadstica 89 describe el nmero de cada 100 personas que saben la

respuesta.
Estadsticas Inferencial
Valo aqu
Estadstica inferencial: una decisin, estimacin, prediccin o
generalizacin sobre una poblacin, en base a una muestra.
Una poblacin es un conjunto de todos los posibles individuos, objetos o
medidas de inters.
Una muestra es una porcin, o parte, de la poblacin de inters.
Tipos de variables
Variable Cualitativas
Valo aqu
Variable cualitativa o de atributos: la caracterstica o variable que se
estudia no es numrica.
EJEMPLOS: sexo, afiliacin religiosa, tipo de automvil que se posee, lugar
de nacimiento, color de los ojos.
Variables Cuantitativas
Valo aqu
Variable cuantitativa: la variable se puede registrar numricamente.
EJEMPLO: saldo en una cuenta de cheques, minutos que faltan para que
termine la clase, nmero de nios en una familia.
Variables Cuantitativas Discretas
Valo aqu
Variables discretas: slo pueden adquirir ciertos valores y casi siempre
hay brechas entre esos valores.
EJEMPLO: el nmero de habitaciones en un hotel (1,2,3,....).
Variables Cuantitativas Continuas
Valo aqu
Variables continuas: pueden tomar cualquier valor dentro de un
intervalo especfico.
EJEMPLO: el tiempo que toma volar de Buenos Aires a Bogot.
Niveles de medicin
Valo aqu

Nivel nominal: los datos slo se puede clasificar en categoras, no se

pueden ordenar.
EJEMPLOS: color de los ojos, sexo, afiliacin religiosa.

Mutuamente excluyente: un individuo, objeto o artculo, al ser incluido

en una categora, debe excluirse de las dems.
EJEMPLO: color de los ojos.

Exhaustivo: cada persona, objeto o hecho debe clasificarse al menos en

una categora.
EJEMPLO: afiliacin religiosa.

Nivel ordinal: involucra datos que se pueden ordenar, pero no es posible

determinar las diferencias entre los valores de los datos o no tienen
significado.
EJEMPLO: en una prueba de sabor de 4 refrescos de cola, el C se clasific
como nmero 1, el B como nmero 2, el A como 3 y el D como nmero 4.

Nivel de intervalo: similar al nivel ordinal, con la propiedad adicional de

que se pueden determinar cantidades significativas de las diferencias
entre los valores. No existe un punto cero natural.
EJEMPLO: temperatura en la escala de grados Fahrenheit.

Nivel de razn: el nivel de intervalo con un punto cero inicial inherente.

Las diferencias y razones son significativas para este nivel de medicin.
EJEMPLOS: dinero, altura de los jugadores de basquetbol de la NBA.

<< atras
Tabla de contenidos

D
i

adelante >>

s
t
r
i
b
u
c
i
o
n
e
s
d
e
f
r
e
c
u
e
n
c
i
a
s
y

g
r

f
i
c
a
s
Distribucin de frecuencias
Valo aqu
Distribucin de frecuencias: agrupamiento de datos en categoras, que muestran
el nmero de observaciones en cada categora mutuamente excluyente.
Marca de clase - Intervalo de clase
Vealo aqu
Marca de clase (punto medio): punto que divide a la clase en dos partes iguales.
Es el promedio entre los lmites superior e inferior de la clase.

Intervalo de clase: para una distribucin de frecuencias que tiene clases del mismo
tamao, el intervalo de clase se obtiene restando el lmite inferior de una clase del
lmite inferior de la siguiente.

Ejemplos
Organizar datos en una distribucin de frecuencias
Valo aqu
El Dr. Castro es el decano de la facultad de administracin y desea determinar cunto
estudian los alumnos en ella. Selecciona una muestra aleatoria de 30 estudiantes y
determina el nmero de horas por semana que estudia cada uno: 15.0, 23.7, 19.7,
15.4, 18.3, 23.0, 14.2, 20.8, 13.5, 20.7, 17.4, 18.6, 12.9, 20.3, 13.7, 21.4, 18.3,
29.8, 17.1, 18.9, 10.3, 26.1, 15.7, 14.0, 17.8, 33.8, 23.2, 12.9, 27.1, 16.6.
Organice los datos en una distribucin de frecuencias.
Considere las clases 8-12 y 13-17. Las marcas de clase son 10 y 15. El intervalo de
clase es 5 (13 - 8).

Horas de Estudio

Frecuencia, f

8-12

13-17

12

18-22

10

23-27

28-32

33-37

Sugerencias para elaborar una distribucin de frecuencias

Valo aqu
Los intervalos de clase usados en la distribucin de frecuencias deben ser iguales.
Determine un intervalo de clase sugerido con la frmula:
i = (valor ms alto - valor ms bajo)/nmero de clases.

Use el intervalo de clase calculado sugerido para construir la distribucin de

frecuencias. Nota: este es un intervalo de clase sugerido; si el intervalo de clase
calculado es 97, puede ser mejor usar 100.
Cuente el nmero de valores en cada clase.
Distribucin de frecuencia relativas
Valo aqu
La frecuencia relativa de una clase se obtiene dividiendo la frecuencia de clase entre
la frecuencia total.
Horas de estudio

Frecuencia,
Frecuencia relativa
f

8-12

1/30=.0333

13-17

12

12/30=.400

18-22

10

10/30=.333

23-27

5/30=.1667

28-32

1/30=.0333

33-37

1/30=.0333

TOTAL

30

30/30=1

Representacin grfica de una distribucin de frecuencias

Histograma polgonos de frecuencia y distribuciones de frecuencias acumuladas
Valo aqu
Las tres formas de grficas ms usadas son histogramas, polgonos de frecuencia y
distribuciones de frecuencias acumuladas (ogiva).
Histograma: grfica donde las clases se marcan en el eje horizontal y las
frecuencias de clase en el eje vertical. Las frecuencias de clase se representan por
las alturas de las barras y stas se trazan adyacentes entre s.
Un polgono de frecuencias consiste en segmentos de lnea que conectan los
puntos formados por el punto medio de la clase y la frecuencia de clase.
Una distribucin de frecuencias acumulada (ogiva) se usa para determinar
cuntos o qu proporcin de los valores de los datos es menor o mayor que cierto
valor
Histograma
Valo aqu

Polgono de Frecuencias
Valo aqu

Distribucin de frecuencias acumuladas

Valo aqu

<< atras
Tabla de contenidos

adelante >>

D
e
s
c
r
i
p
c
i

n
d
e
l
o
s
d
a
t
o
s
:
m
e
d

i
d
a
s
d
e
u
b
i
c
a
c
i

n
Desviacin media
Valo aqu
Para datos no agrupados, la media de la poblacin es la suma de todos los valores en ella
dividida entre el total de valores en la poblacin:

donde representa la media de la poblacin.

N es el nmero total de elementos en la poblacin.
X representa cualquier valor en particular.

indica la operacin de sumar.

Ejemplo

Parmetro: una caracterstica de una poblacin.

La familia Orduz posee cuatro autos. Los datos son los kilmetros recorridos por cada
uno: 56 000, 23 000, 42 000 y 73 000. Encuentre el promedio de kilmetros de los
cuatro autos.
Esto es (56 000 + 23 000 + 42 000 + 73 000)/4 = 48 500
Media de una muestra
Vealo aqu
Para datos no agrupados, la media de una muestra es la suma de todos los valores
divididos entre el nmero total de los mismos:

donde
denota la media muestral
N es el nmero total de valores en la muestra.
Ejemplo:
Dato estadstico: una caracterstica de una muestra.
Una muestra de cinco ejecutivos recibi la siguiente cantidad en bonos el ao pasado:
$14000, $15000, $17000, $16000 y $15000.
Encuentre el promedio en bonos para los cinco ejecutivos.
Como estos valores representan la muestra de 5 ejecutivos, la media de la muestra es
(14000 + 15000 + 17000 + 16000 + 15000) / 5 = $15400.
Propiedades de la media aritmtica
Valo aqu

Todo conjunto de datos de nivel de intervalo y de nivel de razn tiene un valor medio.

Al evaluar la media se incluyen todos los valores.

Un conjunto de valores slo tiene una media.

La cantidad de datos a evaluar rara vez afecta la media.

La media es la nica medida de ubicacin donde la suma de las desviaciones de cada

valor con respecto a la media, siempre es cero.
Ejemplo:

Considere el conjunto de valores: 3, 8 y 4. La media es 5.

Para ilustrar la quinta propiedad,
(3 - 5) + (8 - 5) + (4 - 5) = - 2 + 3 - 1 = 0.
En otras palabras,

Media ponderada
Valo aqu
La media ponderada de un conjunto de nmeros X1, X2, ..., Xn, con las ponderaciones
correspondientes w1, w2, ...,wn, se calcula con la frmula:

Ejemplo:
Durante un periodo de una hora en una tarde calurosa de un sbado, el cantinero Julio
sirvi cincuenta bebidas.
Calcule la media ponderada de los precios de las bebidas.
(Precio ($), cantidad vendida): (.50,5), (.75,15), (.90,15), (1.10,15).
La media ponderada es:
$(.50 x 5 + .75 x 15 + .90 x 15 + 1.10 x 15) / (5 + 15 + 15 + 15) =
$43.75/50 = $0.875
Mediana
Valo aqu
Mediana: es el punto medio de los valores despus de ordenarlos de menor a mayor, o
de mayor a menor. La misma cantidad de valores se encuentra por arriba de la mediana
que por debajo de ella.
Nota: para un conjunto con un nmero par de nmeros, la mediana ser el promedio
aritmtico de los dos nmeros medios.

Ejemplo:
Calcule la mediana para los siguientes datos.
La edad de una muestra de cinco estudiantes es: 21, 25, 19, 20 y 22.
Al ordenar los datos de manera ascendente quedan: 19, 20, 21, 22, 25.
La mediana es 21.
Propiedades de la mediana
Valo aqu

La mediana es nica para cada conjunto de datos.

No se ve afectada por valores muy grandes o muy pequeos, y por lo tanto es una
medida valiosa de tendencia central cuando ocurren.

Puede obtenerse para datos de nivel de razn, de intervalo y ordinal.

Puede calcularse para una distribucin de frecuencias con una clase de extremo abierto,
si la mediana no se encuentra en una de estas clases.

Moda
Valo aqu
La moda es el valor de la observacin que aparece con ms frecuencia.

Ejemplo:
las calificaciones de un examen de diez estudiantes son:
81, 93, 84, 75, 68, 87, 81, 75, 81, 87.
Como la calificacin 81 es la que ms ocurre, la calificacin modal es 81.
Media geomtrica
Valo aqu
La media geomtrica (MG) de un conjunto de n nmeros positivos se define como la raz
n-sima del producto de los n valores. Su frmula es:

La media geomtrica se usa para encontrar el promedio de porcentajes, razones, ndices

o tasas de crecimiento.

Ejemplo

Las tasas de inters de tres bonos son 5%, 7% y 4%.

La media geomtrica es

= 5.192.

La media aritmtica es (6 + 3 + 2)/3 = 5.333.

La MG da una cifra de ganancia ms conservadora porque no tiene una ponderacin alta
para la tasa de 7%.

Otra aplicacin de la media geomtrica es determinar el porcentaje promedio del

incremento en ventas, produccin u otros negocios o series econmicas de un periodo a
otro.
La frmula para este tipo de problema es:

Ejemplo
El nmero total de mujeres inscritas en colegios americanos aument de 755 000 en
1986 a 835 000 en 1995.

Aqu n = 10, as (n - 1) = 9.
Es decir, la media geomtrica de la tasa de crecimiento es 1.27%.
Media de datos agrupados
Valo aqu

La media de una muestra de datos organizados en una distribucin de frecuencias se

calcula mediante la siguiente frmula:

Ejemplo:
Una muestra de diez cines en una gran rea metropolitana dio el nmero total de
pelculas exhibidas la semana anterior.
Calcule la media de las pelculas proyectadas.

Pelculas Frecuencia, Punto medio

(f)(X)
exhibidas
f
de clase X
1-2

1.5

1.5

3-4

3.5

7.5

5-6

5.5

16.5

7-8

7.5

7.5

9-10

9.5

28.5

total

10

61

61/10 = 6.1 pelculas

Mediana de datos agrupados
Valo aqu
La mediana de una muestra de datos organizados en una distribucin de frecuencias se
calcula mediante la siguiente frmula:
Mediana = L + [(n/2 - FA)/f] (i)
donde L es el lmite inferior de la clase que contiene a la mediana, FA es la frecuencia
acumulada que precede a la clase de la mediana, f es la frecuencia de clase de la
mediana e i es el intervalo de clase de la mediana.
Para determinar la clase de la mediana de datos agrupados:
Elabore una distribucin de frecuencias acumulada.
Divida el nmero total de datos entre 2.
Determine qu clase contiene este valor.
Por ejemplo, si n=50, 50/2 = 25, despus determine qu clase contiene el 25 valor (la
clase de la mediana).

Pelculas
exhibidas

Frecuencia

Frecuencia
acumulada

1-2

3-4

5-6

7-8

9-10

10

La clase de la mediana es 5 - 6, ya que contiene el 5 valor (n/2 = 5)

De la tabla, L = 5, n = 10, f = 3, i = 2, FA = 3.
As, mediana = 5 + [((10/2) - 4)/3](2) = 6.33
Moda de datos agrupados
Valo aqu
La moda de los datos agrupados se aproxima por el punto medio de la clase que contiene
la frecuencia de clase mayor.
Las modas en el ejemplo de la Mediana de datos agrupados son 5.5 y 9.5. Cuando dos
valores ocurren una gran cantidad de veces, la distribucin se llama bimodal, como en
dicho ejemplo.
Distribucin: simtrica, con asimetra positiva, con asimetra negativa
Valo aqu
Distribucin simtrica :
sesgo cero moda = mediana = media

Distribucin con asimetra positiva:

sesgo a la derecha: media y mediana se encuentran a la derecha de la moda.
moda < mediana < media

Distribucin con asimetra negativa:

sesgo a la izquierda: media y mediana estn a la izquierda de la moda.
media < mediana < moda

Nota

Si se conocen dos promedios de una distribucin de frecuencias con sesgo moderado, el

tercero se puede aproximar.
moda = media - 3(media - mediana)
media = [3(mediana) - moda]/2
mediana = [2(media) + moda]/3

<< atras
Tabla de contenidos

M
e
d
i
d
a
s
d
e
d
i
s
p
e
r
s
i

adelante >>


n
Desviacin media
Valo aqu
Desviacin media: media aritmtica de los valores absolutos de las
desviaciones respecto a la media aritmtica.

Ejemplo:
Los pesos de una muestra de cajas con frenos en un taller son (en Kg.)
103, 97, 101, 106 y 103.
= 510/5 = 102 Kg.
= 1 + 5 + 1 + 4 + 1 = 12
MD = 12/5 = 2.4
Por lo comn los pesos de las cajas estn a 2.4 Kg del peso medio de 102 Kg.
Variancia de la poblacin
Vealo aqu
La varianza de la poblacin para datos no agrupados es la media
aritmtica de las desviaciones cuadrticas respecto a la media de la
poblacin.

Ejemplo:
Las edades de la familia Orduz son 2, 18, 34, y 42 aos. Cul es la variancia de

la poblacin?

Una frmula alternativa para la variancia poblacional es:

Desviacin estndar poblacional

Valo aqu
La desviacin estndar poblacional () es la raz cuadrada de la variancia
de la poblacin.
Para el ejemplo anterior, la desviacin estndar poblacional es 15.19 (raz
cuadrada de 230.81).
Variancia muestral
Valo aqu
La variancia muestral estima la variancia de la poblacin.

Ejemplo:
Una muestra de cinco salarios por hora para varios trabajos en el rea es:
$7, $5, $11, $8, $6.

Encuentre la variancia.

X = 37/5 = 7.40
S2= 21.2/(5-1) = 5.3

Desviacin estndar muestral

Valo aqu
La desviacin estndar muestral es la raz cuadrada de la variancia
muestral.

En el ejercicio anterior, la desviacin estndar de la muestra es = 2.30

Medidas de dispersin: datos no agrupados
Valo aqu
Para datos no agrupados, la amplitud es la diferencia entre los valores
mayor y menor en un conjunto de datos.
AMPLITUD = valor mayor - valor menor

Ejemplo: una muestra de cinco graduados de contadura indic los

siguientes salarios iniciales:
$22 000, $28 000, $31 000, $23 000, $24 000.
La amplitud es $31 000 - $22 000 = $9 000.
Variancia muestral para datos agrupados
Valo aqu
La frmula de la variancia para datos agrupados usada como estimador de
la variancia poblacional es:

donde f es la frecuencia de clase y X es el punto medio de la clase.

Interpretacin y usos de la desviacin estndar
Valo aqu
Teorema de Chebyshev: para cualquier conjunto de observaciones, la
proporcin mnima de valores que est dentro de k desviaciones estndar
desde la media es al menos 1 - 1/k , donde k2 es una constante mayor

que 1.

Regla emprica: para una distribucin de frecuencias simtrica de

campana, cerca de 68% de las observaciones estar dentro de 1 de la
media (); cerca de 95% de las observaciones estar dentro de 2 de la
media (); alrededor de 99.7% estar dentro de 3 de la media ().

Dispersin relativa
Valo aqu

El coeficiente de variacin es la razn de la desviacin estndar a la media

aritmtica, expresada como porcentaje:

Asimetra
Valo aqu

Asimetra (sesgo) es la medida de la falta de simetra en una distribucin.

El coeficiente de asimetra se calcula mediante la siguiente frmula:
Sk = 3(media - mediana) /desviacin estndar
Amplitud intercuartlica
Valo aqu

La amplitud intercuartlica es la distancia entre el tercer cuartil Q3 y el

primer cuartil Q1.
Amplitud intercuartlica = tercer cuartil - primer cuartil = Q3 - Q1
Primer cuartil
Valo aqu

El primer cuartil es el valor correspondiente al punto debajo del cual se

encuentra el 25% de las observaciones en un conjunto ordenado de
datos.

donde L = lmite de las clases que contienen Q1, CF = frecuencia

acumulada que precede a la clase que contiene a Q1, f = frecuencia de la
clase que contiene Q1, i= tamao de la clase que contiene Q1.
Tercer cuartil
Valo aqu

El tercer cuartil es el valor correspondiente al punto debajo del cual se

encuentra 75% de las observaciones en un conjunto ordenado de datos:

donde L = lmite inferior de la clase que contiene a Q3, CF = frecuencia

acumulada precedente a la clase que contiene a Q3, f = frecuencia de la
clase que contiene a Q3, i = tamao de la clase que contiene a Q3
Desviacin cuartlica
Valo aqu

La desviacin cuartlica es la mitad de la distancia entre el tercer cuartil,

Q3, y el primero, Q1.
QD = [Q3 - Q1]/2

Ejemplo:
Si el tercer cuartil = 24 y el primer cuartil = 10,
cul es la desviacin cuartlica?
La amplitud intercuartlica es 24 - 10 = 14;
por lo tanto,
la desviacin cuartlica es 14/2 = 7.

Amplitud cuartlica
Valo aqu

Cada conjunto de datos tiene 99 percentiles, que dividen el conjunto en

100 partes iguales.
La amplitud cuartlica es la distancia entre dos percentiles establecidos.
La amplitud cuartlica 10 a 90 es la distancia entre el 10 y 90
percentiles.

Frmula para porcentiles

Valo aqu

Diagramas de caja
Valo aqu

Un diagrama de caja es una ilustracin grfica, basada en cuartiles, que

ayuda a visualizar un conjunto de datos.
Se requieren cinco tipos de datos para construir un diagrama de caja: el
valor mnimo, el primer cuartil, la mediana, el tercer cuartil, y el valor
mximo.

Ejemplo:

Con base en una muestra de 20 entregas, Marcos Pizza determin la

siguiente informacin:
valor mnimo = 13 minutos,
Q1 = 15 minutos,
mediana = 18 minutos,
Q3 = 22 minutos,
valor mximo = 30 minutos.
Desarrolle un diagrama de caja para los tiempos de entrega.

<< atras
Tabla de contenidos

C
o
n
c
e
p
t
o
s
p
r
o
b

adelante >>

a
b
i
l

s
t
i
c
o
s
Definiciones
Valo aqu

Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad relativa de
que ocurra un evento.
Experimento: proceso que conduce a la ocurrencia de una de varias observaciones
posibles.
Resultado: lo que resulta en particular de un experimento.
Evento: conjunto de uno o ms resultados de un experimento.
Enfoques de la probabilidad
Vealo aqu
Probabilidad clsica se basa en la consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,

Ejemplo
Considere el experimento de lanzar dos monedas al mismo tiempo.

El espacio muestral S = {HH, HT, TH, TT}

Considere el evento de una cara.
Probabilidad de una cara = 2/4 = 1/2.
Eventos mutuamente excluyentes
Valo aqu
Eventos mutuamente excluyentes: la ocurrencia de cualquier evento implica que
ningn otro puede ocurrir al mismo tiempo.
En el anterior, los cuatro resultados posibles son mutuamente excluyentes.
Eventos colectivamente exhaustivos
Valo aqu
Colectivamente exhaustivos: por lo menos uno de los eventos debe ocurrir cuando se
realiza un experimento.
En el EJEMPLO, los cuatro resultados posibles son colectivamente exhaustivos.
En otras palabras,
la suma de las probabilidades es = 1 (.25 + .25 + .25 + .25).
Concepto de frecuencias relativas
Valo aqu
La probabilidad de que un evento ocurra a largo plazo se determina observando en
qu fraccin de tiempo sucedieron eventos semejantes en el pasado:

A lo largo de su carrera, la profesora Patricia ha otorgado 186 calificaciones de A

entre sus 1200 estudiantes.
Cul es la probabilidad de que un estudiante de su clase en este semestre reciba
una A?
Aplicando el concepto de frecuencias relativas, la probabilidad de una A es
186 /1200 = 0.155
Probabilidad subjetiva
Valo aqu

Probabilidad subjetiva: la posibilidad (probabilidad) de que suceda un evento

especfico que asigna una persona con base en cualquier informacin disponible.
Ejemplos de la probabilidad subjetiva son estimar la probabilidad de que los Salgado
de Salta ganen la Lotera el prximo ao y estimar la probabilidad de que ocurra un
terremoto en Los Angeles este ao.
Reglas bsicas de probabilidad
Valo aqu
Si los eventos son mutuamente excluyentes, la ocurrencia de cualquier evento
impide que otro eventos ocurra.
Reglas de adicin: si dos eventos A y B son mutuamente excluyentes, la regla
especial de adicin indica que la probabilidad de que ocurra A o B es igual a la suma
de sus probabilidades respectivas:
P(A o B) = P(A) + P(B)

Ejemplo
Aerolneas Argentinas acaba de proporcionar la siguiente informacin de sus vuelos
de Buenos Aires a Rosario:

Ejemplo
Si A es el evento de que un vuelo llegue antes de tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue antes de tiempo o demorado es

P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.

Regla del complemento
Valo aqu
La regla del complemento se utiliza para determinar la probabilidad de que ocurra un
evento restando del nmero 1 la probabilidad de que un evento no ocurra.
Si P(A) es la probabilidad del evento A y P(~A) es el complemento de A,
P(A) + P(~A) = 1 o P(A) = 1 - P(~A).

Diagrama de Venn que ilustra la regla del complemento

EJEMPLO
Si C es el evento de que un vuelo llegue a tiempo, entonces
P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado, entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que la probabilidad de que el vuelo llegue
antes de tiempo (A) o demorado (B) es 0.175.
P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175

Regla general de adicin

Valo aqu

Si A y B son dos eventos que no son mutuamente excluyentes, entonces

P(A o B) se calcula con la siguiente frmula:
P(A o B) = P(A) + P(B) - P(A y B)

Diagrama de Venn que ilustra esta regla

Ejemplo
En una muestra de 500 estudiantes, 320 dijeron tener un estreo,
175 dijeron tener una TV y 100 dijeron tener ambos:

Si un estudiante es seleccionado aleatoriamente,

cul es la probabilidad de que tenga slo un estreo, slo una TV y uno de cada
uno?
P(S) = 320 /500 = .64.
P(T) = 175 /500 = .35.
P(S y T) = 100 /500 = .20.

Si un estudiante es seleccionado aleatoriamente,

cul es la probabilidad de que tenga un estreo o una TV en su habitacin?

P(S o T) = P(S) + P(T) - P(S y T)

= .64 +.35 - .20 = .79.
Regla especial de multiplicacin
Valo aqu

La regla especial de multiplicacin requiere que dos eventos A y B sean

independientes.
Dos eventos A y B son independientes si la ocurrencia de una no afecta la
probabililidad de ocurrencia del otro.
La regla especial se escribe: P(A y B) = P(A) * P(B).

Ejemplo
Chris posee dos inventarios independientes uno de otro.
La probabilidad de que el inventario A aumente su valor el prximo ao es .5. La
probabilidad de que el B aumente el suyo es .7.
Cul es la probabilidad de que ambos aumenten su valor el prximo ao?
P(A y B) = (.5)(.7) = .35.

Cul es la probabilidad de que al menos uno aumente su valor el prximo ao (esto

implica que cualquiera de los dos o ambos aumenten)?
As, P(al menos uno) = (.5)(.3) + (.5)(.7) + (.7)(.5) = .85.

Probabilidad conjunta
Valo aqu

Probabilidad conjunta es una probabilidad que mide la posibilidad de que dos o ms

eventos ocurran juntos.
Un ejemplo sera el hecho de que un estudiante tenga tanto un estreo como una TV
en su habitacin.

Probabilidad condicional
Valo aqu

Probabilidad condicional es la probabilidad de que ocurra un evento en particular,

dado que ocurri otro evento.

Nota: la probabilidad de que ocurra el evento A dado que ya ocurri B se denota
como
P(A|B).
Regla general de multiplicacin
Valo aqu

La regla general de multiplicacin se utiliza para determina la probabilidad conjunta

de que ocurran dos eventos y establece:
para dos eventos A y B, la probabilidad conjunta que ambos ocurran se encuentra
multiplicando la probabilidad de A por la probabilidad condicional de B dado que A
ocurri.
La probabilidad conjunta, P(A y B) est dada por la siguiente frmula:
P(A y B) = P(A) * P(B|A)
o
P(A y B) = P(B) * P(A|B)

Ejemplo
La directora de la escuela de administracin en Miami recolect la siguiente
informacin acerca de los estudiantes de licenciatura del colegio:

Si un estudiante se selecciona al azar, cul es la probabilidad de que el estudiante

sea mujer del rea de contabilidad?
P(A y F) = 110 / 1000.

Dado que la estudiante es mujer, cul es la probabilidad que est en el rea de

contabilidad?
P(A|F) = [P(A y F)] / [P(F)] = [110 / 1000] /[400 / 1000] = .275.

Diagrama de rbol
Valo aqu

El diagrama de rbol es muy til para visualizar las probabilidades condicional y

conjunta y en particular para el anlisis de decisiones administrativas que involucran
varias etapas.

EJEMPLO
: una
bolsa contiene 7 fichas rojas (R) y 5 azules (B), se escogen 2 fichas, una despus de
la otra sin reemplazo. Construya el diagrama de rbol con esta informacin.

Teorema de Bayes
Valo aqu

El teorema de Bayes se representa con la frmula:

La compaa Duff Beer ha recibido varias quejas debido a que sus botellas no van
bien llenas.

Una queja fue recibida hoy pero el gerente de produccin no puede identificar cul de
las dos plantas Springfield (A o B) llen esta botella.
Cul es la probabilidad de que la botella mal llenada haya salido de la planta A?

P(A |U) = [(.55)(.03)]/[(.55)(.03) + (.45)(.04)] = .4783.

Algunos principios de conteo

Valo aqu

Frmula de la multiplicacin: si hay m modos de hacer una cosa y n formas de hacer

otra, existen m x n formas de hacer ambas.
EJEMPLO: el Doctor Priss tiene 10 camisas y 8 corbatas.
Cuntos conjuntos de camisas /corbatas tiene?
(10)(8) = 80.

Permutacin: un arreglo de r objetos seleccionados a partir de un grupo nico de n

objetos posibles.

Nota: el orden del arreglo es importante en las permutaciones.

Combinacin: el nmero de modos para elegir r objetos de un grupo de n objetos sin

considerar el orden.

Ejemplo

Tabla de contenidos

adelante >>

Una variable aleatoria es un valor numrico determinado por el resultado de un

Ejemplo: considere un experimento aleatorio en el que se lanza tres veces una

moneda. Sea X el nmero de caras. Sea H el resultado de obtener una cara y T el
de obtener una cruz.

El espacio muestral para este experimento ser: TTT, TTH, THT, THH, HTT, HTH,

Entonces, los valores posibles de X (nmero de caras) son x = 0, 1, 2, 3.

El resultado cero caras ocurri una vez.

bucin de Poisson

bucin de probabilidades binomial se hace cada vez ms sesgada a la derecha

e la probabilidad de xitos disminuye.
a lmite de la es muy pequea y n esdistribucin binomial donde la probabilidad
grande se llama distribucin de probabilidades de Poisson.
bucin de Poisson se puede describir matemticamente por la frmula:

es la media aritmtica del nmero de ocurrencias en un intervalo especfico de

es la constante 2.71828 y x es el nmero de ocurrencias.

u se puede determinar en situaciones binomiales por n

es el nmero de ensayos y la probabilidad de xito.
nza de la distribucin de Poisson tambin es igual a n

nia Urgent Care se especializa en el cuidado de lesiones menores, resfriados y

n las horas de la tarde de 6-10 PM el nmero medio de llegadas es 4.0 por hora.
la probabilidad de 4 llegadas en una hora?

4^4)(e^-4)/4!=.1954.

El entrenador Alexis tiene que elegir 5 jugadores entre los doce del equipo para
incluirlos en alineacin.
Cuntos grupos diferentes se pueden formar?
12C5 = (12!)/[5!(12-5)!] =792
Suponga que el entrenador Alexis debe clasificarlos en orden:
12P5 = (12!)/(12-5)! = 95,040.

<< atras
Tabla de contenidos

D
i
s
t
r
i
b
u
c
i

n
p
r
o
b
a
b
i
l

s
t
i
c
a

adelante >>

n
o
r
m
a
l
Caractersticas de la distribucin probabilstica normal
Valo aqu

La curva normal tiene forma de campana con un solo pico justo en el centro
de la distribucin.
La media, mediana y moda de la distribucin aritmtica son iguales y se
localizan en el pico.
La mitad del rea bajo la curva est a la derecha del pico, y la otra mitad est
a la izquierda.
La distribucin normal es simtrica respecto a su media.
La distribucin normal es asinttica - la curva se acerca cada vez ms al eje x
pero en realidad nunca llega a tocarlo.

Distribucin normal estndar

t
o
d
o
s
y
d
i
s
t
r
i
b
u
c
i
o
n
e
s
d
e

m
u
e
s
t
r
e
o
Por qu obtener muestras de la poblacin?
Valo aqu

Existe una imposibilidad fsica de verificar todos los elementos de la

poblacin.
El costo de estudiar todos los elementos de una poblacin es alto.
Los resultados de la muestra suelen ser adecuados.
Contactar a toda la poblacin es tardado, por la naturaleza destructiva de
ciertas pruebas.
Muestra aleatoria
Valo aqu
Una muestra aleatoria es una muestra seleccionada de manera que cada
elemento o persona en la poblacin que se estudia tiene una probabilidad
conocida de quedar incluido en la muestra.
Mtodos de muestreo aleatorio
Valo aqu
Muestra aleatoria simple: muestra formulada de manera que cada
elemento o persona en la poblacin tiene la misma oportunidad de quedar
incluida.
Muestra aleatoria sistemtica: los artculos o individuos de la
poblacin se colocan en cierto orden. Se elige un punto de partida
aleatorio y despus se selecciona uno cada
k-simo elemento de la poblacin para la muestra.
Muestreo aleatorio estratificado: se divide la poblacin en subgrupos,
llamados estratos, y se selecciona una muestra de cada estrato.
Muestreo por conglomeracin: primero se divide la poblacin en
subgrupos (estratos), y se selecciona un estrato. La muestra se toma del
estrato seleccionado.
El error de muestreo es la diferencia entre un estadstico muestral y su

parmetro correspondiente.
.

Distribucin de muestreo de medias muestrales

Valo aqu
La distribucin de muestreo de medias muestrales es la distribucin de
probabilidad de todas la medias muestrales posibles de un tamao de
muestra dado, seleccionadas de una poblacin, y la probabilidad de
ocurrencia asociada con cada media muestral.

Ejemplo:
El despacho de abogados Hoya & Associados tiene cinco socios.
En su junta de socios semanal cada uno informa el nmero de horas que
cobraron a los clientes por sus servicios la semana anterior.

Socio

Horas

Giordanino

22

Barnab

26

Torres

30

Carrizo

26

Salgado

22

Si se seleccionan al azar dos socios, cuntas muestras diferentes son

posibles?.
Organice las medias muestrales en una distribucin de muestreo.
Media Muestral

Frecuencia

Frecuencia relativa

22

1/10

24

4/10

26

3/10

28

2/10

d
e
h
i
p

t
e
s
i
s
,
m
u
e
s
t
r
a
s
g
r
a
n
d
e

s
Qu es una hiptesis?
Valo aqu

Hiptesis: enunciado acerca de una poblacin elaborada con el propsito de

ponerse a prueba.
Ejemplos de hiptesis acerca de un parmetro de poblacin son:
la media mensual de ingresos para analistas de sistemas es $3625,
el 20% de los delincuentes juveniles son capturados y sentenciados a prisin.
Qu es una prueba de hiptesis?
Vealo aqu
Prueba de hiptesis: procedimiento basado en la evidencia muestral y en la teora
de probabilidad que se emplea para determinar si la hiptesis es un enunciado
razonable y no debe rechazarse o si no es razonable y debe ser rechazado.
Prueba de hiptesis
Valo aqu

Definiciones
Valo aqu
Hiptesis nula H0: afirmacin acerca del valor de un parmetro poblacional.
Hiptesis alterna H1: afirmacin que se aceptar si los datos muestrales
proporcionan evidencia de que la hiptesis nula es falsa.
Nivel de significancia: probabilidad de rechazar la hiptesis nula cuando es
verdadera.
Error Tipo I: rechazar la hiptesis nula cuando en realidad es verdadera.
Error Tipo II: aceptar la hiptesis nula cuando en realidad es falsa.

Variables discretas: slo pueden adquirir ciertos valores y casi siempre

hay brechas entre esos valores.
EJEMPLO: el nmero de habitaciones en un hotel (1,2,3,....).
Variables Cuantitativas Continuas
Valo aqu
Variables continuas: pueden tomar cualquier valor dentro de un
intervalo especfico.
EJEMPLO: el tiempo que toma volar de Buenos Aires a Bogot.
Niveles de medicin
Valo aqu

Nivel nominal: los datos slo se puede clasificar en categoras, no se

pueden ordenar.
EJEMPLOS: color de los ojos, sexo, afiliacin religiosa.

Mutuamente excluyente: un individuo, objeto o artculo, al ser incluido

en una categora, debe excluirse de las dems.
EJEMPLO: color de los ojos.

Exhaustivo: cada persona, objeto o hecho debe clasificarse al menos en

una categora.
EJEMPLO: afiliacin religiosa.

Nivel ordinal: involucra datos que se pueden ordenar, pero no es posible

determinar las diferencias entre los valores de los datos o no tienen
significado.
EJEMPLO: en una prueba de sabor de 4 refrescos de cola, el C se clasific
como nmero 1, el B como nmero 2, el A como 3 y el D como nmero 4.

Nivel de intervalo: similar al nivel ordinal, con la propiedad adicional de

que se pueden determinar cantidades significativas de las diferencias
entre los valores. No existe un punto cero natural.
EJEMPLO: temperatura en la escala de grados Fahrenheit.

Nivel de razn: el nivel de intervalo con un punto cero inicial inherente.

Las diferencias y razones son significativas para este nivel de medicin.
EJEMPLOS: dinero, altura de los jugadores de basquetbol de la NBA.

<< atras
Tabla de contenidos

adelante >>

La estadstica inferencial, que se dedica a la generacin de los modelos,

inferencias y predicciones asociadas a los fenmenos en cuestin
teniendo en cuenta la aleatoriedad de las observaciones. Se usa para
modelar patrones en los datos y extraer inferencias acerca de la
poblacin bajo estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas si/no (prueba de hiptesis), estimaciones de
caractersticas numricas (estimacin), pronsticos de futuras
observaciones, descripciones de asociacin (correlacin) o
modelamiento de relaciones entre variables (anlisis de regresin). Otras
tcnicas de modelamiento incluyen anova, series de tiempo y minera de
datos.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay tambin

una disciplina llamada estadstica matemtica, la cual se refiere a las bases tericas de la
materia. La palabra estadsticas tambin se refiere al resultado de aplicar un algoritmo
estadstico a un conjunto de datos, como en estadsticas econmicas, estadsticas
criminales, etc.

Contenido
[ocultar]

1 Etimologa
2 Orgenes en probabilidad

3 Estado actual

4 Mtodos estadsticos
o

4.1 Estudios experimentales y observacionales

4.2 Niveles de medicin

4.3 Tcnicas de anlisis estadstico

5 Disciplinas especializadas

6 Computacin estadstica

7 Crticas a la estadstica

8 Estadsticos famosos

9 Notas

10 Bibliografa

11 Enlaces externos

Etimologa [editar]
El trmino alemn statistik, que fue primeramente introducido por Gottfried Achenwall
(1749), designaba originalmente el anlisis de datos del Estado, es decir, la "ciencia del
Estado" (tambin llamada aritmtica poltica de su traduccin directa del ingls). No fue
hasta el siglo XIX cuando el trmino estadstica adquiri el significado de recolectar y
clasificar datos. Este concepto fue introducido por el ingls John Sinclair.
En su origen, por tanto, la Estadstica estuvo asociada a los Estados, para ser utilizados por
el gobierno y cuerpos administrativos (a menudo centralizados). La coleccin de datos
acerca de estados y localidades contina ampliamente a travs de los servicios de
estadstica nacionales e internacionales. En particular, los censos suministran informacin
regular acerca de la poblacin.
Ya se utilizaban representaciones grficas y otras medidas en pieles, rocas, palos de madera
y paredes de cuevas para controlar el nmero de personas, animales o ciertas mercancas.
Hacia el ao 3000 a. C. los babilonios usaban ya pequeos envases moldeados de arcilla
para recopilar datos sobre la produccin agrcola y de los gneros vendidos o cambiados.
Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de

construir las pirmides en el siglo XI a. C. Los libros bblicos de Nmeros y Crnicas

incluyen en algunas partes trabajos de estadstica. El primero contiene dos censos de la
poblacin de Israel y el segundo describe el bienestar material de las diversas tribus judas.
En China existan registros numricos similares con anterioridad al ao 2000 a. C. Los
antiguos griegos realizaban censos cuya informacin se utilizaba hacia el 594 a. C. para
cobrar impuestos.

Orgenes en probabilidad [editar]

Los mtodos estadstico-matemticos emergieron desde la teora de probabilidad, la cual
data desde la correspondencia entre Blaise Pascal y Pierre de Fermat (1654). Christian
Huygens (1657) da el primer tratamiento cientfico que se conoce a la materia. El Ars
coniectandi (pstumo, 1713) de Jakob Bernoulli y la Doctrina de posibilidades (1718) de
Abraham de Moivre estudiaron la materia como una rama de las matemticas.1 En la era
moderna, el trabajo de Kolmogrov ha sido un pilar en la formulacin del modelo
fundamental de la Teora de Probabilidades, el cual es usado a travs de la estadstica.
La teora de errores se puede remontar a la pera miscellnea (pstuma, 1722) de Roger
Cotes y al trabajo preparado por Thomas Simpson en 1755 (impreso en 1756) el cual aplica
por primera vez la teora de la discusin de errores de observacin. La reimpresin (1757)
de este trabajo incluye el axioma de que errores positivos y negativos son igualmente
probables y que hay unos ciertos lmites asignables dentro de los cuales se encuentran todos
los errores; se describen errores continuos y una curva de probabilidad.
Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para la
combinacin de observaciones desde los principios de la teora de probabilidades. Laplace
represent la ley de probabilidades de errores mediante una curva y dedujo una frmula
para la media de tres observaciones. Tambin, en 1871, obtiene la frmula para la ley de
facilidad del error (trmino introducido por Lagrange, 1744) pero con ecuaciones
inmanejables. Daniel Bernoulli (1778) introduce el principio del mximo producto de las
probabilidades de un sistema de errores concurrentes.
El mtodo de mnimos cuadrados, el cual fue usado para minimizar los errores en
mediciones, fue publicado independientemente por Adrien-Marie Legendre (1805), Robert
Adrain (1808), y Carl Friedrich Gauss (1809). Gauss haba usado el mtodo en su famosa
prediccin de la localizacin del planeta enano Ceres en 1801. Pruebas adicionales fueron
escritas por Laplace (1810, 1812), Gauss (1823), James Ivory (1825, 1826), Hagen (1837),
Friedrich Bessel (1838), W.F. Donkin (1844, 1856), John Herschel (1850) y Morgan
Crofton (1870). Otros contribuidores fueron Ellis (1844), Augustus De Morgan (1864),
Glaisher (1872) y Giovanni Schiaparelli (1875). La frmula de Peters para r, el probable
error de una observacin simple es bien conocido.
El siglo XIX incluye autores como Laplace, Silvestre Lacroix (1816), Littrow (1833),
Richard Dedekind (1860), Helmert (1872), Hermann Laurent (1873), Liagre, Didion y Karl
Pearson. Augustus De Morgan y George Boole mejoraron la presentacin de la teora.
Adolphe Quetelet (1796-1874), fue otro importante fundador de la estadstica y quien

introdujo la nocin del hombre promedio (lhomme moyen) como un medio de entender
los fenmenos sociales complejos tales como tasas de criminalidad, tasas de matrimonio o
tasas de suicidios.

Estado actual [editar]

Durante el siglo XX, la creacin de instrumentos precisos para asuntos de salud pblica
(epidemiologa, bioestadstica, etc.) y propsitos econmicos y sociales (tasa de desempleo,
econometra, etc.) necesit de avances sustanciales en las prcticas estadsticas.
Hoy el uso de la estadstica se ha extendido ms all de sus orgenes como un servicio al
Estado o al gobierno. Personas y organizaciones usan la estadstica para entender datos y
tomar decisiones en ciencias naturales y sociales, medicina, negocios y otras reas. La
estadstica es entendida generalmente no como un sub-rea de las matemticas sino como
una ciencia diferente aliada. Muchas universidades tienen departamentos acadmicos de
matemticas y estadstica separadamente. La estadstica se ensea en departamentos tan
diversos como psicologa, educacin y salud pblica.

Regresin lineal - Grficos de dispersin en estadstica.

Al aplicar la estadstica a un problema cientfico, industrial o social, se comienza con un

proceso o poblacin a ser estudiado. Esta puede ser la poblacin de un pas, de granos
cristalizados en una roca o de bienes manufacturados por una fbrica en particular durante
un periodo dado. Tambin podra ser un proceso observado en varios instantes y los datos
recogidos de esta manera constituyen una serie de tiempo.
Por razones prcticas, en lugar de compilar datos de una poblacin entera, usualmente se
estudia un subconjunto seleccionado de la poblacin, llamado muestra. Datos acerca de la
muestra son recogidos de manera observacional o experimental. Los datos son entonces
analizados estadsticamente lo cual sigue dos propsitos: descripcin e inferencia.
El concepto de correlacin es particularmente valioso. Anlisis estadsticos de un conjunto
de datos puede revelar que dos variables (esto es, dos propiedades de la poblacin bajo
consideracin) tienden a variar conjuntamente, como si hubiera una conexin entre ellas.
Por ejemplo un estudio del ingreso anual y la edad de muerte entre personas podra resultar
en que personas pobres tienden a tener vidas ms cortas que personas de mayor ingreso.

Las dos variables se dicen a ser correlacionadas. Sin embargo, no se pude inferir
inmediatamente la existencia de una relacin de causalidad entre las dos variables. El
fenmeno correlacionado podra ser la causa de un tercero, previamente no considerado,
llamado variable confundida.
Si la muestra es representativa de la poblacin, inferencias y conclusiones hechas en la
muestra pueden ser extendidas a la poblacin completa. Un problema mayor es el de
determinar que tan representativa es la muestra extrada. La estadstica ofrece medidas para
estimar y corregir por aleatoriedad en la muestra y en el proceso de recoleccin de los
datos, as como mtodos para disear experimentos robustos como primera medida, ver
diseo experimental.
El concepto matemtico fundamental empleado para entender la aleatoriedad es el de
probabilidad. La estadstica matemtica (tambin llamada teora estadstica) es la rama de
las matemticas aplicadas que usa la teora de probabilidades y el anlisis matemtico para
examinar las bases tericas de la estadstica.
El uso de cualquier mtodo estadstico es vlido solo cuando el sistema o poblacin bajo
consideracin satisface los supuestos matemticos del mtodo. El mal uso de la estadstica
puede producir serios errores en la descripcin e interpretacin, afectando las polticas
sociales, la prctica mdica y la calidad de estructuras tales como puentes y plantas de
reaccin nuclear.
Incluso cuando la estadstica es correctamente aplicada, los resultados pueden ser
difcilmente interpretados por un inexperto. Por ejemplo, el significado estadstico de una
tendencia en los datos, que mide el grado al cual la tendencia puede ser causada por una
variacin aleatoria en la muestra, puede no estar de acuerdo con el sentido intuitivo. El
conjunto de habilidades estadsticas bsicas (y el escepticismo) que una persona necesita
para manejar informacin en el da a da se refiere como cultura estadstica.

Mtodos estadsticos [editar]

Estudios experimentales y observacionales [editar]

Un objetivo comn para un proyecto de investigacin estadstica es investigar la

causalidad, y en particular extraer una conclusin en el efecto que algunos cambios en los
valores de predictores o variables independientes tienen sobre una respuesta o variables
dependientes. Hay dos grandes tipos de estudios estadsticos para estudiar causalidad:
estudios experimentales y observacionales. En ambos tipos de estudios, el efecto de las
diferencias de una variable independiente (o variables) en el comportamiento de una
variable dependiente es observado. La diferencia entre los dos tipos es la forma en que el
estudio es conducido. Cada uno de ellos puede ser muy efectivo.
Un estudio experimental implica tomar mediciones del sistema bajo estudio, manipular el
sistema y luego tomar mediciones adicionales usando el mismo procedimiento para
determinar si la manipulacin ha modificado los valores de las mediciones. En contraste, un

estudio observacional no necesita manipulacin experimental. Por el contrario, los datos

son recogidos y las correlaciones entre predictores y la respuesta son investigadas.
Un ejemplo de un estudio experimental es el famoso experimento de Hawthorne el cual
pretenda probar cambios en el ambiente de trabajo en la planta Hawthorne de la Western
Electric Company. Los investigadores estaban interesados en si al incrementar la
iluminacin en un ambiente de trabajo, la produccin de los trabajadores aumentaba. Los
investigadores primero midieron la productividad de la planta y luego modificaron la
iluminacin en un rea de la planta para ver si cambios en la iluminacin afectaran la
productividad. La productividad mejor bajo todas las condiciones experimentales. Sin
embargo, el estudio fue muy criticado por errores en los procedimientos experimentales,
especficamente la falta de un grupo control y seguimiento.
Un ejemplo de un estudio observacional es un estudio que explora la correlacin entre
fumar y el cncer de pulmn. Este tipo de estudio normalmente usa una encuesta para
recoger observaciones acerca del rea de inters y luego produce un anlisis estadstico. En
este caso, los investigadores recogeran observaciones de fumadores y no fumadores y
luego miraran los casos de cncer de pulmn en ambos grupos.
Los pasos bsicos para un experimento son:

Planeamiento estadstico de la investigacin, lo cual incluye encontrar

fuentes de informacin, seleccin de material disponible en el rea y
consideraciones ticas para la investigacin y el mtodo propuesto. Se
plantea un problema de estudio,
Disear el experimento concentrndose en el modelo y la interaccin
entre variables independientes y dependientes. Se realiza un muestreo
consistente en la recoleccin de datos referentes al fenmeno o variable
que deseamos estudiar. Se propone un modelo de probabilidad, cuyos
parmetros se estiman mediante estadsticos a partir de los datos de
muestreo. Sin embargo, se mantiene lo que se denominan hiptesis
sostenidas (que no son sometidas a comprobacin). Se valida el modelo
comparndolo con lo que sucede en la realidad. Se utiliza mtodos
estadsticos conocidos como test de hiptesis o prueba de significacin.

Se producen estadsticas descriptivas.

Inferencia estadstica. Se llega a un consenso acerca de qu dicen las

observaciones acerca del mundo que observamos.

Se utiliza el modelo validado para tomar decisiones o predecir

acontecimientos futuros. Se produce un reporte final con los resultados
del estudio.

Niveles de medicin [editar]

Hay cuatro tipos de mediciones o escalas de medicin en estadstica. Los cuatro tipos de
niveles de medicin (nominal, ordinal, intervalo y razn) tienen diferentes grados de uso en

la investigacin estadstica. Las medidas de razn, en donde un valor cero y distancias entre
diferentes mediciones son definidas, dan la mayor flexibilidad en mtodos estadsticos que
pueden ser usados para analizar los datos. Las medidas de intervalo tienen distancias
interpretables entre mediciones, pero un valor cero sin significado (como las mediciones de
coeficiente intelectual o temperatura en grados Celsius). Las medidas ordinales tienen
imprecisas diferencias entre valores consecutivos, pero un orden interpretable para sus
valores. Las medidas nominales no tienen ningn rango interpretable entre sus valores.
La escala de medida nominal, puede considerarse la escala de nivel ms bajo. Se trata de
agrupar objetos en clases. La escala ordinal, por su parte, recurre a la propiedad de orden
de los nmeros. La escala de intervalos iguales est caracterizada por una unidad de medida
comn y constante. Es importante destacar que el punto cero en las escalas de intervalos
iguales es arbitrario, y no refleja en ningn momento ausencia de la magnitud que estamos
midiendo. Esta escala, adems de poseer las caractersticas de la escala ordinal, permite
determinar la magnitud de los intervalos (distancia) entre todos los elementos de la escala.
La escala de coeficientes o Razones es el nivel de medida ms elevado y se diferencia de
las escalas de intervalos iguales nicamente por poseer un punto cero propio como origen;
es decir que el valor cero de esta escala significa ausencia de la magnitud que estamos
midiendo. Si se observa una carencia total de propiedad, se dispone de una unidad de
medida para el efecto. A iguales diferencias entre los nmeros asignados corresponden
iguales diferencias en el grado de atributo presente en el objeto de estudio.
Tcnicas de anlisis estadstico [editar]

Algunos tests y procedimientos para investigacin de observaciones bien conocidos son:

Prueba t de Student
Prueba de

Anlisis de varianza (ANOVA)

U de Mann-Whitney

Anlisis de regresin

Correlacin

Iconografa de las correlaciones

Prueba de la diferencia menos significante de Fisher

Coeficiente de correlacin producto momento de Pearson

Coeficiente de correlacin de rangos de Spearman

Anlisis factorial exploratorio

Anlisis factorial confirmatorio

Disciplinas especializadas [editar]

Algunos campos de investigacin usan la estadstica tan extensamente que tienen
terminologa especializada. Estas disciplinas incluyen:

Ciencias actuariales
Fsica estadstica

Estadstica industrial

Estadstica Espacial

Matemticas Estadstica

Estadstica en Medicina

Estadstica en Medicina Veterinaria y Zootecnia

Estadstica en Nutricin

Estadstica en Agronoma

Estadstica en Planificacin

Estadstica en Investigacin

Estadstica en Restauracin de Obras

Estadstica en Literatura

Estadstica en Astronoma

Estadstica en la Antropologa (Antropometra)

Estadstica en Historia

Estadstica militar

Geoestadstica

Bioestadstica

Estadsticas de Negocios

Estadstica Computacional

Estadstica en las Ciencias de la Salud

Investigacin de Operaciones

Estadsticas de Consultora

Estadstica de la educacin, la enseanza, y la formacin

Estadstica en la comercializacin o mercadotecnia

Cienciometra

Estadstica del Medio Ambiente

Estadstica en Epidemiologa

Minera de datos (aplica estadstica y reconocimiento de patrones para el

conocimiento de datos)

Econometra (Estadstica econmica)

Estadstica en Ingeniera

Geografa y Sistemas de informacin geogrfica, ms especficamente

en Anlisis espacial

Demografa

Estadstica en psicologa (Psicometra)

Calidad y productividad

Estadsticas sociales (para todas las ciencias sociales)

Cultura estadstica

Encuestas por Muestreo

Anlisis de procesos y quimiometra (para anlisis de datos en qumica

analtica e ingeniera qumica)

Confiabilidad estadstica

Procesamiento de imgenes

Estadsticas Deportivas

La estadstica es una herramienta bsica en negocios y produccin. Es usada para entender

la variabilidad de sistemas de medicin, control de procesos (como en control estadstico de
procesos o SPC (CEP)), para compilar datos y para tomar decisiones. En estas aplicaciones
es una herramienta clave, y probablemente la nica herramienta disponible.

Computacin estadstica [editar]

El rpido y sostenido incremento en el poder de clculo de la computacin desde la
segunda mitad del siglo XX ha tenido un sustancial impacto en la prctica de la ciencia
estadstica. Viejos modelos estadsticos fueron casi siempre de la clase de los modelos
lineales. Ahora, complejos computadores junto con apropiados algoritmos numricos, han
causado un renacer del inters en modelos no lineales (especialmente redes neuronales y

rboles de decisin) y la creacin de nuevos tipos tales como modelos lineales

generalizados y modelos multinivel.
El incremento en el poder computacional tambin ha llevado al crecimiento en popularidad
de mtodos intensivos computacionalmente basados en remuestreo, tales como tests de
permutacin y de bootstrap, mientras tcnicas como el muestreo de Gibbs han hecho los
mtodos bayesianos ms accesibles. La revolucin en computadores tiene implicaciones en
el futuro de la estadstica, con un nuevo nfasis en estadsticas experimentales y
empricas. Un gran nmero de paquetes estadsticos est ahora disponible para los
investigadores. Los sistemas dinmicos y teora del caos, desde hace una dcada,
empezaron a interesar en la comunidad hispana, pues en la anglosajona de Estados Unidos
estaba ya establecida la conducta catica en sistemas dinmicos no lineales con 350
libros para 1997 y empezaban algunos trabajos en los campos de las ciencias sociales y en
aplicaciones de la fsica. Tambin se estaba contemplando su uso en analtica.

Crticas a la estadstica [editar]

Hay una percepcin general de que el conocimiento estadstico es intencionada y
demasiado frecuentemente mal usado, encontrando maneras de interpretar los datos que
sean favorables al presentador. Un dicho famoso, al parecer de Benjamin Disraeli,2 es:
Hay tres tipos de mentiras: mentiras pequeas, mentiras grandes y estadsticas. El
popular libro How to lie with statistics (cmo mentir con las estadsticas) de Darrell Huff
discute muchos casos de mal uso de la estadstica, con nfasis en grficas
malintencionadas. Al escoger (o rechazar o modificar) una cierta muestra, los resultados
pueden ser manipulados; eliminando outliers por ejemplo. Este puede ser el resultado de
fraudes o sesgos intencionales por parte del investigador. Lawrence Lowell (decano de la
Universidad de Harvard) escribi en 1909 que las estadsticas, como algunos pasteles, son
buenas si se sabe quin las hizo y se est seguro de los ingredientes.
Algunos estudios contradicen resultados obtenidos previamente, y la poblacin comienza a
dudar en la veracidad de tales estudios. Se podra leer que un estudio dice (por ejemplo)
que hacer X reduce la presin sangunea, seguido por un estudio que dice que hacer X
no afecta la presin sangunea, seguido por otro que dice que hacer X incrementa la
presin sangunea. A menudo los estudios se hacen siguiendo diferentes metodologas, o
estudios en muestras pequeas que prometen resultados maravillosos que no son obtenibles
en estudios de mayor tamao. Sin embargo, muchos lectores no notan tales diferencias, y
los medios de comunicacin simplifican la informacin alrededor del estudio y la
desconfianza del pblico comienza a crecer.
Sin embargo, las crticas ms fuertes vienen del hecho que la aproximacin de pruebas de
hiptesis, ampliamente usada en muchos casos requeridos por ley o reglamentacin,
obligan una hiptesis a ser 'favorecida' (la hiptesis nula), y puede tambin exagerar la
importancia de pequeas diferencias en estudios grandes. Una diferencia que es altamente
significativa puede ser de ninguna significancia prctica.

Vase tambin crticas de prueba de hiptesis y controversia de la

hiptesis nula.

En los campos de la psicologa y la medicina, especialmente con respecto a la aprobacin

de nuevas drogas por la Food and Drug Administration, crticas de la aproximacin de
prueba de hiptesis se han incrementado en los aos recientes. Una respuesta ha sido un
gran nfasis en el p-valor en vez de simplemente reportar si la hiptesis fue rechazada al
nivel de significancia dado. De nuevo, sin embargo, esto resume la evidencia para un
efecto pero no el tamao del efecto. Una posibilidad es reportar intervalos de confianza,
puesto que estos indican el tamao del efecto y la incertidumbre. Esto ayuda a interpretar
los resultados, como el intervalo de confianza para un dado indicando simultneamente la
significancia estadstica y el efecto de tamao.
El p valor y los intervalos de confianza son basados en los mismos clculos fundamentales
como aquellos para las correspondientes pruebas de hiptesis. Los resultados son
presentados en un formato ms detallado, en lugar del si-o-no de las pruebas de hiptesis y
con la misma metodologa estadstica.
Otro tipo de aproximacin es el uso de mtodos bayesianos. Esta aproximacin ha sido, sin
embargo, tambin criticada.
El fuerte deseo de ver buenas drogas aprobadas y el de ver drogas peligrosas o de poco uso
siendo rechazadas crea tensiones y conflictos (errores tipo I y II en el lenguaje de pruebas
de hiptesis).

Estadsticos famosos [editar]

Thomas
Bayes

Bruno de
Finetti

Abraham De
Moivre

Adolphe
Quetelet

Pafnuti
Chebyshov

Sir Ronald
Fisher

Sir Isaac
Newton

C. R. Rao

Sir David Cox

Walter
Shewhart

Gertrude Cox

Jerzy
Neyman

Sir Francis
Galton

George
Dantzig

Carl Friedrich
Gauss

Florence
Nightingale

Charles
Spearman

William Sealy
Gosset

Blaise Pascal

John Tukey

Andri
Kolmogrov

George Box

Karl Pearson

Ren
Descartes
W. Edwards
Deming

Aleksandr
Lyapunov

Notas [editar]
1. Ver el trabajo de Ian Hacking en The emergence of probability para
una historia del desarrollo del concepto de probabilidad matemtica.
2. Cf. Damned lies and statistics: untangling numbers from the media,
politicians, and activists, del profesor Joel Best. Best atribuye este dicho
a Disraeli, y no a Mark Twain u otros autores como se cree popularmente.

Bibliografa [editar]

Best, Joel (2001). Damned Lies and Statistics: Untangling Numbers from
the Media, Politicians, and Activists. University of California Press. ISBN
0-520-21978-3.
Desrosires, Alain (2004). The Politics of Large Numbers: A History of
Statistical Reasoning, Camille Naish (trad.), Harvard University Press.
ISBN 0-674-68932-1.

Hacking, Ian (1990). The Taming of Chance. Cambridge University Press.

ISBN 0-521-38884-8.

Lindley, D. V. (1985). Making Decisions, 2. edicin edicin, John Wiley &

Sons. ISBN 0-471-90808-8.

Stigler, Stephen M. (1990). The History of Statistics: The Measurement of

Uncertainty before 1900. Belknap Press/Harvard University Press. ISBN 0674-40341-X.

Tijms, Henk (2004). Understanding Probability: Chance Rules in

Everyday life. Cambridge University Press. ISBN 0-521-83329-9.

Volle, Michel (1984). Le mtier de statisticien, 2. ed. edicin,

Econmica. ISBN 2-7178-0824-8.

Enlaces externos [editar]

Wikimedia Commons alberga contenido multimedia sobre Estadstica.

Wikiquote alberga frases clebres de o sobre Estadstica.

Wikcionario tiene definiciones para estadstica.

Obtenido de "http://es.wikipedia.org/wiki/Estad%C3%ADstica"