Академический Документы
Профессиональный Документы
Культура Документы
A SALUD
Junio 1997
JNTA DE GALICIA
EPIDAT 2.0
ANLISIS EPIDEMIOLGICO
DE DATOS TABULADOS
y ^ D E GALICIA W
1997
Grupo de trabajo
Anlisis y programacin:
Lorenzo Rodrguez Currais
rea de epidemiologa:
Carlos Castillo Salgado
Enma Fernndez Nogueira
Xurxo Nervada Vidal
rea de estadstica:
Jos M3 Alonso Meijide
Toms Cotos Yez
Rubn Fernndez Casal
Ma Jos Lombardia Cortina
Csar Snchez Seller'o
Coordinacin:
Enrique Vzquez Fernndez
Ajustes 21
Mtodo directo 23
Mtodo indirecto 28
Muestras 35
Situacin con una muestra. Proporcin 37
Clculo con una proporcin 37
Prueba de hiptesis 39
Situacin con una muestra. Media 40
Clculo de una media 40
Situacin con dos muestras. Proporcin 41
Clculo de una diferencia 41
Prueba de hiptesis 42
Situacin con dos muestras. Media 44
Muestras independientes.
Clculo de una diferencia 44
Muestras dependientes. Prueba de hiptesis 45
Estudios casos-controles 46
Pareado 46
No pareado 47
Estudios de cohortes 49
Estimacin del riesgo relativo 49
Verificacin de la calidad de lotes 50
Aceptacin de una prevalncia 50
Rechazo de un lote 51
Generacin de nmeros aleatorios 54
Concordancia 55
Dos observadores 57
Dos categoras 57
Mltiples categoras 59
Mltiples observadores 61
Dos categoras 61
Mltiples categoras 62
Hiptesis de igualdad de kappas 65
Tablas 67
Anlisis de tablas 69
Tablas 2x2 69
Tablas MxN 79
Vigilancia Epidemiolgica 83
Captura-Recaptura 83
Deteccin de clusters 85
Pruebas diagnsticas 87
Pruebas diagnsticas simples 89
Combinacin de pruebas diagnsticas 92
Datos tabulados 92
Valores diagnsticos 94
Curvas ROC 96
Tablas 2x2 96
Tablas 2xN 98
Inferencias 101
Inferencia para la media. Una muestra 103
Inferencia para la proporcin. Una muestra 105
Inferencia para la diferencia
de medias. Dos muestras 106
Independientes 106
Dependientes 107
Inferencia para la diferencia de
proporciones. Dos muestras 109
Independientes 109
Dependientes 111
Priorizacin 113
Anexo I 119
Anexo II 123
NOVEDADES DE LA VERSIN 2.0
Requerimientos mnimos
Ordenador IBMPC o compatible, con disco duro y disquetera de 3,5"
Procesador 386 o superior
Tarjeta VGA
Windows 3.1 o superior
5 Mb de espacio disponible en disco
Proceso de instalacin
Ejecutar: A:\instalar desde Windows
Una vez iniciado el proceso seguir las instrucciones que aparecen
en pantalla
EPIDAT crea una carpeta y un icono
El entorno general de la aplicacin, manejo del ratn, teclado, con
figuracin de impresoras, etc., es el de Windows, ante cualquier duda con
sulte el manual de la versin de este sistema operativo que tenga instalada en
su computadora.
Error de aplicacin
Imagine que se ha producido un Error que la Aplicacin no puede resol
ver. Si tiene una impresora conectada, pulse la tecla "IMPR PANT"
(PRINT SCREEN). Anote la fecha y hora del error y, si lo desea, rem
tala a una de las direcciones indicadas en la presentacin de este manual.
Pulse una tecla para Salir de la Aplicacin.
Error recuperable
Suponga que se ha producido un error en un proceso debido al motivo
que le ha sido especificado.
Se dispone de dos alternativas:
Reintentar el proceso. Si es preciso, asegrese de que la causa del
error ha desaparecido o se ha resuelto. De no ser as se presentar
de nuevo el error hasta que seleccione la otra alternativa.
Ignorar el error. Se continua el proceso como si el error no se hubie
se producido. Esta opcin puede tener diversas implicaciones
dependiendo del motivo y el lugar en que se produjo el error. Si es
posible, es preferible utilizar siempre la otra alternativa.
Ver tambin: Error de la Aplicacin.
ENTORNO GENERA L DE LA APLICACIN
Ventanas comunes:
Titulo de la ventana
I^IJIIIJ.U1,IM.I.I,UIIJ,11JIMI.IUI
s
b
- 01 01 01
Di 01 01
Sensibilidad: 0.00 %|
Etiquetas..
Especificidad: 0.00 V.|
Valor predictivo positivo: o.oo y.\
Valor predictivo negativo: 0.00 %\
Botones de comando/accin
Objetos:
Se definen como objetos campos de edicin, introduccin, lnea de datos,
botones, listas, botones selectivos, y otros que se detallan a continuacin y por
separado para su mejor aprovechamiento:
Casilla de verificacin
3 iValor Ponderado i
Beso Ordinal Concordante
O Peso Ordinal Discordante
O Peso [0.1] Concordante
O Peso [0.1] discordante
\
Botones selectivos
N i v e l d e confianza: | M j I J B i ] [ ^ |
Intervalos d e confianza
'<<tfior Superiof
Gm&aBsma al 9
Tabla 1 \ Valor koppa: U Q j ] Error estndar ; / O.OOOOOOl
o.
IXI
Kappa Etrot ertfwfaa
1 | .iminai j
-7-
Botones de accin
Botones de accin relacionados a la lista
relacionados a la ventana
Listas de datos estos objetos permiten carga masiva de datos. EPIDAT, mane
ja gran cantidad de dilogos con estas caractersticas, con la fina
lidad de proporcionar al usuario flexibilidad a la hora de la intro
duccin. El lmite de carga viene sujeto a la capacidad de memo
ria y almacenamiento del ordenador donde se ejecute.
Existen varios objetos dentro de este tipo de ventanas que per
miten un manejo adecuado de los datos.
Botones de accin de la lista estos proporcionan una accin directa sobre la
carga de datos de la lista. En el ejemplo propuesto, se aadirn
tablas o filas compuestas por dos campos o columnas, una vez
aplicadas las reglas de validacin, se activa el botn "AADIR",
lo que permite agregar filas a la lista de datos. El objeto lista tie
ne la propiedad de poder ser seleccionada, lo cual permite una
modificacin sobre los datos. En el momento de la seleccin de
la fila, los datos son cargados en los campos de edicin, y el
botn "AADIR", cambia su contenido por el de "MODIFI
CAR", y el botn "ELIMINAR" se activa, con lo cual el usuario
elige la accin a tomar. El botn "DESCARTAR", siempre acti
vo, cumple una doble funcin ya que inicializa la acciones
correspondientes a los botones de accin de la lista, permite
blanquear dichos campos y anular la opcin de carga para
"MODIFICAR" o "ELIMINAR", si es el caso.
La barra de desplazamiento vertical se activa cuando hay mas filas de las que
se pueden visualizar en el cuadro de la lista.
o Botones de accin de la ventana tiene el mismo cometido que los descritos
oi en el apartado de botones de comando/accin de ventanas comu-
5
9
nes y son inherentes a todo el dilogo.
Lista de elementos Lista de elementos
o. a seleccionar, seleccionados
LU
I ICMBS!j-a>j 1
FIN
POB : QjBtcmiat Tata |
MOBS
COMP
PER
Seleccionar Pob.
bandonar
Eomtrair labia j
Barra de
desplazamiento
Categorlat 1 .. 1S
Sujeto
Lista de datos
11 Acuerdo I f fiato 1
Categoria 1 3
j .Kmmar |
| Ceicaitar |
lActuafeml
li Cancelai |
a
Botones de accin
relacionados a la ventana
Sobie
Gran capacidad
rw
Este mdulo permite ajustar tasas por una variable, tanto por ei mto-
do directo como por ei indirecto. Los datos pueden introducirse desde el teclado
o importarse en formato .DBF, pudindose ajustar simultneamente un nmero
indefinido de tasas. EPIDAT 2.0 se distribuye con las poblaciones estndar euro-
peas y mundial (Waterhouse, J. et al. eds.: Cncer incidence infive continents.
Lyon: IARC; 1976; 3; 456).
Nota: Cuando se ajustan tasas, tanto por el mtodo directo como por el indirecto, es nece-
sario que los intervalos de las tasas y poblaciones sean idnticos. P. e., si se ajustan
tasas por edad es preciso que los grupos de edad (intervalos) sean idnticos en todas
las tasas y poblaciones.
lEpidal2 0 mnc
t Muestras onc<danca JaNas J ^ " * ^ , H e w w w EiJorizacin
Estandarizacin por Mtodo Directo
Estandarizacin por Mtodo Indirecto
fNDMji |MAYr
Mtodo directo
Esta opcin permite ajustar tasas por el mtodo directo. Para ello se
necesita disponer de las tasas brutas que se quieren comparar por cada categora
de comparacin (p. e. grupos de edad) y de la poblacin que se desea utilizar
como estndar. El nmero de categoras ha de ser el mismo. Si esto no sucedie-
se, el programa utilizar solamente las primeras categoras de la poblacin estn-
dar que tienen correspondencia con las categoras de las tasas a comparar. Por
ejemplo, si disponemos de las tasas en 5 grupos de edad y le aplicamos una
poblacin estndar de 8, EPIDAT slo utilizar los 5 primeros de esta ltima.
Ajustes
Ajustes - Mtodo dilecto
Poblacin estndar
Disear
<s> introducir datos manualmente
Valores
O Cargar d e s d e un fichero DBF
uardf como J
2_
M i
Ajustes
debern introducirse los valores de las poblaciones (Pl,... Pn) con que p
se obtuvieron las tasas. Si no interesan los intervalos de confianza, o no CN
se dispone de las poblaciones, EPIDAT calcular las tasas ajustadas o
ocupando con valores "0" las celdas correspondientes a los IC. O-
IB. Id
IB l
Ajustes
p Precaucin: En la hoja de clculo Excel las columnas deben etiquetarse pre
viamente a la incorporacin con NI, N2, N3, ...sino la primera fila con valo
s res numricos ser eliminada. Si se utiliza otro programa consulte su manual.
o Seleccionada la opcin "Cargar desde un fichero DBF", presionar
a. "Disear". Aparecer una ventana que advierte sobre las posibilidades
que ofrece esta alternativa y las precauciones aconsejables.
MHAijstes - Mtodo dilecto
| Hombre | xaminai
Unidades:
|Eai: \\sasc16_52\i
Ajustes
m
Champa Tasa>
3
: Qfitctattkt Tata |
-O iSeleccionaf PobJ
Este ltimo botn abre una ventana en la que aparece a la izquierda el lis-
tado de variables del archivo importado. Deben marcarse las que corres-
pondan a las tasas que se quieren ajustar, una a una, pasndolas al espacio
de la derecha pulsando "Campo tasa". Si se dispone de las poblaciones
por intervalos e interesa obtener los intervalos de confianza, pulsando el
botn "Seleccionar Pob." aparece otra pantalla donde se marcan los cam-
pos que correspondan a las poblaciones en el mismo orden que las tasas,
pasndolos, uno a uno, al espacio de la derecha, pulsando "Campo Pob.".
m
DZiE^^HHL | afflPoPob,>| J
2
Tipo: Numrico bandonar
1*1 Ld
Ajustes
Mediante un proceso similar se importar y seleccionar la poblacin estn-
dar. Una vez construida la tabla, EPIDAT volver a la pantalla inicial y se
activar el botn "Calcular". Pulsndolo, presentar la pantalla de resulta-
dos igual a la descrita en la opcin de introducir datos manualmente.
BIBLIOGRAFIA
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
John Wiley & Spns; 1981.
Kahn H.A, Sempos C.T. Statistical methods in Epidemiology. New York:
Oxford University Press; 1989.
Ru M., Borrell C. Los mtodos de estandarizacin de tasas. Revisiones en Salud
Pblica, 3: 263-295.
Mtodo indirecto
Esta opcin permite ajustar tasas por el mtodo indirecto. Para ello se
necesita disponer de las poblaciones por categora de comparacin (p. e. edad) de
las que se obtuvieron las tasas a comparar y de la tasa que se utilizar como estn-
dar. El nmero de categoras ha de ser el mismo. Si esto no sucediese, el programa
utilizar solamente las primeras categoras de la tasa estndar que tienen corres-
pondencia con las categoras de las poblaciones de las tasas a comparar. Por ejem-
plo, si disponemos de la poblaciones de las tasas en 5 grupos de edad y le aplica-
mos una tasa estndar de 8, EPIDAT slo utilizar los 5 primeros de sta ltima.
Ajustes - Mtodo indirecto
Poblaciones Oitear
introducir datos manualmente Valores
O Cargar d e s d e un fichero D B F
Guardar como
Ca8o8_0fateradO)c|
T a s a s estndar I,aat*1000 -J
<s> introducir datos manualmente Disear
O Cargar d e s d e un fichero D B F ^atores
guardar con
Fichero activo: Ninguno
Ajustes
Introducir los datos manualmente. Deben seguirse los siguientes pasos: O
csi
Marcar "Disear" e introducir el nmero de intervalos y poblaciones cuyas
tasas se van a ajustar. Oprimiendo "Construir" se vuelve a la pantalla ante 5
9
rior en la que ya est activado el botn "Valores". Pulsndolo, aparecer una o.
tabla con tantas filas como intervalos y una columna por cada poblacin.
[FjAjustes - Mtodo indirecto
Estructura
jEqmhufl_J
N* Intervalos: il
Cancelar }
N de Pobs.: 2
Ltl \d
A continuacin, presionando el botn "Casos Observados" aparecer
una pantalla con 1 fila y tantas columnas como tasas a comparar. En
cada campo deben introducirse el total de casos observados que corres
ponda a cada poblacin. Una vez terminado el proceso se cierra la pan
talla y se procede a introducir las tasas estndar.
EjCasos BSE3I
v"v"
1 Cob*1 . ~~ CobsZ '*? -,:,%' :X
1
1 65 50
I
i
!
!
!
1
!
i ^
14 . . . te
Ajustes
Pulsando el botn "Tasas* 1000" repetidamente, seleccionar la opcin
en que est expresada la tasa estndar.
El proceso para introducir manualmente la tasa estndar es muy pare
cido al descrito anteriormente.
jg]Ajustes Mtodo ndiiecto
Estructura
I ^^^ }
ti* Intervalos:
Cancelai
PInterv
HHEl
Taiartan
1 12.100
2 45.300
3 65.200
4 123.900
Id Ld
Una vez finalizada la introduccin manual de los datos se activa el
botn "Calcular". Pulsndolo aparece la tabla de resultados con los
valores de las razones de mortalidad estandarizadas (RME o SMR) y
sus intervalos de confianza.
B l
Cargar desde un fichero DBF. Esta opcin permite cargar datos desde cual
quier archivo DBF. Si se desea utilizar datos de otro tipo de archivos (.xls,
.wkl...) debern guardarse previamente en formato .DBF. Precaucin: ver aviso
de Mtododirecto (ver pg. 26).
Ajustes
Seleccionada la opcin "Cargar desde un fichero DBF", presionar
"Disear". Aparecer una ventana que advierte sobre las posibilidades
que ofrece esta alternativa y las precauciones aconsejables.
m
Hombie 11 I Examinar ]
I Mpctifica e-ittiuetuia |
DI Atencin 11!
Unidades:
[Bar. Wac16_52V p]
Ajustes
m m
ICampo P o Q j |
~\
ilal l
liFlMindirec 1113131
Poblacin 1
Texto Rrae
93.51805617
Icinf
76.53
Icsup
122.51
H
Poblacin 2 64.22527201 57.50 70.9E
Poblacin 3 139.02386709 96.98 181.07
Id . Lt
BIBLIOGRAFIA
Fleiss J.L. Statistical methods for rates and proportions. New York:
John Wiley& Sons; 1981.
Kahn H.A, Sempos C.T. Statistical methods in Epidemiology. New York:
Oxford University Press; 1989.
Ru M., Borrell C. Los mtodos de estandarizacin de tasas. Revisiones en Salud
Pblica, 3: 263-295.
Aju
Ejercicio: l.i. Un investigador, en busca de factores de riesgo para el cncer de cuello uteri-
no, desea comparar las tasas de incidencia entre ls mujeres de Cali (Colombia) y
So Paulo (Brasil). Para ello cuenta con la siguiente informacin:
Cali So Paulo
edad poblacin nmero tasa poblacin nmero tasa
de casos xio5 de casos x10 5
0-14 217.645 0 0,0 992.534 0 0,0
15-24 145.409 2 1,4 746.750 14 1,9
25-34 86.644 16 18,5 639.214 76 11,9
35-44 63.454 34 53,6 423.847 195 46,0
45-54 41.180 44 106,8 328.074 266 81,1
55-64 24.551 36 146,6 208.108 228 109,6
65 y ms 19.042 37 194,3 173.968 186 106,9
total 597.925 169 3.512.495 965
0-14 77.500
15-24 43.291
25-34 34.589
35-44 24.275
45-54 16.355
55-64 11.693
65 y ms 11.220
Preguntas: 1. Calcule las tasas brutas de incidencia acumulada de cncer de cuello uteri-
no en Cali y So Paulo.
2. Calcule las tasas ajustadas por edad con sus intervalos de confianza, por el
mtodo directo, utilizando como poblacin estndar la propuesta por el
Celade (tabla 2).
3. Calcule las tasas ajustadas por edad con sus intervalos de confianza, por el
mtodo indirecto, utilizando como tasas estndar las de So Paulo.
(Adaptado de: Londoo J.L., Metodologa de la investigacin epidemiolgica. Ed. Universidad de Antioquia; 1995)
Ajustes
MUESTRAS
.
MUESTRAS
t!MD@00
Anlisis Epidemiolgico de Datos Tabulados
Venin 2.0 pata Windows -Junio 1997
rsr r w
t 'L
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. Manual prctico. Ginebra: O.M.S.; 1991.
Prueba de hiptesis
Esta opcin calcula el tamao muestral mnimo necesario para someter
a una prueba de hiptesis el supuesto de que la proporcin de sujetos de una
poblacin con cierta caracterstica sea igual a un valor determinado. Para ello,
introducir la proporcin en caso de hiptesis nula (Po) y el valor esperado de la
proporcin de la poblacin (Pa).
[tlPiueba de hiptesis. Proporcin. Una muestra
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao maestral en los estudios
sanitarios. M anual prctico. Ginebra: O.M.S.; 1991.
Muestras
[ESClculo de una media - Resultados
I - a l f a : 0.95 539|
Ejercicio: 2.3. Suponga que en su departamento la media de edad de los pacientes ingresa-
dos por herida de arma de fuego es de 45 aos y la desviacin estndar 34,8.
Usted desea realizar un estudio similar en el hospital de referencia asumiendo que
la desviacin estndar de la media de edad es similar a la departamental. Quiere
dar su estimacin de la media de edad con una confianza del 95%. Calcule el
tamao muestra! mnimo para que la longitud del intervalo de confianza sea 4 aos.
BIBLIOGRAFA
Levy P.S., Lemeshow S. Sampling ofpopulations: Methods and Applications.
New York: John Wiley & Sons; 1991.
| {SaSL-i Eg-
A nt ] Improii | F1-
A yuda |
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. M anual prctico. Ginebra: O.M.S.; 1991.
Prueba de hiptesis
Esta opcin calcula el tamao muestral mnimo necesario de dos mues
tras para someter a prueba de hiptesis el supuesto de que la diferencia entre las
proporciones de dos poblaciones que poseen cierta caracterstica es igual a 0.
Para ello, introducir las proporciones esperadas de cada poblacin (Pl y P2).
Muestras
R l P r u e b a de hiptesis. Pfopoicin. D o s mueslias
T a m a o Muestra! Mnimo
Ejercicio: 2.5. Se estima que la proporcin de casos con complicaciones a raz de cierta inter-
vencin quirrgica es del 5% mientras que la proporcin de complicaciones a raz
de otra intervencin distinta es del 15%. Cul tendr que ser el tamao de la
muestra de cada grupo de pacientes si un investigador desea comprobar, con una
potencia del 90%, si el segundo procedimiento tiene una tasa de complicaciones
significativamente mayor que el primero, a un nivel de significacin del 5%?
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao maestral en los estudios
sanitarios. Manual prctico. Ginebra: O.M.S.; 1991.
Lemeshow S., Hosmer D.W., Klar J., Lwanga, S.K. Adequacy ofSample Size in
Health Studies. Chichester: John Wiley & Sons; 1990.
Mue'sras
Situacin con dos muestras. Media
Muestras independientes. Clculo de una diferencia
Esta opcin calcula el tamao muestral mnimo necesario para cada
poblacin para poder suponer con una confianza del 100x(l-a)% que la dife-
rencia de las medias mustrales que obtendremos no excede de la diferencia de
medias verdaderas (poblacionales) una cantidad mayor que la precisin absoluta
establecida (d). Para ello, introducir los valores esperados de las desviaciones
estndar de ambas poblaciones y la precisin absoluta.
.mpimi j FI-Ayuda
Ejercicio: 2.6. Suponga que en dos provincias de un pas la media de consumo de cigarri-
llos/da se estima en 12,5 y 15, con desviaciones estndar de 11,7 y 12,2 respec-
tivamente. Si usted desea realizar un estudio para comparar el consumo en ambas
provincias, qu tamao de muestra mnimo necesitara si quiere dar sus resulta-
dos con una confianza del 95% y una precisin absoluta de 2?
BIBLIOGRAFA ". ' ' " ^i'^-M^^^
Bip
Sokal R.F., Rohlf F.J. Biometry. New York: W. H Fr^manftsi.
N.de confianza: j E i p i K S j f j
359|
Po,enC a:
' 1 J01 :J 0 0 ifl
jialir Eg-Ant | Impiimit ] F1-Ayuda j
bilaterales del 99%, 95% y 90% y potencias del 80% y 90%. El cursor
se sita en las ltimas posiciones por si se desea un nivel de confianza
o potencia diferente de las anteriores.
Ejercicio: 2.7. Pata evaluar una intervencin con flor en un colegio se plantea estudiar un
grupo de nios antes y despus del uso de colutorios. Cuntos nios deber estu-
diar para comprobar que la diferencia entre los ndices CAO (CPO) posterior y
anterior a la intervencin es igual a 1,5? Suponga que espera una desviacin
estndar de la diferencia de ndices CAO (CPO) de 3,4 y desea dar sus resultados
con una confianza del 95% y una potencia del 90%.
BIBLIOGRAFIA
Sokal R.F., Rohlf FJ. Biometry. New York: W.H. Freeman; 1981.
Estudios casos-controles
Pareado
Esta opcin calcula el nmero de pares mnimo necesario para detectar
una determinada odds ratio (razn de ventaja, razn de productos cruzados, razn
de oportunidad). Para ello, debemos introducir dos de los siguientes tres par-
metros: proporcin estimada de casos expuestos, odds ratio que queremos detec-
tar y la proporcin estimada de controjes expuestos.
BjCasos-conttoles. Pareado
Muestras
[jElCasos-contioIes. Pareado - Resultados
N.de confianza:
impui
Potencia: 0.900 Ej D-- 249|
Ejercicio: 2.8. Usted va a disear un estudio de casos y controles pareado sobre tabaquismo
y cncer de laringe utilizando controles poblacionales. Suponiendo que la preva-
lncia del hbito tabquico en la poblacin es del 45%, cuntos pares de casos y
controles necesitar para detectar una OR de 3? Desea tener un nivel de confian-
za del 95% y un poder estadstico del 80%.
BIBLIOGRAFIA
Schlesselman J.J. Case-Control Studies. New York: Oxford University Press; 1982.
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
John Wiley & Sons; 1981.
No pareado
Esta opcin calcula el tamao muestral mnimo necesario en cada
grupo, para detectar una determinada odds ratio. Para ello, debemos introdu-
fFlCasos-conlioles. No pareado
T a m a o Muestra! Mnimo
alir 1 A
Pq- nt i Imprimii i F1 Ayuda
Ejercicio: 2.9. Queremos realizar un estudio de casos y controles para analizar la influencia
del consumo de alcohol en la aparicin de cncer de esfago. Cuntos casos
debemos estudiar si se quiere detectar una OR de 2,5 y sabemos que la exposi
cin entre los controles es del 60%? Calcule el nmero de casos necesarios para
obtener un nivel de confianza del 95% y un poder del 80%.
BIBLIOGRAFIA
Fleiss J.L. Statistical methodsfor rates andproportions. New York:
John Wiley & Sons; 1981.
Lwanga S.K, Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. M anual prctico. Ginebra: O.M.S.; 1991.
Estudios de cohortes
Estimacin del riesgo relativo
Esta opcin calcula el tamao muestral mnimo necesario para detectar un
determinado riesgo relativo. Para ello, debemos introducir dos de los siguientes, tres
parmetros: el riesgo relativo previsto, la proporcin de expuestos con la enferme-
dad y la proporcin de no expuestos con la enfermedad. Tambin debe introducirse,
n porcentaje, la precisin relativa (e).
Estudios de cohoites.
[li]Cohoftes - Resultados
Ejercicio: 2.10. Un epidemilogo proyecta un estudio sobre la posibilidad de que cierta enfer-
medad pulmonar est relacionada con la exposicin a un contaminante atmosfri-
co recin detectado. Qu tamao tendr que tener la muestra de cada grupo
(expuesto y no expuesto) si el epidemilogo desea calcular el riesgo relativo con
una precisin del 10% del valor real (probablemente de 2) con un 95% de con-
fianza? La enfermedad se manifiesta en el 20% de las personas no expuestas al
contaminante atmosfrico.
Muestras
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. Manual prctico. Ginebra: O.M.S.; 1991.
Mil-H-IWI'lllll'U'fi
Tamao de la Poblacin (N): 14526|
Proporcin esperada en la poblacin (P): 0.240|
Mximo n' admisible de casos en la muestra (Valor Umbral):
Ejercicio: 2.11. Si su municipio tiene 5.840 habitantes, calcule cuntos deber examinar para
que, si slo encuentra 3 hipertensos, pueda concluir, con un nivel de confianza del
90%, que la prevalncia de hipertensin en su municipio no excede del 15%.
BIBLIOGRAFIA
Lwanga S.K., Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. Manual prctico. Ginebra: O.M.S.; 1991.
Rechazo de un lote
(Texto entre comillas tomado de: Lwanga S.K., Lemeshow S. Determinacin del tama-
o muestral en los estudios sanitarios. Manual prctico. Ginebra: O.M.S.; 1991).
Csi
Mxima proporctn aceptable de poblacin
9
con el problema en estudio 0.4501
Proporcin esperada (Meta) de poblacin
a. con el problema en estudio 0.350|
BIBLIOGRAFA
Lwanga S.K., Lemeshow S. Determinacin del tamao muestral en los estudios
sanitarios. Manual prctico. Ginebra: O.M.S.; 1991.
Muestras
Generacin de nmeros aleatorios
Esta opcin genera una lista de nmeros pseudo aleatorios entre un
mnimo y un mximo. Para ello es preciso introducir tres valores: mnimo, mxi
mo y cantidad de nmeros a extraer entre ambos.
IgGeneacin de nmeros ateatoiios E
a
Nmero ms pequea a extraer (n): 11
": T
Id . L
Muestras
V, - ^ . ^ . ; ,
CONCORDANCIA
HDIHJEI
Anlisis Epidemiolgico de Datos Tabulados
Versin 2.0 pata Windows -Junio 1997
fM" MY
Dos observadores
Dos categoras
Esta opcin calcula los ndices de concordancia bruta, J de Youden y
kappa de Cohn para el caso particular de dos observadores y dos categoras de cla
sificacin de las observaciones. Para la J de Youden y kappa de Cohn se calculan
los intervalos de confianza. Introducir el nmero de acuerdos y desacuerdos entre
los observadores A y B y pulsar "Calcular".
fel Concordancia. 2 o b s e i v a d o i e s 2 c a l e g o r a s
Concordancia
En la pantalla de resultados se presentan los valores de la concordancia
bruta, J de Youden y kappa. Para esta ltima se obtienen, adems, el
error estndar (necesario para contrastar la igualdad de kappas) y el
valor p para contrastar la hiptesis nula de k=0.
Concordancia. 2 observadores - 2 categoras
Nivel de confianza:
I
Eg-Ant. | gafa | Imprimi | F1 -ayuda
Ejercicio: 3.1. Suponga que radiografas de trax de 170 sujetos que estn controlados en
una unidad de neumologa se remiten a dos radilogos del programa de tubercu-
losis con el objetivo de estudiar la concordancia entre ellos. Los radilogos A y B
tienen que clasificar las radiografas como "positivas" (sospechosas de lesin
tuberculosa) o "negativas" (no sospechosas de lesin tuberculosa). Los resultados
se muestran a continuacin:
Radi ogo A
+ -
Radilogo B + 58 39
- 12 61
Calcule la concordancia bruta entre los radilogos, la J de Youden y kappa, con sus
intervalos de confianza. Comntelos.
BIBLIOGRAFIA
Fleiss J.L. Statistical methods for rates and proportions. New York:
John Wiley & Sons; 1981.
Concordancia
Mltiples categoras
Nmero de categoras:
El Valor Ponderado]
<$> Eeso Ordinal Concordante
O Peso firdinal Discordante
O Peso [0,1] Concordante
O Peso [0.1] discordante
HHE
24| 12| 3|
JEMD
8| H| 9| injciafiza,!
1| 12| 471
Fl-Ayuda \
Concordancia
fcjConcoidancia. 2 obseivadoies - Mltiples c o l e q o i a s
Nivel de confianza:
. -_-|..
Ejercicio: 3.2. Se desea analizar la concordancia entre dos pruebas diagnsticas de diabe-
tes, el Diabur-Test 5000 y el Clinitesl en 1.677 muestras de orina. Los valores
obtenidos se muestran en la tabla siguiente:
Diabur-Test 5000
negativo trazas 1 2 3 5
negativo 452 5
trazas 133 270 28 1 2
Clinitest 1 4 36 107 5 2 2
2 5 53 76 28 4
3 12 28 81 35
5 2 11 44 251
Modificado de: Banauch D., Koller P.U., Bablok W. Evaluation ol Diabur-Test 5000: a cooperative study carried oul
at 12diabetes cenlers. Diabetes Care: 1983; May-vJun. 6(3) 213-218.
BIBLIOGRAFIA
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
John Wiley and Sons; 1981.
Kramer M.S., Feinstein A.R. Clinicai Biostatistics. The Biostatistics
ofConcordance. Clin. Pharmacol. Ther. 1981; 29: 111-123.
Mltiples observadores
Dos categoras
[RConcoidancia. Mltiples observadores - 2 calego
Obseivadoies Clasificacin * I
Sujeto 1 S 3 Aad f
Sujeto 2 4 4
Sujeto 3 3 2 | Eliminai |
Sujeto 4 4 2
Sujeto S 4 4
Sujeto 6 3 3 [Oescartar ;
*
Ho: k - 0 : H a : k<>0
P-valor(p): 0.83129
Ejercicio: 3.3. Suponga ahora que una seleccin de 29 radiografas correspondientes a otros
tantos pacientes del servicio de neumologa del problema 3.1., se entregan a un
grupo de radilogos para que, de forma independiente, estudien su concordancia.
Por diversas razones no todos los radilogos del equipo pudieron emitir juicio sobre
todas las radiografas. Los resultados se presentan en la siguiente tabla:
Concordancia
Paciente Nmero de Nmero de Paciente Nmero de Nmero de
radilogos positivos radilogos positivos
1 4 3 16 5 5
2 3 2 17 5 0
3 4 2 18 3 2
4 5 4 19 4 3
5 3 3 20 4 2
6 4 2 21 3 1
7 4 3 22 2 0
8 5 3 23 5 0
9 5 4 24 4 4
10 5 5 25 4 3
11 3 0 26 3 2
12 2 0 27 3 2
13 4 2 28 2 1
14 4 0 29 5 4
15 3 2 Total 110 64
BIBLIOGRAFIA
Fleiss J.L. Statistical methodsfor rates and proportions. New York: John Wiley &
Sons; 1981.
Mltiples categoras
RMltiples observadoies - Mltiples categon
Daiegofax 1 .. 4
Concordancia
sificacin de las observaciones. En la pantalla inicial se fijan el nmero de
observadores y categoras de clasificacin. En ambos casos deben ser ms de
dos. Seleccionando el botn "Entrada de categoras" se accede a otra panta-
lla donde se introducen los acuerdos de cada categora de clasificacin para
el sujeto 1.
Sujeto 8 Categora 5
Observadores: 3
Acueido I nadir _ J
Categoria
Categoria Eliminai
Categoria
| Detcailai }
Categoria
| Actualizai 1
Cancelai j
Kappa P-valoi
Categoria 0.333 0.1025
Categoria 0.100 0.6242
Categoria 0.700 0.0006
Categoria 0.700 0.0006
Concordancia
Ejercicio: 3.4. A usted le interesa afinar ms su anlisis de concordancia entre los radilogos
del ejemplo anterior y selecciona un subgrupo de 15 pacientes cuyas placas entre-
ga a los 5 radilogos del equipo para que las clasifiquen de forma independiente
como "muy sospechosas de lesin tuberculosa" (categora 1), "sospecha ligera de
lesin tuberculosa" (categora 2) y "sin sospecha alguna de lesin tuberculosa"
(categora 3). Los resultados se muestran en la siguiente tabla:
UJ
Nmero de radilogos que
clasificaron en cada categora
Paciente categora 1 categora 2 categora 3
1 2 2 1
2 5 0 0
3 0 1 4
4 1 1 3
5 4 1 0
6 1 2 2
7 0 0 5
8 0 1 4
9 3 1 1
10 4 0 1
11 1 0 4
12 0 1 4
13 1 3 1
14 1 4 0
15 2 3 0
Total 25 20 30
BIBLIOGRAFIA
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
John Wiley & Sons; 1981.
!
Landis. J.R., Koch G.G. A one-way components of variance model for
categrica! data. Biometrics, 33, 671-679.
i Mm
Concordancia
Hiptesis de igualdad de kappas O
Esta opcin est destinada a contrastar la homogeneidad entre diversas
kappas. Se calcula la k global y su intervalo de confianza. Se permite variar el
5
Q
nivel de confianza que por defecto es del 95%.
o.
Hiptesis de igualdad de kappa LU
Kappa E I I O I eztndai |
Tabla 1 0.680 0.01500 H-.
nadit
Tabla 2 0.740 0.00340
Tabla 3 0.590 0.40000 J^rminai;
|: BLereartar
;
*.
Concordancia
Ejercicio: 3.5. De usted dependen dos unidades de diagnstico de tuberculosis (A y B).
Cada seis meses remite a cada una de ellas un porcentaje de las tinciones reali-
0=3 zadas en el semestre anterior con el objeto de comprobar la concordancia entre
ellas. A las dos unidades le enva las mismas muestras, que tienen que clasificar
como "positivas" o "negativas". Los valores obtenidos en los dos ltimos aos se
reflejan a continuacin:
IUU1
Semestre 1: Semestre 2:
A A
+ - + -
B + 350 120 B + 280 80
- 70 550 - 60 550
Semestre 3: Semestre 4:
A A
+ - + -
B + 320 30 B + 890 210
- 120 29 - 290 700
Semestre 4:
A
+ -
B + 350 310
- 195 240
Qu ocurre ahora?
Concordancia
TABLAS
Anlisis de tablas
Este mdulo permite realizar las pruebas de homogeneidad y fuerza de
asociacin ms comunes en los estudios epidemiolgicos que analizan tablas 2x2
simples o estratificadas. Calcula los ndices de homogeneidad, basados en el
estadstico chi-cuadrado, en tablas MxN e incorpora algunos tpicos de inters
en vigilancia epidemiolgica.
Epidal 2.0
2st ajustes Muestras goncadancia Pruebas Qx Inferenciat Eriorizactn
mma
l a b i a s 2x2
Tablas txN
Vigilancia Epidemiolgica >
E P
Anlisis EpidemiolBico de Datos Tabulados
Veuin 2.0 pata Windows -Junio 1997 -
rSTi M?!
Tablas 2x2
Tablas simples. Estudios tranversales/cohortes. Anlisis de datos transver-
sales y de seguimiento sin estratificar.
FjAnlisis de tablas 2x2
EnferiDos Sanos
I f^H I
[ EagAnl. 1
+ 65| 121 771
Fr I IniciaKzai ]
- I 1451 160|
I & I
80| 157| 237| | F1yuda 1
i AVISO!!!
Este piocetmento dene un tiempo de ejecucin
dependente del nmero de interacciones seleccionadas,
de los valores introducidos y de las caractersticas de su
computadora. Los intervalos de confianza Bootstrap se
calculan con un nivel de confianza 35 X.
-
1 i Aceptar; | Cancelai j
i
Tablas
^immammimAwmmm OI
t nf et mos Sanos Cncei de pulmn y tabaquismo
Chi-cuadiado P-vafoi (pl
651 121 "1
1601 No ctwregtdo:
130.901 0.00001
151 1451
Coneccin de Yates: 127.571 oooooi
80| 1571 237|
Mantel-Haemzel: 130.35] oooooi
Prob. exacta de Fisher Unaleral 0.00001
Simple - Transversal / Cohortes Blsteial 0.00001
| F1 yuda |
Ejercicio: 4.1. En un estudio de seguimiento de malaria decide estudiar el factor de riesgo 'Ira
bajador agrcola (TA)" en relacin al resto de la poblacin, encontrando que, a lo
largo del ao, 202 TA enfermaron de malaria y 2.014 no lo hicieron. En el mismo
perodo 81 individuos de otras profesiones padecieron la misma enfermedad y 2.811
no. Calcule las tasas de incidencia en expuestos y en no expuestos al trabajo agr
cola; calcule el riesgo relativo del factor de riesgo TA, con sus intervalos de con
fianza. Qu porcentaje de riesgo poblacional se puede atribuir a este factor?
v T
BIBLIOGRAFIA ;;" ' . ; ^ " " ^ o-
Kahn H.A., Sempos C.T. StatisticalMthods inEp0olQy^00tfrk^
Oxford University,Press; 198.9. ^' .,$..; .' ^:Sr'?"ife::^li&k'?^:'':a:
Fleiss J.L, Statistica methodsfor rai andproportiins. M4/JMc::'_":,_ 1 ^
John Wiley& Sons; \9%\. ** "'
Tablas
Nieto F.J., Peruga A. Riesgo atribuible: sus formas, usos e interpretacin.
Gaceta Sanitaria 1990; 18, vol 4: 112-117.
Tablas
Excepto para el boostrap se permite variar el nivel de confianza que por
defecto es del 95%.
Intervalo de confianza lSoolsliap)
AV I S O (!!
Este ptocedmiento tiene un tiempo de ejecuctn
dependiente del nmero de Meraccnnes setecdonads.
de ks valotes introducidos y de las catacteflsticas de su
computadora. Los ntervslos de confianza Bootstrap se
calculan con un nivel de confianza 35 X.
| &cgJBJaj^ \ | Cancelar |
Ejercicio: 4.2. En un estudio de casos y controles en el que se estudi la diabetes como fac
tor de riesgo para la enfermedad carotidea obstructiva, realizado en Medelln
(Colombia), se obtuvieron los siguientes resultados:
enfermedad carotidea
si no total
diabetes si 81 26 107
no 419 474 893
Total 500 500 1000
Cadavid G., Londofto J.L., Zapata A.M. Algunos tactores deriesgopara la enfermedad carotidea obstructiva: estudio
de casos y controles en ejecucin. Centro de investigaciones mdicas de Antioquia, CIMA, 1993. Adaptado de Londofto
Fernndez J.L. Metodologa de la investigacin epidemiolgica. Editorial Universidad de Antioquia. Medelln. 1995.
Calcule los chicuadrados crudo, corregido, sus valores p y la odds ratio con sus
intervalos de confianza. Estime el riesgo atribuible poblacional con sus intervalos
de confianza. Comente los resultados.
BIBLIOGRAFIA
Kahn HA., Sempos C.T.Stastical Methods in Epidemiology. New York:
Oxford University Press; 1989.
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
C=: John Wiley & Sons; 1981.
Efron B., Tibshirani R J . An ntroduction to the Bootstrap. New York:
Chapman & Hall; 1993.
fUbl
C4 + + -- + + + + + + + + + * + + + \
:
,121 J 4 | 9| 45) .3| .. 4! J P i M _PJ .. 51 M __nj .J ._Qi _M _ o |
i Caso + + + + - - - - + + + + - - - -
; ci: + + - - + + - - + + _ + + - - |
+ - + + +
es; + + + + + + + + -
Cl' - - - - - - - - \
0
_JIJ 91 _ u | _oJ J i _l!l OJ ''I -J8I _ "i _ Mi - i'J . J l _ 0 | __ '
j-
- - .. . j
" - - . ^ .
Ejercicio: 4.3. Suponga que un estudio de casos y controles tiene como objetivo analizar
la posible asociacin entre tabaquismo de la madre gestante y bajo peso al
nacer. Al disearlo decide equiparar individualmente cada caso con un control
de similar edad. Seleccionados 50 casos y sus controles correspondientes
obtiene la siguiente distribucin:
control
+ -
caso + 8 26
- 11 5
BIBLIOGRAFIA
Schlesselman J.J. Case-Control Studies. Design, Conduct, Analysis.
Oxford University Press. New York. 1982. 207220.
Tablas
[Pj Anlisis de tablas 2 x 2
Estrato: >74 a
Enfermos Sanos
abcd
Tabla 1 24 12 11 S3 100
Tabla 2 29 14 9 32 84
Tablas
Anlisis de labias 2x2 - Resultados
Nivel de confianza: U J B l r l
I.C.I
R.R. crudo: 3.10|; """ 2.25| A 25| Anteriotl
R.R. Mantel-Haenszel: JJTJ 2.111 3.881 I aa& I
R.R. Katz: 2.761 2041 3.741
IjBHwimi
Ejercicio: 4.4. Continuando con el ejercicio 4.1., suponga que decide estratificar a los indivi
duos de su estudio en tres grupos, segn la frecuencia de utilizacin de mosquite
ro durante las noches, obteniendo la siguiente distribucin:
enfermo sano
nunca TA 112 126
utilizacin otro 42 277
de ocasionalmente TA 75 765
mosquitero otro 21 985
siempre TA 29 1.123
otro 32 1.549
Calcule los riesgos relativos de cada estrato con sus intervalos de confianza y el
riesgo relativo global. Comente los resultados.
BIBLIOGRAFA
Kahn H.A., Sempos C.T. Statistical Methods in Epidemiology. New York:
Oxford University Press; 1989.
Fleiss J.L. Statistical methods for rates and proportions. New York:
John Wiley & Sons; 1981.
Tablas
Tablas estratificadas. Estudios caso-control. Anlisis de datos de estudios
caso-control estratificados.
C=3
nSAnlisis de tabla: 2x2
C o n t r o l e s : , ~|~j
Estrato: >74
Enfermos Sanos !
Fr.
3G| 24| 60)
Ris^n
67| 521 119| Descartai
abcd
Tabla 1 25 12 32 69 138
Tabla 2 24 12 21 58 115
\>,tM\tmmmmMmmm
m
Estratificada - Caso Control
Cncei de pulmn y labaquitmo
Estrato a b c d OR IX. K I.C.Is |
<55 a 25 12 32 69 4.49 2.01 10.06
55-74 a 24 12 21 58 S.S2 2.35 12.98
>74 a 31 28 36 24 0.74 0.36 1.S3
*
Nivel de confianza: UEEHJlfH
I.C.Ii I.C.Is Pgina Anteriot j
O R . crudo: 2.61| 1.681 4.031
Sath
O.R. M a n t e l - H a e n s z e l : 2.291 1.481 3.54|
| japiimii |
0 . a Wolf: 2.301 1.471 3.621
| Fl-ayuda |
P r u e b a de a s o c i a c i n (M-H): 14347| P-valor 0.00011
77c3
intervalos de confianza, la OR cruda y ajustada por los mtodos de Mantel-Haenszel
y Wolf. Tambin realiza la prueba de asociacin de M-H con su valor/?.
Ejercicio: 4.5. Siguiendo con el estudio del problema 4.2., los investigadores, ante la posible
asociacin entre la obesidad y la enfermedad vascular obstructiva y de la primera
con la diabetes, decidieron ajustar el valor de la OR por obesidad para controlar el
posible efecto confusor de esta variable. Para ello se conformaron los dos estratos
que se muestran en las siguientes tablas:
Obesidad si no
enfermedad carotdea enfermedad carotdea
si no total si no total
si 37 8 45 si 44 18 62
diabetes no 288 298 586 no 131 176 307
Total 325 306 631 Total 175 194 369
Calcule los OR parciales, crudo y ajustado con sus intervalos de confianza y las
pruebas de interaccin y homogeneidad. Comente e interprete los resultados.
BIBLIOGRAFA
Kahn H.A., Sempos C.T. Statistical Methods in Epidemiology. New York:
Oxford University Press; 1989.
Fleiss J.L. Statistical methods for rates and proportions. New York:
John Wiley & Sons; 1981.
Tablas MxN
Esta opcin permite realizar pruebas y medidas de asociacin entre 2
variables de hasta un mximo de 10 categoras cada una. Una vez definido el
tamao de la tabla es necesario sealar si las categoras estn ordenadas o no.
Pulsando la tecla "Valores" se pasa a la pantalla de introduccin de datos.
Pulsando "Calcular" aparecer la pantalla de resultados.
[Categorias ao ordenadas]
O Categorias ordenadas
Categorias no ordenadas
Se calculan las siguientes pruebas de asociacin/independencia:
chi-cuadrado de Pearson, con (m-1) (n-1) grados de libertad. Con esta
prueba pueden examinarse dos hiptesis:
1. Las variables A y B son independientes.
2. Si A representa a una variable categrica de inters y B tiene N
niveles que representan a N poblaciones, la prueba contrasta si la
distribucin de frecuencias de A es la misma en cada poblacin.
G cuadrado. Es el estadstico chi-cuadrado de la razn de verosimili-
tud. Constituye una alternativa a la prueba chi-cuadrado de Pearson. Est
basado en la teora de la mxima verosimilitud y se utiliza sobre todo en
tablas de contingencia multivariante.
Tambin se calculan las medidas de asociacin, que son independientes
del tamao muestral (lo que no ocurre con las pruebas de asociacin ante-
riormente descritas):
Coeficiente Phi. Corrige la dependencia del estadstico chi-cuadrdo
respecto al tamao muestral global n. Si la tabla es 2x2 puede tomar valo-
res entre 0 y 1. En analoga al coeficiente de correlacin, el valor 0 indica
que no existe asociacin y el valor 1 asociacin completa. En el caso de que
las filas o columnas sean >2, puede tomar valores por fuera de ese rango.
Coeficiente de contingencia C. Se interpreta como el coeficiente Phi,
sin embargo, en el caso de asociacin entre A y B, sta depende del nme-
ro de filas y columnas de la tabla.
Coeficiente V de Cramer. Con la misma interpretacin que los anterio-
res, corrige el efecto del nmero de filas y columnas del coeficiente de
contingencia C.
Tablas
[RiAnlisis de labias MxN - Resultados
p _valor (p)
j Faas/cohmmn: 0.11264|
Tau de Goodman y Kniskal 1
CoUimnas/filat: 0.06903|
Ejercicio: 4.6. El nmero de consultas segn el sexo de los/as pacientes por servicios en el
hospital de su rea de salud se refleja en la siguiente tabla:
BIBLIOGRAFA
Everit B.S. The Analysis of Contingency Tables. London: Chapman & Hall; 1977.
Categoras ordenadas
Calcula los mismos coeficientes que la opcin categoras no ordena-
das. Al pulsar la tecla "Ms" aparecer otra pantalla con los resultados de los
coeficientes propios de categoras ordenadas:
Coeficiente de correlacin de Spearman. Se calcula aplicando el coe-
ficiente de correlacin de Pearson a dos variables ordinales cuyas puntua-
Tablas
O ciones han sido sustituidas por sus rangos. Toma valores entre -1 y 1. Un
fj valor 0 indica que no existe ninguna relacin lineal entre las variables.
Ir-*
Tablas NxN
1. kappa. ver opciones Concordancia: 2 observadores. 2 categoras y 2
observadores. Mltiples categoras. En el mdulo de tablas, EPIDAT slo
da el resultado de kappa sin ponderar con sus intervalos de confianza.
2. homogeneidad NxN. Prueba la hiptesis de que las probabilidades
marginales de las filas son iguales a las probabilidades marginales de
las columnas correspondientes.
Tablas 2xN
1. Prueba de tendencia lineal (prueba de regresin lineal). Realiza
una regresin lineal de cada elemento de la tabla sobre el total de su
columna y calcula la prueba chi-cuadrado con 1 grado de libertad.
Tablas
Anlisis de tablas MxN- Resultados
I.CH I.CI
Kappa: 1 1
Homegeneidad NxN: P-valor (p):
Ejercicio: 4.7. Suponga que en su municipio pretenden analizar la posible relacin entre las
afecciones vricas comunes de la infancia y la edad de los nios, como paso pre-
vio para estudiar la influencia de la escolarizacin como factor de riesgo en la trans-
misin de estas enfermedades. Para ello se estudia la situacin inmunolgica fren-
te al virus del sarampin, rubola y parotiditis, con los siguientes resultados:
edad
< 6 aos (%) 6-7 aos (%) > 7 aos (%)
sarampin 35 9 1
niveles de anticuerpos
que sugieren rubola 60 20 18
haber padecido
parotiditis 70 28 24
BIBLIOGRAFA
Everitt B.S. The nalysis ofContingency Tabes. London: Chapman and Hall; 1977.
Fleiss J.L. Statistical methods for rates and proportions. New York:
John Wiley& Sons; 1981.
Manzano V. Inferencia estadstica. Aplicaciones con SPSS/PC+. Madrid: Ra-ma; 1995.
Tablas
propuesto por Chandra Sekar-Deming par estimar el nmero de casos no noti-
ficados por dos sistemas de registro que traten de obtener informacin sobre un
mismo tipo de eventos.
Este mtodo asume que:
1. La poblacin de donde se obtiene la informacin es cerrada.
2. El mtodo de cruce de los dos sistemas de informacin identifica
correctamente los casos notificados por ambos y los notificados por
uno de ellos pero no por el otro.
3. Los casos identificados por ambos sistemas son casos reales.
4. Los dos sistemas son independientes.
jfl)Vigilancia epidemiolgica - Captuia Recaptura
Sist e m a 1
s Inchado
imaim
No Incluido Matgnaln
'g Incluido 361 __!H 481 ^n
t 2
e NolncUdo 81 2| 101 sb
m
a Macginate! 411 14| 58| | F1-&uda |
Sistema 1
s Inchado i
No
Incluido Mafoinate
s Incluido 36| 121 481
1 2
e No Incluido 8! 21 101
m
a Macginaiet I 14| 581
Tablas
nados. Se presenta el nmero total de casos (registrados y estimados)
con los intervalos de confianza. Se permite variar el nivel de confianza
que por defecto es del 95%.
Ejercicio: 4.8. En su regin funciona un registro de mortalidad perinatal que recoge informa-
cin de dos fuentes independientes: certificados estadsticos de defuncin e infor-
mes de alta hospitalaria. Una vez cruzados los datos de ambos sistemas, observa
que el primero recoge 25 casos que no figuran en el segundo, ste contiene 17
casos que no constan en el primero y 113 casos aparecen registrados en ambos
sistemas. Estime el total de casos de mortalidad perinatal en su regin con sus
intervalos de confianza y valore la integridad de la notificacin de cada sistema por
separado y en conjunto.
BIBLIOQRAFIA
Chandra Sekar C, Reming W.E. On a method of estimating birth and death
rates and the extent of registration. / Am Stat Assoc. 1949; 44: 101-15.
Teutsch S.M., Churchill R.E. Principies and Practice of Public Health Surveillance.
Oxford University Press. New York. 1994. 143-45.
Deteccin de clusters
Esta opcin utiliza el mtodo de Knox para detectar clusters o agru-
pamiento de casos cercanos en tiempo y espacio. Calcula la probabilidad de
observar casos cercanos en tiempo y espacio, usando la distribucin de
Poisson, dado un nmero esperado de casos calculado en base a los valores
marginales de la tabla.
El principal problema que presenta este mtodo radica en la arbitrarie-
dad del usuario o investigador al definir lo que es cercano en tiempo y espacio y
lo que no lo es.
K i V i g i l a n c i a epidemiolgica - Deteccin de clusters
e
Cercanos en tiempo ifatoMl
n S No Maiginales
1 Lnicializar I
Si 1 36) 24| i"" 60|
J
-
1 i 121 1 74 1 86) JLafit
c , ^
i Maigmale* 1 98] 1 146[ Fl-fiyuda|
o
Una vez introducidos los valores de las celdas y pulsado el botn
"Calcular", EPIDAT presenta la pantalla de resultados con los casos
esperados y la probabilidad de que los valores de la celda a formen un
cluster o agrupamiento.
fc!Vigilancia epidemiolgica - Deteccin de clusters Resulta... ES
Cercanos en tiempo
Si 1 No I Maiginale
Si 3 .241 601
No ja 741 Jill
s i Marginales 48| 981 1461
o
Valor e s p e r a d o : 19.72601
Probabilidad: 0.00011
Bibliografa
Knox E.G. The detection of spacetime interaction. Appl Statist. 1964; 13: 259.
Teutsch S.M., Churchill R.E. Principies and Practice of Public Health Surveillance.
Oxford University Press. New York. 1994; 1423.
PRUEBAS DIAGNSTICAS
PRUEBAS DIA GNOSTICA S
Epidat 2.0
iustes feluesbas oncontencia labias tnfefendas Eibrizacin
mmm
Pruebas Simples
Combinacin de pruebas Dx>
Curas Roe
(IS |NM
Prueba diagnstica
Pruebas diagnsticas
sensibilidad: es la proporcin de individuos con la enfermedad que tienen
una prueba positiva.
a/(a+c)
especificidad: es la proporcin de sanos que tienen una prueba negativa.
d/(b+d)
valor predictivo positivo: es la probabilidad de que un individuo con
resultado positivo en la prueba tenga la enfermedad.
a/(a+b)
valor predictivo negativo: es la probabilidad de que un individuo con
resultado negativo en la prueba no tenga la enfermedad.
d/(c+d)
valor global de la prueba: es la probabilidad de que un individuo sea cla
sificado correctamente por la prueba.
(a+d)/(a+b+c+d)
razn de verosimilitud positiva: es la probabilidad de una prueba positi
va en presencia de la enfermedad, dividida por la probabilidad de una
prueba positiva en ausencia de la enfermedad.
(a/a+c)/(b/b+d)
razn de verosimilitud negativa: es la probabilidad de una prueba nega
tiva en presencia de la enfermedad, dividida por la probabilidad de una
prueba negativa en ausencia de la enfermedad.
(c/a+c)/(d/b+d)
Hay dos alternativas para realizar los clculos. La primera y ms habitual
es introducir los valores de a, b, c, d, y calcular los parmetros descritos
l,.|JIIU.I.IM.I.I.UIIHII,.l
MMM
Prueba de lefefencia
+ -
p
1 + 145| 24| 1691
i n
e *
b 361 4251 ^51
1811 4491 2051
Sensibilidad: 80.11 %|
Especificidad: 94.65 54|
V a l o r predictivo positivo: 85.79 %|
V a l o r predictivo negativo: 92.19%|
has diagnsticas
anteriormente. Otra sera introducir los valores de alguna de las casillas y
fijar el valor de algn parmetro (sensibilidad, especificidad...). EPIDAT
calcular el valor de las casillas vacas. Si alguno de estos clculos no dan
un valor entero exacto, se redondea al entero ms cercano.
Una vez que se pulse "Calcular" se recalculan, a partir de los datos de
la tabla, todos los ndices.
En la pantalla de resultados se presentan los valores calculados con los
intervalos de confianza correspondientes. Se permite variar el nivel de
confianza que por defecto es del 95%.
Piuebas diagnsticas
p + 1 -
i n + "5I -1 H9| Nivel de confianza: HOEil
e * - 36| 5
I 41111
b Intervalos de confianza
a 1S1|| 449| 301 InfeiHH Superioi
Ejercicio: 5.1. Suponga que se dispone a realizar una prueba de tamizaje de cncer de mama
mediante mamografa en una poblacin de 45.000 mujeres con edades comprendi
das entre los 50 y 64 aos de edad. Por estudios previos, sabe que la sensibilidad
de la prueba es del 80% y la especificidad del 97%. En el supuesto que la prevaln
cia de cncer de mama en la poblacin de estudio sea del 66,6x100.000, calcule los
valores predictivos de la mamografa con sus intervalos de confianza.
BIBLIOGRAFIA
Fletcher R.H., Fletcher S.W., Wagner E.H. Clinicai Epidemiology. The essentials.
Baltimore: Williams & Wilkins; 1988.
Fleiss J.L. Statistical methodsfor rates and proportions. New York:
John Wiley & Sons; 1981.
Silva L.C. Mtodos estadsticos para la investigacin epidemiolgica.
Seminario Internacional de Estadstica de Euskadi. 1987
Pruebas diagnsticas
Combinacin de pruebas diagnsticas
Datos tabulados
Esta opcin permite calcular la sensibilidad, especificidad, valores pre
dictivos, valor global y razones de verosimilitud de pruebas diagnsticas mlti
ples, realizadas en serie y en paralelo, a partir de tablas 2x2.
Pruebas en serie. Consisten en realizar otra prueba diagnstica (o la misma)
a los sujetos clasificados como positivos en una prueba anterior. Los sujetos con
resultado negativo en una prueba ya se consideran "negativos" y no se someten
a la siguiente prueba.
Por tanto, "a+b" de la primera tabla="a+b+c+d" de la segunda, "a" de
la primera="a+c" de la segunda y "b" de la primera="b+d" de la segunda. Las
mismas condiciones tendran que cumplir los valores de una tercera tabla res
pecto a los de la segunda y as sucesivamente.
mmmmm iT-rrimn sticas - Datos tabulados
Prueba de referencia @ En s e r i e
;
+ - O Enaaralelo
abcd
Tabla 1 250
Tabla Z 150
"tj N i v e l d e confianza: H i H J i m
uD
e i 90 1Q0
b _i22i
Intervalos d e confianza
JSHi iio Inferior Superior
Pruebas d i a g n s t i c a s
RJCombinacin de pruebas diagnsticas - Dalos tabulados
Piueba de fefefenca
O En serie
+ En ftaralelo
P
f + ( 81 i 101 181
u D
e *
b 1 21 1701 1 1721 iimina
a
*1 "" "
180| 1 1901
10| Betcartat
cd ahcd
Tabla X 100 50 40 200 240 390
Tabla 2 30 20 10 180 190 240
Piueba de referencia
O Efl serie
+ En aaralelo
p
i + : "81 10| 181
ft"55*1 '
u D
e * -
b
a
2| 1701 172| JUiminar ]
"101 ; i80| 1901 Betcartai |
cd abcd
Tabla 1 100 SO 40 200 240 390
Tabla 2 30 20 10 180 190 240
Pruebas diagnsticas
Las pruebas en paralelo aumentan la sensibilidad y disminuyen la
especificidad.
KSPfuebas diagnsticas
l
80|
170)
218)
1721
Nivel de confianza:
I
b Intervalos de confianza
a U0| 250J 390] Inferior Superior
Una vez construidas las tablas, los clculos se realizan como en la opcin
pruebas diagnsticas simples.
En la pantalla de resultados se presentan los valores calculados con los
intervalos de confianza correspondientes.
Se permite variar el nivel de confianza que por defecto es del 95%.
Ejercicio: 5.2. Un centro de referencia de VIH/SIDA utiliza como prueba de tamizaje la prue-
ba ELISA. Sobre los resultados de un grupo de 1.000 sujetos que acudieron a efec-
tuar la prueba, procedentes de un grupo con una prevalncia conocida del 5% de
positivos, quiere estudiar los cambios en la sensibilidad, especificidad y valores
predictivos al someter a una prueba de Western Blot a aquellos que tienen ELISA
positivo. Resulvale el problema al centro de referencia sabiendo que la sensibili-
dad y especificidad del ELISA son del 98% y 99,8% respectivamente y del Western
blot, del 85% y 99,99% Qu pasara si en vez de realizar la prueba de confirma-
cin a los positivos se la hacemos a los ELISA negativos?
Valores diagnsticos
Esta opcin permite calcular la sensibilidad, especificidad, valores pre-
dictivos, valor global y razones de verosimilitud de pruebas diagnsticas mlti-
ples realizadas en serie y en paralelo, a partir de la sensibilidad y especificidad de
cada prueba. Para el clculo de los valores predictivos y de los intervalos de con-
fianza es preciso introducir la prevalncia de la enfermedad y el tamao de la
poblacin a la que se pretende realizar la prueba.
Pruebas diagnsticas
Sensibilidad Especificidad
2 94.00 %) 87.00 %|
3 86.00 %| 91.0D%|
4 80.00 %j 94.00 % |
P r e v a l n c i a de e n f e r m e d a d : 0.24000 |
Poblacin: 1458001
Pruebas diagnosticas
Ejercicio: 5.3. La angiografa es la prueba de referencia para diagnosticar aneurisma cerebral. Sin
embargo esta es una prueba costosa y no exenta deriesgo.Suponga que dispone de
otras dos pruebas alternativas, "A" que tiene una sensibilidad del 80% y una especifi-
cidad del 60% y "B", con un 90% de sensibilidad y especificidad. En el grupo de pacien-
tes seleccionados (100 individuos) la prevalncia de la enfermedad es del 20%.
Calcule la sensibilidad y especificidad de ambas pruebas realizadas en serie y
en paralelo. Si su intencin es clasificar como positivos al mximo de enfermos
posibles, cul de las dos estrategias escogera? Si su objetivo fuese utilizar
una secuencia que incremente al mximo la proporcin de individuos con el
resultado de la prueba positivo y que tengan la enfermedad, por qu estrategia
optara? Raznelo.
Curvas ROC
Tablas 2x2
La curva ROC (Receiver Operating Characteristic) es la representacin
grfica de la capacidad discriminativa de una prueba a lo largo de todos los posi-
bles "puntos de corte". En el eje de ordenadas se sitan los distintos valores de
la sensibilidad y en el eje de abscisas los valores de 1-especificidad, es decir, la
proporcin de falsos positivos. EPIDAT utiliza el mtodo no paramtrico para
representar la curva.
El programa calcula el rea bajo la curva, el error estndar, los interva-
los de confianza y representa la curva ROC a partir de tablas 2x2. El total de
enfermos y sanos deber ser igual en todas las tablas introducidas, es decir a+c
debe tener el mismo valor en todas las tablas, al igual que b+d.
!!CuivasRoc2x2 I xi
Piueba de tefetencia
+
P Aadir j
r + 80| 2| 82|
u D
e x Eliminai
b - 80) 238| 318)
a
Detcartai |
160| 2401
a b c d ac bd |
Tabla 1 150 126 10 114 160 240 *
Tabla 2 102 8 58 232 160 240
Tabla 3 138 38 22 202 160 240
f-
Pruebas diagnsticas
Se permite variar el nivel de confianza que por defecto es del 95%.
EPIDAT incorpora un mtodo simplificado para la estimacin del umbral
ptimo de sensibilidad-especificidad de las tablas introducidas. El mtodo se
basa en la razn de costes (coste de un falso positivo/coste de un falso negativo)
y en la prevalncia de la enfermedad.
Resultados. Curvas Roe ,
rea: 0.9001
Error estndar: 0.0173211
I.C. ( 0 866| . 0.934|)
Nivel de confianza: | 0 950 l
S: 50.00%|
E: 99.00%| 1 *^ 1
Safii
imprimif
F1-Ayuda 1-Especificidad
Ejercicio: 5.4. Suponga que quiere definir el mejor punto de corte, entre los cuatro que siguen,
para una prueba diagnstica de diabetes. Para ello determina cuantitativamente la
glucosa en sangre a 80 diabticos y 120 no diabticos clasificndolos en las
siguientes tablas para las que se consideran los puntos de corte de 90, 110, 130 y
150 mg/100 mi.
Pruebas diagnsticas
BIBLIOGRAFIA
Sackett D.L., Haynes R.B., Tugwell P. Epidemiologia clnica. Una ciencia bsica
para la medicina clnica. Madrid: Daz de Santos S.A., 1989.
Hanley J.A., McNeil B.J. The meaning and use of the area under a Receiver
Operating Characteristic (ROC) Curve. Radiology 1982; 143: 29-36.
Zweig M.H., Campbell G. Receiver-Operating Characteristis (ROC) Plots:
A fundamental evaluation tool in clinicai medicine. Clin Chem 1993; 39: 561-577.
Silva L.C. Mtodos estadsticos para la investigacin epidemiolgica. Seminario
internacional de estadstica de Euskadi. 1987.
Burgueo M J , Garca-Bastos J.L., Gonzlez-Buitrago J.M. Las curvas ROC en la
evaluacin de las pruebas diagnsticas. Med Clin 1995; 104: 661-670.
Tablas 2xN
Esta opcin para representacin de curvas ROC calcula el rea bajo la
curva, el error estndar, los intervalos de confianza y dibuja la curva, a partir de
una tabla 2xN. En este tipo de presentacin, en una columna se incluyen los
sanos y en la otra los enfermos. En la primera fila se clasifican los individuos uti-
lizando el punto de corte que garantice mayor sensibilidad, es decir, aquel con el
que la probabilidad de que un enfermo tenga un resultado positivo sea mayor. En
la segunda fila se incluyen sujetos utilizando un punto de corte de menor sensi-
bilidad que el anterior pero mayor que el de la tercera fila y as sucesivamente
hasta la ltima fila. Esta incluir a aquellos que clasifique el punto de corte que
nos garantice mayor especificidad, es decir, aquel con el que la probabilidad de
que un sano tenga un resultado negativo sea mayor.
FUI Curvas Roe
Prueba de referencia
I Aatfit j
+
nana i I Detcilai j
Tabla 1 6 165
Tabla 2 6 21
Tabla 3 12 21
Tabla 4 36 18
Tabla 5 135 12
Prevalncia: 0.39000|
Razn de costes (FN/FP): 0.3001
Pruebas diagnsticas
Tambin permite identificar el umbral ptimo de sensibilidad-especifici-
dad entre los puntos de corte introducidos (ver Curvas ROC. 2x2).
rea; 0.9281
Error estndar: 0.013295|
I.C ( 0.8011. 0.953|)
Nivel de confianza: 0.950 Eli
S: 94.00%| _________
E: 78.00*1 I E S I I
<*>
F1-yuda 1-Especificidad
Ejercicio: 5.5. Un radilogo de un programa de tamizaje de cncer de mama desea analizar las
variaciones de la sensibilidad y especificidad de la mamografa en un grupo selec-
cionado de mujeres con elevada prevalncia del problema. Para ello utiliz diferen-
tes puntos de corte, basados en la definicin de la imagen, a la hora de clasificar a
las mujeres seleccionadas. Los valores obtenidos se muestran en la tabla siguiente:
situacin real
enfermas sanas total
claramente sana (--) 2 53 55
probablemente sana (-) 2 7 9
dudosa () 4 7 11
probablemente enferma (+) 12 6 18
claramente enferma (++) 45 4 49
total 65 77 142
Dibuje la curva ROC y calcule el rea bajo la curva. Defina el punto ptimo consi-
derando que la relacin (ratio) de costes entre un resultado falso positivo y un falso
negativo, a efectos de este ejercicio, es 0^2. Interprete los resultados.
BIBLIOGRAFA
Vase bibliografa de Curvas ROC. 2x2.
Pruebas diagnsticas
INFERENCIAS
iEpdat2.0
Ssl Mstes Muestra oncotdanca labia* Prueba fix Eikaeactn
mmu\
Inferencia para Medias. Una muestra
Inferencia para Eroporcin. Una muestra
Inferencia para Medias. Dos muestras
Inferencia para PLopordones. Dos muestras
EHMAE
Anlisis Epidemiolgico de Datos Tabulados
Veuin 2.0 pata Windows -Junio 1997
i nT.rtsr r
Inferencias
I n f e r e n c i a para la media. 1 m u e s l i a
Constraste de hiptesis
Media terica: 22.0001
Contraste de hiptesis
Ho:/{t>fto-Ha:p<>J<o
Estadstico evaluado: 5.019300[
P-valor (p): 0.0000002
BIBLIOGRAFIA
Pea D. Estadstica. Modelos y Mtodos. 1 Fundamentos. Madrid: Alianza
Universidad Textos; 1993.
Inferencia para la proporcin. Una muestra
Esta opcin permite construir los intervalos de confianza para la
proporcin a partir de la proporcin muestral y realizar, si se desea, contras-
tes relacionados con las proporciones cuando se trabaja con una poblacin.
Infeiencia paia la piopoicin. 1 muestra
3 Constraste de hiptesis
Intervalo de confianza
Proporcin muestral: 0.360001
Intervalo de confianza: 0.3081 0.4151
Nivel de confianza:
Contraste de hiptesis
Estadstico evaluado: 1.0931
P-valor (p): 0.27436661
Ho : P=Po; Ha : PoPo
inferencias
Ejercicio: 6.2. Para la evaluacin de una prueba diagnstica, se examinar! 1.000 individuos, de los
cuales 700 tienen la enfermedad relacionada con la prueba. Un investigador quiere hacer
un contraste de hiptesis, suponiendo como hiptesis nula que la sensibilidad de la prue
ba es del 80%. Se aceptar dicha hiptesis teniendo en cuenta los datos anteriores y
sabiendo que tenemos 100 falsos negativos? Tomar como nivel de significacin el 5%.
BIBLIOGRAFA
Pefla D. Estadstica. M odelos y Mtodos 1. Fundamentos. Madrid: Alianza
Universidad Textos; 1993.
Fleiss J.L. Statisdcal methodsfor rates and proportions. New York:
John Wiley& Sons; 1981.
Poblacin 1 Poblacin 2
Desviacin Estndar
<s> Muestra! Poblacin 1 : 14.580!
O Poblacional Poblacin 2: 17.2001
1 !^n?jSL?JS.S.!i!R^.SSSJ
Diferencia entre medias poblacionales: 0.0001
(Poblacin 2 - Poblacin 1)
Inferencias
En la pantalla de resultados se presentan, en la opcin del intervalo de
confianza, las medias mustrales de ambas poblaciones y el intervalo de
confianza construido para la diferencia de medias a partir de un valor p
calculado de un contraste de hiptesis de igualdad de varianzas (slo en
el caso de varianzas desconocidas), y el nivel de confianza introducido
(por defecto se toma el 95%). La opcin de "Contraste de hiptesis" pre-
senta el estadstico evaluado, el valor p y los grados de libertad (si no se
selecciona la opcin de contraste se visualizan asteriscos).
Infeiencia para la media. 2 muestias independiente - Resultados
Intervalo de confianza
Medial:! 41.500| Media 2 38.7001
I.C. para la diferencia: -5.1321 -0.4671
P-valor (p): j 00033| pata Ho: igualdad de varianza*
(Slo te calcula en el caso de varianza* detconocidas)
Nivel de confianza:
mxmm
Contraste de hiptesis
Ho:n2-/il - O.OOOl
Ha:|t2-jil " O.OOOl
Diferencia de medias observada: \ -2.800
Estadstico evaluado: | 0.718|
P-valor (p): I O.OOOOl g.l.: 0 | (Si coneiponde)
Ejercicio: 6.3. Volviendo a utilizar los datos del ejercicio 6.1., contrastar la igualdad del ndi-
ce CAO (CPO)-co de su municipio con los del vecino, si los datos de un estudio
realizado en este ltimo son los siguientes:
Tamao muestral 1.500 nios, ndice CAO (CPO)-co 2,89 y desviacin estndar
0,89. Nivel de significacin 5%.
BIBLIOGRAFA
Pefla D. Estadstica. Modelos y Mtodos 1. Fundamentos. Madrid:
Alianza Universidad Textos; 1993.
Dependientes
A diferencia del contraste de medias entre dos muestras independien-
tes, en este caso tenemos n pares de datos tomados en condiciones muy seme-
Inferencias
jantes, con lo que la variabilidad da la diferencia entre sus medias ser mucho
CM
menor. Esta opcin permite construir los intervalos de confianza para la diferen
cia de medias de dos poblaciones dependientes y realizar, si se desea, contrastes
relacionados con dichas diferencias.
Para construir el intervalo de confianza se dispone de dos muestras
dependientes de las que se deben introducir las medias mustrales, las
desviaciones estndar y el nmero de pares mustrales. Tambin es
necesario introducir el coeficiente de correlacin entre las dos muestras.
Si se desea contrastar si la diferencia entre las medias corresponde a un
valor predeterminado (Poblacin 2Poblacin 1) debe marcarse con "X"
la opcin de "Contraste de hiptesis", introduciendo el valor de la dife
rencia a comparar entre medias poblacionales (tomando por defecto 0).
inleiencia paia difeiencia de medias. 2 muestras dependientes
Poblacin 1 Poblacin 2
Media muestra): 14.300| Media muestra): 17,400|
Desv. Estndar 11.400| Desv. Estndar 9.650|
Tamao muestra): 217|
Coeficiente de correlacin entre las dos muestras: 0.6800
SI Constraste de hiptesis
Diferencia a contrastar entre medias poblacionales: O.OOOl
(Poblacin 2 - P o b l a c i n 1)
Intervalo de confianza
Medial: 14 300| M e d i a 2: 17.400!
I.C. para la diferencia: -13.703| 19.9031
Contraste de hiptesis
Ho:it2-fi - 0.000
Ha:/2-jil " O.OOOl
Diferencia d e medias observada: 3.100
Estadstico evaluado: 0.3611
P-valor(P): 0.3588! 9-1: 216|
d Inferencias
correlacin de Pearson no se puede usar este contraste de hiptesis. En
ese caso no deber utilizarse la opcin "muestras independientes", ya que
si el coeficiente de correlacin fuese negativo se obtendran intervalos de
confianza ms pequeos que los reales y que, si fuera positivo, los inter
valos de confianza obtenidos seran mayores que los verdaderos.
En la pantalla de resultados, la opcin de intervalos de confian
za presenta las medias mustrales de ambas poblaciones y el intervalo
de confianza para la diferencia una vez introducido el nivel de con
fianza correspondiente, que por defecto es 95%. La opcin contraste de
hiptesis muestra el contraste realizado y el estadstico evaluado, o
bien asteriscos en los respectivos campos si no se seleccion. Tambin
se muestra el valor p y los grados de libertad (0 por defecto).
' BIBLIOGRAFA
Pea D. Estadstica. M odelos y Mtodos 1. Fundamentos. Madrid:
Alianza Universidad Textos; 1993.
Inferencias
Inferencia pia la diferencia de proporciones. 2 muestras independientes
Poblacin 1 Poblacin 2
Proporcin muestra): 074000| Proporcin muestra): 0.71000|
Tamao muestra): 54Z] Tamao muestra): 3B2|
Constraste de hiptesis!
Intervalo de confianza
Proporcin muestra) 1: 0.74000|
Proporcin muestra) 2: 0.710001
I.C. para la diferencia: -0.091 0.031
(Poblacin 2 - Poblacin 1)
Nivel de confianza: MBjHJlffj
Contraste de hiptesis
Ho: P2-P1= O.OOOOQl
Ha:P2-P1<> 0.00000)
Diferencia de proporciones observadas: -.03000
Estadstico evaluado: -1.064| P-valor (p): 0.28711
Ejercicio: 6.5. En el hospital A, 37 miembros del personal de un total de 135 son mujeres. En
el hospital B, de un total de 234 miembros, 53 son mujeres. Existen diferencias
significativas entre el porcentaje de miembros mujeres de los dos hospitales?
Utilizar como nivel de significacin 5%.
BIBLIOGRAFIA
Pea D. Estadstica. Modelos y Mtodos 1. Fundamentos. Madrid:
Alianza Universidad Textos; 1993.
Fleiss J.L. Statistical meihodsfor rates andproportions. New York:
John Wiley& Sons; 1981.
Dependientes
Opcin destinada a construir intervalos de confianza para la diferencia
de proporciones y/o contrastar la hiptesis segn la cual la diferencia entre las
proporciones poblacionales es significativamente diferente de un valor predeter
minado. El estudio es pareado y se realiza en distintos tiempos; por tanto se
trata de muestras dependientes.
Se dispone de una muestra pareada (mismos individuos en distintos tiem
pos) de la que se deben introducir los siguientes datos: los casos positi
vopositivo, positivonegativo, negativopositivo y negativonegativo;
si se desea realizar contraste de hiptesis debe marcarse con "X" esta
opcin e introducir las proporciones esperadas.
Tiempo 1 Tiempo 2
+ + 1
+ 23)
Pares
+ 71
33|
Constraste de hiptesis
Proporcin esperada en el Tiempo 1: 0.250001
Proporcin esperada en el Tiempo 2: 0.35000|
Intervalo de confianza
Proporcin de pares en 1 : 0.629|
Proporcin de pares en 2: 0.4811
I.C. para la diferencia: -0.252| -0.0431
(+ tiempo 2) - (tiempoen 1)
Nivel de confianza:
Contraste de hiptesis
Ho: P2-P1= o.iooool
Ha: P2-P10 o.moool
Diferencia de proporciones observadas: -0.1481
Estadstico evaluado: -1.179| P-valor (p): 0.238
Inferencias
y el intervalo de confianza para la diferencia de pares positivos entre
ambos tiempos, una vez introducido el nivel de confianza correspon-
diente (por defecto 95%). La segunda opcin muestra el contraste rea-
lizado, la diferencia de proporciones observada, el estadstico evalua-
do y el valor p, presentando 0 y asteriscos en el caso de no seleccio-
nar esta opcin.
Ejercicio: 6.6. De un total de 300 enfermos se eligieron 100 para comprobar la eficacia de
un tratamiento. Entre estos pacientes elegidos 65 estaban en un estado grave de
la enfermedad antes de iniciarse el tratamiento, de los cuales 45 pasaron a un
estado ms leve una vez finalizado este, entre los 35 que estaban en estado leve,
5pasaron a un estado ms grave. Entre los 100pacientes elegidos alazar, exis-
te diferencia significativa entre los porcentajes de enfermos graves y leves antes
y despus del tratamiento? Construir un intervalo de confianza para la diferencia
de proporciones, con un nivel de confianza del 90%.
BIBLIOGRAFA
Pea D. Estadstica. Modelos y Mtodos 1. Fundamentos. Madrid:
Alianza Universidad textos; 1993.
Fleiss J.L. Statistical methodsfor rates andproportions. New York:
John Wiley & Sons; 1981.
Inferencias
I- - - -,
^Jtf PRIORIZACIN
PRIORIZACION
I1EQ000
Anlisis Epidemiolgico de Datos Tabulados
Versin 2.0 paia Windows -Junio 1997
IfTS NUM
Indicadores: 5|
Indicadores 1 .. 5
U n i d a d d e anlisis 9
Indicador 6
Valor ! nsd
Indicador 1 11.50 *
Indicador 2 5.37 Eliminai
Indicador 3 18.14
Descartar |
Indicador 4 6.38
Indicador 5 30.24
|_ActuajigarJ
Cancelar I
0-
Prtorizacion
[RDeteiminacin de necesidades de salud - Resultados O
Unidad de anlisis
Unidad
Unidad
de a n l i s i s 1
de a n l i s i s 2
Puntos
0
3
Eag.Anl s
Unidad de a n l i s i s 3 4
Salir
9
Unidad de a n l i s i s 4 5 O-
Unidad de a n l i s i s 5 5
Unidad de anlisis 6 2 impiimii
Unidad de anlisis 7 2
Unidad de anlisis 8 0
F1-yuda |
Unidad de anlisis 9 0
I
BIBLIOGRAFIA
CastilloSalgado C. Los Servicios de Salud en las Amricas: Anlisis de Indicadores
Bsicos. Cuaderno Tcnico n9 14. Organizacin Panamericana de la Salud.
Washington DC, 1988; 147152, 221230.
ercicio: 7.1. En una regin de un pas existen 9 reas administrativas y usted desea esta
blecer prioridades con el objeto de asignar recursos, para lo que dispone de una
serie de indicadores, que se especifican a continuacin. Seleccione 5 indicadores
y, utilizando la opcin de "Determinacin de necesidades en salud" de EPIDAT,
seale las reas dnde considera prioritario invertir recursos en funcin de una
mayor necesidad. J ustifique los indicadores seleccionados.
TBC odontlogos
mortalidad
infantil
esperanza
de vida
aos de
vida
personas con
limitaciones
%
(xW) (x 10.000) hogares
(x 1.000 nv) al nacer perdidos permanentes sin servicios
(x 1.000) en (x 100) higinicos
< 55 aos en vivienda
Prorizacn ilasl
Anexo i
intervalos de confianza "Margen'de valores de una variable de nteres, por ejemplo,
una tasa, dispuestos de tal modo que dicho margen tiene una determi-
nada probabilidad (confianza) de incluir el verdadero valor de la varia-
ble. La probabilidad especificada se denomina nivel de confianza, y los
puntos extremos del intervalo, lmites de confianza".
Last, J.M. Diccionario de epidemiologa. Barcelona: Salvat Editores; 1989.
NOTA: En algunas ocasiones, dependiendo de los valores de las celdas; los intervalos de
confianza pueden tomar valores imposibles como, por ejemplo, lmites de confianza infe-
riores de odds ratios con valores menores de 0, o lmites superiores de pruebas diagnsticas
mayores de 100. Esto no constituye un error del programa. Se debe al proceso de clculo y
debe interpretarse como que el intervalo de confianza correspondiente toma el valor lmite.
valor p "Probabilidad de que las cifras estadsticas de una prueba tengan valo-
res iguales a los observados, o ms extremos que ellos, si la hiptesis
Anexo 1
O nula fuera verdadera. La letra p, seguida de la abreviatura n.s. (no sig-
CM nificativa) o del smbolo < (inferior a) y una cifra decimal, tal como
Jrp 0,01 0,05, es una constatacin de la probabilidad de que la diferencia
Q observada haya ocurrido puramente por azar, si los grupos son real-
g" mente semejantes, es decir, bajo la hiptesis nula.
Tasa estandarizada:
Zy=i 'j
rei
P'
(LI)
var(f/) = J ] (1.2)
y=l ^ V ^e /
Donde
m es el nmero de intervalos de edad,
p es la poblacin en cada grupo de edad (j=l,...,m),
pt es la poblacin estndar en cada grupo de edad (j=l,...,m),
p r es la poblacin estndar total,
m
Pe =Y*P*J
7=1
Mtodo indirecto:
ndice de mortalidad estandarizada (IME, SMR):
T.ljPj
IME- (1.4)
CE
7=1
Varianza del IME:
var(/W/0 = I - var(j) = 7 2
Donde
m es ei nmero de intervalos de edad,
Pj es la poblacin en cada grupo de edad (j=l,...,m),
prj es la poblacin estndar en cada grupo de edad (j=l,...,m),
Pe = Z ^7
7=1
Anexo H
Mdulo 2: muestras
CM
= J2 (2.0
(2.3)
(r.-'Y
Donde
N es el tamao poblacional,
P es la proporcin esperada de la poblacin,
/> es la proporcin de la hiptesis nula,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza,
100x(l)3)% es la potencia de la prueba,
d es la precisin absoluta requerida a ambos lados de la proporcin.
Donde
N es el tamao poblacional,
V es el coeficiente de variacin.
n= j (26)
= . ^ ^ ^ (2,)
2\arcsin^\ - arcsin^jP] j
Donde
P, es la proporcin esperada de la poblacin 1,
P, es la proporcin esperada de la poblacin 2,
P es la media de las proporciones anteriores,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
1 0 0 x ( l a ) % es el nivel de confianza,
100x(l/})% es la potencia d e la prueba,
d es la precisin absoluta
n =
2 (2.9)
Muestras dependientes. Prueba de hiptesis. Tamao muestral mnimo si las muestras son
dependientes:
Donde
sd, es la desviacin estndar esperada de la poblacin 1,
sd, es la desviacin estndar esperada de la poblacin 2,
Anexo t!
100x(l-/3)% es la potencia de la prueba,
d es la precisin absoluta,
dif es la diferencia entre las medias.
Estudios casos-controles:
Pareado. Mnimo nmero de pares discordantes requerido:
(2.11)
P
-2.
Nmero de pares requeridos para detectar m pares discordantes:
M=m/Pe (2|2)
(2.13)
('wO2
Nmero de controles: c x n
Donde
c es el nmero de controles por caso,
Z3, es la proporcin de casos expuestos,
P, es la proporcin de controles expuestos,
P=P2ORIl+(OR-l)
OR es la odds ratio,
P=I/2(Pt+PJ
Q2=!-P:
Q=J-P
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza,
100x(l-/)% es la potencia de la prueba.
Estudio de cohortes:
Estimacin del riesgo relativo. Tamao muestra! mnimo para cada cohorte:
2 \-P \-P1
- l-a/2
(2.14)
iog(i - ef
Donde
P, es la proporcin de expuestos con la enfermedad,
P: es la proporcin de no expuestos con la enfermedad.
e es la precisin relativa,
z0 es el cuantil de la distribucin normal que deja una cola a a la izquierda;
100x(l-a)% es el nivel de confianza,
100x(l-/?)% es la potencia de la prueba.
Z"Q<"-">C(_x)Ac;<a (2,5)
Donde
N es el tamao de la poblacin,
M=NxP
P es el valor previsto de la proporcin en la poblacin,
P0 es el valor de la proporcin de la poblacin sometido a prueba en caso de hiptesis nula,
d' es el nmero mximo de sujetos de la muestra que presentan la caracterstica,
en el caso de RECHAZO DE UN LOTE:
d = nPo-Zi-a^nPofr-Poi
Anexo H
Mdulo 3: concordancia
Dos observadores
Dos categoras
+ a b
c d
1 ac | hd
.V/./) = (3.3)
' {a + c)' \b + cf
Intervalo de confianza de J de Youden:
(/--l-a/2^("0, J + Zx.al2Sd(.J)) (3.4)
KAPPA (/O:
Intervalo de confianza de K:
(a + b)(a + c) + (c + d)(b + d)
l'e = _
A = JLP,{{\-P, + P.^-K)]
r-l
B= {\-K)1YtP,{P+l'J.)
i*J
P = ^
J
n
x^ es el dato de la i-sima fila y la j-sima columna,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza.
Para contrastar que K=0 (la concordancia se debe al azar), se supone la normalidad asinttica y se
calcula el valor p de
K
Z= r r (3.8)
sd0(K)
Intervalo de confianza de K:
(K-zx_a/2sd(K), K + zx_ai2sd(K)) (3.12)
Donde
i=i y=i
/=i y=l
X
P.=
J --L
n
n es la suma de todas las celdas
w, es la ponderacin de la isima fila y la jsima columna,
x,.. es el dato de la isima fila y la jsima columna,
son
Pj. y P. l o s valores marginales de la tabla,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza.
Para contrastar que ^"=0 (la concordancia se debe al azar), se supone la normalidad asinttica y se
calcula el valor de p de
K
*/(*) (3.13)
A n e x o II
Mltiples observadores:
Dos categoras. (Kappa):
yXiimi -x)
, W, (3.15)
K- = 1 = ^^ '
n(m - \)pq
desviacin estndar para contrastar la hiptesis H0:(m-mXl-4/7)
K=0:
J2(m-1)- mpq (3.16)
SCHK) = --
(m - l)^nm /;
Donde
n es el nmero de sujetos,
m es el nmero de clasificadores del sujeto i-simo,
jt es el nmero de clasificaciones positivas (de definicin arbitraria) del sujeto i-simo,
m = /,, m,n
q = \- p
n
m,i
I Vi",
Anexo i!
o Hiptesis de igualdad de Kappas:
Test % para la prueba de homogeneidad:
_ y \ki ~kglobal)
9 i=\ var(*,)
(3.21)
kfrlnhnl (3.22)
l
gt>hal ~\-a2 \x ' " global+ ^2 I l-a/2
Donde
k e s la ka
tiM PP a global,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza.
I
Mdulo 4: Tablas
S|
Tablas 2x2:
Enfermos Sanos Q
Fr +
Fr-
OR Exp\-z-x_Z|-/2 (4.3)
al2yVar{lM{OR))
V V<*r (MOR)) , OR
, ORl-xp\
Exp\ zx_allz,_an
\\^Var{l.n{()R))
(a + b)
RR = (4.4)
(c + d)
Var{Ln{RRy) = - + - (4.5)
a(a + b) c(c + d)
Donde
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
1 0 0 x ( l - a ) % es el nivel de confianza.
,2
n\ \ad - cb\ -
V
y2 _ ^
tL (4.8)
(4.8)
XYa s
" (fl+6)(fl + c)(c+ d){b
</)(* + d)
+ </)
Anexo 11
2 (n - \)(ad - cbf
ZM (4 9)
^ - (fl+Xfl + cXc+rfXi+rfj -
Los valores p correspondientes (un cola) s Obtienen a partir de la distribucin X2 c o n ' grado de
libertad.
TEST EXACTO D FISHER: l probabilidad de una tabla 2x2 bajo la suposicin de independencia
entr filas y columnas (fijando los totales marginales) se obtiene a partir de la distribucin
hipergemtric:
ta + b)\c + d)\(a + c)\(b + d)\
P( a =
-> " 1 , . . ",' .V ' (4.10)
' (Si se fijan los marginales la configuracin est caracterizada por el valor de a).
Para el clculo de las probabilidades de Otras configuraciones distintas se puede utilizar:
be , ,
P(d + \) = w (4.11)
(a + iXrf + O '
ad
P(-) = - .:m (4.12)
(c+l)(6 + l)
Entonces si:
^ a + k) < P(a)
P ^ = *) < / J (a)
r -, , / te
PAR (417)
=i+pm-\)
Anexo II
en ad(n- c) + bc
Var{PAR)- (4.19)
{a + c)2, (c + d)2
El intervalo de confianza de nivel a se obtiene a partir de:
Donde
P es la proporcin de expuestos que suele ser estimada por:
p=a + b_
n
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza.
; - e
cuantiL = (4.21)
/---/ /<
tomando el cuantil que ocupa la posicin
cin parte entera de n'xa se calcula el intervalo de confianza
para 0 :
i Hxp - cuantil x jwiriQ) \, Exp{ + cuantil x ^var(0) JJ (4.22)
Donde
n' nmero de rplicas bootstrap,
0 es la oddsratio o el riesgo relativo que se desea estimar,
A
0 es el estimador del Ln(OR) (ver Fleiss) o el estimador del Ln(RR) propuesto por Katz
(ver Kahn),
a
> + 0.5)(</ + 0.5) Q=Ln
0 = Ln
(c + 0.5)(A + 0.5)
\*~d).
0* es el estimador bootstrap del Ln(OR) o el estimador bootstrap del Ln(RR) propuesto por Katz,
vr () es el estimador de la varianza del Ln(OR) (ecuacin 4.2) o el estimador de la varian
za del Ln(RR) propuesto por Katz (ecuacin 4.5)
vr (e)" es el estimador bootstrap de la varianza del Ln(OR) o el estimador bootstrap de la
varianza del Ln(RR) propuesto por Katz.
Casoscontroles pareados:
Un control por caso
Control
+
Caso + a b
N = B+C
Estimador de mxima verosimilitud de la ODDS-RATIO, condicional en el nmero de pares discor-
dantes b+c :
n
OR = (4.23)
C
TEST DE MCNEMAR: Test bilateral para chequear la hiptesis nula de que la odds-ratio es la unidad,
se obtiene calculando el estadstico:
2
2_(|fi-C|-l) (4.24)
X = (B + C)
2
0/? = -J -j (4.25)
2 ^ + 5 +rt6
2 _[N\-i2) (4.26)
'u - ii N2
2
cuya distribucin es aproximadamente una x con 1 grado de libertad bajo H0.
Anexo II
Tres o ms controles por caso
ESTIMADOR MANTEL-HAENSZEL de la odds-ratio:
2 (h-^l-^2 (4.30)
*-,, T,
Estimador de la varianza de Ln(OR):
Var(Lni.OR)) = 2 ( 4.3i)
A partir del cual se puede obtener un intervalo de confianza aproximado para la odds-ratio.
Donde
c = nQ de controles por caso,
nj(+) = n s de pares con caso (+) y j controles (+),
n^-) = nD de pares con caso (-) y j controles (+),
y=o
7i = ty(c+i-y)i"y/(c+i) 2
nij =;_,(+) + ; ( - )
Enfermos Sanos
Fr + a,
Fr- T
MEDIDAS DE ASOCIACIN BRUTAS: son las correspondientes a la tabla 2x2 dada por: sa, sb, se y sd
m m
(4.32)
ni m
,=1 /=!
Anexo H L
I DI'
M T O D O B A S A D O E N VARIANZAS ( O R W o l f y R R Katz): m e d i d a d e a s o c i a c i n global ( m e d i a p o n -
derada):
y = -!=! (4.33)
m
i=l
Varianza de la medida de asociacin global:
1
var(y) =
Z W,.
(4.34)
(=1
Bajo hiptesis de homogeneidad el estadstico
m
sigue una distribucin Chi-Cuadrado con m-1 grados de libertad. Para ms detalles acerca de este
mtodo ver Fleiss.
i=i
Sai(c+rf/)
(4 38)
MM-H^ '
Donde
yl es la medida de' asociacin elegida correspondiente a la tabla i-sima, (i=l,...,/n)
Y=\n(OR) o Y.=\n(RR) (i= 1 ,...,m)
var^,) es la varianza de la medida de asociacin, (i=l,...,iw)
w son los pesos (i=l,...,/7i) \
1
w,- =
var^,)
Anexo M
a,</,(a,+</,) [a,</,(a, +J,) + c,bl(cl +A,)] c,A ,(c-, +/>,)
=izl
CM
^" 7^v - "*" 1 1 1 " ; ; + L
^ r^ v~
5
m
9
^ = ^ ^ O-
O O +C C O +h
LU
X /( I)X /( i)
l=l l=l
za es ei cuantil de la distribucin normal que deja una cola a a la izquierda,
I00x(la)% es el nivel de confianza.
Tablas MxN:
CHICUADRADO (X 2 ):
(4.40)
B.l.= (in-lXn-l)
C H I - C U A D R A D O R A Z N D E V E R O S I M I L I T U D E S (G2):
'"S (4.41)
g.l.= (ml)(nl)
PHI ((F):
2 _ U _ (4.42)
c= Z +"..
(4.43)
V DE CRAMER:
(4.44)
n..(min 1)
D's DE SOMERS:
P-Q P-Q
'm/n n[m
(4.45)
M.2. -L"1., ""-l"^.
./'=!
T A U S D E G O O D M AN Y K R U S K A L L (r):
m /l - i
!_ M
n.2.-Z".2/
TAU-B DE KENDALL ( T J :
(.P-Q)
(4.47)
_(P-Q)mm (4.48)
ZZ//('-(./-.7)
(4.49)
Js,('-o2.;(./-./)2
V'=i ./=i
COEFICIENTE DE CORRELACIN POR RANGOS DE SPEARMAN (/): Frmula para el caso de empates
(Siegel; 1956):
m n
Donde
min es el mnimo entre m y n,
rt# son las frecuencias observadas en la tabla de contingencia MxN (i=l,...,iw ; j=l,...,n),
.., n.j y n_ son los totales por fila, columna y total de la tabla de contingencia,
",. =Z' 1 !,
./=l
i=i
, = 1 7=1
e
<l=~-
A/^ZZ^+ZZ"//
/=i y=l
L^ZZ"^//
i = l 7=1
/=i
~j = Y.}n-in-
7=1
Anexo 11
i.I
7-1
Si H es cieta el estadstico x2 sigue una distribucin ChiCuadrado con (m1) grados de libertad.
Ver Everit.
COERCIENTE DE CONCORDANCIA DE COHN: ES un caso particular de la concordancia para dos observa
dores y mltiples categoras tomando pesos unitarios en la diagonal (w,v=l) y nulos en el resto (wi7=0).
TEST DE TENDENCIA LINEAL: En una tabla 2xM se hace la regresin lineal de niJn.j sobre j , y se cal
cula el test ChiCuadrado con un grado de libertad:
-K!;-X./-7)
j (4.52)
z2
i
Donde
Pi. n,Jn-
P. = n. ln
d es un vector de dimensin (m1) formado por cualquiera de las diferencias
d = . /!,.
V es la matriz de covarianzas de los /,'s cuyos elementos son:
v = ,. + ., 2nh
v
ij =-(nij +n
j)
Vigilancia epidemiolgica
CapturaRecaptura
Sistema 1
Detectados No detectados Total
Detectados a b n,
Sistema 2 No detectados c d
Total m, n
O Casos estimados:
O (M|+l)(/w,+1)
n = (4.53)
< a+1
9
_ Estimacin de la varianza de n:
A (n, + ! ) ( / , + l)cb
Q. Var () = V ^_ (4 54)
-
2
( a + l) (a + 2)
La integridad de los sistemas se calcula como sigue:
m
l "i
Sistema 1 = Sistema 2 =
n n (4.55)
(a+b + c)
Sistemas \y2 =
Deteccin de clusters
Mtodo de Knox
Tiempo
+ - Total
+ a b n,
Espacio
- c d n2
Total m, m. n
Anexo II
Mdulo 5: pruebas diagnosticas
Enfermos Sanos
Fr + a b
Fr- c d
Sensibilidad: (5.1)
a+c
Especificidad: (5 2)
b +d
Valor predictivo positivo: (5 3)
a +b
Valor predictivo negativo: ,, ..
c+a
Valor global de la prueba: a +a
a+b+c+d (5.5)
a/(a + c)
Razn de verosimilitud positiva: -^ ^ 6)
b/[b + d)
Razn de verosimilitud negativa: _/J L (5.7)
dUb + d)
Los intervalos de confianza se calculan a partir de los dados para proporciones en ei mdulo de
inferencias, ecuacin (6.17).
Curva ROC
Tablas 2x2. Se transforman hasta conseguir tablas 2xN y se tratan como stas.
Tablas 2xN. Punto ptimo:
Q=P{xA>xN\
Intervalo de confianza:
Anexo II
O Donde
CSI P es el predominio o probabilidad anterior de enfermedad,
t? xA es la distribucin de los valores de x para imgenes no normales seleccionadas aleato-
r\ mente,
Q_ xN es la distribucin de los valores de x para imgenes normales seleccionadas aleatoria-
LU
mente,
nA es el tamao muestra! para la poblacin A,
nN es el tamao muestral para la poblacin N,
1 si xA > xN
1 si xA = xN (slo datos discretos)
S{xA ,xN) =
2
0 sixA <xN
'-"o
d = (6.1)
sd/y/n
Valor p:
X-fiQ (6.2)
P=P\\t\>
sd/yfn
Intervalo de confianza de la media poblacional:
sd sd
x-t \-a/2 x + t l-a/2 (6.3)
Donde
d es el estadstico evaluado,
x es la media muestral,
// es la media poblacional,
sd es la desviacin estndar muestral,
n es el tamao muestral,
p es el p-valor,
t es una variable t de Student con n-\ grados de libertad,
/ es el cuantil de la distribucin / de Student que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza.
Desviacin estndar conocida. Las frmulas son las mismas que en el caso anterior, slo vara en
que en lugar de la variable t de Student aparece una variable normal, tanto en la frmula del valor
p como en el intervalo de confianza.
Valor p:
(*! - J -dif
(6.5)
(6.6)
( , -*i)-*i-nf+%' (*i - * 1 ) +
* . - / 2 ^ + ^
Anexo 11
Donde
d es el estadstico evaluado,
difzs la diferencia entre las medias que se van a contrastar,
x, es la media muestral de la primera poblacin,
x2 es la media muestral de la segunda poblacin,
i, es la desviacin estndar muestral de la primera poblacin,
s2 es la desviacin estndar muestral de la segunda poblacin,
, es el tamao muestral de la primera poblacin,
n, es el tamao muestral de la segunda poblacin,
p es el p-valor,
z es una variable aleatoria normal,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(la)% es el nivel de confianza.
Independientes. Varianzas desconocidas. Frmula empleada para calcular el valor/? del contras
te de igualdad de varianzas:
(6.7)
W^-xZ-ji
Si el valor p del contraste anterior es menor de 0,05 EPIDAT 2.0 adopta la opcin de VARIANZAS
DESCONOCIDAS Y DESIGUALES. Las frmulas son iguales que en el caso de varianzas conocidas,
exceptuando que, en lugar de una variable normal, aparece una variable t de Student con/grados
de libertad, en la frmula del valor/? y en la del intervalo de confianza. El clculo d e / s e realiza
mediante la siguiente frmula (aproximacin de Welch):
i
2 \
'+'-2-
m
I 2)
;rr 2 ( 6 8 >
En el caso de que en el contraste de varianzas, el valor p sea mayor que 0,05, EPIDAT 2.0 adopta
la opcin de VARIANZAS DESCONOCIDAS E IGUALES, y emplea las siguientes frmulas:
Estadstico evaluado:
{x\-x2)-dif
(6.9)
i nt+n2-2 V! "2
Valor p:
(*.-x2)-dif 1
(6.10)
1 1
i n + /j22 v.+
"2
(6.11)
Anexo II
Donde
d es el estadstico evaluado,
difes la diferencia entre las medias que se van a contrastar,
x, es la media muestral de la primera poblacin,
x, es la media muestral de la segunda poblacin,
s, es la desviacin estndar muestral de la primera poblacin,
, es la desviacin estndar muestral de la segunda poblacin,
n, es el tamao muestral de la primera poblacin,
n, es el tamao muestral de la segunda poblacin,
p es el /7-valor,
F es la funcin de distribucin F de Snedecor,
t es una variable t de Student con n-\ grados de libertad,
ta es el cuantil de la distribucin t de Student que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza.
Valor p:
(x.-x^-dif 1
p=P U> , <6.,3)
^ / i , +2 - 2 c o v J
Intervalo de confianza:
Donde
d es el estadstico evaluado,
dif es la diferencia entre las medias que se va a contrastar,
x, es la media muestral de la primera poblacin,
I, es la media muestral de la segunda poblacin,
, es la desviacin estndar muestral de la primera poblacin,
s2 es la desviacin estndar muestral de la segunda poblacin,
cov es la covarianza entre las dos variables,
n es el tamao muestral (nmero de pares),
p es el p-valor,
F es la funcin de distribucin F de Snedecor,
t es una variable t de Student con n-\ grados de libertad,
ta es el cuantil de la distribucin t de Student que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza.
Inferencia para proporciones. Una muestra
Estadstico evaluado:
k-il- (6.15)
Valor p:
w> i'-'-i-i
t
p=P\ (6.16)
Donde
z es el estadstico evaluado,
p es la proporcin muestral,
q=J-p
P0 es la proporcin bajo la hiptesis nula,
n es el tamao muestral,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza.
(6.18)
V ir, n2
Valor p:
p=P- (6.19)
P\<\ Pili
+
"2
Donde
z es el estadstico evaluado,
p , es la proporcin muestral en el tiempo 1,
p2 es la proporcin muestral en el tiempo 2,
q^i-p,
12=J-P2
A n e x o It
P, es la proporcin bajo la hiptesis nula de la primera poblacin,
P, es la proporcin bajo la hiptesis nula de la segunda poblacin,
, es el tamao muestral de la primera poblacin,
, es el tamao muestral de la segunda poblacin,
p es el p-valor,
za es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100X(1-C)% es el nivel de confianza.
{pi-Px)-{P2-Px)--n
(6.21)
n-J
Valor/?:
(ft-pi-^-fll-i
p = JP ti (6.22)
V(fl+rfX+c) + 4fcc
Donde
z es el estadstico evaluado,
p, es la proporcin muestral de la primera poblacin,
p2 es la proporcin muestral de la segunda poblacin,
Pl es la proporcin bajo la hiptesis nula de la primera poblacin,
P, es la proporcin bajo la hiptesis nula de la segunda poblacin,
n es el tamao muestral en nmero de pares,
a es el nmero de casos positivo-positivo,
b es el nmero de casos positivo-negativo,
c es el nmero de casos negativo-positivo,
d es el nmero de casos negativo-negativo,
p es el p-valor,
zo es el cuantil de la distribucin normal que deja una cola a a la izquierda,
100x(l-a)% es el nivel de confianza.
Mdulo 7: priorizacin
C=3
Determinacin de necesidades en salud:
Media:
X+X2+. ..+* (7.1)
n
Desviacin estndar:
-)' (7.2)
s=
-1
Valores z de las x'1:
(7.3)
s
i = 1, ,n
Valores z calculados:
z < -3,5
-3,5 < z < -2,5
-2,5 < z < -1,5
-1,5 < z < -0,5
-0,5 < z < 0,0
entonces el puntaje asignado es:
0,0 < z < 0,5
0,5 < z < 1,5
1,5 < z < 2,5
2,5 < z < 3,5
z > 3,5
El valor del puntaje final de cada unidad de anlisis es la suma de los puntajes asignados
a cada indicador.
i i)
SOLUCIONES A LOS EJERCICIOS O
9
O.
tu
M d u l o 1 : AJUSTES
Ejercicio 1.1. T 16900000 T 96500000
: 28,26441 = 27,447335
597925 ^ ^ 3512495
M d u l o 2 : MUESTRAS
Ejercicio 2.1. n = 246
Ejercicio 2.2. n=259
Ejercicio 2.3. n = 1164
Ejercicio 2.4. n = 704
Ejercicio 2.5. n = 188
Ejercicio 2.6. n = 275
Ejercicio 2.7. n = 54
Ejercicio 2.8. n = 56
Ejercicio 2.9. n = 92
Ejercicio 2.10. n = 1905
Ejercicio 2.11. n = 43
Ejercicio 2.12. 1- = 90%,
90 1-p = 80%: TM = 17, VU = 7
1-a = 90%, 1-p = 90%: TM = 25, VU = 11
M d u l o 3: CONCORDANCIA
Mdulo 4: TABLAS
Ejercicio 4.1. ^ = 0,0912; T ^ ^ = 0,028
RR = 3,25 IC = (2,53; 4,18)
RAP = 49% IC = (0,40; 0,58)
Ejercicio 4.2. Chi-cuadrado crudo = 31,65 p-valor = 0,000
Chi-cuadrado corregido = 30,51 p-valor = 0,000
OR = 3,52 IC = (2,17; 5,74)
RAP = 11% IC = (0,07; 0,15)
Ejercicio 4.3. OR = 2,36 IC = (1,06; 5,49)
Ejercicio 4.4. Estrato RR IC
1 3,57 2,62; 4,89
2 4,28 2,66; 6,88
3 1,24 0,76; 2,04
global 2,96 2,34; 3,74
Ejercido 4.5. OR IC
Estrato 1 4,79 2,19; 10,45
Estrato 2 3,28 1,81;5,94
crudo 3,52 2,22; 5,58
Mantel-Hanenszel 3,83 2,39; 6,93
Prueba de asociacin = 33,38 p-valor = 0,000
Ejercicio 4.6. Chi-cuadrado de Pearson = 99,467
G s = 99,179
Phi = 0,127
Coeficiente de contingencia C = 0,126
V de Cramer = 0,127
Tau de Goodman y Kruskal
Filas/columnas 0,01624
Columnas/filas 0,00433
M d u l o 5: PRUEBAS DIAGNSTICAS
Ejercicio 5.1. VPP=1,74 IC = (1,14; 2,63)
VPN = 99,98 IC = (99,96; 99,99)
Ejercicio 5.2. Sensibilidad Especificidad VP+ VP-
Serie (sobre +) 84,0% 100% 100% 99,16%
Paralelo (sobre - > 100% 99,78% 96,15% 100%
M d u l o 6: INFERENCIAS
Mdulo 7: PRIORIZACIN
Ejercicio 7.1. Unidades de anlisis
Ptos. -1 -1