~

ANALISIS ESTRATIFICADO 253

es posible poner en pie pruebas ms potentes dirigidas a patrones espe-

CiriCOS de variacil>11 de los estimados del erecto a lo largo de los estratos
como allcrn,ltiva a la uniformidad. Para hacerlo, sera necesario postular
tal palr()n. r()r ejemplo. la prueba de uniformidad de probabiJidad de
la r,\7.()ll dc tasas llc il1cidellciu. p,\ra loS d,ltOS del ejemplo 12.2. produce
UI1 val(~r dc I' tic ().OI6: los estimados del erecto declinan casi exponen-
\."ialmcl\(c. Sil1 cmhargo. con lo que litilizando como patrn alternativo
dc variaci()I\ lilla curva cxpol1cnci(ll. sc pllcdc construir un test de uni-
a rormidad mi\s polcnte. Con este mtodo de mayor potencia, resulta un
v,\lor de p esencialmente mils pequeo (Miettinen y NefT, 1971). La
prucba mejor,lda tiene en cuenta el patrn de declive de los estimados
de la razn de tas..ls de incidencia conforme aumenta la edad.

!)(,.\"(",.ip('i(" II(, 1(1 ,11('dii('(1('i', Ilel ejeclo

l
C.-uando los cstimados especificos por estrato varian lo suficiente como
para indicar que probablemente hay variacin en el efecto subyacente,
u resulta impropio prcscntar tanto una estimacin bruta del efecto como un
estimado conjuntado. Dicho estimado conjuntado del efecto es una
media ponderada de los estimados especificos por estrato, pero como se
supone que los pesos estn concebidos para promover la precisin.
rcllejan por clio el nmero de observaciones que hay en los estratos
illdividuales. El estimado conjuntado tiene. en consecuencia. la potencia-
lidad de inducir a error. a no ser que sea razonable suponer que los
estimados del efecto varian nicamente de forma aleatoria en torno a un
vaior uniforme del efecto. Si el efecto. en s mismo, vara a lo largo de los
estratos. entonces el valor del estimado conjuntado calculado sobre la
asuncin de uniformidad depender de la distribucin de los sujetos en
los estratos de una forma pecular para cada estrato individual y que
seria dificil de especificar. El estimado crudo es una alternatva peor,
puesto que ni siquiera representa una meda ponderada de los estimados
D
especficos por estrato.
Cmo. pues. debera describirse el efecto cuando se juzga que varia
n entre los estratos'? Un mtodo simple consiste en presentar los estimados
seper~\damente para cada estrato. El estudio puede consderarse. as,
como un conjunto de subestudios individuales que se informan por
separado. Para cada estrato, se pueden informar los estimados puntuales
~ y los intervalos de confianza. Este abordaje se usa a menudo cuando la
modificacin del efecto se produce para un factor dicotmico, como lo es
el sexo.
0
~
ESTIMADOS DEL EFECTO ESTANDARIZADOS
il..j
.;;;'1
~;j El inconveniente que tiene informar separadamente por estrato los
rc$ultados es que se divide el cuerpo global de datos, dando como
producto cstimi.\dos del efecto menos precisos en los estratos individua-

:~~

~x."... ..::t.;.t- .'c ;;.~

;~-..
,~~; :~!~f4~~ jtr~~%~~$~t;Gr;;lli~~
.~;,
~

,~;

25.: EPIDEMIOLOGIA MODERNA ~ 1

.,
='
~
les. Si la variable de estratificacin posee muchas categoras. habr
~
comparativamente poca precisin para cada uno de los varios estima- .
,
dos. Ms an. un con.iunto de muchos estimados del efecto puede que
ofrczca una descripcin del mismo ms detallada que la que ofrecera .~I
rc~IJ!llir el creclo !!Iohal en un solo niJmero. pcrC' tambn transmite mu- :'t
,1
l'll:1 mello~ capacidad de captacin global en S\l descripcin detallada. El
\lllil'(\ prop()~ilC' del an:'lli~is dc dato~ es reducir una informacin inhe-
rc!ltcme!llc compleja a una forma menos comple.ia y. por tanto. ms
filcilmc!ltc i!lterpretable. Te!liendo presente esta meta. resulta apropiadC'
rl:I!lICarSC si n(' hahria algu!la rorm" sensata de reducir un con.iunto de
c~timados especificos por e~trato a una nica medida global. La dificultad .1
lJUC tiene el estimado de conjunto es la forma impredecible o inespecifi-
t:ahlc en que comhina la informacin que existe a lo largo de los estratos. ~
I
l i!la manera ra7.ollable de superar esta dificultad consiste en combinar la t
1
informacin a travs de lo~ mismos. utilizand(l un sistema especificado
de ponderaciones -esto es. estandariza las tasas que componen la t
medida del erecto. segn una distribucin estndar de la variable de
estratificacin. La venta.ia de la estandarizacin es que se pueden i
explicitar rcilmente los pesos de la informacin especifica por estratos, '1 1
permitiendo que el proceso de obtener la media de los diferentes valores
dcl estimado del efecto provenientes de lo~ diferentes estrato!: se produz-
ca de un modo tericamente replicable y epidemiolgicamente pleno de
se!ltidu.
Ocasionalmente se pOne en guardia a lo!: in\1estigadores para que
c\.iten la estandarizaci()n dc los estimado~ dei efecto. caso de existir una
cxcesi\'a) variabilidad de los mismos entrc estratos. puesto que tal
\.ariahilidad quedaria oscurecida ell c] c~timado global. Por ejemplo. si
I()s estimados del erecto en dos estratos apuntan en direcciones opuestas.
indicand(l digamo~ prevencin para 10!: hombres y causa para las ~l
mujeres. un estimad(\ estandarizado podria indicar prevencin. causali-
d:,(i Q no erecto. dependiendo de la eleccin del estndar. Este problema .1
~r da. no ohstante. con cualquier medida resumidora nica. Una medida
J
de rcsumen estandarizada tiene. a] menos. la venta.ia de que pondera los
cstimado~ djvergente~ de un modo definihlc. Es incorrecto hacer que la o
1
u!lirormidad del erecto sea un prerrequisito para la estandarizacin: "j

cua!ld(, cxi~te ulliformidad. cl poolin~ {(1 con.iu!ltacin\ es preferible a la ~]

esta!ldarizacin. de cara a optimizar la precisin. Esta ltima es til
pri!lcipalmente cuando el erecto vara a lo largo de los estratos. Por
supucsto. es siempre verdad que una medida de resumen puede oscure-
cer una variabilidad sub\'acente. Si tal variabilidad es extrema. como
sucle suceder cuando los~ estimados del efecto apuntan en direcciones
contrarias. podra ser razonable inrormar los detalles especificos por
estrato. En los dems casos, el investigador puede decidir, apropiada-
mente. que un resultado resumen transmitir lo suficiente del mensaje
quc se pretende sin oruscar el detalle imporlante. para permilir as la
e~tandarizacin. Despus de lodo, no existe limite para el proceso de
scparar datos seg\ln niveles de detalle: incluso subgrupos pequeos y

?:W2

i~
-~,
,~~1: .~.~..
 ~~.

1i1~;~
ANALISIS ESTRATIFICAOO 255

T:Jhl:J 12.11. E.,"li11/(1df/.\, d(' '.aZ(j,1 dl' la.\'a.\' d(' iII('idl'lIcia de 111UerleS
1/(.hidl1,\, II (.'lt(.,.,II(.llall ('nrmlaria (,/1 ;lma(lorl'.," re.\,pecl0 a lIO .;ll11adores.
(.lIlr(. m(;(/i('(1.\, h,.il(,1i('().," 1~(lrm1(,.\'. .\,('Klll la eda(1 ( da/(1.\, d('ll'jell1plo 12.2 )

Intervalo de confianza exacto

Edad Estimado puntual de IRR
(media P) al 90 por 100
---
35-44 5.74 1,91 , 24
45-54 2.14 1.32 . 3.63
55-64 1.47 1.06 , 2.07
65- 74 1.36 0.98 , 1.91
i 5-x~ 0.90 0.65 , 1.28
~
.Intervalos dc c.:o'lli:\m:\ c:1lcul:1dos :1 p:lrtir de l:1s frmuas [1 J.9] y [1 J.JO}

;parentemente homogneos representan la experiencia agregada de

;Igunos individuos que estuvieron sometidos al efecto de inters y de
otros que no.
Consideremos de nuevo los datos de tasas de incidencia dados en el
c.icmplo 12.2. Es evidente que la razn de tasas de incidencia no es
lllliforme con la cdad, declinando de un valor de 5, i en el estrato ms
j(lvcn .1.iu5tO dch:l.io de la unidad en el ms viejo. Un abordaje razonable
tic 1.1 prc5cnt.1Cii)n tic estos datos podria consistir en mostrar los
rcsultados especficos por estrato. en vez de presentar ningn tipo de
clfr.l resumen (T.lbl.l 12.11). Por el contrario. a pesar de la interesante
variabilidad visible en los datos, pudiera ser deseable, y se lo podra
dcfender, un nico estimado sumarizador. En tal caso, habra que
utilizar un estimado estandarizado de la razn de tasas de incidencia: en
calidad de estndar, una eleccin razonable seria la distribucin perso-
n.l-.los de los doctores varones britnicos fumadores, que llevara a la
SMR:

630
,42
444,41

Naturalmente. una eleccin diferente como estndar afectara al estima-

do del erecto a informar. Por ejemplo. s a cada categora de edad se le
asigna un peso igual. la razn de tasas estandarzada resultante seria:

f 32 104
,
1,16

I~a difcrCllCi(l. relativ(lmente grande, de los dos anteriores estimados del

l:rcct() rcncja tlnicamente la diferente eleccin de pesos implicada en la

D ..

-,. ..c

:~

~s~~~~;~~.~.' ~~~~
 ~ ..~ -":.-.:..~-

256 EPIDEMIOLOGIA
MODERNA
j l
sclccci}n del estcilldlr. El segundo abordaje asigna pesos relativamente
mayores a las calegorias de edad ms viejas. en las que el efecto es
pcquco.
Los estimados estlndarizados. como 105 de conjunto. son siempre
IllCdias ponderadas de estimad05 dcl efccto especficos por estrato. Para
1IIcdidas dcl cfecl() que ~on difcrencias. la ponderacin es la misma de 105
)
I'C~()S dcl cst;'llldar. PUCSl(1 que la difcrcllcia de la~as estandarizada puede ~
~C cxprc~ada como: ,
1
'11..R 1 1i

SI~D = .::11"i/<li
---~II"I - ::'-!0-

r;lr; r.11 r.,1

(1(\II(It' Ilj CS cl rl:S(\ cslind;lr r;lra la c;ltc!!(\ra i. R1i es I; la5a enlre lo~
:..\rllcc;t()~ c!1~,:?1cstr;II(\ i. R,)j c~ 1;1 I;IS;I cntrc los n()-eXpue5tos en el
L"\lr;II(\ i ~. kl); cs cl c.c;tim;ld() dl' la dicrc!1ci;J de la5a~ en el mismo
cslrato i. Par.1 mcdida~ del CfCClO que .c;on razn de tasas. 5in embargo. la
raZ()11 eslandarizada de la~a~ cs un;\ nledi(1 ponderada de valores
,
c~rccifico~ por eslralo. que ponderan dicha5 razone~ de tasas especificas
por e5trclto de acucrdo al producto del pcso del estndar por la tasa
~ntr~ I()~ n('-expuc~to5:

r.,I.~RR.
I J
-L,,';RoRRj
-r.11"R o -- [12.66]
I I ~II.:
J

./,.
Ol~lldc R I~ es c1 cslimadl) de la razn dc 1~15a$en el e$trato ; y 11'; =

11R(\j.
La c~lructura dr la f()rmula II :.,6] revela p()r qu las dos razones de
la~as cslalldari7,:loas quc c()mbinall los c~timados puntuale5 especficos
p()r CSlral() de la tabla 12.11 esti\1l rucrtcmenle innuenciados por los
pcqueoos estimad()s dcl ercclo dc las cltc1!()ras de edad ms vieias, -J
I )ild() quc II'; c~ el product() dcl pcS() u5ldo para la e$tandarizacin )'
f\(li' cl \'alor de csltl Roj innucneiar: la pondcracin de los estimados
L"'rl:cfico~ por cstrato, Dchid() a ello. R()i aumenta fuertemente con la
~l
I.:Ua( partl los dat()~ dcl e.icmplo I.:...:.. ma~nificandC' a5i la innuencia de
I()s ~rupo~ dc cdad mil~ vie.ios sobre 1:1 razn de tasas estalldarizadas
~Iobal. Incluso la SM R. e5tandarizadtl como est segn la distribucin
dc cd:ld de lo~ j()vcnes entre los pr()pios fumadores, es slo un modesto
1.4:. dcbido a 1:1 innucncitl del Roj cn la cxpresin [12.66],
Ba.io cicrtas c()ndiciones, 1:1ccuacin [ 12.66] puede scr aplicada a datos
dc cas()-control p:lra ohteller cstim:ldo~ dc 1:1razn dc tasas estandariza-
das a partir de cstudios dc ca.1\('-contr()1 (t\1iettinen, 1972). Considcremos
la SM R quc, como 5icmpre, cstil estalldarizada scgn 1:1 di5tribucin de
la rohlacin expuesta. Si N I i es el numerldor y D I j el denominador de
la tasa en la poblacin origen expuesta de 105 su.ietos que ha)' en la
categ()ri.1 ;, entonces aj = ,frn(il(N1i) y ti = ./~o(i)(D1i)' donde aj es el
;
Illlmer() de caso.1\ expue5tos en el estrato; del estudio de casos y i:j

%]:
-.
~~
~.
'-~ ':~.~"'.:: ,~,..
~~tJ.:~~~;
~~:w;itf~~~:~:~;j;
 ~~~\\\~~
~

l
257
ANALISISESTRATIFICAOO

l:l)11lrolc$. <'; e$ cl I1mero de controles expuestos en el estrato i y ha(l} y

f,flth SUll 1.1$rr.\cciunc$ muestrale$ de caso$ y controles en el estrato i de la
pohl.1cin origen, Para estandarizar de acuerdo a la distribucin de la
rohl.\ci()11 cxpucsl.\. \('j debcria $cr lumado como DIl = cli hO(l}' Rtl puede

ser c~crilo como

u R1i =
QiIJ:a(il

{'i/frn(il

n tic r()rI11:1 llllL' ~ I~ I i -= ~lli,./~" Similanncl1lc.

I~()i = ~
dij~ofil
"

v v
bici
= L
IIIRoi
j= I dJca(jl

Si la rracci(>n de muestreo de 105 casos es constante a lo largo de los

estratos. lo que ser verdad si los casos han sido seleccionados indepen-
dicntcmentc dcl r(lctor de estratificacin. entonces

[12.6i]

L..I expresin [12.67] tiene la usual rorma de una SMR: a saber: razn del
numero observado de casos expuestos respecto de un nmero espera-
do o nulo. Dicho nmero esperado no es idntico al del mismo nombre
que se utiliza para poner a prueba una hiptesis estadistica, que parte de
la premisa de que la hiptesis nula es correcta, lo que es algo que no
pucde ser ,1sumido cuando se procede a estimar. El nmero esperado de
1.1cx presin [ 12.67] il1dica cui1ntos casos expuestos se habrian observado
si la exposicin c.lreciese de erecto, pero no implica ningn total
marginal que incluyese la celda a, puesto que esta celda a es, en cada
t.1bl.1 de 2 x 2. la que difiere respecto del valor nulo cuando la
exposicin posee un erecto.
En los estudios de C:lso-control, resulta posible escoger otros estn-
d.1res para proceder a la estandarizacin de los estimados de la razn de
t.1sas. Por ejemplo, si se toma \\'j como el tamao del denominador de la
poblacin no expuesta en la categora i, igual a Dol = d/!co(i\' entonces

f ~Idi
SRR = i= 1 Ci
[12.68]
N
L bi
i: 1

~;:~?~~; !~.-~.
 :'58 EPIDEMIOLOGIf\
MOOERNf\
I.:
:Isumiendo otr1 vez que la fraccin muestral de los casos es constante
I
.1 i() largo de los estratos.
Sc rueden calcular intervalos de confianza rara medidas del efeclo
cstandarizadas. rer() deben renejar el ratrn de los resos asignados por
cl csl.indar- rara diferenci.ls 01.' 1:lsa~ csland.lrizadas. una frmula
;lrr(l\imildil <11.'lil \':lriiln7,:1 es'
-I

I \
\:ar (SI~D) ~ -~ Ir \:ar (RD I l J 2.69]
( '11..)- , =
-I

c!()llc.1C I'.; es cl res() del eslndar rara la categoria i y la \iar (RD;) se

nhlielle de la r()rmula [ 12.1 J o de la [ 1.?.6]. dependiendo del tiro de datos.
r:lr(i obtener limjte~ dr confianza arroximados. puede utilizarse la raz
c\I:Ic!rad(1 de \'.ar (SRDI a la hora de calcula la desviacin estndar de la
r(,rmula [1().21. J)ar(1 medida." de razll de tasas. ha~' que utilizar la
Ilabilual
ri,rmula
transrormncii)n
arr()ximada
lo!!aritmica. Con datos de seguimienlo,
de 1.\ \.arianz:1 rar:1 el logarilmo
una
de una razn de .,
tasas eslandariz.\da e~

\;ar[ln (SRR)] ~ r.1~.f , "ar( ~lj) ;\1"? \iar (Ro;)

(~II.iR1j)2 + , [ 12. 70J
(;\IRo;).

d()nde \:ar (R1i) ~ \:ar (R(I;) pueden estimarse a partir del primer y
sc~lIlldo~ quchrados. rcspcclivamclltc. de las frmulas [12.1] [12.6].
depelldiclld(\ dcl tip() de datos: la raiz cuadrada de Var [ln(SRR)] se
rllCdc cmplcilr CJl lil exrrcsi)J1 [ 10.4] para hallar limites de confianza
1
apr()ximados. -~
Para e.iemplificar la aplicacil1 de la frmula [12.70]. determinemos los
limites de confianza aproximados, al 90 por 100. de la SMR calcula.da en
el e.iemplo 12.2. Los pesos del estndar. que para una SMR es siempre el
.grupo expuesto. ~. los sumandos de las sumas necesarias para la varianza
del logaritm() dc la SMR se dan en la labia 12.12. La varianza es:

1.997.56
444.4 J:
= 0.00159 + 0.01025= 0.01184
I

~.

La desviacin estndar es. por i() tanto, ,\f"ijTij;i. = 0,1088 )' el

in tervalo de confianza al 90 por 100 en torno a la S M J{ de 630/444,41 = '1
1.4.? es ~j

,645(0, 1088)] = ,19, ,,70

exp[ln .42) :t

J
Los cillculo!' anillogos. para un estndar en que se asignase a cada
c.ltegoria un reS() de 1.0. que da una r.lzn de tasas estandarizada de
1.l. d.lrian com() resultad() una varianz.1 de 0,0161. correspondiendo a

~.~~.
.~.;:~:...;.::

~ji:..

1;1
~
",..-
1

ANALISIS ESTRATIFICADO 259

Catc~ ~Ori~l
11',
I \VjR,j \viRo1 1"lVar(R,,) wTVar(Ro,)
dc c' dad
--
<
~5- 44 51.4()7 32 i.58 32 15.56
45- 54 4.1.14X 104 4S :.63 104 197.03
J .'i.1\- (,4
h.'. 74
2X.12
12.6(,.~
206
IX6
14C

131
t.30
'.16
206
IR6
703.04
671.91
75. X4 .)..~ 17 102 112 ~.74 102 410.02

l To! 1~11 142.147 630 44~ :.41 630 .997.56

un,\ dc$vi,\cil)n cst(ndar de 0.1169. El intervalo de confianza al 90 por

I!)!) p,\ra la SRI~ con pesos uniformes es

u exp[ln(I.16):t
.645(0.1269)] = 0.94. 1.43

N() PllC(lc rc:lliz:lrsc rormulacin gener~11 alguna de la varianza del

1()~:lrilm() lll: 1:1 r;I/('!1 (ll: tas:ls cslalldarizI<.1a si .e la calcula a partir de
c.lal()s <.Ic C.:;ISl)-l."()lllr()I. pucsto qllc para ellos la propia frmula de la
varii.ln7.:1 dcpcndc dc la ~Iec(;in de un estndi.lr. Para la SMR (calculada
dc la ri)rmul.1 I: 12.671, que utiliz;.l la distribucin de los sujetos expuestos
cn la poblacin origen a modo de estndar, la varianza se puede
aproximar mediante:

.~ 2 ( 1 I I

L
i= 1
(biCi)
-!~-+-+-
di / \bi Ci di
)

n Var [In (SM R)] + If ~\2-

L aj
I ,i= 1 di )
n
[) Uliliz:.lndo los dalos del ejemplo 12.5. se puede calcular que la SM R es
3.78 y la Vllr [In (SM R)] = 0,350, lo que da un intervalo de confianza al
90 por 100 de,
~
,645(.,, ~0,350)] =
exp[ln (3,78) :t ,43. 10,0

9 Sucede que este estimado puntual y el intervalo de confianza concuerdan

bien. en este caso. con el estimado puntual de mxima probabilidad (no
m colldicional) y el inlervalo de confianza al 90 por 100 de la media p
~ exacta. que previamente se calcularon y que eran 3.79 y entre 1,30 y 9,78,
respcctivamente: si bien es razonablemente comn un acuerdo as, no
CStil garanti7.ado, al estar implicados principios diferentes en la pondera-
9 l:i()ll tic lo.c;resultados especficos por estrato entre los dos abordajes.

r-
' 1
:
~
..

~::-:::T:.~~;:J:l:~ ~~

~~ ,;~~;
~

EPIDEMIOLOGI/I M()DERNA
26(\

lllilizal1dl) com{'1 estl1d.lr l.I di.c;lrihucil1 dc l{'1s .c;ujctos 110 exrueslos

CI\ I.i robl.ICi()11 origcl1 les dccir, r(>rI11ui;, [12,6RJ) $C e~tim..1 la \.ari~\l1za

t'I)I\) I):

\;ar [In (SRR)] =

I)ara los dalos del e.iempl() 12.5. la SRI~ de la frmula '12.6g] es 3.9g y
1:1 \:ar [111 (SRI~)] = O.3Rl. dalldo lil1 inlervaJo de confianza al 90 por

1{){\ dc

exr (111 (3.9R\ = ,645( 10000)J = .44 .o

lJNCIONES DEL EFECTO 11

<..utlndl) sc Illitlc al factor modificador del efecto sobre una escala
continuil. com(1 pucde ser e] caso de la edad. resulta posible plantear una
.CC.:II;ICi'Illmtllcmiltica qut' dcscrib~\ la variacin de la medida del efecto
c<'m<) funci()n dcl m(1difictldor dcl ciltltl(1 cfeclo. Por c.icmplo. si la razn

.
dc la~i\~ pilrccc \'ariar dt' form:\ lincal COIl la edad. es posible expresar
I
dicha ra7:011 tIc ta~i\S como funcin de Jinca recla de la edad:

I\R = tlo -1- (1;(edad)

~l
t
d(}11dl' (III C~ CJ \'al('r de la intcrl.:cpci(,n)' ~ tI: Ull cocficienle que describe
lo;
el cambi(, cn 1:1rtl7.n de ta~a~ para Ull illl.:remellto de la edad consistiese A
: ~"1
L'1\ la llnidad, Lo~ coeficientc~ al} ~ (11 pucdcn scr estimados mediante un ~ $
.~
.~"~
rroccdimicnto de regre~in pollderada simple,
Una funcil)n lineal n(' es necesariamcnte una buena descripcin de la
relaci(,n matcmtica existenle entrc la medida del ereclo y el modificador ..J
: 1
del mi~mo: pudiera suceder que \'alicse la pena plantearse transformacio- ~--1
ncs que me.iorasen tal descripcin, Lo~ e~timados especficos por estrato
de la razn d~ tasa~ de incidencit! de 10~ dato~ del ejemplo 12.2 (Tabla
12.11) ilu~tran en IRR un decli\'e progresivo con la edad. En la figura
1;1
12..1..~c dc~pliegan I()~ e~timados e~pecficos por estrato. Es evidente que
una lil1ca rccta 11(' \'(1 a cuadrar lodo o bien que sera de esperar. En la
~'!!
fi!!tlra 1.?.4. se ocsplicga cllogaritm(' dc cctda e$timado de I RR especfico
A 1
por coad: par:l I:ts cinc(' catc!:!ori:ts OC edad, de la mit$ joven a la ms
vicia. uicho$ valorc$ $on 1.74(,9. (!.7(,03. 0.3841. 0.3046 y -0,1001. 1--
res'rcclivamcnlc. Estos \'alores se 1.i\lstan mc.ior a un patrn lncal, Para
1:,1
I(,s d:tloS dcl c.icmplf' 1.?.?.. puC$. pttrccc razonable de$cribir el efccto del u
fumc\r. mcdido por la razi)n de l:ls:ts de incidencn como funcin de la
cd:td. ulilizalloO una funcin I(,!:!~tritmictt dc Icl IRR:

In (II~I{ = {I" + (]I(edad)

':.~~.

it; .f.~;..
.-;-*
 o 40 50 60 70 80
EDAD

Fig. 12.3. E.\'timado.\' de la r~=lI de o.\'a de i"cidencia de mllerte coronaria para

mdicos britnico.\, ji""adore.\" comparado.\' con ,'('./i,madore,\', por ed(ld ( dafo.( drl
eje",plo 12.2)

2.0
IV
.
'
c:
OJ
-0
1 . r.
'
c:
a>
-0 10
II) .
IV
II)
~
a>
-0 0.5
c:
.0
N
IV
~~~
o:: -..
o

40 50 60 70 80
EDAD

Fig. 12.4. LoKaritm(l de l(l.t e.ttimad(l.~ de la ra=" d(' ta.ta~ d(' i"ridr"rin d('
mucrt(' coro"aria para ",(;d;co.~ hrit,,;co.~ fi'mad(}r('.~, C(I',lpnr(ld(l.t C(I/I II(/ ./I11/l(ld(/-
res, por edad ( d(}t(l.~ dcl ('j('mpl(l 12.2 ) )' l"ca dc reRr('.~i" Jlmld(.rad(1 all(. clln(l,.a.

~
~

EPIDEMIOLOGIA MODERNA

Lo~ coeficiente~ de esta ecuacin pueden determinarse fcilmente me-

diante un procedimiento de regresin lineal. Es importante utilizar una
regresin ponderada que asigne a cada observacin especifica por
estrato un peso que rene.ie la precisin de ese estimado: tal propsito lo
cumpliril UI1 pes(1 que sea proporcional al reciproco de la varianza de
111(I R Rj). Para la regresin ponderada. los pesos especficos por edad se
clculan. pues, como los reciproco~ de las varianzas obtenidas de la
formul [ 1~.4]. y son 1.88. 10.76. 24.65. 24..14 ~. 23.77. del ms joven al ms
\.ic.jo. respccti\'amente. Ntesc cl pequeo peso acordado para la catego-
ra de edad m~ joven. en la cual sl(1 se observaron entre los no
fumtidores do~ acontecimientos: tal pcqueo nmero de acontecimientos
CI1 la tasa denominador de la razn de tasas conduce a obtener para sta
una \'ar.ianza grande. La categora ms .joven. consecuentemente, no
c()ntrihu~le much(1 a que I linca de regresin ponderada se adece. Un
an;ilisi~ de rcgrcsil)n pOl1dCrtidtl de los cuadrados minimos (Kleinbaum ~.
I.:.llppcr. 197R). utilizando los peso~ de arriba. da 00 = 2.29 )' al =
.-0.0.10. Para expresar la I R R como funcin de la edad utilizando estos
resultados. podemo~ dar la vuelta a la transformacin logartmica:
/", , .,()
IRR = ('I-.. -O.O301t:dad)

L.I anterior ecuacin cnmarcada dcscribr la razn de tasas de

incidcncia com<' runcin de la edad y ruede ser utilizada para estimar la
I R r~ a cualquicr edad dada. Por e.icmplo. a la edad de sesenta y cinco
Clli<)s. el estimado de IRR e~ exp (2.:!9 -0.030(65)1 = 1.43. A la de 40,
.'.0: lo~ \.alore~ predicho y obser\'ado ~on rclati\'amentc discrepantes a
lo~ cuarenta aos. porque para generar lo~ coefcientes se utiliz el
con.iunto entero de las categoras de edad, pero el inestable estimado de
I R R en la categoria de edad ms .io\'en contribu~r con poco peso. Para
I<)~ ochenta aos. no obstante. la IRR estimada de 0.91 a partir de la
ecutlcin de regresin es casi idntica al valor observado de 0.90. a causa
de lo~ ma~'ore$ pesos que se asignaron a las categorias de edad ms
vie.ias. El patrn global indica decli\'e gro~eramente exponencial de IRR
COll la edad. hasta que el erect() de,<;ararecc enteramente entre lo~ setenta
~. cinc<' ~ lo~ ochcnta (la ararentc in\'cr~i(,n en la direccin del erecto. a
las edade~ mil~ \'ie.ias. no e~ ~ufcicntementc chocante como para exigi
interpretacin biolgical.

REFERENCIAS

Hrc~I('1\\'. N. Odd~ ralio estimators when the data are sparse. Biometrika
, 9R , :68:73-R4.
nrcsl('1\\.. N. E.. and Lian~. K. \'. The variance or the Mantel-Haenszel
cstimnlor. Bi()111(,lric.~1982:38:943-952.
( .ornficld. J. A statistical problcm ari~ing rrom retrospective studies. Proc. Third
/J(',.".(,/(..I.S.I.',lp(J.~.1965:4: 135- '48.

~~

~.
 l~~:~:~; ;~J%: ~

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

ANALISIS ESTRATIFICADO 263

1 1)011. R.. and Ifill. A. B. Mortality

(Ihscr\,alions 011 coronary
or British
lhrombosis.
doctors in relation to smoking;
En W. Haenszel (ed), Epidemiological.
..If1f1r(/(I(.h(..\' 1(/ Ih(. Slud)' ()f Callcer alld O,her Chronic Disea.fes. Natl. Cancer
1".\/ .,\f ()11(). 1966: 19:205-268.
(iarl. J. ",. Point ~lnd interval estimation or the common odds ratio in the
comhinalion or 2 x 2 tables with fixed marginals. Bio,"etrika 1970;57:471-
475.
Uart. J. J. The comparison or proportions: A review or significance lest,
u col1fidcncc inlcrvals and adjuslmcl1ls ror stratification. Rev. Int. Stat. h,St .
1971: 39:148-169.
Urccl1land. S.. and Robins. J. M. Estimation or a common efTect parameter rrom

n ,parse rollow-up dala. BimJJeIrics 1985: 41:55-68.

11aldanc. J" 13. S. Thc cstimation and signific3nce or the log3rilhm or a r3tio or
rrcqucncic5" ".I/J/J. 1{1/m. Gell(,l. 1955:20:309-311.
Ilauck. \V. W. Thc largc 5amplc \'ariancc orthc Mantel-Haenszcl estimator ora
(;(Immon odds r:llio" BimJJ('lric.~ 1979: 35:817-819.
Ilcll1rclm:lnn. I." 1-1.. l-Iull. \V " J.. Phillips. M.. et al. Ncoplasms in persons
(rc:llcd \Villl .,-r:lys in inr~lncy-rourth survey in 20 years. J.. Nall. Callcer
I)J.\/ .1975:55:519-530.
Klcjnh:lum. D. G.. and KlIppcr. L. L. A.pplicd R('gre.fSio" Allal)'sis al1d Other
i\f,r/lil'(lri(II(. .\f(.,h(IJ.\,. Norlh Scjtualc. MA: Duxbury Press, 1978. P. 243.
Lubil1. J. H" /\11 Clllpiric~11 cvalualion or thc usc or condilional and uncon-
dili()nal likclihoods ror casc-conlrol data" Biom('trika 1981:68:567-571.
Mal1n. J. 1.. Inman. W" H. W.. :1nd Thorogood. M. Oral conlraceptive use in
oldcr women ~ll1d ratal myocardial infarction. Br. lWcd. J. 1968;2:193-199.
Mul1lel. N.. and Hacnszel. W. Slatistical aspects or the analysis or data rrom
rclrospecli\'e 5tudies or disease. J. ,Va/1 Callcer I/Jst. 1955:.?2:719- 748.
Manlel. N.. Bro\vn. C.. and Byar. D" P. Tesls ror homogeneity or effect in an
epidemiologic invesligatjon. .,.jm. J. Epide,"iol. 1977;106:125-129.
McKini3\'. S. M. The efecl or nonzero second-order jnteraction on combined
cstimlors or lhe odds ratio. Biometrika 1978:65: 191-202.
Miettil1en. O. S. Slandardization or risk ratios. A./Jl. J. Epidel"iol. 1972: 96:383-
3P'8.
Mjeltil1el1. O. S.. and NefT. R. K. Computer processing or epidemiologic data.
H(lrt 81r/1. 1971:::98-103.
:--'llrmincl1. N" I\symptolic cmciency or general noniterative estimators of
c()mmol1 rcl~lti\.c risk. Biom('trika 1981:68:525-530.
Rohil1s. J. M.. l~rcsl()w. N.. and Grecnland. S. Estimators or the Mantel-
Ilacnszcl varjant;c consistcnt in both sparse dala and large strata limiting
!1 models. 8i()IJI(.(ri('.f 1986:42:311-323.
liJ l{olllman. K. J. Spcrmicidc use and Down's syndrome. Am. J. Public Health
.It)R2: 7.?:399-401.
1{(llhman. K. J.. and ~1onson. R. R. Survival in trigeminal neuralgia. J. Chron. ,I
f
B /)i.f. 1973:26:303-309.
Rolhm~ln. K. J.. and Boice, J. D. Epidcnliologic A/Jalysis with a Programmable
( ir/(.,r/(lt()r. Brookline. MA: Epidemiology Resources, 1982. (Primera
l"(licin pllhlicada por U.S. Government Printing omce, Washington D.C.,
NIII Pllblit;atiol1 No.79-1649. June. 1979.)
T:II"IIl:. 1{. 1:. ()n summary cstimators or relative risk. J. CI,ron. Dis.
I 'IX I :.'\4:4(,.\-46R.
111,1",:,0;. 1). (i. I:xact :lnd a~ymptotic mcthods ror lhe combination of 2 x 2
I :11,lc~. ( illllf1llt(.r.\. (lI/d ni()m(.r/i(.(11 R('.\,l.(I'.('h 1975;8:423-446.

~~
'~..:.:- ;- o
.:::
..~'~'
~::.-"
 gt,
;~'.~
;~t;f.:
.1~i~~. ~J~\~" ...
:;;;o:;;.;...:..:..;;.'-.,

261\ EPIDEMIOLOGIA MODERNA

Ul1ivCr!\jly Grour Diabcte~ Program. A study or the eITects or hypoglycemjc

a~cl1ls on vascular compljcatjon~ in patients with adult onsel djabetes.
l)i(lh('/('.\" 1970:19(Suppl. 2): 747-830.
Walkcr. A. M. Small sample propertje~ or some estimators or a common hazard
ratio. Al'pi. SIOI. 1985: 34:42-48.
\Voolr. B. 011 cstimaljn~ the rclation belween blood group and djsease. An1l.
1{1111,.(;(.11('1. 1954:19:.?;51.25~.
7.CCli. '...1. Thc analy~i~ or ~cvcra] .:. x: contjngency tab)es. B;omL'rr;ka
1~71:5f;:I:?(}.I.1i.

fJ

,f I
j .
!

~~

~.~:(~:~~: !1\