Академический Документы
Профессиональный Документы
Культура Документы
EPIDEMIOLOGÍA LABORAL
AUTOR: Deisy Mayury López González
ÍNDICE
Acceso rápido
GENERALIDADES DESARROLLO
GLOSARIO REFERENCIAS
ÍNDICE
En
torno
a
la
representatividad
de
una
muestra
se
ha
de
decir
que
alcanzarla
es
todo
un
esfuerzo
donde
existen
incluso
diseños
de
muestreo
(con
exigencias
específicas).
En
general,
y
si
se
busca
02 ------
representatividad,
se
debe
escoger
un
MUESTREO
PROBABILÍSTICO
donde
cualquiera
de
la
2. Muestras
(de
población)
población
total
tiene
la
oportunidad
de
hacer
parte
de
la
muestra.
Para
ello,
existe
todo
un
proceso
metodológico.
Un
ejemplo
puede
ser
el
procedimiento
que
se
sigue
en
los
censos:
2.1 Muestras
representativas
teniendo
en
cuenta
el
total
de
población,
y
partiendo
que
no
se
puede
censar
toda,
se
selecciona
2.2 Muestreo
en
salud
laboral
un
número
de
población
con
base
a
una
fórmula.
Por
supuesto
que
esta
muestra
ya
tiene
un
2.3 Tamaño
de
muestra
margen
de
error.
Entre
más
aproximada
esté
la
muestra
del
total
de
la
población
menor
será
el
error.
Escogido
el
número
de
personas
a
censar,
el
siguiente
paso
es
permitir
que
cualquiera
del
2.4 Métodos
probabilísticos
total
de
población
sean
los
elegidos.
Suponiendo
que
se
sabe
dónde
viven,
una
forma
es
2.5 Métodos
no
probabilísticos
introducir
todos
los
nombres
en
una
bolsa
y
sacar
la
cantidad
determinada
previamente
por
la
fórmula.
Así
se
puede
asegurar
que
todas
las
personas
que
forman
la
población,
tuvieron
la
misma
2.6 Las
hipótesis
estadísticas
oportunidad.
2.7 Concepto
de
sesgos
Claro,
lo
anterior
no
siempre
es
factible,
así
que
se
han
desarrollado
una
serie
de
alternativas.
2.8 Sesgos
2.8.1 Sesgos
de
selección
El
muestreo
probabilístico
puede
usar
distintos
criterios.
La
estratificación
se
refiere
a
criterios
excluyentes
que
permiten
clasificar
a
la
muestra.
Por
ejemplo,
la
edad,
donde
se
clasifica
por
grupos
de
0
a
1
año
y
de
2
a
5
años.
Ambos
criterios
se
excluyen.
En
este
caso,
si
se
conoce
la
repartición
por
edad
del
total
de
la
población,
la
muestra
se
seleccionará
en
proporción
a
las
edades
del
total
de
población
(estratificación
por
edad).
DESARROLLO
TEMÁTICO
Una
muestra
es
la
selección
de
una
porción
de
la
población.
Se
puede
trabajar
con
muestras
que
representen
el
total
de
población
o
no.
Representar
a
la
población
quiere
decir
que
esa
porción
presenta
las
mismas
características
que
el
total
de
la
población
de
donde
se
obtuvo.
Claro,
con
un
pequeño
margen
de
error
(o
diferencia).
La
importancia
está
en
que
al
trabajar
con
una
muestra
representativa,
los
resultados
de
la
investigación
se
pueden
generalizar
al
total
de
la
población
de
donde
salió
la
muestra,
evento
conocido
como
INFERENCIA.
Una
vez
decididas
las
características
de
los
individuos
que
formarán
parte
de
la
población
Dos
condiciones
son
inherentes
a
la
extracción
estadísticamente
representativa
de
una
muestra:
sometida
a
estudio,
ha
de
establecerse
el
número
de
personas
que
es
necesario
incluir
en
el
mismo.
• Que
el
método
otorgue
una
probabilidad
conocida
de
integrar
en
la
muestra
a
cada
unidad
de
la
población.
Un
estudio
se
puede
realizar:
• Que
tal
probabilidad
no
sea
nula
para
elemento
alguno.
Recordar
que
cuando
se
extrae
una
muestra
de
una
población
para
estudiarla,
no
nos
interesan
SE
PUEDE
SOBRE
TODOS
sólo
las
personas
de
la
muestra,
lo
que
queremos
es
usar
la
muestra
para
saber
algo
determinado
LOS
SUJETOS
DISPONIBLES
CARACTERÍSTICAS
DE
LOS
NÚMERO
DE
EN
UNA
EMPRESA.
de
la
población
de
donde
procede.
ENTONCES
SE
HARÁ
EL
TRABAJADORES TRABAJADORES
UNIVERSO
DE
SUJETOS,
O
SEA,
UN
ESTUDIO
2.3.
Tamaño
de
muestra
POBLACIONAL
En
cuanto
el
tamaño
de
la
muestra,
vale
la
pena
tener
en
cuenta
que
entre
más
grande
una
muestra,
más
cerca
está
de
representar
el
universo.
Como
se
trata
de
una
muestra,
existirá
algún
porcentaje
de
error.
Existen
fórmulas
estadísticas
para
calcular
el
tamaño
de
la
muestra
y
el
error
NO
ES
NECESARIO
derivado
de
ello.
ESTUDIAR
A
TODOS,
SINO
SOBRE
LA
MUESTRA
QUE
ANALIZANDO
UNA
EL
PROCESO
DE
SELECCIÓN
MUESTRA
REPRESENTATIVA
DE
LA
Entre
los
criterios
para
escoger
el
tamaño
de
la
muestra
está
la
homogeneidad
de
la
población
DEBE
SER
EL
AZAR,
SIN
POBLACIÓN,
HABRÁ
UN
DESVIACIÓN
A
FAVOR
DE
REPRESENTATIVA,PODE
TAMAÑO
DE
MUESTRA
(qué
tan
parecidos
son
entre
sí),
la
magnitud
del
efecto
(referido
a
la
fuerza
esperada
de
las
MOS
INFERIR
NUESTRAS
UN
ALGÚN
SUBGRUPO
CONCLUSIONES
AL
MÍNIMO
PARA
relaciones)
o
la
posibilidad
de
pérdida
de
población
en
estudios
prospectivos.
Además,
y
de
GARANTIZAR
EL
ESTUDIO
CONJUNTO
DE
LA
acuerdo
al
número
de
variables,
se
espera
que
exista
más
muestra
entre
más
variables
se
POBLACIÓN
A
ESTUDIO
pregunten.
Claro,
entre
más
pequeña
sea
la
muestra,
mayor
será
el
margen
de
error.
Para
seleccionar
bien
el
tamaño
se
deben
seguir
estos
pasos:
1.
Identificar
muy
bien
cuál
va
a
ser
la
variable
que
se
va
a
muestrear
OTRAS
FORMAS
PARA
OBTENER
UNA
FRECUENTES
DE
OBTENER
MUESTRA
ALEATORIA
MUESTRAS
SISTEMÁTICAS
2.
Cuál
es
la
unidad
de
muestreo
PUEDE
USARSE
UNA
TABLA
CONSISTEN
EN
TOMAR
DE
NÚMEROS
ALEATORIOS
CONSECUTIVAMENTE
UNA
(DISPONIBLES
EN
LOS
DE
CADA
TRES
PERSONAS
3.
Conocer
el
universo
MANUALES
DE
DE
UNA
LISTA
O
AQUELLAS
INTRODUCCIÓN
A
LA
CUYO
NÚMERO
DE
ORDEN
ESTADÍSTICA) ACABE
EN
0
O
EN
5 Una
fórmula
para
definir
el
tamaño
(n)
es
usar
el
término
Z
(nivel
de
confianza)
elevado
al
cuadrado
(que
significa
con
dos
desviaciones
estándar
y
que
elevadas
al
cuadrado
serían
4)
multiplicado
por
p
(que
es
0,5)
multiplicado
por
q
(que
es
0,5),
todo
ello
dividido
por
error
al
cuadrado
(error
o
precisión
de
estimación
que
puede
ser
2,
5
ó
10
por
ciento),
lo
que
sería,
n
=
Figura
2.
Muestreo
en
salud
laboral.
(Z2*p*q)/E2).
Fuente:
Elaboración
propia.
[ NOMBRE DEL MÓDULO]
Todos
los
individuos
tienen
MUESTREO
la
misma
ALEATORIO
probabilidad
de
ESTRATIFICADO
ser
seleccionados
Aseguran
la
representatividad
de
la
muestra
MUESTREO
extraída,
son
los
SISTEMÁTICO
más
recomendados
MUESTREO
También
llamados
ALEATORIO
por
AZAR
SIMPLE
[ NOMBRE DEL MÓDULO]
[ NOMBRE DEL MÓDULO]
Figura 7. Muestreo semiprobabilístico, por cuotas y según criterio de autoridad.
[ NOMBRE DEL MÓDULO]
2. O por una mala selección de la población objeto de la investigación
Por
ejemplo,
si
se
hace
una
encuesta
y
la
persona
responde
sin
decir
la
verdad
(SESGO
DE
INFORMACIÓN)
o
se
va
a
probar
un
medicamento
en
una
enfermedad
mortal
y
se
usan
para
comparar
una
población
en
mejor
condición
(de
salud)
que
la
otra
(SESGO
DE
SELECCIÓN)
o
si
ante
un
resultado
se
da
una
interpretación
equivocada
(SESGO
DE
CONFUSIÓN).
Por
ejemplo,
en
las
encuestas
de
sexualidad
practicadas
sobre
población
adolescente
se
deben
proponer
diversos
mecanismos
para
evitar
que
respondan
mentiras
(sesgo
de
información).
Que
los
profesores
no
estén
presentes
o
que
las
encuestas
sean
anónimas,
son
algunos.
Un
caso
de
sesgo
de
selección
es
si
se
va
a
probar
un
medicamento
y
se
les
da
a
pacientes
menos
enfermos
en
tanto
que
a
los
más
enfermos
se
les
da
el
placebo.
Resultará
muy
posible
que
existan
más
mejorías
en
los
que
reciben
el
medicamento,
¿cierto?...
pero,
ese
resultado
está
sesgado,
no
Figura 8. Hipótesis estadísticas. pudiéndose
afirmar
si
la
mejoría
es
porque
estaban
menos
enfermos
o
atribuírselo
al
medicamento.
Y
finalmente,
y
como
muestra
de
un
sesgo
de
confusión
(que
es
un
resultado),
se
Fuente: Elaboración propia. menciona
la
fuerte
relación
entre
cáncer
del
pulmón
y
tener
los
dedos
amarillos.
La
relación
es
de
confusión
pues
es
por
fumar
que
los
dedos
se
ponen
amarillos
(impregnación
nicotínica)
y,
por
consiguiente,
la
relación
es
entre
el
cigarrillo
y
el
cáncer
y
no
entre
los
dedos
amarillos
y
el
cáncer.
El
planteamiento
hipotético
parte
de
que
se
encontrará
diferencia
entre
lo
revisado
y
lo
hallado.
Como
necesita
de
un
planteamiento
alterno
(no
se
encontrarán
relaciones
o
diferencias)
se
2.8.
Sesgos
propone
la
HIPOTESIS
NULA
que
plantea
lo
contrario
de
la
HIPOTESIS
ALTERNA,
que
dice
que
sí
se
encontrarán
relaciones
o
diferencias
de
acuerdo
a
las
variables
utilizadas
(NULO
y
ALTERNO
Para
medir
se
usan
instrumentos.
La
diferencia
que
existe
entre
la
realidad
y
el
resultado
de
la
son
términos
derivados
de
la
estadística).
medida
se
denomina
el
ERROR.
De
ahí
surge
una
fórmula
que
dice
que
la
medida
obtenida
es
igual
a
la
medida
real
+/-‐
el
error.
El
análisis
del
error
en
las
medidas
es
una
tarea
en
la
que
se
debe
insistir
porque
solo
al
reconocerlo,
se
puede
combatir.
Los
errores
en
general
pueden
suceder
en
el
proceso
de
manejo
de
la
información,
cuando
se
selecciona
la
población
o
ante
la
interpretación
de
algún
resultado
(confusión).
Algunas
variedades
de
errores
de
información
son:
[ NOMBRE DEL MÓDULO]
Es
cuando
se
escoge
una
población
que
no
permite
hacer
comparaciones
(con
base
a
la
realidad).
Por
ejemplo,
estudiando
la
relación
de
cáncer
con
el
café,
tomar
una
población
con
cáncer
que
tome
café
y
para
comparar
tomar
una
sin
cáncer
que
no
tome
café.
Lo
esperado
es
que
la
única
diferencia
entre
las
dos
poblaciones
sea
tener
o
no
el
cáncer.
Este
fue
el
caso
de
un
estudio
efectuado
por
el
Doctor
Mac
Mahom,
quien
para
comparar
(estudio
de
casos
y
controles)
pacientes
con
cáncer
de
páncreas,
seleccionó
pacientes
con
problemas
gastroduodenales
(a
los
que
se
les
había
prohibido
el
café)
y
no
se
percató
de
esta
situación.
Cuando
en
los
resultados
se
encontró
una
fuerte
relación
entre
el
café
y
el
cáncer,
asumiendo
una
actitud
de
duda
crítica,
buscó
y
encontró
el
error
de
selección
que
al
ser
corregido
(tomando
otra
población
sin
esta
limitación)
hizo
que
desapareciera
la
relación
(da
lo
mismo
tomar
café
que
no
tomar
café
en
el
cáncer
de
páncreas).
Un
ejemplo
de
sesgo
de
confusión
quedó
expuesto
con
la
ictericia
por
Salvarsán
cuando
en
el
pasado
se
creyó
que
era
por
el
Salvarsán
(medicamento
mercurial
utilizado
para
tratar
la
sífilis)
que
las
personas
desarrollaban
un
cuadro
ictérico.
Se
atribuyó
erróneamente
al
resultado
ese
concepto.
Hoy
se
sabe
que
era
(y
es)
el
virus
de
la
hepatitis
B
el
responsable.
Atributos
de
una
medida:
Una
buena
medida
debe
tener
los
siguientes
atributos:
CONFIABILIDAD:
es
la
congruencia
que
tiene
la
variable
con
lo
que
mide.
Si
se
desea
•
saber
el
peso
de
una
persona
y
se
pesa
en
una
báscula
y
se
obtiene
un
peso
de
75
kilos,
se
espera
que
si
se
vuelve
a
pesar
se
obtendrá
nuevamente
ese
peso.
La
confiabilidad
se
obtiene
del
instrumento
de
medición,
cumpliendo
con
la
condición
de
que
si
se
vuelve
a
medir
se
encuentre
lo
mismo.
Además,
la
escala
derivada
de
la
medida
debe
permitir
entender
las
diferencias
entre
una
condición
y
otra.
Por
ejemplo,
la
medida
de
la
talla
en
centímetros
usando
un
tallímetro
permite,
si
se
mide
a
un
sujeto
en
las
[ NOMBRE DEL MÓDULO]
GLOSARIO BIBLIOGRAFÍA
Moreno-‐Altamirano,
A.,
López-‐Moreno,
S.,
y
Corcho-‐Berdugo,
A.
(2000).
Principales
medidas
en
04 -----
epidemiología. Salud
Pública
de
México, 42(4),
337-‐348.
Muestreo
probabilístico:
en
este
tipo
de
muestreo,
todos
los
individuos
de
la
población
pueden
formar
parte
de
la
muestra,
tienen
probabilidad
positiva
de
formar
parte
de
la
muestra.
Por
lo
Alarcón,
J.
(2009).
Epidemiología:
concepto,
usos
y
perspectivas. Revista
Peruana
de
tanto,
es
el
tipo
de
muestreo
que
deberemos
utilizar
en
nuestras
investigaciones,
por
ser
el
Epidemiología, 13(1),
1-‐3.
Recuperado
de
riguroso
y
científico.
http://sisbib.unmsm.edu.pe/bvrevistas/epidemiologia/v13_n1/pdf/a02v13n1.pdf
Estudio
prospectivo:
es
un
estudio
longitudinal
en
el
tiempo
que
se
diseña
y
comienza
a
realizarse
Arango,
L.
Z.
(2010).
El
aporte
de
la
epidemiología
a
la
salud
colectiva. Latreia,
23(4),
354-‐361.
en
el
presente,
pero
los
datos
se
analizan
transcurrido
un
determinado
tiempo,
en
el
futuro.
Bonita,
R.,
Beaglehole,
R.,
y
Kjellström,
T.
(2008).
Epidemiología
básica. Revista
do
Instituto
de
Equiprobabilidad:
significa
"igual
probabilidad"
(de
los
resultados
elementales
de
un
Medicina
Tropical
de
São
Paulo, 50(6),
338. Recuperado de
experimento
aleatorio).
Es
una
hipótesis
que
se
hace
sobre
los
resultados
elementales
de
un
https://dx.doi.org/10.1590/S0036-46652008000600012
experimento
aleatorio
que
permite
usar
la
regla
de
La
place
(casos
favorables
entre
casos
posibles).
Es
un
juicio
humano
externo
a
la
teoría
y,
en
aplicaciones,
debe
ser
verificado
de
alguna
Carrada-‐Bravo,
T.
(2000).
Desarrollo
y
usos
de
la
epidemiología
clínica.
Rev
Inst
Nal
Enf
Resp
manera.
Mex,
13(3),
170-‐179.
Tamaño
de
la
muestra:
es
el
número
de
sujetos
que
componen
la
muestra
extraída
de
Casal,
J.,
y
Mateu,
E.
(2003).
Tipos
de
muestreo. Rev
Epidem
Med.
Prev,1(1),
3-‐7.
una
población,
necesarios
para
que
los
datos
obtenidos
sean
representativos
de
la
población.
Hernández-‐Avila,
M.,
Garrido-‐Latorre,
F.,
y
López-‐Moreno,
S.
(2000).
Diseño
de
estudios
Muestreo:
es
el
proceso
de
seleccionar
un
conjunto
de
individuos
de
una
población
con
el
fin
de
epidemiológicos. Salud
Pública
de
México, 42(2),
144-‐154.
estudiarlos
y
poder
caracterizar
el
total
de
la
población.
Casal,
J.,
y
Mateu,
E.
(2003).
Tamaño
de
la
muestra. Rev
Epidem
Med.
Prev
1,
8-‐14.
Muestra
estadística:
es
un
subconjunto
de
casos
o
individuos
de
una
población
estadística.
Díaz,
W.,
Rabelo
G.,
Martinez
S.
y
Linares
T.
(s.f.).
Apuntes
sobre
la
epidemiología
ocupacional.
En
Temas
de
salud
ocupacional.
Recuperado
de
http://www.sld.cu/galerias/pdf/sitios/insat/cap1.pdf
Díaz,
W.,
Rabelo
G.,
Martinez
S.
y
Linares
T.
(s.f.).
Apuntes
sobre
la
epidemiología
ocupacional.
En
Temas
de
salud
ocupacional.
Recuperado
de
http://www.sld.cu/galerias/pdf/sitios/insat/cap1.pdf
[ NOMBRE DEL MÓDULO]
Benavides,
F.
G.,
Frutos,
C.
R.,
y
García,
A.
M.
G.
(2007). Salud
laboral:
conceptos
y
técnicas
para
phpapp01/95/brucelosis-4-638.jpg?cb=1385855795
la
prevención
de
riesgos
laborales.
Barcelona,
España:
Masson.
Gordis,
L.
(2005).
Epidemiología.
Madrid,
España:
Elsevier
Hernández,
I.,
Gil,
A.,
y
Delgado,
M.
(2005).
Manual
de
Epidemiología
y
Salud
Pública
para
Licenciaturas
y
Diplomaturas
en
Ciencias
de
la
Salud.
Buenos
Aires,
Argentina: Editorial
Médica
Panamericana.
OTROS
Hernberg, S. (1995). Introducción a la epidemiología ocupacional. Madrid, España: Diaz de Santos.
Merletti
F,
Olsen
J,
Vuylsteek
K
(1990).
Estudio
de
las
causas
de
las
enfermedades
laborales.
Introducción
a
la
epidemiología
laboral.
Barcelona,
España:
SG
Editores.
[ NOMBRE DEL MÓDULO]