Introd uccin

En 1903, H. G. Wells formul la hiptesis de que el pensamiento estadstico algn da sera tan necesario, para ser buen ciudadano, como la habilidad de leer y escribir. La estadstica desempea un papel importante en los procesos de toma de decisiones. Por ejemplo, antes de que sea posible lanzar un nuevo frmaco a la venta, la United States Food and Drug Administration (Administracin de alimentos y frmacos de Estados Unidos) establece que el medicamento requiere una prueba clnica, es decir, un estudio experimental que implica seres humanos. Los datos del estudio deben compilarse y analizarse para determinar no slo si el medicamento es efectivo, sino seguro. Adems, las decisiones del gobierno de Estados Unidos relativas al sistema de seguridad social y programas de salud pblica confan, en parte, en las predicciones relativas a la longevidad de la poblacin del pas; como consecuencia, debe ser capaz de predecir la cantidad de aos que cada individuo vivir. Otros asuntos necesitan abordarse de la misma manera: Dnde debe invertir el gobierno sus recursos si desea reducir la mortalidad infantil? Disminuir la probabilidad de muerte en un accidente vehicular el uso del cinturn de seguridad o la bolsa de aire? Debera recomendarse siempre la mastectoma a una paciente con cncer de mama? Qu factores incrementan el riesgo de que un individuo desarrolle una enfermedad coronaria? Para contestar estas y otras preguntas, confiamos en los mtodos de la bioestadstica. El estudio de la estadstica implica la recopilacin, organizacin, anlisis e interpretacin de datos numricos. Los conceptos de estadstica pueden aplicarse en reas como los negocios, la psicologa y la agricultura. Pero cuando nos referimos a las ciencias biolgicas y de la salud, utilizamos el trmino bioestadstica. Histricamente, la estadstica se ha empleado para narrar una historia por medio de nmeros. A menudo los nmeros comunican ideas de forma ms sucinta que las palabras. Por ejemplo, el mensaje que transmiten los siguientes datos es suficientemente claro. En 1979, 48 personas en Japn, 34 en Suiza, 52 en Canad, 58 en Israel, 21 en Suecia, 42 en Alemania, 8 en Inglaterra y 10,728 en Estados Unidos fueron asesinadas con armas de fuego [1], La contundencia de estos nmeros es obvia; habramos dejado en claro lo que queramos decir, aunque incluyramos la correccin debida al tamao de la poblacin. Como segundo ejemplo, considere la siguiente cita tomada de un editorial en The Boston Globe [2]:
En la Unin Sovitica, la ausencia de anticoncepcin se vincula con una tasa excepcionalmente alta de abortos: 120 abortos por cada 100 nacimientos, comparada con 20 por ca7

2 Captulo 1 Introduccin

da 100 nacimientos en Gran Bretaa, donde se ha desarrollado un buen programa de anticoncepcin. El apoyo inadecuado para la planeacin familiar en Estados Unidos ha dado como resultada40 abortos por cada 100 nacimientos: una tasa menor que en la Unin Sovitica, pero dos veces ms alta que en la mayora de las naciones industrializadas. En este caso, slo tres nmeros: 120, 20 y 40, contienen una gran cantidad de informacin. Las estadsticas proporcionan una idea de las consecuencias de diferir actitudes relacionadas con la planeacin familiar. En ambos ejemplos, los nmeros proporcionan un resumen conciso de algunos aspectos de la situacin que se estudia. Con toda seguridad, la explicacin numrica de los datos sobre las anuas de fuego es ms ilustrativa que el hecho de que se nos diga que algunas personas fueron asesinadas en Japn, menos en Suiza, ms en Canad, an ms en Israel, pero mucho menos en Suecia, y as sucesivamente. Ambos ejemplos se refieren a situaciones muy complejas; no obstante, los nmeros contienen la informacin esencial. Por supuesto, sin importar cun poderosa sea, ninguna estadstica convencer a nadie de que una conclusin es verdadera. Los datos referentes a las armas de fuego a menudo se eliminan con el aforismo: "Las armas no matan gente, la gente s". Esto no debera sorprendernos; despus de todo, todava hay miembros de la Sociedad de la Tierra Plana. El objetivo de un estudio bioestadstico consiste en proporcionar las cantidades que contienen informacin acerca de cierta situacin y presentarlas de manera que puedan efectuarse interpretaciones vlidas.

Si deseamos estudiar los efectos de una nueva dieta, podramos comenzar por medir los cambios paulatinos de la masa corporal de todos los individuos que se han sometido a la dieta. De igual manera, si deseramos investigar el xito de cierta terapia para el cncer de prstata, registraramos los periodos en que los hombres sometidos a la terapia sobrevivieron al diagnstico de la enfermedad. Sin embargo, estos grupos de nmeros pueden presentar una gran variabilidad y, por lo general, no proporcionan mucha informacin hasta que comencemos a combinarlos de alguna forma. La estadstica descriptiva consiste en mtodos para organizar y resumir un conjunto de datos que nos permiten describir las caractersticas de un grupo o poblacin. En el captulo 2 examinamos tcnicas descriptivas tabulares y grficas. - Las posibilidades grficas de las computadoras han hecho ms viable este tipo de resumen que en el pasado, e incluso para los ms modestos anlisis est disponible una forma totalmente nueva de presentacin. El captulo 3 va ms all de las tcnicas grficas del captulo 2, e introduce medidas numricas de resumen. Por definicin, un resumen capta slo un aspecto particular de los datos que se estudian; como consecuencia, es importante formarse una idea de la manera en que el resumen representa el conjunto de medidas como un todo. Por ejemplo, si quisiramos conocer cunto tiempo sobreviven los pacientes de SIDA despus del diagnstico de una de las infecciones caractersticas de la enfermedad. Si calculamos el tiempo promedio de supervivencia, es este tiempo representativo de todos los pacientes? Adems, cun til sera la medicin para planear futuros servicios de salud necesarios? El captulo 3 aborda tcnicas descriptivas que nos ayudan a responder estas preguntas.

1.1 Resumen del texto

Los datos que toman slo dos valores distintos requieren especial atencin. En las ciencias de la salud uno de los ejemplos ms comunes de este tipo de datos es la categorizacin -ya sea de vivos o de muertos. Si denotamos el primer estado con el nmero 0 y el ltimo con el 1, estamos en posibilidad de clasificar un grupo de individuos con estos nmeros, para promediar enseguida los resultados. De esta manera, resumimos la mortalidad asociada con el grupo. El captulo 4 aborda exclusivamente las medidas que asumen slo dos valores. Tambin se introduce la nocin de dividir un grupo en subgrupos menores sobre la base de una caracterstica, como la edad o el gnero. Por ejemplo, tal vez queramos estudiar la mortalidad de las mujeres y de los hombres por separado. Finalmente, este captulo analiza tcnicas que nos permiten hacer comparaciones vlidas entre grupos cuya composicin puede diferir sustancialmente. El captulo 5 introduce las tablas de vida, una de las ms importantes tcnicas de estudio disponibles en ciencias de la salud. Los profesionales de la salud pblica utilizan las tablas de esperanza de vida para caracterizar el bienestar de una poblacin, y las compaas aseguradoras para predecir cunto vivir un individuo, en particular. En este captulo, el estudio de la mortalidad, que se inici en el captulo 4, se extiende hasta incorporar el tiempo real de muerte de cada individuo; esto da como resultado un anlisis ms refinado. Conocer estos tiempos de muerte tambin proporciona la base para calcular la curva de supervivencia de una poblacin. La medicin de la longevidad se utiliza con frecuencia en pruebas clnicas diseadas para estudiar los efectos de varios medicamentos y tratamientos quirrgicos en el tiempo de supervivencia. En suma, los primeros cinco captulos del texto demuestran que la informacin importante obtenida de una coleccin de nmeros no se ve afectada por la variabilidad entre ellos. A pesar de esta variabilidad, los datos ofrecen cierta regularidad. Si observamos las tasas de mortalidad anual de los adolescentes en Estados Unidos, de los ltimos 10 aos, no observamos mucha variacin. Se trata de una coincidencia, o esto indica una estabilidad natural detrs de la tasa de mortalidad? principios de la probabilidad. Para contestar tales preguntas, necesitamos estudiar los

La teora de probabilidades se ubica dentro de lo que se conoce como un sistema axiomtico. Comenzamos con verdades bsicas y, a partir de ellas, construimos un sistema lgico. En su fonna ms pura, el sistema carece de valor prctico. Su practicidad proviene de saber cmo utilizar la teora para conseguir aproximaciones tiles. Se puede hacer una analoga con la geometra, materia que muchos estudiantes toman a edad temprana o en las primeras etapas de sus aos escolares. Aunque es imposible la existencia de una recta ideal, fuera de nuestra imaginacin, esto no impide que construyamos edificios maravillosos basados en clculos geomtricos. Lo mismo se puede decir de la teora de probabilidades. Aunque no resulta prctica en su forma pura, pueden aplicarse sus principios bsicos que estudiaremos en el captulo 6 para proporcionar un medio de cuantificar la incertidumbre. Una aplicacin importante de la teora de probabilidades surge en las pruebas de diagnstico. La incertidumbre est presente porque, a pesar de los alegatos de los fabricantes, no existen pruebas perfectas. Como consecuencia, hay una gran cantidad de preguntas importantes que deben responderse. Por ejemplo, podemos concluir que toda muestra de sangre que da positivo en las pruebas de VIH en realidad alberga el virus? Adems, todas las unidades en el banco de sangre de la Cruz Roja han dado negativo en las pruebas de VIH; significa esto que no hay muestras contaminadas? Si hay muestras contaminadas, cuntas podra haber? Para plantear estas preguntas debemos confiar en el comportamiento promedio o de largo plazo de las pruebas de diagnstico; la teora de probabilidades nos permite cuantificar este comportamiento.

4 Captulo 1 Introduccin

El captulo 7 ampla la nocin de probabilidad e introduce algunas distribuciones de probabilidad comunes. Estos modelos matemticos son fundamento de los mtodos que se estudian en el resto del texto. Los primeros captulos de este libro se concentran en la variabilidad que existe en una coleccin de nmeros. Los subsecuentes dirigen su atencin a otra forma de variabilidad: la que surge cuando tomamos una muestra de observaciones de una poblacin mucho ms amplia. Supongamos que deseamos saber si un nuevo medicamento es eficaz en el tratamiento de la presin arterial alta. Puesto que la poblacin mundial hipertensa es grande, sera imposible contar con el tiempo o los recursos necesarios para examinar a cada persona. En otra situacin, la poblacin puede incluir futuros pacientes; quiz desearamos conocer la forma en que individuos que a la larga desarrollan cierta enfermedad, as como aquellos que actualmente la padecen, reaccionarn al nuevo tratamiento. Para responder este tipo de preguntas es comn seleccionar una muestra de esa poblacin y, sobre esa base, inferir lo que sucedera al grupo en su totalidad. Si escogemos dos muestras diferentes, es improbable que terminemos exactamente con los mismos conjuntos de nmeros. Asimismo, si estudiamos un grupo de nios con una enfermedad del corazn congnita, en Boston, obtendremos diferentes resultados de los que tendramos si estudiramos un grupo de nios en Roma. A pesar de estas diferencias, quizs querramos ser capaces de utilizar una o ambas muestras para obtener alguna conclusin acerca de la poblacin entera de nios con alguna enfermedad del corazn congnita. El resto del texto se refiere a la inferencia estadstica. El captulo 8 aborda las propiedades de la muestra promedio cuando se toman muestras repetidas de una poblacin. As, se introduce un concepto importante conocido como el teorema del lmite central. Este teorema proporciona un fundamento para cuantificar la incertidumbre asociada con las inferencias hechas. Para que un estudio resulte de valor prctico, debemos ser capaces de extrapolar los hallazgos a una poblacin o grupo mayor. Con este propsito, se introducen los intervalos de confianza y las pruebas de hiptesis en los captulos 9 y 10. En esencia, estos mtodos sirven para obtener conclusiones acerca de la poblacin que se tom como muestra, mientras que, al mismo tiempo, se tiene algn conocimiento de la probabilidad de que la conclusin sea incorrecta. Estas ideas se aplican primero a la media de una sola poblacin. Por ejemplo, podramos intentar calcular la concentracin promedio de cierto contaminante en un contenedor que suministra agua al medio que lo rodea, y determinar despus si el nivel medio exacto es mayor que la concentracin mxima permitida por la Environmental Protection Agency (Oficina de proteccin ambiental de Estados Unidos). En el captulo 11 la teora se ampla a la comparacin de dos medias de poblacin; en el captulo 12 se generaliza la comparacin de tres o ms medias. El captulo 13 contina con el desarrollo de los conceptos de pruebas de hiptesis, pero introduce tcnicas que permiten el relajamiento de algunos de los supuestos necesarios para llevar a cabo estas pruebas. Los captulos 14, 15 y 16 desarrollan mtodos inferenciales que pueden aplicarse para enumerar datos o cuentas como el nmero de casos del sndrome de muerte sbita infantil entre nios que duermen en diferentes posiciones en lugar de mediciones continuas. La inferencia tambin se puede aplicar para explorar las relaciones entre diferentes atributos. Si un beb al trmino de su periodo de gestacin normal de 69 semanas nace con 4 kilogramos u 8.8 libras de peso, nadie se sorprendera. No obstante, si el periodo de gestacin del beb es de slo 22 semanas, entonces su peso provocar alarma. Por qu? Sabemos que el peso al nacer es resultado del incremento durante el periodo de gestacin y, aunque es

1.2 Ejercicios de repaso 5

extremadamente raro encontrar un beb que pese 4 kilogramos a las 22 semanas, no es raro a las 39. El estudio del grado al que dos factores se relacionan se denomina anlisis de corre-lacin; ste es el tema del captulo 17. Si deseamos predecir el resultado de un factor con base en el valor de otro, la tcnica de regresin es la indicada. La regresin lineal simple se analiza en el captulo 18 y se extiende al marco de la regresin mltiple donde se utilizan dos o ms factores para predecir un resultado nico en el captulo 19. Si el resultado que nos interesa puede tomar slo dos valores posibles, como vivo o muerto, se debe aplicar otra tcnica; en el captulo 20 se analiza la regresin logstica. En el captulo 21 se introducen los mtodos inferenciales apropiados para las tablas de vida. Estas tcnicas penniten obtener conclusiones referentes a la mortalidad de una poblacin con base en una muestra de individuos tomada de un grupo. Finalmente, el captulo 22 analiza un tema fundamental en la inferencia: el concepto de representatividad de una muestra. En cualquier estudio necesitamos asegurarnos de que la muestra que elegimos proporciona un cuadro exacto de la poblacin de la cual se toma. Se describen diferentes mtodos para seleccionar muestras representativas. Tambin se analizan la nocin de prejuicio o sesgo y problemas diversos que pueden surgir cuando se elige una muestra. El sentido comn desempea un papel importante en el muestreo, como lo hace a travs de toda la obra.

1.Disee un estudio orientado a la investigacin de un tema que usted crea que podra influir en la salud en el mundo. Describa brevemente los datos que requiere, la forma en que los obtendr, cmo tratar de analizarlos y el mtodo que emplear para presentar sus resultados. Guarde este proyecto y lalo de nuevo despus de concluir el texto. 2.Considere la siguiente cita relativa al rpido crecimiento de la poblacin [3]: 512 millones de personas padecan desnutricin entre 1986 y 1987, cuando haba un total de 460 millones entre 1979 y 1981.

a)Suponga que est de acuerdo con dicha afirmacin. Justifique el uso de estos nmeros.

b)Est seguro de que los nmeros son correctos? Piensa que es posible que 513
millones de personas 512 millones? estuvieran desnutridas entre 1986 y 1987, en lugar de

3.Adems de la leyenda "los chinos han comido pasta desde 1100 a. C.", la etiqueta de una caja de pasta de caracol indica que "los estadounidenses consumen 11 libras de pasta cada ao", mientras que "los italianos consumen 60 libras por ao". Cree usted que estas estadsticas son exactas? Utilizara usted estos nmeros como fundamento de un estudio de nutricin?

6 Captulo 1 Introduccin

Bibliografa
1] McGervey, J. D.: Probabilities in Everyday Life, Chicago, Nelson-Hall, 1986. 2] "The Pill's Eastern Europe Debut", The Boston Globe, 19 de enero de 1990, 10. 3] United Nations Population Fund, "Family Planning: Saving Children, Improving Lives", Nueva York: Jones & Janello.