SlideShare uma empresa Scribd logo
1 de 27
Baixar para ler offline
TEORIA BASICA DEL MUESTREO
1. Introducción al muestreo.
a. Concepto
Es la actividad por la cual se toman ciertas muestras de una población de
elementos de los cuales vamos a tomar ciertos criterios de decisión, el
muestreo es importante porque a través de él podemos hacer análisis de
situaciones de una empresa o de algún campo de la sociedad.


b. Terminología básica
Los nuevos términos, los cuales son frecuentemente usados en inferencia
estadística son:


Estadístico:
Un estadístico es una medida usada para describir alguna característica de una
muestra , tal como una media aritmética, una mediana o una desviación
estándar de una muestra.


Parámetro:
Una parámetro es una medida usada para describir alguna característica de
una población, tal como una media aritmética, una mediana o una desviación
estándar de una población.


Cuando los dos nuevos términos de arriba son usados, por ejemplo, el proceso de
estimación en inferencia estadística puede ser descrito como le proceso de
estimar un parámetro a partir del estadístico correspondiente, tal como usar una
media muestral (un estadístico para estimar la media de la        población (un
parámetro).




                                       1
Los símbolos usados para representar los estadísticos y los parámetros, en éste y
los siguientes capítulos, son resumidos en la tabla siguiente:


Tabla 1

Símbolos para estadísticos y parámetros correspondientes

        Medida              Símbolo para el estadístico          Símbolo para el
parámetro
                                       (muestra)                    (Población)

Media                                 X                                   µ
Desviación estándar                   s
Número de elementos                   n                                   N
Proporción                            p                                   P


Distribución en el muestreo:


Cuando el tamaño de la muestra (n) es más pequeño que el tamaño de la
población (N), dos o más muestras pueden ser extraídas de la misma población.
Un cierto estadístico puede ser calculado para cada una de las muestras posibles
extraídas de la población.     Una distribución del estadístico obtenida de las
muestras es llamada la distribución en el muestreo del estadístico.


Por ejemplo, si la muestra es de tamaño 2 y la población de tamaño 3 (elementos
A, B, C), es posible extraer 3 muestras ( AB, BC Y AC) de la población. Podemos
calcular la media para cada muestra. Por lo tanto, tenemos 3 medias muéstrales
para las 3 muestras.     Las 3 medias muéstrales forman una distribución.          La
distribución de las medias es llamada la distribución de las medias muéstrales, o la
distribución en el muestreo de la media. De la misma manera, la distribución de
las proporciones (o porcentajes) obtenida de todas las muestras posibles del
mismo tamaño, extraídas de una población, es llamada la distribución en el
muestreo de la proporción.




                                          2
Error Estándar:


La desviación estándar de una distribución, en el muestreo de un estadístico, es
frecuentemente llamada el error estándar del estadístico.       Por ejemplo, la
desviación estándar de las medias de todas la muestras posibles del mismo
tamaño, extraídas de una población, es llamada el error estándar de la media.
De la misma manera, la desviación estándar de las proporciones de todas las
muestras posibles del mismo tamaño, extraídas de una población, es llamada el
error estándar de la proporción. La diferencia entre los términos “desviación
estándar” y “error de estándar” es que la primera se refiere a los valores
originales, mientras que la última está relacionada con valores calculados.
Un estadístico es un valor calculado, obtenido con los elementos incluidos en una
muestra.


Error muestral o error de muestreo


La diferencia entre el resultado obtenido de una muestra (un estadístico) y el
resultado el cual deberíamos haber obtenido de la población (el parámetro
correspondiente) se llama el error muestral o error de muestreo. Un error de
muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la
población, sino que se toma una muestra para estimar las características de la
población. El error muestral es medido por el error estadístico, en términos
de probabilidad, bajo la curva normal.       El resultado de la media indica la
precisión de la estimación de la población basada en el estudio de la muestra.
Mientras más pequeño el error muestral, mayor es la precisión de la
estimación. Deberá hacerse notar que los errores cometidos en una encuesta
por muestreo, tales como respuestas inconsistentes, incompletas o no
determinadas, no son considerados como errores muéstrales. Los errores no
muéstrales pueden también ocurrir en una encuesta completa de la población.




                                        3
2. Métodos de selección de muestras.


Una muestra debe ser representativa si va a ser usada para estimar las
características de la población.     Los métodos para seleccionar una muestra
representativa son numerosos, dependiendo del tiempo, dinero y habilidad
disponibles para tomar una muestra y la naturaleza de los elementos
individuales de la población. Por lo tanto, se requiere un gran volumen para
incluir todos los tipos de métodos de muestreo.
Los métodos de selección de muestras pueden ser clasificados de acuerdo a:


1. El número de muestras tomadas de una población dada para un estudio y
2. La manera usada en seleccionar los elementos incluidos en la muestra. Los
  métodos de muestreo basados en los dos tipos de clasificaciones son
  expuestos en seguida.



Métodos de muestreo clasificados de acuerdo con el número de muestras
tomadas de una población.


Bajo esta clasificación, hay tres tipos comunes de métodos de muestreo. Estos
son, muestreo simple, doble y múltiple.


Muestreo simple
Este tipo de muestreo toma solamente una muestra de una población dada
para el propósito de inferencia estadística. Puesto que solamente una muestra
es tomada, el tamaño de muestra debe ser lo suficientemente grande para
extraer una conclusión.     Una muestra grande muchas veces cuesta demasiado
dinero y tiempo.




                                        4
Muestreo doble


Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra
no es decisivo, una segunda muestra es extraída de la misma población. Las dos
muestras son combinadas para analizar los resultados.
Este método permite a una persona principiar con una muestra relativamente
pequeña para ahorrar costos y tiempo. Si la primera muestra arroja una resultado
definitivo, la segunda muestra puede no necesitarse.


Por ejemplo, al probar la calidad de un lote de productos manufacturados, si
la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja
una calidad muy pobre, el lote es rechazado.


Solamente si la primera muestra arroja una calidad intermedia, será requerirá la
segunda muestra. Un plan típico de muestreo doble puede ser obtenido de la
Military Standard Sampling Procedures and Tables for Inspection by Attributes,
publicada por el Departamento de Defensa y también usado por muchas industrias
privadas.    Al probar la calidad de un lote consistente de 3,000 unidades
manufacturadas, cuando el número de defectos encontrados en la primera
muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es
aceptado; si el número de defectos es 9 o más, el lote es considerado pobre y es
rechazado; si el número está entre 5 y 9, no puede llegarse a una decisión y una
segunda muestra de 80 unidades es extraída del lote. Si el número de defectos
en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o
menos, el lote es aceptado si el número combinado es 13 o más, el lote es
rechazado.




                                        5
Muestreo múltiple


El procedimiento bajo este método es similar al expuesto en el muestreo doble,
excepto que el número de muestras sucesivas requerido para llegar a una
decisión es más de dos muestras.


Métodos de muestreo clasificados de acuerdo con las maneras usadas en
seleccionar los elementos de una muestra.
Los elementos de una muestra pueden ser seleccionados de dos maneras
diferentes:
a. Basados en el juicio de una persona.
b. Selección aleatoria (al azar)


Muestreo de juicio


Una muestra es llamada muestra de juicio cuando sus elementos son
seleccionados mediante juicio personal.        La persona que selecciona los
elementos de la muestra, usualmente es un experto en la medida dada. Una
muestra de juicio es llamada una muestra probabilística, puesto que este
método está basado en los puntos de vista subjetivos de una persona y la
teoría de la probabilidad no puede ser empleada para medir el error de
muestreo, Las principales ventajas de una muestra de juicio son la facilidad de
obtenerla y que el costo usualmente es bajo.




                                          6
Muestreo Aleatorio


Una muestra se dice que es extraída al azar cuando la manera de selección es
tal, que cada elemento de la población tiene igual oportunidad       de ser
seleccionado.     Una muestra aleatoria es también llamada una muestra
probabilística   son generalmente preferidas por los estadísticos porque la
selección de las muestras es objetiva y el error muestral puede ser medido
en términos de probabilidad bajo la curva normal.     Los tipos comunes de
muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemático,
muestreo estratificado y muestreo de conglomerados.


   A. Muestreo aleatorio simple


Una muestra aleatoria simple es seleccionada de tal manera que cada muestra
posible del mismo tamaño tiene igual probabilidad de ser seleccionada de la
población. Para obtener una muestra aleatoria simple, cada elemento en la
población tenga la misma probabilidad de ser seleccionado, el plan de
muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia,
este método pude ser reemplazado por una tabla de números aleatorios.
Cuando una población es infinita, es obvio que la tarea de numerar cada
elemento de la población es infinita, es obvio que la tarea de numerar cada
elemento de la población es imposible.




                                         7
Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias.
Los tipos más comunes de muestreo aleatorio modificado son sistemático,
estratificado y de conglomerados.


   B. Muestreo sistemático.


Una muestra sistemática es obtenida cuando los elementos son seleccionados en
una manera ordenada. La manera de la selección depende del número de
elementos incluidos en la población y el tamaño de la muestra. El número de
elementos en la población es, primero, dividido por el número deseado en la
muestra. El cociente indicará si cada décimo, cada onceavo, o cada centésimo
elemento en la población va a ser seleccionado.


El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una
muestra sistemática puede dar la misma precisión de estimación acerca de la
población, que una muestra aleatoria simple cuando los elementos en la
población están ordenados al azar.


   C. Muestreo Estratificado


Para obtener una muestra aleatoria estratificada, primero se divide la
población en grupos, llamados estratos, que son más homogéneos que la
población como un todo.          Los elementos de la muestra son entonces
seleccionados al azar o por un método sistemático de cada estrato.             Las
estimaciones de la población, basadas en la muestra estratificada,
usualmente tienen mayor precisión (o menor error muestral) que si la
población entera muestreada mediante muestreo aleatorio simple. El número
de elementos seleccionado de cada estrato puede ser proporcional o
desproporcional al tamaño del estrato en relación con la población.




                                         8
D. Muestreo de conglomerados.


Para obtener una muestra de conglomerados, primero dividir la población en
grupos que son convenientes para el muestreo. En seguida, seleccionar una
porción de los grupos al azar o por un método sistemático.            Finalmente,
tomar todos los elementos o parte de ellos al azar o por un método
sistemático de los grupos seleccionados para obtener una muestra. Bajo
este método, aunque no todos los grupos son muestreados, cada grupo tiene
una igual probabilidad de ser seleccionado.        Por lo tanto la muestra es
aleatoria.


Una muestra de conglomerados, usualmente produce un mayor error muestral
(por lo tanto, da menor precisión de las estimaciones acerca de la población)
que una muestra aleatoria simple del mismo tamaño.                Los elementos
individuales dentro de cada “conglomerado” tienden usualmente a ser iguales. Por
ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre
puede vivir en otra área. No todas las áreas son muestreadas en un muestreo de
áreas.       La variación entre los elementos obtenidos de las áreas
seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la
población entera es muestreada mediante muestreo aleatorio simple. Esta
debilidad puede reducida cuando se incrementa el tamaño de la muestra de área.




El incremento del tamaño de la muestra puede fácilmente ser hecho en muestra
de área.     Los entrevistadores no tienen que caminar demasiado lejos en una
pequeña área para entrevistar más familias. Por lo tanto, una muestra grande de
área puede ser obtenida dentro de un corto período de tiempo y a bajo costo.




                                        9
Por otra parte, una muestra de conglomerados puede producir la misma
precisión en la estimación que una muestra aleatoria simple, si la variación de
los elementos individuales dentro de cada conglomerado es tan grande como la de
la población.




                                      10
¿Qué es la prevalencia de una enfermedad?

La prevalencia de una enfermedad es el número total personas que presentan
síntomas o padecen una enfermedad durante un periodo de tiempo, dividido por la
población con posibilidad de llegar a padecer dicha enfermedad. Proporciona una
estimación del riesgo o probabilidad de que un individuo de esta población
pueda llegar a padecer la enfermedad referida.


Por ejemplo, la prevalencia de la Gripe A en España en el año 2009 es la
proporción de individuos de este país que en el año 2009 han padecido esta
enfermedad.


Así pues, la prevalencia es una proporción que se calcula con la fórmula:


P = Nº de afectados / Nº total de personas que pueden llegar a padecer la
enfermedad


La prevalencia es un concepto estadístico usado en epidemiología, sobre todo
para planificar la política sanitaria de un país, una comunidad, etc. Es un
indicador estático, ya que se refiere a un periodo de tiempo concreto.




                                       11
Prevalencia


En Epidemiología se denomina prevalencia a la proporción de individuos de un

grupo    o    una población que   presentan   una   característica   o   evento

determinado en un momento o en un período determinado ("prevalencia de

periodo").

La prevalencia de una enfermedad es el número total de los individuos que

presentan un atributo o enfermedad en un momento o durante un periodo dividido

por la población en riesgo de tener el atributo o la enfermedad en ese punto

en el tiempo o en la mitad del periodo. Cuantifica la proporción de personas

en una población que tienen una enfermedad (o cualquier otro suceso) en un

determinado momento y proporciona una estimación de la probabilidad

(riesgo) de que un sujeto de esa población tenga la enfermedad en ese momento.




Es un parámetro útil porque permite describir un fenómeno de salud,

identificar la frecuencia poblacional del mismo y generar hipótesis

explicatorias. La utilizan normalmente los epidemiólogos, las personas

encargadas de la política sanitaria, las agencias de seguros y en diferentes

ámbitos de la salud pública.




                                      12
Características de la prevalencia



   1. Es una proporción. Por lo tanto, no tiene dimensiones y su valor oscila

       entre 0 y 1, aunque a veces se expresa como porcentaje.

   2. Es un indicador estático, que se refiere a un momento temporal.

   3. La prevalencia indica el peso o la abundancia del evento que soporta

       una población susceptible, teniendo su mayor utilidad en los estudios

       de planificación de servicios sanitarios.

   4. En la prevalencia influye la velocidad de aparición del evento y su

       duración. Por ello es poco útil en la investigación causal y de

       medidas terapéuticas.

   5. La prevalencia no debe confundirse con la incidencia. La incidencia es

       una medida del número de casos nuevos de una enfermedad en un

       período determinado. La prevalencia se refiere a todos los individuos

       afectados, independientemente de la fecha de contracción de la

       enfermedad. Una enfermedad de larga duración que se extiende

       ampliamente en una comunidad en 2002 tendrá una alta prevalencia en

       2003 (asumiendo como duración larga un año o más), pero puede tener,

       sin embargo, una tasa de incidencia baja en 2003. Por el contrario, una

       enfermedad que se transmite fácilmente pero de duración corta,

       puede tener una baja prevalencia y una alta incidencia.




                                       13
6. La prevalencia es un parámetro útil cuando se trata de infecciones de

      larga duración, como por ejemplo el SIDA, pero la incidencia es más útil

      cuando se trata de infecciones de corta duración, como por ejemplo la

      varicela.




La epidemiología tiene entre uno de sus objetivos primordiales el estudio de la
distribución y los determinantes de las diferentes enfermedades. La
cuantificación y la medida de la enfermedad o de otras variables de interés
son elementos fundamentales para formular y testar hipótesis, así como para
permitir   comparar   las   frecuencias    de   enfermedad   entre   diferentes
poblaciones o entre personas con o sin una exposición o característica
dentro de una población determinada.

La medida más elemental de frecuencia de una enfermedad, o de cualquier otro
evento en general, es el número de personas que la padecen o lo presentan
(por ejemplo, el número de pacientes con hipertensión arterial, el número de
fallecidos por accidentes de tráfico o el número de pacientes con algún tipo
de cáncer en los que se ha registrado una recidiva).




                                      14
Sin embargo, dicha medida por sí sola carece de utilidad para determinar la
importancia de un problema de salud determinado, pues debe referirse siempre al
tamaño de la población de donde provienen los casos y al periodo de tiempo
en el cual estos fueron identificados. Para este propósito, en epidemiología
suele trabajarse con diferentes tipos de fracciones que permiten cuantificar
correctamente el impacto de una determinada enfermedad:

            Proporción: es un cociente en el que el numerador está incluido en
            el denominador. Por ejemplo, si en una población de 25.000
            habitantes se diagnostican 1.500 pacientes con diabetes, la
            proporción de diabetes en esa población es de 1.500/25.000 =
            0.06 (6%). El valor de una proporción puede variar así de 0 a 1, y
            suele expresarse como un porcentaje.
            Razón: En este cociente el numerador no forma parte del
            denominador. En el ejemplo anterior, la razón entre la población
            con diabetes y la población no diabética es de 1.500/23.500 =
            3/47 =0,064. Cuando, como en el caso del ejemplo, la razón se
            calcula entre la probabilidad de que ocurra un evento y la
            probabilidad de que éste no ocurra, la razón recibe también el
            nombre de odds. En el ejemplo, la odds de diabetes es de 0,06, es
            decir, en el área de estudio por cada 1/0,064 = 16,7 pacientes no
            diabéticos hay 1 que sí lo es.

El valor de una odds puede ir de 0 a infinito. El valor 0 corresponde al caso
en que la enfermedad nunca ocurre, mientras que el valor infinito
correspondería teóricamente a una enfermedad que esté siempre presente.




                                      15
En realidad, una proporción y una odds miden el mismo evento pero en
escalas diferentes, y pueden relacionarse mediante las fórmulas siguientes:




             Tasa: El concepto de tasa es similar al de una proporción, con la
             diferencia de que las tasas llevan incorporado el concepto de
             tiempo. El numerador lo constituye la frecuencia absoluta de
             casos del problema a estudiar. A su vez, el denominador está
             constituido por la suma de los períodos individuales de riesgo a
             los que han estado expuestos los sujetos susceptibles de la
             población a estudio. De su cálculo se desprende la velocidad con
             que se produce el cambio de una situación clínica a otra.

En epidemiología, las medidas de frecuencia de enfermedad más comúnmente

utilizadas se engloban en dos categorías1-6: Prevalencia e Incidencia.




                                       16
Prevalencia

La prevalencia 7 (P) cuantifica la proporción de individuos de una población que
padecen una enfermedad en un momento o periodo de tiempo determinado. Su
cálculo se estima mediante la expresión:




Para ilustrar su cálculo, consideremos el siguiente ejemplo: en una muestra de
270 habitantes aleatoriamente seleccionada de una población de 65 y más
años se objetivó que 111 presentaban obesidad (IMC³30). En este caso, la
prevalencia de obesidad en ese grupo de edad y en esa población sería de:




Como todas las proporciones, la prevalencia no tiene dimensión y nunca toma
valores menores de 0 ó mayores de 1, siendo frecuente expresarla en
términos de porcentaje, en tanto por ciento, tanto por mil,... en función de la
“rareza” de la enfermedad estudiada.

La prevalencia de un problema de salud en una comunidad determinada
suele estimarse a partir de estudios transversales para determinar su
importancia en un momento concreto, y no con fines predictivos. Además, es
evidente que el cálculo de la prevalencia será especialmente apropiado para
la medición de procesos de carácter prolongado, pero no tendrá mucho
sentido para valorar la importancia de otros fenómenos de carácter más
momentáneo (accidentes de tráfico, apendicitis, infarto de miocardio,...).




                                         17
Otra medida de prevalencia utilizada en epidemiología, aunque no con tanta
frecuencia, es la llamada prevalencia de periodo, calculada como la proporción
de personas que han presentado la enfermedad en algún momento a lo largo
de un periodo de tiempo determinado (por ejemplo, la prevalencia de cáncer en
España en los últimos 5 años). El principal problema que plantea el cálculo de este
índice es que la población total a la que se refiere puede haber cambiado durante
el periodo de estudio.

Normalmente, la población que se toma como denominador corresponde al punto
medio del periodo considerado. Un caso especial de esta prevalencia de periodo,
pero   que    presenta   importantes   dificultades   para   su   cálculo,   es   la
llamada prevalencia de vida, que trata de estimar la probabilidad de que un
individuo desarrolle una enfermedad en algún momento a lo largo de su
existencia.




                                        18
Incidencia

La incidencia 8 se define como el número de casos nuevos de una enfermedad
que se desarrollan en una población durante un período de tiempo determinado.
Hay dos tipos de medidas de incidencia: la incidencia acumulada y la tasa de
incidencia, también denominada densidad de incidencia.

La incidencia acumulada ( IA) es la proporción de individuos sanos que
desarrollan la enfermedad a lo largo de un período de tiempo concreto. Se calcula
según:




La incidencia acumulada proporciona una estimación de la probabilidad o el
riesgo de que un individuo libre de una determinada enfermedad la
desarrolle durante un período especificado de tiempo. Como cualquier
proporción, suele venir dada en términos de porcentaje. Además, al no ser una
tasa, es imprescindible que se acompañe del periodo de observación para poder
ser interpretada.

Por ejemplo: Durante un período de 6 años se siguió a 431 varones entre 40 y 59
años sanos, con colesterol sérico normal y tensión arterial normal, para detectar la
presencia de cardiopatía isquémica, registrándose al final del período l0 casos de
cardiopatía isquémica. La incidencia acumulada en este caso sería:


                                          en seis años




                                         19
La incidencia acumulada asume que la población entera a riesgo al principio del
estudio ha sido seguida durante todo un período de tiempo determinado para
observar si se desarrollaba la enfermedad objeto del estudio. Sin embargo, en la
realidad lo que sucede es que:

          a. Las personas objeto de la investigación entran en el estudio en
             diferentes momentos en el tiempo.
          b. El seguimiento de dichos sujetos objeto de la investigación no es
             uniforme ya que de algunos no se obtiene toda la información.
          c. Por otra parte, algunos pacientes abandonan el estudio y sólo
             proporcionan un seguimiento limitado a un período corto de tiempo.

Para poder tener en consideración estas variaciones de seguimiento existentes en
el tiempo, una primera aproximación sería limitar el cálculo de la incidencia
acumulada al período de tiempo durante el cual la población entera proporcionase
información. Esto de todos modos haría que perdiésemos información adicional
del seguimiento disponible en alguna de las personas incluidas.

La estimación más precisa es la que utiliza toda la información disponible es la
denominada tasa de incidencia o densidad de incidencia (DI).

Se calcula como el cociente entre el número de casos nuevos de una
enfermedad ocurridos durante el periodo de seguimiento y la suma de todos
los tiempos individuales de observación:




                                        20
El total de personas-tiempo de observación (suma de los tiempos individuales de
observación) es la suma de los períodos de tiempo en riesgo de contraer la
enfermedad correspondiente a cada uno de los individuos de la población. La
suma de los períodos de tiempo del denominador se mide preferentemente en
años y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo
objeto de estudio es el tiempo durante el cual permanece en la población de
estudio y se encuentra libre de la enfermedad, y por lo tanto en riesgo de
contraerla.

La densidad de incidencia no es por lo tanto una proporción, sino una tasa,
ya que el denominador incorpora la dimensión tiempo. Su valor no puede ser
inferior a cero pero no tiene límite superior.

Para ilustrar su cálculo consideremos el siguiente ejemplo: En un estudio de
seguimiento    durante    20   años    de   tratamiento   hormonal   en   8   mujeres
postmenopáusicas se observó que se presentaron 3 casos de enfermedad
coronaria. Con estos datos, la incidencia acumulada sería de un 3/8 =
0,375 Þ37,5% durante los 20 años de seguimiento. Sin embargo, tal y como se
muestra en la Figura 1, el tiempo de seguimiento no es el mismo para todas las
pacientes. Mientras que, por ejemplo, la paciente A ha sido observada durante
todo el periodo, la paciente D ha comenzado el tratamiento más tarde, una vez
comenzada la investigación, y ha sido seguida sólo durante 15 años.

En otros casos, como la paciente C, han abandonado el tratamiento antes de
finalizar el estudio sin presentar ninguna afección coronaria. En total se obtienen
84 personas-año de observación.

La tasa de incidencia resultó por tanto ser igual a:


                                             personas por año


Esto es, la densidad de incidencia de enfermedad coronaria en esa población es
de 3,6 nuevos casos por cada 100 personas-año de seguimiento.


                                            21
La elección de una de las medidas de incidencia (incidencia acumulada o
densidad de incidencia) dependerá, además del objetivo que se persiga, de las
características de la enfermedad que se pretende estudiar. Así, la incidencia
acumulada se utilizará generalmente cuando la enfermedad tenga un periodo
de latencia corto, recurriéndose a la densidad de incidencia en el caso de
enfermedades crónicas y con un periodo de latencia mayor. En cualquier
caso, debe tenerse en cuenta que la utilización de la densidad de incidencia
como medida de frecuencia de una enfermedad está sujeta a las siguientes
condiciones:

         a. El riesgo de contraer la enfermedad es constante durante todo el
               periodo de seguimiento. Si esto no se cumple y, por ejemplo, se
               estudia una enfermedad con un periodo de incubación muy largo, el
               periodo de observación debe dividirse en varios subperiodos.
         b. La tasa de incidencia entre los casos que completan o no el
               seguimiento es similar. En caso contrario se obtendría un resultado
               sesgado.
         c. El denominador es adecuado a la historia de la enfermedad.

Además, en el cálculo de cualquier medida de incidencia han de tenerse en
consideración otros aspectos. En primer lugar, no deben incluirse en el
denominador casos prevalentes o sujetos que no estén en condiciones de
padecer la enfermedad a estudio.

El denominador sólo debe incluir a aquellas personas en riesgo de contraer la
enfermedad (por ejemplo, la incidencia de cáncer de próstata deberá
calcularse en relación a la población masculina en una comunidad y no
sobre la población total), aunque también es cierto que en problemas poco
frecuentes la inclusión de casos prevalentes no cambiará mucho el resultado. En
segundo lugar, además, es importante aclarar, cuando la enfermedad pueda
ser recurrente, si el numerador se refiere a casos nuevos o a episodios de
una misma patología.


                                         22
Relación entre incidencia y prevalencia




Prevalencia e incidencia son conceptos a su vez muy relacionados. La
prevalencia depende de la incidencia y de la duración de la enfermedad. Si la
incidencia de una enfermedad es baja pero los afectados tienen la
enfermedad durante un largo período de tiempo, la proporción de la
población que tenga la enfermedad en un momento dado puede ser alta en
relación con su incidencia. Inversamente, si la incidencia es alta y la
duración es corta,    ya sea porque se recuperan pronto o fallecen, la
prevalencia puede ser baja en relación a la incidencia de dicha patología.

Por lo tanto, los cambios de prevalencia de un momento a otro pueden ser
resultado de cambios en la incidencia, cambios en la duración de la
enfermedad o ambos.

Esta relación entre incidencia y prevalencia puede expresarse matemáticamente
de un modo bastante sencillo 4,7,9. Si se asume que las circunstancias de la
población son estables, entendiendo por estable que la incidencia de la
enfermedad haya permanecido constante a lo largo del tiempo, así como su
duración, entonces la prevalencia tampoco variará.

Así, si el número de casos prevalentes no cambia, el número de casos
nuevos de la enfermedad ha de compensar a aquellos individuos que dejan de
padecerla:

Nº de casos nuevos de la enfermedad = Nº de casos que se curan o fallecen (1)




                                      23
Si se denota por N al total de la población y E al número de enfermos en la
misma, N-E será el total de sujetos sanos en esa población. Durante un
periodo de tiempo t, el número de gente que contrae la enfermedad viene dado
entonces por:

                                         (2)

donde DI denota a la densidad de incidencia.

Por otro lado, el número de enfermos que se curan o fallecen en ese periodo
puede calcularse como


                                         (3)


donde D es la duración media de la enfermedad objeto de estudio.

Combinando (2) y (3) en (1) se obtiene que:


                                                   (4)




El cociente E/N-E es el cociente entre los individuos enfermos y los no enfermos, o
equivalentemente, entre la prevalencia y su complementario, P/1-P (lo que
habíamos denominado odds), de modo que la expresión (4) puede escribirse
equivalentemente como:


                                         (5)




                                        24
En el caso además en el que la prevalencia de la enfermedad en la población sea
baja, la cantidad 1 - P es aproximadamente igual a 1 y la expresión (5) quedaría
finalmente:

                                         (6)




Es decir, si se asume que las circunstancias de la población son estables y la

enfermedad es poco frecuente, la prevalencia es proporcional al producto de la
densidad de incidencia (DI) y el promedio de duración de la enfermedad (D).

De las consideraciones anteriores se deduce que la prevalencia carece de
utilidad para confirmar hipótesis etiológicas, por lo que resulta más adecuado
trabajar con casos incidentes. Los estudios de prevalencia pueden obtener
asociaciones que reflejen los determinantes de la supervivencia y no las
causas de la misma, conduciendo a conclusiones erróneas.

No obstante, su relación con la incidencia permite que en ocasiones pueda
utilizarse como una buena aproximación del riesgo para evaluar la asociación
entre las causas y la enfermedad. También es cierto que en otras aplicaciones
distintas a la investigación etiológica, como en la planificación de recursos o
las prestaciones sanitarias, la prevalencia puede ser una mejor medida que
la incidencia ya que nos permite conocer la magnitud global del problema.




                                        25
FUENTES BIBLIOGRAFICAS

   1. Kark SL. Epidemiology and community medicine. Nueva York: Appleton-
      Century-Crofts; 1975. p.19-21.
   2. Kleimbaum D, Kupper I, Morgenstern H. Epidemiologic Research. Belmont:
      Lifetime Learning Publications; 1982.
   3. Mausner J, Kramer S. Epidemiology: an introductory text. 2ª ed. Filadelfia:
      WB Saunders Company; 1985.
   4. Rothman KJ. Modern Epidemiology. Boston: Little, Brown & Co; 1986.
   5. Colimón KM. Fundamentos de epidemiología. 2ª ed. Madrid: Díaz de
      Santos; 1990.
   6. Argimón Pallás JM, Jiménez Villa J. Métodos de Investigación Clínica y
      Epidemiológica. 2ª ed. Madrid: Harcourt; 2000.
   7. Tapia Granados JA. Medidas de prevalencia y relación incidencia-
      prevalencia. Med Clin (Barc) 1995; 105: 216-218. [Medline]
   8. Tapia   Granados JA.       Incidencia:   concepto,   terminología   y análisis
      dimensional. Med Clin (Barc) 1994; 103: 140-142. [Medline]
   9. Freeman J, Hutchinson GB. Prevalence, incidente and duration. Am J
      Epidemiol 1980; 112: 707-723. [Medline]



FUENTES BIBLIOGRAFICAS EN INTERNET:


   1. http://www.fisterra.com/mbe/investiga/medidas_frecuencia/med_frec.asp,
      consultado el día 3 de Agosto de 2009.
   2. http://www.monografias.com/trabajos11/tebas/tebas.shtml, consultada el día 12
      Noviembre de 2009.
   3. http://www.enciclopediasalud.com/categorias/otros-temas/articulos/que-es-
      la-prevalencia-de-una-enfermedad/ consultado el día 03 agosto 2009.
   4. http://es.wikipedia.org/wiki/Prevalencia, consultada el día 03 de Agosto de
      2009.




                                          26
Espacios en internet:

www.slideshare.net/euler/slideshows


www.slideshare.net/Khyn/slideshows


www.slideshare.net/Ghynee/slideshows




                        27

Mais conteúdo relacionado

Mais procurados (20)

Ms c ocm_calculos_muestrales
Ms c ocm_calculos_muestralesMs c ocm_calculos_muestrales
Ms c ocm_calculos_muestrales
 
Diapositivas estadistica
Diapositivas estadisticaDiapositivas estadistica
Diapositivas estadistica
 
Población y Muestra
Población y MuestraPoblación y Muestra
Población y Muestra
 
Tamaño muestra
Tamaño muestraTamaño muestra
Tamaño muestra
 
7 muestreo
7 muestreo7 muestreo
7 muestreo
 
Teoria de muestreo
Teoria de muestreoTeoria de muestreo
Teoria de muestreo
 
Muestreo Farmacia
Muestreo  FarmaciaMuestreo  Farmacia
Muestreo Farmacia
 
Estadistica ii
Estadistica iiEstadistica ii
Estadistica ii
 
Bioestadística muestreo y diseño de experimentos
Bioestadística muestreo y diseño de experimentosBioestadística muestreo y diseño de experimentos
Bioestadística muestreo y diseño de experimentos
 
muestreo y estimacion 2012
muestreo y estimacion 2012muestreo y estimacion 2012
muestreo y estimacion 2012
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICAINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA
 
Selección de la muestra Metodologia
Selección de la muestra MetodologiaSelección de la muestra Metodologia
Selección de la muestra Metodologia
 
12. universo y muestra
12. universo y muestra12. universo y muestra
12. universo y muestra
 
Muestreo Manuel y Enrique
Muestreo Manuel y EnriqueMuestreo Manuel y Enrique
Muestreo Manuel y Enrique
 
Estadistica tema 2. muestreo parte 1
Estadistica tema 2. muestreo parte 1Estadistica tema 2. muestreo parte 1
Estadistica tema 2. muestreo parte 1
 
técnicas de muestreo
técnicas de muestreotécnicas de muestreo
técnicas de muestreo
 
Estadist. ii mx
Estadist. ii mxEstadist. ii mx
Estadist. ii mx
 
Universidades soluciones actividades
Universidades soluciones actividadesUniversidades soluciones actividades
Universidades soluciones actividades
 

Destaque

Syllabus Biology 495 Spring 06
Syllabus Biology 495 Spring 06Syllabus Biology 495 Spring 06
Syllabus Biology 495 Spring 06suzshaff
 
Que son los cognados
Que son los cognadosQue son los cognados
Que son los cognadosnvanessapp
 
Riesgos 2012
Riesgos 2012Riesgos 2012
Riesgos 2012xhagix
 
Lineamientos para la_practica_evaluativa_docente
Lineamientos para la_practica_evaluativa_docenteLineamientos para la_practica_evaluativa_docente
Lineamientos para la_practica_evaluativa_docenteJorge Hugo Rojas Beltran
 
Fs artikel de innovatieve manager - final
Fs  artikel de innovatieve manager - finalFs  artikel de innovatieve manager - final
Fs artikel de innovatieve manager - finalDirk Ameel
 
Exposicion estadistica inferencial spss
Exposicion estadistica inferencial spssExposicion estadistica inferencial spss
Exposicion estadistica inferencial spssgabrielanataly
 
Traducción Cap.9 Arquitectura de Integración de Procesos
Traducción Cap.9 Arquitectura de Integración de ProcesosTraducción Cap.9 Arquitectura de Integración de Procesos
Traducción Cap.9 Arquitectura de Integración de Procesosmarcos_0887
 
H E L F Æ R D I G Færdigt_speciale_31.dec
H E L  F Æ R D I G Færdigt_speciale_31.decH E L  F Æ R D I G Færdigt_speciale_31.dec
H E L F Æ R D I G Færdigt_speciale_31.decLena Juhl
 
Actualizacion iso 9000_2008
Actualizacion iso 9000_2008Actualizacion iso 9000_2008
Actualizacion iso 9000_2008andrescnp
 
Aanbodboekje Februari 2011
Aanbodboekje Februari 2011Aanbodboekje Februari 2011
Aanbodboekje Februari 2011Fredvbeugen
 
Reingenieria de procesos
Reingenieria de procesosReingenieria de procesos
Reingenieria de procesosaclle
 

Destaque (20)

Owl citations
Owl citationsOwl citations
Owl citations
 
Research methodology 2013
Research methodology 2013Research methodology 2013
Research methodology 2013
 
Syllabus Biology 495 Spring 06
Syllabus Biology 495 Spring 06Syllabus Biology 495 Spring 06
Syllabus Biology 495 Spring 06
 
M2 labs
M2 labsM2 labs
M2 labs
 
Criptografia
CriptografiaCriptografia
Criptografia
 
Que son los cognados
Que son los cognadosQue son los cognados
Que son los cognados
 
Riesgos 2012
Riesgos 2012Riesgos 2012
Riesgos 2012
 
Lineamientos para la_practica_evaluativa_docente
Lineamientos para la_practica_evaluativa_docenteLineamientos para la_practica_evaluativa_docente
Lineamientos para la_practica_evaluativa_docente
 
TRATAMIENTOS TERMICOS DEL ACERO
TRATAMIENTOS TERMICOS DEL ACEROTRATAMIENTOS TERMICOS DEL ACERO
TRATAMIENTOS TERMICOS DEL ACERO
 
Fs artikel de innovatieve manager - final
Fs  artikel de innovatieve manager - finalFs  artikel de innovatieve manager - final
Fs artikel de innovatieve manager - final
 
Exposicion estadistica inferencial spss
Exposicion estadistica inferencial spssExposicion estadistica inferencial spss
Exposicion estadistica inferencial spss
 
Traducción Cap.9 Arquitectura de Integración de Procesos
Traducción Cap.9 Arquitectura de Integración de ProcesosTraducción Cap.9 Arquitectura de Integración de Procesos
Traducción Cap.9 Arquitectura de Integración de Procesos
 
Elasticidad
ElasticidadElasticidad
Elasticidad
 
casual wear
casual wearcasual wear
casual wear
 
H E L F Æ R D I G Færdigt_speciale_31.dec
H E L  F Æ R D I G Færdigt_speciale_31.decH E L  F Æ R D I G Færdigt_speciale_31.dec
H E L F Æ R D I G Færdigt_speciale_31.dec
 
Actualizacion iso 9000_2008
Actualizacion iso 9000_2008Actualizacion iso 9000_2008
Actualizacion iso 9000_2008
 
Aanbodboekje Februari 2011
Aanbodboekje Februari 2011Aanbodboekje Februari 2011
Aanbodboekje Februari 2011
 
DIAGRAMA HIERRO _CARBONO
DIAGRAMA HIERRO _CARBONODIAGRAMA HIERRO _CARBONO
DIAGRAMA HIERRO _CARBONO
 
Reingenieria de procesos
Reingenieria de procesosReingenieria de procesos
Reingenieria de procesos
 
13 clases
13 clases13 clases
13 clases
 

Semelhante a TEORIA DEL MUESTREO Y LA PREVALENCIA

Semelhante a TEORIA DEL MUESTREO Y LA PREVALENCIA (20)

Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Muestra y análisis muestral
Muestra y análisis muestralMuestra y análisis muestral
Muestra y análisis muestral
 
Muestra o analisis muestrall
Muestra o analisis muestrallMuestra o analisis muestrall
Muestra o analisis muestrall
 
Muestreo
MuestreoMuestreo
Muestreo
 
Selección de la muestra (4)
Selección de la muestra (4)Selección de la muestra (4)
Selección de la muestra (4)
 
Tamaño de muestra revisado
Tamaño de muestra revisadoTamaño de muestra revisado
Tamaño de muestra revisado
 
Muestreo.pdf
Muestreo.pdfMuestreo.pdf
Muestreo.pdf
 
1 la poblacion y muestra
1 la poblacion y muestra1 la poblacion y muestra
1 la poblacion y muestra
 
Introducción al Muestreo.ppt
Introducción al Muestreo.pptIntroducción al Muestreo.ppt
Introducción al Muestreo.ppt
 
Metodologia de la investigacion
Metodologia de la investigacionMetodologia de la investigacion
Metodologia de la investigacion
 
Poblacion y muestra
Poblacion y muestraPoblacion y muestra
Poblacion y muestra
 
Selección de la muestra
Selección de la muestraSelección de la muestra
Selección de la muestra
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
 
poblacion y muestra.pdf
poblacion y muestra.pdfpoblacion y muestra.pdf
poblacion y muestra.pdf
 
Capitulo2 teoria de muestreo
Capitulo2 teoria de muestreoCapitulo2 teoria de muestreo
Capitulo2 teoria de muestreo
 
10° Población y Muestra.pptx
10° Población y Muestra.pptx10° Población y Muestra.pptx
10° Población y Muestra.pptx
 
Muestreo y estimacion 2012
Muestreo y estimacion 2012Muestreo y estimacion 2012
Muestreo y estimacion 2012
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
 
Teoria de muestreo y prueba de hipotesis
Teoria de muestreo y prueba de hipotesisTeoria de muestreo y prueba de hipotesis
Teoria de muestreo y prueba de hipotesis
 
Muestreo 2
Muestreo 2Muestreo 2
Muestreo 2
 

Mais de Euler Ruiz

El viaje al poder de la conciencia
El viaje al poder de la concienciaEl viaje al poder de la conciencia
El viaje al poder de la concienciaEuler Ruiz
 
El viaje al poder de la conciencia
El viaje al poder de la concienciaEl viaje al poder de la conciencia
El viaje al poder de la concienciaEuler Ruiz
 
El arte de la sabiduría y el arte de la prudencia
El arte de la sabiduría y el arte de la prudenciaEl arte de la sabiduría y el arte de la prudencia
El arte de la sabiduría y el arte de la prudenciaEuler Ruiz
 
Cómo liberarse del pensamiento, el deseo y los conflictos
Cómo liberarse del pensamiento, el deseo y los conflictosCómo liberarse del pensamiento, el deseo y los conflictos
Cómo liberarse del pensamiento, el deseo y los conflictosEuler Ruiz
 
Estándares curriculares de ciencias educación secundaria 2011
Estándares curriculares de ciencias educación secundaria 2011Estándares curriculares de ciencias educación secundaria 2011
Estándares curriculares de ciencias educación secundaria 2011Euler Ruiz
 
El conocimiento y el aprendizaje 1996
El conocimiento y  el aprendizaje 1996El conocimiento y  el aprendizaje 1996
El conocimiento y el aprendizaje 1996Euler Ruiz
 
Las estructuras del pensamiento y el aprendizaje 1994
Las estructuras del pensamiento y el aprendizaje 1994Las estructuras del pensamiento y el aprendizaje 1994
Las estructuras del pensamiento y el aprendizaje 1994Euler Ruiz
 
Desarrollo de competencias y la planeacion didactica
Desarrollo de competencias y la planeacion didacticaDesarrollo de competencias y la planeacion didactica
Desarrollo de competencias y la planeacion didacticaEuler Ruiz
 
El ser humano y la busqueda de su destino
El ser humano y la busqueda de su destinoEl ser humano y la busqueda de su destino
El ser humano y la busqueda de su destinoEuler Ruiz
 
Español reforma educativa 1992
Español reforma educativa 1992Español reforma educativa 1992
Español reforma educativa 1992Euler Ruiz
 
Plan estudio español primaria reforma 2009
Plan estudio español primaria reforma 2009Plan estudio español primaria reforma 2009
Plan estudio español primaria reforma 2009Euler Ruiz
 
El aprendizaje y sus elementos
El aprendizaje y sus elementosEl aprendizaje y sus elementos
El aprendizaje y sus elementosEuler Ruiz
 
El aprendizaje representaciones conceptos y proposiciones
El aprendizaje representaciones conceptos y proposicionesEl aprendizaje representaciones conceptos y proposiciones
El aprendizaje representaciones conceptos y proposicionesEuler Ruiz
 
Competencias del niño 0 a 48 meses
Competencias del niño 0 a 48 mesesCompetencias del niño 0 a 48 meses
Competencias del niño 0 a 48 mesesEuler Ruiz
 
Bases biologicas de la conducta humana
Bases biologicas de la conducta humanaBases biologicas de la conducta humana
Bases biologicas de la conducta humanaEuler Ruiz
 
El aprendizaje y el conocimiento
El aprendizaje y el conocimientoEl aprendizaje y el conocimiento
El aprendizaje y el conocimientoEuler Ruiz
 
Población mujeres y hombres mexico 2010
Población mujeres y hombres mexico 2010Población mujeres y hombres mexico 2010
Población mujeres y hombres mexico 2010Euler Ruiz
 
Población de mujeres y hombres mexico 2010
Población de mujeres y hombres mexico 2010Población de mujeres y hombres mexico 2010
Población de mujeres y hombres mexico 2010Euler Ruiz
 
Mente humana y el sistema nervioso
Mente humana y el sistema nerviosoMente humana y el sistema nervioso
Mente humana y el sistema nerviosoEuler Ruiz
 
Sistema nervioso y la mente humana
Sistema nervioso y la mente humanaSistema nervioso y la mente humana
Sistema nervioso y la mente humanaEuler Ruiz
 

Mais de Euler Ruiz (20)

El viaje al poder de la conciencia
El viaje al poder de la concienciaEl viaje al poder de la conciencia
El viaje al poder de la conciencia
 
El viaje al poder de la conciencia
El viaje al poder de la concienciaEl viaje al poder de la conciencia
El viaje al poder de la conciencia
 
El arte de la sabiduría y el arte de la prudencia
El arte de la sabiduría y el arte de la prudenciaEl arte de la sabiduría y el arte de la prudencia
El arte de la sabiduría y el arte de la prudencia
 
Cómo liberarse del pensamiento, el deseo y los conflictos
Cómo liberarse del pensamiento, el deseo y los conflictosCómo liberarse del pensamiento, el deseo y los conflictos
Cómo liberarse del pensamiento, el deseo y los conflictos
 
Estándares curriculares de ciencias educación secundaria 2011
Estándares curriculares de ciencias educación secundaria 2011Estándares curriculares de ciencias educación secundaria 2011
Estándares curriculares de ciencias educación secundaria 2011
 
El conocimiento y el aprendizaje 1996
El conocimiento y  el aprendizaje 1996El conocimiento y  el aprendizaje 1996
El conocimiento y el aprendizaje 1996
 
Las estructuras del pensamiento y el aprendizaje 1994
Las estructuras del pensamiento y el aprendizaje 1994Las estructuras del pensamiento y el aprendizaje 1994
Las estructuras del pensamiento y el aprendizaje 1994
 
Desarrollo de competencias y la planeacion didactica
Desarrollo de competencias y la planeacion didacticaDesarrollo de competencias y la planeacion didactica
Desarrollo de competencias y la planeacion didactica
 
El ser humano y la busqueda de su destino
El ser humano y la busqueda de su destinoEl ser humano y la busqueda de su destino
El ser humano y la busqueda de su destino
 
Español reforma educativa 1992
Español reforma educativa 1992Español reforma educativa 1992
Español reforma educativa 1992
 
Plan estudio español primaria reforma 2009
Plan estudio español primaria reforma 2009Plan estudio español primaria reforma 2009
Plan estudio español primaria reforma 2009
 
El aprendizaje y sus elementos
El aprendizaje y sus elementosEl aprendizaje y sus elementos
El aprendizaje y sus elementos
 
El aprendizaje representaciones conceptos y proposiciones
El aprendizaje representaciones conceptos y proposicionesEl aprendizaje representaciones conceptos y proposiciones
El aprendizaje representaciones conceptos y proposiciones
 
Competencias del niño 0 a 48 meses
Competencias del niño 0 a 48 mesesCompetencias del niño 0 a 48 meses
Competencias del niño 0 a 48 meses
 
Bases biologicas de la conducta humana
Bases biologicas de la conducta humanaBases biologicas de la conducta humana
Bases biologicas de la conducta humana
 
El aprendizaje y el conocimiento
El aprendizaje y el conocimientoEl aprendizaje y el conocimiento
El aprendizaje y el conocimiento
 
Población mujeres y hombres mexico 2010
Población mujeres y hombres mexico 2010Población mujeres y hombres mexico 2010
Población mujeres y hombres mexico 2010
 
Población de mujeres y hombres mexico 2010
Población de mujeres y hombres mexico 2010Población de mujeres y hombres mexico 2010
Población de mujeres y hombres mexico 2010
 
Mente humana y el sistema nervioso
Mente humana y el sistema nerviosoMente humana y el sistema nervioso
Mente humana y el sistema nervioso
 
Sistema nervioso y la mente humana
Sistema nervioso y la mente humanaSistema nervioso y la mente humana
Sistema nervioso y la mente humana
 

Último

EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLA
EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLAEL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLA
EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarCa Ut
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxArs Erótica
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfSaraGabrielaPrezPonc
 
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdfConcurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
Adoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAdoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAlejandrino Halire Ccahuana
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCERO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCEROCIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCERO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCEROCEIP TIERRA DE PINARES
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaIGNACIO BALLESTER PARDO
 
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa
 
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxFranciscoCruz296518
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre terceroCEIP TIERRA DE PINARES
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er gradoAnaMara883998
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariamichel carlos Capillo Dominguez
 
CARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCarolVigo1
 
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfGUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfNELLYKATTY
 

Último (20)

EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLA
EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLAEL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLA
EL BRILLO DEL ECLIPSE (CUENTO LITERARIO). Autor y diseñador JAVIER SOLIS NOYOLA
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolar
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptx
 
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdfAnna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
Anna Llenas Serra. El monstruo de colores. Doctor de emociones.pdf
 
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdfConcurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
 
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdfTema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
Tema 5.- BASES DE DATOS Y GESTIÓN DE LA INF. PARA EL MARKETING.pdf
 
Adoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAdoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendiciones
 
Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...Sesión de clase ES: Adoración sin fin...
Sesión de clase ES: Adoración sin fin...
 
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCERO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCEROCIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCERO
CIENCIAS SOCIALES SEGUNDO TRIMESTRE TERCERO
 
VISITA DE ESTUDO À CRUZ VERMELHA _
VISITA DE ESTUDO À CRUZ VERMELHA                   _VISITA DE ESTUDO À CRUZ VERMELHA                   _
VISITA DE ESTUDO À CRUZ VERMELHA _
 
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didácticaLa poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
La poesía del encarcelamiento de Raúl Zurita en el aula: una propuesta didáctica
 
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
 
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptxTECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
TECNOLOGÍA EDUCATIVA, USO DE LAS TIC.pptx
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercero
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er grado
 
Conducta ética en investigación científica.pdf
Conducta ética en investigación científica.pdfConducta ética en investigación científica.pdf
Conducta ética en investigación científica.pdf
 
ficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primariaficha de aplicacion para estudiantes El agua para niños de primaria
ficha de aplicacion para estudiantes El agua para niños de primaria
 
Tema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdfTema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdf
 
CARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacionCARPETA PEDAGÓGICA 2024.docx para educacion
CARPETA PEDAGÓGICA 2024.docx para educacion
 
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdfGUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
GUÍA SIANET - Agenda - Tareas - Archivos - Participaciones - Notas.pdf
 

TEORIA DEL MUESTREO Y LA PREVALENCIA

  • 1. TEORIA BASICA DEL MUESTREO 1. Introducción al muestreo. a. Concepto Es la actividad por la cual se toman ciertas muestras de una población de elementos de los cuales vamos a tomar ciertos criterios de decisión, el muestreo es importante porque a través de él podemos hacer análisis de situaciones de una empresa o de algún campo de la sociedad. b. Terminología básica Los nuevos términos, los cuales son frecuentemente usados en inferencia estadística son: Estadístico: Un estadístico es una medida usada para describir alguna característica de una muestra , tal como una media aritmética, una mediana o una desviación estándar de una muestra. Parámetro: Una parámetro es una medida usada para describir alguna característica de una población, tal como una media aritmética, una mediana o una desviación estándar de una población. Cuando los dos nuevos términos de arriba son usados, por ejemplo, el proceso de estimación en inferencia estadística puede ser descrito como le proceso de estimar un parámetro a partir del estadístico correspondiente, tal como usar una media muestral (un estadístico para estimar la media de la población (un parámetro). 1
  • 2. Los símbolos usados para representar los estadísticos y los parámetros, en éste y los siguientes capítulos, son resumidos en la tabla siguiente: Tabla 1 Símbolos para estadísticos y parámetros correspondientes Medida Símbolo para el estadístico Símbolo para el parámetro (muestra) (Población) Media X µ Desviación estándar s Número de elementos n N Proporción p P Distribución en el muestreo: Cuando el tamaño de la muestra (n) es más pequeño que el tamaño de la población (N), dos o más muestras pueden ser extraídas de la misma población. Un cierto estadístico puede ser calculado para cada una de las muestras posibles extraídas de la población. Una distribución del estadístico obtenida de las muestras es llamada la distribución en el muestreo del estadístico. Por ejemplo, si la muestra es de tamaño 2 y la población de tamaño 3 (elementos A, B, C), es posible extraer 3 muestras ( AB, BC Y AC) de la población. Podemos calcular la media para cada muestra. Por lo tanto, tenemos 3 medias muéstrales para las 3 muestras. Las 3 medias muéstrales forman una distribución. La distribución de las medias es llamada la distribución de las medias muéstrales, o la distribución en el muestreo de la media. De la misma manera, la distribución de las proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo tamaño, extraídas de una población, es llamada la distribución en el muestreo de la proporción. 2
  • 3. Error Estándar: La desviación estándar de una distribución, en el muestreo de un estadístico, es frecuentemente llamada el error estándar del estadístico. Por ejemplo, la desviación estándar de las medias de todas la muestras posibles del mismo tamaño, extraídas de una población, es llamada el error estándar de la media. De la misma manera, la desviación estándar de las proporciones de todas las muestras posibles del mismo tamaño, extraídas de una población, es llamada el error estándar de la proporción. La diferencia entre los términos “desviación estándar” y “error de estándar” es que la primera se refiere a los valores originales, mientras que la última está relacionada con valores calculados. Un estadístico es un valor calculado, obtenido con los elementos incluidos en una muestra. Error muestral o error de muestreo La diferencia entre el resultado obtenido de una muestra (un estadístico) y el resultado el cual deberíamos haber obtenido de la población (el parámetro correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la población, sino que se toma una muestra para estimar las características de la población. El error muestral es medido por el error estadístico, en términos de probabilidad, bajo la curva normal. El resultado de la media indica la precisión de la estimación de la población basada en el estudio de la muestra. Mientras más pequeño el error muestral, mayor es la precisión de la estimación. Deberá hacerse notar que los errores cometidos en una encuesta por muestreo, tales como respuestas inconsistentes, incompletas o no determinadas, no son considerados como errores muéstrales. Los errores no muéstrales pueden también ocurrir en una encuesta completa de la población. 3
  • 4. 2. Métodos de selección de muestras. Una muestra debe ser representativa si va a ser usada para estimar las características de la población. Los métodos para seleccionar una muestra representativa son numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza de los elementos individuales de la población. Por lo tanto, se requiere un gran volumen para incluir todos los tipos de métodos de muestreo. Los métodos de selección de muestras pueden ser clasificados de acuerdo a: 1. El número de muestras tomadas de una población dada para un estudio y 2. La manera usada en seleccionar los elementos incluidos en la muestra. Los métodos de muestreo basados en los dos tipos de clasificaciones son expuestos en seguida. Métodos de muestreo clasificados de acuerdo con el número de muestras tomadas de una población. Bajo esta clasificación, hay tres tipos comunes de métodos de muestreo. Estos son, muestreo simple, doble y múltiple. Muestreo simple Este tipo de muestreo toma solamente una muestra de una población dada para el propósito de inferencia estadística. Puesto que solamente una muestra es tomada, el tamaño de muestra debe ser lo suficientemente grande para extraer una conclusión. Una muestra grande muchas veces cuesta demasiado dinero y tiempo. 4
  • 5. Muestreo doble Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extraída de la misma población. Las dos muestras son combinadas para analizar los resultados. Este método permite a una persona principiar con una muestra relativamente pequeña para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse. Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, será requerirá la segunda muestra. Un plan típico de muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el Departamento de Defensa y también usado por muchas industrias privadas. Al probar la calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el número de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es aceptado; si el número de defectos es 9 o más, el lote es considerado pobre y es rechazado; si el número está entre 5 y 9, no puede llegarse a una decisión y una segunda muestra de 80 unidades es extraída del lote. Si el número de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado si el número combinado es 13 o más, el lote es rechazado. 5
  • 6. Muestreo múltiple El procedimiento bajo este método es similar al expuesto en el muestreo doble, excepto que el número de muestras sucesivas requerido para llegar a una decisión es más de dos muestras. Métodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes: a. Basados en el juicio de una persona. b. Selección aleatoria (al azar) Muestreo de juicio Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un experto en la medida dada. Una muestra de juicio es llamada una muestra probabilística, puesto que este método está basado en los puntos de vista subjetivos de una persona y la teoría de la probabilidad no puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo. 6
  • 7. Muestreo Aleatorio Una muestra se dice que es extraída al azar cuando la manera de selección es tal, que cada elemento de la población tiene igual oportunidad de ser seleccionado. Una muestra aleatoria es también llamada una muestra probabilística son generalmente preferidas por los estadísticos porque la selección de las muestras es objetiva y el error muestral puede ser medido en términos de probabilidad bajo la curva normal. Los tipos comunes de muestreo aleatorio son el muestreo aleatorio simple, muestreo sistemático, muestreo estratificado y muestreo de conglomerados. A. Muestreo aleatorio simple Una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamaño tiene igual probabilidad de ser seleccionada de la población. Para obtener una muestra aleatoria simple, cada elemento en la población tenga la misma probabilidad de ser seleccionado, el plan de muestreo puede no conducir a una muestra aleatoria simple. Por conveniencia, este método pude ser reemplazado por una tabla de números aleatorios. Cuando una población es infinita, es obvio que la tarea de numerar cada elemento de la población es infinita, es obvio que la tarea de numerar cada elemento de la población es imposible. 7
  • 8. Por lo tanto, ciertas modificaciones del muestreo aleatorio simple son necesarias. Los tipos más comunes de muestreo aleatorio modificado son sistemático, estratificado y de conglomerados. B. Muestreo sistemático. Una muestra sistemática es obtenida cuando los elementos son seleccionados en una manera ordenada. La manera de la selección depende del número de elementos incluidos en la población y el tamaño de la muestra. El número de elementos en la población es, primero, dividido por el número deseado en la muestra. El cociente indicará si cada décimo, cada onceavo, o cada centésimo elemento en la población va a ser seleccionado. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemática puede dar la misma precisión de estimación acerca de la población, que una muestra aleatoria simple cuando los elementos en la población están ordenados al azar. C. Muestreo Estratificado Para obtener una muestra aleatoria estratificada, primero se divide la población en grupos, llamados estratos, que son más homogéneos que la población como un todo. Los elementos de la muestra son entonces seleccionados al azar o por un método sistemático de cada estrato. Las estimaciones de la población, basadas en la muestra estratificada, usualmente tienen mayor precisión (o menor error muestral) que si la población entera muestreada mediante muestreo aleatorio simple. El número de elementos seleccionado de cada estrato puede ser proporcional o desproporcional al tamaño del estrato en relación con la población. 8
  • 9. D. Muestreo de conglomerados. Para obtener una muestra de conglomerados, primero dividir la población en grupos que son convenientes para el muestreo. En seguida, seleccionar una porción de los grupos al azar o por un método sistemático. Finalmente, tomar todos los elementos o parte de ellos al azar o por un método sistemático de los grupos seleccionados para obtener una muestra. Bajo este método, aunque no todos los grupos son muestreados, cada grupo tiene una igual probabilidad de ser seleccionado. Por lo tanto la muestra es aleatoria. Una muestra de conglomerados, usualmente produce un mayor error muestral (por lo tanto, da menor precisión de las estimaciones acerca de la población) que una muestra aleatoria simple del mismo tamaño. Los elementos individuales dentro de cada “conglomerado” tienden usualmente a ser iguales. Por ejemplo la gente rica puede vivir en el mismo barrio, mientras que la gente pobre puede vivir en otra área. No todas las áreas son muestreadas en un muestreo de áreas. La variación entre los elementos obtenidos de las áreas seleccionadas es, por lo tanto, frecuentemente mayor que la obtenida si la población entera es muestreada mediante muestreo aleatorio simple. Esta debilidad puede reducida cuando se incrementa el tamaño de la muestra de área. El incremento del tamaño de la muestra puede fácilmente ser hecho en muestra de área. Los entrevistadores no tienen que caminar demasiado lejos en una pequeña área para entrevistar más familias. Por lo tanto, una muestra grande de área puede ser obtenida dentro de un corto período de tiempo y a bajo costo. 9
  • 10. Por otra parte, una muestra de conglomerados puede producir la misma precisión en la estimación que una muestra aleatoria simple, si la variación de los elementos individuales dentro de cada conglomerado es tan grande como la de la población. 10
  • 11. ¿Qué es la prevalencia de una enfermedad? La prevalencia de una enfermedad es el número total personas que presentan síntomas o padecen una enfermedad durante un periodo de tiempo, dividido por la población con posibilidad de llegar a padecer dicha enfermedad. Proporciona una estimación del riesgo o probabilidad de que un individuo de esta población pueda llegar a padecer la enfermedad referida. Por ejemplo, la prevalencia de la Gripe A en España en el año 2009 es la proporción de individuos de este país que en el año 2009 han padecido esta enfermedad. Así pues, la prevalencia es una proporción que se calcula con la fórmula: P = Nº de afectados / Nº total de personas que pueden llegar a padecer la enfermedad La prevalencia es un concepto estadístico usado en epidemiología, sobre todo para planificar la política sanitaria de un país, una comunidad, etc. Es un indicador estático, ya que se refiere a un periodo de tiempo concreto. 11
  • 12. Prevalencia En Epidemiología se denomina prevalencia a la proporción de individuos de un grupo o una población que presentan una característica o evento determinado en un momento o en un período determinado ("prevalencia de periodo"). La prevalencia de una enfermedad es el número total de los individuos que presentan un atributo o enfermedad en un momento o durante un periodo dividido por la población en riesgo de tener el atributo o la enfermedad en ese punto en el tiempo o en la mitad del periodo. Cuantifica la proporción de personas en una población que tienen una enfermedad (o cualquier otro suceso) en un determinado momento y proporciona una estimación de la probabilidad (riesgo) de que un sujeto de esa población tenga la enfermedad en ese momento. Es un parámetro útil porque permite describir un fenómeno de salud, identificar la frecuencia poblacional del mismo y generar hipótesis explicatorias. La utilizan normalmente los epidemiólogos, las personas encargadas de la política sanitaria, las agencias de seguros y en diferentes ámbitos de la salud pública. 12
  • 13. Características de la prevalencia 1. Es una proporción. Por lo tanto, no tiene dimensiones y su valor oscila entre 0 y 1, aunque a veces se expresa como porcentaje. 2. Es un indicador estático, que se refiere a un momento temporal. 3. La prevalencia indica el peso o la abundancia del evento que soporta una población susceptible, teniendo su mayor utilidad en los estudios de planificación de servicios sanitarios. 4. En la prevalencia influye la velocidad de aparición del evento y su duración. Por ello es poco útil en la investigación causal y de medidas terapéuticas. 5. La prevalencia no debe confundirse con la incidencia. La incidencia es una medida del número de casos nuevos de una enfermedad en un período determinado. La prevalencia se refiere a todos los individuos afectados, independientemente de la fecha de contracción de la enfermedad. Una enfermedad de larga duración que se extiende ampliamente en una comunidad en 2002 tendrá una alta prevalencia en 2003 (asumiendo como duración larga un año o más), pero puede tener, sin embargo, una tasa de incidencia baja en 2003. Por el contrario, una enfermedad que se transmite fácilmente pero de duración corta, puede tener una baja prevalencia y una alta incidencia. 13
  • 14. 6. La prevalencia es un parámetro útil cuando se trata de infecciones de larga duración, como por ejemplo el SIDA, pero la incidencia es más útil cuando se trata de infecciones de corta duración, como por ejemplo la varicela. La epidemiología tiene entre uno de sus objetivos primordiales el estudio de la distribución y los determinantes de las diferentes enfermedades. La cuantificación y la medida de la enfermedad o de otras variables de interés son elementos fundamentales para formular y testar hipótesis, así como para permitir comparar las frecuencias de enfermedad entre diferentes poblaciones o entre personas con o sin una exposición o característica dentro de una población determinada. La medida más elemental de frecuencia de una enfermedad, o de cualquier otro evento en general, es el número de personas que la padecen o lo presentan (por ejemplo, el número de pacientes con hipertensión arterial, el número de fallecidos por accidentes de tráfico o el número de pacientes con algún tipo de cáncer en los que se ha registrado una recidiva). 14
  • 15. Sin embargo, dicha medida por sí sola carece de utilidad para determinar la importancia de un problema de salud determinado, pues debe referirse siempre al tamaño de la población de donde provienen los casos y al periodo de tiempo en el cual estos fueron identificados. Para este propósito, en epidemiología suele trabajarse con diferentes tipos de fracciones que permiten cuantificar correctamente el impacto de una determinada enfermedad: Proporción: es un cociente en el que el numerador está incluido en el denominador. Por ejemplo, si en una población de 25.000 habitantes se diagnostican 1.500 pacientes con diabetes, la proporción de diabetes en esa población es de 1.500/25.000 = 0.06 (6%). El valor de una proporción puede variar así de 0 a 1, y suele expresarse como un porcentaje. Razón: En este cociente el numerador no forma parte del denominador. En el ejemplo anterior, la razón entre la población con diabetes y la población no diabética es de 1.500/23.500 = 3/47 =0,064. Cuando, como en el caso del ejemplo, la razón se calcula entre la probabilidad de que ocurra un evento y la probabilidad de que éste no ocurra, la razón recibe también el nombre de odds. En el ejemplo, la odds de diabetes es de 0,06, es decir, en el área de estudio por cada 1/0,064 = 16,7 pacientes no diabéticos hay 1 que sí lo es. El valor de una odds puede ir de 0 a infinito. El valor 0 corresponde al caso en que la enfermedad nunca ocurre, mientras que el valor infinito correspondería teóricamente a una enfermedad que esté siempre presente. 15
  • 16. En realidad, una proporción y una odds miden el mismo evento pero en escalas diferentes, y pueden relacionarse mediante las fórmulas siguientes: Tasa: El concepto de tasa es similar al de una proporción, con la diferencia de que las tasas llevan incorporado el concepto de tiempo. El numerador lo constituye la frecuencia absoluta de casos del problema a estudiar. A su vez, el denominador está constituido por la suma de los períodos individuales de riesgo a los que han estado expuestos los sujetos susceptibles de la población a estudio. De su cálculo se desprende la velocidad con que se produce el cambio de una situación clínica a otra. En epidemiología, las medidas de frecuencia de enfermedad más comúnmente utilizadas se engloban en dos categorías1-6: Prevalencia e Incidencia. 16
  • 17. Prevalencia La prevalencia 7 (P) cuantifica la proporción de individuos de una población que padecen una enfermedad en un momento o periodo de tiempo determinado. Su cálculo se estima mediante la expresión: Para ilustrar su cálculo, consideremos el siguiente ejemplo: en una muestra de 270 habitantes aleatoriamente seleccionada de una población de 65 y más años se objetivó que 111 presentaban obesidad (IMC³30). En este caso, la prevalencia de obesidad en ese grupo de edad y en esa población sería de: Como todas las proporciones, la prevalencia no tiene dimensión y nunca toma valores menores de 0 ó mayores de 1, siendo frecuente expresarla en términos de porcentaje, en tanto por ciento, tanto por mil,... en función de la “rareza” de la enfermedad estudiada. La prevalencia de un problema de salud en una comunidad determinada suele estimarse a partir de estudios transversales para determinar su importancia en un momento concreto, y no con fines predictivos. Además, es evidente que el cálculo de la prevalencia será especialmente apropiado para la medición de procesos de carácter prolongado, pero no tendrá mucho sentido para valorar la importancia de otros fenómenos de carácter más momentáneo (accidentes de tráfico, apendicitis, infarto de miocardio,...). 17
  • 18. Otra medida de prevalencia utilizada en epidemiología, aunque no con tanta frecuencia, es la llamada prevalencia de periodo, calculada como la proporción de personas que han presentado la enfermedad en algún momento a lo largo de un periodo de tiempo determinado (por ejemplo, la prevalencia de cáncer en España en los últimos 5 años). El principal problema que plantea el cálculo de este índice es que la población total a la que se refiere puede haber cambiado durante el periodo de estudio. Normalmente, la población que se toma como denominador corresponde al punto medio del periodo considerado. Un caso especial de esta prevalencia de periodo, pero que presenta importantes dificultades para su cálculo, es la llamada prevalencia de vida, que trata de estimar la probabilidad de que un individuo desarrolle una enfermedad en algún momento a lo largo de su existencia. 18
  • 19. Incidencia La incidencia 8 se define como el número de casos nuevos de una enfermedad que se desarrollan en una población durante un período de tiempo determinado. Hay dos tipos de medidas de incidencia: la incidencia acumulada y la tasa de incidencia, también denominada densidad de incidencia. La incidencia acumulada ( IA) es la proporción de individuos sanos que desarrollan la enfermedad a lo largo de un período de tiempo concreto. Se calcula según: La incidencia acumulada proporciona una estimación de la probabilidad o el riesgo de que un individuo libre de una determinada enfermedad la desarrolle durante un período especificado de tiempo. Como cualquier proporción, suele venir dada en términos de porcentaje. Además, al no ser una tasa, es imprescindible que se acompañe del periodo de observación para poder ser interpretada. Por ejemplo: Durante un período de 6 años se siguió a 431 varones entre 40 y 59 años sanos, con colesterol sérico normal y tensión arterial normal, para detectar la presencia de cardiopatía isquémica, registrándose al final del período l0 casos de cardiopatía isquémica. La incidencia acumulada en este caso sería: en seis años 19
  • 20. La incidencia acumulada asume que la población entera a riesgo al principio del estudio ha sido seguida durante todo un período de tiempo determinado para observar si se desarrollaba la enfermedad objeto del estudio. Sin embargo, en la realidad lo que sucede es que: a. Las personas objeto de la investigación entran en el estudio en diferentes momentos en el tiempo. b. El seguimiento de dichos sujetos objeto de la investigación no es uniforme ya que de algunos no se obtiene toda la información. c. Por otra parte, algunos pacientes abandonan el estudio y sólo proporcionan un seguimiento limitado a un período corto de tiempo. Para poder tener en consideración estas variaciones de seguimiento existentes en el tiempo, una primera aproximación sería limitar el cálculo de la incidencia acumulada al período de tiempo durante el cual la población entera proporcionase información. Esto de todos modos haría que perdiésemos información adicional del seguimiento disponible en alguna de las personas incluidas. La estimación más precisa es la que utiliza toda la información disponible es la denominada tasa de incidencia o densidad de incidencia (DI). Se calcula como el cociente entre el número de casos nuevos de una enfermedad ocurridos durante el periodo de seguimiento y la suma de todos los tiempos individuales de observación: 20
  • 21. El total de personas-tiempo de observación (suma de los tiempos individuales de observación) es la suma de los períodos de tiempo en riesgo de contraer la enfermedad correspondiente a cada uno de los individuos de la población. La suma de los períodos de tiempo del denominador se mide preferentemente en años y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo objeto de estudio es el tiempo durante el cual permanece en la población de estudio y se encuentra libre de la enfermedad, y por lo tanto en riesgo de contraerla. La densidad de incidencia no es por lo tanto una proporción, sino una tasa, ya que el denominador incorpora la dimensión tiempo. Su valor no puede ser inferior a cero pero no tiene límite superior. Para ilustrar su cálculo consideremos el siguiente ejemplo: En un estudio de seguimiento durante 20 años de tratamiento hormonal en 8 mujeres postmenopáusicas se observó que se presentaron 3 casos de enfermedad coronaria. Con estos datos, la incidencia acumulada sería de un 3/8 = 0,375 Þ37,5% durante los 20 años de seguimiento. Sin embargo, tal y como se muestra en la Figura 1, el tiempo de seguimiento no es el mismo para todas las pacientes. Mientras que, por ejemplo, la paciente A ha sido observada durante todo el periodo, la paciente D ha comenzado el tratamiento más tarde, una vez comenzada la investigación, y ha sido seguida sólo durante 15 años. En otros casos, como la paciente C, han abandonado el tratamiento antes de finalizar el estudio sin presentar ninguna afección coronaria. En total se obtienen 84 personas-año de observación. La tasa de incidencia resultó por tanto ser igual a: personas por año Esto es, la densidad de incidencia de enfermedad coronaria en esa población es de 3,6 nuevos casos por cada 100 personas-año de seguimiento. 21
  • 22. La elección de una de las medidas de incidencia (incidencia acumulada o densidad de incidencia) dependerá, además del objetivo que se persiga, de las características de la enfermedad que se pretende estudiar. Así, la incidencia acumulada se utilizará generalmente cuando la enfermedad tenga un periodo de latencia corto, recurriéndose a la densidad de incidencia en el caso de enfermedades crónicas y con un periodo de latencia mayor. En cualquier caso, debe tenerse en cuenta que la utilización de la densidad de incidencia como medida de frecuencia de una enfermedad está sujeta a las siguientes condiciones: a. El riesgo de contraer la enfermedad es constante durante todo el periodo de seguimiento. Si esto no se cumple y, por ejemplo, se estudia una enfermedad con un periodo de incubación muy largo, el periodo de observación debe dividirse en varios subperiodos. b. La tasa de incidencia entre los casos que completan o no el seguimiento es similar. En caso contrario se obtendría un resultado sesgado. c. El denominador es adecuado a la historia de la enfermedad. Además, en el cálculo de cualquier medida de incidencia han de tenerse en consideración otros aspectos. En primer lugar, no deben incluirse en el denominador casos prevalentes o sujetos que no estén en condiciones de padecer la enfermedad a estudio. El denominador sólo debe incluir a aquellas personas en riesgo de contraer la enfermedad (por ejemplo, la incidencia de cáncer de próstata deberá calcularse en relación a la población masculina en una comunidad y no sobre la población total), aunque también es cierto que en problemas poco frecuentes la inclusión de casos prevalentes no cambiará mucho el resultado. En segundo lugar, además, es importante aclarar, cuando la enfermedad pueda ser recurrente, si el numerador se refiere a casos nuevos o a episodios de una misma patología. 22
  • 23. Relación entre incidencia y prevalencia Prevalencia e incidencia son conceptos a su vez muy relacionados. La prevalencia depende de la incidencia y de la duración de la enfermedad. Si la incidencia de una enfermedad es baja pero los afectados tienen la enfermedad durante un largo período de tiempo, la proporción de la población que tenga la enfermedad en un momento dado puede ser alta en relación con su incidencia. Inversamente, si la incidencia es alta y la duración es corta, ya sea porque se recuperan pronto o fallecen, la prevalencia puede ser baja en relación a la incidencia de dicha patología. Por lo tanto, los cambios de prevalencia de un momento a otro pueden ser resultado de cambios en la incidencia, cambios en la duración de la enfermedad o ambos. Esta relación entre incidencia y prevalencia puede expresarse matemáticamente de un modo bastante sencillo 4,7,9. Si se asume que las circunstancias de la población son estables, entendiendo por estable que la incidencia de la enfermedad haya permanecido constante a lo largo del tiempo, así como su duración, entonces la prevalencia tampoco variará. Así, si el número de casos prevalentes no cambia, el número de casos nuevos de la enfermedad ha de compensar a aquellos individuos que dejan de padecerla: Nº de casos nuevos de la enfermedad = Nº de casos que se curan o fallecen (1) 23
  • 24. Si se denota por N al total de la población y E al número de enfermos en la misma, N-E será el total de sujetos sanos en esa población. Durante un periodo de tiempo t, el número de gente que contrae la enfermedad viene dado entonces por: (2) donde DI denota a la densidad de incidencia. Por otro lado, el número de enfermos que se curan o fallecen en ese periodo puede calcularse como (3) donde D es la duración media de la enfermedad objeto de estudio. Combinando (2) y (3) en (1) se obtiene que: (4) El cociente E/N-E es el cociente entre los individuos enfermos y los no enfermos, o equivalentemente, entre la prevalencia y su complementario, P/1-P (lo que habíamos denominado odds), de modo que la expresión (4) puede escribirse equivalentemente como: (5) 24
  • 25. En el caso además en el que la prevalencia de la enfermedad en la población sea baja, la cantidad 1 - P es aproximadamente igual a 1 y la expresión (5) quedaría finalmente: (6) Es decir, si se asume que las circunstancias de la población son estables y la enfermedad es poco frecuente, la prevalencia es proporcional al producto de la densidad de incidencia (DI) y el promedio de duración de la enfermedad (D). De las consideraciones anteriores se deduce que la prevalencia carece de utilidad para confirmar hipótesis etiológicas, por lo que resulta más adecuado trabajar con casos incidentes. Los estudios de prevalencia pueden obtener asociaciones que reflejen los determinantes de la supervivencia y no las causas de la misma, conduciendo a conclusiones erróneas. No obstante, su relación con la incidencia permite que en ocasiones pueda utilizarse como una buena aproximación del riesgo para evaluar la asociación entre las causas y la enfermedad. También es cierto que en otras aplicaciones distintas a la investigación etiológica, como en la planificación de recursos o las prestaciones sanitarias, la prevalencia puede ser una mejor medida que la incidencia ya que nos permite conocer la magnitud global del problema. 25
  • 26. FUENTES BIBLIOGRAFICAS 1. Kark SL. Epidemiology and community medicine. Nueva York: Appleton- Century-Crofts; 1975. p.19-21. 2. Kleimbaum D, Kupper I, Morgenstern H. Epidemiologic Research. Belmont: Lifetime Learning Publications; 1982. 3. Mausner J, Kramer S. Epidemiology: an introductory text. 2ª ed. Filadelfia: WB Saunders Company; 1985. 4. Rothman KJ. Modern Epidemiology. Boston: Little, Brown & Co; 1986. 5. Colimón KM. Fundamentos de epidemiología. 2ª ed. Madrid: Díaz de Santos; 1990. 6. Argimón Pallás JM, Jiménez Villa J. Métodos de Investigación Clínica y Epidemiológica. 2ª ed. Madrid: Harcourt; 2000. 7. Tapia Granados JA. Medidas de prevalencia y relación incidencia- prevalencia. Med Clin (Barc) 1995; 105: 216-218. [Medline] 8. Tapia Granados JA. Incidencia: concepto, terminología y análisis dimensional. Med Clin (Barc) 1994; 103: 140-142. [Medline] 9. Freeman J, Hutchinson GB. Prevalence, incidente and duration. Am J Epidemiol 1980; 112: 707-723. [Medline] FUENTES BIBLIOGRAFICAS EN INTERNET: 1. http://www.fisterra.com/mbe/investiga/medidas_frecuencia/med_frec.asp, consultado el día 3 de Agosto de 2009. 2. http://www.monografias.com/trabajos11/tebas/tebas.shtml, consultada el día 12 Noviembre de 2009. 3. http://www.enciclopediasalud.com/categorias/otros-temas/articulos/que-es- la-prevalencia-de-una-enfermedad/ consultado el día 03 agosto 2009. 4. http://es.wikipedia.org/wiki/Prevalencia, consultada el día 03 de Agosto de 2009. 26