By Noticias

Epidemiología. Como entender los protocolos de Salud

EpidemiologíaIntroducción a la Epidemiología 

El estudio de los problemas de salud y enfermedad se lo hace desde la clínica con un enfoque individual: es el paciente el sujeto de estudio. Sin embargo, el conocimiento de la clínica proviene tanto de investigaciones realizadas en ese nivel individual como de estudios colectivos sobre la salud y la enfermedad. Este último es el enfoque epidemiológico. En la definición de Mac Mahon, B. (epidemiólogo norteamericano contemporáneo): “Epidemiología es el estudio de la distribución de las enfermedades y de sus determinantes en la población”. Siendo “distribución” una categoría de “población” y “determinantes” de “enfermedad”; en realidad, la definición podría sintetizarse como el estudio de la enfermedad en la población. Y de esto trata esta ciencia que se interrelaciona estrechamente con la clínica: aquélla se nutre de los conocimientos que le aportan la observación y la experimentación en ´ grupos de personas ´ y la epidemiología dirige su investigación en el sentido que la clínica lo requiere. Además de la clínica, la epidemiología depende del conocimiento de otras disciplinas: las ciencia sociales, ambientales, estadística, etc. 

Las aplicaciones de la epidemiología son múltiples: en el diagnóstico de situación de salud de la población, en el estudio de la causalidad (incluyendo, y muy especialmente, el de factores de riesgo), en la evaluación de procedimientos terapéuticos, en el estudio de la historia natural y social de la enfermedad, en la evaluación de los servicios de salud y calidad de la atención médica, como guía para la lectura crítica de trabajos científicos; etc. 

El Método Epidemiológico 

Puede considerarse al método epidemiológico un ´ caso especial ´ del método científico. Por lo tanto, le caben las consideraciones conceptuales e instrumentales de aquél. Como aplicación especial, dispone de herramientas propias y técnicas adecuadas a su objeto de estudio.

Como en todo método, se distinguen en el epidemiológico tres elementos constitutivos:

1) un tipo de raciocinio;

2) una estrategia de intervención y

3) una técnica de análisis. 

El raciocinio epidemiológico tiene como ejes directrices a la causalidad y a la inferencia inductivista. Si con algo se ha identificado al método es, precisamente, con la investigación de las causas de las enfermedades. Por influencia de la clínica (aunque, mucho antes, de la filosofía misma) este concepto de causa ha estado ligado a la causa etiológica; y, desde fines del s. XIX, con el descubrimiento de la vida microbiana y el paradigma de la “teoría del germen”, a la monocausalidad y a los “microbios”. El mayor conocimiento y el avance de las enfermedades no infecciosas de comienzos del s. XX hicieron insuficiente la “etiología” y la “causa única” para dar cuenta de la ocurrencia de las enfermedades; advirtiéndose que otros factores eran necesarios para ello. Así, por ejemplo, el bacilo de Koch (agente etiológico de la tuberculosis) requiere de otros condicionantes (contacto, hacinamiento, inmunodepresión, etc.) para desencadenar la entidad nosológica de referencia. Así, se viró del paradigma de la unicausalidad al de la multicausalidad; en el que la idea de causa está vinculada, además de la etiológica, a la multiplicidad de factores que preceden y condicionan la aparición de la enfermedad. A estos se los llaman factores de riesgo. Un factor de riesgo puede ser definido como una particularidad, una característica o una condición de las unidades del estudio asociada a una mayor probabilidad de ocurrencia de un daño a la salud (enfermedad o muerte). Al considerar, ahora, la existencia de múltiples causas y de su variabilidad entre diferentes grupos poblacionales, surge la necesidad de mesurar cuidadosamente la presencia de esos factores de riesgo y de los respectivos daños a ellos vinculados, con la finalidad de definir la mayor o menor probabilidad de enfermar o morir (riesgo) según la intensidad de la presencia de esos factores. Aquí la estadística (ciencia de la cuantificación) constituye el instrumento idóneo para la valoración; aportando, asimismo, técnicas útiles para la generalización. Esto último es necesario toda vez que los estudios epidemiológicos se efectúan sobre muestras y por el interés en concluir (a partir de aquellas) sobre la población (universo) en estudio. Esto es un proceso de inferencia inductivista (va desde lo particular a lo general). 

A fin de aproximarse a su objeto de estudio (la enfermedad en la población) la epidemiología recurre a estrategias de investigación que, actuando sobre el colectivo, tratan de “explicar” su causalidad a partir de la asociación entre fenómenos (factores de riesgo y daño). Según el nivel de esa explicación, se distinguen estudios descriptivos y estudios analíticos. Dentro de los primeros, se tiene a los estudios ecológicos; caracterizados por la descripción de frecuencias de la enfermedad y de características poblacionales (potenciales factores de riesgo) referidos al nivel grupal. Suelen ser los primeros estudios, de aproximación, sobre causalidad. Suelen ser más rápidos y, por lo tanto, simples y baratos, porque recurren a estadísticas disponibles. Su desventaja reside en que identifican la coexistencia de la característica y del daño en cada individuo, sino que hacen referencia a proporciones de la población que los poseen. Por ejemplo, podría encontrarse relación entre niveles de instrucción alcanzado y actividad delictiva de la población. Sería una conclusión errónea el afirmar que “la educación favorece la delincuencia”. Asociar, así, ambos (característica y daño) a partir de relaciones encontrados en indicadores grupales (y no en los individuos) es un error al que se denomina “falacia ecológica”. Los estudios transversales (a veces, de prevalencia) miden la presencia simultánea de la característica (posible factor de riesgo) y el daño en cada unidad estudiada (individuo, familia, etc.). Aventajan a los anteriores en la posibilidad que tienen de asociar el factor y la enfermedad en el nivel individual. Los estudios descriptos tienen la limitante de no poder constatar si existió precedencia del factor (antecedente de importancia para la definición de causalidad). Serán de prevalencia solo si el estudio se ha efectuado sobre una muestra representativa de la población. 

Si bien los estudios descriptivos no son suficientes para asignar causalidad a una relación factor/daño, son importantes para verificar esa relación; es decir, presumir la existencia de una asociación estadística. Se denomina asociación estadística a la relación observada entre una característica y un daño en el sentido de la variación simultánea (de sus respectivas frecuencias). Por ejemplo se suele encontrar asociación entre: intervalo genésico y peso al nacer; período de incubación del tétanos y su letalidad; iniciación sexual y acné juvenil. La característica y el daño pueden variar en el mismo sentido (a mayor frecuencia de uno mayor frecuencia del otro, como es el caso del último ejemplo) y a esto se lo llama asociación directa; o en sentido opuesto (a mayor frecuencia de uno menor frecuencia del otro, como son los dos primeros ejemplos) y a esto se lo llama asociación inversa. En estas relaciones hay asociación estadística (puramente cuantitativa); pero esto no implica que haya allí relaciones de causalidad. No podría decirse, por ejemplo, que la iniciación sexual es causante del acné o viceversa; por más que se observe, con alta frecuencia, que ambos fenómenos ocurren con cierta simultaneidad. Para asignar causalidad a una asociación estadística es necesario recurrir a otros criterios. R. Koch estableció los siguientes postulados para considerar a un agente como causal: 1) se debe poder aislar siempre del enfermo (noción actual de causa necesaria); 2) su sola presencia debe poder desencadenar la enfermedad (noción de causa suficiente) y 3) si un agente es capaz de desencadenar una enfermedad no debe serlo de otra (noción de causa específica). Estos principios, formulados bajo la fuerte influencia de los descubrimientos microbianos, no son aplicables en la actualidad. Más modernamente, B. Austin Hill (Inglaterra, 1965) definió los siguientes criterios para pensar en causalidad existiendo una asociación estadística:

1) asociación estadística fuerte,

2) secuencia temporal (la causa debe anteceder al efecto),

3) relación dosis – respuesta,

4) consistencia de los hallazgos en diferentes estudios,

5) especificidad de la asociación,

6) coherencia de los resultados con teorías preexistentes,

7) plausibilidad biológica,

8) evidencia experimental y

9) analogía (con otras situaciones y/o asociaciones).

En la medida en la que un estudio pueda satisfacer mayor número de estos criterios, mayor será la validez de la conclusión de causalidad. La satisfacción de estos criterios (no necesariamente de todos) permitirán hablar de una asociación causal cuando se ha observado, previamente, una asociación estadística. Obsérvese que solamente dos de estos criterios (la asociación fuerte y la relación dosis-respuesta) se valora estadísticamente; el resto es aplicación de lógica del razonamiento y de conocimiento específica del tema en cuestión. 

Los estudios descriptivos suelen brindar una primera información (a veces, difusa) sobre asociaciones estadísticas. Los estudios analíticos posibilitan reunir más criterios para evaluar la posible causalidad en la relación. Se usan estudios de casos y controles (o casos y testigos), de cohortes y experimentales. En todos ellos una característica es la del “control” en el sentido de que debe existir un grupo distinto al de estudio por no poseer la característica que lo definió (antecesora –posible causa- o efecto –problema de salud en estudio-). En los de casos y controles se define un grupo con el daño en estudio (enfermedad o muerte) y otro grupo sin ese daño y se indaga su vinculación en el pasado con el presunto factor de riesgo. Son estudios retrospectivos. Si se observa una relación diferente entre ambos grupos (los que poseen el daño están más asociados al factor que los que no lo poseen) y esa diferencia es ostensible se cumpliría el primero de los criterios de Hill: asociación fuerte. La intensidad de esta asociación se mide por medidas de riesgo (que se verán mas adelante). Estos estudios son rápidos y relativamente simples de efectuar; requieren menores recursos y son útiles cuando el fenómeno es de baja incidencia. Permiten, asimismo, evaluar varias características en la búsqueda de factores de riesgo. Entre sus desventajas se cuentan: suelen estar afectados por sesgos que pueden llegar a limitar su validez (sobretodo porque dependen de registros y/o de la declaración de personas); no se puede estimar incidencia en la población del fenómeno en estudio a partir de las asociaciones encontradas y no son aplicables cuando la exposición es de baja frecuencia en la población. En los estudios de cohorte se define un grupo de personas expuestas a un factor y otro grupo de no expuestos (o testigo) y se efectúa el seguimiento en el tiempo (prospectivo), determinándose la frecuencia de presentación de daño en cada grupo. Al igual que en el caso anterior, adquiere valor (como criterio de causalidad) la relación factor/daño diferente entre ambos grupos. Son de mayor validez que los anteriores porque, además de constatar la fuerza de la asociación (estadísticamente), pueden brindar información sobre la secuencia temporal (la antelación del factor respecto al daño es observable); satisfaciendo, así, otro de los criterios de causalidad (de Hill). Son útiles, además, cuando la población tiene una baja frecuencia de exposición (al factor en estudio). Permiten, asimismo, calcular la incidencia del daño en la población estudiada. Sus desventajas están vinculadas al largo tiempo que insumen, al mayor recurso necesario y a que suelen estar afectados por pérdidas de las unidades observadas (abandonos, muertes, etc.). Asimismo, se tornan de difícil ejecución cuando el daño esperado es de muy baja frecuencia. (Para que puedan ocurrir, al menos, unos pocos casos los grupos deben ser muy numerosos). En los experimentales (de mayor validez que los anteriores) el estudio es, también prospectivo; pero, a diferencia del anterior, en éstos el investigador “manipula” los factores en estudio. El clásico experimento de laboratorio es un buen ejemplo; aunque no se limitan a él este tipo de estudio. Se dice que un experimento es tal cuando cumple los siguientes requisitos: 1) el observador puede manejar la exposición (las variables antecesoras);
2) debe existir grupo control y 3) la asignación a cada uno de los grupo (estudio y testigo) debe hacerse al azar (randomizado). Cuando no cumple alguno de estos requisitos se habla de estudios cuasi-experimentales. La aleatoriedad en la asignación a los grupos persigue como finalidad el que los sujetos en experimentación no sepan cuál es su situación (y que esto pueda influir en los resultados). A esto se lo llama “a ciegas”; y, a fin de evitar la posible influencia del observador, se requiere que el también desconozca a qué grupo pertenece cada sujeto (doble ciego). Cuando es posible (y siempre buscando minimizar el error) se evita que el observador desconozca la interpretación del lo que está observando (triple ciego). En los estudios experimentales se agrega la ventaja de poder mesurar la relación dosis-efecto; cumpliendo otro de los criterios de B. A. Hill. A veces, es posible utilizar un solo grupo al que, alternativamente, se lo somete a períodos de intervención (tratamiento medicamentoso, por ejemplo) y a períodos de no intervención. Se los denomina estudios de antes-despues y, aunque su aplicación tiene restricciones (no deben existir efectos residuales de los tratamientos, por ejemplo), son convenientes por la mayor comparabilidad entre los grupos (en realidad es el mismo grupo el que actúa como “estudio” y como “testigo”). En otra variante, los de cohortes cruzados, se suelen alternar las roles del grupo de estudio y del grupo testigo (alternando las intervenciones en cada uno).
 

Los pasos, sintetizados, del proceso de investigación epidemiológica coinciden con los del método científico en general. Recuérdese que la característica principal es que se está estudiando poblaciones y, en ellas, enfermedades o problemas de salud. Si bien se suelen presentar variadas formas de esquematizar este proceso, en general todas coinciden en que deben incluirse: 

  1. CONCEPCIÓN DE LA IDEA.
  2. PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN.
  3. OBJETIVOS DE LA INVESTIGACIÓN.
  4. REVISIÓN CONCEPTUAL DEL TEMA: BIBLIOGRAFÍA, ANTECEDENTES DE      TODO TIPO (AÚN, RUMORES), ESTADÍSTCAS, ETC.

formulación DEL MARCO TEÓRICO.

  1. FORMULACIÓN DE HIPÓTESIS.
  2. PLANIFICACIÓN DEL ESTUDIO QUE COMPRENDE, ENTRE OTROS:

–          SELECCIÓN  Y OPERACIONALIZACIÓN DE VARIABLES. DEFINICIONES.

–          DEFINICIÓN DE CATEGORÍAS Y ESCALAS DE MEDICIÓN.

–          DEFINICIÓN DE LAS UNIDADES DE ANÁLISIS.

–          ELECCIÓN DEL DISEÑO DE INVESTIGACIÓN.

–          DEFINICIÓN DE UNIVERSO, MUESTRA Y TÉCNICA DE MUESTREO.

–          ELABORACIÓN DEL INSTRUMENTO Y DE LOS PROCEDMIENTOS DE MEDICIÓN. PRUEBAS DE CONFIABILIDAD Y VALIDEZ DEL INSTRUMENTO.

–          PLAN DE ANÁLISIS DE LOS DATOS.

–          PRUEBA PILOTO

  1. RECOLECCIÓN DE LOS DATOS.
  2. PROCESAMIENTO, ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS.
  3. CONCLUSIONES Y SUGERENCIAS.
  4. ELABORACIÓN DE UN INFORME 

Las unidades de análisis son cada uno de los elementos básicos del conjunto a estudiar. Pueden ser pacientes (muy habitual en los estudios de la clínica y en estudios epidemiológico), familias, un curso escolar, todo un barrio, un país, etc. En cada unidad de análisis debe ser posible observar el fenómeno en estudio. A fin de estudiar el fenómeno se miden (se observan y cuantifican) características que se consideran vinculadas a aquél. Estas son las variables; las que se definen como “particularidades, condiciones, características o atributos de los individuos  que pueden variar de un individuo a otro o, aún en algunos casos, en un mismo individuo en distintos momentos”. Si el fenómeno en estudio es infección HIV, por ejemplo, las variables podrían ser: sexo, edad, hábitos sexuales, antecedentes de contactos sexuales, clase social, estado civil, etc., de las personas a observar. Toda característica que pudiera tener vinculación con el fenómeno (y que puede variar en su modalidad de presentación) es una variable pasible de estudio. No siempre una variable es posible medir (observar y cuantificar) directamente; algunas veces requieren un tratamiento que las lleve a un punto en el que sea factible la medición. Por ejemplo, accesibilidad a los servicios de salud (como variable) puede tener distintas facetas o subcaracterísticas: accesibilidad geográfica, económica, cultural, etc. Estas son dimensiones de las variables que permiten acercarse al sujeto de investigación con una mayor especificación. Las dimensiones son, nuevamente, variables que están contenidas en la variable principal. Al igual que ésta, una dimensión tampoco es pasible de medición. Es necesario encontrar algo, una característica más concreta que sí pueda ser medida. Así, la accesibilidad geográfica puede ser medida como: horas que se tarda en llegar al servicio o en distancias en metros o kilómetros. Estos últimos son indicadores, variables concretas que permiten la observación de las unidades de análisis y su medición. Este proceso de definir indicadores a partir de variables complejas se denomina operacionalización de variables. A veces, la definición respecto al estado de una variable suele resultar de una síntesis de varios indicadores. Por ejemplo, en la valoración de vitalidad del recién nacido (variable) el Score de Apgar es una síntesis de varios indicadores. Para mesurar satisfacción de necesidades como variable, el índice N.B.I. (Necesidades Básicas Insatisfechas) se construye, también, a partir de un conjunto de indicadores. No siempre es indispensable este proceso de operacionalización. Sexo, por ejemplo, no requerirá mayor tratamiento metodológico para poder utilizarlo en la observación. Cada uno de los estados en los que puede encontrarse la variable se denomina categoría, clase, o valor. Por ejemplo varón/mujer para sexo; soltero/casado/viudo/etc. para estado civil; valores en cm. para talla; unidades “U.I.” para diversas determinaciones bioquímicas; etc. Estas categorías (o clases o valores) de las variables, a veces, se expresan en forma literal (argentino, para nacionalidad) y a veces en forma numérica (38 años, para edad). En este último a la/s palabras/s que acompañan al valor numéricos (años, en el ejemplo) se las denomina unidad de medida. El total de unidades de análisis de un conjunto observado constituye el universo o población de una investigación. A él serán referidos los resultados; aunque el estudio se suele hacer sobre una muestra del mismo. Para que las conclusiones obtenidas a partir de la observación de una muestra sean aplicables al universo, es necesario que la muestra sea representativa. Es decir, debe replicarse en ella la constitución del universo (en cuanto a sus características). Para el caso de la investigación cuantitativa (como lo es la epidemiológica) la representatividad se consigue con una muestra probabilística (al azar). Existen varios tipos de muestras probabilísticas; lo que no es del alcance de este resumen. Entiéndase que aquí se habla de representatividad, principalmente, en términos estadísticos. Es decir, la posibilidad de generalizar los resultados cuantitativos a la población objeto. Una muestra no probabilística no tendrá esta posibilidad; aunque, sin embargo puede aportar importante información al problema en estudio. 

Cuando se desea estudiar la relación entre una característica (como presunto factor de riesgo) y un fenómeno o daño a la salud y existe una segunda característica asociada tanto al factor como al fenómeno en estudio, esta segunda característica puede confundir la interpretación de los resultados. Si ambas características están asociadas (se presentan con simultaneidad) no podrá afirmarse que el fenómeno está asociado a una de las dos exclusivamente. Un ejemplo lo constituye la asociación entre estado civil de la madre y mortalidad infantil (en la presunción de que los hijos de madres solteras tienen mayor riesgo de muerte) si no se tiene en cuenta la edad (siendo un hecho observado  que los hijos de madres muy jóvenes tienen, también, una mayor mortalidad). Al evaluar los resultados no se podrá asegurar si la mayor mortalidad de los niños de madres solteras es una asociación genuina (es decir, ese estado civil influye en la mayor frecuencia del fenómeno) o que la edad precoz de las madres, siendo solteras en proporción importante, y no su estado civil es la causa del fenómeno. En este caso, convendría evaluar los riesgos diferenciales por estado civil para cada grupo etáreo; de modo que al comparar, por ejemplo, las mujeres de 15 a 19 años según estado civil no quepa la duda mencionada. Otro ejemplo: si se mide la mortalidad posoperatoria de un cirujano de prestigio (al que se le derivan casos “difíciles o complicados”) es probable encontrar que la misma sea elevada con respecto a otro cirujano. Sería erróneo interpretar que esa mayor mortalidad está vinculada a la pericia o idoneidad del profesional. Convendría, mejor, obtener la mortalidad por nivel de gravedad de los pacientes para poder efectuar comparaciones.  

Ahora, sí, se podría cotejar la mortalidad posoperatoria de pacientes de aquel cirujano con la de otro/s (dentro de un mismo tipo de pacientes) y efectuar conclusiones sobre la posible relación causal entre el profesional y el fenómeno. Estas variables que pueden hacer dudar sobre una asociación se denominan variables de confusión y es necesario controlarlas (es decir, neutralizar su efecto) como en el ejemplo dado. La no consideración de este problema da lugar a un tipo de sesgo (error sistemático, en una dirección) muy frecuente. Cuando se hace referencia a una experiencia en la que los pacientes han sido “elegidos” por el observador se debe tener presente que éste puede haber seleccionado a los sujetos en función de características que los hacen no representativos de su grupo; por lo que resultará un error el generalizar los resultados a una población no igual a ellos. En síntesis, entonces, una variable de confusión es aquélla que se halla asociado tanto al fenómeno (efecto) cómo al factor en estudio (presunta causa), no siendo una variable intermedia en la asociación referida; por otra parte, no es la variable que se desea estudiar o medir. Su presencia en el grupo de observación, entonces, puede determinar conclusiones erróneas en cuanto a asociación con el fenómeno al compararlo con otro grupo. El control de estas variables se logra al cuidar que las comparaciones se efectúen entre grupos con igual presencia de esa variable. 

Las hipótesis son la relación entre variables que se expresan como una explicación del fenómeno y que marcan el rumbo del trabajo de investigación. Surgen del marco teórico, de la definición de las variables, y se enuncian con sentencias positivas. Por ejemplo: “la utilización de la técnica ‘X’ en la intervención quirúrgica ‘Z’ disminuye el tiempo de internación” o “los niños con mayor contención afectiva desarrollan con menor frecuencia cuadros psiquiátricos”. A veces no existen hipótesis explícitas; pero están presentes (implícitamente) en el estudio. Otras veces, directamente, no existen (como en un estudio exploratorio); no siendo esto una deficiencia, sino una característica propia del diseño. En un estudio analítico deben existir hipótesis; ya que, justamente, lo que ellos intentan es explicar algún tipo de asociación previamente encontrada. 

A fin de valorar los resultados se recurre a técnicas de análisis. Ya se dijo que la estadística es una de las disciplinas íntimamente ligada a la epidemiología. Las técnicas estadísticas constituyen, así, una herramienta poderosa del método. Puede resumirse la utilidad (y el tipo) de las mismas diciendo que deben responder a tres preguntas básicas:

 

1) ¿En qué medida ocurre el hecho?.

2) ¿Existe asociación entre el hechos y otro factor?.

3) ¿Cuál es la chance de que esa asociación sea casual (no causal)?. 

Existen diferentes técnicas de análisis de la información que, en definitiva, responden a las cuestiones planteadas en las preguntas anteriores:

1) Medidas de ocurrencia. Para ponderar la intensidad de ocurrencia del fenómeno se utilizan medidas de resumen. Estas brindan información (en forma sintética) sobre los valores de una serie cuantitativa. Existen medidas de posición (llamadas así porque hacen referencia a un valor puntual de la escala) que pueden ser de dos tipo: de posición central (o de tendencia central) y de posición no central. Dentro de las primeras se verá aquí: la media aritmética, la mediana y el modo. La media aritmética (o promedio) ofrece una referencia de la posición central de los valores de la serie. El promedio de notas de un alumno es un ejemplo: en lugar de expresar su rendimiento académico mediante la mención de treinta o más valores se lo hace mediante el promedio. En algunas series esta medida no es buena como “resumen” del conjunto de valores. Si el ingreso per cápita se lo expresa por la media aritmética se usará un valor que no representa claramente lo que le ocurre a la población; ya que, seguramente, la mayoría de la misma gana por debajo de ese valor y éste estará muy influido por unos pocos individuos que ganan muy mucho. Para estas series (asimétricas por la forma en que se distribuyen sus valores) es mejor utilizar la mediana. El valor de la observación que está en el centro de la serie es el valor que asume la mediana. Por ejemplo, de dos mil asalariados la mediana estaría dada por el ingreso de aquél que, en forma ordenada en función del monto de sus ingresos, está ubicado como número mil. Así, esta medida hace referencia al centro de la distribución sin que se vea influida por valores extremos. Además de ignorar esos valores aberrantes, tiene la ventaja que su cálculo es simple (no deben incorporarse todos los valores individuales, como para la media). El modo es otra medida de ocurrencia. Expresa el valor que más se repite en una serie. Su utilidad como valor representativo es menor que las anteriores medidas. Los promedios no brindan información sobre la forma en que se distribuyen los valores. Por ejemplo, el promedio del alumno ejemplificado podría provenir de notas muy bajas (con varios aplazos) y muy altas (con varios 10), pudiendo tener una media aritmética de 6.5 puntos. En tanto, otro alumno cuyas notas fueran todas 6 y 7, podría tener ese mismo promedio. A fin de ver la dispersión de los valores se utilizan medidas de dispersión. De ellas son las más conocidas (y utilizadas) la amplitud (o rango), la varianza y el desvío estándar. La amplitud no es más que la diferencia entre el mayor y el menor valor de una serie. Su utilidad es limitada. La varianza es de suma utilidad en el cálculo de gran parte de medidas estadística. El desvío estándar (quizá, el más utilizado para describir la distribución de valores en una serie) constituye un promedio de la dispersión de las observaciones según sus valores en torno a la media aritmética. Brinda una idea acerca del número de observaciones que están a determinada distancia de la media; lo que puede expresarse como porcentaje del total de casos. Supóngase que el alumno, cuyo promedio de calificaciones era 6.5 puntos, tuviera una dispersión en esas notas expresada por un desvío estándar de 1 punto. Esto significa que entre 5.5 y 7.5 puntos (la media ± 1 desvío estándar) se encuentra el 68.3 % de las observaciones; entre 4.5 y 8.5 puntos (la media ± 2 desvíos estándar) se encuentra el 95.4 % y entre 3.5 y 9.5 puntos (la media ± 3 desvíos estándar) se encuentra el 99.7 % de las observaciones. Es posible, entonces, tener una idea por el desvío estándar de la mayor o menor concentración de las observaciones en torno a la media aritmética. Cuanto menor sea el valor del desvío estándar, en relación a la media aritmética, mayor será la concentración de las observaciones en torno a ese promedio. La medidas de posición no central son llamados, también, fractiles o cuantiles. Son valores que marcan la posición en la escala de una observación ubicada en determinado lugar de la serie. De ese modo, se brinda una idea de cuantas observaciones existen en esa serie por encima y por debajo de ese valor. De ellos destácanse, por su mayor uso, los percentilos (o percentiles o centiles). La serie se divide en cien y cada tramo de esta división corresponde a un percentilo. El valor de ese percentilo será el de la observación ubicada en ese lugar. Por ejemplo, si la serie la componen cuatrocientas observaciones, el percentilo 1 corresponderá a la observación ubicada en el cuarto lugar (400/100) y el valor del percentilo 1 será el que tenga esa observación. El percentilo 50 será el ubicado en el 200avo. lugar (400/100 x 50) y el valor de ese percentilo será el de esa observación. El percentilo 50 coincide con la mediana. De la misma manera se puede dividir la serie de observaciones en diez y se obtienen los deciles; en cinco, obteniéndose quintiles o en cuatro y se obtienen los cuartiles. El cuartil 1 (Q1) es el valor correspondiente a la observación que deja un 25 % de unidades por debajo; el cuartil 3 (Q3) es el valor de la observación que deja el 75 % de las unidades por debajo. Los cuartiles son muy utilizados para describir fenómenos sociales, como la distribución del ingreso. Cuando se dice que el quintil superior gana 30 veces más que el quintil inferior, se está diciendo que el 20 % de los que más ganan superan en 30 veces sus ingresos al 20 % de los que menos ganan. Como se ve, aquí se dice “el quintil superior” haciendo referencia al tramo que está entre el 80 % y el 100 % de las observaciones. Es una extensión (en el uso) del término “quintil” que, en realidad, corresponde a una posición puntual. El espacio intercuartílico es la diferencia entre el Q3 y el Q1 y sirve para expresar el rango (o amplitud) en el que están contenido el 50 % de las observaciones. 

Otras medidas de ocurrencia de los fenómenos, muy utilizadas en epidemiología, son las tasas. Una tasa es una cifra relativa (un cociente) por la que se relaciona el número de casos de un fenómeno, ocurridos en un período y en un lugar definidos, con la población en la que ellos tuvieron origen. La tasa expresa el riesgo de sufrir un fenómeno (el que va en el numerador) por parte de la población expuesta (que se coloca como denominador). Las tasas aplicadas a morbilidad (enfermedad) miden la incidencia (frecuencia de casos nuevos de una enfermedad en un período determinado) y la prevalencia (número de casos en un momento dado). Por ejemplo, la tasa de incidencia de la tuberculosis (TBC) de la Provincia de Corrientes en el año 2001 se obtendrá relacionando el número de casos diagnosticados en ese año (491) con la población estimada (930.991 hab, según el último censo) = 491 / 930.991 = 0.000527395. Como el resultado es siempre inferior a la unidad (y con frecuencia es un número muy chico, con varios ceros después de la coma, como en este caso) se lo multiplica por un factor de amplificación (100, 1000, 10000, 100000, etc.) para una mayor comodidad en la expresión. En el ejemplo dado, podría expresarse que la tasa de incidencia de la tuberculosis en 2001 en Corrientes fue de 52,74 ‰oo (se lee: cincuenta y dos con setenta y cuatro por cien mil). Esto significa que en ese período ocurrieron cincuenta y dos casos (y un poco más) de TBC cada cien mil habitantes. De esta manera una tasa resulta una medida que es fácilmente comparable entre distintas poblaciones; ya que expresa el número de casos cada una “misma base de comparación poblacional” (100.000 habitantes en el ejemplo dado) sin interesar el tamaño de esas poblaciones y el total de casos del fenómeno estudiado. Asimismo, como fue dicho, expresa un riesgo. En el ejemplo dado: el riesgo de padecer TBC por la población de referencia es el que indica la expresión (52,74 ‰oo). Si se la compara con otra población en donde la tasa de incidencia fuera, por ejemplo, del 100,00 ‰oo, se concluirá que ésta última tiene el doble de riesgo de enfermar respecto a la anterior sin que sea necesario conocer, o mencionar, el número de enfermos ni de la población. La tasa de prevalencia, en tanto, sólo refiere los casos presentes en un momento respecto a una población. En el supuesto de que el día 1 de junio de 2001 hubiera habido en la provincia 280 casos registrados de tuberculosis, la tasa de prevalencia sería del 30,08 ‰oo (280 / 930.991 x 100.000). Las tasas de mortalidad  relacionan el número de defunciones con la población de origen de las muertes. Corrientes tiene una tasa de mortalidad general para 2000 del 6,20 ‰ (seis con veinte por mil). La interpretación (en cuanto a riesgo y comparabilidad) es la misma que para las tasas en general. 

2) Medidas de asociación. Además de las medidas de ocurrencia de los fenómenos, y para seguir con su cometido, a la epidemiología le interesa encontrar características (variables) de las personas que se encuentren con mayor frecuencia en grupos poblacionales en donde la enfermedad se presenta, también, con mayor intensidad. De esto surgen asociaciones estadísticas que sugieren qué variables están relacionadas con el fenómeno. La idea es encontrar asociaciones estadísticas, para luego avanzar en el estudio de la causalidad (ver criterios de Hill). Recuérdese que no se habla, aquí, de causa sólo en el sentido de la etiología; sino, también y principalmente, de las características que favorecen la ocurrencia de un fenómeno; es decir, de factores de riesgo. Una asociación causal incluye, entonces, la vinculación de un factor de riesgo con un daño a la salud en donde se pueda evidenciar que el primero facilita, condiciona o aumenta la probabilidad de ocurrencia del segundo. Factor de riesgo es toda característica, condición o particularidad de las personas que aumentan la probabilidad de sufrir un daño. Dentro de las medidas de asociación se destacan: el riesgo relativo (RR) y los coeficientes de correlación (como el de Pearson). El riesgo relativo se lo obtiene por el cociente entre tasas de incidencia: la de un grupo expuesto a un factor de riesgo y la del resto de la población (no expuesta a ese factor). Su resultado, expresado como un valor absoluto (“5” por ejemplo), expresa el número de veces “en más” que la población expuesta (la que tiene el factor) tiene como riesgo de sufrir el daño respecto a la no expuesta. Cuando las medidas de ocurrencia (tasas) provienen de estudios transversales el RR se lo obtiene a partir de tasas de prevalencia. Si provienen de un estudio de casos y controles se aplica un estimador del RR, el odds ratio. Todas estas técnicas de valoración del RR tienen similar interpretación. El coeficiente de correlación de Pearson varía entre – 1 y + 1 e indica el nivel de vinculación (asociación) del factor con el daño: cuanto más cerca de – 1 o de + 1 esté el valor de ese coeficiente, mayor asociación existe (inversa o directa según se aproxime al límite negativo o al límite positivo); marcando “0” la ausencia de asociación.

3)    Medidas de significación estadística. Estas se utilizan para dar respuesta a la tercera de las preguntas planteadas. Los estudios sobre poblaciones humanas se realizan, generalmente, sobre una muestra del universo investigado. Esto es así por la amplitud de dicho universo y por tratarse de un conjunto permanentemente cambiante. La técnica del muestreo permite obtener resultados que, cuando se ha realizado con rigurosidad metodológica, son generalizables a la población de la que fue extraída la muestra y, aún, a otras poblaciones que posean características similares. Sin embargo, esta generalización tiene un margen de error derivado del hecho mismo de no trabajar con el total de las observaciones, sino con una parte; la que (en algunos casos y por azar) podría no ser representativa del conjunto. Si bien no es posible identificar a la muestra no representativa, puede estimarse la probabilidad de que los resultados obtenidos con cualquier muestra no se correspondan con los del universo. Se suele representar esa probabilidad por la letra “p” seguida de una fracción de la unidad que indica la probabilidad de error. Por ejemplo: “p = 0,05” significa que existe un cinco por ciento de probabilidad de que el valor hallado en la muestra (un promedio o una tasa) no se corresponda con el del universo; “p < 0,01” significa que esa probabilidad de error es menor del uno por ciento. Suele tomarse como aceptable un error no mayor al cinco por ciento (p £ 0,05); aunque esto es una convención que sólo intenta marcar un margen de seguridad sin otra interpretación que la expuesta. Para obtener el valor de “p” se utilizan pruebas de significación estadística; dentro de las cuales se encuentran: el chi cuadrado (“c2“) y la t de Student (“t“). El valor obtenido por la aplicación de fórmulas específicas para estas pruebas se leen en tablas especiales que indican el valor de “p” correspondiente. No es tan importante (a los fines de su interpretación) conocer los cálculos que permiten obtener los valores de estas pruebas como entender el significado de la probabilidad que, para todas ellas, se expresa de la forma antedicha (p £ ). Debe distinguirse que el margen de error que miden estas pruebas está referido al que proviene del hecho de trabajar con una muestra y no con toda la población. Es decir, es propia del muestreo y esta estimación supone haber aplicado correctamente la técnica de selección de muestras. El error proveniente de una muestra sesgada (por una incorrecta aplicación de la técnica del muestreo) no es mensurable estadísticamente.

Confiabilidad y Validez de la Información

El término confiabilidad está referido a la medida en que un dato o un indicador refleja el hecho que mide. Por ejemplo, si se dice que la tasa de mortalidad infantil de una provincia es del 30 ‰, será este un indicador confiable en la medida que todas las defunciones infantiles hayan sido correctamente registradas. Si se le pregunta a un usuario de un servicio de salud acerca de su satisfacción sobre la atención recibida, esto producirá una respuesta que será confiable en la medida en la que no hayan existido condicionamientos en el interrogatorio (por ejemplo, si se pregunta a un internado, es muy posible que el paciente se sienta “comprometido” en la respuesta). Este mismo término (confiabilidad) es aplicable a los instrumentos utilizados para la recolección de datos (aparatos, formularios de encuesta, etc.) y para el/los observadores que intervienen. La confiabilidad controla (o evalúa) por el grado de reproductibilidad de la información. Si un instrumento o un observador arrojan resultados consistentes (similares o con una diferencia estadísticamente aceptable) en sucesivas mediciones, se dice que son confiables. Para el caso del observador, la reproductibilidad se controla consigo mismo (reproductibilidad intraobservador) o con otros observadores (reproductibilidad interobservador). Existen medidas de confiabilidad como el índice de Kappa, que varía entre -1 y +1: cuanto más cerca de -1 indica mayor discordancia y cuanto más cerca de +1 mayor grado de coincidencia (el 0 es considerado como un nivel de coincidencia aleatorio). Los problemas de confiabilidad (dependientes de errores en la medición) pueden ser debidos: 1) al observador y relacionados a cuestiones de: subjetividad, impericia, fatiga, etc.; 2) al sujeto observado y vinculado a problemas de declaración (falsedad en la información por ocultamiento), de percepción (no todos perciben igual los mismos problemas) o de recuerdo (cuanto más alejados en el tiempo mayor probabilidad de olvido); 3) a los instrumentos (entendiendo como tales a cuestionarios y a los aparatos de medición) y, en estos casos, suele ser de tipo sistemático (sesgo); 4) a los procedimientos y técnicas utilizados en la medición, siendo las fallas en la estandarización de los procedimientos causa frecuente de resultados diferentes (según la interpretación y percepción de cada observador). 

La validez se refiere a la medida en que un indicador hace referencia al fenómeno al que se aplica. ¿Es la mortalidad infantil un buen indicador del nivel de salud de la población infantil?. ¿El número de abortos registrados puede ser utilizado como indicador de embarazos no deseados?. El grado de participación de un alumno en clase ¿es indicador del aprovechamiento académico del estudiante?. ¿Es la eritrosedimentación un indicador útil para la detección precoz de una infección posquirúrgica?. Las manchas de Koplic ¿son un buen indicador de sarampión?. En estos ejemplos se expresa la idea de validez: la pertinencia de un indicador respecto al fenómeno que intenta medir. En realidad, un sólo indicador muy raramente podrá dar cuenta de un fenómeno. Por eso, se recurre a utilizar varios indicadores; tratando de abarcar la mayor gama de aspectos contenidos en el concepto de un fenómeno (E.S. + leucocitos + clínica, etc. para el caso de la infección posoperatoria). Aplicado al análisis de la información científica el concepto de validez implicará el modo en que esa información da cuenta del fenómeno estudiado. Como puede desprenderse de lo dicho, un dato puede ser confiable; pero el indicador no ser suficientemente válido del fenómeno en estudio. Para el ejemplo dado de “nivel de salud de la población infantil” se podrá tener una tasa de mortalidad infantil confiable en la medida en que todas las muertes de menores de un año y los nacimientos hayan sido registrados; pero, por sí misma, no será un indicador válido del fenómeno aludido puesto que éste tiene un nivel de complejidad que excede en mucho a las muertes mencionadas. En una terminología más específica, a la descrita se la refiere como validez interna.  Cuando se habla de validez externa se hace alusión a la posibilidad de generalizar los resultados (obtenidos en una muestra) a la población en estudio.

Como fuera dicho, un trabajo científico puede ser analizado siguiendo el método epidemiológico. El siguiente cuestionario (adaptado de GUERRERO Rodrigo y col., “EPIDEMIOLOGÍA”, Ed. Addison-Wesley Iberoameriacana, EE.UU., 1986) es una guía sintética que puede ser utilizada, tanto para la realización de trabajos como para la lectura crítica de material científico; y, en definitiva, no es más que una revisión de los pasos del método científico. 

  1. 1.    ¿Está claramente definido el problema por investigar? ¿Resulta pertinente este

 estudio?

  1. 2.    ¿Cuáles son los objetivos?
  2. 3.    ¿Se efectuó una adecuada revisión bibliográfica? ¿Se desarrolló un marco teórico?
  3. 4.    El tipo de estudio y el diseño de investigación: ¿Son adecuados a los objetivos?

¿Se definieron grupos de control? ¿Cómo se prevé la comparabilidad?

  1. 5.    ¿Cuáles son las variables? ¿Cómo se han operacionalizados las variables? ¿ Se

controlaron las variables de confusión? ¿Cómo se controló la subjetividad del observador?

  1. 6.    ¿Cómo se ha definido la población que se desea estudiar? ¿Están definidos los criterios de inclusión y de exclusión? ¿Cuál es la unidad de análisis?
  2. 7.    ¿Cómo se planificó la muestra? ¿Es una muestra al azar?
  3. 8.    ¿Qué instrumentos técnicos se utilizaron para la recolección de datos?
    ¿Se consideraron las variaciones (errores o sesgos) del observador o del instrumento? ¿Se verificó la validez del instrumento?
  4. 9.    ¿Qué métodos de análisis estadísticos se utilizaron?

10. ¿Se valoró la confiabilidad de los datos?

11. ¿Se utilizaron las técnicas estadísticas apropiadas?

12. ¿Cómo se valoró la significación estadística?

13. ¿Hay relación entre los objetivos y los resultados?

14. ¿Las conclusiones se basan en los hallazgos del estudio?

15. ¿Existen sugerencias para futuras investigaciones?

16. ¿Al leer la publicación, resulta ella rápidamente comprensible?

17. ¿Le sería posible hacer una síntesis del trabajo y de sus propias conclusiones?

Acerca del Proceso de Investigación (1) 

“…la investigación científica. Este término suele provocar en algunos estudiantes escepticismo, confusión  y -a veces-  molestias. Hay estudiantes que piensan que la investigación científica es algo que no tiene relación con la realidad cotidiana. Otros estudiantes piensan que es “algo” que solamente se acostumbra hacer en centros muy especializados e institutos con nombres largos y complicados. También hay quien piensa que la investigación científica es propia de personas de edad avanzada, con pipa, lentes, barba y pelo canoso y desaliñado. Incluso algunos consideran que la investigación científica es algo complicado, muy difícil de aplicar y que requiere un talento especial. Sin embargo, la investigación científica no es nada de esto. En primer lugar, tiene que ver con la realidad. En ellas se abordan temas como las relaciones interpersonales; el matrimonio; la violencia; la televisión; el trabajo; las enfermedades; las elecciones presidenciales; las emociones humanas; la manera de vestirnos; la familia y otros más que forman parte de lo cotidiano de nuestras vidas.…”.

De hecho; todos los seres humanos hacemos investigación frecuentemente. Cuando nos gusta una persona que conocimos en alguna junta; reunión o un salón de clases; tratamos de investigar si le podemos resultar atractivos. Cuando un amigo está enojado con nosotros, buscamos investigar las razones. Cuando nos interesa un gran personaje histórico, investigamos cómo vivió y murió. Cuando buscamos empleo, nos dedicamos a investigar quién ofrece trabajo y en qué condiciones. Cuando nos agrada un platillo, nos interesa investigar los ingredientes. Éstos son sólo algunos ejemplos de nuestro afán de investigar. Es algo que hacemos desde niños. ¿O alguien no ha visto a un bebé tratando de investigar de dónde proviene un sonido?

La investigación científica es esencialmente como cualquier tipo de investigación, sólo que más rigurosa y cuidadosamente realizada. Podemos definirla como un tipo de investigación “sistemática, controlada, empírica, y crítica, de proposiciones hipotéticas sobre las presumidas relaciones entre fenómeno naturales” (Kerlinger, 1.975, p.11). 

 Que es “sistemática y controlada” implica que hay una disciplina constante para hacer investigación científica y que no se dejan los hechos a la casualidad. “Empírica” significa que se base en fenómenos observables de la realidad. Y “crítica” quiere decir que se juzga constantemente de manera objetiva y se eliminan las preferencias personales y los juicios de valor. Es decir, llevar a cabo investigación científica es hacer investigación en forma cuidadosa y precavida. 

La investigación puede cumplir dos propósitos fundamentales: a) producir conocimiento y teorías (investigación básica) y b) resolver problemas prácticos (investigación aplicada). Gracias a estos dos tipos  de investigación la humanidad ha evolucionado. La investigación es la herramienta para conocer lo que nos rodea y su carácter es universal. Como señala uno de los científicos de nuestros tiempos, Carl Sagan, al hablar del posible contacto con extraterrestres:

“Si es posible, pues, comunicarse, sabemos ya de qué tratarán las primeras comunicaciones: sobre la única cosa que las dos civilizaciones tienen de modo seguro en común, a saber, la ciencia. Podría ser que el interés mayor fuera comunicar información sobre música, por ejemplo, o sobre convenciones sociales; pero las primeras comunicaciones logradas serán de hechos científicas”.

(Sagan, 1978, p. 6)

 Y la investigación científica es un proceso térmico (es decir, significa dinámico, cambiante y continuo. Este proceso está compuesto por una serie de etapas, las cuales se derivan unas de otras. Por ello, al llevar a cabo un estudio o investigación, no podemos omitir etapas ni alterar su orden. Quienes han dudado de este requisito de la investigación científica, violándolo, han pagado muy caro el precio: la investigación resultante no es válida o confiable, o no cumple con los propósitos por los cuales se realizó , deja de ser científica. Por ejemplo querer elaborar un instrumento para recolectar datos sin haber revisado previamente la literatura sobre el tema lleva inevitablemente al error o -al menos- a graves deficiencias en dicho instrumento. La principal característica de la investigación científica es que debemos seguir ordenada y rigurosamente el proceso.

(1) hERNÁNDEZ Sampieri, Roberto et all; “METODOLOGÍA DE LA INVESTIGACIÓN”;    Ed. McGRAW-HILL; México, 1991.

UNIVERSIDAD NACIONAL DEL NORDESTE            ATENCIÓN PRIMARIA DE LA SALUD, FACULTAD DE MEDICINA Año 2004 EPIDEMIOLOGÍA E  INFORMÁTICA  II

Para bajar el artículo completo, hacer CLICK aquí.

Leave your Comment