Professional Documents
Culture Documents
Ahlbom, S, Norell
A. Ahlbom, S, Norell
Salud
y
Sociedad
A. Ahlbom, S, Norell
Traduccin de
JESS DE PEDRO CUESTA
Departamento de Medicina Social y de Neurologa.
Instituto Karolinska.
Estocolmo
A. Ahlbom, S, Norell
FUNDAMENTOS DE
EPIDEMIOLOGA
POR
Anders Ahlbom
Staffan Norell
A. Ahlbom, S, Norell
_____________________________________________
siglo veintiuno editores, Sa
CERRO DEL AGUA, 248. 04310 MEXICO, D.F.
_____________________________________________
siglo veintiuno de espaa editores, sa
c/ PLAZA, S. 28043 MADRID. ESPAA
_____________________________________________
siglo veintiuno argentina editores, sa
_____________________________________________
siglo veintiuno de colombia, ltda
AV, 3a. 17-73. PRIMER PISO. BOGOTA. D,E. COLOMBIA
_____________________________________________
A. Ahlbom, S, Norell
INDICE
VII
IX
XI
XIII
1
4
5
5
6
6
10
11
11
13
18
18
24
25
27
29
31
DEFINICIONES
IMPLICACIONES EN LA ESTIMACION DE LA
PREVALENCIA
IMPLICACIONES EN EL CRIBADO
BIBLIOGRAFIA
EJERCICIOS DE LOS CAPITULOS 3 Y 4
31
33
40
34
36
37
40
COMPARACIONES ABSOLUTAS Y RELATIVAS
ESTANDARIZACION
FRACCION ETIOLOGICA
FRECUENCIA COMPARADA Y MEDIDAS DE FRECUENCIA
DE ENFERMEDAD
BIBLIOGRAFIA
41
44
45
46
A. Ahlbom, S, Norell
47
47
48
49
49
53
54
61
61
62
65
67
68
71
72
73
74
76
77
79
88
88
99
102
104
107
INDICE ANALITICO
131
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
PROLOGO A LA EDICION NORTEAMERICANA Se ha dicho, no muy en serio, que un epidemilogo de los de antao era un mdico que
saba contar. Hoy, la epidemiologa ha venido a ser una disciplina cientfica bien diferenciada
que, como otras, exige un largo perodo de formacin de alto nivel a los que desean
conocerla en profundidad. Los fundamentos de la realizacin e interpretacin de los estudios
epidemiolgicos han dejado de ser durante los ltimos 15-20 aos un conjunto de reglas de
sentido comn y significado poco concreto, para convertirse en un cuerpo de conceptos bien
definidos y lgicamente relacionados, que proporciona una teora coherente para la
planificacin e interpretacin de los mismos. Anteriormente, el pensamiento epidemiolgico
estuvo dominado por la intuicin y la normativa prctica tradicional. En la actualidad, este
ha cristalizado en una serie de principios capaces de orientar al epidemilogo en la intrincada
problemtica de la investigacin de poblaciones. La experiencia y el sentido comn son
todava recursos fiables de investigador, pero el desarrollo cientfico requiere sin duda la
comprensin estructurada de la realidad. En este sentido el progreso realizado por la
epidemiologa durante las dos ltimas dcadas ha sido notorio.
A veces sucede que lo que un cientfico establecido acepta como evidente durante aos, no
es tan confiadamente percibido por los recin llegados a ese campo de investigacin.
Aquellos que se acercan a un campo del saber convencidos de la necesidad de formalizar los
conceptos como primer paso en el proceso del aprendizaje, son capaces de desarrollar una
comprensin de los mismos libre de los errores crnicos de enfoque. Desgraciadamente,
muchos de los conceptos de la epidemiologa moderna no se encuentran todava vertidos en
los textos de introduccin a esta disciplina.
Esta lcida monografa de Anders Ahlbom y Staffan Norell las corrige este defecto. Aqu se
encuentran, claramente expuestas, ideas que un no iniciado deber enfrentar y asimilar. La
presentacin de los conceptos ms recientes est sutilmente construida sobre el antiguo
patrn dogmtico suscitando una comprensin mas profunda de la tradicionalmente
conseguida a este nivel bsico. Por ejemplo, cuando inici mis estudios de epidemiologa en
la Escuela de Salud Pblica de Harvard en 1969 se nos hizo saber distinguir entre incidencia
y prevalencia, pero nunca se nos mostr la fundamental diferencia entre los dos tipos de
incidencias, la tasa de incidencia y la incidencia acumulada. La utilizacin de la
estratificacin en el anlisis a efectos de controlar el confounding no nos fue presentada sino
en un curso avanzado. En este pequeo manual, A. Ahlbom y S. Novell describen, clara y
por vez primera en un texto introductorio, estos y otros conceptos similares.
Saber contar sigue siendo importante en epidemiologa, pero la comprensin e interpretacin
de los estudios epidemiolgicos que actualmente se publican en revistas mdicas y sanitarias
requieren algo ms. Esta Introduccin a la Epidemiologa se acompaa de una exposicin
concisa de las ideas y principios elementales subyacentes a todo trabajo de investigacin.
Este doble contenido constituye el trampoln y el marco de referencia necesarios para los
que desean familiarizarse con la epidemiologa de nuestro tiempo.
KENNETH J. ROTHMAN.
Profesor de Medicina de Familia y Comunidad.
Facultad de Medicina. Universidad de Massachusetts.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
1. QUE ES LA EPIDEMIOLOGIA?
La epidemiologa es la ciencia que estudia la frecuencia de las enfermedades en las
poblaciones humanas. Consiste en la medicin de la frecuencia de enfermedad y en el anlisis
de sus relaciones con diversas caractersticas de los individuos o de su medio ambiente. (La
palabra epidemiologa proviene de los trminos griegos, epi = sobre, encima, demos =
pueblo y logos = estudio, y significa el estudio de lo que est sobre, o que afecta a las
personas). La investigacin de la frecuencia de enfermedad no es un fenmeno nuevo. Sin
embargo, el desarrollo de la teora y mtodos epidemiolgicos en las ltimas dcadas ha
abierto nuevas perspectivas y despertado gran inters en mltiples campos de aplicacin. (La
lista de referencias bibliogrficas incluye varios manuales de inters general en esta materia).
Durante mucho tiempo el campo de mayor inters en epidemiologa fueron las
enfermedades infecciosas, especialmente las de mayor contagiosidad, ya que su frecuencia
variaba de manera muy clara, a veces dramtica, como durante las llamadas epidemias.
Desde un principio, se observ que los individuos que estaban en contacto con
personas enfermas frecuentemente enfermaban, y tambin, que aquellos que sanaban rara
vez volvan a contraer la misma enfermedad. Observaciones epidemiolgicas de este tipo
indujeron la formulacin de teoras acerca de la transmisibilidad e inmunidad y propiciaron la
toma de medidas preventivas eficaces antes incluso del descubrimiento de los
microorganismos y de los anticuerpos. Un ejemplo clsico es el estudio del clera en
Londres realizado por John Snow en 1854 (Snow, 1855).
Las observaciones epidemiolgicas antiguas no se limitaron al campo de la
enfermedad infecciosa ya que existan otras enfermedades que tambin mostraban
variaciones en su presentacin. A principios de siglo se observ la desigual distribucin de
ciertas enfermedades carenciales lo que se atribuy a variaciones en la composicin de la
dieta alimenticia. Estas observaciones permitieron elaborar teoras sobre las causas de estas
enfermedades y tomar medidas preventivas eficaces antes de que llegaran a identificarse
determinados nutrientes esenciales tales como las vitaminas. Un ejemplo de este fenmeno
lo constituyen los estudios de Goldberger sobre la pelagra realizados entre 1915 y 1926
(Terris, 1964).
En los ltimos aos se ha prestado mayor atencin a la epidemiologa de las
enfermedades neoplsicas. Los estudios epidemiolgicos han jugado un papel fundamental
mostrando la relacin entre el consumo de cigarrillos y la aparicin de cncer de pulmn.
Otros estudios han sealado la asociacin existente entre la exposicin a radiaciones
ionizantes y determinadas formas de cncer.
Las relaciones de diversas sustancias qumicas con distintos tipos de tumores
malignos han sido objeto de estudio en una gran cantidad de investigaciones
epidemiolgicas. A pesar de que el conocimiento de los mecanismos patognicos de estas
enfermedades todava es muy incompleto, estos estudios han abierto en muchos casos el
camino que conduce a la toma de medidas preventivas.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
cambio de estado, sera la incidencia. Las medidas de prevalencia de mayor utilidad en los
estudios de planificacin de servicios sanitarios o de estimacin de las necesidades
asistenciales. La eleccin entre incidencia y prevalencia a menudo se hace desde un
punto de vista pragmtico. En general en los estudios epidemiolgicos de enfermedades
crnicas, tales como diabetes o artritis reumatoide, se utilizan medidas de prevalencia
mientras que en los referidos a otras enfermedades como infarto de miocardio o cncer, se
suelen emplear medidas de incidencia.
TRES MEDIDAS DE FRECUENCIA DE ENFERMEDAD
A continuacin se describen tres medidas de frecuencia de enfermedad. La primera es
una medida de prevalencia y las otras dos son medidas de incidencia.
Prevalencia:
La medida de prevalencia se denomina nicamente prevalencia (P) y se define como:
P=
A. Ahlbom, S, Norell
Incidencia acumulada:
La llamada incidencia acumulada (IA) se define como:
IA=
A. Ahlbom, S, Norell
I =____________________________________________________
suma de los perodos de tiempo en riesgo de contraer
la enfermedad correspondientes a cada individuo de la poblacin
La suma de los perodos de tiempo del denominador se mide frecuentemente en aos
y se conoce como tiempo en riesgo. El tiempo en riesgo para cada individuo de la
poblacin es el tiempo durante el cual este individuo permanece en el grupo en estudio y se
encuentra libre de la enfermedad, y por tanto en riesgo de contraerla.
Finalmente se suman los perodos de tiempo en riesgo de todos los individuos. La
razn es que el nmero total de individuos que pasan del estado sano al estado enfermo
durante cualquier perodo es el producto de tres factores: el tamao de la poblacin, la
amplitud del perodo de tiempo, y el poder patgeno o fuerza de morbilidad que acta
sobre la poblacin. La tasa de incidencia mide esta fuerza o poder. Por ello, la tasa de
incidencia se obtiene dividiendo el nmero de casos por el producto del tamao de la
poblacin y la duracin del perodo, lo cual es equivalente a la suma de los perodos de
tiempo para cada individuo de la poblacin. Al dividir el nmero de casos por el de tiempo
en riesgo, la duracin del perodo de observacin tiene aqu en cuenta incluso el que los
perodos de observacin sean variables; lo que no es posible utilizando la incidencia
acumulada. Esta medida corrige el efecto de la entrada y salida de individuos en la poblacin
en estudio durante el perodo de observacin. A menudo, no es posible excluir los perodos
en que algunos de los individuos no estn en riesgo, porque han desarrollado la enfermedad.
El valor total del tiempo en riesgo puede calcularse de manera aproximada y generalmente
satisfactoria multiplicando el tamao medio de la poblacin por la duracin del perodo de
observacin.
La tasa de incidencia no es una proporcin como las dos medidas anteriores, dado
que el denominador se mide en unidades de tiempo. Su dimensin es por unidad de tiempo.
La magnitud de la tasa de incidencia no puede ser inferior a cero pero no tiene lmite
superior.
Ejemplo: En 1973 aparecieron 29 casos de infarto de miocardio en Estocolmo entre los
hombres de 40-44 aos de edad (Ahlbom, 1978). El nmero de aos en riesgo para los
hombres de este grupo de edad fue de 41 352. La tasa de incidencia result ser:
I=
29
_________
41 352
= 0,0007 por ao
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
riesgo de muerte fuese mayor en Suecia que en Costa Rica. Todas las tasas de mortalidad
especficas por edad, excepto aquellas de los grupos de edad ms avanzada, fueron mayores
en Costa Rica que en Suecia. La explicacin es que grupos de edad avanzada, donde la
mortalidad es ms alta, constituyen una mayor proporcin de la poblacin en Suecia que en
Costa Rica.
BIBLIOGRAFA
Ahlbom, A., Acute myocardial infarction in Stockholm - A medical information system as
an epidemiological tool, International Journal of Epidemiology, 1978; 7:271- 276.
Allander, E., A population survey of rheumatoid arthritis, Acta Rheumatologica
Scandinavica, 1970, suplemento 15.
Elandt-Johnson, R. C., Definition of rates: Some remarks on their use and misuse,
American journal of Epidemiology, 1980; 102.267- 271.
Freeman, J. y Hutchinson, G. B., Prevalence, incidence, and duration, American Journal
of Epidemiology, 1980; 112:707- 723.
Haberman, S., Mathematical treatment of the incidence and prevalence of disease, Social
Science and Medicine, 1978; 12:147- 152.
Hoem, J. M., The statistical theory of demographic rates, Scandinavian Journal of
Statistics, 1976; 3:169- 185.
Morgenstern, H., Kleinbaum, D. G. y Kupper, L. L., Measures of disease incidence used in
epidemiologic research, International journal of Epidemiology, 1980; 9:97- 104.
National Board of Health and Welfare, Committee for the Cancer Environment Registry en
colaboracin con The National Bureau of Statistics and The Swedish Work
Environmental fund, The Swedish Cancer Environment Registry, 1961- 73; Estocolmo,
1980.
A. Ahlbom, S, Norell
EJERCICIOS - CAPTULO 2
1. El nmero de muertes anuales debidas a cncer en Estados Unidos aument de 118 000
a 331000 durante el perodo 1930-1970; es decir, sufri un incremento del 180,5%. Una
explicacin de este aumento podra ser una mayor exposicin de la poblacin a
sustancias carcinognicas. Enumerar otras posibles explicaciones.
2. Cuando se estudia la relacin entre dieta y enfermedad, la morbilidad puede ser
expresada en cantidades absolutas (nmero de casos o individuos afectados) o relativas
(al tamao de la poblacin). Qu es preferible? Por qu?
3. La frecuencia de enfermedad puede medirse corno prevalencia o como incidencia. Qu
medida es ms apropiada para la evaluacin de programas preventivos? Por qu?
4. Explicar en propios trminos el significado de las siguientes expresiones:
a) La prevalencia de una enfermedad en una poblacin es de 0,02.
b) La tasa de incidencia de una enfermedad en una poblacin es de 5 X 10-4 por ao.
5. En una poblacin con una distribucin por edad estable cmo se explicara que la
prevalencia de una enfermedad est disminuyendo a pesar de que la tasa de incidencia
permanezca constante?
6. Cul es la diferencia entre tasa de incidencia e incidencia acumulada?
7. Pngase un ejemplo numrico, con un perodo de observacin de un ao, en el que la
tasa de incidencia anual sea mayor de 1. Cul ser la incidencia acumulada?
8. Entre el personal de cierto laboratorio mdico se registraron 532 casos de heridas
debidas a accidentes en un perodo de cuatro aos, El nmero de empleados de este
laboratorio era de 520 al comienzo del perodo y de 680 al final qu medida de
frecuencia puede ser obtenida? Calclese.
9. En un examen de 1 000 hombres de 65 aos, se encontr que 100 padecan una cierta
enfermedad. Durante el siguiente perodo de lo aos, 200 ms contrajeron esta
enfermedad. Qu medida (s) de frecuencia de enfermedad puede(n) obtenerse? Realizar
los clculos.
10. Entre los internados en un centro de tratamiento psiquitrico existan portadores de
hepatitis B en algunas salas, aunque no en otras. Para investigar el grado en que este
hecho pudiese condicionar la frecuencia de hepatitis B entre el personal, se le examin
determinando la presencia de marcadores serolgicos. 14 individuos, de 67 personas
que trabajaban en las salas en las que haba portadores, presentaban positividad a
marcadores de hepatitis B. De 72 personas que trabajaban en las otras salas, slo 4
presentaron serologa positiva. Qu medida de frecuencia de enfermedad indicada por
los marcadores se puede calcular? Obtngase para cada uno de los dos grupos de
personal.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
b) Calcular la tasa de incidencia especfica para cada grupo de edad en el rea perifrica
y la del centro de la ciudad.
N. de lesiones y aos en riesgo por edad y rea
Edad
(aos)
15-19
ms de 20
Total
N de lesiones
rea
perifrica central
1
21
20
2
9
rea
7
N de aos en riesgo
rea
rea
perifrica
central
4000
76000
80000
1000
79000
80000
19. De 129 600 nios nacidos en Nueva York, 212 presentaron espina bfida al nacer. Qu
medida de frecuencia de espina bfida puede obtenerse? Calclese.
20. En un rea de Londres nacieron durante los aos 1970-1973, 832 nios cuyo peso al
nacer era inferior a 2 000 g. 133 de stos eran muertes fetales tardas. De los nacidos
vivos, 210 murieron en el primer mes despus del nacimiento. Qu medidas de
frecuencia de enfermedad pueden obtenerse referidas a: a) mortalidad fetal tarda y, b)
mortalidad en nios nacidos vivos con peso al nacer inferior a los 2 000 g? Realizar los
clculos.
21. En un llamamiento al servicio militar en Holanda se realiz un cribado de varones de 19
aos nacidos entre 1944 y 1947 utilizando test normalizados de inteligencia y otros
mtodos. De 405 548 hombres sometidos a la prueba, 23 360 mostraron R.M.L
(Retraso mental leve, CI = 50-69). Qu medida de frecuencia de R.M.L puede
obtenerse? Realizar los clculos.
22. En un cribado se determinaron las tasas de colesterol srico y presin arterial sistlica
de 1329 varones de edad comprendida entre 40-59 aos. En el momento del examen
ninguno presentaba cardiopata isqumica (C1). A continuacin se realiz un
seguimiento de los mismos durante 6 aos con vistas a detectar la presencia de esta
enfermedad. (Vase tabla).
A. Ahlbom, S, Norell
n. de
casos
de CI
< 220
220- 259
+=260
10
19
19
431
347
185
147- 166
n. de
individuos
93
74
57
n. de
casos
de CI
mayor o igual167
n.de
n. de
individuos
casos
de CI
3
6
11
49
49
44
7
6
11
A. Ahlbom, S, Norell
3. ENFERMEDAD Y DIAGNOSTICO
Para describir la frecuencia de una determinada enfermedad es necesario determinar
qu individuos la padecen. Esto se consigue mediante el examen de cada individuo en busca
de sntomas y signos, o realizando pruebas complementarias y comparando posteriormente
estas observaciones con los criterios diagnsticos. Las diferentes enfermedades se agrupan
de acuerdo con un sistema de clasificacin.
SNTOMAS, SIGNOS Y PRUEBAS CLNICAS
La mayora de las observaciones sobre las que se basa el razonamiento diagnstico
pueden ser consideradas como mediciones de variables continuas. La distribucin de estas
variables difiere considerablemente entre los diversos grupos de individuos. Entre los
pacientes de un centro de asistencia primaria o los de un departamento de medicina interna,
hay, por ejemplo, quienes buscan asistencia por manifestaciones clnicas de diabetes (con
elevacin de azcar en sangre) y quienes la solicitan por otras razones (habitualmente con
niveles bajos o normales de azcar en sangre). En un grupo de pacientes como este, la
variable relacionada con la enfermedad (nivel de azcar en sangre) tiende a adoptar una
distribucin bimodal. Sin embargo, la distribucin de esta variable en la poblacin general es
unimodal. Esta distincin explica las diferencias existentes entre la investigacin basada en
muestras de la poblacin general y la investigacin basada en casos clnicos; especialmente,
cuando se consideran problemas relacionados con la precisin o certeza del diagnstico. Las
variables que constituyen las bases para el diagnstico pueden depender en principio de
observaciones subjetivas del paciente (sntomas), de observaciones subjetivas del que
examina (signos) o de observaciones objetivas (pruebas clnicas).
Sntomas. Este trmino corresponde a las manifestaciones que slo la persona examinada
(paciente) puede observar, por ejemplo, dolor, nusea, fatiga. Naturalmente, los sntomas
pueden ser percibidos y descritos de distinta forma por diferentes individuos y por el mismo
individuo en diferentes situaciones.
La exactitud en el registro de los sntomas depende del procedimiento utilizado en la
recogida de datos; por ello se han desarrollado entrevistas normalizadas y protocolos de
encuesta para mejorar su reproductibilidad. Por otra parte, la identificacin de sntomas por
medio de entrevista se detecta no slo por la forma en que se formulan las cuestiones, sino
tambin por las caractersticas del entrevistador y por la situacin en que se produce la
entrevista. Como ejemplo de esta afirmacin podemos citar un estudio en el que los
individuos fueron entrevistados por mdicos y por personal del Instituto Nacional de
Estadsticas de Suecia (Johansson et al., 1969). En ambos casos se formularon las mismas
preguntas, buscando la presencia de ciertos sntomas, sin embargo, los resultados fueron
diferentes (vase cuadro l). El lector puede obtener ms informacin acerca de los
problemas metodolgicos de las entrevistas de salud en libros de texto y revistas de la
literatura (US Department of Health; Education and We1fare 1977; Bennet & Ritchie,
1975).
CUADRO 1. Comparacin de entrevistas realizadas por mdicos y por entrevistadores
del Instituto Sueco de Estadsticas (ISE) dirigidas a identificar la presencia
de ciertos sntomas.
A. Ahlbom, S, Norell
Entrevistador mdico
Entrevistador del ISE
Cefalea
N
leve
4
13
3
0
1
0
Vrtigo
intensa
N
leve
intenso
Fatiga
N leve
intensa
No
Leve
Intensa/o
19
6
0
33
1
0
6
1
3
2
0
0
33
1
2
3
5
0
0
1
1:
A. Ahlbom, S, Norell
Interpretacin,
radilogo B
Tumor
Tumor
Pulmn
Corazn
Sin
especificar
Negativo
Total
Pulmn
Corazn
Sin
especificar
61
70
19
16
1320
151
1
63
1322
9
861
369
25
28
407
157
43
91
1716
680
203
2051
1 520
3635
Negativo
Total
8
367
1 880
95
2681
3 741
1 656
8475
12386
3 847
1 9431
19 795
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
Las variaciones mostradas en las figuras 1 y 2 estn causadas por diferencias en los anlisis
de una muestra de sangre. Otras fuentes de error que afectan la precisin de la medida son,
por ejemplo, las condiciones en que se hace la extraccin de la muestra (ayuno, medicacin,
estrs) y la tcnica empleada para la obtencin de la misma. En la prctica, es con frecuencia
ms fcil normalizar las tcnicas que las condiciones en que se realiza la medicin.
CRITERIOS DIAGNSTICOS
Las manifestaciones que caracterizan a las enfermedades, (sntomas, signos y resultados de
pruebas clnicas) han sido utilizadas para formular criterios diagnsticos. Es decir, las
condiciones que deben, cumplirse para que un determinado diagnstico pueda ser
establecido. La eleccin de un criterio diagnstico determina si un individuo examinado va a
ser clasificado como enfermo. Si se utilizan criterios estrictos o muy restringidos hay slo
una peguen probabilidad de que los individuos que no padecen la enfermedad sean
clasificados como enfermos; sin embargo, la probabilidad de que alguien que padece la
enfermedad sea clasificado como sano es relativamente grande. Por el contrario, si el criterio
utilizado es ms amplio o laxo tiende a caerse en el tipo opuesto de error de clasificacin: la
mayora de los individuos que padecen la enfermedad sern correctamente clasificados como
enfermos, pero existe una probabilidad relativamente grande de que algunos que no la
presentan sean tambin clasificados como enfermos.
Los criterios diagnsticos para el infarto de miocardio, por ejemplo, han sido formulados de
la siguiente forma. Infarto de miocardio (Hennini & Lundrnan 1975): deberan cumplirse dos
cualesquiera de las condiciones a, b, c la condicin d:
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
I.
II.
199
200-208
210-229
Tumores benignos.
230-234
Carcinoma in situ.
235-238
239
Tumores de naturaleza no especificada.
_________________________________________________________________________
A. Ahlbom, S, Norell
145
Tumor maligno de otras partes y de las no especificadas de la boca.
146
Tumor maligno de la buco-faringe.
147
Tumor maligno de la nasofaringe.
148
Tumor maligno de la laringefaringe.
149
Tumor maligno de otros sitios y de los mal definidos de los labios, de la cavidad
bucal y de la faringe.
PRECISIN Y CERTEZA DEL DIAGNSTICO
Entre los individuos que han sido sometidos a un examen se encuentran los que realmente
padecen una cierta enfermedad y los que han sido clasificados como enfermos, es decir,
aquellos a los que se les ha asignado un determinado diagnstico. Esta relacin se ilustra en
la figura 3.
Los datos epidemiolgicos se basan siempre en diagnsticos. Cuando se intenta juzgar o
mejorar la veracidad de los diagnsticos, deben ser considerados los siguientes factores:
1. Sntomas, signos y pruebas clnicas:
Los resultados dependen de la valoracin subjetiva del paciente (sntomas) y del observador
(signos), as como de la calidad de las tcnicas de examen complementario. La fiabilidad
puede mejorarse a menudo, mediante protocolos de examen normalizados y esquemas, de
clasificacin.
2. Criterios diagnsticos:
La eleccin de criterios diagnsticos modifica la probabilidad de que un individuo que no
padece enfermedad sea clasificado como enfermo y viceversa. Para muchas enfermedades no
existen criterios diagnsticos bien definidos.
A. Ahlbom, S, Norell
3. Clasificacin de enfermedades:
En el sistema de clasificacin se encuentran diagnsticos similares y rbricas especiales para
casos poco claros o no especificados en diferentes niveles. Inevitablemente, en algunos casos
es difcil elegir entre las diversas posibilidades de clasificacin.
No existe un mtodo completamente seguro para identificar a los individuos que tienen una
cierta enfermedad, aunque algunas observaciones son consideradas ms valiosas que otras a
efectos de establecer un diagnstico; por ejemplo, ciertos hallazgos de autopsia. A veces,
cuando el enfermo fallece existe la oportunidad de comparar el diagnstico clnico con un
diagnstico ms seguro basado en las observaciones clnicas y en los resultados de la
autopsia. Cuando se compararon las presuntas causas de muerte de 400 pacientes que
fallecieron en un departamento de Medicina Interna en un Hospital Universitario con los
resultados de las 383 autopsias realizadas (Britton 1974), el diagnstico clnico fue
confirmado, es decir, considerado correcto en el 57%. El diagnstico fue modificado, es
decir se consider que haba sido incierto, en el 30%. En el resto, un 13%, no se haba
establecido diagnstico alguno antes de la autopsia.
Naturalmente, la precisin del diagnstico vara de una enfermedad a otra, pero tambin de
un grupo de individuos a otro (vanse sntomas, signos y pruebas anteriormente y el captulo
4). Esta seguridad tambin depende del tipo de exmenes realizados (por ejemplo autopsia)
y de la interpretacin de las observaciones (vanse 1-3 anteriormente
El objetivo de la actividad epidemiolgica es el estudio de la frecuencia de enfermedad; sin
embargo los estudios epidemiolgicos estn basados realmente en la frecuencia de
diagnsticos. La discordancia entre la frecuencia de diagnstico y la de enfermedad es
siempre una fuente potencial de error en la investigacin epidemiolgica. Esto no implica
que los estudios epidemiolgicos no sean factibles, sino ms bien que el conocimiento de las
diferentes fuentes de error es esencial en la evaluacin y perfeccionamiento de los estudios
epidemiolgicos.
BIBLIOGRAFA
Archer, P. G.; Koprowska, I.; McDonald, J. R.; Naylor, B., Papanicolau, G. N. y Umiker,
W. 0., A study of variability in the interpretation of sputum cytology slides, Cancer
Research, 1966; 26:2122-2144.
Aronsson, T.; Bjornstad, P.; Johansson, S. G.; Leskinen, E.; Raabo, E. y De Verdier, C. H.,
Interlaboratory quality control with investigation of different methodological
characteristics, Scandinavian Journal of Clnical and Laboratory Investgation, 1978;
38:53-62.
Bennet A. E.; Ritchie K., Questionnaires in medicine. A guide to their design and use, The
Nuffield Provincial Hospitals Trust, 1975.
Bjorkhem, I.; Bergman, A.; Falk, 0.; Kallner, A.; Lantto, 0.; Svensson, L.;
Akerlof, E. y Blomstrad, R: Accuracy of some routine methods used in clnical chemistry as
judged by isotope dilution mass spectrometry, Clinical Chemistry 1981; 27:733-735.
A. Ahlbom, S, Norell
Britton, M., Diagnostic errors discovered at autopsy; Acta Medica Scandinavica, 1974;
196:203-210.
Cochrane, A. L., Effectiveness and efficiency: random reflectl ons on health services, The
Nuffield Provincial Hospitals Trust, 1972.
Henning, R. y Lundman, T., Swedish co-operative CCU study. A study of 2008 patients
with acute myocardial infarction from twelve Swedish hospitals with coronary care
unit, Acta Medica Scandinavica, 1975; suplemento 586.
Hopker, W. W., Das Problem der Diagnose und ihre operationale Darstellungen in der
Medizn, Springer-Verlag, 1977.
Johansson, S.; Allander, E. y Bygren, L. 0., Levnadsnivaundersokningen. Metodstudie nr.
2. Jamforelser mellan lekmannaintervju och lakarin tervju pa halsoavsnitt, Stencil,
Socilogiska institutionen, Uppsala Universitet 1969.
Koran, L. M., The reliability of clinical methods, data, and judgnients, New England
Journal of Medicine, 1975; 293:642- 646.
Lilienfeld, A. B. y Kordan, B., A study of variability in the interpretation of chest X-rays
in the detection of lung cancer, Cancer Research, 1966; 26:2145- 2147.
Stromme, J. H. y Eldjarn, L., Surveys of the routine work of clinical chemical laboratories
in 116 Scandinavian hospitals , Scandinavian journal of Clinical and Laboratory
Investigation, 1970; 25:213- 222.
US Department of Health, Education, and We1fare: a sunirnary of studies of interviewing
methodology, DHEW Publication 1977. No. (HRA) 771343, series 2, n 69.
Yerushalmy, J., Statistical problems in assessing methods of medical diagnosis with
special references to X-ray techniques-, Public Health Reports, 1947; 62:1432- 1439.
A. Ahlbom, S, Norell
4. SENSIBILIDAD Y ESPECIFICIDAD
DEFINICIONES
Los individuos de una poblacin pertenecen a uno de los dos grupos siguientes: el de los que
padecen una cierta enfermedad y el de los que no la padecen. El mtodo que se utilice para
clasificar a los individuos segn su pertenencia a uno de estos grupos adscribe algunos de los
individuos sanos al grupo enfermo y ciertos individuos enfermos al grupo sano. Los
trminos sano y enfermo denotan en este contexto nicamente la ausencia o presencia de la
enfermedad en cuestin. La figura 4 ilustra este fenmeno.
A. Ahlbom, S, Norell
como sanas
Especificidad = ________________________________________
n total de personas sanas.
La figura 5 representa esquemticamente la interdependencia de los valores de la sensibilidad
y de la especificidad. Aceptando que la base del diagnstico realizado sobre la medida de
una variable, la constituye el hecho de que sus valores se distribuyen de manera
esencialmente diferente en la poblacin sana y en la enferma se clasifican como enfermos
aquellos individuos cuyos valores exceden un lmite (k) previamente establecido.
Considerando que el rea limitada por cada una de las curvas equivaliese a un cien por cien,
la zona izquierda del diagrama superior correspondera a la especificidad y la derecha del
inferior a la sensibilidad. Si se aumentase el valor (k) de la variable requerido para que un
individuo sea considerado como enfermo (criterio ms estricto), es decir, se desplazase (k)
hacia la derecha, disminuira la sensibilidad y aumentara la especificidad. Si el lmite se
desplaza en sentido contrario la sensibilidad aumentara y decrecera la especificidad.
Los errores de clasificacin, de acuerdo con el diagrama, pueden ser de dos tipos. Una parte
de los sanos puede ser errneamente clasificada como enfermos (falsos positivos) y una
parte de los enfermos considerada como individuos sanos (falsos negativos). A continuacin
se exponen las consecuencias de este tipo de error en dos situaciones diferentes.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
Sensibilidad (%)
Especificidad (%)
99
95
90
80
99
95
90
80
_________________________________________________
20
96,1
82,1
69,2 50,0
10
91,7
67,9
50,0 30,8
5
83,9
50,0
32,1 17,4
1
50,0
16,1
8,3 3,9
0,1
9,0
8,7
4,3 1 2,0
Como se puede observar en el cuadro 6, cuando la prevalencia es baja el valor predictivo es
escaso a pesar de que los valores de sensibilidad y especificidad sean altos. Por ejemplo, el
valor predictivo es slo del 50% cuando la prevalencia es del 1 % y la sensibilidad y
especificidad son del 99%. Esto significa que de los individuos clasificados como enfermos
por la prueba de cribado slo el 50% seran realmente enfermos. La utilidad de una prueba
de cribado depende del coste y los trastornos que a los individuos y a la sociedad originan
las exploraciones y teraputicas adicionales y de los beneficios derivados del tratamiento
precoz de los enfermos.
A. Ahlbom, S, Norell
BIBLIOGRAFA
Galen, R. S. y Gambino, S. R., Beyond normality - The predictive value and efficiency of
medical diagnoses, john Wiley & Sons, 1975.
Rogan, W. J. y Gladen B., Estimating prevalence from the results of a screening test,
American Journal of Epidemology, 1978; 107:71- 76.
A. Ahlbom, S, Norell
EJERCICIOS - CAPTULOS 3 Y 4
1. Con motivo de la realizacin de un estudio epidemiolgico, dos grupos de mujeres
fueron interrogadas acerca de la frecuencia de nuseas y dolor de estmago. Al
comparar las respuestas de ambos grupos se encontraron importantes diferencias en la
notificacin de los sntomas. Pueden ser explicables los resultados por posibles
diferencias en el mtodo de recogida de datos en ambos grupos? Qu diferencias?
2. Para diagnosticar una cierta enfermedad se utiliza una tcnica citolgica analizando
frotis al microscopio. La precisin de este mtodo depende del grado de coincidencia
existente entre diferentes observadores. Un nmero relativamente alto de muestras fue
sometido a examen por dos personas independientemente, comparndose los resultados.
Cada observador encontr determinados cambios celulares en el 10% de las muestras
examinadas. El grado de coincidencia, expresado como la proporcin de muestras que
fueron clasificadas de igual manera, (con o sin cambios celulares) por ambos expertos,
fue del 80%. Puede considerarse este grado de concordancia como satisfactorio? Por
qu?
3. En un estudio epidemiolgico de glaucoma el examen inclua la determinacin de la
razn de dimetros excavacin/disco papilar por oftalmoscopa indirecta. Para valorar la
precisin del mtodo dos oftalmlogos examinaron de forma independiente 100 papilas
pticas. Los hallazgos fueron clasificados de acuerdo con los valores de los cocientes
obtenidos. La concordancia fue expresada como la proporcin de papilas pticas
clasificadas de forma similar por los dos examinadores. Mencionar tres circunstancias
que afecten la estimacin de la concordancia.
4. Comprense los problemas subyacentes al diagnstico del cncer crvico-uterino
utilizando exmenes microscpicos de frotis celulares, en pacientes que visitan las
consultas externas de un servicio de ginecologa y en mujeres que se someten a
exmenes ginecolgicos peridicos.
5. En un cribado peridico de la poblacin masculina de mediana e dad se extrajeron
muestras de sangre para determinar niveles de colesterol srico. El 85% de estas
muestras fueron analizadas en el laboratorio A, el 10% en el laboratorio B y el 5% en el
laboratorio C. 10 aos ms tarde se planific un estudio epidemiolgico en el que se
intentaba estudiar la relacin existente entre la mortalidad por una enfermedad
especfica en esos varones y los anteriores niveles de colesterol srico. Cul sera la
forma ms simple de tratar el problema de las variaciones interlaboratorio?
6. En varios pases han sido examinadas muestras representativas de la poblacin para
valorar la frecuencia de diferentes enfermedades, por ejemplo, asma, glaucoma y
esquizofrenia. Los hallazgos de los diferentes pases muestran considerables diferencias.
Qu otras explicaciones aparte de la propia frecuencia de enfermedad podran
aducirse?
7. Citar un ejemplo de enfermedad (distinto al del infarto de miocardio) con criterios
diagnsticos razonablemente bien definidos y generalmente aceptados. Cules son esos
criterios?
A. Ahlbom, S, Norell
Enfermedad presenteSI
segn el examen
NO
clnico
Total
SI
No
60
40
100
20
80
100
Total
80
120
A. Ahlbom, S, Norell
Poblacin de referencia
A. Ahlbom, S, Norell
Aos en
riesgo
Jvenes 3000
Ancianos 1000
Total
4000
casos
30
30
60
tasas de
incidencia
0,010
0,030
0,015
aos en
riesgo
tasas de
casos incidencia
1000
9000
10000
5
225
230
0,005
0,025
0,023
Poblacin de referencia
A. Ahlbom, S, Norell
aos en
riesgo
Jvenes 3000
Ancianos 1000
Total
4000
casos
?
?
60
tasas de
incidencia
aos en
riesgo
tasas de
casos incidencia
1 000
9000
10000
5
225
230
?
?
0,015
0,005
0,025
0,023
A. Ahlbom, S, Norell
RR
La fraccin etiolgica se influye de esta manera por la frecuencia de la exposicin en la
poblacin, lo que no ocurre con los resultados de las comparaciones absolutas y relativas
anteriormente consideradas.
Ejemplo: En un estudio sobre la asociacin entre tabaco y cncer de cavidad orofarngea, la
razn de tasas estimada fue de 4,1 (Rothman & Keller 1927). El 95% de los casos eran
fumadores. Suponiendo que la asociacin observada fuese causal, el valor de la fraccin
etiolgica se obtendra de la siguiente forma:
4,1 - 1
FE = ________ x 0,95 = 0,72
4,1
Esto significa que el 72% de los casos de cncer de cavidad orofarngea que aparecen en la
poblacin estudiada pueden ser considerados corno originados por el hbito de fumar. Es
importante recalcar aqu el hecho de que el resultado del ejemplo empleado es compatible
con una fraccin etiolgica atribuida a consumo de alcohol de, por ejemplo, el 60%.
Considerando aceptada la idea de que el hbito de fumar y el consumo de alcohol potencian
mutuamente la capacidad de generacin de esta enfermedad, es lgico pensar que algunos de
los casos nunca hubiesen aparecido si los sujetos hubieran sido con anterioridad expuestos
nicamente a alcohol o a tabaco. Por esta razn se estima que la mayor parte de los casos de
cncer de cavidad orofarngea podran haberse prevenido por la eliminacin del hbito de
fumar o del consumo de alcohol Independientemente. Este problema ser tratado en el
captulo siguiente.
FRECUENCIA COMPARADA Y MEDIDAS
DE FRECUENCIA DE ENFERMEDAD
Las comparaciones de frecuencias de enfermedad pueden arrojar resultados diferentes
dependiendo del tipo de parmetros (tasas de incidencia, incidencia acumulada y
prevalencia) utilizados en la medida de la frecuencia de enfermedad.
Las relaciones entre sus valores, tratadas en el captulo 2 donde se vio cmo podran ser
recprocamente deducidos, pueden ser utilizadas para analizar el efecto de la eleccin de
parmetro en los resultados de la comparacin de las frecuencias de enfermedad.
La razn de tasas de incidencia (o su diferencia) es el parmetro fundamental de
comparacin de frecuencias de enfermedad ya que la tasa de incidencia es considerada el
parmetro de frecuencias de enfermedad ms importante.
Las comparaciones relativas de incidencias acumuladas proporcionan aproximadamente los
mismos resultados que las comparaciones relativas de tasas de incidencia si el perodo de
observacin es corto. A medida que ste se prolonga, la razn de incidencias acumuladas
tiende siempre a la unidad, mientras que la de las tasas de incidencia permanece estable.
A. Ahlbom, S, Norell
BIBLIOGRAFA
Ahlbom, A., Standardization - a method to improve comparability, Statistisk Tidskrift
1980; 4:302- 307. (Resumen en ingls).
Cole, P. y MacMahon, B., Attributable risk percent in case-control studies, British
Journal of Preventive and Social Medicine, 1971; 25:242~244.
Miettinen, 0. S., Proportion of diseases caused or prevented by a given exposure, trait or
intervention, American Journal of Epidemiology, 1974; 99:325- 332.
Rothman, K. I. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk
of cancer of the mouth and pharynx, Journal of Chronic Diseases 1972; 25:711- 716.
A. Ahlbom, S, Norell
Ciertas enfermedades son ms frecuentes en aquellos que viven en una misma rea
geogrfica, en hombres, en mujeres, entre ciertos grupos de edad o profesionales, en
fumadores, etctera. La edad, el sexo, el hbitat, la profesin, el consumo de tabaco, son por
lo tanto ndices de riesgo para muchas enfermedades. El conocimiento de los ndices de
riesgo puede ser utilizado para identificar poblaciones de alto riesgo que constituyan los
grupos objeto de medidas preventivas o exmenes de salud dirigidos.
CAUSAS DE ENFERMEDAD
Ciertos fenmenos o acontecimientos se suceden en el tiempo de manera tan regular que se
habla de causas y efectos. El concepto de causa se ha discutido mucho en filosofa,
especialmente en teora de la ciencia (Taylor, 1967). Las causas de enfermedad se estudian
dentro de la epidemiologa con el objeto de explicar y, si es posible, de prevenir la aparicin
de las enfermedades. Una asociacin se considera de tipo causal cuando una disminucin en
la frecuencia de una caracterstica especfica de algunos individuos o de su medio ambiente
se sigue de una reduccin en la incidencia de la enfermedad.
La asociacin entre C y E puede surgir de tres modos distintos (figura 7):
A. Ahlbom, S, Norell
En el caso de que C aparezca antes que E, solamente podran ser reales las dos primeras
alternativas (a) y (b) y en este caso C se denomina indicador de riesgo con respecto a E. Sin
embargo, solamente en el caso de la alternativa (a) existe una relacin causal entre C y E.
(En la literatura se emplea indistintamente el trmino factor de riesgo para hacer
referencia tanto a causas, alternativa (a), como a indicadores de riesgo, alternativas (a) y
(b)]. En los estudios epidemiolgicos, cuyo objetivo es mostrar posibles relaciones causales,
es fundamental diferenciar entre las alternativas (a) y (b). Este problema se trata ms
extensamente en el captulo 7 en el apartado dedicado al confounding.
Cuando los resultados de un estudio indican la existencia de una asociacin entre E y C,
deben tenerse en cuenta, adems de los fenmenos (a) (b) y (c), el posible efecto de la
utilizacin de mtodos inadecuados (d) (vase captulo 7), y la presencia de variaciones
aleatorias (e) (vase captulo 9).
MODELO CAUSAL I
Por lo general una enfermedad tiene varias causas que, conjunta o independientemente, dan
lugar a la aparicin de la misma. De igual manera una sola causa puede contribuir a la
aparicin de varias enfermedades diferentes.
Las causas de enfermedad pueden dar origen a stas de forma indirecta, es decir, a travs de
la produccin de otras causas de enfermedad, o directamente. En realidad casi siempre
aparecen indicios de la existencia de causas intermediarias; esto hace que la relacin de
causalidad est mejor caracterizada por el grado de proximidad que por el carcter, dgase,
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
directo o indirecto de la misma. La llamada red causal es un modelo que ilustra la relacin
entre causa y enfermedad. La figura 8 muestra la red causal del infarto de miocardio. Las
causas que ocupan en la red los niveles jerrquicos ms altos, a menudo caractersticas
sociales como hbitos alimenticios y estrs, son del mximo inters desde el punto de vista
epidemiolgico y preventivo.
MODELO CAUSAL II
Una causa suficiente es una causa que inevitablemente acarrea una determinada
consecuencia. Las causas de enfermedad nicas son rara vez causas suficientes. La
exposicin a la microbacteria de la tuberculosis por ejemplo no conduce necesariamente a
enfermar de tuberculosis. El riesgo de contraer la enfermedad se ve muy influido, entre otras
cosas, por ciertas caractersticas anatmicas y fisiolgicas de los individuos as como por la
respuesta inmunolgica especfica del sujeto.
Una causa que no es una causa suficiente, se denomina causa complementara. La
hiperlipidemia (elevacin excesiva de los niveles sricos de grasas), la hipertensin (el
aumento de presin sangunea arterial), el consumo de cigarrillos y la diatesis trombtica
(tendencia a la formacin de coagulos sanguneos) se consideran por ejemplo causas que
contribuyen a la aparicin del infarto de miocardio. La inmensa mayora de las causas de
enfermedad pueden ser consideradas como causas complementarias.
Una causa necesaria es una causa que inevitablemente debe estar presente para que ocurra
la enfermedad. Por lo tanto, la exposicin al bacilo tuberculoso es una causa necesaria para
la tuberculosis, pero no es una causa suficiente.
El modelo grfico de la figura 9 seala esquemticamente como varias causas
complementarias (sectores) dan lugar a una causa suficiente (crculo). La figura tambin
muestra que una enfermedad puede tener varias causas suficientes y que estas pueden tener
en comn una o ms causas complementarias. Una causa como la A, que es un elemento que
forma parte de todas las causas suficientes, es una causa necesaria.
De acuerdo con este modelo, no es necesario conocer todas las causas complementarias
para prevenir la enfermedad. As pues, eliminando uno de los elementos de la causa
A. Ahlbom, S, Norell
suficiente, son prevenidos todos los casos de enfermedad que esta causa suficiente origina.
En este sentido, se puede hablar de la fraccin etiolgica (FE) correspondiente a cada una de
las causas de enfermedad. La fraccin etiolgica es la parte o la porcin de los casos de
enfermedad que acontecen en una determinada poblacin a los que dio lugar esa causa. En
otras palabras, la parte de los casos que no hubiese aparecido si se hubiese eliminado la
causa en cuestin (vase captulo 5). La suma de las fracciones etiolgicas de todas las
causas suficientes de una enfermedad es siempre el 100%. Sin embargo la fraccin etiolgica
correspondiente a cada causa complementaria equivale a la suma de las fracciones
etiolgicas de la o las causas suficientes de las que forma parte. Es decir, si por ej. FE(I)
20% y FE(II) = 30% vendra lgicamente a ser FE(III) = 100% 20% - 30% = 50%. Las
causas complementarlas D y E forman parte solamente de la causa suficiente I, por lo que
FE(D) = FE(E) = FE(I) = 20%. Las causas B y A aparecen respectivamente en dos y en tres
de las causas suficientes. FE(B) = FE(I) + FE(II) = 20% + 30% = 50% y FE(A) = FE(I) +
FE(II) + FE(III) = 100%. En este ejemplo la suma de las fracciones etiolgicas de todas las
causas complementarias, de A a J, sera de 500%. Es decir que para cualquier enfermedad la
suma de las fracciones etiolgicas de las causas complementarias es al menos (por lo
habitual mucho mayor) del 100%. Por ejemplo si el 60% de los casos de una enfermedad se
originan por el consumo de tabaco, puede de igual manera estar el 70% originado por un
factor presente en la dieta y el 80% por la exposicin a otros factores. Esto implica que el
60% de la incidencia de la enfermedad podra eliminarse a travs de la erradicacin del
consumo de tabaco o que hasta el 70% podra prevenirse a travs de la modificacin de los
hbitos alimenticios, etctera.
La importancia del papel que una causa complementaria juega en la aparicin de una
enfermedad en una determinada poblacin depende, segn este modelo, de la frecuencia con
la que las restantes causas complementarias, pertenecientes a la misma causa suficiente, se
hallan presentes en dicha poblacin. Si por ejemplo la causa complementaria E afecta al 50%
de los individuos y la combinacin A + B + C + D est presente en el 40%, la causa E
determinara la aparicin de la enfermedad en el 20% de la poblacin.
50
40
20
___ x ____ = ____
100 100 100
En el caso de que, por ejemplo, la caracterstica estuviese presente en el 50% de la
poblacin pero la combinacin A + B + C + D solamente en el 2%, la causa E sera
determinante de enfermedad en el 1 % de la poblacin.
50
2
1
___ x ___ = ____
100 100
100
(En este ejemplo se presupone que A + B + C + D y E se presentan de manera
independiente).
De manera similar puede demostrarse que el efecto del aumento de la frecuencia de dos o
ms causas complementarlas componentes de una misma causa suficiente, en la frecuencia
de enfermedad resultante, es mayor que la suma de los efectos correspondientes al mismo
aumento en el caso de que estas formasen parte de distintas causas suficientes.
A. Ahlbom, S, Norell
BIBLIOGRAFA
Friedman, G. D., Premier of epidemiology, McGraw-Hill, 1974.
Rothman, K. J.,Causes, Americanjournal of Epidemiology, 1976; 104:587- 592.
Rothman, K. J., Greenland, S. y Walker, A. M., Concepts of interaction,
American Journal of Epidemiology, 1980; 112:465~466.
Saracci, R., Interaction and synergism, American Journal of Epidemiology, 1980;
112:465-466.
Susser, M., Causal thinking in the health sciences. Concepts and strategies of
epidemiology, Oxford University Press, 1973.
Taylor, R., Causation, pp. 56-66 en The Encyclopedia of Philosophy, vol. 2 (comp.
Edwards P.). McMillan Press, 1967.
A. Ahlbom, S, Norell
EJERCICIOS - CAPITULOS 5 y 6
1. En un estudio epidemiolgico se determin la frecuencia de cncer de vas respiratorias en
la poblacin masculina de dos reas, urbana y rural respectivamente (vase a continuacin).
Realcense las comparaciones absolutas y relativas en base a las tres medidas de frecuencia
de enfermedad.
Urbana
Tasa de incidencia expresada
por 100 000 aos en riesgo.
Rural
60
15
315
80
275
70
A. Ahlbom, S, Norell
que fueron vacunadas y el 24% de las que recibieron el placebo presentaron un malestar
moderado o intenso despus de la vacunacin. Calcular el riesgo relativo de presentar
a) Cuadro gripal.
b) Molestias post-vacunacin.
c) Comentar los resultados.
8. En un estudio finlands sobre morbilidad y mortalidad por infarto de miocardio se hizo
una comparacin entre hombres casados y no casados. Los resultados fueron:
Infarto de miocardio en hombres de 40- 64 aos
(tasas normalizadas por edad)
Incidencia/100 000
aos en riesgo
Casados
No casados
1 371
1228
Mortalidad/100 000
aos en riesgo
498
683
A. Ahlbom, S, Norell
Poblacin A
jvenes
Ancianos
Total
n de aos
en riesgo
n de
casos
2000
4000
6000
4
32
36
Poblacin B
n de aos
en riesgo
4000
1000
5000
n de
casos
20
15
35
Edad
35-44
45-54
55-64
N de empleados
durante el ao
8000
2000
2000
A. Ahlbom, S, Norell
Edad
15-24
25-34
35-44
45-54
55-64
Total
N de
enfermos
651
518
500
465
211
2345
0
6
90
381
626
1 103
Grupo de comparacin
N de
individuos
(millares)
337
431
522
507
367
2 164
12. De las zonas de captacin correspondientes a dos clnicas locales se obtuvieron dos
muestras aleatorias de poblacin masculina de 30 a 69 aos de edad. Utilizando un
cuestionario, previamente validado, referido a sntomas actuales se estudi la frecuencia de
bronquitis crnica. Los resultados se muestran en las tablas siguientes. Hgase una
comparacin de las frecuencias de enfermedad en las dos poblaciones utilizando pesos
iguales para los diferentes grupos de edad al realizar la estandarizacin.
Poblacin I
Edad
N de individuos
en la muestra
N' de individuos
con bronquitis crnica
30-39
40-49
50-59
60-69
Total
1000
2000
4000
3000
10000
5
20
50
50
125
Poblacin II
Edad
N. de individuos
en la muestra
N. de individuos
con bronquitis crnica
30-39
40-49
50-59
60~69
Total
5000
3000
1 000
1 000
10000
25
40
20
20
105
A. Ahlbom, S, Norell
EOC. Existe una asociacin entre trastornos psquicos y enfermedad crnica somtica?
Por qu?
14.
15.
A. Ahlbom, S, Norell
Situacin
0 (= ejercicio anterior)
1
2
3
Frecuencia(%) de:
A
B
C
10
10
10
10
20
28
20
80
Frecuencia de
enfermedad
30
30
90
90
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
LA VALIDEZ
ENFERMEDAD
DE
LAS
COMPARACIONES
DE
FRECUENCIAS
DE
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
en los estudios de casos y testigos (vase captulo 8) vanse algunas de las referencias
bibliogrficas, por ejemplo Miettinen (1974).
Ejemplo: Un ejemplo clsico de confounding es la asociacin entre cncer broncopulmonar
y pigmentacin amarillenta del dedo ndice. La excelente correlacin de las dos variables es
fcilmente demostrable, aunque naturalmente la presencia de este pigmento no es causa de
cncer broncopulmonar. La explicacin consiste en que el hbito de fumar es causa de
ambos, cncer broncopulmonar y pigmentacin amarilla del dedo ndice, y por lo tanto un
confounder en el estudio de la relacin entre estos. El hbito de fumar es ms frecuente
entre los individuos cuyo dedo ndice aparece pigmentado de amarillo. La incidencia de
cncer broncopulmonar entre estos ltimos ser superior porque el hbito de fumar
incrementa el riesgo de padecer cncer broncopulmonar. Vase aqu la figura 11 y la figura 7
en el captulo anterior.
Hbito de fumar
Cncer de pulmn
A. Ahlbom, S, Norell
BIBLIOGRAFA
Copeland, K. T.; Chekoway, H.; McMichael, A. J. y Ho1brok, R. H., Bias due to
misclassification in the estimation of relative risk, American Journal of Epidemiology
1977; 105:488-95.
Miettinen, 0. S., Confounding and effect-modification. American Journal of
Epidemiology, 1974; 100:350- 353.
Miettinen, 0. S. y Cook, F., Confounding - essence and control American Journal of
Epidemiology, 1981; 114:593- 603.
Rothman, K. J., A pictorial representation of confounding in epidemiological studies,
Journal of Chronic Diseases, 1975; 32:101- 108.
A. Ahlbom, S, Norell
8. TIPOS DE ESTUDIO
Generalmente la comparacin de frecuencias de enfermedad en individuos expuestos y no
expuestos a un determinado factor se establece procediendo de dos formas distintas. Estas
corresponden a los estudios de cohortes y a los estudios de casos y testigos.
ESTUDIOS DE COHORTES
El punto de partida de los estudios de cohortes es la identificacin de los individuos
expuestos y no expuestos. La frecuencia de enfermedad en los mismos, medida segn se
seal previamente, es el elemento de comparacin. Por ello, en los estudios de cohortes se
determina en primer lugar la frecuencia de la enfermedad en cada uno de los grupos
expuesto y no expuesto. La comparacin de estas frecuencias puede ser absoluta o relativa.
En la figura 12 se expone grficamente el principio de los estudios de cohortes.
Con la caracterstica
(expuestos)
Enfermos
Sin la caracterstica
(no expuestos)
No enfermos
A. Ahlbom, S, Norell
Fumadores
(I1)
35-44
45-54
55-64
65-74
75-84
Todas
las edades
No fumadores
I1 I0
I1/I0
(I0)
0,6
2,4
7,2
14,7
19,2
0,1
1,1
4,9
10,8
21,8
0,5
1,3
2,3
3,9
-2,6
6,0
2,2
1,5
1,4
0,9
4,4
2,6
1,8
1,7
Con la caracterstica
(expuestos)
Sin la caracterstica
(no expuestos)
Enfermos (Casos)
No enfermos (Testigos)
A. Ahlbom, S, Norell
Casos
Testigos
Si
No
a
c
b
d
Total
N1
N0
Puede tambin demostrarse que el cociente (a/b)/(c/d) equivale a la razn de las tasas de
incidencia en expuestos y no expuestos. Por este motivo en los estudios basados en casos
nuevos, incidentes, el cociente I1/I0 puede ser estimado por (a/b)/(c/d), donde I1 e I0 son las
tasas de incidencia en expuestos y no expuestos. Para comprenderlo mejor, la razn de las
dos tasas de incidencia se expresara as:
I1
Al/R1
___ = _______
I0
A0/R0
donde Al y A0 son los nmeros de casos que aparecen entre los expuestos y los no expuestos
respectivamente, e igualmente R1 y R0 son el nmero de aos en riesgo de expuestos y no
expuestos. La expresin anterior equivale a:
I1
__ =
I0
A1/A0
_____
R1/R0
donde A1/A0 es el cociente entre el nmero de casos expuestos y de casos no expuestos. Este
cociente puede ser estimado a partir de a/b, que es el cociente equivalente en el estudio.
R1/R0 es la razn de las cantidades de aos en riesgo de los grupos expuestos y no
expuestos. Esta razn puede ser estimada a travs de c/d, que es el cociente entre el nmero
de testigos expuestos y el nmero de testigos no expuestos.
Ejemplo: Un estudio de casos y testigos que contemplaba la asociacin entre el consumo de
cigarrillos y el cncer de bucofaringe arroj los siguientes resultados:
CUADRO 10. Consumo de cigarrillos en casos y testigos.
Fumadores
Si
No
Total
A. Ahlbom, S, Norell
Casos
Testigos
457
362
26
85
483
447
El hecho de que la frecuencia de fumadores entre los casos sea mayor que entre los testigos
indica la existencia de una asociacin positiva (457/26 es mayor que 362/86). La razn de
tasas de incidencia en fumadores y no fumadores puede calcularse de manera que:
I1
457/26 475 x 85
RR = __ = ______ = ________ = 4,1
I0
362/85 26 X 362
Esto significa que la tasa de incidencia en fumadores es cuatro veces mayor que en no
fumadores.
VENTAJAS E INCONVENIENTES DE LOS DOS TIPOS DE ESTUDIOS
El diseo de los estudios de cohortes puede parecer una alternativa atractiva en comparacin
con el de los estudios de casos y testigos. Adems, por su estructura ms directa y lgica,
los estudios de cohortes pueden suministrar ms informacin. Hay, no obstante, algunas
razones por las que es preferible en ciertas situaciones elegir un estudio de casos y testigos.
La primera razn se refiere a las enfermedades raras. Si estas enfermedades son estudiadas
en un estudio de cohortes, el tamao del estudio tiene que ser muy grande, o el perodo de
observacin muy largo, para llegar a obtener un nmero suficiente de casos; los estudios de
casos y testigos no tienen estas limitaciones.
La otra razn se refiere a los estudios de asociaciones entre exposicin y enfermedad cuando
se presume que el perodo de induccin (tiempo entre exposicin y aparicin de la
enfermedad) es largo. En un estudio de cohortes que no es retrospectivo, el investigador
debe esperar a que transcurra todo el perodo de induccin para observar el resultado. De
hecho, los estudios de casos y testigos se hicieron populares cuando los epidemilogos
comenzaron a tener problemas con los largos perodos de induccin, como el
correspondiente a la relacin sospechada entre el consumo de cigarrillos y el cncer de
pulmn.
Hay tambin razones ticas en favor de los estudios de casos y testigos. Esto ocurre cuando
hay fuertes sospechas de que una exposicin es una causa de enfermedad y cuando esta
exposicin puede ser eliminada inmediatamente, como puede ser el caso de tratamientos
mdicos con alternativas aceptables. En estas situaciones es muy ventajoso el que una
exposicin anteriormente efectuada pueda ser estudiada retrospectivamente por medio de un
estudio de casos y testigos o de un estudio de cohortes retrospectivo (vase ms adelante).
Se dice a veces que un serio inconveniente de los estudios de casos y testigos es la dificultad
de encontrar un grupo testigo apropiado, es decir, un grupo que nos proporcione una
correcta descripcin de la frecuencia de exposicin en la poblacin de la cual se extraen los
A. Ahlbom, S, Norell
casos. La eleccin del grupo testigo es, en efecto, una tarea importante y difcil en este tipo
de estudios. No obstante, la eleccin equivalente en un estudio de cohortes es igualmente
crucial y presumiblemente no menos difcil (vase captulo 7 y, ms adelante la seccin sobre
eleccin de grupo testigo).
Sin embargo, la medicin de la exposicin en los estudios de casos y testigos puede ofrecer
ms dificultades debido a que dicha medicin es realizada despus de la aparicin de la
enfermedad. Existe la posibilidad de que los casos conozcan la hiptesis en estudio y por
ello estn ms predispuestos que los testigos a declararse expuestos. Siendo as, el error de
informacin del estudio inducir una sobreestimacin de la frecuencia de exposicin entre
los casos y del efecto de la exposicin en la enfermedad. El error de informacin puede
darse igualmente en situaciones en las que su efecto acta en sentido opuesto.
ESTUDIOS DE COHORTES RETROSPECTIVOS
Los llamados estudios de cohortes retrospectivos ofrecen la posibilidad de solventar el
problema de los perodos de induccin largos y evitar las implicaciones ticas anteriormente
mencionadas. Estos estudios se llevan a cabo despus de que la enfermedad ha ocurrido y
por tanto pasado el perodo de induccin. La realizacin de este tipo de estudios requiere la
existencia previa de informacin sobre la exposicin. Los estudios de cohortes
retrospectivos son muy frecuentes en epidemiologa laboral donde a menudo se practican
seguimientos de empleados de una fbrica o industria utilizando registros de morbilidad o de
causas de muerte. En los estudios de cohortes retrospectivos puede ser difcil encontrar un
grupo de comparacin adecuado constituido por individuos no expuestos, por lo que se usa
a menudo la poblacin total del pas o de la regin. En estos estudios puede emplearse la
RMN (vase captulo 5) como medida de la frecuencia de enfermedad en la cohorte
estudiada comparada con la del grupo no expuesto.
Ejemplo: Para probar la hiptesis de que la exposicin laboral a productos qumicos
incrementa el riesgo de cncer, se identific a los ingenieros qumicos graduados durante el
perodo 1931- 1959 en el Real Instituto de Tecnologa de Estocolmo (Olin y Ahlbom 1980).
Esta cohorte fue seguida en el registro sueco de causas de muerte. El nmero de muertes
por cncer observado en la cohorte fue de 32. Si los qumicos en cada grupo de edad
hubieran tenido la misma tasa de mortalidad (equivalente a tasa de incidencia) que la
poblacin trabajadora del pas, se hubieran esperado 24,2 muertes por cncer. Por tanto la
RMN = 32/24,2 X 100 = 132
ESTUDIOS DE CASOS Y TESTIGOS EMPAREJADOS
En algunos estudios de casos y testigos los testigos se emparejan a los casos. Para cada caso
se seleccionan uno o varios testigos, que sean, si es posible, similares a los casos en ciertas
caractersticas. El emparejamiento de variables como la edad, el sexo y la residencia se
utiliza con mucha frecuencia. El objetivo del emparejamiento es aumentar la validez de la
comparacin de las series de casos y testigos pero la problemtica que plantea es compleja y
no ser aqu discutida en mayor profundidad. Sin embargo debemos decir que el
emparejamiento por edad no es necesario para evitar confounding debido a edad y que
existen otros mtodos para controlar el confounding en la fase del anlisis de datos. Adems,
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
diagnosticados entre los expuestos podra ser mayor. (Comprese con la seccin acerca de
error de informacin del captulo anterior).
Para valorar cmo influye la eleccin del grupo de referencia en el resultado del estudio
puede utilizarse ms de un tipo de grupo de comparacin, (vanse ejemplos 2 y 3
anteriores). Si las comparaciones basadas en diferentes grupos de comparacin
proporcionan resultados similares, puede deducirse razonablemente que la eleccin de
grupos de referencia no afect los resultados del estudio. Otra forma de comprobarlo es
comparar los grupos expuestos y de referencia con respecto a enfermedades que se cree no
estn ase exposicin estudiada.
b. Estudios de casos y testigos.
En los estudios de casos y testigos el grupo testigo debe seleccionarse de forma que refleje
la frecuencia de exposicin en la poblacin de la que se han seleccionado los casos.
Trataremos aqu dos formas bsicas de elegir el grupo testigo:
1. Individuos residentes en una determinada rea geogrfica. Si los casos representan a
todos los casos de un rea geogrfica se puede elegir como grupo testigo una muestra de la
poblacin de dicha rea. Hay que considerar, sin embargo, la posibilidad de que existan
algunos problemas:
a) Cuando el grupo testigo es de este tipo la frecuencia con que ciertos individuos rehsan
participar en el estudio puede ser alta ya que la motivacin para ello suele ser menor en la
poblacin sana que entre aquellos que tienen la enfermedad.
b) Heterogeneidad en la calidad de la informacin obtenida de los casos y de los testigos. A
veces, las personas que padecen la enfermedad pueden estar ms predispuestas a recordar la
exposicin. (Vase la seccin de error de informacin).
2. Pacientes de un hospital: Si los casos identificados son pacientes de un hospital, los
testigos se eligen a menudo entre los pacientes del mismo hospital con otros diagnsticos.
Incluso si los casos incluidos en el estudio representan a la totalidad de los casos del rea
puede ser razonable seleccionar los testigos entre pacientes con otras enfermedades, ya que:
a) La frecuencia de aquellos que rehsan participar ser a menudo inferior (comprese con 1
(a) ms arriba).
b) La calidad de la informacin proveniente de casos y de testigos ser en general similar
(comprese con 1 (b) ms arriba).
La extraccin del grupo de testigos de la poblacin del rea geogrfica es preferible a su
eleccin de entre pacientes hospitalizados si, por distintas razones, estos ltimos pudieran
haber sido seleccionados de manera que la frecuencia de la exposicin entre los mismos no
sea representativa de la frecuencia de la exposicin en la poblacin de la que provienen los
casos.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from retrospective
studies of diseasejournal of the National Cancer Institute 1959; 22:719-748.
McMichael, A. J.; Spirtas, R.; Kupper, L. L. y Gamble, J. F., Solvent exposure and
leukemia among rubber workers: an epidemiologic study, Journal of the Society of
Occupational Medicine, 1975; 17:234-239.
Miettinen, 0. S., The matched pairs design in the case of all-or none responses,
Biometrics, 1968; 24:339-352.
Miettinen, 0. S., Matching and design efficiency in retrospective studies, American
Journal of Epidemiology, 1970; 91:111-118.
Miettinen, 0. S., Estimability and estimation in case-referent studes, American Journal of
Epidemiology, 1976; 103:226-235.
Olin, G. R. y AhIbom, A., The cancer mortality among Swedish chemists, Environmental
Research, 1980; 22:154-161.
Rothman, K. J. y Boice, J. D. Jr., Epidemiologic analysis with a programmable calculator,
Epidemiology Resources Inc., Boston, MA, 1982.
Rothman, K. J. y KeIler, A. Z., The effect of joint exposure to alcohol and tobacco on risk
of cancer of the mouth and pharynx, Journal of Chronic Diseases, 1972; 25:711-716.
Schlesselman, J. J., Sample size requirements in cohort and case-control studies of
disease, Americanjournal of Epiderniology, 1974; 99:381-384.
A. Ahlbom, S, Norell
EJERCICIOS - CAPTULOS 7 Y 8
1. Describir brevemente los fundamentos de los:
a) Estudios de cohortes.
b) Estudios de casos y testigos.
2. Poner algunos ejemplos de situaciones en donde se debera realizar preferentemente un
estudio de casos y testigos, en lugar de un estudio de cohortes.
3. Un estudio de casos y testigos arroj los siguientes resultados:
Expuestos
Casos
Testigos
200
80
No expuestos
100
250
31
2706
Fumadores (Expuestos)
(N de paquetes/da)
1/2
1
2
9
39
18
710
1 825
605
A. Ahlbom, S, Norell
22
31
Ciudadanos
suecos
20+
10
24
324
832
Tomando como grupo de comparacin los ciudadanos suecos, calcular el riesgo relativo de
infarto de miocardio de los inmigrantes finlandeses que han vivido en Suecia:
a) De 0 a 19 aos.
b) Durante 20 aos o ms.
7. En un estudio de casos y testigos se entrevistaron 110 mujeres casadas que haban
presentado infarto de miocardio y 220 testigos con objeto de identificar la presencia de
hipertensin, angina de pecho y diabetes, as corno las diferencias en el nivel de educacin
alcanzado por ambos cnyuges segn una determinada escala. Los resultados se muestran en
el cuadro adjunto. Calcular el riesgo relativo para infarto de miocardio en las mujeres con:
a) Hipertensin.
b) Angina de Pecho.
c) Diabetes.
d) Nivel educativo que difiere del de su esposo en ms de un grado.
A. Ahlbom, S, Norell
Casos
Testigos
Expuestos no expuestos
Hipertensin
Angina de pecho
Diabetes
Nivel de educacin
superior al del esposo
en ms de 1 grado
expuestos
no expuestos
5l
11
26
59
99
84
66
6
26
154
214
194
19
91
14
206
Trastornos benignos
Expuestos
No expuestos
18
32
10
90
Total
80
100
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
Casos
43
25
171
135
374
Testigos
163
41
126
51
381
Casos
38
41
111
179
369
Testigos
87
51
104
116
358
A. Ahlbom, S, Norell
Vitamina A (UI/mes)
< 50 500
50 500- 150 500
> 150 500
Total
Casos
98
201
39
338
Testigos
78
216
65
359
A. Ahlbom, S, Norell
9. ANALISIS DE RESULTADOS
INTERVALOS DE CONFIANZA Y PRUEBAS DE SIGNIFICACIN
Medidas de frecuencia de enfermedad
Los estudios epidemiolgicos se diferencian en dos grupos segn sus objetivos. El primero
rene aquellos dirigidos a determinar la frecuencia de enfermedad en una poblacin. El otro
grupo est compuesto por los que tienen como finalidad evaluar la asociacin entre
exposicin (o caracterstica) y frecuencia de enfermedad.
Los estudios que describen frecuencias de enfermedad se sirven de medidas de la misma
como la prevalencia, la incidencia acumulada o la tasa de incidencia. Los valores obtenidos
deben expresarse con un intervalo de confianza que proporciona informacin acerca de su
fiabilidad. Un intervalo de confianza del 95% es realmente un rango de valores, que
corresponde a las posibilidades de variacin aleatoria, y que incluye el verdadero valor o
valor real con una probabilidad del 95%. Esto significa que, en promedio, el 95% de los
intervalos contienen el verdadero valor del parmetro estimado y el 5% no. La estimacin
del intervalo de confianza proporciona una cierta informacin acerca de la fiabilidad del
estudio. Esto es de gran importancia en investigaciones epidemiolgicas en las que las
variaciones aleatorias condicionadas por el reducido nmero de enfermos estudiados juegan
un papel significativo en la interpretacin de los resultados.
Para una discusin detallada sobre el clculo y la interpretacin de un intervalo de confianza,
el lector puede dirigirse a un texto de estadstica, vg. Armitage (1971). En general, cuando el
tamao del estudio es suficientemente grande, los intervalos de confianza para medidas de
frecuencia de enfermedad pueden obtenerse utilizando los siguientes procedimientos:
a) Prevalencia
Denominamos B al nmero de individuos que presentan la enfermedad y N al nmero de
individuos en total de la poblacin; segn la definicin antes enunciada, la prevalencia sera:
B
P = ----------N
El intervalo de confianza del 95% se obtendra como:
P 1,96
((P(1- P) )
N
donde operando con los signos + y - se obtienen respectivamente los lmites superior e
inferior del intervalo. La constante 1,96 corresponde al nivel de confianza deseado del 95%.
Ejemplo: En un ejemplo del captulo 2 se hizo referencia a un estudio de prevalencia de
artritis reumatoide, siendo entonces B = 70 y N = 1 038. Resultando, P = 0,07. El intervalo
de confianza del 95% sera:
A. Ahlbom, S, Norell
0,07 11,96
b) Incidencia acumulada
Denominando A al nmero de individuos que enferman durante el perodo de observacin y
N al nmero de individuos en riesgo al comienzo de dicho perodo, tendramos que:
I= A
N
El intervalo de confianza del 95% se obtiene de acuerdo con los mismos principios antes
expresados, ya que tanto la prevalencia como la incidencia acumulada son proporciones:
IA 1,96
( IA(1- IA) )
N
( (0,004 x 0,996))
o sea 0,002-0,006.
3076
c) Tasa de incidencia
Si denominarnos A al nmero de casos que aparecen durante el perodo de observacin y R
al nmero de aos en riesgo, la tasa de incidencia sera:
I=A
R
El intervalo de confianza correspondiente vendra dado por:
I 1,96
I/R
(0,0007 )
o sea 0,0005-0,0010.
41 532
Medidas de frecuencia comparada de enfermedad
A. Ahlbom, S, Norell
0-E
y
A. Ahlbom, S, Norell
simple a base de uno, dos o tres asteriscos respectivamente. Estos lmites para los niveles de
significacin no son en s ms tiles que otros y tampoco es que el valor del 5% est
asociado con un significado o hecho especial. En realidad no hay ninguna razn para no
publicar el valor exacto de la p que se obtuvo en la prueba de hiptesis.
Estudios de cohortes - incidencia acumulada:
En los estudios de cohortes en los que se trabaja con incidencias acumuladas los datos
pueden ordenarse en una tabla de cuatro campos (vase figura 15).
El nmero observado de casos entre los expuestos es Al. El nmero correspondiente de
casos esperados y la varianza se calculan en base al modelo estadstico de distribucin
hipergeomtrica de la manera siguiente:
O = A1,
Enfermos
E = Nl A y
N
V= N1N0A (N-A)
N 2 (N-1)
SI
No
Total
SI
A1
N1-A1
N1
Expuestos
No
Total
A0
A
N0-A0
N-A
N0
N
Enfermos
SI
No
Total
E= 45 x 100 = 15
300
SI
Expuestos
No
20
80
100
25
175
1 200
Total
45
255
300
A. Ahlbom, S, Norell
y por tanto
X = 20 - 15 = 1,71
8,53
En la tabla de distribucin normal se puede leer que a un valor de chi de 1,71 corresponde
un valor de p = 0,08. El correspondiente valor de X2 sera:
(20- 15)2
X 2 = 8,53
=2,93
Casos
Aos en riesgo
SI
No
Total
A1
R1
A0
R0
A
R
A. Ahlbom, S, Norell
Fumadores
SI
No
Total
206
28
234
28612
5710
Casos
Personas-ao
0 = 206,
34322
= 32,45
Por tanto,
X = 206-195,07 = 1,92
32,45
cifra a la que corresponde un valor de p de 0,06.
Estudios de cohortes - razn de mortalidad normalizada:
La razn de mortalidad normalizada (RMN) se defini en el captulo 5 como la razn del
nmero de casos observados en una poblacin al correspondiente nmero de casos
esperados. Para la prueba de hiptesis tendramos que 0 = Nmero observado y E = V =
Nmero esperado.
Ejemplo: Anteriormente vimos un ejemplo de estudio retrospectivo, referido a una cohorte
compuesta por ingenieros qumicos, dnde se mostraba el clculo de la razn de mortalidad
normalizada, siendo
A = 32, E = 24,2 y consecuentemente V = 24,2. Aplicando a estos datos el test antes
mencionado tendramos que:
X = 32 - 24,2 = 1 ,59
24,2
a este valor de y, corresponde un valor de p = 0,11.
Estudios de casos y testigos:
Segn se vio anteriormente, los datos de un estudio de casos y testigos pueden ordenarse en
una tabla de 2 X 2 de igual forma que los datos de un estudio de cohortes para incidencias
acumuladas (vase figura 17). En este caso puede utilizarse con plena validez el mismo
procedimiento de prueba de hiptesis.
Expuestos
Si
No
Total
A. Ahlbom, S, Norell
Casos
Testigos
Total
a
c
a+c
b
d
b+d
N1
N0
N
A. Ahlbom, S, Norell
Casos
Testigos
Total
Si
Fumadores
No
457
362
819
26
85
111
Total
483
447
930
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
RR
Si
0,00350
2,8
No
0,00125
El riesgo relativo (RR), obtenido como cociente de las tasas de incidencia en expuestos y en
no expuestos, indica la existencia de una asociacin importante entre consumo de alcohol y
aparicin de la enfermedad. Sin embargo, si el hbito de fumar fuese ms comn entre
aquellos que consumen alcohol que entre los que no lo consumen, y si, adems, el consumo
de tabaco fuese una causa de la enfermedad, los resultados observados podran aparecer sin
que el consumo de alcohol estuviera implicado en el proceso causal de la enfermedad
(recurdese el ejemplo de los dedos pigmentados y el cncer de pulmn). Para analizar este
problema se estratifica el material de acuerdo con el consumo de tabaco. Ello implica que los
datos se dividen, en este ejemplo, en dos estratos, uno que agrupa a los fumadores y otro a
los no fumadores. El cuadro 16 contiene esta informacin estratificada y muestra que en
ambos estratos, fumadores y no fumadores, la tasa de incidencia es dos veces ms alta entre
las personas que consumen alcohol que entre las que no lo consumen.
CUADRO 16. Tasas de incidencia segn consumos de alcohol y tabaco.
Tabaco
Si
Si
No
No
Alcohol
Si
No
Si
No
I
0,004
0,002
0,002
0,001
RR
2
2
A. Ahlbom, S, Norell
300
75
50
25
No
Si
No
Total
50
25
75
75
475
200
Ignorando la informacin sobre el hbito de fumar y reagrupando estos datos en una tabla de
2 X 2 tendramos que
CUADRO 18. Nmero de casos y testigos segn el consumo de alcohol.
Alcohol
Si
No
Total
Casos
350
125
475
Testigos
100
100
200
A. Ahlbom, S, Norell
Si
Casos
Testigos
RR
Si
No
Alcohol
Alcohol
No
Si
No
300
75
50
25
2
50
25
75
75
Total
475
200
El riesgo relativo estimado en los dos estratos de consumo de tabaco es de 2,0. Es decir, el
efecto del confounding se observa de igual manera en el diseo del tipo casos y testigos
cuando el consumo de tabaco no ha sido debidamente controlado.
BIBLIOGRAFA
Armitage, P., Statistical methods in medical research, BlackweIl Scientific Publishers;
1971. Mantel, N. y Haenszel, W., Statistical aspects of the analysis of data from
retrospective studies of disease, Journal of the National Cancer Institute, 1959;
22:719-748.
Miettinen, 0. S., Estimability and estimation in case-referent studies, American Journal of
Epidemiology, 1976; 100:226- 235.
Miettinen, 0. S., Stratification by a multivariate confounder score, American Journal of
Epidemiology, 1976; 104:609- 620.
Rothman, K. J., A show of confidence (editorial), New Englandjournal of Medicine,
1978; 299:1362- 1363.
Rothman, K. J. y Boice, J. D. jr., <Epidemiologic analysis with a programmable
calculator, Epidemiology Resources Inc., Boston, MA 1982.
A. Ahlbom, S, Norell
EJERCICIOS - CAPITULO 9
1. Calcular el intervalo de confianza del 95% de la frecuencia de marcadores de hepatitis B
en cada una de las dos categoras de personal en el ejercicio n 10 del captulo 2. Comentar
los resultados.
2. Calcular el intervalo de confianza del 95% de la frecuencia de carcinoma in situ del
ejercicio n 11 del captulo 2.
3. Calcular el intervalo de confianza del 95% de la frecuencia de glaucoma de ngulo abierto
del ejercicio n 14 del captulo 2.
4. Calcular el intervalo de confianza del 95% de la frecuencia de meningitis bacteriana del
ejercicio n 15 del captulo 2.
5. En el ejercicio n 20 del captulo 2 se estimaba, para los nios con bajo peso al nacer, los
valores de (a) mortinatalidad y (b) mortalidad en nacidos vivos. Calcular el intervalo de
confianza del 95% para (a) y (b), respectivamente.
6. Calcular el intervalo de confianza del 95% de la frecuencia de cardiopata isqumica en el
grupo (a) y el grupo (b) del ejercicio n 22 del captulo 2.
7. Calcular, con los datos del ejercicio n 22 del captulo 2, el riesgo relativo de cardiopata
isqumica en varones con colesterol srico igual o superior a 260 mg/100 ml y presin
sistlica superior o igual a 167 mm/Hg (grupo d) en relacin a los varones con colesterol
srico inferior a 220 mg/100 ml y presin sistlica inferior a 147 mm/Hg (grupo a). Calcular
el intervalo de confianza del 95% del riesgo relativo. Comentar los resultados.
8. En el ejercicio n 5 del captulo 8 se comparan los riesgos de contraer hepatitis en
pacientes que han recibido transfusiones sanguneas y en los que no las han recibido.
Calcular el intervalo de confianza del 95% del riesgo relativo.
9. En el ejercicio n 18 del captulo 2 se compara la frecuencia de lesiones por accidentes de
motocicleta en habitantes del centro y de los alrededores urbanos. Estimar el riesgo relativo
(zona centro/ alrededores) para el grupo de edad de 15 a 19 aos. Calcular el intervalo de
confianza del 95% del riesgo relativo.
10. En el ejercicio n 2 del captulo 6 se obtena la razn de mortalidad normalizada por
infarto de miocardio en diabticos. Calcular el intervalo de confianza del 95%.
11. En el ejercicio n 4 del captulo 6 se obtena la RMN por tumores seos malignos en
trabajadores industriales expuestos a radio. Calcular el intervalo de confianza del 95%.
12. Calcular el riesgo relativo de infarto de miocardio del total de los fumadores (1/2 - 2
paquetes de cigarrillos diarios) comparndolos con los no fumadores, segn los datos del
ejercicio n 4 del captulo 8. Estimar los lmites del intervalo de confianza del 95%.
13. En el ejercicio n 6 del captulo 8 se estim el riesgo relativo del infarto de miocardio de
inmigrantes finlandeses comparndolos con suecos nativos. Calcular el intervalo de
A. Ahlbom, S, Norell
confianza del 95% para los inmigrantes finlandeses residentes en Suecia durante (a) 0- 19
aos (b) 20 aos o ms.
14. Con el objeto de estudiar el efecto del consumo de tabaco y el trabajo al aire libre
(exposicin a radiaciones solares) en el riesgo de padecer cncer labial, se realiz un estudio
comparativo de enfermos varones de edad 50- 59 aos que padecan de cncer labial o de la
piel. Los resultados se exponen en la tabla siguiente:
Cncer de
Labio
Piel
51
24
15
3
6
10
8
5
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
duracin (mayor de medio ao). Tiempo de riesgo = (20 x 1) + (80 x 1/2) = 60 aos 1 =
80/60 = 1,3 por ao en riesgo IA = 80/100 = 0,8 en un ao
8. Nmero de casos = 532
Tamao medio de la poblacin = 520 + 680 = 600
2
Perodo de observacin = 4 aos
Tiempo en riesgo = 600 x 4 = 2400 aos
1 = 532/2 400 = 0,22 por ao
9. P = 100/1000 = 0,10
IA =
200
= 0,22 en un perodo de 10 aos
1 000- 100
10
5000-25
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
0,01
Observador B
Neg. 0,9
0,81
0,0001 x 0,99
= 0109 (9%)
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
= 6,2
A. Ahlbom, S, Norell
IA(a) 0/431
RR(d) = IA(d) = 11/44 = 10,8
IA(a) 10/431
6.
RMN = 11 x 100 = 11 000%
0,1
(La enfermedad fue aproximadamente 110 veces ms frecuente de lo esperado)
7. a) IA1 = 3/95 = 316 X 10-4
IA0 = 8/48 = 1 667 x 10-4
RR = IA1 = 0,19
IA0
b)
RR = 0,27
0,24
= 1,1
c) La frecuencia de gripe entre los vacunados fue alrededor del 20% de la del grupo placebo
(es decir, un descenso del 80%). La frecuencia de molestias post-vacunacin fue
aproximadamente un 10% mayor entre los que haban recibido la vacuna.
8. a)
1 371
1228 = 1,1
RR =
b)
RR =
498 = 0,7
683
= I1 = 0,5
Poblacin B
20/4 000 = 0,005
15/1 000 = 0,015
A. Ahlbom, S, Norell
I0
10.
O = 40
8 000 X 0,5 + 2 000 x 4 + 2 000 x 9
103
103
103
E=
RMN =
= 30
40 x 100 = 133%
30
11. O=8
E = ( 651 x 0 + 518 x 6 + 500 x 90 + 465x 381 + 211 x 626 )
( 337
431
522
507
367
) x 10- 3 = 0,8
RMN = 8 x 100 = 1000%
0,80
12. Prevalencia normalizada por edad (pesos iguales):
P (I) = 1 x
4
( 5
+ 20 + 50 + 50 ) = 0,011
( 1000
2000 4000
3 000)
P (II) = 1 x ( 25 + 40 + 20 + 20 = 0,015
4
( 5000
3000
1 000 1000
RR = P(I) = 0, 7
P (II)
13. Si existe.
TP = 8 + 14 = 22%
EOC = 29 + 14 = 43%
En caso de no estar asociados TP y EOC, el 9% presentara los dos procesos, ya que 0,22 x
0,43 = 0,09.
Una posible explicacin es que las EOC originen TP; otra, es que las EOC y los TP tengan
en ciertos casos las mismas causas.
14.
a)
(Vanse los dos primeros apartados del captulo 6, pginas 47- 49).
b)
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell
75/595 = 5,6
16/712
6. a)
RR = 22 x 832 = 1,8
31 x 324
b)
RR = 10 x 832 = 1,1
24 x 324
7. a)
RR = 51 x 154 = 2,0
59 x 66
b)
RR = 11 x 214 = 4,0
99 x 6
c)
RR = 26 x 194 =2,3
84 X 26
A. Ahlbom, S, Norell
d)
RR = 19 x 206
91 X 14
= 3,1
8. a)
RR = 21 x 2 907 =1,6
138 x 273
b) Edad, tabaco, exceso de peso, antecedentes de hipertensin y otros factores que
puedan estar asociados a la toma de anovulatorios y puedan modificar el riesgo de
miocardio.
9. a) Estudio de casos y testigos
b) Si
c)
RR = 18 X 90 = 5,1
32 X 10
d) No; porque deben ser tenidos en cuenta los posibles problemas de validez.
10. Ventajas: Probables menor nivel de absentismo en la respuesta y menor diferencia entre
los grupos en la calidad de los datos (vase el penltimo apartado del captulo 8, pp. 75- 76).
Inconvenientes: La posibilidad de que la enfermedad del grupo testigo est relacionada con
la exposicin, es decir, que el grupo testigo no refleje la frecuencia de la exposicin en la
poblacin de la que fueron extrados los casos.
11. a) La muestra de la poblacin.
b) El grupo testigo debera seleccionarse de manera que refleje la frecuencia de la
exposicin en la poblacin de la que se extraen los casos.
c) Un grupo de pacientes cuya enfermedad (a diferencia de las lesiones causadas por
accidentes) no este relacionada con el consumo de alcohol.
12. (Vase primer apartado del captulo 7, pp. 61- 62).
13. (Consultar los ejemplos del captulo 7).
14. El consumo de cigarrillos es probablemente un confounder.
15. a) Una persona que padece cncer de pulmn tiene posiblemente mejor conocimiento
de los casos de cncer de pulmn que han ocurrido en su familia que una persona
sana utilizada como testigo. Esta fuente de error tiene probablemente menor
importancia en el caso de parientes prximos (padre, hermanos y hermanas) que en
el de familiares ms lejanos.
b) El consumo de cigarrillos, la radiactividad en la vivienda debida a radio y otros
factores, pueden estar asociados a la exposicin (consanguinidad respecto a
A. Ahlbom, S, Norell
a) La edad de la madre.
b) Porque la edad de la madre vara segn la exposicin estudiada (= edad del
padre) y est asociada al riesgo de padecer sndrome de Down.
RR = 1,0
A. Ahlbom, S, Norell
RR = 25 X 163
= 2,3
43 x 41
RR = 171 X 163 = 5,1
43 X 126
RR = 135 X 163 = 10,0
43 X 51
RR = 1,0
RR = 41 X 87
= 1,8
38 x 51
RR = 111 X 87 = 2,4
38 x 104
RR = 179 X 87
38 X 116
RR = 1,0
201 x 65
RR = 39 x 216
RR = 98 x 65
39 X 78
= 3,5
= 1,6
= 2,1
d) Se observa una asociacin (con una relacin del tipo denominado dosis-respuesta)
entre cncer de laringe y consumo de tabaco, alcohol y vitamina A, respectivamente. Sin
embargo, los datos no proporcionan informacin acerca de la relacin de estos hbitos de
consumo, entre s o con otras posibles exposiciones (Confounding?) ni sobre los
mtodos de seleccin de los grupos o de medicin de la exposicin (errores de seleccin o
informacin?).
e) El consumo de tabaco, vitamina A y otros factores que pudieran variar en relacin con el
consumo de alcohol y el riesgo de padecer cncer de laringe.
f)
Que el grupo testigo refleje el consumo de tabaco, alcohol y vitamina A de la
poblacin de la que surgen los casos. Que exista un bajo nivel de abstencin en la respuesta
y que la calidad de la informacin acerca de la medicin de la exposicin para los casos y los
testigos sea similar.
28. Ejemplo de un estudio: Una parte (n1 = 1042) de las enfermas de tuberculosis que
durante un cierto tiempo (perodo 1930- 54) fueron dadas de alta en dos sanatorios, haban
recibido un tratamiento que supona la realizacin de una gran cantidad de placas de trax
(un promedio de 100 placas por persona) mientras que el resto (n 2= 722) haba sido
sometido a un tratamiento de otro tipo. El n de casos de cncer de mama observado en
cada uno de los grupos despus de la fecha de alta, se compar con el nmero esperado de
casos de la enfermedad, vista su frecuencia en la poblacin femenina, (estandarizacin
indirecta por edades). Los resultados se muestran en la tabla siguiente:
N de casos
observados
(0)
N de casos
esperados
(E)
A. Ahlbom, S, Norell
41
15
23,3
14,1
A. Ahlbom, S, Norell
Entre el personal que trabaja con portadores la proporcin con marcadores de hepatitis B es
del 11-31% (nivel de confianza del 95%).
Po = 0,06 1,96
En el resto del personal, la proporcin con marcadores de hepatitis B es del 1-11% (nivel de
confianza del 95%).
2. I = 0,00036 1,96
( 0,00036) =
338294
3. P = 0,026 1,96
( 0,00006 ) =
(6,00,6) x 10-5
7250000
por ao.
5. a) P = 0,16 1,96
( (0,16(1 - 0,16) ) =
0,16 0,02
832
b) IA = 0,30 1,96
(0,023(1 - 0,23) )
431
= 0,023 0,014
(0,250(1 - 0,250) )=
44
0,250 0,128
A. Ahlbom, S, Norell
O = 11.
E = 44(11 + 10) = 1,95.
44+431
V = 44 x 431 x 21(475 - 21) = 1,69.
4752 (475 - 1)
X = 11 - 1,95
1,69
= 6,96.
Lmites del intervalo de confianza del 95 % para el RR = 10,8 (11,96/ 6,96) Lmite superior =
21,0; lmite inferior = 5,6; es decir, teniendo en cuenta las variaciones debidas al azar, el RR
toma valores entre 5,6 y 21,0 (nivel de confianza del 95%).
8. RR = 5,6.
O= 75.
E=
= 21,0.
X = 75 - 41,4
21
= 7,34.
Lmites del intervalo de confianza del 95% para el RR = 5,6(1 1,9617,34)
Lmite superior = 8,9; lmite inferior = -3,5.
9. RR = 7/1 000 = 1,4.
20/4000
O = 7.
E = 27 x 1 000= 5,4.
1000+4000
V = 27 x 1 000 x 4 000 = 4,3.
5 0002
X = 7- 5,4 = 0,77.
4,3
Lmites del intervalo de confianza del 95% para el RR = 1,4 (11,96/0,77)
Lmite superior = 3,3; lmite inferior = 0,6.
10. O = 1 107.
E = 531.
A. Ahlbom, S, Norell
V = 531.
RMN = O x 100 = 208% 2,08.
E
X = 1 107 - 531 = 25.
531
Lmites del intervalo de confianza del 95% para la RMN = 2,08 (1 1,96125).
Lmite superior = 2,2; lmite inferior = 2,0.
11. O = 22.
E = 0,27.
V = 0,27.
RMN = 22 x 100 = 8 148% 81,48.
0,27
X = 22 - 0,27 = 41,79.
0,27
Lmites del intervalo de confianza del 95% para la RMN = 81,48 (1 1,96/41,79)
Lmite superior = 100,2; lmite inferior = 66,3.
12. RR = (9 + 39 + 18) x 2 706 = 66 x 2 706 = 1,8.
31(710 + 1 825 + 605) 31 x 3 140
O = 9 + 39 + 18 = 66.
E = (66 + 3 140) x (31 + 66) = 3 206 x 97 = 52,3.
31 + 2 706 + 66 + 3 140
5943
V = 3 206 x (31 + 2 706) x 97 x 5846 = 23,7.
5 9432 (5 943 - 1)
X = 66 - 52,3
23,7
= 2,84.
A. Ahlbom, S, Norell
10,4
Lmites del intervalo de confianza del 95% para el RR = 1,8 (11,96/2,11)
Lmite superior = 3,11; lmite inferior = 1,04.
b) RR = l,1.
O = 10.
E = (10 + 24) x (10 + 324)
10 + 24 + 324 + 832
34 x 334
1 190
= 9,5.
A. Ahlbom, S, Norell
51 + 15
6+ 8
A cubierto
24+ 3
10 + 5
= 2,6
d)
Hbito de fumar
Si
Trabajo
al aire libre
a cubierto
Si
No
Si
Casos (cncer de labio)
Testigos
RR
51
6
24
10
No
Trabajo
No
15
8
3,5
3
5
3,1
e)
Hbito de fumar
Casos (cncer de labio)
Testigos
RR =
Si
51 +24
6 + 10
No
15 + 3
8+5
f)
Trabajo al aire libre
Si
Hbito de fumar
No
Hbito de fumar
A. Ahlbom, S, Norell
Si
No
Si
No
51
6
15
8
24
10
3
5
4,5
4,0
g)
Casos
Testigos
Expuestos
51
6
No expuestos
3
5
RR = 14,2
h) Los resultados (d y indican que el riesgo de cncer de labio aumenta con el trabajo al aire
libre (3 - 31/2 veces) y con el hbito de fumar (4 - 41/2 veces). Si la estratificacin no se
lleva a cabo (c y e), los riesgos relativos son discretamente subestimados. Esto es debido a
una asociacin del hbito de fumar con el trabajo a cubierto. El efecto combinado de fumar
y trabajar al aire libre (g) parece ser ms que aditivo.
En caso de que el trabajo exterior incrementase el riesgo de cncer de piel (grupo de
referencia), el riesgo relativo del cncer de labio en las personas que tienen trabajos al aire
libre resultara subestimado.
A. Ahlbom, S, Norell
INDICE ANALITICO
casos y testigos, estudios de, 68- 76,
96- 97, 101- 102
causa complementaria, 51- 53
causa necesaria, 51
causa suficiente, 49- 51
causalidad, 44, 48- 53, 63
cohortes, estudios de, 67- 68, 71, 7376, 92- 95, 99- 101
- retrospectivos, 72- 73
Confounding, 49, 64- 65, 99- 102
vase fraccin
cribado, 34- 35
diagnstico de la enfermedad
- criterios diagnsticos, 24- 25,
27- 28
- pruebas clnicas, 21- 24, 27
- signos, 19- 21, 27
- sntomas, 19, 27
emparejamiento, 73
enfermedades, clasificacin de, 25-27
especificidad, 31- 35
estandarizacin, 41- 44
estratificacin, 99- 102
fiabilidad, 61- 63, 76, 88, 91
fraccin etiolgica (FE), 44- 45, 52
hiptesis, prueba de, 91- 97
incidencia (definicin), 6
incidencia acumulada (IA), 7- 8, 45
46, 89- 90, 92- 93
incidencia, tasa de, 8- 9, 41- 42, 45, 71,
90, 94- 95
intervalos de confianza, 88- 90, 97- 98
medidas crudas, 11
normalizacin, vase estandarizacin
p, valor de, 92
prevalencia (definicin), 6-7
prevalencia, medida de, 7, 10, 33- 34,
45, 89- 90
proporcin atribuible,
etiolgica
razn de morbilidad (o de mortalidad)
normalizada (RMN), 44, 95-97
red causal, 49
riesgo, factor de, 48- 49
riesgo, indicador de, 47
riesgo relativo (RR), 41, 44, 98- 102
riesgo, tiempo en, vase riesgo relativo (RR)
sensibilidad, 31- 35
sesgo, 34, 61- 65
- de informacin, 63- 64
- de seleccin, 63
vase tambin, confounding
significacin estadstica, pruebas de,
vase hiptesis, prueba de
sistemtico, error, vase sesgo
trabajador sano, efecto del, 74- 75
validez, 61- 65
valor predictivo, 35
A. Ahlbom, S, Norell
SALUD Y SOCIEDAD
AHLBOM, A., y NORELL, S.-Fundamentos de epidemiologa.
ALARCON, D- Reumatisino, artritis y otros males.
ARAUJO BERNAL, L., y LLORENS FIGUEROA, J.-La lucha por la salud en Cuba.
BASTIDE, R.-Sociologa de las enfermedades mentales.
BENSAID, N-La consulta mdica.
BERMAN, D. M.- Muerte en el trabajo.
BRUDON, P.- Medicamentos para todos en el ao 2000?
CANGUILHEM, G.-Lo normal y lo patolgico.
DHAN, J-La medicina contempornea.
FOUCAULT, M.-El nacimiento de la clnica.
KNOX, E. G.-La epidemiologa en la planificacin de la atencin de la salud.
LISKER, R., y ARMENDARES, S.-La gentica y usted.
LOPEZ ACUA, D.-La salud desigual en Mxico.
McKEOWN, T.-El papel de la medicina.
McKEOWN, T., y LOWE, C. R-Introduccin a la medicina social.
MENDES GONCALVEZ, R. B-Medicina e historia.
NAVARRO, V. (comp.).- Salud e imperialismo.
PEREZ TAMAYO, R- Enfermedades viejas y enfermedades nuevas.
PEREZ TAMAYO, R.- Serendipia. Ensayo sobre ciencia, medicina y otros sueos.
ROEMER, M. 1.- Perspectiva mundial de los sistemas de salud.
ROSEN, G.- De la polica mdica a la medicina social.
SIGERIST, H.-Hitos en la historia de la salud pblica.
SILVERMAN, M., y LEE, P. R.-Pldoras, ganancias y poltica.
STELLMAN, J. M., y DAUM, S.- El trabajo es peligroso para la salud.
A. Ahlbom, S, Norell
A. Ahlbom, S, Norell