XIII Curso de Experto Universitario en Epidemiología y Nuevas Tecnologías Aplicadas.

José Ignacio Vitón Asenjo

ASOCIACIONES

En todas las comparaciones que se realizan a continuación se ha tomado como referencia el cálculo de la Odds Ratio para decidir si existe asociación entre las dos variables. Exceptuando las variables no categóricas en las que ha sido Chi cuadrado. En ambos casos el intervalo de confianza se ha establecido en el 95%. Lo que quiere decir que en un 95% de las mediciones que se hagan para tomar valores de la variable, el parámetro OR o X2 estarán dentro del margen establecido. Eso significa que se cumple la hipótesis planteada desde el principio. Si se calcula OR buscamos asociación si se calcula X2 la hipótesis planteada es la hipótesis nula es decir las variables son independientes. La probabilidad de que al rechazar la hipótesis nula se cometa un error es el valor p. En los casos en que p es alto, aceptamos la hipótesis nula con relativa seguridad. Cuando se dé la situación en que alguno de los valores es menor de 5, las conclusiones extraídas deberán ser tomadas con cierta precaución.

Estar enfermo y resto de variables:

Duración de síntomas y resto de variables:

Al tratarse de una variable no categórica, todas las comparaciones se hacen mediante Chi cuadrado. (95% IC)

Aquellas variables en las que hay una asociación con la enfermedad, tienen también una asociación con la duración de los síntomas en el mismo sentido.

El intervalo de confianza (IC) es el valor que se prefija al comienzo del estudio y que nos dará el límite dentro del cual aceptaremos los estadísticos obtenidos durante el análisis. Un intervalo de confianza del 95%, nos dice que habrá un 95% de probabilidades de que el estadístico obtenido esté dentro del rango.

Dicho más exactamente, en un sentido estadístico, el intervalo de confianza significa que, si se llevara a cabo una serie de estudios idénticos con diferentes muestras de la misma población, y se calculara un intervalo de confianza del 95% para la diferencia entre las medias muestrales calculadas en cada estudio, entonces, a la larga, 95% de esos intervalos de confianza incluirían la diferencia poblacional entre medias.

E! investigador puede elegir el grado de confianza asociado con un intervalo de confianza, aunque la elección más habitual es 95%, igual que 5% es el nivel de significación estadística más usado. Cuando se requiere mayor o menor confianza pueden construirse oh-os intervalos; la figura 3 muestra intervalos de confianza del 99%~ del 95% y del 90% para los datos de la figura 1. Como es lógico, para tener mayor con- fianza en que la diferencia poblacional se halla dentro de un intervalo se requieren intervalos mayores. En la práctica, casi nunca se usan intervalos con otros niveles de confianza que los de 99, 95 o 90%.

El valor de p, es una medida de la fortaleza de la evidencia contra la hipótesis nula, indica la significancia estadística de la comparación de las dos variables. Mide la diferencia de probabilidad de que ocurra un evento en dos grupos o más. Cuanto menor es la p, mayor es la evidencia contra la hipótesis nula y menor la probabilidad de cometer el error tipo I (hacer un rechazo indebido).

Se estima mediante estadística inferencial y se fija en función del nivel de significancia estadística (a) prefijado en el estudio, suele ser a = 0,05 correspondiente a un IC del 95%.

Si p < a; esto quiere decir que tenemos un 95% de confianza o seguridad de que el resultado no se debe al azar, por lo que podremos rechazar la hipótesis nula en favor de la hipótesis alternativa.

Si no tenemos una diferencia significativa, no tenemos seguridad de que la hipótesis nula se incierta. p depende de los errores alfa y beta además de los sesgos y variables confusoras.


------------------------------------------------------------------------------------------------------------------------------

PAE Y PAP

PARA ANTECEDENTES MATERNOS:

OR = 0,297 (< 1, es un factor de protección)

La asociación es significativa pues el intervalo de confianza al 95% no incluye la unidad “1”.

Al ser un factor de protección se calcula PPE y PPP.

PPE = 1- OR = 0,703 (70,3 %)
Proporción de protección entre los expuestos. Es decir, proporción de casos evitados gracias a tener antecedentes.

PPP = (b / Mo) x PPE = 0,538 (53,8 %) Proporción de protección en la población.

EN CUANTO PROFILAXIS-ENFERMEDAD:

Al ser también la profilaxis un factor de protección podemos calcular las proporciones prevenibles:

PPE (Proporción prevenible por la exposición): (1-OR) = 0,836 (83,6%)

PPP (Proporción de prevención en la población): (b/Mo)(PPE) = 0,633 (63,3%)

Casos evitados por la exposición: (PPE*40)/(1-PPE)=(0,83*40)/1-0,83)=33,2/0,17 (Casos con profilaxis enfermos= 40)