Grupo 26 22/09/2015

TEMA2: RESUMIR LA EXPERIENCIA DE POBLACIONES

Variables de interés en Epidemiología. En epidemiología nos interesan distintas características. Nos interesa medir las características y experiencias de las poblaciones según esas características. Hay tres variables importantes:

- Lugar: Ciudad, residencia, hospital…- Persona: Edad, género…- Tiempo: Año, década...

EL TIEMPO

Es una variable aleatoria, en epidemiología, el plano que nos interesa es el tiempo-persona. Se realiza un seguimiento sobre una persona durante un numero “x” de años.

ESCALAS

Tiempo cronológico (Calendar time) El tiempo medido sobre el calendario aceptado. Las enfermedades cambian en el tiempo cronológico. No es lo mismo la sífilis de

hace 100 años comparada con la de hoy en día. El tiempo personal o edad

El tiempo que transcurre desde el nacimiento de una persona. Ciertas enfermedades son más frecuentes a cierta edad.

Tiempo de seguimiento Tiempo medido a partir de un suceso que determina el inicio de la observación o el

seguimiento (inicio del estudio, diagnostico, exposición a un factor…). Son puntos que se utilizan para marcar ese inicio de seguimiento.

El tiempo de supervivencia o tiempo a riesgo Es el tiempo de seguimiento, de espera, hasta que se produce un suceso o salida

en el experimento, que suele ser del tipo, todo o nada: el individuo muere o no lo hace, enferma o sigue sano.

Tiene un enrome interés en clínica, como criterio para pronosticar y para hablar de eficacia terapéutica.

ESCALAS DE TIEMPO

Reclutamiento de pacientes en la clínica:

El paciente 3, en el tiempo cronológico, enferma en un punto pero al acabar el seguimiento, el paciente 3 todavía no ha muerto, no se ha dado el suceso: censura por terminación del seguimiento. El paciente 2, enferma, y tras un periodo de tiempo muere o le ocurre el suceso de interés que se está estudiando, mientras se le realiza el seguimiento. El paciente 1 estaba enfermo desde el inicio de, pero antes de acabar el periodo de tiempo establecido, se da una pérdida del seguimiento. Es algo que suele ocurre en seguimientos a personas. Estas pérdidas de seguimiento, independientemente del diseño que tengan, pueden producir sesgos en los estudios epidemiológicos.

DEFINICIÓN DE EPIDEMIOLOGÍA

Es el estudio de la frecuencia y distribución de las enfermedades y problemas de salud, así como de sus determinantes que afecten a poblaciones humanas, con el fin de controlarlos, si es posible. Por eso, la epidemiología se centra en los determinantes que puede intentar controlar.

OBJETIVOS

Conocer la prevalencia de las enfermedades.

PREVALENCIA: En una determinada población, cuantos individuos están enfermos. Todos los casos, los nuevos y los viejos.

Conocer la incidencia de las enfermedades: Hablamos de incidencia cuando se trabaja con casos nuevos de la enfermedad y la mortalidad. Cómo aparecen en la población.

INCIDENCIA: Solo cuando trabajamos con casos nuevos. Cuando una persona muere, es un caso nuevo.

MEDIDAS DE FRECUENCIA DE LA ENFERMEDAD

Es importante aprender a distinguirlos:

RAZONES PROPORCIONES TASAS

En este ejemplo, en el tiempo cronológico, todos los individuos del seguimiento empiezan a tiempo 0. Se puede apreciar el tiempo de seguimiento de cada uno de los individuos.

La escala de tiempo puede ser también una escala de edad, en las que cada individuo sería colocado según su edad en ella.

TIPOS DE POBLACIONES: DINAMICAS O CERRADAS

CERRADA O COHORTE:

Decimos que una población es cerrada o cohorte cuando tenemos un tamaño inicial fijo (N) y definido de antemano. Una vez empezado, no se permiten entradas (nacimientos, inmigraciones…), solo se pueden producir salidas (muertes, enfermedades…).

EJEMPLO:

1) Individuos nacidos durante el año 1982. 2) Expuestos a tabaco durante el primer año de vida de

1982 a 1987.3) Población de pacientes diagnosticada con angina de

pecho.

En epidemiología suele interesar saber, cuando se producen los nuevos casos de la enfermedad, para saber cómo funciona la incidencia de la enfermedad en las poblaciones, qué fuerza tiene esa enfermedad para crear nuevos casos. Esto es importante de cara a la gestión de la sanidad, la gestión y evaluación de procesos terapéuticos y pronósticos.

DINAMICA:

El tamaño de la población (N) puede aumentar con el tiempo. Se permiten entradas y salidas. El tamaño inicial no se mantiene, va ir cambiando.

1) Población de los Estados Unidos o el País Vasco.

2) Esperanza de vida de los habitantes de EEUU con 18 años.

POBLACIONES DINÁMICAS EN ESTADO ESTACIONARIO

En algunas etapas la población, su tamaño no cambia con el tiempo, y si lo hace, la variación es muy pequeña. Por cada salida o muerte se produce casi inmediatamente una entrada (un nacimiento).

En otras etapas, hay de repente bajadas o subidas muy grandes, se puede deber a epidemias, un aumento repentino de la natalidad… Es por ello que en el ejemplo, en su conjunto, no podríamos hablar de una población en estado estacionario.

La situación de estado estacionario, es muy teórica, no es realista, pero es muy útil para realizar la estimación de tasas. La estimación de la incidencia de la enfermedad es tan importante que a pesar de no contar con todos los datos necesarios para realizar la estimación, necesitamos tener una idea de la misma, y por ello necesitamos esa suposición de estado estacionario.

Puede ser una suposición aceptable o no, dependiendo del tamaño de la población y del periodo de tiempo de seguimiento.

Grafico representativo en poblaciones cerradas

TIPOS DE POBLACIONES DINAMICAS

En las fuentes modernas: censos y padrones de poblaciones dinámicas, se distinguen varios subtipos de población:

La población de derecho: Es aquella que está empadronada en un determinado lugar y es en él en donde ejerce sus derechos civiles; como el derecho al voto, la sanidad…

La población de hecho: Es la que vive en un determinado lugar sin estar empadronada en él. Son personas que se establecen durante un tiempo en un lugar sin intención de permanecer en él. Siempre hay una diferencia, mayor o menor dependiendo de si el lugar recibe inmigrantes o emite emigrantes.

La población flotante: Es la que se desplaza a vivir en un determinado lugar durante una determinada época del año. Son característicos de los lugares de vacaciones y los centros de jubilados.

Los transeúntes: Son las personas que se desplazan durante unas horas a un determinado lugar pero que tienen su lugar de vivienda en otro. Un ejemplo son las zonas de ocio, o de trabajo, en el centro de las ciudades o en las afueras, que generan las llamadas ciudades dormitorio.

Cuanto mayor sea la diferencia entre la población de derecho y de hecho, pueden surgir problemas de falta de servicios sanitarios y de todo tipo en la población (el reparto del dinero para dichos servicios se realiza teniendo en cuenta la población empadronada).

Cuanto mayor es la población flotante o transeúnte, mayor es la necesidad de buenos canales de transporte. Para describir una población, no sólo basta conocer en número de individuos en cada subtipo, sino también, sus movimientos diarios y/o anuales.

MEDIDAS DE FRECUENCIA DE LAS ENFERMEDADES Y SUS DETERMINANTES

La razón es el cociente entre dos valores (x) e (y) que no tienen por qué estar relacionados entre sí (los valores del numerador y denominador). Si son valores muy pequeños, se multiplican por un potencial de 10. Es algo muy utilizado en epidemiología, porque son razones muy pequeños. Índice de masa corporal Razón = Peso (kg)/Altura (m2) Se usa en el diagnostico de la obesidad. Es un criterio diagnostico de esta enfermedad.

EJEMPLO:

6 mujeres, 4 hombres

Razón de género: Razón = (Mujeres / Hombres) x10n R= 6/4x100 = 1’5

Razón de mujeres a hombres, en la razón de hombres a mujeres habría que intercambiar el numerador por el denominador y realizar la división.

8 sanos, 4 enfermos

Razón entre sanos y enfermos: Razón= 8/4= 2

RAZONES ESPECIALES

PROPORCION:

Es una razón en la cual el valor del numerador está incluido también en el denominador.

Proporción de enfermos

X=a=4=enfermos b=6=sanos y=a+b=10= Total de la población.

0’4x100 Porcentaje de enfermos = 40%

A la proporción de enfermos diagnosticados de una enfermedad, en un momento dado, se le denomina también prevalencia de la enfermedad.

ODDS:

Cuando tengo la probabilidad de que ocurra un suceso en el numerador y la probabilidad de que no ocurra esa enfermedad o suceso en el denominador. Se le llama ODDS de a (a/1-a).

Cada proporción, cada prevalencia, está siempre asociada a un ODDS.

PORCENTAJES:

Proporción x 100

INCIDENCIA

Es la fuerza que tiene una enfermedad para atacar a una población y generar nuevos casos en esa población, de dicha enfermedad.

Para medirla, es necesario seguir a las personas durante determinado tiempo, estudiando la generación de nuevos casos.

Se mide en u plano de población x en un periodo de tiempo y. La MORTALIDAD es la incidencia o generación de casos de muerte. Es el estudio de

la incidencia de la muerte.

Cuando calculo la incidencia me da la capacidad que tiene la enfermedad de crear nuevos casos en una población. Para calcular la incidencia es necesario seguir a las personas durante las personas durante un cierto tiempo, estudiando la generación de nuevos caos.

RAZONES ESPECIALES: INCIDENCIA ACUMULADA

La incidencia acumulada es la razón o cociente entre casos nuevos de la enfermedad (x) y número de personas sanas al comienzo del seguimiento (y). Proporción de sanos que se convierten en enfermos a lo largo de un periodo de tiempo.

Durante el seguimiento de una muestra, para calcular la incidencia acumulada, deberemos tener en cuenta lo siguiente:

- los casos prevalentes: pacientes enfermos diagnosticados desde el inicio del seguimiento.

- Personas sanas (T=0) al inicio del seguimiento.- Los casos nuevos: paciente que enferma durante el seguimiento.- Tiempo que durará el seguimiento.Cuando trabajamos con una enfermedad crónica, los casos prevalentes no se pueden

convertir otra vez en casos nuevos, puesto que ya son casos al inicio del seguimiento. Así que no entrarían en la estimación de la incidencia acumulada. Los que sí que entran son los casos nuevos.

Cuando lo único que sabemos es el número de casos que se han producido durante un periodo de tiempo, decimos que tenemos datos para el cálculo de incidencia acumulada, porque no tenemos las fechas en las que se han producido estos casos exactamente.

Cálculo:

IA= Casos Nuevos

Personas sanas(T=0) · 10n La IA no tiene unidades.

Pongamos un ejemplo: Al inicio de un seguimiento que realizaré a lo largo de 9 años, tengo 10 pacientes. 4 de ellos serán casos prevalentes y 6 personas sanas. Al final de esos 9 años, tengo 4 casos nuevos, pero NO tengo la fecha en la que se han producido estos casos. Por lo tanto, al no tener esta fecha exacta, puedo calcular la incidencia acumulada.

IA= Casos Nuevos

Personas sanas(T=0) · 10n = 4/6 = 0.67

Es decir, de cada 100 pacientes que empiezan el seguimiento como personas sanas, 67 acabarán enfermando a lo largo de los 9 años siguientes.

La incidencia acumulada siempre se calcula en un periodo de tiempo. No tenemos el instante en el que se han producido pero si sabemos que han aparecido a lo largo de esos nueve años del seguimiento.

*La incidencia acumulada se suele llamar IC en inglés y IA si es en castellano.

Si yo en lugar de multiplicar por 100, multiplico por 102, obtengo el porcentaje de sanos que se convertirán en enfermos a lo largo de 9 años. Y si multiplico por 103 serían X casos por mil personas. Es decir, al cambiar n, cambio la unidad de población que observo.

TASA O DENSIDAD DE INCIDENCIA

La tasa o densidad de incidencia es la razón o cociente entre casos nuevos de la enfermedad (x) y el tiempo-persona (y) que ha permanecido la población a riesgo de padecer la enfermedad.

Durante el seguimiento de una muestra, para calcular la tasa o densidad de incidencia, deberemos tener en cuenta lo siguiente:

- Los casos nuevos: paciente que enferma durante el seguimiento.- Tiempo que durará el seguimiento.- Tiempo de seguimiento/ tiempo a riesgo es el tiempo que ha permanecido el

paciente a riesgo de contraer la enfermedad. Una vez que la contrae ya no puede estar más tiempo a riesgo de contraerla. Será la diferencia entre la fecha en la que ha desarrollado la enfermedad (fecha de salida) y la fecha en la que inicio el seguimiento (fecha de entrada).

Tiempo a riesgo= fecha de salida – fecha de entrada

- ∑i

❑

t i (tiempo- persona): suma del tiempo a riesgo de cada caso nuevo.

Cálculo:

DI= Casos Nuevos

∑i

❑

ti ·10n

Pongamos un ejemplo: Al inicio de un seguimiento que realizaré a lo largo de 9 años, tengo 5 pacientes sanos. Al final de esos 9 años, tengo 4 casos nuevos en los que SI tengo la fecha en la que se han producido. Es decir, conozco el tiempo a riesgo de cada individuo. Por lo tanto, puedo calcular la tasa de incidencia.

DI= Casos Nuevos

∑i

❑

ti ·10n =

49+3+3+2+7

·100 = 0.16/año

Es decir, tendré 16 casos por cada 100 personas y año de seguimiento

Sin embargo, puedo no tener exactamente el instante de tiempo donde se han producido los casos nuevos. Por lo tanto, para poblaciones en “estado estacionario” como sería este caso, es la razón entre casos nuevos de la enfermedad (x) y N x tiempo (y) que ha permanecido la población a riesgo de padecer la enfermedad.

Una población dinámica en un estado estacionario no cambia (es una situación no real). Para una población dinámica, un estado estacionario será más fiable cuanto menos sea el tiempo y más el tamaño de la muestra.

Cálculo:

DI= Casos NuevosN xa ños

·10n

Pongamos un ejemplo: Al inicio de un seguimiento de una población que está en estado estacionario que realizaré a lo largo de 9 años, tengo 10 pacientes sanos. Al final de esos 9 años, tengo 4 casos nuevos en los que NO tengo la fecha en la que se han producido estos casos. Por lo tanto, al no tener esta fecha exacta, calculo lo siguiente:

DI= Casos NuevosN xa ños

·10n= 410·9

·10n= 0.044/años

Es decir, tendré 44 personas enfermas por cada 1000 personas y año de seguimiento.

La unidad de la DI es 1/años o años−1. Si estamos midiendo el tiempo en meses sería 1/mes o mese s−1.

RELACIÓN ENTRE INCIDENCIA Y PREVALENCIA

Existe una relación entre prevalencia e incidencia de la enfermedad:

= duración media de la enfermedad. En la unidad de tiempo que se mide DI.

Los cambios en la prevalencia se pueden deber a cambios en DI, a cambios en la duración media de la enfermedad o a cambios en ambos. Si hay una epidemia, DI aumentará.

Grupo 31 29/09/2015

COMPARACIÓN DE MEDIDAS DE FRECUENCIA

Esta magistral va en relación a la segunda PO, que va de cómo comparar tasas de incidencia, cómo comparar medidas de frecuencia de las enfermedades.

Una cuestión importante es cómo medimos la frecuencia: hemos visto una serie de medidas de frecuencia para incidencia y para prevalencia. Se trata de ver ahora cómo las podemos aplicar. Habíamos quedado en la relación entre las medidas de incidencia y las de prevalencia, habiendo visto lo que eran las tasas, las razones, las razones especiales, las proporciones…

Ahora sabemos medir la frecuencia de las enfermedades: a través de prevalencia y de incidencia (siempre que hablamos de casos nuevos). Había varias clases de incidencia: acumulada o densidad de incidencia. Dentro de la densidad de incidencia:

Cuando teníamos datos completos, de salida del individuo y de entrada en el seguimiento, podemos calcular el sumatorio de todos los tiempos, que era el denominador de la densidad de incidencia.

Había otros casos en los cuales no teníamos los datos completos, pero podíamos calcular el tamaño de la población a mitad de periodo, y entonces calculábamos también la tasa de incidencia.

¿Las tasas de incidencia tienen unidades? Sí; ejemplo: tasa incidencia de 16 casos por cada 100 personas y año de seguimiento.

Imaginaos que tenemos dos centros de salud: el centro de salud A y el centro de salud B. En el centro de salud A se han producido 50 casos nuevos (enfermos o muertes) en el tiempo desde 1989 a 1990; es decir, dos años. Este centro de salud cubre una población de 23.500 habitantes. En el centro de salud B se han producido 35 casos nuevos (enfermos o muertes) durante un año, y tiene una población de 12.200 habitantes.

¿Dónde es más frecuente que se produzcan casos nuevos, tanto de muerte o de enfermedad; en el centro A en el centro B?

Podemos comparar 50 contra 35, y parece ser que en el centro A se han producido más casos que en el centro B. por lo tanto, mirando el número de casos, en el centro A la frecuencia es mayor. Sin embargo, debemos tener en cuenta otras cosas, por ejemplo el tiempo, pues ha transcurrido un tiempo mayor para el centro de salud A. También habrá que tener en cuenta la

población, pues es también mayor para el centro A. Toda esa información, para compararla, la podemos tener en cuenta mediante la medida de frecuencia de densidad/tasa de incidencia (casos nuevos, población a riesgo y tiempo).

Para comparar la frecuencia de la enfermedad o mortalidad entre ambos centros de salud, podemos utilizar:

La frecuencia absoluta: si yo comparo solamente las frecuencias absolutas de las muertes o de los casos nuevos de la enfermedad, se puede concluir que el centro A tiene más casos que el B.

Incidencia acumulada: se han producido x casos entre toda la población del lugar, suponiendo que las poblaciones están en estado estacionario, y multiplicado en este caso por 10^3, pues para que no queden decimales muy pequeños y poder interpretar resultados más fácilmente. Sin embargo, la incidencia acumulada no tiene en cuenta el tiempo, así que no es lo más correcto tampoco, aunque en este caso los resultados puedan parecer similares.

Tasa o densidad de incidencia: casos nuevos / población * tiempo, considerando una población en estado estacionario y multiplicado esta vez por 10^5, para obtener unas cifras que yo pueda presentar y comparas más fácilmente.

Así, en el centro de salud A esperaríamos observar aproximadamente 106 casos nuevos por cada 100.000 habitantes por año, mientras que en el centro de salud B esa cifra se eleva hasta los 287 casos aproximados al año por cada 100.000 personas.

Si yo comparo la tasa de incidencia en el centro A con la tasa de incidencia en el centro B, estoy considerándolo todo; los casos nuevos, el tiempo de observación y la población en cada centro. Así, lo mejor sería en este caso comparar las tasas de incidencia, pues ofrece una información completa.

Finalmente, ¿dónde podemos decir que es más frecuente (capacidad de generar una mayor cifra de casos) la enfermedad? En la población del centro de salud B, a pesar de que la primera impresión fuese la contraria.

NOTA: en ambas poblaciones se debe multiplicar por el mismo múltiplo de 10 (10^3, 10^5…), porque si no se estarían utilizando diferentes unidades de población. Esto es muy importante a la hora de interpretar las tasas; en el trabajo nos vamos a encontrar tasas de incidencia en diferentes poblaciones y tiempos, y es crucial que comparemos en las

mismas unidades.

Lo que estamos comparando es lo que se denominan tasas brutas (en inglés crude): hablamos de tasas brutas cuando no tenemos en cuenta ninguna otra variable para hacer grupos en la población, nos estamos refiriendo a la pobacion entera. No estamos haciendo subpoblaciones por edad, por género… Si sacamos una tasa de incidencia del suceso por género (por ejemplo), hablaríamos de tasa específica para los hombres o para las mujeres. Las tasas específicas, entonces, se aplican a cada subgrupo dividido dentro de la población.

Debemos saber resumir la experiencia de las poblaciones. ¿Cómo?

La experiencia nos va a surgir en varios contextos: a la hora de solicitar un empleo (experiencia de un alumno, experiencia laboral), al estudiar (media de la duración de los estudios de la licenciatura), en la consulta del médico (cuándo comenzaron los síntomas). Algunas preguntas que interesan en Medicina pueden ser, en el ámbito de Salud Pública, el pronóstico de los años de vida (esperanza de vida, basada en tasas de mortalidad); y en la clínica, cuánto tiempo tardará la enfermedad en remitir, qué tratamiento produce una supervivencia más larga…

Todas estas son medidas que se derivan de las que ya conocemos, que son las básicas; a partir de ellas, se pueden hacer muchos análisis y estudios, y se pueden llegar a conclusiones muy importantes, pero no son las únicas.

Diagrama de Lexis: es una manera de resumir la experiencia de las poblaciones. En clínica, vamos a tener que aprender a resumir la experiencia de las poblaciones en las dos escalas de tiempo: edad y tiempo cronológico.

En nuestro ejemplo tenemos cuatro pacientes, y de ellos cuatro tenemos su fecha de nacimiento, su entrada al estudio (seguimiento) y su salida del mismo (ya sea por muerte o por contraer la enfermedad). Si yo cojo la diferencia entre la salida y el nacimiento, a esa línea se la denomina línea de vida. La diferencia entre la fecha de salida y la de entrada, a eso se le denomina el tiempo a riesgo, o tiempo hasta que ocurre algún evento o suceso de interés, ente caso l amuerte o la enferemdad. En el ejemplo va a estar representado el tiempo a riesgo.

El individuo A entró en el estudio en el 63, a la edad de 32 (diferencia entre fecha de entrada y fecha de nacimiento). En la fecha de salida, en el 74, el individuo A tendría 43 años. Lo representado en el diagrama es su tiempo a riesgo, que es de 11 años (salida – entrada). Esto lo podemos calcular con todos los individuos, y podemos transformar las fechas a un formato decimal para facilitar los cálculos.

Mediante una serie de restas, podemos obtener la experiencia (el tiempo de vida o supervivencia, y el tiempo de riesgo) para cada uno de nuestros cuatro pacientes:

Individuo A: tiempo de vida 43,74 años / tiempo de riesgo 11,28 años. Individuo B: tiempo de vida 25,12 años / tiempo de riesgo 4,26 años. Individuo C: tiempo de vida 26,98 años7 tiempo de riesgo 4,26 años. Individuo D: tiempo de vida 45,5 años / tiempo de riesgo 18 años.

Esto nos sirve para determinar qué experiencia aporta cada individuo. En el gráfico, por ejemplo, el individuo B nos aporta, entre 20 y 25 años (de edad), una pequeña porción de línea de experiencia. Si calculamos mediante diferencias, esa poción correspondería a 4,14 años (en el periodo antes de 1960 aporta 0,25 años, tres meses; y en el intervalo entre 1960 y 1963’89, que es cuando cumplió los 25, aporta 3,89 años: un total de 4,14 años).

Esto nos está dando el tiempo-persona, que en este caso está medido en años. Se llama tiempo-persona porque lo que nos interesa es la suma de los tiempos, y eso es lo que va a ser el denominador de las tasas de incidencia.

Es importante saber toda la información que podemos obtener al descomponer cada tiempo. Por ejemplo, en el intervalo de tiempo de entre 20 y 25 años de edad, toda la cohorte de los individuos aporta un total de 6, 41 años-persona de experiencia. Entre 1960 y 1965, esta cohorte de cuatro pacientes porta una cantidad total de 14,58 años de experiencia.

Otro ejemplo: el individuo A aporta una experiencia de 1,56 años en el quinquenio de 1960 a 1965, mientas su edad estaba comprendida entre 30 y 35 años. En ese mismo periodo de tiempo e intervalo de edad, el paciente D aporta una experiencia de 5 años.

Tras hacer los cálculos en cada individuo, se puede resumir la experiencia de la cohorte de 4 individuos. La experiencia de la cohorte es la suma de las experiencias individuales, por cada periodo de tiempo e intervalo de edad. Lo que se hace es descomponer la información mediante diferencias porcada cuadrante, y sumarla para conocer el total de años aportados en cierto intervalos, como puede ser el intervalo entre 20 y 25 años de edad, o el tiempo transcurrido entre 1960 y 1965.

Así se resume por cada columna o línea toda la información de nuestra cohorte de cuatro personas, en este caso. Cada uno de los intervalos de edad y periodo de tiempo es un quinquenio. Podemos saber cuánto tiempo ha permanecido nuestra cohorte a riesgo de morir o contraer la enfermedad.

NOTA: Es importante que hagamos esto una vez en la vida, y que hagamos estas cuentas para ver de dónde sale cada cifra. El power point tenía algunas cifras equivocadas, pero las hemos corregido al pasarlas aquí.

Imaginamos ahora que tenemos tasas diferentes en diferentes lugares. Por ejemplo, tenemos las poblaciones de Michigan y Pensilvania. Me van dando grupos de edad diferentes de ambas poblaciones. En Michigan hay aproximadamente 10,5 millones de personas, y en Pensilvania unas 8 millones de personas. Tenemos datos en distribución de cada grupo de edad tanto en valores brutos como en porcentajes (valores de cada grupo de edad entre la población total, por 100). Nos dan los casos nuevos de cáncer de vesícula, en las diferentes edades.

Queremos calcular, por ejemplo, la tasa específica de casos de cáncer de vesícula por cada 10.000 habitantes en Michigan entre las edades de 35 y 44 años. ¿Cómo puedo calcular esta tasa específica?

Vamos a suponer que estamos en un estado estacionario y que transcurre solamente un año de observación.

¿Qué ponemos en el numerador de la tasa? Siempre el número de casos nuevos, que en este caso son 20.

¿Cuál es el denominador? Si tuviésemos la experiencia de cada uno de estos 20 individuos y de todos los otros que no tienen la enfermedad, sumaríamos todos esos tiempos, pero no los tenemos, así que vamos a suponer que esta población está en estado estacionario. Así, cogemos la población total en este rango de edad (2.000.000 de habitantes), y suponemos que es la población a mitad de periodo de observación (un año en este caso).

Así, cogemos los 20 casos nuevos, los dividimos entre 2.000.000 de personas por 1 año de observación, y esto lo multiplicamos por 10.000, lo que nos resulta en 0,1. Esto significa que esperaríamos observar 0,1 casos nuevos de cáncer de vesícula por cada 10.000 personas de Michigan en el rango de 35-44 años que siguiésemos durante un año. Esta sería una tasa específica.

Calcularíamos el resto de tasas específicas para todos los rangos de edad y tanto para Michigan como para Pensilvania de manera exactamente igual.

Para obtener la tasa bruta de incidencia de cáncer de vesícula, sumariamos el número de casos nuevos en todos los subgrupos, y lo dividiríamos entre la población total por un año de seguimiento, y esto lo multiplicaríamos por 10000. La tasa bruta en Michigan es de 42’4, y en Pensilvania es de 100’8.

Para Michigan: TM = ∑i · (piM · Ti

M) la tasa bruta en Michigan (TM) es igual al sumatorio (∑i) de la proporción de cada una de las edades (pi

M) multiplicado por la tasa específica (TiM) para

Michigan. Proporción: porcentaje entre 100. Ese 42,4 sale de multiplicar 0,19 por su tasa (0,1); 0,24 por su tasa (1,0), y así sucesivamente, y sumar todos los resultados después.

Para Pensilvania: TP = ∑i · (piP · Ti

P) lo mismo pero con los datos de Pensilvania.

La población de Michigan es más joven, pues tiene un porcentaje más alto en subgrupos de edades más bajos. Pensilvania tiene una población más envejecida, lo que tiene influencia sobre el cáncer de vesícula. A medida que la edad avanza, la frecuencia de casos nuevos aumenta. Así que podemos tener mayor frecuencia en Pensilvania debido a que su población no es tan joven, es más mayor. Existe un defecto de edad, y es por eso que la frecuencia de casos en Pensilvania es más del doble al comparar las tasas brutas.

El problema es que al comparar tasas brutas, no se está teniendo en cuenta el efecto de la edad que tienen las diferentes poblaciones. ¿Cómo sería la comparación de la incidencia de esta enfermedad si se quita la influencia de los porcentajes tan diferentes de edad entre ambas poblaciones? Esto se hace mediante métodos de estandarización o ajuste, que son:

Estandarización directa: se elige una población de referencia (en este caso, la población de EEUU). En la población de EEUU, se calcula la tasa bruta de manera idéntica a como la calculábamos antes: TE = ∑i · (pi

E · TiE).

¿Qué hago para quitar la influencia de la edad? Se calculan las casas ajustadas tanto en Michigan como en Pensilvania. Cojo las proporciones de población de EEUU (los porcentajes de cada subgrupo de edad entre 100), y las tasas específicas de Michigan o de Pensilvania, cada una en su caso. Se suman los resultados y se obtienen las tasas ajustadas.

Así quitamos la diferencia que había en las proporciones de edad, de manera que si comparamos ahora las tasas ajustadas, podemos decir que estamos eliminado la influencia de la edad sobre la incidencia de cáncer de vesícula.

Estandarización indirecta: coje las tasas específicas d ela pobacion estándar (de EEUU) y las multiplica por la porporcion de individuos en cada una de las edades (en Michigan o en Pensilvania). Calcula la razón de mortalidad estandarizada (SMR ó RME), que compara la tasa bruta (de Michigan o de Pensilvania) con la tasa que esperaríamos observar si las tasas específicas fueran las generales (de EEUU).

Esto se utiliza en epidemiologia para un estudio comparativo con la población general. Comparamos las tasas observadas en nuestra región con las tasas que esperaríamos observar si en esta región fueran las específicas que tiene la población general. Por ejemplo, comparamos las tasas en nuestro instituto con las tasas que nos esperaríamos si en este instituto tuviésemos las tasas de la ciudad. Así concluimos si en nuestro colegio existe una incidencia mucho mayor que la tasa que nos esperaríamos si tuviésemos la misma tasa de la ciudad. Para eso es útil la RME.

Si el resultado es igual a 1: la tasa observada en el colegio es igual a la que esperaríamos observar en la ciudad.

Si el resultado es mayor de 1: la tasa observada en el colegio es mayor de la que esperaríamos si tuviésemos la tasa de la ciudad.

Si el resultado es menor de 1: la tasa observada en el colegio es menor de la que esperaríamos si tuviésemos la tasa de la ciudad

El método indirecto se utiliza más que el directo. La estandarización se empieza a olvidar porque existen otros métodos más complejos (como la regresión logística, que veremos más adelante) para estandarizar y ajustar. Aun así es importante que conozcamos qué es lo que hacemos cuando ajustamos o estandarizamos: quitamos el efecto de una variable (en el caso del cáncer de vesícula, la edad), sobre la incidencia de la enfermedad.