Conceptos básicos de Epidemiología Medicina

Conceptos de epidemiología

1. Eras y paradigmas en Epidemiologia CONCEPTOS EN EPIDEMIOLOGÍA Manuel K. Molina Mariano MD|MsC Epidemiología Clínica

2. Disciplina que estudia la distribución de la enfermedad (Estados de salud dicen algunos, trastornos de los estados de salud dicen otros) y sus determinantes (causas, factores asociados) en poblaciones humanas . (Mervyn Susser 1973) Su objetivo es la prevención, vigilancia y control de los trastornos de salud en las poblaciones. Pensamiento poblacional y comparación de grupos. (Mervyn Susser 1973) “¿Por qué creen que hablamos de pensar en grupos y no en pacientes?”

3. Fases en el desarrollo de la Epidemiología Morabia A. Epidemiology an epistemological and historical perspective. 2004

4. Eras y Paradigmas en el desarrollo de la Epidemiologia. Antes del Siglo XIX: John Graunt: Natural and political observations made upon the mortality bills. 1662 Padre de la demografía, la estadística, la epidemiologia. Describe el impacto de la mortalidad, especialmente la Peste entre los obreros de Londres. Susser M et al. Choosing a future for Epidemiology I. Eras and paradigms. American Journal of Public Health 1996; 86(5)

5. Susser M et al. Choosing a future for Epidemiology. I. Eras and paradigms in Epidemiology. American Journal of Public Health. 1996;86 (5) Era Paradigma Enfoque Analítico Enfoque Preventivo Estadísticas sanitarias(Primera mitad del siglo XIX) Miasma: enfermedad causada por emanaciones del suelo, el aire y el agua Demostrar la agrupación de morbilidad y mortalidad Mejorar el entorno: drenaje, alcantarillado, saneamiento Epidemiología de enfermedades infecciosas(Finales del siglo XIX - primera mitad del siglo XX) Teoría del germen: agentes específicos causan enfermedades Aislamiento del agente, estudio del sitio de infección, transmisión, cultivos, lesiones Interrumpir la transmisión: vacunas, cuarentena, hospitales de aislamiento, antibióticos Epidemiología de enfermedades crónicas(Desde la segunda mitad del siglo XX) Factores de riesgo: relación exposición–resultado sin necesidad de agente causal específico Cálculo de riesgo relativo o razón de odds a nivel individual en poblaciones Controlar factores de riesgo: estilo de vida (dieta, ejercicio), ambiente (contaminación), agente (tabaquismo, armas)

6. Introducción En el SIGLO XIX: La Epidemiologia se vuelve un instrumento importante del movimiento sanitarista “miasmático”. Los “miasmas” son la causa de le enfermedad. Thomas Sydenham y Giovanni María Lancisi (S XVII-SXVIII) “Miasma”: Olores fétidos del agua y de la tierra. Frecuentes en las ciudades de Europa por el hacinamiento y la falta de un mecanismo de disposición de excretas. Susser M et al. Choosing a future for Epidemiology I. Eras and paradigms. American Journal of Public Health 1996; 86(5)

7. Propagación del cólera por “aire venenoso”. Robert Seymour: Cholera “ tramples the victors and vanquished both ”. https://es.wikipedia.org/wiki/Teor%C3%ADa_miasm%C3%A1tica_de_la_enfermedad#/media/File:Cholera_art.jpg

8. Era “miasmática”: Algunos hitos. Se creo la Sociedad Estadística de Londres. Aparecen: Louis Rene Villermé en Francia. William Farr en Inglaterra. Pregonan la relación pobreza-enfermedad. Se crea la Comisión Nacional de Salud. 1858. John Simon. Jefe Medico. Se crea un cuerpo de médicos que investigan epidemias y conglomerados de casos.

9. Era “miasmática”: Algunos logros. Se impulsó el estudio del exceso de la mortalidad en diferentes ambientes como forma de establecer diferencias entre poblaciones y generar hipótesis. Se estableció el valor de estudiar los conglomerados de casos de diversas enfermedades o de la mortalidad como forma de aproximarse a las causas de estos. Estudio de las epidemias-Mapeo de su ocurrencia

10. Era “miasmática”: Algunos logros.

11. Era de la Epidemiologia de las Enfermedades Transmisibles: Teoría del Germen . Jakob Henle. 1840. Propone que la infección por “pequeños organismos” es la causa real de las enfermedades. John Snow. 1849-1854. Propone que el cólera es producido por algún organismo que se difunde por el agua.

12. John Snow ( Epidemiología Moderna )

13. S no w Localizó el domicilio de cada una de las personas que murieron de cólera en Londres durante los años 1848-49 y 1853-54 Descubrió una asociación entre la procedencia del suministro de agua y las defunciones . Utiliza la estadística para comparar

14. Muertes por cólera en los distritos de Londres cuyo suministro de agua procedía de dos compañías, 8 de julio a 26 de agosto de 1854 El Caso del Cólera en Londres, origen de la epidemiología. Medicina insólita. Video John Snow

15. Era de la Epidemiologia de las Enfermedades Transmisibles: Teoría del Germen . Louis Pasteur. 1865. Demuestra en el laboratorio la existencia de organismos vivientes que producían enfermedad en el gusano de seda.

16. Era de la Epidemiologia de las Enfermedades Transmisibles: Teoría del Germen .

17. Era de la Epidemiologia de las Enfermedades Transmisibles: Teoría del Germen . Se desconocieron, declinaron o perdieron muchos avances del pensamiento poblacional desarrollados en la era anterior: La vigilancia sobre las estadísticas de mortalidad y su importancia. Los desarrollos teóricos y metodológicos para los estudios de campo. El análisis de grandes cantidades de datos. Se desarrolló la explicación de la causa “única”: un agente causa una enfermedad.

18. Era de la Epidemiologia de las Enfermedades Transmisibles: Teoría del Germen . Algunos pocos hitos: Investigaciones sobre la pelagra (Sydenham y Goldberger). Deficiencia nutricional de vitamina B3. Asumida inicialmente como infecciosa. Investigaciones sobre la transmisión del virus de la poliomielitis. (Ivar Wickman y Wade Hampton Frost). No se conocían aun los virus. Avances en tratamiento, prevención y la mejoría en las condiciones sanitarias controlaron estas causas en países desarrollados.

19. Epidemiologia de las Enfermedades Crónicas: La Caja Negra . Después de 1945 las cardiovasculares y los canceres eran las causas más importantes de morbimortalidad (países desarrollados). La Bacteriología y sus herramientas no podían explicar la nueva epidemia. El paradigma UNICAUSAL “un agente produce una enfermedad” no era suficiente.

20. Epidemiologia de las Enfermedades Crónicas: La Caja Negra . 1950´s. Richard Doll , Sir Austin Bradford Hill, Jeremy Morris, Thomas McKeown . Explicaron el papel del tabaco en el cancer de pulmón. Explicaron el papel de la hiperlipidemia y el cigarrillo en la enfermedad cardiovascular. Dieron origen al paradigma “multicausal” como opuesto al “ unicausal ” de la Bacteriologia . Estos éxitos tempranos afianzaron el papel de los métodos epidemiológicos en el estudio de la etiología de las enfermedades más importantes del momento.

21. Epidemiologia de las Enfermedades Crónicas: La Caja Negra . Los diseños eran exitosos en demostrar asociaciones. Se usaban sin explicar porque se daban las asociaciones, los mecanismos subyacentes, la patogénesis. “Caja negra” Inicialmente los primeros estudios eran descriptivos sin uso de estadísticas complejas. Evolución a diseños más complejos

22. Epidemiologia de las Enfermedades Crónicas: La Caja Negra . Desarrollo de cohortes. Desarrollo de casos y controles. Teoría de los sesgos y errores en el diseño. Importancia de los tamaños de muestra grandes. Énfasis exagerado en la interpretación de los resultados en el nivel individual.

23. VIDEO https://www.youtube.com/watch?v=Bt_kpS-TUKs

24. APLICACIONES Y USOS DE LA EPIDEMIOLOGÍA

25. Algunos aportes de la Epidemiología

26. Algunos aportes de la Epidemiología VIH En fermedad de legionaries ( legionella pneumophila ) Virus y canceres Ensayos comunitarios de suplementación de flúor en el agua. Investigación en servicios de salud Carga de Enfermedad Desarrollo de métodos para evaluación de intervenciones Medicina basada en evidencia

27. Aportes en combinación con otras ciencias

28. ACTIVIDAD PARA DESARROLLAR GUIA DE ESTUDIO

29. ESTADÍSTICA DESCRIPTIVA Comprende la recolección, organización, presentación y resumen de un conjunto de datos de una manera clara y útil que permita la utilización de nuevos datos para la toma de decisiones. Ej : tablas de frecuencia, datos representativos, variables. ESTADÍSTICA INFERENCIAL Utiliza las medidas representativas extraídas de los análisis descriptivos para hacer inferencia, probar hipótesis y generar intervalos de confianza para poblaciones mayores que cumplan condiciones como el muestreo probabilístico para poder generar predicciones. Tabulación Graficación Representación numérica OBJETIVO: RESUMIR

30. CONCEPTOS VARIABLES: son aquellas características, atributos, rasgos cualidades o propiedades del conjunto que constituye el estudio. Es la representante de las condiciones de análisis. Variable cualitativa: no mesurables directamente. Variable cuantitativa: descritas numéricamente. Naturaleza Nivel Representatividad Cualitativa (categórica) Nominal Ordinal Dicotómica Policotómica Policotómicas Jerarquizadas Moda (frecuencia) Moda (rango) Cuantitativa (numérica) Intervalo* (no paramétrica) Razón ** (paramétrica) Continua o discreta Mediana (rango intercuartílico ) Media (Desviación estándar) *El cero no implica ausencia de medición, es un valor arbitrario **el cero es absoluto, indica ausencia de magnitud.

31. Practiquemos Variable Naturaleza Nivel Medida representativa Sexo (M/F) Grupo sanguíneo (A, B, AB, O) Estado civil (soltero, casado, viudo) Nivel de dolor (leve, moderado, severo) Clasificación de IMC (bajo peso, normal, sobrepeso, obesidad) Edad (en años) Peso (kg) Presión arterial (mmHg) Temperatura corporal (°C) Nivel educativo (primaria, secundaria, universidad)

32. En los análisis inferenciales: Variable dependiente o de resultado (Y): representa el efecto que se quiere estudiar, dentro de la hipótesis representa la consecuencia, el efecto que se estudia. Variable independiente (X): representa la causa o factor explicativo o predictor del efecto y que influye en la variable dependiente. No depende de otra variable. Tipo de estudio Variable (X) Relación Variable (Y) Descriptivo Independiente Dependiente Bivariable Independiente  Dependiente Multivariable Independiente  Dependiente

33. Practiquemos Problema de salud (Variable dependiente - Y) Variable independiente 1 (X1) Variable independiente 2 (X2) Variable independiente 3 (X3) Ejemplo: Hipertensión arterial Edad Consumo de sal IMC

34. ANÁLISIS DESCRIPTIVO Representación por tablas: organizar los datos en forma ordenada y presentarlos de forma que se minimice la pérdida de la información  Construcción de una tabla de frecuencias Intervalo de clase : cada uno de los rangos de valores que se ha decidido agrupar parcialmente los datos con el propósito de hacer un resumen de ellos Frecuencia del intervalo: número de mediciones o conteo de cada clase o intervalo. Frecuencia absoluta: conteo dentro de cada clase. Frecuencia relativa: cociente entre el conteo y el número de datos real.

35. Practiquemos Concepto Definición Ejemplo práctico Representación por tablas Organización de datos en filas y columnas para resumir información. 5 estudiantes y su grupo sanguíneo: A = 2, O = 3 Intervalo de clase Rango de valores en el que se agrupan los datos continuos. Edades: 15, 17, 18, 19, 22, 25, 27 Intervalos: 15–19, 20–24, 25–29 Frecuencia del intervalo Número de observaciones en cada intervalo. Intervalo 15–19 = 4 Intervalo 20–24 = 1 Intervalo 25–29 = 2 Frecuencia absoluta (FA) Conteo exacto de cada categoría o valor. Encuesta sobre fumar: Sí = 2, No = 4 Frecuencia relativa (FR) Proporción o porcentaje que representa cada categoría respecto al total. Encuesta sobre fumar: Sí = 2/6 = 33 % No = 4/6 = 67 %

36. Rango: diferencia entre los valores extremos que toma la variable. Marca de clase: es el punto medio del intervalo de la clase, se obtiene al promediar los intervalos del promedio. Frecuencia acumulada: número resultante de sumar la frecuencia absoluta o relativa de la clase con la frecuencia de las clases antecedentes.

37. Practiquemos Concepto Definición Ejemplo práctico Rango Diferencia entre el valor máximo y el valor mínimo de los datos. Edades: 18, 20, 22, 25, 30 Máx = 30, Mín = 18 Rango = 12 Marca de clase Punto medio de un intervalo de clase. Se calcula como: (Límite inferior + Límite superior) / 2 Intervalo: 20–29 años Marca = (20+29)/2 = 24.5 Frecuencia acumulada Suma progresiva de las frecuencias absolutas o relativas hasta esa clase. Intervalos de edad : 15–19 = 3 (FA) → 3 ( acum .) 20–24 = 4 (FA) → 7 ( acum .) 25–29 = 2 (FA) → 9 ( acum .) 30–34 = 1 (FA) → 10 ( acum .)

38. Construcción de tablas de frecuencia Datos cualitativos Datos cuantitativos Determinación del número de intervalos que la conformarán Número de intervalos: Regla de Stugers : 1 + 3,3 log (n) (número total de datos) Longitud de intervalos: rango/número de clases. El primer intervalo debe tener el menor de los datos y el último el mayor. Ordenas siempre los datos de menor a mayor

39. Practiquemos Término Definición Explicación con ejemplo Número de intervalos Cantidad de rangos en los que se dividen los datos para organizarlos en la tabla de frecuencia. Si tengo 50 datos, no hago 50 filas, sino que agrupo en intervalos. Ej: Edades agrupadas en 8 intervalos. Regla de Sturges Fórmula que sugiere cuántos intervalos usar: k = 1 + 3.3 log(n) Para n = 50 datos: k = 1 + 3.3 log(50) ≈ 7.6 → 8 intervalos. Rango Diferencia entre el valor máximo y el mínimo de los datos. Si la edad mínima = 18 y la máxima = 32 → Rango = 32 - 18 = 14 . Longitud del intervalo Amplitud de cada intervalo. Se calcula como: Rango / número de intervalos Con rango = 14 y k = 5 intervalos: 14 / 5 = 2.8 ≈ 3 años por intervalo. Ordenar datos Paso previo para construir la tabla: los datos deben organizarse de menor a mayor. Datos: 25, 18, 30, 22 → Ordenados: 18, 22, 25, 30.

40. REPRESENTACIÓN GRÁFICA Diagrama de barras Variables cualitativas y cuantitativas discretas Gráfico circular Representación de datos cualitativos, el círculo representa el total

41. Histograma Variables cuntitativas, sobretodo para variables continuas. Representa las frecuencias relativas o absolutas Polígonos de frecuencia Polígono de frecuencias Se construye al enlazar los puntos medios de los extremos superiores de los rectángulos (marca de clase) Ojiva Utilizado con las frecuencias acumuladas, la intersección de los puntos da origen a la curva de magnitud.

42. REPRESENTACIÓN POR DATOS DATOS CUALITATIVOS PROPORCIÓN RAZÓN TASA Es una frecuencia relativa. #casos con característica A dividido por el total de observaciones que cumple todas las características (A+B). A/A+B #casos con característica A dividido por el #casos que tiene otra característica B. Ej : el odds . A/B Por ej : proporción de pacientes hipertensos que desarrollan un infarto Por ej : razón de mujeres sobre hombres Similar a la proporción, pero multiplicada por una cifra (10^3) y se calcula sobre un determinado periodo de tiempo. Por ej : tasa de fecundidad adolescente

43. Practiquemos Concepto Definición Fórmula Ejemplo práctico Proporción Es una frecuencia relativa: expresa la parte de un todo . El numerador está incluido en el denominador. A / (A + B) En un hospital hay 200 hipertensos y 50 desarrollan infarto. Proporción = 50 / 200 = 0.25 = 25 % Razón Relaciona dos cantidades distintas . El numerador no forma parte del denominador. A / B En una clase hay 30 mujeres y 20 hombres. Razón mujeres:hombres = 30 / 20 = 1.5 Tasa Es una proporción en la que interviene el tiempo . Se multiplica por una constante (10ⁿ) para estandarizar y comparar. (Casos / Población) × 10ⁿ Tasa de fecundidad adolescente: 120 nacidos vivos de madres 15–19 años / 10,000 adolescentes en riesgo × 1,000 = 12 por 1,000

44. Practiquemos Concepto Datos Fórmula Cálculo Resultado Interpretación breve Proporción de estudiantes con gafas Número de estudiantes con gafas / Total de estudiantes Proporción = “X % del grupo usa gafas” Razón mujeres:hombres Número de mujeres / Número de hombres Proporción = “Por cada 1 hombre, hay X mujeres” Tasa de gripe (6 meses) Número de casos de gripe / Total de estudiantes (en 6 meses) Tasa = “Se presentaron X casos de gripe por cada N estudiantes en 6 meses” Concepto Datos Fórmula Cálculo Resultado Interpretación breve Proporción de estudiantes con gafas Número de estudiantes con gafas / Total de estudiantes “X % del grupo usa gafas” Razón mujeres:hombres Número de mujeres / Número de hombres “Por cada 1 hombre, hay X mujeres” Tasa de gripe (6 meses) Número de casos de gripe / Total de estudiantes (en 6 meses) “Se presentaron X casos de gripe por cada N estudiantes en 6 meses”

45. DATOS CUANTITATIVOS MEDIDAS DE CENTRALIZACIÓN MEDIDAS DE DISPERSIÓN MEDIA MEDIANA MODA El promedio. Se suman todos los valores y se divide por el # de observaciones de la muestra X El valor que se encuentra en la mitad, después de haber ordenado los datos. Cuando la mediana es par se obtiene el promedio de los dos datos centrales. NO SE AFECTA POR LOS VALORES EXTREMOS El valor que más se repite, aquel que alcanza la frecuencia máxima. RANGO VARIANZA (S) DESVIACIÓN ESTANDAR COEFICIENTE DE VARIACIÓN SE AFECTA POR LOS VALORES EXTREMOS Diferencia entre los valores máximo y mínimo Diferencia entre cada valor y el promedio (x-X), el cual se eleva al cuadrado, dividido entre el total de datos -1. Medida más utilizada. Se calcula con la raíz cuadrada de la varianza. Se usa con frecuencia para comparar métodos de medida.

46. Ejercicio 1: medidas de tendencia central y de dispersión. Tomamos 12 personas, 6 del hospital A y 6 del B. Les preguntamos el número de cucharadas de azúcar que consumen diariamente. Los resultados se muestran en la siguiente tabla (no es una base de datos): Como puede verse, la población del hospital A es más homogénea. Sin embargo, si se calcula el promedio de cucharadas de azúcar, en ambos hospitales es 3. X=1+2+3+3+4+5/6 =3 X =3

47. ¿Cómo medir la dispersión de los datos? Una forma bien sencilla es calcular la distancia entre el menor y el mayor de los valores: En el caso A este valor es 4 (5-1) y en el caso B 8 (8-0). Esta distancia tiene el inconveniente de solo ser sensible a las observaciones extremas, sin registrar la variabilidad de las observaciones intermedias. Una buena idea sería sacar un promedio de las distancias de cada uno de los valores al valor medio. Para calcular qué tan lejos está cada valor del valor medio (la distancia al valor medio), simplemente restamos el valor de cada observación del valor de la media.

48. Ha surgido un problema: Según este procedimiento, la dispersión de esta variable en ambos hospitales es igual, es cero. Esto no es cierto. El problema surge por una propiedad del promedio. El promedio es un valor que se ubica en un punto tal que la suma de los valores que queden por encima de él es igual a la de los que quedan por debajo. Podemos hacer un truco que es elevar al cuadrado cada una de las distancias. Sabemos que un valor negativo elevado al cuadrado de vuelve positivo. Al aplicar este truco tenemos lo siguiente:

49. En el hospital A el promedio de las distancias al cuadrado es 1.66 (10/6) y en el B 6.66 (40/6). Este valor así calculado es la VARIANZA. Raíz cuadrada de la varianza = desviación estándar Pero el valor de dispersión del hospital A es de 1.66 cucharadas al cuadrado... ¿Cómo interpretar este valor?...Sencillo: simplemente sáquele la raíz cuadrada al valor de la varianza y obtendrá otra medida denominada DESVIACIÓN ESTÁNDAR: La desviación estándar del hospital A es la raíz cuadrada de 1.66, es decir, 1.29 cucharadas.

50. LA MEDICIÓN EN EPIDEMIOLOGÍA Proceso fundamental para reconocer la enfermedad, los factores relacionados y la salud de las poblaciones. Estimación: cálculo de valores estadísticos que nos aproximan a parámetros correspondiente de la población. Prueba de hipótesis: demostrar una proposición acerca de una o más poblaciones Muestra : una parte de la población que puede ser representativa de la misma Parámetro: medida descriptiva calculada a partir de la población Variable : es lo que está siendo observado o medido Validez: cuando los datos obtenidos de una medición miden realmente lo que quieren medir. Precisión: cuando se realizan mediciones repetidas de un fenómeno estable, por diferentes personas obteniendo resultados similares. Blanco Restrepo, JH, et al. Fundamentos de salud pública. Tomo III. Epidemiología básica y principios de investigación. 3ra edición. Fondo editorial CIB.

51. Concepto Ejemplo aplicado Variable Número de horas de sueño que cada estudiante duerme por noche. Muestra 100 estudiantes seleccionados de la universidad a quienes se les pregunta cuántas horas duermen. Parámetro El promedio real de horas de sueño de todos los estudiantes de la universidad. Estimación El promedio de horas de sueño obtenido en la muestra de 100 estudiantes (ej. 6,5 horas). Prueba de hipótesis Hipótesis: “Los hombres duermen menos horas que las mujeres”. Se comparan los promedios de sueño por sexo. Validez El cuestionario realmente mide las horas de sueño (pregunta clara: “¿Cuántas horas durmió anoche?”). Precisión Si un estudiante responde dos veces la misma encuesta en días distintos, sus respuestas son similares (ej. siempre reporta entre 6 y 7 horas). Practiquemos

52. ¿Está incluido el númerador en el denominador? SI NO ¿El tiempo está incluido en el denominador? SI NO Tasa Proporción Razón R= a/b P=a/ a+b T=a/a+b año X base A= mujeres con sarampión: 30 B= hombres con sarampión: 15 Razón hombre mujer= 15:30 =0.5 En un grupo de estudio sobre ASA e IAM en un grupo de 11.072 médicos, de los cuales 139 sufrieron infarto en el año de observación, la tasa anual de infartos por 10.000 médicos fue: 139/11.072 = 126 IAM por 10.000 médicos que tomaban ASA Blanco Restrepo, JH, et al. Fundamentos de salud pública. Tomo III. Epidemiología básica y principios de investigación. 3ra edición. Fondo editorial CIB. Por cada X hay Z cantidad Cien: 100 Miles: 1000 Diez miles: 10.000 Cien mil: 100.0000

53. Concepto Definición Ejemplo aplicado Frase para recordar Proporción Parte de un todo. El numerador está incluido en el denominador. No incluye tiempo. En un salón de 40 estudiantes, 10 usan gafas. “De cada 100, X tienen la característica.” Tasa Proporción que incluye el tiempo en el denominador y se multiplica por una base (ej. 100, 1.000, 100.000). En un año, 5 resfriados en 50 estudiantes. “X casos por cada N personas en un tiempo.” Razón Relación entre dos cantidades diferentes . El numerador no está incluido en el denominador. En un grupo: 20 mujeres y 10 hombres. Razón “Por cada A, hay X de B.” Practiquemos Proporción = 10/40 = 25 % . Tasa = (5/50) × 100 = 10 por cada 100 estudiantes en un año . mujeres:hombres = 20/10 = 2:1 .

54. PATRONES DE OCURRENCIA DE LA ENFERMEDAD Y EPIDEMIOLOGÍA INCIDENCIA Número de casos nuevos en un período determinado. Se mide con tasas. Tasa de incidencia: medida de frecuencia Ti: número de casos nuevos en un período de tiempo/Población del riesgo a mitad de período= X base Tasa de ataque secundario (TAS): Mide la frecuencia de nuevos casos de enfermedad a partir de los contactos de casos conocidos, medida de contagiosidad. TAS= Casos entre contactos de casos primarios/número de contactos secundarios= X base Tasa de ataque (TA) o incidencia acumulada Poblaciones muy definidas observadas por poco tiempo TA: de casos nuevos en un período de tiempo/población a riesgo al inicio del período= X base Densidad de incidencia (DI): tasa de incidencia persona/tiempo: El denominador incluye la sumatoria de tiempo que cada persona es observada durante el estudio. DI= #casos del periodo observado/suma de tiempo persona observada = x base Blanco Restrepo, JH, et al. Fundamentos de salud pública. Tomo III. Epidemiología básica y principios de investigación. 3ra edición. Fondo editorial CIB.

55. Practiquemos Medida Definición Ejemplo aplicado (ficticio) Frase para recordar Tasa de incidencia (TI) Casos nuevos en un período de tiempo dividido entre la población en riesgo (generalmente a la mitad del período). En un año, 50 casos de influenza en 1.000 personas → “¿Cuántos se enferman en un período definido?” Tasa de ataque (TA) o incidencia acumulada Casos nuevos en una población muy definida y observada en corto tiempo (brotes). En un colegio de 200 niños, 50 presentan diarrea tras comer en la cafetería → “¿Qué parte del grupo se enfermó durante el brote?” Tasa de ataque secundario (TAS) Casos nuevos entre los contactos de casos primarios . Mide contagiosidad. En un hogar con 5 contactos de un niño con sarampión, 4 enferman → “¿Qué tan fácil se transmite entre contactos cercanos?” Densidad de incidencia (DI) Casos nuevos en relación al tiempo persona observado . El denominador es la sumatoria de tiempo que cada individuo estuvo bajo observación. 10 casos de TB en 500 personas que aportaron en total 1.000 años-persona → “Casos por tiempo acumulado de observación.” TI = 50/1.000 = 5 por 100 personas-año. TA = 50/200 = 25 % . TAS = 4/5 = 80 % . DI = 10/1.000 = 0,01 por persona-año .

56. PREVALENCIA Número total de casos en una población determinada, sin diferenciar entre los casos antiguos y nuevos Prevalencia de punto o instantánea: equivale a la frecuencia de una enfermedad en un momento preciso, una fecha precisa Prevalencia de período Durante un período determinado, normalmente el cálculo es anual Prevalencia de vida Prevalencia anual P= casos nuevos y antiguos en el período/población a riesgo en el período de tiempo = x base Blanco Restrepo, JH, et al. Fundamentos de salud pública. Tomo III. Epidemiología básica y principios de investigación. 3ra edición. Fondo editorial CIB.

57. Tipo Definición Ejemplo aplicado Frase para recordar Prevalencia de punto o instantánea Número de personas con la enfermedad en un momento preciso o fecha específica. El 1 de junio de 2025 , 80 de 1.000 adultos tenían hipertensión → prevalencia puntual = “Foto de un día específico”. Prevalencia de período Casos presentes en cualquier momento de un periodo determinado (incluye los que ya estaban y los que aparecieron durante el periodo). Entre enero y diciembre de 2024, 150 de 1.000 adultos tuvieron diabetes en algún momento → prevalencia de período = “Película de un año o periodo concreto”. Prevalencia anual Variante de la prevalencia de período, que abarca un año calendario completo . En 2023, 200 de 2.000 estudiantes reportaron depresión en algún momento del año → prevalencia anual = “Todo el año contado como periodo”. Prevalencia de vida Proporción de personas que han presentado alguna vez la enfermedad a lo largo de su vida. En una encuesta, 300 de 1.500 adultos dijeron haber tenido varicela en algún momento → prevalencia de vida = “¿Alguna vez la tuviste en tu vida?”. Practiquemos 8 % . 15 % . 10 % . 20 % .

58. CADENA EPIDEMIOLÓGICA O DE LA INFECCIÓN Fuente Puerta de salida Vías de diseminación (vehículo) Puerta de entrada o ingreso Susceptible animal o persona Agente Agente Permanente Intermitente Directa Indirecta Blanco Restrepo, JH, et al. Fundamentos de salud pública. Tomo III. Epidemiología básica y principios de investigación. 3ra edición. Fondo editorial CIB. Agente Método de transmisión Huésped. Reservorio Inanimados Animados (vectores) No tiene resistencia e inmunidad suficiente.

59. CONCEPTOS RELEVANTES EN DEMOGRAFÍA Estudio estadístico de las poblaciones humanas según su estado y distribución en un momento determinado o según su evolución histórica. Procesos concretos que determinan su formación, conservación y desaparición. Tales procesos son los de  fecundidad ,  mortalidad  y  migración . Tasa bruta de Mortalidad: #fallecidos en 1 año/ total población en el año X base Tasa de mortalidad infantil: <1 año = <1 año/ Nacidos vivos Tasa de fecundidad adolescente: #nacidos 10-19 años/mujeres 10-19 años Tasa de natalidad bruta = Nacidos vivos/población Tasa de fecundidad general: nacidos vivos/ mujeres en edad fértil (15-49 años) Tasa de mortalidad <5años= <5 años/ Nacidos vivos Tasa de Letalidad: #muertes por enfermedad/total de enfermos de la enfermedad

60. EJERCICIOS En enero de 2021 en un colegio de 1206 niños durante una epidemia de sarampión se presentaron 34 casos nuevos, calcule la____________ 2. Los 34 niños del ejemplo anterior, casos primarios, formaban parte de 31 familias, con un total de 124 personas. A los 20 días 16 familiares desarrollaron sarampión. Calcule la _________ TA: 34/1206 = 0,028 = 28…. Por cada 1000 niños del colegio hay 28 casos de sarampión. Tasa de ataque: casos nuevos/población expuesta en ese periodo. TAS: 16/124-34 =16/90 =0,17 x 100 = 17// por cada 100 contactos secundarios de los niños hay 17 casos de sarampión. TAS: casos entre contactos primarios/número de contactos secundarios

61. 3. Si en una población hay 3,000,000 de personas expuestas a la enfermedad de diabetes y 389 personas se encuentran enfermas, ¿cuál es la prevalencia de esa enfermedad? Al iniciar el año 2015, se tiene una población expuesta de contraer Chikunguña de 5,000 personas. Durante ese año se observó un total de 720 nuevos casos de la enfermedad, y una población-año expuesta al riesgo de 4,500 personas. Calcule la incidencia y la incidencia acumulada de la enfermedad. IA: 720/5000 = I= 720/4500 = P= 389/3000000= 0,00012 x 100= 0,012%

62. Manuel K. Molina, MD, MSc. 3217368282 [email protected]