La epidemiología implica medir la aparición de enfermedades y cuantificar las asociaciones entre enfermedades y exposiciones.

Medidas de ocurrencia de enfermedades

La aparición de enfermedades se puede medir por frecuencias (cuenta) pero está mejor descrito por tasas de interés, que se componen de tres elementos: el número de personas afectadas (numerador), el número de personas en la población de origen o base (es decir, la población en riesgo) de donde provienen las personas afectadas y el período de tiempo cubierto. El denominador de la tasa es el tiempo-persona total experimentado por la población de origen. Las tasas permiten comparaciones más informativas entre poblaciones de diferentes tamaños que los conteos solos. Riesgo, la probabilidad de que un individuo desarrolle una enfermedad dentro de un período de tiempo específico, es una proporción, que va de 0 a 1, y no es una tasa per se. Tasa de ataque, la proporción de personas en una población que se ven afectadas dentro de un período de tiempo específico, es técnicamente una medida de riesgo, no una tasa.

La morbilidad específica de la enfermedad incluye incidencia, que se refiere al número de personas a las que se les ha diagnosticado recientemente la enfermedad de interés. Predominio se refiere al número de casos existentes. Mortalidad se refiere al número de personas que mueren.

Incidencia se define como el número de nuevos casos diagnosticados dentro de un período de tiempo específico, mientras que el tasa de incidencia es este número dividido por el tiempo-persona total experimentado por la población de origen (tabla 1). Para el cáncer, las tasas generalmente se expresan como tasas anuales por cada 100,000 1,000 personas. Las tarifas para otras enfermedades más comunes pueden expresarse por un número menor de personas. Por ejemplo, las tasas de anomalías congénitas suelen expresarse por XNUMX nacidos vivos. Incidencia acumulada, la proporción de personas que se convierten en casos dentro de un período de tiempo específico, es una medida del riesgo promedio para una población. 

Tabla 1. Medidas de ocurrencia de enfermedades: Población hipotética observada durante un período de cinco años

*Para simplificar los cálculos, este ejemplo supone que todas las muertes ocurrieron al final del período de cinco años, de modo que las 100 personas de la población estuvieron vivas durante los cinco años completos.

Predominio incluye prevalencia puntual, el número de casos de enfermedad en un momento dado, y período de prevalencia, el número total de casos de una enfermedad que se sabe que existió en algún momento durante un período específico.

Mortalidad, que se refiere a las muertes en lugar de a los casos de enfermedad recién diagnosticados, refleja los factores que causan la enfermedad, así como los factores relacionados con la calidad de la atención médica, como la detección, el acceso a la atención médica y la disponibilidad de tratamientos efectivos. En consecuencia, los esfuerzos de generación de hipótesis y la investigación etiológica pueden ser más informativos y fáciles de interpretar cuando se basan en datos de incidencia en lugar de datos de mortalidad. Sin embargo, los datos de mortalidad suelen estar más disponibles en poblaciones grandes que los datos de incidencia.

El término índice de mortalidad generalmente se acepta que significa la tasa de muertes por todas las causas combinadas, mientras que tasa de mortalidad es la tasa de muerte por una causa específica. Para una determinada enfermedad, el tasa de letalidad (técnicamente una proporción, no una tasa) es el número de personas que mueren a causa de la enfermedad durante un período de tiempo específico dividido por el número de personas con la enfermedad. El complemento de la tasa de letalidad es el tasa de supervivencia. La tasa de supervivencia a cinco años es un punto de referencia común para enfermedades crónicas como el cáncer.

La ocurrencia de una enfermedad puede variar entre subgrupos de la población o con el tiempo. Una medida de enfermedad para una población entera, sin considerar ningún subgrupo, se llama tasa bruta. Por ejemplo, una tasa de incidencia para todos los grupos de edad combinados es una tasa bruta. Las tarifas para los grupos de edad individuales son las tasas específicas por edad. Para comparar dos o más poblaciones con diferentes distribuciones de edad, ajustado por edad (o, estandarizado por edad) las tasas deben calcularse para cada población multiplicando cada tasa específica por edad por el porcentaje de la población estándar (por ejemplo, una de las poblaciones en estudio, la población de EE. UU. en 1970) en ese grupo de edad, luego sumando todos los grupos de edad para producir una tasa general ajustada por edad. Las tarifas se pueden ajustar por factores distintos a la edad, como la raza, el sexo o el tabaquismo, si se conocen las tarifas específicas de la categoría.

La vigilancia y la evaluación de datos descriptivos pueden proporcionar pistas sobre la etiología de la enfermedad, identificar subgrupos de alto riesgo que pueden ser adecuados para programas de intervención o detección, y proporcionar datos sobre la eficacia de dichos programas. Las fuentes de información que se han utilizado para las actividades de vigilancia incluyen certificados de defunción, registros médicos, registros de cáncer, otros registros de enfermedades (p. ej., registros de defectos de nacimiento, registros de enfermedades renales en etapa terminal), registros de exposición ocupacional, registros de seguros de salud o discapacidad y compensación laboral. registros.

Medidas de Asociación

La epidemiología intenta identificar y cuantificar los factores que influyen en la enfermedad. En el enfoque más simple, la ocurrencia de la enfermedad entre personas expuestas a un factor sospechoso se compara con la ocurrencia entre personas no expuestas. La magnitud de una asociación entre la exposición y la enfermedad se puede expresar en fotometría absoluta) or relativo términos. (Véase también "Estudio de caso: Medidas").

Los efectos absolutos se miden por diferencias de tasa y diferencias de riesgo (Tabla 2). A diferencia de tasa es una tasa menos una segunda tasa. Por ejemplo, si la tasa de incidencia de leucemia entre los trabajadores expuestos al benceno es de 72 por 100,000 12 años-persona y la tasa entre los trabajadores no expuestos es de 100,000 por 60 100,000 años-persona, entonces la diferencia de tasas es de XNUMX por XNUMX XNUMX años-persona. A diferencia de riesgo es una diferencia en los riesgos o la incidencia acumulada y puede oscilar entre -1 y 1. 

Tabla 2. Medidas de asociación para un estudio de cohortes

Diferencia de Tasa (RD) = 500/100,000 - 250/100,000

= 250/100,000 por año

(146.06/100,000 - 353.94/100,000)*

Razón de tasas (o riesgo relativo) (RR) =  

Riesgo atribuible en los expuestos (AR_e) = 100/20,000 200 - 80,000/XNUMX XNUMX

= 250/100,000 por año

Porcentaje de riesgo atribuible en los expuestos (AR_e%) =

 Riesgo atribuible a la población (PAR) = 300/100,000 - 200/80,000

= 50/100,000 por año

Porcentaje de riesgo atribuible a la población (PAR%) =

 * Entre paréntesis, intervalos de confianza del 95 % calculados con las fórmulas de los recuadros.

Efectos relativos se basan en proporciones de tasas o medidas de riesgo, en lugar de diferencias. A razón de tasas es la razón de una tasa en una población a la tasa en otra. La razón de tasas también ha sido llamada Radio de riesgo, riesgo relativo, tasa relativay incidencia (o mortalidad) razón de tasas. La medida es adimensional y va de 0 a infinito. Cuando la tasa en dos grupos es similar (es decir, no hay efecto de la exposición), el razón de tasas es igual a la unidad (1). Una exposición que aumentara el riesgo arrojaría una razón de tasas mayor que la unidad, mientras que un factor de protección arrojaría una razón entre 0 y 1. La exceso de riesgo relativo es el riesgo relativo menos 1. Por ejemplo, un riesgo relativo de 1.4 también puede expresarse como un exceso de riesgo relativo del 40 %.

En los estudios de casos y controles (también llamados estudios de casos y referentes), se identifican personas con enfermedad (casos) y personas sin enfermedad (controles o referentes). Se comparan las exposiciones pasadas de los dos grupos. Las probabilidades de ser un caso expuesto se comparan con las probabilidades de ser un control expuesto. No se dispone de recuentos completos de las poblaciones fuente de personas expuestas y no expuestas, por lo que no se pueden calcular las tasas de enfermedad. En cambio, los casos expuestos se pueden comparar con los controles expuestos mediante el cálculo de probabilidades relativas, o el proporción de probabilidades (Tabla 3). 

Tabla 3. Medidas de asociación para estudios de casos y controles: Exposición a aserrín y adenocarcinoma de cavidad nasal y senos paranasales

Probabilidades relativas (odds ratio) (OR) =

Riesgo atribuible por ciento en los expuestos () =

Porcentaje de riesgo atribuible a la población (PAR%) =

donde = proporción de controles expuestos = 55/195 = 0.28

* Entre paréntesis, intervalos de confianza del 95 % calculados con las fórmulas del recuadro al dorso.

Fuente: Adaptado de Hayes et al. 1986.

Las medidas relativas del efecto se usan con más frecuencia que las medidas absolutas para informar la fuerza de una asociación. Sin embargo, las medidas absolutas pueden proporcionar una mejor indicación del impacto de una asociación en la salud pública. Un pequeño aumento relativo en una enfermedad común, como una enfermedad cardíaca, puede afectar a más personas (gran diferencia de riesgo) y tener más impacto en la salud pública que un gran aumento relativo (pero pequeña diferencia absoluta) en una enfermedad rara, como angiosarcoma del hígado.

Pruebas de significación

Las pruebas de significación estadística a menudo se realizan en medidas de efecto para evaluar la probabilidad de que el efecto observado difiera de la hipótesis nula (es decir, ningún efecto). Si bien muchos estudios, particularmente en otras áreas de la investigación biomédica, pueden expresar su importancia al valores p, los estudios epidemiológicos típicamente presentan intervalos de confianza (CI) (también llamado límites de confianza). Un intervalo de confianza del 95 %, por ejemplo, es un rango de valores para la medida del efecto que incluye la medida estimada obtenida de los datos del estudio y que tiene una probabilidad del 95 % de incluir el valor verdadero. Se considera que es poco probable que los valores fuera del intervalo incluyan la verdadera medida del efecto. Si el IC de una razón de tasas incluye la unidad, entonces no hay una diferencia estadísticamente significativa entre los grupos que se comparan.

Los intervalos de confianza son más informativos que los valores p solos. El tamaño de un valor p está determinado por una o ambas razones. O la medida de asociación (p. ej., razón de tasas, diferencia de riesgo) es grande o las poblaciones en estudio son grandes. Por ejemplo, una pequeña diferencia en las tasas de enfermedad observadas en una gran población puede generar un valor p muy significativo. Las razones del gran valor de p no se pueden identificar a partir del valor de p solo. Los intervalos de confianza, sin embargo, nos permiten separar los dos factores. Primero, la magnitud del efecto es discernible por los valores de la medida del efecto y los números abarcados por el intervalo. Los índices de riesgo más grandes, por ejemplo, indican un efecto más fuerte. Segundo, el tamaño de la población afecta el ancho del intervalo de confianza. Las poblaciones pequeñas con estimaciones estadísticamente inestables generan intervalos de confianza más amplios que las poblaciones más grandes.

El nivel de confianza elegido para expresar la variabilidad de los resultados (la “significación estadística”) es arbitrario, pero tradicionalmente ha sido del 95 %, lo que corresponde a un valor de p de 0.05. Un intervalo de confianza del 95 % tiene una probabilidad del 95 % de contener la verdadera medida del efecto. Ocasionalmente se utilizan otros niveles de confianza, como el 90%.

Las exposiciones pueden ser dicotómicas (p. ej., expuestas y no expuestas) o pueden implicar muchos niveles de exposición. Las medidas del efecto (es decir, la respuesta) pueden variar según el nivel de exposición. evaluando exposición-respuesta relaciones es una parte importante de la interpretación de los datos epidemiológicos. El análogo a la exposición-respuesta en los estudios con animales es "dosis-respuesta". Si la respuesta aumenta con el nivel de exposición, es más probable que una asociación sea causal que si no se observa ninguna tendencia. Las pruebas estadísticas para evaluar las relaciones exposición-respuesta incluyen la prueba de extensión de Mantel y la prueba de tendencia de chi-cuadrado.

Normalización

Para tener en cuenta factores distintos de la exposición primaria de interés y la enfermedad, se pueden tomar medidas de asociación. estandarizado a través de técnicas de estratificación o regresión. La estratificación significa dividir las poblaciones en grupos homogéneos con respecto al factor (p. ej., grupos de género, grupos de edad, grupos de fumadores). Se calculan las razones de riesgo o las razones de probabilidad para cada estrato y se calculan los promedios ponderados generales de las razones de riesgo o las razones de probabilidad. Estos valores generales reflejan la asociación entre la exposición primaria y la enfermedad, ajustada por el factor de estratificación, es decir, la asociación con los efectos del factor de estratificación eliminado.

A relación de tasa estandarizada (SRR) es el cociente de dos tasas estandarizadas. En otras palabras, una SRR es un promedio ponderado de razones de tasas específicas de estrato donde los pesos para cada estrato son la distribución persona-tiempo del grupo no expuesto o de referencia. Se pueden comparar los SRR de dos o más grupos si se utilizan las mismas ponderaciones. Se pueden construir intervalos de confianza para SRR como para razones de tasas.

El razón de mortalidad estandarizada (SMR) es un promedio ponderado de razones de tasas específicas por edad donde los pesos (por ejemplo, persona-tiempo en riesgo) provienen del grupo en estudio y las tasas provienen de la población de referencia, lo contrario de la situación en un SRR. La población de referencia habitual es la población general, cuyas tasas de mortalidad pueden estar fácilmente disponibles y basadas en grandes números y, por lo tanto, son más estables que las tasas de una cohorte o subgrupo no expuesto de la población ocupacional en estudio. El uso de los pesos de la cohorte en lugar de la población de referencia se denomina estandarización indirecta. La SMR es la relación entre el número observado de muertes en la cohorte y el número esperado, con base en las tasas de la población de referencia (la relación generalmente se multiplica por 100 para la presentación). Si no existe asociación, la SMR es igual a 100. Cabe señalar que debido a que las tasas provienen de la población de referencia y los pesos provienen del grupo de estudio, dos o más SMR tienden a no ser comparables. Esta falta de comparabilidad a menudo se olvida en la interpretación de los datos epidemiológicos y se pueden sacar conclusiones erróneas.

Efecto Trabajador Saludable

Es muy común que las cohortes ocupacionales tengan una mortalidad total más baja que la población general, incluso si los trabajadores tienen un mayor riesgo de muerte por causas seleccionadas debido a exposiciones en el lugar de trabajo. Este fenómeno, llamado efecto trabajador saludable, refleja el hecho de que es probable que cualquier grupo de personas empleadas sea más saludable, en promedio, que la población general, que incluye a los trabajadores y las personas que no pueden trabajar debido a enfermedades o discapacidades. La tasa global de mortalidad en la población general tiende a ser más alta que la tasa en los trabajadores. El efecto varía en fuerza según la causa de la muerte. Por ejemplo, parece ser menos importante para el cáncer en general que para la enfermedad pulmonar obstructiva crónica. Una de las razones de esto es que es probable que la mayoría de los cánceres no se hayan desarrollado a partir de una predisposición hacia el cáncer subyacente a la selección de trabajo/carrera a una edad más temprana. El efecto del trabajador saludable en un grupo dado de trabajadores tiende a disminuir con el tiempo.

Mortalidad Proporcional

A veces, no se dispone de una tabulación completa de una cohorte (es decir, persona-tiempo en riesgo) y solo hay información sobre las muertes o algún subconjunto de muertes experimentadas por la cohorte (por ejemplo, muertes entre jubilados y empleados activos, pero no entre trabajadores). que dejó el empleo antes de tener derecho a una pensión). El cómputo de años-persona requiere métodos especiales para hacer frente a la evaluación del tiempo-persona, incluidos los métodos de tablas de vida. Sin información total de persona-tiempo sobre todos los miembros de la cohorte, independientemente del estado de la enfermedad, no se pueden calcular las SMR y las SRR. En cambio, razones proporcionales de mortalidad (PMR) pueden ser utilizados. Un PMR es la relación entre el número observado de muertes por una causa específica en comparación con el número esperado, basado en la proporción del total de muertes por la causa específica en la población de referencia, multiplicado por el número total de muertes en el estudio. grupo, multiplicado por 100.

Debido a que la proporción de muertes por todas las causas combinadas debe ser igual a 1 (PMR=100), algunas PMR pueden parecer excesivas, pero en realidad están infladas artificialmente debido a déficits reales en otras causas de muerte. De manera similar, algunos déficits aparentes pueden reflejar simplemente excesos reales de otras causas de muerte. Por ejemplo, si los aplicadores aéreos de pesticidas tienen un gran exceso real de muertes debido a accidentes, el requisito matemático de que el PMR para todas las causas combinadas sea igual a 100 puede hacer que una u otra causa de muerte parezca deficiente incluso si la mortalidad es excesiva. Para mejorar este problema potencial, los investigadores interesados ​​principalmente en el cáncer pueden calcular proporciones proporcionales de mortalidad por cáncer (PCMR). Los PCMR comparan el número observado de muertes por cáncer con el número esperado en función de la proporción del total de muertes por cáncer (en lugar de todas las muertes) por el cáncer de interés en la población de referencia multiplicado por el número total de muertes por cáncer en el grupo de estudio, multiplicado por 100. Por lo tanto, el PCMR no se verá afectado por una aberración (exceso o déficit) en una causa de muerte no relacionada con el cáncer, como accidentes, enfermedades cardíacas o enfermedades pulmonares no malignas.

Los estudios de PMR se pueden analizar mejor utilizando razones de probabilidad de mortalidad (MORs), en esencia analizando los datos como si fueran de un estudio de casos y controles. Los "controles" son las muertes de un subconjunto de todas las muertes que se cree que no están relacionadas con la exposición en estudio. Por ejemplo, si el interés principal del estudio fuera el cáncer, se podrían calcular las razones de probabilidad de mortalidad comparando la exposición entre las muertes por cáncer con la exposición entre las muertes cardiovasculares. Este enfoque, como el PCMR, evita los problemas con el PMR que surgen cuando una fluctuación en una causa de muerte afecta el riesgo aparente de otra simplemente porque el PMR general debe ser igual a 100. Sin embargo, la elección de las causas de muerte de control es crítica. . Como se mencionó anteriormente, no deben estar relacionados con la exposición, pero es posible que no se conozca la posible relación entre la exposición y la enfermedad para muchas enfermedades de control potencial.

Riesgo atribuible

Hay medidas disponibles que expresan la cantidad de enfermedad que sería atribuible a una exposición si la asociación observada entre la exposición y la enfermedad fuera causal. Él riesgo atribuible en los expuestos (ARKANSAS_e) es la tasa de enfermedad en los expuestos menos la tasa en los no expuestos. Debido a que las tasas de enfermedad no se pueden medir directamente en los estudios de casos y controles, el AR_e es calculable solo para estudios de cohortes. Una medida relacionada, más intuitiva, la porcentaje de riesgo atribuible en los expuestos (ARKANSAS_e%), se puede obtener de cualquier diseño de estudio. La realidad aumentada_e% es la proporción de casos que surgen en la población expuesta que es atribuible a la exposición (ver tabla 2 y tabla 3 para la fórmula). La realidad aumentada_e% es la razón de tasas (o la razón de probabilidades) menos 1, dividida por la razón de tasas (o la razón de probabilidades), multiplicada por 100.

El riesgo atribuible a la población (PAR) y el porcentaje de riesgo atribuible a la población (PAR%), o fracción etiológica, expresa la cantidad de enfermedad en la población total, que se compone de personas expuestas y no expuestas, que se debe a la exposición si la asociación observada es causal. El PAR puede obtenerse de estudios de cohortes (tabla 28.3) y el PAR% puede calcularse tanto en estudios de cohortes como de casos y controles (tabla 2 y tabla 3).

Representatividad

Se han descrito varias medidas de riesgo. Cada uno asume métodos subyacentes para contar eventos y en los representantes de estos eventos a un grupo definido. Cuando los resultados se comparan entre estudios, la comprensión de los métodos utilizados es esencial para explicar las diferencias observadas.

Atrás