Universidad de Talca

Facultad de Ciencias de la Salud

Departamento de Salud Pública
Módulo Epidemiología
Versión 2023

MEDIDAS DE EFECTO
 Contenidos

Su
interpretación
Medidas de Intervalo de
efecto confianza
Absolutas Factor protector Factor de riesgo
Relativas
 Tipos de medidas:
• Números absolutos
• Proporción
• Tasa
La sesión • Razón

pasada Lo que medimos con ellas:

vimos: • Prevalencia
• Incidencia

Medida 1 Medidas de efecto:

• Absoluto: RA
Medida 2 • Relativo: RR, OR, RP

La sesión
de hoy Medidas de efecto + IC:
• ¿Existe asociación?
veremos: • ¿Es significativa?
 Estudiaremos la asociación

Cambio en
Variable Y
Variable X
Efecto
Exposición Resultado: ¿↑? ¿↓?
 Estudiaremos la asociación

Variable X Variable Y

• Exposición • Resultado
• Independiente
Efecto • Dependiente
• Explicativa • Respuesta
• Causa • Consecuencia
• Factor de riesgo • Enfermedad
• Factor protector • Desenlace
Estudiaremos la asociación

Variable X Variable Y

Estimaremos la
fuerza de asociación
En un estudio epidemiológico:
 Para determinar el efecto:
debemos construir

• Tabla 2x2 Variable Y

• Tabla de contingencia
• Tabla tetracórica Si No
Si a b
Variable X
No c d
Para determinar el efecto:

• Tabla 2x2 HTA

• Tabla de contingencia
• Tabla tetracórica Si No
≥ 65 años a b
Edad
< 65 años c d
Medidas de efecto

Absolutas
• Riesgo atribuible (RA)

Relativas
• Riesgo relativo (RR)
• Odds Ratio (OR)
• Razón de prevalencia (RP)
Medida de efecto
absoluto
Riesgo Atribuible (RA)
ü Cuantifica la incidencia que puede ser atribuida a un factor de riesgo
 Riesgo Atribuible (RA)

La medida de frecuencia que se utiliza para calcular el RA es la incidencia:

RA = Incidencia en los expuestos – Incidencia en los no expuestos

• Si la diferencia es de Incidencia Acumulada à Diferencia de riesgos

• Si la diferencia es de Tasas de Incidencia à Efecto absoluto

Damian J et al. Manual de Método Epidemiológico. Escuela Nacional de Sanidad. 2009

Riesgo Atribuible (RA)

• Interesa determinar si el tabaquismo causa cáncer pulmonar

Exposición Resultado

RA = Incidencia en _ Incidencia en
los expuestos los no expuestos
Riesgo Atribuible (RA)

• Interesa determinar si el tabaquismo causa cáncer pulmonar

Exposición Resultado

ü Indica el riesgo de enfermar que podría

atribuirse a la exposición
RA
ü Indica el riesgo de enfermar que podría
evitarse si se eliminara la exposición
 Ejemplo:
Deseamos conocer si la exposición a radiación aumenta el riesgo de leucemia

Población A Población B
Expuesta a radiación No expuesta a radiación

TI de leucemia = 15,8 por 105 personas-años TI leucemia = 3,6 por 105 personas-años

RA (diferencia de tasas) = 15,8 por 105 personas-años – 3,6 por 105 personas-años
RA (diferencia de tasas) = 12,2 por 105 personas-años
Interpretación RA

= Incidencia expuestos – Incidencia no expuestos

RA = 12,2 por 105 personas-años

1. En el grupo estudiado, una tasa de incidencia de leucemia

de 12 por cada 100.000 personas-año puede atribuirse a la
exposición a radiación.

2. En el grupo estudiado, 12 casos de leucemia por cada

100.000 personas-año pueden atribuirse a la exposición a
radiación.
Absolutas
• Riesgo atribuible (RA)

Relativas
• Riesgo relativo (RR)
• Odds Ratio (OR)
• Razón de prevalencia (RP)
 Medidas de efecto relativas
Variable X Variable Y
Exposición Evento

Medida Con evento

frecuencia 1 Expuestos

Medida Con evento

frecuencia 2 No expuestos
 Medidas de efecto relativas
Variable X Variable Y
Exposición Evento

XXXXXXX Con evento

XXXXXXX Expuestos >1
XXXXXXX Con evento Asociación positiva
No expuestos / Factor de riesgo
 Medidas de efecto relativas
Variable X Variable Y
Exposición Evento

Con evento
XXXXXXX Expuestos <1
XXXXXXX Con evento Asociación negativa
XXXXXXX No expuestos / Factor protector
 Medidas de efecto relativas
Variable X Variable Y
Exposición Evento

Con evento
XXXXXXX Expuestos 1
XXXXXXX Con evento Ausencia de asociación
No expuestos / Valor nulo
Odds ratio (OR)
Razón de chances/momios/
disparidad
 Odds ratio o Razón de
•
chances
Cuantifica el “riesgo” mediante la razón de dos chances (odds):
• Exposición entre los casos
• Exposición entre los controles

• La medida de frecuencia utilizada es la prevalencia

Medida Odds exposición

frecuencia 1 entre los casos

Medida Odds exposición

frecuencia 2 entre los controles
 Como calcular el OR Evento Y
Si No Total
Caso Control
Si a b a+b
Exposición
X No c d c+d
Total a+c b+d n

Odds exposición Probabilidad de estar expuesto

a/ a+c = a
entre los casos Probabilidad de no estar expuesto c/ a+c c axd
Odds exposición Probabilidad de estar expuesto b / b+d = b bxc
entre los controles Probabilidad de no estar expuesto d/ b+d d
 Ejemplo 1: OR > 1

En un estudio de pacientes hipertensos se pretende investigar si el grado de control de

la hipertensión se asocia con la probabilidad de padecer un infarto. Para ello se analiza
una muestra aleatoria de 728 pacientes, observándose los siguientes resultados:

Infarto No infarto Total

Mal control 10 250 260
Buen control 7 461 468
Total 17 711 728

Sigamos el camino completo:

Odds exposición Probabilidad de estar expuesto a/ a+c = a

entre los casos Probabilidad de no estar expuesto c/ a+c c axd
Odds exposición Probabilidad de estar expuesto b / b+d = b bxc
entre los controles Probabilidad de no estar expuesto d/ b+d d
Calculemos:
Infarto No infarto Total
Mal control 10 250 260 OR = 10 x 461 = 2,6
Buen control 7 461 468 7 x 250
Total 17 711 728

Y en términos formales:

Odds exposición entre los casos:

probabilidad estar expuesto = 10/17 = 10
probabilidad de no estar expuesto 7/ 17 7
= 2,6
Odds exposición entre los controles:
probabilidad estar expuesto = 250/711 = 250
probabilidad de no estar expuesto 461/711 461
 Interpretación OR = 2,6

1) La posibilidad de sufrir un infarto es 2,6 veces mayor en

aquellas personas con mal control de la hipertensión que en
aquellas con buen control.

Como porcentaje = (1- OR)*100

2) La posibilidad de sufrir un infarto es 160% mayor en aquellas
personas con mal control de la hipertensión que en aquellas
con buen control.

Molinero L. Odds ratio, Riesgo Relativo y Número Necesario a Tratar. Asociación de la Sociedad Española de Hipertensión. 3 • Mayo.
2001.
 Ejemplo 2: OR < 1

Objetivo del estudio: determinar si el consumo de pescado disminuye la

posibilidad de sufrir un infarto.

Infarto: Si Infarto: No Total

Consumo de
pescado: Si 104 321 425
Consumo de
pescado: No 303 430 733
Total 407 751 1158

Odds exposición Probabilidad de estar expuesto

a/ a+c = a
entre los casos Probabilidad de no estar expuesto c/ a+c c axd
Odds exposición Probabilidad de estar expuesto b / b+d = b bxc
entre los controles Probabilidad de no estar expuesto d/ b+d d
 Calculemos
Infarto: Si Infarto: No Total
Consumo de
pescado: Si 104 321 425 OR = 10 x 461 = 0,46
Consumo de
303 430
7 x 250
pescado: No 733
Total 407 751 1158

En términos formales:

Odds exposición entre los casos:

= probabilidad estar expuesto = 104/(104+303) = 0,34
probabilidad de no estar expuesto 303/(104+303)

Odds exposición entre los controles:

= probabilidad estar expuesto = 321/(321+430) = 0,74
probabilidad de no estar expuesto 430/(321+430)
 Interpretación OR = 0,46

1) La posibilidad de sufrir un infarto en personas que consumen

pescado es 2,17 (Inverso RR=1/0,46) veces menor que en
aquellos que no consumen pescado.

1) La posibilidad de sufrir un infarto en personas que consumen

pescado es 117% (Inverso RR=1/0,46) menor que en aquellos
que no consumen pescado.
Razón de prevalencias (RP)
 Razón de prevalencia RP
• Compara la proporción de enfermos (con evento) del grupo de expuestos con la
proporción de enfermos (con evento) del grupo no expuesto.

• Se calcula con medidas de PREVALENCIA

Prevalencia del
Medida evento en
frecuencia 1 Expuestos (Prev1)
Medida Prevalencia del
frecuencia 2 evento en
No expuestos (Prev0)
Como calcular la RP Evento
Y
Si No Total
Si a b a+b
Exposición
X No c d c+d
Total a+c b+d n

Prevalencia del
evento en casos en los expuestos
Expuestos (Prev1) total de expuestos
a/ a+b
Prevalencia del casos en los no expuestos c / c+d
evento en total de no expuestos

No expuestos (Prev0)
 Ejemplo 1: RP > 1

En un estudio de pacientes hipertensos se pretende investigar si el grado de control de

la hipertensión se asocia con la probabilidad de padecer un infarto. Para ello se analiza
una muestra aleatoria de 728 pacientes, observándose los siguientes resultados:

Infarto No infarto Total

Mal control 10 250 260 Prev1 a/ a+b
RP
Buen control 7 461 468
Prev0 c / c+d
Total 17 711 728

• Prev1 = prevalencia de infarto en el grupo de mal control es 10 /260 = 0,04

• Prev0= prevalencia en el grupo de buen control es de 7 / 468 = 0,015

• RP= 0,04 / 0,015 = 2,6

 Interpretación RP = 2,6

1) La prevalencia de infarto es 2,6 veces mayor en las personas

con mal control de la hipertensión que en aquellas con buen
control.

2)Como porcentaje = (1- RR)*100

La prevalencia de infarto es 160% mayor en las personas con
mal control de la hipertensión que en aquellas con buen control.

Molinero L. Odds ratio, Riesgo Relativo y Número Necesario a Tratar. Asociación de la Sociedad Española de Hipertensión. 3 • Mayo.
2001.
 Ejemplo 2: RP < 1

Objetivo del estudio: determinar si el consumo de pescado se asocia con la

ocurrencia de infarto

Infarto: Si Infarto: No Total

Consumo de Prev1 a/ a+b
pescado: Si 104 321 425 RP
Consumo de Prev0 c / c+d
pescado: No 303 430 733
Total 407 751 1158

• Prev1 = prevalencia de infarto en personas que consumen pescado es 104 /104+321 = 0,24

• Prev0= prevalencia de infarto en personas que no consumen pescado es 303 / 303+430 = 0,41

• RP= 0,24 / 0,41 = 0,58

 Interpretación RP = 0,58

1) La prevalencia de infarto en personas que consumen pescado es

1,72 (Inverso RR=1/0,58) veces menor que en aquellos que no
consumen pescado.

2)Como porcentaje: (inverso RR – 1)*100

La prevalencia de infarto en personas que consumen pescado es
72% menor que en aquellos que no consumen pescado.
Riesgo relativo (RR)

EVENTO

Expuestos a factor de riesgo SI

SIN NO
EVENTO SI
No expuestos a factor de riesgo
NO
Población
Tiempo de seguimiento

(Diseño de estudio de cohorte)

 Estudios de incidencia
Identificar Determinar
inicialmente una quien tiene la
población enfermedad y
quien no Seguimiento solo de
los que no tenían la
Tienen la
enfermedad a nivel
enfermedad Fin del periodo
basal
de observación
Población
No susceptible
definida No tienen la
enfermedad No enferma
Susceptible
Enferma

NIVEL BASAL TIEMPO DE SEGUIMIENTO

Adaptado de Gordis Epidemiología, Sexta Edición ed: Elsevier; 2020

 Riesgo relativo Incidencia
acumulada

• Probabilidad de padecer la enfermedad en función de la exposición

• Compara el riesgo de enfermar del grupo de expuestos con el riesgo de

enfermar del grupo no expuesto.

• La incidencia puede ser tanto Incidencia acumulada como Tasa de Incidencia

Incidencia del
Medida Con evento evento en
frecuencia 1 Expuestos Expuestos (I1)
Medida Con evento Incidencia del
frecuencia 2 No expuestos evento en
No expuestos (I0)
Como calcular el RR Evento
Y
Incidencia del evento
Si No Total
en Expuestos (I1) Si a b a+b
Incidencia del evento en Exposición
No expuestos (I0) X No c d c+d
Total a+c b+d n

Proporción de casos
con evento entre casos en los expuestos
total de expuestos
a/ a+b
Expuestos

Proporción de casos casos en los no expuestos c / c+d

con evento entre total de no expuestos
No expuestos
Interpretación del RR:
Factor de riesgo, nulo o protector
 Ejemplo 1: RR > 1

En un estudio de pacientes hipertensos se pretende investigar si el grado de control de

la hipertensión se asocia con la probabilidad de padecer un infarto. Para ello se analiza
una muestra aleatoria de 728 pacientes, observándose los siguientes resultados:

Infarto No infarto Total

Mal control 10 250 260 I1 a/ a+b
RR
Buen control 7 461 468 c / c+d
I0
Total 17 711 728

• I1 = riesgo de infarto en el grupo de mal control es 10 /260 = 0,04

• I0= riesgo de infarto en el grupo de buen control es de 7 / 468 = 0,015
• RR= 0,04 / 0,015 = 2,6
Molinero L. Odds ratio, Riesgo Relativo y Número Necesario a Tratar. Asociación de la Sociedad Española de Hipertensión. 3 • Mayo.
2001.
 Interpretación RR = 2,6

1) El riesgo (la probabilidad) de sufrir un infarto es 2,6 veces

mayor en las personas con mal control de la hipertensión que
en aquellas con buen control.

2) Como porcentaje = (1- RR)*100

El riesgo (la probabilidad) de sufrir un infarto es 160% mayor en
las personas con mal control de la hipertensión que en aquellas
con buen control.

Molinero L. Odds ratio, Riesgo Relativo y Número Necesario a Tratar. Asociación de la Sociedad Española de Hipertensión. 3 • Mayo.
2001.
 Ejemplo 2: RR < 1

Objetivo del estudio: determinar si el consumo de pescado disminuye el riesgo

de padecer un infarto.

Infarto: Si Infarto: No Total

Consumo de
pescado: Si 104 321 425 I1 a/ a+b
Consumo de
RR
pescado: No 303 430 733 I0 c / c+d
Total 407 751 1158

• I1 = riesgo de infarto al consumir pescado es 104 /104+321 = 0,24

• I0= riesgo de infarto al no consumir pescado es 303 / 303+430 = 0,41

• RR= 0,24 / 0,41 = 0,58

 Interpretación RR = 0,58

1) El riesgo sufrir un infarto en personas que consumen pescado es

1,72 veces (Inverso RR=1/0,58) menor que en aquellos que no
consumen pescado.

2) Como porcentaje: (inverso RR – 1)*100

El riesgo sufrir un infarto en personas que consumen pescado es
72% menor que en aquellos que no consumen pescado.
Ahora, si en vez de IA tenemos
¿¿¿Tasas de Incidencia???

Razón de tasas
Incidencia del
Tasa incidencia
evento en
expuestos
Expuestos (I1)
Incidencia del
evento en Tasa incidencia
No expuestos (I0) no expuestos
Razón de tasas

Ejemplos:
Grupo A Grupo B Grupo C
Incidencia del
Tasa incidencia
evento en
expuestos 0,3 0,4 0,5
Expuestos (I1)
Incidencia del
evento en Tasa incidencia 0,4 0,4 0,4
No expuestos (I0) no expuestos
Razón de tasas ? ? ?
Razón de tasas
Ejemplos:

Grupo A Grupo B Grupo C

Tasa incidencia
Incidencia del expuestos 0,3 0,4 0,5
evento en
Expuestos (I1)
Tasa incidencia 0,4 0,4 0,4
Incidencia del
no expuestos
evento en
No expuestos (I0) Razón de tasas 0,75 1 1,25
 Interpretación

• Recordar que la TI mide velocidad de ocurrencia de un evento

• TI Expuestos:
• La velocidad de aparición del evento en el grupo (población) expuesto es X casos
nuevos por cada X días-persona de seguimiento.
• TI No expuestos:
• La velocidad de aparición del evento en el grupo (población) No expuesto es X casos
nuevos por cada X días-persona de seguimiento.
• RTI:
• La velocidad de ocurrencia del evento (riesgo) es X veces mayor/menor en el grupo
(población) expuesto que en el grupo (población) no expuesto
 RESUMEN MEDIDAS DE EFECTO
RELATIVO
Odds Ratio Razón de Riesgo relativo
prevalencia

Numerador Odds exposición entre Prevalencia del Incidencia del evento

los casos evento en expuestos en expuestos
Denominador Odds exposición entre Prevalencia del Incidencia del evento
los controles evento en NO en NO expuestos
expuestos

interpretación Posibilidad Prevalencia Riesgo

Relación entre RR y OR
 Tipos de medidas:
• Números absolutos
La sesión • Proporción
• Tasa
pasada • Razón
vimos:
Lo que medimos con ellas:
• Prevalencia
• Incidencia

Medidas de efecto:
La sesión Medida 1
• Absoluto: RA
de hoy Medida 2 • Relativo: RR, OR, RP

veremos:
Medidas de efecto + IC:
• ¿Existe asociación?
• ¿Es significativa?
Estimamos la fuerza de asociación

Variable X Variable Y

OR= 1,5
OR = 3
¿Qué valor indica mayor fuerza de asociación?
Supongamos que se obtuvo un OR = 1,5
OR= 1,5
Si repitiéramos el RR1
OR1
estudio… RP1

RR2
Muestra 1 OR2 OR= 1,7
RP2
Muestra 2
POBLACIÓN
Muestra 3
RR3
OR3 OR= 1,3
Muestra K RP3

RRk
ORk OR= 1,4
RPk
El intervalo de valores de OR que podríamos
obtener varía de 1,3 a 1,7
RR1 OR= 1,5
OR1
RP1

RR2
Muestra 1 OR2 OR= 1,7
RP2
Muestra 2
POBLACIÓN
Muestra 3
RR3
OR3 OR= 1,3
Muestra K RP3

RRk
ORk OR= 1,4
RPk
 Para este ejemplo:

Variable X Variable Y

OR= 1,5 con IC 95% (1,3 – 1,7)

• Hay un 95% de probabilidad de que el intervalo de confianza contenga el
verdadero valor (nivel de confianza) y un 5% de probabilidad de
equivocarnos (nivel de significancia).

• ¿Es una asociación significativa?

¿Cómo sabemos si hay asociación
significativa?

( IC 95% ) ( IC 95% )
Hay asociación Hay asociación

( IC 95% )
No hay
asociación

0 Protector
1 Riesgo
∞
NULO
 Para este ejemplo:

Variable X Variable Y

• OR= 0,5 con IC 95% (0,3 – 0,7)

• OR= 1,5 con IC 95% (0,3 – 1,7)
• OR= 1,5 con IC 95% (1,3 – 1,7)
 Tipos de medidas:
• Números absolutos
La sesión • Proporción
• Tasa
pasada • Razón
vimos:
Lo que medimos con ellas:
• Prevalencia
• Incidencia

Medidas de efecto:
La sesión Medida 1
• Absoluto: RA
de hoy Medida 2 • Relativo: RR, OR, RP

vimos:
Medidas de efecto + IC:
• ¿Existe asociación?
• ¿Es significativa?