Libro de Biometria Comunitaria

TEXTO BSICO DE
BIOMETRA
Texto Bsico de Biometra
ISSN 978-958-44-6894-9
Libro de Biometra Comunitaria
Fundacin Universitaria Juan N Corpas
Facultad de Medicina
Departamento de Medicina Comunitaria
Bogot - Colombia
2010
Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 2

CONTENIDO
INTRODUCCIN AL TEXTO .......................................................................... 6

CAPTULO 1: INTRODUCCIN A LA EPIDEMIOLOGA ...................................... 8
1.1. Palabras para una definicin .............................................................. 9
1.2. La utilidad de la epidemiologa ......................................................... 11
1.2.1. Buscando las causas ..................................................................................11
1.2.2. La ayuda para la salud pblica ...................................................................14
1.3. Las herramientas de la epidemiologa ............................................... 16
1.3.1. La observacin ...........................................................................................16
1.3.1.1. La descripcin .........................................................................................18
1.3.1.2. La comparacin .......................................................................................20
1.3.1.3. La intervencin .......................................................................................21
1.4. Las ayudas en la epidemiologa ....................................................... 22
1.4.1. El raciocinio cientfico .................................................................................22
1.4.2. El Papel de la estadstica ...........................................................................23
1.5. La estrategia de la epidemiologa ..................................................... 25
1.5.1. La investigacin .........................................................................................25
1.5.2. Las variables ..............................................................................................26
1.5.3. Los datos y las medidas .............................................................................29
1.5.4. La bsqueda de la validez para la salud .....................................................30
CAPTULO 2: LA UTILIDAD DE LA EPIDEMIOLOGA ...................................... 33
2.1. La lucha contra la enfermedad......................................................... 33
2.1.1. El arte de describir .....................................................................................33
2.1.1.1. La historia natural de las enfermedades .................................................37
2.1.1.1.1. Ejemplo: Historia de una epidemia (SIDA) ..........................................45
2.1.1.2. La cadena epidemiolgica .......................................................................48
2.1.2. La tabla de frecuencias .............................................................................51
2.1.3. La forma de aprender: comparar ..............................................................53
2.1.4. La tabla de comparacin: los factores de riesgo y la evaluacin de lo que
sirve .............................................................................................................54
2.1.4.1. Usos de la tabla de comparacin ............................................................58
2.1.4.1.1. Identificacin de riesgos .....................................................................59
2.1.4.1.1.1. Presentacin de una tabla de contingencia .......................................64
2.1.4.1.2.Otras comparaciones: sensibilidad y especificidad................................65
2.2. Buscando las causas ...................................................................... 69
2.2.1 La maravilla de las relaciones y las asociaciones ........................................70
2.2.2. La red causal ..............................................................................................78
2.2.2.1. Las causas necesarias y suficientes ........................................................79
2.3. Buscando la salud pblica: La vigilancia epidemiolgica: ..................... 83
2.3.1. La importancia de los registros ..................................................................84
2.3.2. El arte de la prediccin...............................................................................85
2.3.3. Aporte de la epidemiologa a la salud comunitaria .....................................87
2.3.3.1. La estrategia de la identificacin .............................................................90
2.3.3.2. Para decidir .............................................................................................91
2.3.3.3. Para organizar .........................................................................................91
2.4 Hacia dnde va la epidemiologa. Mirando la evidencia de la utilidad ... 93

2.4.1. Una mencin de xitos y limitaciones ........................................................96

Usos de la epidemiologa .................................................................................... 103
CAPTULO 3. LAS AYUDAS EN LA EPIDEMIOLOGA: LA INVESTIGACIN ....... 106
3.1. El raciocinio cientfico. La base .................................................... 107
3.2. Los paradigmas de la investigacin .............................................. 111
3.2.1. Concepto de sesgos ................................................................................. 114
3.3. Las fases de la investigacin ....................................................... 118
FASE UNO: PLANTEAMIENTO DEL PROBLEMA ............................................ 121
1.1.Paso 1: Seleccin del tema ............................................................ 121
1.2. Paso 2: Revisin bibliogrfica ........................................................ 122
1.2.1. Cmo se revisa un artculo ....................................................................... 124
1.3.Paso 3: Especificacin del problema o de la pregunta de investigacin . 128
1.4.Paso 4: Identificar las probables respuestas (las hiptesis) ................ 130
1.4.1. Algo ms sobre las hiptesis de investigacin ......................................... 134
1.4.2. Las hiptesis estadsticas ......................................................................... 137
1.5. Paso 5: Pertinencia de contestar la pregunta de investigacin (o
importancia de la respuesta de la pregunta) .......................................... 139
1.6. Paso 6. Construccin de un marco terico ....................................... 141
1.6.1. Definicin de los componentes del problema: .......................................... 142
1.6.2. Qu respuestas se conocen a la pregunta ................................................ 143
1.6.3. Cmo la han contestado en otros estudios (diseos empleados, variables
y manejo estadstico) ................................................................................ 144
1.6.4.Recopilacin del marco terico (qu debe decir una tesis) ....................... 148
FASE DOS: DISEO Y PLANEACIN (PLAN PARA CONTESTAR LA PREGUNTA)
........................................................................................................ 154
2. Paso 7. Seleccin del diseo que se emplear ............................................... 154
2.1. Diseos cuantitativos .................................................................................. 156
2.1.1. Intervencionales o experimentales .......................................................... 158
2.1.2. Observacionales ....................................................................................... 162
2.2.Diseos cualitativos ...................................................................................... 170
2.3.Investigacin multi-mtodo.......................................................................... 171
2.4. Paso 8. Seleccin de la poblacin............................................................... 172
2.4.1.Acceso a la poblacin ................................................................................ 173
2.4.1.1.Criterios de inclusin .............................................................................. 173
2.4.2. Cumplimiento de principios ticos ............................................................ 176
2.5. Muestras (de poblacin) .............................................................................. 178
2.5.1. Muestras representativas ........................................................................ 178
2.5.2. Muestras por conveniencia: ..................................................................... 180
2.6. Paso 9. Seleccin de las variables (instrumentos a emplear) ..................... 182
2.7. Sesgos......................................................................................................... 187
2.7.1. Atributos de una medida .......................................................................... 189
2.8. Paso 10. Manejo estadstico de las variables .............................................. 190
2.8.1. Base de datos .......................................................................................... 190
2.8.2. Paso 11. Construccin del formulario ....................................................... 192
2.9.Paso 12. Plan para el trabajo de campo ....................................................... 194
2.9.1.Descripcin de las actividades ................................................................... 195
Consecucin de la poblacin ............................................................................... 195
Trabajo de campo ............................................................................................... 197
Anlisis de la informacin ................................................................................... 199
Presentacin de la investigacin ......................................................................... 200
2.9.2. Recursos que se necesitan para cumplir con las actividades ................... 202

2.10. Paso 12. El protocolo de investigacin ...................................................... 204

FASE TRES: TRABAJO DE CAMPO ............................................................. 208
3. Paso 14. Recoleccin de la informacin .......................................................... 208
3.1. Cmo se accedi a la poblacin................................................................... 208
3.2. Cmo se recogi la informacin .................................................................. 208
FASE CUATRO: ANLISIS DE DATOS ........................................................ 209
4. Paso 15. Registro de informacin recogida en la base de datos ..................... 209
4.1. Paso 16. Procesamiento la informacin ....................................................... 210
FASE CINCO: DIVULGACIN DE LA INVESTIGACIN .................................. 212
5. Paso 17. Publicacin de la investigacin......................................................... 212
5.1. Cmo escribir un artculo ............................................................................ 212
5.2. Paso 18. Presentacin de la investigacin ................................................... 215
CAPTULO 4. EL PAPEL DE LA ESTADSTICA: CONSTRUYENDO UN IDIOMA
ENTENDIBLE ......................................................................................... 218
4.1. Los datos.................................................................................. 219
4.2. Las medidas ................................................................................ 223
4.2.1. Medidas de frecuencia .............................................................................. 224
4.2.1.1. Concepto de indicadores: Palabras para una definicin ........................ 226
4.2.2. Medidas de asociacin .............................................................................. 231
4.2.3. Medidas de impacto ................................................................................. 232
4.3. La estadstica descriptiva .............................................................. 232
4.3.1. La tabla de frecuencia .............................................................................. 233
4.3.2. Las grficas .............................................................................................. 236
4.3.3. Las medidas de tendencia central ............................................................ 241
4.3.3.1.La media o promedio ............................................................................. 243
4.3.3.2. La moda ................................................................................................ 246
4.3.3.3.La mediana ............................................................................................ 247
4.3.4. Las medidas de dispersin ....................................................................... 248
4.3.4.1. El recorrido ........................................................................................... 249
4.3.4.2. Los recorridos intercuartiles .................................................................. 251
4.3.4.3. La desviacin estndar (con los pasos para obtenerla) ........................ 252
4.3.5. La curva de distribucin ........................................................................... 256
4.3.5.1. Explicacin de la curva de distribucin y su utilidad a travs de las tablas
de peso y talla ........................................................................................... 263
4.3.5.2. La curva de distribucin y la similitud y diferencias estadsticas .......... 268
4.3.5.3. La curva de distribucin y las hiptesis estadsticas ............................. 271
4.4. La estadstica analtica ................................................................................ 278
1.4.1.La herramienta esencial de la comparacin (Tabla de contingencia o de
2X2) y su aplicacin con IC del 95% y prueba de la p .............................. 281
1.4.1.1.Ejemplo a travs de un brote del uso de la tabla ................................... 282
1.4.1.1.1.El concepto de significancia a travs del ejemplo ............................... 285
4.4.1.1.1.2. Ampliando la prueba p .................................................................... 289
4.1.1.1.3. La prueba Ji (Chi cuadrado) ............................................................... 292
4.1.1.1.4.Entendiendo la prueba T ..................................................................... 294
4.4.2. El error tipo I y tipo II .............................................................................. 297
4.4.3.Las correlaciones ....................................................................................... 299
4.4.4.La inferencia estadstica ............................................................................ 301
A manera de conclusin ....................................................................... 304
Lecturas recomendadas .......................................................................... 305

INTRODUCCIN AL TEXTO
Este texto es un intento de integrar la epidemiologa, la investigacin y la estadstica en un
compendio elemental y sencillo para todos los que trabajan en el rea de salud y se hacen
preguntas en torno a sus trabajos. Surge por la conviccin de que la realidad integra estas tres
reas del conocimiento y por ello pretende presentarlas de esa manera ante los ojos de los
lectores.
Est escrito de manera sencilla y ha usado un sistema de clasificacin en donde se parte de una
visin general (que introduce a los otros captulos) en el captulo uno, para adentrarse en la utilidad
prctica de la epidemiologa haciendo nfasis en la comprensin de la tabla de contingencia y el
mundo de las relaciones, pasando en el captulo tres a una visin de la investigacin como principal
herramienta de la epidemiologa. All se mencionan algunos aspectos claves de interpretacin en las
investigaciones. El ltimo captulo es dedicado a entender el lenguaje de la investigacin y, por
ende, de buena parte de la epidemiologa. Se hace un esfuerzo a travs de ejemplos con el fin de
mostrar el uso de los principales trminos estadsticos.
La razn de este libro es eminentemente pedaggica. A lo mejor, aquel que lo lea con deseos
encuentre en sus explicaciones una ganancia que le servir para hacer proyecciones en la poblacin
objeto de su trabajo. Ese es el anhelo: Que sirva!
Los autores.

Captulo 1
Introduccin a la
Epidemiologa
1.1. Palabras para una definicin .............................................................. 9
1.2. La utilidad de la epidemiologa ......................................................... 11
1.2.1. Buscando las causas ..................................................................................11
1.2.2. La ayuda para la salud pblica ...................................................................14
1.3. Las herramientas de la epidemiologa ............................................... 16
1.3.1. La observacin ...........................................................................................16
1.3.1.1. La descripcin .........................................................................................18
1.3.1.2. La comparacin .......................................................................................20
1.3.1.3. La intervencin .......................................................................................21
1.4. Las ayudas en la epidemiologa ....................................................... 22
1.4.1. El raciocinio cientfico .................................................................................22
1.4.2. El Papel de la estadstica ...........................................................................23
1.5. La estrategia de la epidemiologa ..................................................... 25
1.5.1. La investigacin .........................................................................................25
1.5.2. Las variables ..............................................................................................26
1.5.3. Los datos y las medidas .............................................................................29
1.5.4. La bsqueda de la validez para la salud .....................................................30

CAPTULO 1: INTRODUCCIN A LA
EPIDEMIOLOGA
Entender la epidemiologa es de un inmenso valor para todos aquellos

que estn dedicados a ayudar al ser humano desde el rea de la salud.
Como tal, el conocimiento agrupado bajo la epidemiologa ha abierto
una extraordinaria senda que ha permitido enormes avances para la
humanidad. Su gran objeto ha sido y ser combatir las enfermedades y
hoy se incorpora en la bsqueda de la salud. A continuacin se esbozar
a manera de introduccin algunos componentes del maravilloso mundo
de la epidemiologa.

1.1. Palabras para una definicin

Unas palabras que necesariamente entran en cualquier definicin de la
epidemiologa han de ser enfermedad y poblacin. Sin duda, la
ocupacin de la epidemiologa ser estudiar la enfermedad en la
poblacin. Las epidemias (enfermedades casi siempre infecciosas que
afectaban grupos poblacionales) como ejemplo clsico, fueron
combatidas con las tcnicas epidemiolgicas (descripcin, comparacin e
intervencin). Ello establece un objetivo: preservar al ser humano. Las
frecuencias (como expresin de ocurrencia), sin duda, han de
acompaar cualquier definicin. Y qu decir de la etiologa,
probablemente sin esta palabra no existiran los grandes xitos que la
epidemiologa se ha anotado. Pero hoy hoy no se habla solo de la
enfermedad se habla de la salud, por ende, la epidemiologa tiene que
ver tambin con la bsqueda de la etiologa para mantener la salud. Por
ello, la definicin de epidemiologa deber contemplar, poblacin,
enfermedad, salud, frecuencias (ocurrencias), etiologa claro, falta la
palabra que va integrar todo estos aspectos ser ciencia? o,
tcnica?... la verdad es que al momento de estas lneas, no se sabe.
Una ciencia tiene una cantidad de componentes que tal vez la
epidemiologa an no tiene (teoras e hiptesis) y una tcnica parece ser
muy simple para la epidemiologa. A lo mejor, el mtodo cientfico
puede ser ese enlace que activa la epidemiologa
Definiciones1:
Enfermedad: alteracin ms o menos grave de la salud.
Frecuencia: nmero de veces que se repite algo.
Etiologa: estudio de las causas de las cosas.
Salud: estado en el que el ser humano ejerce normalmente
todas sus funciones.
Mtodo cientfico2: mtodo de estudio sistemtico de la
naturaleza que incluye las tcnicas de observacin, reglas
para el razonamiento y la prediccin, ideas sobre la
experimentacin planificada y los modos de comunicar los
resultados experimentales y tericos.
Poblacin: Conjunto de personas que habitan la Tierra o
cualquier divisin geogrfica de ella.
1
Real Diccionario de la Lengua.
2
Enciclopedia Encarta 2005.

Como una propuesta de definicin se propone: Es el uso del mtodo

cientfico en el estudio de la enfermedad y la salud de la poblacin,
buscando la causa para, as entender, qu se puede hacer en beneficio
del hombre.
De todo lo anterior ha de quedar en claro que la epidemiologa tiene una

gran utilidad en la salud de los seres humanos.
Epidemiologa: Segn Last J M en su diccionario de

epidemiologa: el estudio de la distribucin y de los
determinantes de los estados o acontecimientos relacionados
con la salud en las poblaciones especficas y las aplicaciones
de este estudio al control de los problemas sanitarios.
Lilienfild: el estudio de la distribucin de una enfermedad o
una condicin en una poblacin y de aquellos factores que
influencian su distribucin.
Gordon: el estudio de la enfermedad y como ella ocurre en la
naturaleza.
Mac Mahon y Pugh: el estudio de la distribucin y de los
determinantes de la frecuencia de la enfermedad en el
hombre.

1.2. La utilidad de la epidemiologa

1.2.1. Buscando las causas
Para combatir la enfermedad, el saber la causa es un elemento
importante, que no indispensable. La historia ha demostrado cmo a
pesar de no saber la causa, la epidemiologa ha contribuido a desarrollar
una serie de medidas protectoras que protegen al ser humano. Por
ejemplo, el mdico James Lind en 1740 a travs de un sencillo
experimento, descubri cmo combatir el escorbuto mucho antes de
saber cul era la causa. Pero al saber la causa, esta tarea se facilita
enormemente. Es ms bajo esta condicin, la enfermedad puede ser
derrotada. Hoy surge con la misma fuerza la bsqueda de la causa que
puede mantener sano al ser humano. Pero no cabe duda que la
humanidad est ms entrenada en torno el estudio de la etiologa de la
enfermedad.
En 1980 apareci una temible enfermedad que empez a matar a

gente joven por infecciones que en situaciones normales no producan
mayor mortalidad. El Dr. Gottlieb descubri que esas personas tenan
un problema en sus glbulos blancos. Cuando revis casos similares y
dispuso que colegas de distintas partes indagaran, se dio la alarma en
el mundo pues se estaba ante una PANDEMIA. Pronto se detect que en
la comunidad de San Francisco estaban apareciendo una gran cantidad de casos. Un
conector comn fue que en un comienzo hubo un alto porcentaje de casos en
pacientes homosexuales, situacin que luego pudo especificarse en torno a que se
trataba de personas con una vida sexual promiscua.
El mundo se alarm pues la multiplicacin de casos se hacia de una forma exagerada
y los investigadores de los pases con recursos se lanzaron a una bsqueda de la
causa de esta enfermedad. Cuatro aos despus, el profesor Luc Montagnier y el Dr.
Robert Gallo le decan al mundo que haban descubierto el virus responsable de esta
temida enfermedad: el virus del SIDA. Gracias a ello y en solo tres aos, se
descubrieron los medicamentos antirretrovirales que tienen la capacidad de cambiar
el pronstico.

Hoy se sabe que nada es el producto de un solo componente. La

multicausalidad parece reafirmar la certeza de la complejidad. Se
habla de redes y de pasteles causales. Se habla de causas
necesarias y suficientes; intentos todos de ordenar y clasificar el
sorprendente mundo etiolgico (ver captulo 2, numeral 2.2). Se habla
de factores de riesgo y de factores protectores, de componentes
primordiales, en fin segn y como pretenden ordenar los grandes
pensadores del mundo de la medicina, el estudio de la etiologa o de la
causa emblematiza la utilidad inmensa que tiene la epidemiologa en
torno al ser humano.
La grfica expresa un ejemplo a travs de la gnesis de la TBC: cmo

distintos componentes causales permiten que aparezca la enfermedad.
Algunos pueden tener ms peso que otros, pero, al fin y al cabo, es la
suma de todos los que completan el pastel causal (crculo).


Un interesante ejemplo de la utilidad del pensamiento etiolgico, o lo que es
lo mismo, causal de la epidemiologa, es la investigacin de Semmenweis
(5) en torno a la fiebre puerperal en 1840 A travs de un juicioso anlisis
Semmenweis logr establecer lo que se poda hacer para combatir la fiebre
puerperal an antes de saber la existencia de los microbios responsables de las
infecciones. Estableci que un lavado adecuado de las manos antes de valorar a las
mujeres en trabajo de parto poda disminuir la incidencia (aparicin de casos nuevos)
de la temible enfermedad.
Si bien Semmenweis no descubri al estreptococo, responsable etiolgico de la fiebre
puerperal, s descubri que en la causa de la fiebre puerperal, el no lavado de las
manos es un factor esencial. Interviniendo sobre este componente causal, logr
modificar la distribucin de la enfermedad.

1.2.2. La ayuda para la salud pblica

As como contribuye al estudio de la causalidad, la epidemiologa es una
de las bases de la salud pblica. Por qu? Para ello se hace necesario
entender el significado de la salud pblica. Aceptando lo difcil que es
encontrar una definicin, se puede afirmar que la que sea, ha de tener
como componentes esenciales: comunidad referida como hacia dnde
se dirige; bienestar como el objetivo que se busca; Estado por ser el
responsable. Tal vez con otros componentes, pero seguros de que estos
trminos han de participar en cualquier definicin, se deja en la
bsqueda de los lectores interesados la definicin de la salud pblica.
Comunidad: conjunto de personas de un pueblo o nacin, organizados

y con objetivos comunes.
Bienestar: condicin de la persona en que funciona psquica y
somticamente.
Estado: conjunto de los rganos de gobierno de un pas soberano.
La salud pblica esta ntimamente relacionada con el desarrollo social.

Condiciones econmicas (revolucin industrial), polticas (revolucin
francesa), sociales (surgimiento del proletariado) junto con las
cientficas (aportadas por la epidemiologa) se integran en un ente
ejecutor y responsable que es el Estado.
Johann Peter Frank en 1779: fue un extraordinario exponente del papel rector del
Estado en la salud de la colectividad. Su obra SISTEMA DE UNA POLICA MDICA
COMPLETA promova una intervencin (con sanciones) del Estado en la salud de los
sbditos del imperio Austro-Hngaro. Promova una polica sanitaria.

Dado que en la epidemiologa el elemento esencial de estudio es la

poblacin y el ver cmo se comporta en la enfermedad, ofrece con sus
anlisis importantes aportes para la toma de decisiones, lo que sin duda,
hace parte de la salud pblica. Si bien la epidemiologa entra como un
componente bsico de la salud pblica, la poltica con sus desarrollos
(cualidades y defectos) forman parte del otro componente fundamental
de la salud pblica.
Hoy ha surgido como disciplina la epidemiologa clnica, la cual utiliza el

mtodo epidemiolgico para el estudio de la enfermedad individual
desarrollando conceptos tan interesantes como la medicina basada en la
evidencia.

1.3. Las herramientas de la epidemiologa
La epidemiologa usa la duda que surge de observar y/o comparar. Ah

plantea sus problemas y usa (como cualquier otro conocimiento) la
descripcin como un primer paso para entender, para pasar
ulteriormente a la comparacin en donde plantea predicciones
hipotticas, pasando finalmente a las intervenciones (o experimentos)
de donde obtiene el mximo de sus aplicaciones.
De lo anterior se entiende que las herramientas de la epidemiologa son

todas aquellas que se derivan de la observacin objetiva (de
descripciones, comparaciones e intervenciones).
1.3.1. La observacin
La observacin tiene una connotacin especial en epidemiologa. Sin
duda, corresponde al primer paso del mtodo cientfico y concluye con
el planteamiento del problema, expresando de esta manera la
concrecin de la observacin. En general y, hasta hace muy poco, las
observaciones correspondan a manifestaciones que dieron pie a la
construccin de enfermedades. Hoy, adems, lo hace a los procesos que
preservan la salud. Lo cierto es que la epidemiologa ha provocado
extraordinarios planteamientos de problemas a travs de los cuales ha
logrado beneficiar a la humanidad cuando los contesta.

Doll y Hill en el British Medical Journal de 1950, son un ejemplo extraordinario de

cmo la observacin en el crecimiento de la incidencia de cncer del pulmn dio pie
al planteamiento de la relacin entre el cigarrillo (cuyo consumo definitivamente se
haba incrementado) con la enfermedad. Los estudios los plantearon sospechando o
que, bien era la contaminacin del aire (automviles, humo de fabricas etc.) o, el
incremento del habito de fumar tabaco. En la fotografa est el Dr. Doll.

1.3.1.1. La descripcin
Una vez planteado el problema, la epidemiologa describe, y lo hace
para entender. Describir es mencionar lo que se ve usando referentes.
Para ello, primero ordena y luego clasifica. Un ejemplo de la
extraordinaria capacidad descriptiva que usa la epidemiologa son los
aportes que ha hecho a las enfermedades a travs de lo que se conoce
como la historia natural. Ah la epidemiologa, usando una serie de
criterios, describe a las enfermedades permitiendo entenderlas.
John Snow en su texto Sobre

el modo de transmisin del
clera en los alrededores de
1850 hace una extraordinaria
descripcin a partir de la cual
podr en su momento plantear
las hiptesis de lo que se
puede hacer para controlar la
epidemia de clera que azot
Londres. En primer lugar, Snow
identific el clera asitico.
Observ que el sitio donde
primero apareca era en los
puertos. Estaba seguro que el
trnsito de las personas de un
sitio donde existe a otro donde
no, es indispensable. Observ
que una vez se presenta un
caso, la expansin es inmediata
y empieza con los allegados
directos de la vctima. De ah
que es vlida la sospecha de
transmisin, deca Snow en
su escrito de 1789. Cmo se
trasmite? Plantea que dada la
manifestacin gastrointestinal
tan fuerte, el contacto con
esa diarrea puede ser la forma.
Y menciona con base a unos
casos dnde apareci el clera en personas en contacto con enfermos (familiares),
que el perodo de incubacin suele ser muy corto. La posibilidad de que las heces
contaminen expresa el peligro de convertirse en una epidemia. Enunci que las
manos de los que cuidan el enfermo al ponerse en contacto con la ropa de cama
ensuciada es muy seguramente un factor de contaminacin. Adems, el
hacinamiento se convierte en un factor de propagacin, pues cuando un enfermo
duerme con los dems miembros de la familia y tiene una profusa evacuacin,
puede, y de seguro, contamina a muchos miembros de la familia que duermen con
l. Esta suposicin explica por qu el clera es tan devastador entre los mineros. A
ello le agrega las condiciones sanitarias dentro de la mina que hacen que un
minero enfermo, propague con facilidad la enfermedad, pues la mezcla de material
de letrina con la comida de los dems es muy probable dentro de la mina.

La estadstica se ha convertido en una excelente ayuda para la

epidemiologa. Dado que la ciencia busca entender los datos (respuestas
de las variables) la estadstica ofrece referentes que permiten
comprender dichas respuestas (Estadstica Descriptiva) y ofrece
alternativas para comparar (Estadstica Analtica). Por ejemplo, el uso de
referentes estadsticos (medidas de tendencia central o de dispersin)
contribuye enormemente en el proceso de entender.
La estadstica es el conocimiento que permite recoger, resumir y

analizar datos sujetos a variaciones aleatorias. El trmino aleatorio
proviene del azar o que depende de algn evento fortuito. Por ende,
la estadstica a travs de los nmeros pretende hacer entender por
qu suceden las cosas.
El ser humano aprende gracias a la habilidad de describir. Al hacerlo

busca unos referentes (puntos de comparacin) que le permiten
incrementar su entendimiento acerca de lo descrito. Por ejemplo, en el
estudio de las enfermedades, se usa la mortalidad (virulencia) de una
enfermedad para poder saber qu tan grave es. Para ello, y cuando se
est describiendo la enfermedad, se mira (por ejemplo) el dato de
mortalidad: cuntos pacientes han muerto en determinado tiempo. Este
dato debe ser manejado para que se pueda entender. Lo que hace la
estadstica descriptiva es ofrecer unos referentes descriptivos, como la
media de mortalidad de pacientes en determinado tiempo. Esa
media va a permitir comparar este comportamiento con el de otras
enfermedades y as se puede clasificar (ordenar) esta enfermedad. De
hecho se usan dos grupos de medidas de referentes: las de tendencia
central y las de dispersin, las que se ahondarn en el captulo 4.

1.3.1.2. La comparacin
VARIABLE
DEPENDIENTE
SI NO
PRESENTE PRESENTE
Si presente a b a+b
VARIABLE
INDEPENDIENTE
No presente c d c+d
a+c b+d
Tabla de comparacin o de contingencia o del 2X2o del SI y el NO
El ser humano entiende mejor cuando compara. Por ello la

epidemiologa, como pocas ramas del conocimiento, usa una
extraordinaria herramienta para la comparacin. Se trata de la tabla de
contingencia (o tabla del 2X2) que permite consolidar a los ojos lo que
se compara. Una vez ms la estadstica contribuye con sus tcnicas, sus
pruebas, a confirmar si lo que se compara definitivamente es diferente o
igual.

La comparacin es una de las formas ms usadas para que -el ser humano
aprenda. Por ejemplo, al analizar (igual a comparar) las manifestaciones
presentes en una enfermedad, se hace indispensable comparar enfermos con
sanos y ver quines tienen o no la situacin o caracterstica a comparar.
Esta seleccin, de hacerse sistemticamente con todos los componentes, permitir
ver qu tienen y qu no tienen los enfermos, diferencia esencial para plantear
interpretaciones. Para poder confirmar si existen o no diferencias, se usa la
estadstica. De hecho un rea de la estadstica est destinada a analizar si las
diferencias halladas al comparar son producto del azar o si ciertamente son
diferencias que siempre estn. Lo cierto es que buena parte de este texto va estar
dedicado a ensear a usar e interpretar esta tabla (la de contingencia).

1.3.1.3. La intervencin
El objeto final de la epidemiologa es entender y con ello predecir qu

hacer para evitar que lo nocivo ocurra. Esa prediccin se construye a
travs de las intervenciones. Intervenir es hacer que la poblacin sea
sometida a una accin puesta de manera consciente, esperando que a
travs de dicha accin no ocurra (prevencin) o se corrija una
adversidad (disminuya la morbimortalidad). En esencia, las
intervenciones se convierten en la mxima aplicacin de la
epidemiologa.
Las intervenciones son la razn esencial de la medicina: se busca que
con lo que el mdico formula (variable interviniente) modifique el
pronstico (mueran menos) o las manifestaciones (se curen ms
rpido). Implica conocer la historia natural de las enfermedades en
torno al pronstico (intervenciones cuando est presente la enfermedad)
o pretenden disminuir su incidencia (intervenciones preventivas).
Por ejemplo, en el esquema previo se muestra cmo se debe comparar: se est

comparando una modalidad de mastectoma vs. otra y as se puede aprender cul
recomendar (comparacin de intervenciones). Claro para poder evaluar una
intervencin siempre debe haber un grupo de poblacin que es intervenido y otro que
no (o que es intervenido de otra manera). As se compara. Las intervenciones pueden
ser efectuadas con medicamentos, cirugas, procesos educativos, vacunas,
psicoterapias. Lo que se busca es que al darlas se modifique la evolucin de la
enfermedad. Un ejemplo es la apendicitis. Durante miles de aos el pronstico de esta
enfermedad fue malo. A quienes les daba, se moran en un altsimo porcentaje. Se la
conoca como la enfermedad del costado derecho. Las intervenciones que se hacan
no modificaban el fatdico desenlace. Cuando se decide intervenir operando y
extirpando el apndice, se cambia radicalmente el pronstico: la mortalidad (dato) se
disminuye al ser comparados los casos operados con los no operados.

1.4. Las ayudas en la epidemiologa
La epidemiologa usa el paradigma cientfico. De l construye su

mtodo. Maneja las medidas buscando que finalmente ellas puedan
generar datos que permitan ser tratados por la estadstica, ya para
describir o para comparar.
1.4.1. El raciocinio cientfico

Sin petulancia, la epidemiologa hace uso del raciocinio cientfico como
su modelo de pensamiento. Y se menciona sin petulancia porque existen
otros modelos o formas de pensar. Sin embargo, es vlido afirmar que
la epidemiologa no existira sin el raciocinio cientfico con su expresin,
que es el mtodo cientfico.
Partiendo de una observacin, se plantea un problema. Luego se

describe, recurriendo a la indagacin de lo referido acerca de cada
componente hasta el momento, para as proponer una serie de
hiptesis. Con base en ellas se selecciona aquella que parece poseer
ms probabilidades y se aplica. Luego se correlaciona con los resultados
y bien se aprende cmo se hace o cmo no se hace, caso en el cual
se contina con la siguiente probable respuesta.
Hiptesis: suposicin de algo posible o imposible para sacar de ello una

consecuencia, la que se establece provisionalmente como base de una
investigacin que puede confirmar o negar la validez de aquella.

1.4.2. El Papel de la estadstica
El ser humano ha construido un idioma que pretende ser universal y que

utiliza smbolos en donde el significado de los mismos sea siempre el
mismo. Se trata del lenguaje de los nmeros. Los investigadores buscan
transformar las palabras de sus respuestas investigadas a nmeros. La
estadstica da referentes descriptivos a esos nmeros que contribuyen a
entenderlos y permite comparar sus resultados. Dado que usa
referentes para la descripcin y pruebas para comparar lo encontrado,
una forma de dividirla es precisamente como estadstica descriptiva y
analtica (o inferencial). La epidemiologa siempre describe y de ah la
inmensa utilidad que tiene la estadstica descriptiva. As mismo, muchos
de los planteamientos de la investigacin surgen de comparar. La
certeza de la similitud o de la diferencia se convierte en un requisito
esencial para la aplicacin de los resultados. Por ello, la estadstica
comparativa, tambin denominada analtica o inferencial se convierte en
esencial.

Ver en qu nos parecemos y en qu nos diferenciamos de otra persona

no parece ser una tarea difcil. Se busca describir unas caractersticas
presentes en uno y ver si el otro las presenta. Pero hacer esas
comparaciones entre grupos poblacionales, si bien es posible, requiere
usar criterios descriptivos que al final permitan asegurarnos en qu se
parecen y en qu se diferencian estas poblaciones. Eso es lo que hace la
estadstica: permite usar criterios descriptibles que podrn ser
comparados. Por ejemplo, al describir EDAD. La edad se reconoce como
CATEGORIA. Pero se hace indispensable (segn el criterio del
investigador) subdividirla en unas VARIABLES, por ejemplo, de 0 a 5
aos de 6 a 10 aos, de 11 a 19 aos, etc. El nmero de casos
encontrado en cada variable se conoce como DATOS y el porcentaje
derivado de ellos cuando se usa para comparaciones con otros trabajos
u otras investigaciones, se reconoce como INDICADOR.
Datos
Categora Tabla # 1 CARACTERISTICAS DE LA POBLACIN Y LAS FAMILIAS DE LOS ADOLESCENTES DE 12

COLEGIOS PUBLICOS DE LA LOCALIDAD DE SUBA EN EL AO 2006.
EDADES N %
De 10 A 12 aos 3965 32
De 13 A 16 aos 7200 59
De 17 A 19 aos 997 8
Variables GENERO N
6274
%
51
Mujeres
ESTRATO N %
Estrato 1 347 3
Estrato 2 Indicadores 8958 73
Estrato 3 2475 20
ESTRUCTURA FAMILIAR N %
Nuclear completa 6862 56
Nuclear incompleta 3774 31
Recompuestas 1112 9
Hogares donde faltan ambos padres 227 2
FUNCIONALIDAD FAMILIAR N %
Buena funcin familiar 7722 63
Disfuncin moderada 2731 22
Disfuncin severa 920 7
Uno de los problemas que existe en la humanidad es que no nos hemos

puesto de acuerdo en torno a la manera de ordenar, de clasificar es
ms, ni siquiera en muchas definiciones. Por ello, los trminos que ac
empleamos, pueden tener una interpretacin distinta en otros textos
qu vaina!

1.5. La estrategia de la epidemiologa
La epidemiologa se desarrolla mediante el uso de la investigacin. Usa

una variedad de mtodos, en los cuales pone condiciones especficas.
1.5.1. La investigacin
Investigar es contestar preguntas usando un modelo. Modelo es una

forma de pensar o de hacer las cosas. La epidemiologa usa el
pensamiento cientfico. Cuando surge la observacin y se expresa en la
pregunta, la epidemiologa ayuda a escoger la mejor forma de
responderla para el interesado. Existen muchas maneras de contestar la
pregunta (muchos tipos de investigacin) unos ms vlidos que otros
pero todos tiles. El que se escoja depende de las posibilidades de los
investigadores. La manera como se contesta la pregunta de
investigacin en epidemiologa se conoce como DISEOS. Sea este el
momento de decir que la epidemiologa usa unos diseos especficos
denominados diseos CUANTITATIVOS.


Por ejemplo, se quiere saber si un medicamento cura una enfermedad.
Una forma de saberlo sera ver qu enfermos han recibido el medicamento y
cuntos se han curado. Otra, sera dividir a los enfermos en dos grupos: a
unos darle el medicamento y a otros no y ver en cul de los dos grupos se
curan ms. Son dos diseos que pretenden averiguar lo mismo. Pero uno de ellos
resulta ms vlido, es decir, ms probable que de seguirlo, la respuesta sea ms
coincidente con la realidad cierto? Ms adelante se volver a tratar el asunto
(Captulo3, paso6). Vlido es entonces la aproximacin con la realidad ms valido
es ms cerca de la realidad.
Sea cual sea el diseo, la investigacin epidemiolgica descompone la

pregunta en otras, denominadas variables. Una variable puede
definirse como una caracterstica a travs de la cual se puede contestar
la pregunta de investigacin (o parte de ella).
Validez: Concordancia entre un resultado y la realidad. Vlido es aquel

resultado que refleja la realidad.
1.5.2. Las variables

La pregunta de investigacin se transforma en variables que no son
otra cosa que otras preguntas a travs de cuyas respuestas (datos)
se contesta la pregunta. Lstima que las preguntas de investigacin no
se contestaran de manera simple (una pregunta una respuesta)! Por
ejemplo, si se desea saber si un medicamento cura una enfermedad
mortal, la variable mortalidad ha de ser medida (de seguro es la
variable principal). Pero as mismo, la morbilidad, pues cura
seguramente implica que no queda enfermo (claro esto se aclara
previamente en la definicin de trminos). Ah! la pregunta de
morbilidad (entendida como enfermedad) muy seguramente deber ser
traducida con otras variables donde se expresa la presencia o ausencia
de manifestaciones (que son la expresin de la enfermedad). Presencia
de fiebre o de dolor o de leucocitosis, por ejemplo, son variables de
morbilidad. Adems, se deber medir caractersticas del grupo
intervenido versus el no intervenido (otras variables). En fin la
respuesta a esa pregunta, implica buscar variables (caractersticas)
para contestarla. Como se observa en el ejemplo, y lo que constituye el
mensaje que se quiere trasmitir, es que una pregunta de investigacin
se contesta a travs de muchas otras denominadas variables. Lo cierto
es que la epidemiologa ofrece todo su potencial si el que quiere
contestar la pregunta selecciona unas variables adecuadas.

Medir: comparar una cantidad con su unidad.

Morbilidad: proporcin de personas que enferman.

Una variable sola rara vez permite describir a travs del dato lo que se
quiere ver. Habitualmente, es la suma de varias variables con sus
respectivos datos los que, unidos permiten ver lo que se busca. Por
ejemplo, si se quiere saber si un servicio mdico es bueno se debern
medir muchas variables, tales como grado de recuperacin de la salud de la
poblacin enferma, percepcin de la poblacin, costos en que se incurre, y claro, en
este caso, se debern construir sub variables de cada aspecto, que permitan
calificar a travs de los datos. Tal vez un ejemplo ms sencillo (pero dejando el
anterior para discusin) es cmo saber si un enfermo se est recuperando con unas
medidas teraputicas. Las variables que se debern medir son aquellas que la
enfermedad haba afectado. Por ejemplo: los signos vitales y las otras
manifestaciones. Sumando todos los datos que se obtienen de cada variable se podr
decir que s o no se recuper.
Repitiendo: la respuesta de las variables se denomina datos y estos se

traducen en ltimas, en las medidas que sirven para comparar y
deducir la respuesta.

En torno a las variables existen muchas clasificaciones y definiciones,

todas ellas efectuadas bajo distintos contextos. Ejemplos de
clasificaciones son las variables dependiente e independiente, usadas
particularmente cuando se comparan caractersticas. En algunos textos,
clasifican a las variables con los atributos de los datos que producen
(nominales, ordinales, continuas y discretas). En este texto esa
clasificacin se le otorga a los datos.

El ser humano crea clasificaciones para entender. El asunto grave se produce
cuando ante unos mismos eventos o criterios, se construyen distintas
clasificaciones. Ah ponerse de acuerdo es muy difcil. Desafortunadamente
esto ocurre con ms frecuencia de la que se debera. Las VARIABLES son
una buena muestra de mltiples clasificaciones. Por ejemplo, para el uso de la tabla
de contingencia que se revisar a lo largo del texto, la clasificacin como variable
DEPENDIENTE (que es la que siempre se tiene en cuenta) e INDEPENDIENTE
(que son las que se van cruzando con la dependiente) resulta clave. Pero al hacer
anlisis de investigaciones surge otra clasificacin muy interesante: variable
INTERVINIENTE, referida a aquellas caractersticas que intervienen de alguna
forma en algo que se est estudiando. Lo interesante de todo esto es que se debe
tener una mente amplia y dispuesta a no encasillarse. Por ejemplo, si se desea
estudiar factores que se relacionen con la aparicin de una enfermedad, esta ltima es
la variable dependiente y los factores que se estudien son la variable independiente.
Un ejemplo de variable interviniente puede ser la relacin entre cncer de pulmn y
caf en una investigacin: pero resulta que los que toman caf presentan una
condicin: es que fuman ms. Por ende, esa relacin entre caf y cncer es el
resultado de una variable interviniente de los que toman caf, y es que fuman. Ah!
pero en algunos textos mencionan que la variable interviniente es aquella que pone
el investigador en los diseos experimentales. Por ello, es tan importante definir
trminos antes de discutir.

1.5.3. Los datos y las medidas
Toda pregunta de investigacin se contesta a travs de variables (otras

preguntas). La respuesta de cada variable se denomina dato. Un buen
dato debe tener referentes que permitan compararlo y, por ende,
medir su resultado. Las variables pueden producir datos cuantitativos
(continuos y discretos) y cualitativos (nominales, ordinales, intervlicos
y proporcionales). Los primeros usan nmeros como referentes. Los
segundos, caractersticas. El desarrollo estadstico se ha encargado de
describir y comparar unos y otros.
Una variable no es otro elemento que una caracterstica que ser

medida a travs de los datos. Entonces, y bajo el contexto expresado en
los prrafos previos, las preguntas de investigacin se contestan a

travs de los datos obtenidos al medir determinadas caractersticas (o

variables). Cuando la pregunta se puede contestar con variables que
producen datos fciles de entender, la posibilidad del resultado se
potencializa. Por ejemplo, si la pregunta es cul es el estado de
nutricin de una poblacin de nios?, la variable puede ser el peso o la
talla de esos nios y los datos sern o centmetros o gramos, datos que
ciertamente se aproximan a reflejar el estado nutricional. Sea este el
momento de resaltar que un buen dato ha de cumplir con las
caractersticas de: ser veraz (reflejar la verdad), pertinente (que refleje
la importancia de lo que expresa), entendible (que el que lo vea lo
entienda) y que sea fcil de obtener.
Las variables que usan datos cuantitativos son ms tratables que aquellas
que usan datos cualitativos. Ms tratables se refiere a que la estadstica
descriptiva se acomoda mejor y, por ende, la obtencin de referentes que
permitan entenderla ms. As, por ejemplo, ante la variable talla de una persona, el
dato en metros o centmetros es ms fcil de entender (y por tanto de comparar) que
el dato de disfuncin severa o moderada en la aplicacin del test de APGAR FAMILIAR
(variable). Cuando se habla del tamao en centmetros todos lo entendemos. Cuando
se habla de disfuncin familiar cada uno puede imaginar algo un poco diferente
que vaina ser tan positivista, pero as son las cosas!
1.5.4. La bsqueda de la validez para la salud

Una buena variable debe producir datos que se entiendan y ello se
consigue a travs de la cercana con la realidad de su respuesta
(validez). Esto se conoce como el proceso de validacin que no es otra
cosa que la correspondencia entre lo que se pregunta y lo que responde
(dato), con la realidad. Entre mayor sea la correspondencia, ms vlida
ser la variable y, por consiguiente, ms til.
La seleccin de variables implica un gran esfuerzo racional, sistemtico y

coherente. De hecho, lo que se busca es que las variables sean un fiel
reflejo de la realidad. Por ello, se ha colocado a Descartes como ejemplo
de la validez, ya que su racionalismo es un llamado a la bsqueda de la
validez.
Proceso de validacin: acciones a travs de las cuales se pretende
demostrar cmo algo refleja la realidad.

Ante una pregunta de investigacin, ser esencial que se seleccionen

variables vlidas. Para ello, nada mejor que revisar cmo han hecho
otros investigadores. De dicha revisin pueden surgir variables ya
demostradas o, lo que es lo mismo, VALIDADAS, lo que sin duda
facilita la investigacin.
La validez es la cercana del mtodo investigativo con la realidad y, si

ello se cumple, hace probable que los resultados puedan inferirse y con
ello predecir, que al fin de cuentas es una de las bsquedas ms
importantes del ser humano.
Inferir: generalizar una conclusin resultado de una investigacin

particular. Por ejemplo, y en torno a las investigaciones acerca de
medicamentos en una enfermedad, inferir sera concluir que si en la
poblacin objeto de la investigacin fue til, tambin lo ser en un
enfermo (de lo general se particulariza). En el captulo 3 subttulo 3.2 se
ampliarn estos conceptos.

Captulo 2
La Utilidad de la
Epidemiologa
2.1. La lucha contra la enfermedad ...................................................................... 33
2.1.1. El arte de describir .........................................................................................33
2.1.1.1. La historia natural de las enfermedades..........................................................37
2.1.1.1.1. Ejemplo: Historia de una epidemia (SIDA) ...................................................45
2.1.1.2. La cadena epidemiolgica .............................................................................48
2.1.2. La tabla de frecuencias...................................................................................51
2.1.3. La forma de aprender: comparar .....................................................................53
2.1.4. La tabla de comparacin: los factores de riesgo y la evaluacin de lo que sirve .....54
2.1.4.1. Usos de la tabla de comparacin ....................................................................58
2.1.4.1.1. Identificacin de riesgos ...........................................................................59
2.1.4.1.1.1. Presentacin de una tabla de contingencia ................................................64
2.1.4.1.2.Otras comparaciones: sensibilidad y especificidad ..........................................65
2.2. Buscando las causas .................................................................................... 69
2.2.1 La maravilla de las relaciones y las asociaciones ..................................................70
2.2.2. La red causal .................................................................................................78
2.2.2.1. Las causas necesarias y suficientes ................................................................79
2.3. Buscando la salud pblica: La vigilancia epidemiolgica: .................................. 83
2.3.1. La importancia de los registros .........................................................................84
2.3.2. El arte de la prediccin ....................................................................................85
2.3.3. Aporte de la epidemiologa a la salud comunitaria ...............................................87
2.3.3.1. La estrategia de la identificacin ....................................................................90
2.3.3.2. Para decidir.................................................................................................91
2.3.3.3. Para organizar .............................................................................................91
2.4 Hacia dnde va la epidemiologa. Mirando la evidencia de la utilidad ................ 93
2.4.1. Una mencin de xitos y limitaciones ................................................................96
Usos de la epidemiologa ........................................................................................ 103

CAPTULO 2: LA UTILIDAD DE LA
EPIDEMIOLOGA
La epidemiologa en esencia son conocimientos que se emplean para

combatir la enfermedad (ayer) y buscar la salud (hoy) de la poblacin.
Para ello, descubrir las causas y evaluar intervenciones se convierte en
esencial. De la misma manera, el monitoreo de los comportamientos de
las enfermedades se convierte en una de las principales herramientas
para vigilar y proteger a la poblacin. A continuacin se expondr
algunos de los usos de la epidemiologa.
(Este captulo es una extensin del subttulo 1.2.)
2.1. La lucha contra la enfermedad

2.1.1. El arte de describir
Cmo combatir lo que no se conoce?... Es muy difcil; a veces y, por el
azar, tal vez parezca (o incluso suceda) que lo que se hace, da
resultados, pero lo cierto es que lo ms frecuente es que todo lo que se
haga no influye de manera real sobre el curso de los hechos. Esa fue por
mucho tiempo la historia de la humanidad en torno a sus combates
contra la enfermedad. Dado que no la reconocan, sus acciones para
combatirla eran intiles. Pero surge en algunas mentes la capacidad de
observar. De esas observaciones empiezan a describir las
manifestaciones y al hacerlo, son capaces de colocarles nombre a las
entidades. Ah ocurri el primer paso. Al tener nombre, las
manifestaciones pudieron ser reconocidas y luego comparadas. As las
cosas, es factible analizar si el hacer o no hacer en una entidad provoca
diferencia. Se haba conseguido a travs del nombre (de la enfermedad)
un referente y ese referente (basado sin duda en lo ms frecuente)
permiti comparar.

Referente: punto o aspecto de reparo que sirve para comparar otro.

La grfica muestra el mapa que dise el Dr. Snow en la epidemia de
clera que le vali reconocimiento mundial. Cada punto seala dnde
vivan las personas que tenan clera. A l se le ocurri relacionar los
casos con la zona geogrfica donde vivan. Gracias a la descripcin
pudo notar que exista una concentracin de casos en una zona. Con
ello pudo formular una hiptesis que le permiti tomar una medida de
tratamiento. Sea este el momento de mencionar que ese mapa se
conoce como CROQUIS y es una importante forma de presentar
informacin.
Describir es decir lo que se ve en contraste con un referente; ello es una

de las formas como el ser humano puede entender. La primera gran
descripcin que se hizo fue la de las manifestaciones agrupadas como
enfermedades (construidas por el hombre), claro, en los enfermos
(quienes padecen las manifestaciones). Luego de esto la tarea ya era
ms fcil Se podan clasificar a los enfermos (y por tanto, la
enfermedad) por las manifestaciones de acuerdo al rgano
correspondiente (enfermedades del corazn o del pulmn, por ejemplo)

o por la causa (o lo que se crea antes y que hoy se sabe) que provoca
las manifestaciones (y, as mismo, la enfermedad), Por ejemplo,
enfermedades infecciosas o entidades tumorales. Sin duda un elemento
cardinal en la descripcin fue el ordenamiento. Ordenar es un
componente esencial de la descripcin. Se ordena siguiendo criterios,
que deben, en lo posible, ser simples y aplicables. Solo as se logran
conseguir que otros describan y al hacerlo la capacidad de entender a la
enfermedad se potencializa. La descripcin permite reconocer.
Ordenar: colocar de acuerdo a un plan o un modo conveniente. Resulta

evidente que cuando se ordena se incrementa la capacidad de ver
Uno de los grandes aportes de la epidemiologa ha sido utilizar como

criterios de descripcin, la historia natural de las enfermedades.
Gracias a ello se puede entender a la enfermedad y cmo intervenir
sobre ella.
Son muchos los mdicos a lo largo de la historia de la humanidad que con la

publicacin de sus observaciones han contribuido a construir la historia natural de las
enfermedades. Resulta prctico que al describir se sigan unos criterios. La historia
natural usa de hecho unos, as se puede comparar mejor cuando se publica. Publicar
es una de las actividades ms importantes que se debe cultivar en los mdicos. A
travs de ello es mucho lo que se puede aprender.

Para describir, la epidemiologa propone usar unos criterios a travs de

los cuales expone el concepto de historia natural de las enfermedades;
como herramienta descriptora propone a la tabla de frecuencias y
cuando se requiera, propone el uso de la tabla de contingencia como
herramienta esencial de la comparacin de lo descrito.
La tabla de frecuencia es la principal forma de presentar los datos en las

investigaciones. Est formada por tres columnas bsicas: la primera
donde estn los criterios a describir, la segunda donde estn las
frecuencias y la tercera en donde est el porcentaje de cada frecuencia.
En el captulo 4 numeral 4.2 se puede leer ampliada la manera cmo se
construye una tabla de frecuencia con todo.
TIPO DE FAMILIA N %
Familia Nuclear
Completa 7 619 62
Incompleta 5 386 39
Extensa 2 854 21
Familia reconstituida
Con padrastro 1 065 8
Con madrastra 171 1
Bajo el mismo techo vive con
Hermanos 10 188 85
Abuelos 1 595 12
Tos y primos 786 6
Primos 207 2
Cuada 60 0.4
Ciclo Vital Familiar
Familia con hijo mayor adolescente 5 161 38
Funcin Familiar
Buena funcin 8 590 68
Disfuncin moderada 3 029 24
Tabla de frecuencia que expresa cmo son las familias de 13 699
adolescentes de 12 colegios pblicos de la localidad de Suba en el ao
2007. Tiene tres columnas: la primera muestra los criterios de familia que
se estn presentando, la segunda el nmero y la tercera el porcentaje.
Estas son las tres columnas bsicas.
La tabla de contingencia (o tabla del si y el no) se basa en las cuatro

casillas de comparacin que surgen de poner los que S tienen la
variable dependiente con los que NO la tienen, contrastados con los que
S tienen la variable independiente junto con los que NO la tienen. Ms
adelante se aclaran estas dos tablas a travs de ejemplos (subttulos
2.1.3. y 2.1.4.).

VARIABLE
DEPENDIENTE =
CANCER DE PULMON
SI NO
PRESENTE PRESENTE
VARIABLE Si FUMA 647 622 1269

INDEPENDIENTE
= FUMAR No FUMA 2 27 29
649 649 1298
Tabla de contingencia
2.1.1.1. La historia natural de las enfermedades
Como criterios de descripcin en torno a las enfermedades, la

epidemiologa busca considerar los tres componentes de seguro ms
influyentes. Ellos son: El agente(s), el husped y el medio. El agente
busca estudiar las caractersticas causales que originan la enfermedad.
El husped, las condiciones del paciente que intervienen en la
enfermedad y, el medio, la influencia que el entorno puede tener. A
manera de ejemplo, no es lo mismo una infeccin por el virus del VIH en
un joven que en un viejo o que se presente en una persona de estrato 1
o de estrato 6. Cada uno de estos aspectos influye incluso de manera
determinante en el desarrollo de la enfermedad.

La trada ecolgica (agente, husped y ambiente) recibe su nombre

para hacer entender el concepto que la ruptura del equilibrio entre
estos tres aspectos hace que aparezca la enfermedad. El surgimiento
de agentes nuevos y, por consiguiente, desconocidos para el sistema
inmune (husped) y bajo condiciones ambientales especiales
(pobreza) crea las caractersticas que permiten el surgimiento de enfermedades que
se expanden en la comunidad.

Blum menciona que al estudiar la historia natural de las enfermedades

se han de tener en cuenta las condiciones biolgicas (donde la gentica,
por ejemplo, tiene una enorme importancia), las sociales (distribucin
de recursos, etc.), las culturales (hbitos y maneras de comportarse) y
la organizacin sanitaria (acceso a los servicios). Por ejemplo, al
estudiar la hipertensin, la raza tiene una influencia (ms susceptible la
poblacin de color) o la situacin de pobreza como propagadora de
enfermedades infecciosas o el dao que est provocando el
sedentarismo a nivel mundial o la diferencia que puede existir en torno
al acceso a vacunacin de un sistema de salud de un pas con otro.
Como se nota, es difcil que algo no pueda ser colocado dentro de

algunas de estas categoras. Teniendo en cuenta el fin de la
epidemiologa (estudiar la enfermedad en la poblacin) se entiende
cmo esta triada busca ser lo ms abarcadora posible. Con esos tres
aspectos de referente, la epidemiologa propone para estudiar a las
enfermedades estas fases:
1. Fase prepatognica: ac se estudia a la enfermedad con sus

referentes antes de que se enferme el husped. En este momento
se estudia las caractersticas que pueden influir en la enfermedad
en la interaccin de esta triada. Supone esta fase, el que exista
un equilibrio que evita que aparezca la enfermedad y cuando ste
se rompe, entonces se crean las condiciones para que el ser
humano se enferme.
2. Fase patognica. Ac se estudia luego de que el agente de la

enfermedad ya comprometi al husped. Puede tener:
2.1. Una fase subclnica donde se est enfermo y no se sabe (solo

pruebas de laboratorio podran detectarlo).
2.2. Una fase clnica, donde ya a travs de las manifestaciones, la

enfermedad hace su aparicin.
2.3. Fase de desenlace. Donde aparecen la recuperacin con o sin

secuelas y/o la muerte, siendo por ende, el momento donde
se construye el pronstico de las enfermedades.

HISTORIA NATURAL DE LA ENFERMEDAD
ESTADO DE ESTADO DE ESTADO DE ESTADO DE

SUCEPTIBILIDAD ENFERMEDAD ENFERMEDAD RECUPERACION
SUBCLINICA CLINICA DISCAPACIDAD O
MUERTE
SIGNOS DEFECTOS O
SINTOMAS DAOS
CAMBIOS TISULARES
FOMENTO
DX PRECOZ LIMITACION REHABILITACION
PROTECCION DAO
TTO INMEDIATO
PREVENCION PRIMARIA SECUNDARIA TERCIARIA
PREPATOGENICO PATOGENICO
Por qu es interesante esta clasificacin? Entre otras, sencillamente por

qu a travs de ella se puede identificar el tipo de intervenciones que
puede desarrollar el ser humano para enfrentar a la enfermedad. En la
fase pre-patognica se pueden hacer intervenciones preventivas
(antes de que aparezca la enfermedad). En la fase patognica, las
intervenciones ya implican combatir directamente la enfermedad. Y en la
fase de desenlace se hacen intervenciones en torno a la rehabilitacin.
El concepto de intervencin tiene bajo este contexto a las acciones que
se hacen (vacunas, medicamentos o fisioterapia, por ejemplo) para
modificar el desenlace de las enfermedades.

Bajo el contexto de la epidemiologa, las intervenciones son todas las acciones en

donde se introduce una variable que busca modificar un desenlace. Corresponde
tambin al trmino de experimentacin. El dibujo muestra la percepcin de un pintor
acerca de las epidemias.
Numerosos autores se han referido al interesante concepto de la historia

natural de las enfermedades. En comunidad, se puede hablar de la
historia de la vida cuyo objetivo esencial (segn Darwin) es la lucha por
la existencia... Los seres vivos tienen un ciclo de cumplimiento: nacen,
se reproducen y mueren. Cmo nace la vida? Existen teoras que se
orientan hacia el creacionismo o hacia el evolucionismo.

La primera, pone la mano de Dios como la gran gestora. El

evolucionismo a su vez plantea aspectos tan interesantes como el
movimiento csmico en donde elementos bsicos tal como el hidrgeno
se mezcla por fuerzas fsicas que le impelen al movimiento y va
formando nuevos elementos o molculas. En algn momento se form el
carbono y cuando ello sucede surge la base qumica de la vida como la
conocemos. De ah a las protenas y a las clula solo de requiere de ms
movimiento dentro de esa sopa csmica. La otra teora es la del BIG
BANG. En ella una enorme y grandiosa explosin csmica impulsa el
polvo csmico a travs del universo y en ese viaje se mezclan partculas
de un sitio con otro y en esa mezcla se origina la vida.
Qu hacen los seres humanos? En algunos casos pelean por los

alimentos contra los agentes eso se denomina ANTIBIOSIS, en otras
se adaptan contra esos enemigos dando lugar a la SIMBIOSIS (pasando
por las fases del parasitismo y comensalismo), etapas todas que solo
demuestran el fenmeno de la adaptacin de la vida. La enfermedad
surge como un reflejo de esa lucha

Un buen ejemplo del rompimiento de la trada ecolgica es el caso del SIDA. Surge
en un ambiente propicio por la pobreza (con todas sus consecuencias), a travs de
un organismo nuevo (dado que no se conoce, no existe respuesta inmune) y por
ende, muy agresivo (virulento) y afecta a personas en condiciones desventajosas.
Qu sucede en una comunidad cuando se rompe la triada ecolgica? En

torno a las frecuencias, se incrementa el nmero de casos de la
enfermedad. Esto se conoce con el nombre de EPIDEMIA. Si ese
incremento de casos se hace sin sobrepasar unos lmites antes
establecidos se denomina BROTE, pero si el incremento es ms de lo
esperado en una regin o pas, se denomina ENDEMIA y cuando
sobrepasa las fronteras o se esparce entonces el trmino es
PANDEMIA. En el caso del SIDA, cuando la humanidad lo reconoci ya
estaba en fase de PANDEMIA. Para asegurar estos conceptos, se puede
mencionar que la MALARIA es ENDEMICA de unas regiones de Colombia.
Que cuando ocurre una intoxicacin en una cafetera, ocurre un BROTE.
La forma tcnica de identificacin de una epidemia sigue los siguientes
pasos: en primer lugar se debe identificar una frecuencia esperada. Para
ello se de identifica una medida de frecuencia Por ejemplo, nmero de
casos u otra tal como promedio de la prevalencia en determinado

tiempo (nmero de casos sobre el total de poblacin en cada ao).

Claro entre ms tiempo se tenga de referente, mejor, pues la
informacin a obtener ser ms proyectada. Entonces, y con base al
nmero de casos o a los promedios en los perodos de tiempo, se
obtiene una TENDENCIA. La tendencia puede quedar limitada por los
datos que se obtienen de aplicar la medida de la desviacin estndar
(una DS y dos DS). Ello dar pie a la aparicin de unos canales pero
obsrvese la figura:
canales
6000
5000
4000
Epidemia
3000 Serie1
2000
control
1000
0
1 2 3 4 5 6 7 8 9 10
En la grfica se observa en el eje X numerado con 1, 2 etc. el tiempo de observacin

(por ejemplo 1 = 1984. 2 = 1985 y as sucesivamente). En el eje Y se observa el nmero
de casos que se detectaron en cada uno de los aos. Desde ya (y al graficar) se puede
identificar cmo se est ante una enfermedad que tiene una tendencia al incremento
(claro medida a travs de nmero de casos) pues es evidente su crecimiento en cuanto
a nmero de casos. La lnea azul con puntos es el promedio de nmero de casos. Con la
lnea roja se establece unos lmites establecidos al aplicar una desviacin estndar
(concepto que se ampliara adelante). Con la lnea verde se establece los lmites con dos
desviaciones estndar. Entre la lnea azul y la roja se habla del canal NORMOENDMICO
indicando que las frecuencias que se ubiquen entre esos lmites son las esperadas. Las
frecuencias que se ubiquen entre la lnea roja y la verde describen al canal hiper (si es
hacia arriba, situacin que se podra presentar en un BROTE por ejemplo) o hipo
endmico (hacia abajo), y si se presentan frecuencias por arriba de del lmite verde
superior se habla de EPIDEMIA y por debajo del mismo, de enfermedad controlada.
La utilidad de estos canales est dada porque gracias a ello se puede entender la forma
de comportarse de las enfermedades. Por ejemplo, y segn esta grfica, se est ante una
enfermedad que tiene una tendencia al incremento. Por supuesto que esta descripcin ha
de servir para comparar.

2.1.1.1.1. Ejemplo: Historia de una epidemia (SIDA)
En 1980 el mundo detect una enfermedad que (fase pre-patognica)

poda afectar a cualquier persona; sin embargo, se encontraba con
mayor frecuencia en poblacin promiscua sexualmente o poblacin que
requiriese transfusiones, enfermedad que daba como consecuencia de
una infeccin viral por un germen de caractersticas especiales
(retrovirus) que permite ser detectado, que puede provocar, (fase
patognica) una estado de portador asintomtico (fase subclnica) el que
evoluciona ulteriormente con la aparicin de un cuadro cuya
caracterstica es la inmunosupresin (fase clnica), provocando por ende,
diversos cuadros de infecciones oportunistas, desencadenando un
cuadro mortal (fase de desenlace) casi siempre de rpida evolucin. Se
calcula que para este momento unos 40 millones de seres humanos
padecen de esta enfermedad (prevalencia) Hace 15 aos se calculaban
en 21 millones. Ello implica que no se ha logrado controlar la
incidencia.
Prevalencia: nmero de casos nuevos y viejos, presentes de una

enfermedad en un perodo de tiempo y en un lugar especfico.
Incidencia: nmero de casos nuevos en un perodo de tiempo y en un
lugar especifico.
Las prevalencias de distribucin de enfermedades tales como el SIDA
son indicadoras comparativas de la situacin de dichos pases.

Hoy, el mundo elabora numerosas campaas para evitar que la

poblacin susceptible y de mayor riesgo adquiera la enfermedad
(intervenciones primarias) y la combate a travs de la deteccin de la
infeccin en poblacin asintomtica o con el uso de medicamentos
antirretrovirales en la poblacin sintomtica (intervenciones
secundarias). El desenlace ha cambiado de manera considerable por el
uso oportuno de los antirretrovirales. Claro, esto ltimo siempre y
cuando se tenga acceso a los mismos, pues la gran mayora de
poblacin que hoy padece del SIDA no tiene acceso a los
medicamentos por lo cual mueren igual que hace 26 aos! Corolario:
El medio es esencial para el pronstico de las enfermedades.
Uno de los problemas vigentes de la humanidad es la INEQUIDAD. Se define

equidad como todos tener la misma oportunidad. Es muy evidente que en el
mundo, no todos tienen las mismas oportunidades.
Como se observa, la forma de clasificar las enfermedades a travs de la

historia natural es distinta a la que emplea, por ejemplo, la nosologa.
En tanto que la visin de la modalidad epidemiolgica est enfocada
hacia la poblacin, la nosologa lo hace enfocado hacia el individuo

(fjese cmo la medicina interna clasifica a las enfermedades). Por

supuesto que tienen numerosos puntos de confluencia. A manera de
ejemplo de uso, se puede mencionar que las actividades efectuadas en
la fase pre-patognica se denominan prevencin primaria y estn
dirigidas a evitar la aparicin de la enfermedad. En la fase patognica,
las actividades de intervencin pueden buscar, o bien detectar lo antes
posible, a los enfermos y as iniciar lo ms rpido posible el tratamiento
(si es que lo hay) y se denominan acciones de prevencin secundarias. Y
todas aquellas actividades que se hacen sobre las secuelas, se
denominan de prevencin terciarias y buscan esencialmente rehabilitar
al enfermo de sus secuelas.
Finalmente, y como para redondear la idea, esta clasificacin puede ser

til para entender los planes de salud pblica. Las grandes y masivas
acciones (intervenciones) de la salud pblica estn dirigidas a la
prevencin primaria. Las vacunas y la educacin dirigidas a toda la
poblacin son un buen ejemplo. La citologa (como intervencin) a toda
mujer en edad frtil es un ejemplo de prevencin secundaria. Y los
programas de rehabilitacin son el ejemplo de las acciones de
prevencin terciaria, acciones que en una alta frecuencia se incrementan
en la medida que los seres humanos viven ms.
Eduardo Jenner en 1780 describi magistralmente cmo los granjeros que curaban a los
caballos de un mal denominado Ajuagas y que despus ordeaban, trasmitan a las vacas,
y desde estas a las personas, lo que denominaban el cowpox o viruela de las vacas. Pero
lo realmente extraordinario de su descripcin fue hacer notar que aquellos a los que les
daba cowpox no les daba viruela. De ello dedujo que el contacto con la viruela de las vacas
protega contra la mortal viruela humana. Concluy que si inoculaba una pequea cantidad
en las personas podra evitar la viruela.

2.1.1.2. La cadena epidemiolgica
Dado que el estudio de las infecciones ha sido una de las reas donde la
epidemiologa ha demostrado su desarrollo, la identificacin de la ruta
que sigue un agente infeccioso permite disear conceptualmente una
cadena con los siguientes eslabones:
1. Fuente de infeccin
2. Puerta de salida
3. Va de diseminacin
4. Puerta de entrada
5. Susceptible
El concepto de la cadena infecciosa ha sido un esfuerzo por poder

ordenar y as entender las infecciones. Siendo su utilidad inmensa, se
debe reconocer que cuando se ha querido trasladar a las enfermedades
crnicas, los criterios utilizados no han sido suficientes. Es decir, nos
falta an mucho que entender en las enfermedades crnicas.
La fuente de infeccin es todo ser vivo que alberga y disemina la

infeccin. De la fuente de infeccin sale el agente infeccioso que pueden
ser bacterias, virus, hongos y parsitos. Lo ms frecuente es que sea el
hombre la principal fuente de infeccin de los hombres.
Ciertamente los microorganismos tienen un hbitat natural en las

distintas especies. En general, los agresivos (virulentos) contra una
especie no afectan otras. Sin embargo, existen microorganismos que
afectan a especies distintas. Cundo se respeta lo primero o cundo
sucede lo segundo? Ello es uno de los aspectos que se busca entender y
estudiar a travs de la historia natural.
Cuando el hombre se pone en contacto con el agente infeccioso pueden

sucederle varias opciones:
Que se convierta en un caso que puede ser clnico (se identifica

fcilmente por la presencia de las manifestaciones) o subclnico (se
requiere de pruebas para identificarlo y tiende a pasar
desapercibido). Ac surgen los portadores pues estas personas
portan al agente infeccioso, que a su vez pueden ser sanos, ya por
inmunidad particular o por estar en el perodo de incubacin o
ser un portador convaleciente (ya tuvo la enfermedad y que an
tiene el agente infeccioso, por lo que est en fase de
convalecencia).

Los portadores pueden ser un enorme problema para la contencin de las

enfermedades. Por ejemplo, los portadores del virus del VIH o de la hepatitis B
contagian a otros sin darse cuenta pues ellos mismos ignoran su situacin. Tal vez
el acceso a pruebas de deteccin masivas podra enfrentar este problema.
CADENA
DE INFECCION DIRECTO
MODOS DE
TRANSMISION
INDIRECTO
HUMANOS
AMBIENTE
RESERVORIO
INMUNIDAD
ANIMALES
SUCEPTIBILIDAD HUESPED
El sitio por donde sale el microorganismo se denomina puerta de

salida. Puede ser una puerta permanente, por ejemplo, va respiratoria
(al toser o hablar) o intermitente como va intestinal, urinaria, mamaria,
piel y mucosas. Claro la importancia de entender esto est en que ac
existe un slido criterio para entender la propagacin de una
enfermedad infecciosa y, por supuesto, contagiosa.
De ah el susto que se tiene de una epidemia de gripa aviar. Tal parece

que las aves pueden contagiar a los hombres y stos, a travs de la va
respiratoria, propagarla en grandes proporciones (infectividad).

La va de diseminacin busca hacer entender qu usa el

microorganismo para transportarse desde la fuente de la infeccin hasta
el sujeto que se puede enfermar (susceptible). Se han clasificado estas
vas como:
1. Directa: referida a aquella en la cual se usa el menor nmero de

intermediarios, as que la enfermedad se disemina persona a
persona. Un buen ejemplo son las enfermedades de transmisin
sexual donde el infectado contagia al contacto de manera directa.
Sin embargo, se sabe que existen enfermedades de transmisin sexual que el hombre
traspasa a animales y stos pueden devolvrsela al hombre en aquellas situaciones en
donde se promueve el contacto sexual hombre-animal.
2. Indirecta: referida al uso por parte de los agentes infecciosos de

transportes, condicin que permite suponer que los agentes
infecciosos son ms resistentes (duran ms fuera de donde se
originan). La forma de trasportarse puede ser a travs de
vehculos inanimados (agua, leche, alimentos, suelo, aire, polvo u
objetos contaminados). La otra forma es por vehculos animados,
denominados tambin vectores y se subdividen en aquellos que
slo lo trasportan (moscas en sus patas) o aquellos en que el
microorganismo utiliza el metabolismo del vector en su desarrollo,
Por ejemplo, el paludismo.
La puerta de entrada se refiere a la forma como entra el

microorganismo en el susceptible. Existe una relacin entre la fuente de
salida y la de entrada (por donde sale entra).
Una identificacin clave es la del susceptible. Se define como los

individuos que por no tener inmunidad o algn tipo de resistencia al
agente infeccioso les puede dar la infeccin.
El concepto y los trminos de la cadena infecciosa resultan

particularmente importantes para poder enfrentar a las infecciones y en
particular las epidemias. Imagnense que se presenta un brote de una
enfermedad que se manifiesta como diarrea y vmito en personas que
almorzaron en un restaurante. Se identifica que se trata de una
propagacin de infeccin por estafilococo. Los pacientes que padecen de
las manifestaciones son sospechosos de ser casos clnicos. Se dice
sospechosos porque no se ha confirmado el microorganismo en sus
cuerpos. Si se hacen pruebas y salen positivas entonces se describen
como casos confirmados. Si la prueba sale positiva en uno de los
comensales que no tiene manifestaciones se habla de un portador. Al
buscar la fuente del contagio, se detecta que uno de los cocineros

presenta una infeccin en los dedos y se confirma la presencia del

estafilococo. Ah esta la puerta de salida. La contaminacin de los
alimentos y el consumo de los mismos es la puerta de entrada y son
los alimentos la va de diseminacin. Al armar todo esto, sin duda
estaremos en la capacidad de intervenir y modificar en torno a este
presente y proyectar acciones para evitar que suceda en un futuro.
Sabiendo todo esto, qu se hace?:
Eliminar el agente. Uso de antibiticos. Se le dar a los casos

confirmados y a los portadores asintomticos (y as evitar que
ellos propaguen; claro, si ellos se pueden convertir en
propagadores, cosa menos frecuente en las intoxicaciones con
estafilococo pero muy frecuente en las salmonelosis).
Modificar la fuente. Tratar al cocinero. Aislarlo (cuarentena) de sus
labores en tanto se cura.
Tratados los casos se puede insistir a los cocineros del sitio (y de
otros para que aprendan por la experiencia de los dems) en las
normas y cuidados que han de tener con la manipulacin de los
alimentos.
2.1.2. La tabla de frecuencias
Las descripciones se presentan, en lo posible, de manera integral y para

ello el mejor diseo es el la tabla de frecuencias.
La tabla de frecuencias est constituida por columnas y filas. Por

ejemplo, el programa Epi Info construye las tablas de frecuencia de la
siguiente manera: La primera fila contiene los tems de lo que muestra.
La primera columna expone el criterio que se va a medir. La segunda
columna expone las frecuencias. La tercera el porcentaje de dichas
frecuencia con denominador del total de frecuencias. La cuarta columna
muestra el porcentaje acumulado de cada nuevo criterio (suma el
porcentaje que vena ms el nuevo. El Epi Info produce una columna
donde aparece la representacin en barras de las frecuencias en
porcentaje.

Porcentaje
CRITERIOS Frecuencia Porcentaje BARRAS
acumulado
CRITERIO 1 2 6,70% 6,70%
CRITERIO 2 2 6,70% 13,30%
CRITERIO 3 2 6,70% 20,00%
CRITERIO 4 2 6,70% 26,70%
CRITERIO 5 2 6,70% 33,30%
CRITERIO 6 4 13,30% 46,70%
CRITERIO 7 8 26,70% 73,30%
CRITERIO 8 2 6,70% 80,00%
CRITERIO 9 1 3,30% 83,30%
CRITERIO 10 1 3,30% 86,70%
CRITERIO 11 1 3,30% 90,00%
CRITERIO 12 1 3,30% 93,30%
CRITERIO 13 1 3,30% 96,70%
CRITERIO 14 1 3,30% 100,00%
Total 30 100,00% 100,00%
Una buena tabla de frecuencias debe hablar por s misma: ello quiere decir que cualquiera
que la vea sepa de qu se trata y qu describe. As mismo, es muy importante colocarle
un ttulo a la tabla. Debe tener: las caractersticas que describe, la poblacin que
describe, y cundo y dnde se realiz. La primera columna se denomina COLUMNA
MATRIZ y ah se ubica lo que se va a describir y la primera fila se denomina as mismo fila
matriz y describe las caractersticas que se van a exponer.
Tabla # 1 CARACTERISTICAS DE LA POBLACIN Y LAS FAMILIAS DE LOS ADOLESCENTES DE 12

EDADES N %
De 10 A 12 aos 3965 32
De 13 A 16 aos 7200 59
De 17 A 19 aos 997 8
GENERO N %
Mujeres 6274 51
ESTRATO N %
Estrato 1 347 3
Estrato 2 8958 73
Estrato 3 2475 20
Recompuestas 1112 9
Por ejemplo, la tabla est numerada, dice que muestra (CARACTERISTICAS) de
quin, de dnde y cundo. Ah! es parecida a otra presentada antes (subttulo
2.1.1.), pero aquella tiene ms poblacin que esta.
La tabla de frecuencia forma parte obligada de toda investigacin. Por

ejemplo, en el caso del SIDA se puede construir una tabla de frecuencia
de manifestaciones. Para ello se revisan los casos de una poblacin que
padezca de SIDA. Como criterios se ponen las manifestaciones

presentes en dicha poblacin. Como frecuencia el nmero de veces

presente de cada caracterstica en dicha poblacin. El porcentaje
representa la proporcin de dicha caracterstica con el total de la
poblacin. Si bien se podra poner el resto de componentes de la tabla
(frecuencia acumulada y porcentaje acumulado), lo cierto es que lo
habitual es solo usar frecuencia y porcentaje.
A manera de ejemplo busque, si desea, un artculo sobre SIDA y observe la

tabla de manifestaciones.
2.1.3. La forma de aprender: comparar
Dos estrategias empleadas por el hombre para aprender son la

descripcin y la comparacin. Comparar implica conocer un referente
que se usa para comparar. La epidemiologa ha desarrollado una
herramienta formidable para la comparacin, que se denomina la tabla
de contingencia.
VARIABLE
DEPENDIENTE
SI NO
PRESENTE PRESENTE
Si presente a b a+b
VARIABLE
INDEPENDIENTE
No presente c d c+d
a+c b+d
El principio bsico de la comparacin es no tomar ms de dos variables.

Una variable es una caracterstica (otra definicin a las ya descritas). El
elemento crucial es la presencia o la ausencia de la caracterstica y
relacionarlas entre ellas.
No debemos confundirnos con las denominaciones de las variables. Recordar

que las casillas de variables dependientes reciben segn el contexto otros
nombres, por ejemplo, en el programa Epi Info se denominan variables de
resultado y las independientes se buscan como variables de exposicin.

2.1.4. La tabla de comparacin: los factores de riesgo y la

evaluacin de lo que sirve
Para poder entender a cabalidad, se va a presentar la tabla de

resultados encontrada por los doctores Doll y Hill en 1950 cuando
efectuaron sus estudios sobre el cncer de pulmn y su relacin con
fumar.
VARIABLE
DEPENDIENTE =
CANCER DE PULMON
SI NO
PRESENTE PRESENTE
VARIABLE Si FUMA 647 622 1269

INDEPENDIENTE
= FUMAR No FUMA 2 27 29
649 649 1298
Ellos queran verificar si exista alguna relacin entre el hbito de fumar

y el cncer de pulmn, el que estaba presentndose con una incidencia
incrementada (epidemia). Para ello compararon personas con cncer y
sin cncer (variable dependiente) y averiguaron si fumaban o no
(variable independiente). Antes de interpretar la tabla, es muy
conveniente familiarizarse con ella. Para ello se emplearn las letras
descritas previamente en cada casilla.
Epidemia: aumento no esperado de casos en un lapso de tiempo.

Enfermedad que se propaga acometiendo simultneamente a gran nmero
de personas. Endemia es la frecuencia elevada de una enfermedad en una
regin. Pandemia es una epidemia que no respeta fronteras.

La letra a expresa quines tienen cncer y fuman (647).

La letra b quines fuman y no tienen cncer (622).
La suma de a + b expresa el total de fumadores del estudio (1269).
La letra c expresa quines no fuman y tienen cncer (2).
La letra d muestra quines no fuman y no tienen cncer (27).
La suma de a + d muestra quines no fuman (29).
La suma de a+ c muestra el total de personas con cncer del estudio
(649).
La suma de b+d el total de personas que no tienen cncer (649).
El total de personas de este estudio fueron 1298.
Qu es lo que se quiere comparar?... sencillamente del total de

fumadores cul es la proporcin que presentan cncer comparado con la
proporcin del total de no fumadores que presentan cncer. Expresado
en letras sera lo siguiente:
a
a+b
c
c+d
Dado que lo que se compara son dos eventos distintos, en este caso dos
nmeros (obtenidos de manera diferente o lo que simblicamente es a/b)
entonces la medida con que se conoce esto es la de RAZON.
Como se observa se est obteniendo una razn de comparacin y el

resultado de la operacin matemtica fue de 7,3. (Hgalo para que
confirme). Este resultado (y la frmula) se denomina el RIESGO
RELATIVO. Se interpreta de la siguiente manera:

VARIABLE
DEPENDIENTE =
CANCER DE PULMON
SI PRESENTE
VARIABLE Si FUMA 7,3

INDEPENDIENTE
= FUMAR No FUMA 1

que en el captulo 4 se ampliar el concepto, sea este el momento de decir
que con el fin de hacer entender se usan nmeros. Por ejemplo, el nmero de
personas con cncer del pulmn. Sin embargo, a veces el nmero no permite
entender todo lo que se quiere, entonces la proporcin se convierte en una
importante alternativa. Ah se comparan el nmero de casos dividido por el total de
poblacin referenciada y se multiplica por 100. Por ejemplo, nmero de fumadores
dividido por el total de cnceres del pulmn multiplicado por 100. Se obtiene la
proporcin de cncer en los fumadores. Pero existe otra forma ms interesante de
comparacin: y son las razones: ac se compara un dato con otro dato diferente (a/b).
Por ejemplo, el resultado de fumadores con cncer dividido con el resultado de cnceres
en no fumadores. Todas estas expresiones numricas solo pretenden hacer entender y el
uso de una u otra manera dependen de la capacidad de cada una de contribuir con el
entendimiento.
Por cada persona que no fuma y le dio cncer de pulmn (1 EN LA

RELACIN), existen 7,3 que fuman y les dio cncer. Como se observa,
la medida a comparar siempre es 1 que representa a los NO
EXPUESTOS y el resultado de la frmula de RR (Riesgo Relativo), en
este caso 7,3, expresan los expuestos. Claramente se ve cmo los que
fuman (si fuman) se exponen a un riesgo mayor de padecer de cncer
(7 veces ms en este estudio) que los que no fuman.

Ampliando el concepto: Las razones son una manera de presentar
informacin, usando como referente el denominador de la divisin de dos
datos. Se compara el numerador (A) con el denominador (B) y se usa
siempre como 1 el denominador el que se compara con el resultado de la
divisin A/B. Por ejemplo, en un saln existen 30 personas y de ellas 10 son hombres y
20 mujeres. Ante la pregunta cul es la razn mujeres-hombres: A= 20 mujeres. B= 10
hombres. La razn mujeres/hombres ser: 20/10 = 2. Entonces se presenta as: Por
cada hombre (siempre el denominador es 1) existen 2 mujeres (el resultado de la
divisin). Si la pregunta fuera cul es la razn hombres-mujeres, entonces sera 10/20 =
0.5. Se expresara que por cada mujer existe 0.5 hombre.

Como conclusin se puede afirmar que el riesgo relativo es una de las

medidas usadas por la tabla de comparacin o de contingencia. De
hecho, y en epidemiologa, la tabla de contingencia originan las
MEDIDAS DE COMPARACIN que, por supuesto que son razones (A/B)
obtenidas de comparar el numerador con el denominador. El RR es la
medida ms representativa junto con el OR (Odds Ratio). Este ltimo
tiene la misma interpretacin que el RR, pero dado lo que compara, sus
resultados se consideran relaciones potencializadas. La frmula es:
aXd
bXc
El resultado en este estudio del OR fue de 14. Expresado a manera de
riesgo es as:
VARIABLE
DEPENDIENTE =
CANCER DE PULMON
SI PRESENTE
VARIABLE Si FUMA 14
INDEPENDIENTE
= FUMAR No FUMA 1
Por cada persona que no fuma y le dio Cncer de pulmn, existen 14

que fuman y presentaron cncer. Es evidente la diferencia entre el RR y
el OR, pero para entenderlo, se ha de pensar, por ejemplo, que en un
caso se habla de centmetros en tanto en el otro de metros. En ambos
casos se habla de lo mismo, (que alguien es ms alto que otro) pero se
usan referentes distintos.
La tabla comparativa o de contingencia es ampliamente usada en el
mundo de la salud. A travs de ella se buscan factores de riesgo, se
comparan resultados en fin, es una de las herramientas ms valiosas
para entender a travs de la comparacin.
Resulta interesante analizar que los doctores Doll y Hill detectaron esta
poderosa relacin en 1950. Quiere decir que desde entonces existan
fuertes indicios de la relacin entre fumar y el cncer del pulmn. Ello no
evit que surgiera por parte de las tabacaleras una fuerte promocin al
consumo de cigarrillos, la que fue tan efectiva que hoy se considera que es
la principal adiccin del mundo. Y ello sabiendo que induce no slo al
cncer sino a otras muchas enfermedades. De ah el dicho: TENER LA RAZN NO ES
RAZON SUFICIENTE PARA SEGUIRLA.

Una explicacin simple y sencilla del por qu no se ha podido prohibir la produccin de

cigarrillos es porque su venta produce dinero y con ese dinero se compra la influencia
poltica que permite la venta, usando para ello argumentos tales como la libertad de
escoger. El bien comn queda doblegado ante la denominada libertad individual. Una muy
conocida marca de cigarrillos utiliz a la publicidad (con campaas que verdaderamente
inducan a fumar) como una de sus principales estrategias para conseguir clientes.
Anecdticamente uno de los modelos empleados en su campaa, fumaba y muri de
cncer de pulmn.
2.1.4.1. Usos de la tabla de comparacin
No sobra insistir en la mayscula utilidad de la tabla de comparacin. Y

es til porque permite ver una serie de referentes (medidas) que de otra
manera no sera posible. Constituye el elemento clave para identificar
componentes relacionados con la enfermedad. Recuerde que el trmino
relacin matemticamente se expresa como una divisin y de hecho la
operacin que se hace cuando se buscan relaciones es una divisin.

2.1.4.1.1. Identificacin de riesgos
La tabla de contingencia sin duda es la herramienta esencial para

determinar riesgos. Riesgo, es la probabilidad de ocurrencia de un
evento en salud. La identificacin de riesgos necesariamente se hace
tomando como variable dependiente (o de resultado) a la enfermedad
en cuestin relacionndola con la presencia o ausencia de factores de
exposicin.
La bsqueda del RIESGO implica tomar poblacin que padece la

enfermedad y usar como referente poblacin que no la padece e indagar
por la presencia o ausencia de los factores que se sospechan, estn
relacionados. La tabla de relaciones (o lo que es lo mismo, comparativa
o de contingencia) se construye as:

VARIABLE DEPENDIENTE =
ENFERMEDAD
SI NO
tiene tiene
SI tiene la variable NO tiene la variable
Total SI expuesto
SI expuesto dependiente y SI esta dependiente y SI esta
VARIABLE
expuesto = a expuesto = b = a+b
INDEPENDIENTE
= FACTOR DE Si tiene la variable NO tiene la variable Total NO
EXPOSICION dependiente y NO dependiente y NO expuesto
NO expuesto
esta expuesto = c esta expuesto = d = c+d
Total SI tienen la Total NO tiene la
variable variable
dependiente = a+c dependiente = b+d
Lo que se compara puede ser:
1. La relacin entre el total de expuestos y que les dio la enfermedad.

2. Con el total de los no expuestos que les dio la enfermedad
El resultado de esa relacin es la divisin de la cifra resultante de dividir

a los a/a+b dividido entre c/c+d.
Dicho resultado (y supngase que se llama RR) se compara as:
Por cada 1 no expuesto y que le dio la enfermedad, existe RR que s

se expuso y le dio la enfermedad. Si el RR da ms de 1, se hace claro
que la exposicin favorece la aparicin de la enfermedad. Si el RR da
1 implica que da lo mismo exponerse o no exponerse para que aparezca
la enfermedad. Y si el RR da menos de 1, implica que la enfermedad
les da ms a los no expuestos que a los expuestos (por ende, exponerse
protege de la enfermedad).

Para completar, obsrvese estos ejemplos retomando el trabajo de Doll y
Hill:
VARIABLE DEPENDIENTE
SI NO
CANCER CANCER
VARIABLE
INDEPENDIENTE
PULMONAR PULMONAR
(EXPONERSE AL SI FUMO 647 622 1269
CIGARRILLO) NO FUMO 2 27 29
649 649
El producto de relacionar a los que se exponen y les dio el cncer es = 647/1269 con los
que no fuman y les dio cncer = 2/29 provoca una relacin:
RR
Si fumo y SI
7,4
cancer pulmonar
No fumo y SI
1
cancer pulmonar
Es decir que aquellos que fuman al ser comparados con los que no fuman, les da cncer
7,4 veces ms.
Lo cierto es que los resultados originales no fueron dados con RR sino con OR (que se
trata de otra medida de relacin) dando una relacin de riesgo an mayor. Ello por el tipo
de investigacin.
En ese mismo estudio, surgi la pregunta de si ser hombre (comparado obviamente con el
de ser mujer) era un factor de riesgo para la aparicin del cncer. La tabla se construy
as:
Si cncer No cncer RR
Hombre
647 600 1247 0,518845229 1,00
fumador
Mujer
41 38 79 0,518987342
fumadora
688 638
Fue necesario hacer una nueva clasificacin y separar a los hombres y las mujeres en
fumadores y no fumadores (esto se conoce como proceso de estratificacin y se
mencionar ms adelante). Lo que se busca es analizar si existe correspondencia entre el
gnero y el cncer; por ende, se busc que tanto los hombres como las mujeres que
estuviesen expuestos, se relacionaran con el cncer. Los resultados fueron los expuestos
en la tabla (aunque los datos expuestos no fueron los del estudio original, sirven de
ejemplo para el aspecto que se est revisando).

RR
Si hombre y SI
1,0
cancer pulmonar
No hombre (mujer)y
1
SI cancer pulmonar
Se interpreta que por cada mujer fumadora y con cncer, existe 1 hombre fumador con
cncer. Es decir que da lo mismo ser hombre fumador o mujer fumadora en torno al
cncer. Resultado por dems lgico.
Es el fumar y no el gnero el factor de riesgo para el cncer pulmonar .
Para poder expresar el ltimo ejemplo, se usa un estudio de las favelas del Brasil donde se
buscaban factores de riesgo y proteccin que fuesen tiles para disminuir la incidencia de
jvenes asesinados. El factor estudiado fue si haban asistido a la educacin primaria y se
encontr:
SI NO
asesinados asesinados
SI estudios
VARIABLE 46 168 214
primarios
INDEPENDIENTE
NO estudios
118 48 166
primarios
164 216
El resultado de la relacin fue:
RR
Si estudios
primarios y SI 0,3
asesinado
No estudios
primarios y SI 1
asesinado
Se interpreta que por cada joven que No tuvo estudios y fue asesinado, hay 0,3 jvenes
que si estudiaron y fueron asesinados. Como es menos de 1, claramente expresa que
estudiar es un factor que protege a los jvenes de ser asesinados.
Sea este el momento de afirmar que la medida utilizada en estos

ejemplos ha sido el RR o riesgo relativo. Sin embargo, existe otra
medida que se puede emplear como es el Odds Ratio que, si bien se
interpreta de la misma manera (1, ms de 1 y menos de 1), su
obtencin se hace distinta (OR = aXd/bXc). En general da resultados
con nmeros ms grandes que el RR. El uso de una medida o de otra
depende del diseo de la investigacin.

En general se puede decir que el RR se usa en los estudios de cohorte y en los

experimentales. Por qu? Sencillamente porque en los estudios prospectivos lo
que se mide son los casos nuevos que surgen, es decir, la incidencia y el RR es
precisamente una de las formas de obtenerlo. En los estudios de corte o de casos y
controles se utiliza el OR.
En torno a su interpretacin y ofreciendo una aproximacin cualitativa, se afirma que
entre mayor sea el nmero de 1, mayor ser el riesgo. De 1 a 2 riesgo moderado, de 2 a
4, riesgos importantes, pero ms de 4 hace sospechar que puede tratarse de un factor
causal directo. Por ejemplo, en el estudio de Doll y Hill de casos y controles, el OR del
cigarrillo para el cncer pulmonar fue de 14, resultado que hace sospechar que se est
ante una relacin causal (ver subttulo 2.2.). Lo mismo en riesgos menores de 1. Entre
ms se acerque a 0, ms protector. Obviamente, cuantitativamente los valores del RR y
el OR son datos numricos que reflejan perfectamente la interpretacin de su valor: si el
RR es 1,8, se entiende perfectamente que al compararlo con otra variable que obtuvo
OR de 3.3, sta ltima en ese estudio es un factor de riesgo mayor.

2.1.4.1.1.1. Presentacin de una tabla de contingencia
Una buena presentacin de una de tabla de contingencia ha de permitir

que el lector, si lo desea, pueda hacer los clculos de riesgo
correspondiente.
Pruebas de significancia
Que se compara
medida
ACTITUDES
Quiere tener un hijo este ao No cree que papas apoyaran planificacin
Comparaciones Odds IC95%LI Odds IC95%LI

Si (n) % No (n) % Valor p No (n) % Si (n) % Valor p
Ratio LI LS Ratio LI LS
D. Severa 182 35 345 66
1,411 1,211 1,644 0
D. Moderada 475 30 1120 70
FUNCIN
FAMILIAR
D. Severa 41 10 369 90 182 35 345 66
2,232 1,463 3,406 0,0002 1,702 1,35 2,145 0
Funcional 132 5 2689 95 1046 27 2889 73
Casos incluidos: 3690 5271
PRACTICAS
Tener sexo sin querer Relaciones sexuales
Comparaciones Odds IC95% Odds IC95%LI

Si (n) % No (n) % Valor p Si (n) % No (n) % Valor p
Ratio LI LS Ratio LI LS
D. Severa 93 10 794 90 295 30 685 70
1,43 1,168 1,749 0,0005 1,226 1,079 1,393 0,002
D. Moderada 206 8 2543 92 612 21 2363 79
FUNCIN
FAMILIAR
D. Severa 93 10 794 90 295 30 685 70
2,112 1,589 2,805 0 2,063 1,718 2,477 0
Funcional 363 5 7582 95 1188 14 7262 86
Casos incluidos: 9822 10519
Datos que permiten

calcular el OR
En el ejemplo se observa: ttulo: Razones de riesgo (OR) de actitudes y prcticas

relacionados con la funcin familiar de una poblacin adolescente escolar de localidad de
Suba en el ao 2007.
Como se nota la tabla debe permitir ver qu se est comparando, debe permitir ver, y si
se quiere, calcular la medida (en este caso OR) y las pruebas estadsticas. De hecho en
una tabla de OR solo deben aparecer los datos significativos estadsticamente, se evita
incluir los datos los que no lo son, para as concentrar al lector en los datos significativos.

2.1.4.1.2. Otras comparaciones: sensibilidad y

especificidad
La tabla comparativa tiene otra importante funcin. Se trata de la de

ayudar a describir la relacin de las manifestaciones (o pruebas de
deteccin) con las enfermedades. Parte de que la deteccin de las
enfermedades se hace a travs de la presencia de manifestaciones (o
pruebas) que estn presentes cuando se est enfermo. Para poder
comparar se ha de tener dos poblaciones: una de enfermos y otra de no
enfermos (referente necesario) y se deber indagar por la presencia o
ausencia de la manifestacin. La tabla comparativa se construye as:
SI NO
ENFERMEDAD ENFERMEDAD
SI tiene la NO tiene la Total SI tienen la

SI PRESENTE LA enfermedad y SI tiene enfermedad y SI tiene manifestacin =
MANIFESTACIN
la manifestacin = a la manifestacin = b a+b
VARIABLE SI tiene la NO tiene la Total NO tienen
INDEPENDIENTE NO PRESENTE LA enfermedad y NO enfermedad y NO la manifestacin
MANIFESTACION tiene la manifestacin tiene la manifestacin
=c =d = c+d
Total SI tienen la Total NO tiene la

enfermedad = a+c enfermedad = b+d
La relacin que se consigue es del total de enfermos, cuntos

presentaron la manifestacin. Esto se conoce como SENSIBILIDAD y se
obtiene de la relacin entre a/a+c X 100 (es una proporcin). La otra
importante relacin es la derivada del total de NO enfermos y que no
tienen la manifestacin. Se conoce como ESPECIFICIDAD y se expresa
a travs de d/b+d) X 100.

A manera de ejemplo, obsrvese el valor del signo de Blumberg en la tabla
resultante de un estudio de probabilidades diagnsticas de apendicitis
efectuado en una clnica de Bogot en el 2002.

SI NO
APENDICITIS APENDICITIS
SI BLUMBERG 128 86 214
NO BLUMBERG 34 249 283
162 335 497
Lo que expresa es que el signo de Blumberg estuvo presente en 128 pacientes de un total
de 162 con apendicitis (si se multiplica el resultado por 100 se obtiene la sensibilidad).
Que no estuvo presente en 249 de un total de 335 pacientes que no tenan apendicitis (si
se multiplica por 100 se obtiene la especificidad). Expresa:
1. Que la sensibilidad del Blumberg en la apendicitis fue de un 79%.

2. Que la especificidad del Blumberg en la apendicitis fue de un 74%.
La determinacin de la sensibilidad y la especificidad es clave en el

estudio de la utilidad de las pruebas diagnsticas y hoy son partes
esenciales en la determinacin de la construccin de probabilidades de
la enfermedad a partir de las manifestaciones.

La sensibilidad implica quines SI TIENEN ESTO, ESTN ENFERMOS. La

especificidad, quines si NO TIENEN ESTO, NO ESTN ENFERMOS. Todo
el proceso de diagnosticar enfermedades se hace a travs de la
sensibilidad y la especificidad. El raciocinio es sencillo.
1. Los mdicos, a travs de la historia clnica, indagan por la

presencia o ausencia de manifestaciones.
2. Con base en ello van construyendo en sus mentes los cuadros

clnicos que les permitirn aproximarse a decir que se trata de
esta o aquella enfermedad.
En general, y al concluir la historia clnica inicial, el mdico ha de tener

una aproximacin importante a uno o varios diagnsticos. La forma
como interpreta lo que encuentra (y lo que no) le da la fuerza a sus
impresiones diagnsticas.
3. Luego de la historia clnica y de acuerdo al grado de certeza que

tengan, precisarn a travs de pruebas ms especficas que tiene
o no tiene una enfermedad.
Este paso es un complemento del anterior. Existen pruebas paraclnicas que

ofrecen de acuerdo a sus resultados una aproximacin mayor a la certeza o
que tiene o que no tiene la enfermedad. La habilidad del mdico est en
saber pedir las pruebas de las que obtendr mayor precisin para la toma
de decisiones.
4. Una vez se tiene esa precisin diagnstica, viene el segundo

momento del acto mdico que es definir la intervencin. Por
supuesto, la posibilidad de xito de la intervencin depende de la
certeza en el diagnstico.
5. Finalmente han de esperar el desenlace de la intervencin y con

base a ello aprender para la siguiente vez.
Con la interpretacin de estos dos elementos se construye la EVIDENCIA

CLNICA de las manifestaciones y de las pruebas paraclnicas de las
enfermedades. Cmo? En el ejemplo expuesto esto es lo que se hizo:
Se busc historias de pacientes con dolor abdominal que acudieron a
urgencias y se diferenci entre aquellos que tenan apendicitis y quienes
no la tenan. Luego se compar cada manifestacin y as se obtuvo la
sensibilidad y especificidad. Con estos datos y, a travs de sencillas
pruebas matemticas, se puede transformar la sensibilidad y la
especificidad en PROBABILIDADES. Con ello se dice: Qu probabilidad

tiene este paciente por tener (o no tener) esta manifestacin de tener

tal enfermedad?...
De lo que se trata es de transformar la habilidad mdica que ayer se

conoca como ojo clnico (donde era la experiencia la base de la habilidad)
por la identificacin de probabilidades. Dicho cambio implica que la
habilidad de ayer, hoy puede estar al alcance de todos los mdicos: se
trata slo de que sepan buscar (semiologa) y que puedan interpretar el
hallazgo (obtener la probabilidad).

2.2. Buscando las causas
Causa es aquello que se considera el fundamento u origen de algo. En

salud (y en todo) el detectarla es un paso muy importante (pero no
esencial) para poder hacer intervenciones adecuadas. La bsqueda de la
causa de la enfermedad ha estado presente a lo largo de la historia de la
humanidad de manera extraordinaria. Los paradigmas del pensamiento
juegan un importante papel en la bsqueda de la causa. De hecho, y de
acuerdo al momento, surgen las hiptesis acerca del por qu de las
cosas. Es por ello que en la gnesis de la enfermedad se han visto
involucradas ideas mgicas, religiosas, empricas y cientficas. Lo cierto
es que con base en la causa que la humanidad cree, desarrolla las
intervenciones. Si existe relacin entre lo que cree y la realidad,
entonces las medidas de intervenciones pueden tener xito. A manera
de ejemplo, la infeccin por el virus del VIH como una porcin causal del
SIDA ha permitido desarrollar una serie de acciones preventivas en
contra de la enfermedad. Pero a veces sin la certeza de saber, se
puede tener xito. A manera de ejemplo el caso del Dr. James Lind en
1753, cuando puso en evidencia medidas preventivas contra el
escorbuto sin ni siquiera entender la enfermedad. Ello es importante,
pues de seguro se puede hacer mucho en pos de la salud an con un
grado importante de desconocimiento.
El escorbuto era en los siglos XVII y XVIII el terror de los viajes largos en ultramar.
Muchos mdicos estaban dedicados a descifrar su origen. James Lind como mdico al
servicio de su majestad en la marina imperial, escribi un informe donde expona una
investigacin de cmo combatirlo. A las seis semanas de estar en alta mar se present un
brote de escorbuto en 12 marineros.

Hizo consideraciones acerca del clima, de la humedad, de los alimentos y del tiempo de
estar en alta mar (componentes sobre los que existan hiptesis que los responsabilizaban
como causa de esta temible enfermedad) llegando a la conclusin de que en la gnesis de
la enfermedad la ausencia de alimentos frescos aparece como una probable sospechosa.
As que dividi en seis parejas a los enfermos (20 de mayo de 1747), los puso en un
mismo sitio del buque (descartando as que el lugar pudiese ser un determinante) y a
todos les suministr una dieta bsica similar, agregndoles de manera diferencial
(interviniendo con dietas propuestas por otros mdicos que haban escrito al respecto): a
una pareja caldo de cordero fresco, a otra, un cuarto de galn de sidra, a la siguiente 25
gotas del elixir de vitriolo (bebedizo a base de sales de arsnico) tres veces al da, a otra
tres cucharadas de vinagre en ayunas; a la quinta pareja, con agua de mar y a la ltima
pareja, dos naranjas y dos limones diarios. En seis das observ una recuperacin franca
de la pareja que reciba naranjas y limones. Lind descubri cmo se trataba el escorbuto
muchos aos antes de saber cul era su causa. Claro luego el descubrimiento de Lind
permiti saber el papel de la vitamina C en la gnesis del escorbuto.
2.2.1 La maravilla de las relaciones y las asociaciones
La identificacin de los factores causales se hace con base a la

investigacin. Una primera fase es la descriptiva, donde se reconoce la
enfermedad. Ah se proponen hiptesis acerca de su gnesis. Luego se
hacen comparaciones para probar dichas relaciones y finalmente se
hacen las intervenciones (o estudios experimentales) para poder
demostrar. Las relaciones (obtenidas a travs de la tabla comparativa)
son un componente indispensable para buscar la gnesis de las
enfermedades. La fuerza de la relacin sugiere y orienta. Por ejemplo,
en los estudios de DOLL y HILL acerca de la gnesis del cncer pulmonar
y el cigarrillo, las relaciones encontradas (OR de 14) colocan al
investigador ante la sospecha de haber encontrado un factor CAUSAL
muy importante (ms de 4 en el RR y en el OR hacen sospechar
causalidad). De hecho, hoy se habla de que el cigarrillo es responsable
de al menos el 90% de los casos de cncer pulmonar. Pero ojo! no se
puede afirmar que sea el responsable del 100%, ya que existen casos
de cncer de pulmn en personas que no fuman (pocos pero existen).
Por ende, el cncer de pulmn puede ser desencadenado por otro (s)
elementos distintos al cigarrillo. Es por ello que hoy se plantea que la
enfermedad sea el resultado de una combinacin de factores de riesgo
(elemento que de estar presente favorece la aparicin de la
enfermedad). La tabla comparativa es entonces la encargada de
detectar a travs de las relaciones presentes dichos factores. Respecto
al caso del cigarrillo y el cncer de pulmn vale la pena hacer el
comentario del mal uso de la falta de ese 100% de causalidad
responsable (as sea 92%).

Las grandes tabacaleras han usado esa falta del 100% de la relacin
para poner dudas acerca de la efectividad de medidas como prohibir
fumar, usando su poder para evitar que polticas restrictivas progresen.
Qu factores intervienen en la enfermedad? Una vez ms se acude a la

historia natural. Se considera que pueden ser factores que emergen del
husped, o del agente (s) o del medio. En cada uno de estos aspectos,
surgen muchos aspectos (relaciones) a estudiar. Una de las tareas de la
epidemiologa ser buscar estos factores.
Una relacin es el resultado de la aplicacin de la tabla de comparacin

y en donde se encuentra que la medida encontrada se ubica o siempre
(siempre = resultado obtenido de la estadstica) como riesgo o como
factor protector, para diferenciarlo de aquellos casos en que el resultado
se puede ubicar unas veces en riesgo y otras en proteccin (resultado
de la aplicacin de alguna de las pruebas estadsticas, por ejemplo, los

intervalos de confianza al 95%). Cuando se encuentran las relaciones,

se le aplican los criterios para saber si son asociaciones estadsticas o
no (pruebas estadsticas).
Es muy evidente la relacin que existe entre muerte y armas de fuego. Esta
relacin se ve en una tabla comparativa o de contingencia en una poblacin,
donde se buscara: variable dependiente S muerte y No muerte y como
variables independiente S uso de arma de fuego y No uso de arma de fuego. Por
supuesto que la medida de la relacin (OR) dara muy seguramente un valor muy alto. Si
gusta hgalo.
La asociacin estadstica es entonces el resultado de una relacin que

tiende a mantenerse ya en riesgo o en proteccin en el 95% de los
casos en que se combinan las variables de donde se origina. A manera
de ejemplo, la asociacin entre el cigarrillo y el cncer de pulmn en el
estudio de Doll y Hill fue estadsticamente significativa es decir, que
con esos datos se presentara al menos 95 veces de 100 (siempre dara

que el cigarrillo se asocia con el cncer). Detectadas estas asociaciones

se verifica si son CAUSALES o no. Ac se hacen una serie de preguntas
(Criterios de Bradford Hill) que buscan identificar que se puede estar
ante la identificacin de una de las causas de la enfermedad.
Por supuesto que solo se pueden contestar si el diseo del estudio de

investigacin lo permite. Doll y Hill en 1950 encontraron la relacin
entre el cigarrillo y el cncer (en un estudio de casos y controles). Luego
y tomando muchos ms estudios se debe analizar cmo se contestan las
siguientes preguntas que se hacen en las asociaciones causales. Como
se trata de dos variables, entonces las preguntas son referidas a estas
dos variables:
1) El cambio de una de las variables provoca el cambio de la

otra: en el caso de cigarrillo y cncer: si se deja de fumar
(disminucin de la frecuencia) se provocan cambios en la frecuencia
del cncer. O por el contrario, si se incrementa la frecuencia de
fumadores se incrementa la frecuencia de cnceres del pulmn.
2) Debe demostrarse que la variable CAUSAL precede a la

enfermedad. En esta caso, que no se tiene el cncer antes de
fumar y que aparece despus de fumar. Los estudios de cohorte
desarrollados confirmaron esta relacin y en este sentido.
Ac es necesario, en primer lugar, tener la certeza de que nadie de la

poblacin a estudiar tenga cncer del pulmn y luego (a travs del tiempo
que va pasando) se van ubicando los que fuman a un lado y los que no al
otro y se mide a lo largo del tiempo en qu lado aparece ms cncer. De
esa manera se tiene la certeza que primero fue la exposicin al cigarrillo y luego
apareci el cncer.
3) Firmeza de asociacin (dosis respuesta). Parecida a la condicin

numero 1, expresa que existe proporcionalidad en los cambios de
frecuencia entre las dos variables. Si fuman mucho ms (ms dosis),
aparecen muchos ms canceres o viceversa.
4) Reversibilidad: Expresa que si se disminuye la variable causal

disminuye la enfermedad. Si se deja de fumar disminuye
probabilidad de que aparezca el cncer.
5) Consistencia de la asociacin con el conocimiento vigente.

Existen ms investigaciones que impulsan la relacin. En este caso
son muchsimas las investigaciones que muestran la relacin entre el
cncer y el cigarrillo. Igualmente puede ser til la bsqueda
infructuosa de investigaciones en donde no se encuentra la relacin.



1.
Por ejemplo, en el caso de la tuberculosis:
Relacin entre enfermos (manifestaciones) y presencia del bacilo.

2. En sanos no se encuentra el bacilo.
3. Entre ms enfermos se encuentra ms bacilo.
4. Si se quita el bacilo entonces se revierten las manifestaciones.
5. Que las investigaciones publicadas muestran al bacilo como el agente etiolgico
de la enfermedad.
Una aclaracin pertinente de las relaciones causales con las

estadsticas es que pueden existir relaciones estadsticas pero no
causales. Cuales son? Pues las que no cumplen con los criterios
expuestos. Por ejemplo, se pueden encontrar una relacin estadstica
entre cncer de pulmn y dedos amarillos por impregnacin de nicotina.
Pero no da cncer por tener los dedos amarillos impregnados de
nicotina. El cncer da por fumar que es lo que provoca en algunos
fumadores que los dedos se impregnen de amarillo. Como se observa
se encuentra una fuerte relacin que incluso se repite estadsticamente,
pero no es causal. Esta desconcertante (y frecuente) afirmacin,
denominada relacin causal espuria solo pretende colocar ante la
perspectiva del lector que el conocimiento es cambiante y que los
criterios que hoy usamos para entender los hechos, pueden cambiar
maana (y con ello lo que consideramos la verdad).
Por ello se debe tener sumo cuidado con las personas que se creen
poseedoras de la verdad absoluta. La evidencia dice que suelen estar
equivocadas. La verdad cientfica es muy relativa y puede cambiar en la
misma forma que se hacen nuevos descubrimientos.
Otro ejemplo (y para que se vea que es ms frecuente de lo que se

podra creer), es la asociacin que encontr una fuerte relacin entre
tomar caf y el cncer del pulmn. Estadsticamente estaba presente y
de manera notoria. Sin embargo, la realidad demostr que no era el
caf un factor de riesgo para el cncer. Lo que sucedi es que en ese
estudio, mucha poblacin que tomaba caf (tinto) tambin fumaba,
siendo este ltimo elemento el verdadero responsable de la relacin. Por
supuesto que al separar los que toman caf y fuman de los que toman
caf y no fuman, se observ que el cncer estaba presente en los que
fuman, y no se observaba es lo que toman caf y no fuman. El primer
resultado (relacin entre tomar tinto y cncer) da pie a lo que se conoce
como un sesgo de confusin, definido como una relacin que, o bien
aumenta o disminuye, a otra que s es el factor de riesgo. Lo que se hizo
al separar los que toman caf y fuman de los que lo toman y no fuman
se conoce como estratificacin.

El sesgo de confusin es una relacin que siendo significativa

no se le encuentra alguna explicacin plausible. Por ejemplo, en
la investigacin de Falbo sobre homicidios de adolescentes en
Brasil, se encontr que en los hogares donde exista agua del
acueducto, exista un OR de 2.8 con (IC del 95% de 1,7-4,5) de
muerte de los jvenes. Ello quiere decir que por cada joven
asesinado y en cuyo hogar no existe agua potable, asesinan a
2,8 jvenes en cuyos hogares existe agua potable Cmo
explicar este hallazgo?...
Estratificar es diferenciar y es una excelente forma de buscar la

validez de lo que se compara. Por ejemplo, si se quiere medir la
eficiencia de un programa de educacin sexual en dos colegios y
se usar el inicio de la vida sexual entre los jvenes como
medida, resulta muy importante diferenciar a los jvenes por
edades (estratificacin por edades), pues es evidente que entre
ms aos, ms posible el inicio de la vida sexual. Al hacerlo (estratificar) se separan los
jvenes por la edad construyendo la condicin que permite comparar jvenes de dos
colegios y con una misma edad.
Otro criterio a tener en cuenta en las asociaciones son las denominadas

asociaciones directas e indirectas, clasificacin que nicamente pone
bajo la perspectiva los conocimientos vigentes. Por ejemplo: hacia
mediados del siglo XX se encontr esta asociacin: como tratamiento
de la sfilis con salvarsn (medicamento mercurial) se observ una
asociacin con ictericia, luego de aplicado el tratamiento.
Se poda decir que exista una relacin entre el medicamento y la

ictericia. Hasta ah exista relacin causa (inyecciones de salvarsn) y
efecto (ictericia) evidente. Luego se descubri que la ictericia no se
presentaba por el medicamento: se presentaba por la jeringa! Esto
quiere decir que si se obtienen las relaciones entre ictericia y el uso de
la jeringa, stas son mayores que por el uso de salvarsn (poda haber
ictericia en personas que recibieron inyecciones distintas al salvarsn).

Y finalmente, luego se descubri que lo que provocaba la ictericia eran

partculas de suero que quedaban en las jeringas (poda haber ictericia
en personas que no eran inyectadas sino trasfundidas). Por tanto, era el
suero y no las jeringas. Hoy sabemos que no es el suero, sino la
presencia del virus de la hepatitis B y el uso de jeringas no estriles (por
ejemplo en poblacin de drogadictos a propsito del dibujo) que, junto
con la promiscuidad sexual, son los principales factores de riesgo. Lo
cierto es que todas las relaciones encontradas, son indirectas (no son las
directamente responsables) de la ictericia a excepcin de la
verdaderamente CAUSAL que es el contagio con el virus de la hepatitis
B. Esta es la postura cientfica vigente del momento a lo mejor
maana descubrimos que el virus es apenas un trasporte de otra
particular que es la verdadera responsable de la hepatitis. Otra manera
de expresar estos hallazgos es que las asociaciones producto de las
jeringa en ese estudio corresponde a un SESGO DE CONFUSION.

2.2.2. La red causal

Cmo sera de sencillo el mundo mdico si la enfermedad fuese el
resultado de una sola causa! Todo el actuar de la medicina estara
enfocado a ese aspecto. Pasteur, al iniciar el principio de la etapa
bacteriolgica, planteaba que a una enfermedad le corresponda un
agente bacteriano como causa fundamental para poder explicar su
origen. Gracias a ello se desarroll el pensamiento capaz de enfrentar
las temibles infecciones.
Robert Koch (1843-1910) propuso para poder confirmar que un germen es responsable de
una enfermedad que debera cumplir con estos cuatro principios:
1. El microorganismo (o germen) debe estar presente en cada uno de los casos de la

enfermedad.
2. El germen debe ser aislado y crecer en un cultivo puro.
3. El germen cuando se inocula en un animal susceptible produce la enfermedad.
4. En el caso anterior (inoculado), el germen debe poderse aislar nuevamente.
Hoy se diagnostican las infecciones con la bsqueda del germen a travs de aislamiento
directo o por la deteccin de su presencia a travs de anticuerpos o antgenos, razn por
la cual la inoculacin en animales se ha disminuido.

Sin embargo, la realidad pone de manifiesto que son muchas las

situaciones que participan en la gnesis de las enfermedades.
Retomando el ejemplo de la ictericia por el salvarsn, todas las
asociaciones encontradas tienen una participacin en el proceso de la
enfermedad. Si no fuera por la sfilis, no le hubiesen colocado el
salvarsn y, por consiguiente la inyeccin que por no estar debidamente
desinfectada, es que ocurre la contaminacin, con lo cual, quedan
partculas de suero que de otra manera no estaran. As que esas
asociaciones indirectas de todas maneras tienen una participacin en la
gnesis de la enfermedad (de hecho por ello aparecen como relaciones).
Con una visin ms amplia, tngase en cuenta la triada ecolgica. La
enfermedad se desencadena por alteraciones en los tres aspectos
(agente, husped y medio). De seguro unos elementos son ms
evidentes que otros, pero todos participan (teora de la complejidad).
Esto se conoce como la red de la causalidad o trama. A travs de ella se
pretende ver la participacin de los distintos componentes para
desencadenar la enfermedad.
Una interpretacin de la teora de la complejidad es la de entender a la

realidad como una suma de tal cantidad de eventos (relaciones) que se hace
realmente difcil poder analizarlos a todos. Es ms, con el factor tiempo de
por medio, nada es repetible. Cada momento es nico y por completo
diferente. Una relacin se presenta por unas condiciones que no se
repetirn.
2.2.2.1. Las causas necesarias y suficientes
El modelo de la red causal qued insuficiente para efectos prcticos. Se

plantea que en la medida que investigamos surgirn ms y ms
elementos causales; por lo cual no aporta tanto como se podra esperar
para las soluciones. De ah que el Dr. Rothamn ha propuesto que las
enfermedades sean vistas a travs de constelaciones (combinaciones de
componentes causales) suficientes para desencadenar la enfermedad.
Se podra intervenir sobre dichas constelaciones. Pero, adems, propone
buscar en las constelaciones (que l expreso como pasteles causales)
aquellas causas presentes en todos los pasteles. Propone que sera la
causa necesaria (todos las dems seran suficientes solo si se mezclan)
y al intervenir sobre ella se puede evitar que el pastel se complete y,
por tanto, la aparicin de la enfermedad.

2
3 1
a CAUSA = 1+2+3+a+I+II
I II
42
G 1 CAUSA= 1+2+4+G+H
n i
G CAUSA = 1+i+n+G+H
1
H
La grfica expresa a tres pacientes en los que se desencaden la misma enfermedad. A

cada uno (superior, medio e inferior) la enfermedad se les provoc por la exposicin a
diversos factores, pero existe uno que fue comn a los tres: Cul es?... Ese
probablemente sea el factor (la causa) necesaria, pero la enfermedad slo se desencadena
si todos se suman. Si los equipos de salud impiden que algunos de los factores se unan,
pueden impedir que aparezca la enfermedad (que se complete el pastel causal). Cul se
ha de buscar en el ejemplo? De seguro el componente 1; por qu? Por estar participando
en los tres casos si se logra impedir que se desarrolle (o aparezca), entonces en ninguno
de los tres casos el pastel se completar y la enfermedad no aparece.
De las anteriores posturas slo queda en claro la complejidad del mundo

relacional. Hoy se puede mencionar clasificaciones como la siguiente:
Factores predisponentes: aquellos que deben estar presentes para que

aparezca la enfermedad. Claro que pueden estar presentes y NO
aparecer la enfermedad. Sexo, raza, herencia son ejemplos.
Factores facilitadores: aquellos que pueden favorecer la aparicin de la

enfermedad. La pobreza o la alimentacin deficiente son componentes
que favorecen la aparicin de casi todas las enfermedades. Es claro que
de intervenir sobre ellos se disminuye la posibilidad de que aparezca la
enfermedad.

Factores desencadenantes: se refieren a aqullos que cuando se

presentan pueden desencadenar la enfermedad. Un estado de
inmunosupresin puede desencadenar la aparicin de un herpes zster.
Sin duda, modificarlos es importante para evitar la aparicin de la
enfermedad.
Factores potencializadores: se refieren a componentes que pueden

agravar una enfermedad. Por ejemplo, una reinfeccin del Virus del VIH
puede agravar un cuadro de SIDA en un paciente.
Interaccin: se considera que es el resultado de dos factores que actan

simultneamente, desencadenando un efecto sumado mayor que el de
una simple suma. Por ejemplo, fumar y exponerse a asbesto con el
cncer de pulmn. El resultado es una probabilidad mucho mayor de
cncer que el producto de la suma de los dos riesgos independientes.
Tasas de
Exposicin al
Fumadores cncer
asbesto
pulmonar
NO NO 11
SI NO 58
NO SI 123
SI SI 602
Un buen ejemplo lo expresa la tabla obtenida de la investigacin de
Hammond y colaboradores en 1979 en la cual se refleja cmo la
interaccin entre exposicin de asbesto y fumar se relaciona con
unas tasas (por 100.000) casi tres veces mayores que las que se
obtendran de sumar cada una de las exposiciones (la suma de s
asbesto=58 + S fuma=123 es 181 cifra aproximadamente menor
en un tercio a los 602 obtenidos por la interaccin S asbesto y S
fumador).
La bsqueda de ese factor sobre el cual de modificarse se evita que

aparezca la enfermedad es la direccin que sigue la epidemiologa al
unirse con la salud pblica.

Como un interesante aporte en este sentido, hoy se habla de los

determinantes sociales de la enfermedad. La inequidad social, el
estrs social desencadenado por la inseguridad o por el aislamiento, las
privaciones en la infancia en torno afecto o alimentacin (pobreza
extrema), la exclusin social (estigmatizacin), la mala calidad del
transporte, son todos elementos presentes en los enfermos. Como
elementos protectores se mencionan el acceso a la educacin, el empleo, la ciudadana y
la pertenencia a redes sociales. El concepto afirma que estos elementos (y demostrado a
travs de numerosas investigaciones,) participan en el proceso de salud y enfermedad
de los seres humanos. Cunto y cmo? Es lo que hoy muchos estn indagando.

2.3. Buscando la salud pblica: La vigilancia

epidemiolgica:
El objeto del conocimiento es servir al ser humano. La epidemiologa de

manera muy particular ha servido a lo largo de la historia de la
humanidad en su lucha contra las enfermedades, en especial contra las
infectocontagiosas, pues a travs de su deteccin, impuls al hombre a
tomar medidas para evitar la propagacin, a veces, sin xito, como las
medidas tomadas para evitar la peste en el medioevo pero a la postre,
logrando el control de tantas entidades. Hoy esta lucha est
ejemplificada en torno al SIDA como representante de las infecciosas y
se abren nuevos modelos de enfermedades tales como la diabetes o la
obesidad, donde los estilos de vida se convierten en factores
desencadenantes. El proceso de deteccin, de anlisis de por qu
aparece y de respuesta para contrarrestar la enfermedad son los
componentes que forman parte de un sistema de vigilancia
epidemiolgica.
An cuando parece obvio, la vigilancia epidemiolgica no es tan simple

pues exige tener una fuente de registros que permita ver los cambios,
circunstancia no siempre presente. Los registros exigen constancia
(continuidad) y calidad (veracidad), condiciones no siempre presentes
en torno a problemas especficos. Un buen ejemplo es pensar en lo que
pas en 1980 en torno al SIDA. No exista un sistema de registro con la
capacidad de identificar a la entidad (de hecho ni siquiera se conoca).
Ello implica que podan presentarse los casos, pero no nos dbamos
cuenta. Fue gracias a las observaciones de un mdico norteamericano
(Michael Gottielb) que alert a los servicios de salud acerca de una
enfermedad que mataba a gente joven como consecuencia de una
severa inmunosupresin y gracias a ello la humanidad pudo darse
cuenta que estaba ante una PANDEMIA.
La importancia de los registros de informacin es evidente. Principios

que deben tener: exactos (fiel reflejo del evento). Oportunos
queriendo con ello decir que se llenen cuando sucede. Fidedignos, es
decir, lo ms aproximado a la realidad. Completos, llenando todos sus
componentes. No sobra insistir en el papel que le corresponde al
personal de salud en la calidad de los registros.

Resulta obvio el valor de registrar informacin que nos sirva de indicadora. El asunto es
registrar. Para ello el encontrar el elemento que mejor nos indique es clave. Claro, dicho
elemento debe haber sido analizado para poder saber qu pensar en caso de que
aumente o disminuya su frecuencia. De ah surge el trmino de vigilancia, pues es
vigilando la frecuencia de tal elemento que se establecen los sistemas de alertas.
2.3.1. La importancia de los registros
Sin duda el primer paso para resolver un problema es reconocer su

existencia. En el caso de las enfermedades el reconocimiento se lleva a
cabo a travs de la deteccin de las mismas por medio de sus
frecuencias. De hecho el incremento inusitado de alguna de estas
frecuencias es lo que se conoce con el nombre de epidemia.
La estrategia para obtener informacin sobre las frecuencias de las
enfermedades surge de los sistemas de registros. Existen una gran
variedad de los mismos: registros mdicos, registros demogrficos,
especficos etc.
Las fases de un sistema de registro implican la recoleccin de los datos,
la tabulacin de los mismos y la presentacin de los informes
pertinentes (primera fase). La segunda fase implica el anlisis el que se
lleva a cabo a travs de la descripcin encontrada y la comparacin que
de ah se deriva. Con base en ello se proponen estrategias para
combatir lo encontrado.

La fuente de la informacin da pie a distintas clasificaciones de los

sistemas de vigilancia. Si la fuente de informacin se obtiene a travs
de registros no desarrollados por la epidemiologa, se denomina
vigilancia pasiva. Ejemplo es la deteccin a travs de estadsticas
demogrficas, obtenidas de fuentes distintas o no a la salud, en donde
no existe el criterio de bsqueda especifica de algo. Si por el contrario,
son las oficinas de epidemiologa las que a travs de sus sistemas de
registro buscan una informacin y ellas se encargan de recoger los
datos, se denominan vigilancia activa. Adicionalmente, los
epidemilogos pueden construir un sistema especfico para un problema,
lo que se denomina vigilancia epidemiolgica especializada.

En la actualidad numerosas instancias se ocupan de hacer seguimiento a la
informacin. Los comits de vigilancia epidemiolgica en las IPS
(Instituciones Prestadoras de Servicios de Salud) se encargan de ofrecer la
informacin pertinente a los organismos sanitarios pertinentes. Por ejemplo,
toda IPS de segundo nivel en adelante ha de tener un comit de infecciones. Su tarea
es analizar las frecuencias de infecciones presentes en el hospital. Pero no los que le
llegan a travs de los pacientes. Analizan las que surgen dentro del hospital. Por qu
es importante? Sin duda por las repercusiones en los pacientes (en caso de que se
contaminen, se desencadenan infecciones muy agresivas), pero adems, porque a
travs del trabajo de dicho comit se puede analizar el control establecido dentro del
hospital, siendo un INDICADOR de calidad en la atencin. La calidad es en este caso el
resultado de las acciones que protegen de infecciones nosocomiales a la poblacin que
hace uso de dicho hospital.
2.3.2. El arte de la prediccin
El objetivo de los sistemas de vigilancia epidemiolgica es predecir

(antes de que suceda), con base a la informacin y el anlisis, el
impacto de las enfermedades en la poblacin y proceder en
consecuencia. Para ello, y como estrategia, puede usar sistemas de
vigilancia intensificados Por ejemplo, deteccin de casos de rabia,
para as iniciar acciones conducentes a evitar la propagacin de un
episodio (brote). Cualquier centro que reciba un caso de persona
mordida por un canino ha de informar. Tambin puede usar la
deteccin de eventos trazadores que indican de manera indirecta la
probable aparicin de un problema. La deteccin de perros sin vacunas
siguiendo el ejemplo anterior, acta como evento trazador ya que
claramente expone el riesgo sin que se presenten los casos. Otra
estrategia son los observatorios epidemiolgicos, en donde uniendo
entidades (intersectoriales) se construyen sistemas de recoleccin de
informacin a travs de los cuales se puede detectar una problemtica
especfica. Por ejemplo, construir con los colegios y los centros de salud
un sistema de vigilancia de embarazos de adolescentes. Al hacerlo, se
puede actuar y as evitar que aparezcan otros casos.


La informacin es clave en la toma de decisiones. Existen algunas
enfermedades que sirven para mostrar distintos aspectos de la comunidad (y
sirven porque se emplean para comparar). Son entidades INDICADORAS o
TRAZADORAS. A travs de ellas se puede comparar. Por ejemplo, la mortalidad se
puede comparar por aos o luego de implementar polticas. Claro, los cambios de
mortalidad se toman tiempo. Los ingresos de urgencias o los ingresos hospitalarios
son fuentes de registros a travs de los cuales se puede obtener mucha informacin
para hacer anlisis. La forma como se presente la informacin es tambin clave. El
ejemplo del dibujo no es claro sin embargo, pretende mostrar unas grficas donde
se informa sobre el estado de unas condiciones de salud (en este caso
enfermedades)

2.3.3. Aporte de la epidemiologa a la salud comunitaria

La epidemiologa en s es comunitaria. Busca contribuir a solucionar
problemas del rea de la salud y del bienestar de la poblacin. Usa el
mtodo cientfico para enfrentarse a los problemas. Parte de
observaciones originadas, entre otros, por los cambios de ocurrencia de
las enfermedades y busca detectar qu ocasiona dichos patrones para, a
travs de ese conocimiento, proponer alternativas de intervenciones que
disminuyan las frecuencias. Para todo esto se mezcla con otros
conocimientos y lo hace de manera integral. Buscando facilitar el
entendimiento muchas veces los seres humanos separamos los
conocimientos, pero la realidad es una mezcla de saberes que, de
alguna manera, permiten entender el concepto de la complejidad de la
que hoy los epistemlogos tanto hablan.
Las sociedades humanas son cambiantes y con sus cambios se
enfrentan a nuevas situaciones, muchas de las cuales pueden tener
fuertes relaciones con la aparicin de enfermedades. Por ello el vigilar
los denominados indicadores de salud de la comunidad ha de estar
presente en cualquier sociedad. A travs de cambios en ellos se puede
detectar la aparicin de problemas. Un indicador es un dato que refleja
una situacin. La mortalidad infantil es un extraordinario indicador del
estado de salud de un pas que permite al ser revisado, ser comparado
con el de otros y as sacar conclusiones.

Un indicador es un dato a travs del cual se pueden deducir otras

condiciones. Por ejemplo, a travs del peso se puede deducir el
estado nutricional. En epidemiologa existen datos que permiten
interpretar el estado de salud de la comunidad.
ndice: indicio o seal de algo.
Ms adelante en el numeral 4.2 se ampliar el concepto de
indicadores de salud.
Una de las estrategias que ms se est usando en los enfoques de salud

pblica actual es la promocin de estilos de vida saludables, situacin
que forma parte de uno de los captulos donde la epidemiologa aporta
slidos conocimientos, como es la MEDICINA PREVENTIVA. Dicha
promocin junto con la reduccin de condiciones que favorecen la
aparicin de las enfermedades (por ejemplo, disminucin del consumo
de cigarrillo para evitar la aparicin de muchsimas enfermedades
claramente relacionadas) y acceso a servicios sanitarios, completan el
captulo. La vigilancia de las enfermedades constituye el segundo
captulo del gran aporte que la epidemiologa le hace a la comunidad.
Rey Calero sostiene que la estrategia actual de la medicina preventiva

se basa en tres aspectos:
1. Promocin de estilos de vida higinicos.

2. Reduccin de condiciones evitables.
3. Provisin adecuada de cuidados sanitarios accesibles a todos.
De ah la importancia de ensear a muy temprana edad qu son los

estilos saludables, buscando que se conviertan en hbitos. La educacin,
sin duda, es una estrategia vlida para ello. Reducir los riesgos
impuestos, por ejemplo los derivados del alcohol y del tabaco, es por
dems lo esperado. La legislacin sanitaria ayuda enormemente y para
que las leyes tengan posibilidad, la comunidad debe promoverlas a
travs de sus posturas. Y, por supuesto que la bsqueda de un servicio
sanitario equitativo y eficiente, es la gran ayuda para hacer efectiva la
visin de la medicina preventiva. El acceso y el enfoque resultan ac
particularmente determinantes.

Hoy como nunca, tenemos los conocimientos que permiten identificar qu

provoca enfermedades y qu produce salud. Sin embargo, y ah una vez
ms est la paradoja del ser humano, permitimos la promocin masiva de
productos que desencadenan enfermedades. Por qu? Sencillamente
porque esos productos provocan el muy mal denominado desarrollo econmico, donde
se nos hace creer que el ser humano se beneficia ms de la produccin que del dao
que provoca lo que produce. Ac los conflictos de inters entre la ambicin personal y
el bien comn se enfrentan y en un inmenso nmero de casos, la ambicin personal
usando la corrupcin, se impone. Por ejemplo, las tabacaleras quieren hacer creer que
fumar o no, es una decisin individual y que se debe permitir a las personas tomar esa
decisin. Pero, ellas a travs de la nicotina del tabaco, crean adictos, lo que hace que
la libertad de escoger se pierda por la adiccin que obliga. El punto que se quiere
promover es que existe un deformante (y manipulado) uso de la LIBERTAD de escoger.

2.3.3.1. La estrategia de la identificacin

Para poder solucionar un problema, primero se debe reconocer. Esta
frase lleva implcita una verdad poderosa. Es ms probable solucionar lo
que se reconoce. Por ello la epidemiologa aplicada a la salud pblica se
esfuerza por tener un apropiado sistema de informacin a travs del
cual pueda detectar (reconocer) problemas o potenciales problemas.
Para ello utiliza los registros. Un registro es un sistema de recoleccin de
informacin. El registro se llena con los datos. Con base en los registros
se presentan los informes que son consolidados de stos a veces con un
anlisis (interpretacin de esos resultados). Existe una gran cantidad de
registros. Solo por mencionar algunos estn los de morbilidad (por
ejemplo, los RIPS), estn los de mortalidad (certificados de defuncin) y
claro, estn los registros demogrficos o vitales (nacimientos, etc.). Lo
cierto es que a travs de los registros, se puede identificar, observando
las frecuencias, cmo es el estado de salud de una comunidad. Esto
ofrece el referente necesario para poder establecer modelos de
vigilancia o de evaluacin de intervenciones.
El personal de salud ha de comprender la inmensa responsabilidad que le atae en

torno a los registros. El llenarlos de manera completa y veraz (vlida) es esencial para
la construccin de la informacin con base a la cual se tomarn las decisiones. Por
ejemplo, al llenar los RIPS. A travs de ellos se alimenta el sistema de informacin de
la Seguridad Social. Si se llenan mal los cdigos de enfermedades, entonces el perfil
mrbido con base en el cual se hacen los anlisis ser falso y, a partir de ah, todas las
decisiones que se tomen con base a dicha informacin. Lo propio se puede decir de los
certificados de defuncin. Con base en ellos se construye la mortalidad del pas.
Llenarlos de manera veraz es vital para el sistema de informacin. Claro, no siempre
ello es posible. En Colombia muchos certificados se llenan de manera presuntiva (no
son los patlogos luego de las autopsias, o en su defecto, los mdicos tratantes
quienes los llenan). Ello quiere decir que no se tiene la certeza que debe tener un buen
sistema de informacin.

2.3.3.2. Para decidir
Con la informacin, se debe pasar a hacer un anlisis de la misma.

Analizar es comparar tomando referentes. As mismo, se pueden
detectar problemas. Por ejemplo, la aparicin de epidemias. El resultado
del anlisis es llegar a la toma de decisiones. Una decisin es una accin
propuesta, que se hace con base a una informacin y que debe
solucionar una situacin que lo amerita. Por supuesto que si la
informacin es veraz, las posibilidades de xito de las decisiones al ser
ejecutadas son mayores. Para decidir, se han de tener en cuenta
diversos elementos. Las decisiones como tales son tericas (son
probables respuestas no probadas) y se espera que como resultado de
su aplicacin, el beneficio supere los daos probables. Cuando surgen
las decisiones se tienen en cuenta diversos componentes, entre los que
est el uso de los recursos.
2.3.3.3. Para organizar
El resultado de las decisiones tiene como consecuencia la organizacin

de los recursos disponibles para enfrentar los problemas. La
organizacin de los recursos destinados a la salud da pie a la
administracin sanitaria. Dicha administracin no es otra cosa que la
forma como se manejan los recursos para dispensar salud a la
comunidad. El medir los resultados se convierte en un importante
eslabn de la epidemiologa y de la salud pblica. Trminos empleados
bajo este entorno son costo/eficiencia, anlisis de coste/beneficio,
efectividad.


En una muy hermosa discusin en el texto El desafi de la epidemiologa el
Doctor Milton Terris expone que la orientacin de los servicios de salud ha de
estar en manos de la epidemiologa. Esta disciplina a travs de sus mtodos y
sus medidas tiene la capacidad de poder evaluar los resultados de las
decisiones tomadas en torno a la salud y la enfermedad. Plantea que la medicina est
basada en la terapia y que la administracin solo mira recursos y solo la epidemiologa
trata de entenderlo todo. Por ejemplo, si se quiere medir la calidad de los servicios de
salud, las actividades indicadoras han de ser la morbimortalidad. Los administradores
pueden escoger percepcin del paciente y los financieros costos del sistema,
componentes que sin duda ven, pero, solo la morbimortalidad puede ofrecer una medida
integral. Y dicha medida es trabajada por la epidemiologa.
Por otro lado, no existe duda que las investigaciones administrativas son un buen reflejo
de cmo el mtodo epidemiolgico puede aportar. Las investigaciones de procesos o los
estudios de costos son un buen ejemplo.

2.4 Hacia dnde va la epidemiologa. Mirando la

evidencia de la utilidad
Es indudable el inmenso aporte que ha hecho la epidemiologa a la
humanidad. Su capacidad de organizar el pensamiento para enfrentar
los problemas de salud de la poblacin ha mostrado su efectividad a lo
largo de la historia. En ello la bsqueda de las causas sin duda ha sido
muy importante.
La epidemiologa ha utilizado los recursos intelectuales de cada poca de

manera por dems interesante. A comienzos del siglo XX tom la teora
microbiolgica (o bacteriolgica) y la aplic con fuerza a sus mtodos,
proponiendo acciones trascendentales que en su momento tuvieron
implicaciones formidables en la lucha del hombre contra la enfermedad.
El enfoque causal fue ah indispensable y el pensamiento de los factores
determinantes de la enfermedad permiti, entre otros desarrollos, la
construccin de medidas teraputicas especficas. El mejor ejemplo es el
desarrollo de los antibiticos en la lucha contra las enfermedades. Pero
la realidad ha mostrado que con ellos, la humanidad est lejos de vencer
a las infecciones. Muchos otros factores intervienen, factores que
pueden tener una repercusin distinta de acuerdo a cada circunstancia
en torno a la responsabilidad de la enfermedad (red causal). Por ello ha
surgido el modelo conocido como la caja negra que expresa que
prcticamente es imposible identificar todos los factores que pueden
intervenir en la aparicin de las enfermedades y, por ende, el esfuerzo

de la epidemiologa debe limitarse a la bsqueda de aquellos en donde

la intervencin puede romper la cadena causal de manera efectiva.
Pero esta evidente ganancia no es tan real. Al fin de cuentas sin
entender en su totalidad muchas veces no ha sido posible detectar
cules son esos componentes claves. Lo cierto es que ms de una vez la
epidemiologa ha tomado el camino de buscar una inmensidad de
factores causales (factores de riesgo) de la enfermedad sin poder influir
en el desarrollo de la misma, que en esencia es lo que se busca. Como
si fuera poco, la epidemiologa se enfrenta a un serio interrogante: los
determinantes de la enfermedad de la poblacin son el resultado de los
determinantes individuales? Algunos autores, y con razones, creen que
no (el todo es diferente a la suma de las partes). Todas estas dudas
han permitido que surjan distintas e interesantes posturas. Por ejemplo,
ha resurgido la postura de que en la aparicin de la enfermedad
poblacional, las condiciones socioeconmicas determinadas por el
desarrollo poltico se convierten en factores dominantes (medicina
social).
La influencia de las condiciones sociales es ms que evidente en la salud del ser humano.
Desde el siglo XVII numerosos autores sealan la clara relacin entre condiciones de
miseria y enfermedades. Con ellos la visin de la salud pblica hace su aparicin. Cmo
combatir dichas condiciones? Dichas condiciones se desarrollan de acuerdo a los modelos
polticos que dan pie a los modelos econmicos. Unos modelos sostienen que el bienestar
se alcanza a travs del desarrollo econmico privado, otros que se logra a travs de una
fuerte presencia Estatal. Lo indudable es que la salud de la comunidad se ve influenciada
poderosamente a travs de cualquiera de estas posturas, pues de acuerdo al dominio de
una u otra postura se desarrollan los modelos sanitarios de cada pas.

Lo cierto es que con los cambios de los perfiles de las enfermedades en

la colectividad, cambian las posturas del pensamiento epidemiolgico.
Por ello, hoy se menciona que una parte (grande) de la humanidad
empieza a padecer con intensidad (mayores frecuencias) de las
enfermedades crnicas donde la triada ecolgica est siendo sometida a
un nuevo enfoque. A manera de ejemplo, cunto de la hipertensin es
debida a la carga gentica y cunto a los estilos de vida?
Hoy se habla de la transicin epidemiolgica en torno a las

enfermedades. Las infecciones que fueron hasta el siglo XX el azote de
la humanidad (por su frecuencia) estn siendo superadas por las
denominadas enfermedades crnicas. El cncer, las enfermedades
cardiocerebrovasculares o las enfermedades respiratorias crnicas junto
con la diabetes, ocupan el primer lugar en frecuencia en una poblacin
que increment su esperanza de vida (ms personas mayores de 60 aos). Todo esto,
implica que se debern disear nuevos modelos de atencin

2.4.1. Una mencin de xitos y limitaciones
La epidemiologa ha mostrado significativos xitos a lo largo de la

historia, xitos que muestran el inmenso poder de la capacidad
intelectual para identificar elementos en torno a las enfermedades de la
poblacin. Esos xitos se disminuyen cuando se mide el resultado de
dichos pensamientos en la humanidad. Para expresar el punto obsrvese
el caso del SIDA.
CON
SIDA
Desde su deteccin hacia 1980 hasta la certeza de su origen en 1984, la epidemiologa

orient el enfoque hacia la sospecha de una enfermedad infecciosa. Estudios de casos y
controles dirigidos por el CDC de Atlanta fueron los primeros en relacionar la promiscuidad
como un factor de riesgo.
No existe duda del importante avance que se hizo acerca de esta

enfermedad con base en los anlisis epidemiolgicos. Antes de haber
identificado el virus responsable, ya se disponan de medidas de salud
pblica derivadas del uso de la epidemiologa que, sin duda si se aplican,
pueden dar como resultado el control de la pandemia. Pero, y por ello el
xito es relativo, si no se aplican como se debera! Existen unas
desigualdades sociales que hacen que el trabajo epidemiolgico se
convierta en ms teora que realidad. Una muestra de esto son los
pobres resultados en los proyectos preventivos y el hecho que en la
actualidad (2007) tan solo dos pacientes de cada 1000 en el mundo,
reciban el manejo de antirretrovirales para controlar el SIDA.


Es como si el lema fuera: si lo paga, lo tiene absurdo postulado ya que la
poblacin que padece la enfermedad es en general pobre. Pero si no se
controla la enfermedad en dicha poblacin, la propagacin persistir. Ser
que si los que tienen les financian el tratamiento a los que no tienen, el
problema disminuye? La respuesta hipottica es que s. Pero, es ms, al hacerlo la
humanidad gana. Un ejemplo, que permite plantearlo es el caso de la viruela.

En contraste, y como xito maysculo de la epidemiologa en

combinacin con la salud pblica, est la erradicacin de la viruela.
El compromiso poltico universal junto con el pensamiento

epidemiolgico provoc la desaparicin de esta enfermedad. De hecho,
una inversin en su momento de $ 200 millones de dlares, determin
un ahorro de ms de $ 1.500 millones de dlares de los pases ricos
derivado al no requerir ms de la vacuna.
Otro xito ha sido el ver la relacin entre pobreza y fiebre reumtica.

Claro, en este caso, las relaciones son ms complejas que las
derivadas de la intoxicacin por metilmercurio, pero no menos
importantes. Ac los factores sociales y econmicos (pobreza) resultan
ser precipitantes de la propagacin del estreptococo. El control de dichas condiciones
de pobreza determin un control de esta entidad. Sin duda, el anlisis de estas
relaciones ha sido esencial en el surgimiento del concepto de los determinantes
sociales de la salud.
La epidemiologa ha contribuida a que se comprenda que lo que se hace

en un sitio repercute en otro. Por ejemplo, en los 50, una fbrica en
Minamata (Japn) verta residuos de mercurio en la baha. El
metilmercurio se acumul en los peces y se desencaden un

envenenamiento en las personas que coman estos peces. En un

comienzo, la sospecha fue hacia una meningitis, pero cuando se
descubri que 121 pacientes residan en la baha de Minamata (se
encontr una relacin orientadora de causalidad), el esfuerzo se orient
a analizar qu factor en comn se poda encontrar. La deteccin de que
todos eran pescadores dio la bsqueda determinante hacia el origen de
la enfermedad. Este trabajo es un hito que hace comprender la salud
ambiental.
Cunto en la gnesis del cncer tendr que ver con el contacto de tanto producto
qumico al que la humanidad se expone? Los colorantes usados para volver ms
apetecibles los alimentos, los fertilizantes, los residuos, son apenas algunos de los
elementos en torno a los cuales se orientan la investigacin epidemiolgica en su
bsqueda de la causalidad.

As mismo, se debe reconocer que existan algunos casos en donde la

epidemiologa no ha logrado demostrar sus sospechas. Por ejemplo,
existe evidencia cientfica del dao de los pesticidas para la vida
(sospecha de dao ambiental) y, sin embargo, los modelos
epidemiolgicos no han podido demostrar que la exposicin de los seres
humanos (y otros seres vivientes) en las dosis no txicas es daina; por
ello se permite su uso. Ser que las medidas usadas no son las
adecuadas?... O ser que falta ms tiempo para que aparezca el
dao?... esas son preguntas que muestran cmo a la epidemiologa
aplicada que se usa le falta!
Ser que los referentes que se utilizan (medidas) no pueden detectar

todo lo que se busca? Por ejemplo, desde hace ms de 20 aos existe
una fuerte sospecha en torno a la relacin entre cncer de crvix e
infeccin viral. En primera instancia la sospecha recay sobre el herpes
virus tipo II. En aquellos momentos no se poda detectar (medir) el
papiloma virus. Cuando la tecnologa permiti dicha medida, la sorpresa
fue determinar la muy fuerte relacin entre este virus y el mencionado
cncer. O tal vez que la caja negra permanece cerrada en numerosos
reas. Carol Buck es mencionada al plantear que una de las limitaciones
de la epidemiologa es el exceso que se le da al mtodo. Plantea que la
realidad no es experimental sino cuasiexperimental y, por tanto, esos
son los mtodos ms validos que se han de utilizar.

An con esas limitaciones el aporte de la epidemiologa es innegable.

Hoy como nunca, la humanidad sabe qu se debe hacer en numerosas
reas. En salud se sabe que se ha de prohibir el abuso del cigarrillo o del
alcohol o la proliferacin de ciertas dietas (comidas rpidas). Las
repercusiones deletreas en la salud estn ms que demostradas
gracias a la epidemiologa. Sin embargo, no se hace! (al menos no con
el vigor correspondiente). Entre las explicaciones que se pueden
mencionar est el poder econmico de los productores de aquellos
elementos, que usan su poder para promover sus productos.
Existe un problema entre el hacer y el deber hacer. La paradoja de la humanidad es que, a

pesar de saber que algo nos provoca dao, lo seguimos haciendo. Por qu? Si bien la
epidemiologa identifica el dao, sern de seguro las ciencias humanas las que nos
explicarn por qu lo seguimos haciendo. Ambicin y poder! muy seguramente son
componentes a analizar.
Interesante, por ejemplo, es ver el papel de la epidemiologa en torno a

las fracturas de cadera. La epidemiologa detect la evidente relacin
entre fracturas de cadera y cadas en personas ancianas. Ha mostrado la
relacin entre la edad y ha propuesto de descalcificacin como un factor
importante. Ha analizado cmo se produce. Y desde ya, est planteado
que se nos avecina como una gran epidemia, a la cual se le deber dar
un enfoque integral Por qu? Sencillamente porque el ser humano
est viviendo cada vez ms. En su enfrentamiento, se debern buscar
acciones preventivas (uso de estrgenos, por ejemplo) acciones de

promocin de estilo de vida para ancianos (viviendas dispuestas de

cierta forma) y clculos de costos de servicios de salud para enfrentar el
problema.
De todo esto lo que resulta particularmente importante es que todos

aquellos que trabajan en salud han de tener en cuenta el valor del
pensamiento epidemiolgico (y que tambin son sus herramientas), el
cual puede sintetizarse en tres puntos:
1. Describir lo que ve
2. Compararlo y analizarlo
3. Tomar acciones (intervenir) en pro del beneficio del ser humano y
del mundo que lo rodea.
Todo lo anterior a travs de la bsqueda de evidencia.

Usos de la epidemiologa
Casi a manera de conclusin se puede afirmar que la epidemiologa sirve

(se usa) para:
Estudiar la etiologa de la enfermedad

Ser aplicada para ofrecer salud a la poblacin
Valorar las intervenciones.
BUSQUEDA DE RELACIONES
CAUSALES
ESTUDIO
DE LA ETIOLOGIA
HISTORIA NATURAL DE
LAS ENFERMEDADES
ANALISIS DE
POBLACION
APLICACIN PARA
USOS DE LA
LA SALUD
EPIDEMIOLOGA PUBLICA
SERVICIOS DE
SALUD
TERAPEUTICAS
ANALISIS DE LAS
INTERVENCIONES
PREVENTIVAS

Captulo 3
Las ayudas en la
Epidemiologa: La
Investigacin
3.1. El raciocinio cientfico. La base ............................................................. 107
3.2. Los paradigmas de la investigacin....................................................... 111
3.2.1. Concepto de sesgos ................................................................................. 114
3.3. Las fases de la investigacin ................................................................ 118
FASE UNO: PLANTEAMIENTO DEL PROBLEMA .................................................... 121
1.1.Paso 1: Seleccin del tema ..................................................................... 121
1.2. Paso 2: Revisin bibliogrfica ................................................................. 122
1.2.1. Cmo se revisa un artculo ...................................................................... 124
1.3.Paso 3: Especificacin del problema o de la pregunta de investigacin ......... 128
1.4.Paso 4: Identificar las probables respuestas (las hiptesis) ......................... 130
1.4.1. Algo ms sobre las hiptesis de investigacin ......................................... 134
1.4.2. Las hiptesis estadsticas......................................................................... 137
1.5. Paso 5: Pertinencia de contestar la pregunta de investigacin (o importancia
de la respuesta de la pregunta) ............................................................... 139
1.6. Paso 6. Construccin de un marco terico ............................................... 141
1.6.1. Definicin de los componentes del problema: ......................................... 142

1.6.2. Qu respuestas se conocen a la pregunta ............................................... 143

1.6.3. Cmo la han contestado en otros estudios (diseos empleados, variables
y manejo estadstico) .................................................................................. 144
1.6.4.Recopilacin del marco terico (qu debe decir una tesis) ....................... 148
FASE DOS: DISEO Y PLANEACIN (PLAN PARA CONTESTAR LA PREGUNTA) ..... 154
2. Paso 7. Seleccin del diseo que se emplear ............................................... 154
2.1. Diseos cuantitativos .................................................................................. 156
2.1.1. Intervencionales o experimentales .......................................................... 158
2.1.2. Observacionales....................................................................................... 162
2.2.Diseos cualitativos ..................................................................................... 170
2.3.Investigacin multi-mtodo ......................................................................... 171
2.4. Paso 8. Seleccin de la poblacin .............................................................. 172
2.4.1.Acceso a la poblacin ................................................................................ 173
2.4.1.1.Criterios de inclusin ............................................................................. 173
2.4.2. Cumplimiento de principios ticos ........................................................... 176
2.5. Muestras (de poblacin) ............................................................................. 178
2.5.1. Muestras representativas ....................................................................... 178
2.5.2. Muestras por conveniencia: ..................................................................... 180
2.6. Paso 9. Seleccin de las variables (instrumentos a emplear) ..................... 182
2.7. Sesgos ........................................................................................................ 187
2.7.1. Atributos de una medida ......................................................................... 189
2.8. Paso 10. Manejo estadstico de las variables .............................................. 190
2.8.1. Base de datos .......................................................................................... 190
2.8.2. Paso 11. Construccin del formulario ...................................................... 192
2.9.Paso 12. Plan para el trabajo de campo ...................................................... 194
2.9.1.Descripcin de las actividades .................................................................. 195
Consecucin de la poblacin .............................................................................. 195
Trabajo de campo .............................................................................................. 197
Anlisis de la informacin................................................................................... 199
Presentacin de la investigacin ........................................................................ 200
2.9.2. Recursos que se necesitan para cumplir con las actividades ................... 202
2.10. Paso 12. El protocolo de investigacin ...................................................... 204
FASE TRES: TRABAJO DE CAMPO ..................................................................... 208
3. Paso 14. Recoleccin de la informacin ......................................................... 208
3.1. Cmo se accedi a la poblacin .................................................................. 208
3.2. Cmo se recogi la informacin .................................................................. 208
FASE CUATRO: ANLISIS DE DATOS ................................................................ 209
4. Paso 15. Registro de informacin recogida en la base de datos .................... 209
4.1. Paso 16. Procesamiento la informacin ...................................................... 210
FASE CINCO: DIVULGACIN DE LA INVESTIGACIN .......................................... 212
5. Paso 17. Publicacin de la investigacin ........................................................ 212
5.1. Cmo escribir un artculo ............................................................................ 212
5.2. Paso 18. Presentacin de la investigacin .................................................. 215

CAPTULO 3. LAS AYUDAS EN LA

EPIDEMIOLOGA: LA INVESTIGACIN
La principal ayuda que usa la epidemiologa es la investigacin. De

hecho, es difcil separarlas. Investigar es el trmino que define la
construccin del conocimiento. Otra manera de entenderla es como la
forma a travs de la cual, el ser humano resuelve sus problemas. En el
rea de la salud la investigacin se convierte es una de las principales
estrategias para combatir la enfermedad, para consolar al ser humano,
para tomar decisiones.
Investigar, es de manera simple, resolver problemas. Las dudas que

surgen de los procesos de salud y enfermedad en la poblacin son la razn de
existir de la epidemiologa y la forma como las resuelve es la investigacin.

3.1. El raciocinio cientfico. La base
Razonar es pensar. Pensar es enfrentarse a problemas y resolverlos. Un

problema, es en s, una pregunta que amerita ser contestada. Resolver
preguntas es investigar. La epidemiologa busca resolver problemas de
salud y enfermedad en la poblacin, por ende, busca investigar en estos
aspectos (salud, enfermedad y poblacin). La base de la investigacin
epidemiolgica es el raciocinio cientfico. Con ello se quiere decir que se
usa la coherencia (relacin entre las partes) y el raciocinio lgico, donde
la experiencia, las facultades intelectuales y la forma de pensar se
integran. Parte de un pensamiento inductivo (la mayora de las veces),
donde se busca establecer generalizaciones de lo particular o deductivo
donde de lo general se busca aplicar a lo particular. Ambas maneras son
tiles, pero as mismo, tienen limitaciones establecidas por la
coherencia, por la verificacin.
El raciocinio cientfico deriva su nombre del uso del mtodo cientfico.

Como tal, el mtodo exige que se cumplan siempre unos pasos
destinados a plantear la solucin de un problema. Lo primero es que se
debe plantear de manera adecuada el problema. Luego describir al
mximo los componentes del problema. De ah deben surgir las
probables respuestas al problema (hipotticas). Se escoger de las
alternativas una (la ms coherente) y se aplicar. Finalmente se debe
verificar si con la respuesta escogida ciertamente se resolvi o no el
problema. Si es lo primero, entonces se ha conseguido un referente para
enfrentar el problema una prxima vez. Si por el contrario no se
resolvi, entonces ya se sabe que esa alternativa no es la respuesta y se
debe escoger otra de las planteadas.

Deducir: Extraer del principio general consecuencias particulares. En

investigacin es trasladar a un individuo lo que se ha encontrado en la
poblacin.
Inducir: Extraer, a partir de determinadas observaciones o experiencias

particulares, el principio general que en ellas est implcito. En investigacin es
trasladar a una poblacin lo que se encontr en una muestra de individuos.

El raciocinio cientfico exige combatir con particular cuidado los sesgos o

errores en sus diseos (de sus investigaciones) buscando con ello
aproximarse al mximo a la realidad. Al fin de cuentas el anhelo de las
investigaciones es el poder predecir o, lo que es lo mismo, proyectar a
una gran poblacin los resultados obtenidos de una muestra. Por ello, el
particular inters en combatir los sesgos o errores en las
investigaciones. Ellos son la distancia que existe entre la realidad y los
resultados y si una pregunta es contestada siguiendo un diseo que se
distancia de la realidad, entonces el resultado no podr aplicarse al resto
de la poblacin (se malogra la prediccin).
En s, las grandes reas de la investigacin en salud y, por tanto, de la

epidemiologa abarcan:

I. La identificacin de fenmenos o sucesos parte de la importancia

de reconocer lo que nos provoca dao (la enfermedad), para
poderlo combatir (nadie combate lo que no conoce). Para esta
parte saber lo que es normal y lo que no, es indispensable.
II. La descripcin de algn suceso. Ac se buscan criterios lgicos y
entendibles que permitan conocer (o identificar), por ejemplo, a la
enfermedad.
III. La bsqueda de relaciones de algn fenmeno o suceso. Bajo
este parmetro se buscan asociaciones que permitan explicar la
aparicin del suceso (enfermedad). Como tal es una bsqueda
hacia la causa y hacia intervenciones que promuevan que no
aparezca (enfermedad) o que aparezca (factores protectores)
situaciones pro salud. Claro esto se hace comparando.
IV. La bsqueda de explicaciones de lo estudiado. Pretende
incrementar el conocimiento del fenmeno a travs de relaciones,
persiguiendo como objetivo mximo la bsqueda de las
asociaciones a travs de las cuales se pueda controlar el
fenmeno.
V. Las Intervenciones o acciones donde se somete a una poblacin
a una variable puesta por el investigador (llmese medicamento o
vacuna, por ejemplo) la cual ha de provocar un beneficio en la
poblacin que la recibe (se cura, se mejora o evita que aparezca la
enfermedad).
La visin de las investigaciones epidemiolgicas es la prediccin.
Predecir es poder controlar (que dependa de uno) el que aparezca o no
un fenmeno. En el caso de la epidemiologa la mxima prediccin
radica en evitar el desenlace de una enfermedad Por ejemplo, a travs
de un tratamiento o lo que sera mejor, evitar la aparicin de la
enfermedad a travs de una serie de acciones.

La historia del SIDA es un buen ejemplo: ante la muerte de una persona
joven por una enfermedad rara, un doctor se inquiet y empez a buscar
casos similares en otras partes; al hacerlo, identific una nueva
enfermedad. Con base a tal identificacin, empezaron a describirla siguiendo
criterios descriptores (historia natural, por ejemplo) y se dieron cuenta que era una
entidad verdaderamente grave (mortal). Entonces empezaron a buscar relaciones
(comparar). En primera instancia, los homosexuales se convirtieron en la poblacin
objeto de la mayora de los estudios, sencillamente porque eran las personas a las que
ms les daba. A travs de estudios de casos y controles (buscando relaciones)
detectaron que se comportaba igual que una ETS. Ello les permiti dar explicaciones
hipotticas, con lo que todos los estudios se dirigieron hacia las infecciones, lo que
determin el descubrimiento del virus. Identificadas las caractersticas del virus el
siguiente paso fue buscar cmo combatirlo, desarrollando los antirretrovirales. Ya con
ellos, lo siguiente es hacer pruebas de medicamentos que buscan evitar la muerte de
los enfermos. Al drselo a un enfermo predecimos que no morir (mortalidad) e
incluso, que mejorar (morbilidad)

3.2. Los paradigmas de la investigacin
Un paradigma es una forma de cmo los seres humanos ven el mundo

(cmo se les ensea que vean). La investigacin se ha desarrollado bajo
dos paradigmas: el positivista impuesto y basado bajo los pasos del
mtodo cientfico y el naturalista o fenomenolgico o
constructivista. De hecho, uno y otro paradigma han desarrollado una
serie de diseos (forma como se investiga) para el desarrollo de la
investigacin. El positivismo, los diseos cuantitativos y el
constructivista, los mtodos cualitativos. En el positivismo, el
investigador busca por sobre todo entender y explicar la realidad
partiendo que ella es independiente del observador (es objetiva). Cree
profundamente en el determinismo que plantea que todo sucede por
razones y no de manera fortuita y la bsqueda de esas razones es su
objeto, ya que el comprenderlas se podr predecir. Adems, procuran
aislar al observador de lo observado, buscando que influya lo menos
posible sobre lo estudiado.
El naturalista (o complejo) parte de asumir que no existe el
determinismo. Que la realidad es cambiante y que depende de los
individuos, por ende, todo es relativo. Por ello, y de acuerdo a cada
modelo, la investigacin se efecta partiendo de unos diseos de
acuerdo a la forma de ver el mundo.

Y ante esto cul es el modelo que tiene la verdad? o cul asemeja

mejor la realidad? Eso es algo que cada uno contestar, pero para
aquellos que queremos ayudar al ser humano, el entender se convierte en
algo por encima del juzgar, porque ese es el primer paso para poder ayudar.
Lo cierto y, verdaderamente til, es que combinando estas dos formas de ver al

mundo a travs de sus mtodos (diseos), la investigacin se enriquece y, sin
duda, se acerca ms a su importante misin como es ayudar al ser humano.
Un paradigma es un modelo, y un modelo es una forma de hacer o

pensar. Bajo el contexto, un paradigma es una forma de pensar usada por
una parte de la humanidad. Cada momento de la historia de la humanidad
ha tenido un paradigma dominante. En la salud y en la enfermedad la
forma de pensar estuvo poderosamente influenciada en la antigedad por
Hipcrates y Galeno. Las analogas en buen parte eran la esencia de la
forma de pensar. En la poca moderna se introduce el pensamiento
anatomoclnico (donde, y a travs de las autopsias, se empieza a construir
el raciocinio mdico), etiopatognico y fisiolgico (donde la bsqueda de las causas y el
entender lo que se daa son el origen de las explicaciones mdicas). Hoy se est ante el
positivismo y el constructivismo. Por supuesto, que cada pensamiento toma de los previos
elementos que contribuyen en sus planteamientos. Obviamente los cambios de los
paradigmas ocasionan crisis (enfrentamientos entre lo nuevo y lo previo). En los
momentos de crisis se enfrentan aquellos tradicionales con los innovadores. La historia
muestra cmo la primera generacin de innovadores habitualmente es sacrificada. El
cambio no es fcil de aceptar. Tan solo las generaciones siguientes de innovadores ven el
cambio con sus consecuencias.

En torno al paradigma positivista, el uso del mtodo cientfico es

prioritario. Se parte de un problema bien planteado, donde el caso
particular no es lo importante sino ms bien lo general (de hecho busca
obtener premisas generalizables). Pretende ser sistemtico, queriendo
decir con ello que intenta abarca un todo y para ello cumple con una
serie de pasos (metdico). Busca controlar variables ajenas a la
pregunta de investigacin imponiendo condiciones que disminuyen los
sesgos incrementando as la validez y la precisin. Usa como punto de
partida a la realidad, capturada bajo distintas formas (pruebas
empricas). Se exige, en lo posible, utilizar medidas de referencia
objetivas (que puedan ser repetidas). Este modelo, tambin denominado
biomdico, ha provocada inmensos avances en torno a la salud del ser
humano. Se enfrenta como debilidad a cuestiones ticas y morales
importantes que alteran el diseo propuesto y, claro, la debilidad
derivada de tener que usar medidas no objetivas en algunas de sus
preguntas (por ejemplo, las percepciones).
Cuando los experimentos demostraron el potencial beneficio de los antirretrovirales en los

pacientes con SIDA, se pas a la fase de prueba en poblaciones. Ello implic suministrarles
a unos pacientes los antirretrovirales y no suministrrselos a otros, ello, sabiendo que lo
esperado era que aquellos que NO los recibieran moriran. Ciertamente ac existe un
dilema tico verdad?

Con la investigacin naturalista (paradigma constructivista) se

pretende abordar la realidad con su complejidad. Parte de la premisa
que la realidad no est determinada sino que se construye con cada
caso, con cada vivencia. Procura con sus diseos ser integradora y no
reduccionista con lo que increpa a los positivistas. Por lo cual, usan
diseos flexibles y cambiantes, buscando ms explicaciones generales
que ayuden a entender que modelos de prediccin. Como debilidad se
menciona el carcter dominantemente subjetivo de sus diseos.
El positivismo expresa que se debe investigar usando variables objetivas

pues de no hacerlo, la validez es cuestionada. Por ejemplo, cuestiona el
uso de algunas variables tales como las percepciones para mediar
efectos de un tratamiento. La percepcin de sentirse bien cuando se usa
una medicacin en el control de la diabetes, no es una buena medida pues vara: hoy
se siente de una forma y maana de otra y son tantos los factores que intervienen
que es difcil atriburselo al medicamento. Por ende, se busca una variable objetiva y
directamente implicada, tal como la cifra de glicemia (por ejemplo). Claro ac el
debate es duro pues el pensamiento complejo que desarrolla el constructivismo dice
que la realidad es ms parecida a las percepciones que a esa variable (en el
ejemplo), es decir, que siempre existen muchsimas relaciones que cambian o
influyen en lo que uno mide, a tal punto que no vale la pena ser tan rigurosos como
en el positivismo al momento de hacer los diseos de investigaciones.
3.2.1. Concepto de sesgos
Independiente de los paradigmas, ambos modelos buscan entender y

aprender, usan o parten de lo que existe en el mundo y pretenden
beneficiar al ser humano. Adems, un diseo u otro tienen algn grado
de error. El error o sesgo es la distancia que existe entre la
investigacin y sus resultados con la realidad.

En una investigacin existen dos grandes tipos de errores: los

SISTEMTICOS o propios del investigador y los ALEATORIOS o
propios de la investigacin. Los sistemticos ocurren:
1. O bien por errores en el proceso de recoleccin de informacin
2. O por una mala seleccin de la poblacin objeto de la investigacin
3. O por un error en la interpretacin de un resultado.
Por ejemplo, si se hace una encuesta y la persona responde sin decir la
verdad (SESGO DE INFORMACIN) o se va a probar un medicamento
en una enfermedad mortal y se usan para comparar una poblacin en
mejor condicin (de salud) que la otra (SESGO DE SELECCIN) o si
ante un resultado se da una interpretacin equivocada (SESGO DE
CONFUSIN).

Por ejemplo, en las encuestas de sexualidad practicadas sobre poblacin
adolescente se deben proponer diversos mecanismos para evitar que
respondan mentiras (sesgo de informacin). Que los profesores no estn
presentes o que las encuestas sean annimas, son algunos. Un caso de sesgo
de seleccin es si se va a probar un medicamento y se les da a pacientes menos
enfermos en tanto que a los ms enfermos se les da el placebo. Resultar muy posible
que existan ms mejoras en los que reciben el medicamento, cierto?... pero, ese
resultado est sesgado, no pudindose afirmar si la mejora es porque estaban menos
enfermos o atriburselo al medicamento. Y finalmente, y como muestra de un sesgo de
confusin (que es un resultado), se menciona la fuerte relacin entre cncer del
pulmn y tener los dedos amarillos. La relacin es de confusin pues es por fumar que
los dedos se ponen amarillos (impregnacin nicotnica) y, por consiguiente, la relacin
es entre el cigarrillo y el cncer y no entre los dedos amarillos y el cncer.

La epidemiologa est por completo alineada al paradigma positivista y

por ende, al uso del raciocinio cientfico y como consecuencia derivada
de los diseos (forma de contestar las preguntas de investigacin)
cuantitativos.
MEDIDA MEDIDAS
DE LA REALIDAD USADAS
Si se supone que la realidad es dar en el centro, la validez de algo est dada por la
cercana que se est del centro. Entre ms distante, ms error o sesgo. Y si lo que mido
siempre me da en un mismo punto lejos del centro entonces estoy ante un error
sistemtico.
Claro una buena medida es aquella que al ser usada expresa la

realidad (validez). Una medida confiable es aquella que al repetirse da
en el mismo sitio. Una medida exacta es la que es vlida y confiable y,
por tanto, es el sueo de las medidas.
Si lo que quiero medir es el tamao de una persona puedo usar como medida cmo le
parece a otros: ms alto, igual o menos. Esta medida depende de quien la responda (no
es confiable). En cambio si usa la altura en centmetros el dato es confiable, ya que
siempre que lo vuelva a medir, me dar el mismo dato en centmetros y real (vlido) ya
que eso es lo que mide, por consiguiente, se est usando una medida exacta. Obviamente
saber cul es mejor para una investigacin se cae de su peso cierto?
Las medidas pueden llamarse en algunos casos ESCALAS que son un

conjunto de variables unidas y que se interpretan de acuerdo a los datos
obtenidos de cada variable y sumadas todas. Tienen un uso particular en
las detecciones de riesgo. Por ejemplo, la escala de Framingham usa
diversas variables (edad, niveles de lpidos, glicemia, etc.) para que con
base en los datos obtenidos (respuesta de cada variable) se pueda
identificar el riesgo de que suceda un infarto en determinado tiempo.
Una escala perceptiva es el test de APGAR familiar (Apoyo,

Participacin, Ganancias, Afecto, Recursos) en donde a travs de cinco

preguntas que pueden ser contestadas con unos datos, se mide cmo el
que contesta percibe a su familia en torno a la funcionalidad.
Lo realmente interesante es que a travs de unir variables y

construir escalas en el mundo de la salud se est haciendo un
importante esfuerzo por predecir. Por ello la VALIDACIN de
escalas se convierte en una importante rea de investigacin.
Consiste en poder identificar que la escala en cuestin
verdaderamente mide lo que se quiere. En los dos ejemplos
previos, la escala de Framingham ciertamente mide el riesgo de
IAM en los siguientes cinco aos, como quien dice que aquel que
sali con riesgo positivo, ciertamente tiene una alta probabilidad
de que le de un infarto si no modifica su estilo de vida o que el
test de APGAR familiar s mide la funcionalidad percibida del
individuo de su familia.

3.3. Las fases de la investigacin
La investigacin, de acuerdo a los paradigmas mencionados

previamente, puede ser cualitativa y cuantitativa. La cuantitativa sigue
unas fases (o etapas) por dems obvias y que se han de tener en cuenta
cuando se selecciona alguno de los distintos diseos. A continuacin se
van a exponer las fases con sus consiguientes pasos. Estos son:
PANORAMA GENERAL
DEL PROCESOS
DE INVESTIGACION TERMINOLOGIA PASO 1:
PASO 2
SELECCINDEL TEMA
REVISION DE LA
BIBLIOGRAFIA SOBRE
PRINCIPALES ETAPAS FASE 1: EL TEMA
PLANTEAMIENTO
DE UN ESTUDIO DEL PROBLEMA
PASO 3
ESPECIFICACIN DEL
CUANTITATIVO PROBLEMA
ACTIVIDADES DE UN
ESTUDIO CUALITATIVO
PASO 4
IDENTIFICACIN DE PROBABLES
RESPUESTAS
(FORMULACION DE LA
FASE 5 PASO6 HIPOTESIS.)
DIVULGACIN CONSTRUCCIN DE
DE INVESTIGACIN UN MARCO TERICO
PASO 5
PERTINENCIA DE RESPONDER
LA PREGUNTA
PASO 7
FASE 2 SELECCIN DE
PASO 17 DISEO Y UN DISEO
PUBLICACIN PLANEACION
PASO 8
TESIS SELECCIN
DE LA POBLACION
ARTICULO
PASO 9
PASO 18 FASE 3 SELECCIN DE
PRESENTACIN TRABAJO VARIABLES (INSTRUMENTOS)
FASE 4 DE CAMPO
ANALISIS
DE DATOS PASO 10
ORAL MANEJO ESTADISTICO
CARTEL DE VARIABLES
PASO 14
RECOLECCIN DE
PASO 15 INFORMACIN PASO 11
REGISTRO DE CONSTRUCCIN
INFORMACIN DEL FORMULARIO
PASO 13
PASO 16
ELABORACIN DEL
PROCESAMIENTO
PROTOCOLO
DE INFORMACIN
PASO 12
PLAN DE
TRABAJO
Existen muchas formas de presentar el orden en que se debe hacer una investigacin. La
grfica expone uno. El orden que se presente (este u otro) debe cumplir con el requisito
de ser coherente, sistemtico y racional. Al fin de cuentas de lo que se trata es de aplicar
el mtodo cientfico como modelo para resolver una pregunta.

FASE UNO: PLANTEAMIENTO DEL PROBLEMA

1.1. Paso 1: Seleccin del tema
1.2. Paso 2: Revisin bibliogrfica
1.2.1. Cmo se revisa un artculo
1.3. Paso 3: Especificacin del problema o pregunta de investigacin
(qu, cmo, en quin)
1.4. Paso 4: Identificar las probables respuestas
1.4.1. Algo ms sobre las hiptesis de investigacin
1.4.2. Las hiptesis estadsticas
1.5. Paso 5: Pertinencia de contestar la pregunta (o importancia de la
respuesta a la pregunta de investigacin)
1.6. Paso 6. Construccin de un marco terico
1.6.1. Definicin de los componentes del problema
1.6.2. Qu repuestas se conocen de la pregunta
1.6.3. Cmo la han contestado en otros estudios (diseos
empleados, variables y manejo estadstico)
1.6.4. Recopilacin del marco terico (qu debe decir una tesis).
FASE DOS: DISEO Y PLANEACIN (PLAN PARA CONTESTAR LA
PREGUNTA)
2. Paso 7: Seleccin del diseo que se emplear
2.1. Diseos cuantitativos
2.1.1. Intervencionales o experimentales
2.1.1.1. Experimento puro
2.1.1.2. Ensayo clnico
2.1.1.3. Ensayo de campo
2.1.1.4. Cuasiexperimental
2.1.1.5. Intervencin comunitaria
2.1.2. Observacionales
2.1.2.1. Descriptivos
2.1.2.1.1. Serie de casos
2.1.2.1.2. De corte (descriptivo exclusivamente)
2.1.2.2. Analticos
2.1.2.2.1. De corte (comparativo)
2.1.2.2.2. Casos y controles
2.1.2.2.3. Cohorte
2.1.2.2.4. Ecolgico
2.1.3. Otros diseos: Meta-anlisis, Revisiones sistemticas
2.1.4. Investigaciones de administracin
2.2. Diseos cualitativos
2.3. Diseos multimtodos
2.4. Paso 8. Seleccin de la poblacin (en quin se contestar la
pregunta o se resolver el problema)
2.4.1. Acceso a la poblacin
2.4.1.1. Criterios de inclusin

2.4.2. Cumplimiento de principios ticos

2.4.2.1. Principio de beneficencia
2.4.2.2. Principio de respeto a la dignidad humana
2.4.2.3. Principio de justicia
2.4.2.4. Consentimiento informado
2.4.2.5. Consideraciones sobre sujetos vulnerables
2.4.2.6. Comits de tica
2.5. Muestras (de poblacin)
2.5.1. Muestras representativas
2.5.2. Muestras por conveniencia
2.5.3. Tamao de muestra
2.6. Paso 9. Seleccin de variables (Instrumentos a emplear)
2.7. Sesgo (Errores)
2.7.1. Atributos de una buena medida
2.8. Paso 10. Manejo estadstico de las variables
2.8.1. Base de datos
2.8.2. Paso 11. Construccin del formulario
2.9. Paso 12. Plan para el trabajo de campo
2.9.1. Descripcin de las actividades (Qu se va hacer, cmo y
cundo)
2.9.2. Recursos que se necesitan para cumplir con las actividades
2.10. Paso 13. Elaboracin del protocolo de investigacin.
FASE TRES: TRABAJO DE CAMPO
3. Paso 14. Recoleccin de informacin con la poblacin
3.1. Cmo se accedi a la poblacin
3.2. Cmo se recogi la informacin.
FASE CUATRO: ANLISIS DE DATOS
4. Paso 15. Registro de informacin recogida a la base de datos
4.1. Paso 16. Procesamiento de informacin
4.2. Obtencin de caractersticas de la poblacin
4.3. Obtencin de las frecuencias
4.4. Obtencin de la respuesta a la pregunta de investigacin.
FASE CINCO: DIVULGACIN DE LA INVESTIGACIN
5. Paso 17. Publicacin de la investigacin
5.1. Cmo escribir un artculo
5.2. Paso 18. Presentacin de la investigacin.
Clasificar es una manera agrupar que contribuye con el entendimiento. Sin

embargo, esa facilidad no siempre es vlida, y con ello se quiere decir que
el ser humano a veces usa clasificaciones que no son reales o lo que es lo
mismo, que no expresan la realidad tal cual: son apenas expresiones de
cmo unos entienden algo. En torno a los pasos de una investigacin, existen mltiples
y variadas clasificaciones. Ac se expone una de tantas

FASE UNO: PLANTEAMIENTO DEL PROBLEMA

El trmino problema en investigacin se refiere a la inquietud que el
investigador pretende resolver. A pesar de lo obvio que parece, el
identificar claramente lo que se quiere indagar no es precisamente algo
que el ser humano haga con frecuencia. El objetivo de esta primera fase
es que partiendo de una inquietud el investigador llegue al
planteamiento de una pregunta de investigacin bien elaborada.
A continuacin se ofrece al lector una serie de pasos que pueden serle

tiles en el momento de plantear problemas de investigacin.
1.1. Paso 1: Seleccin del tema

En primer lugar, el investigador ha de escoger un TEMA o rea en la que

DESEA investigar. Distintas razones orientan la seleccin del tema,
siendo la principal la motivacin del investigador. Es un requisito sin el
cual es poco probable que la investigacin concluya, por qu?, pues
sencillamente porque pocas veces el adagio que lo que se quiere exige
esfuerzo resulta tan vlido (vlido = real). La investigacin exige
esfuerzo, as como tiempo, condiciones ambas que implican que la
actitud del investigador ha de ser coincidente con ellas; por eso, el
gusto del investigador ha de estar presente, para que ms que un
trabajo sea un placer. Dado que la investigacin como pocas actividades
humanas exige trabajar con otros, el que los investigadores compartan
el inters por el tema es as mismo una deseable condicin. Por ello se
habla de la necesidad de establecer contacto con una comunidad
cientfica, que no es otra cosa que investigadores con los que se
comparte el tema o el problema, por lo cual no solo es fcil hablar con
ellos sino que resulta estimulante. Otro factor que puede influir al
escoger el tema o incluso el problema es la EXPERIENCIA previa del
investigador. Ello facilita enormemente la labor del investigador, porque
ya conoce (camina sobre terreno conocido). Adems, no es infrecuente
que los investigadores se dediquen a reas de sus intereses (de ah
surgen los expertos). Claro otro aspecto a tener presente es la
FACILIDAD o FACTIBILIDAD del tema. Es evidente que existen
temas o reas que son ms fciles para unos u otros. Al momento de
seleccionar el tema el tener esto en cuenta siempre importa. Por
ejemplo, el acceso a BIBLIOGRAFIA acerca del tema, siempre es una
condicin que facilita enormemente la labor del investigador. La MODA
tambin es un importante motivador al momento de seleccionar un
tema. Existen temas que el mercado solicita en determinado momento y
al abordarlos el investigador puede estar asegurando su subsistencia.
Pero tal vez el criterio de factibilidad ms importante es el ACCESO A
LA POBLACIN objeto de la investigacin (al menos en la investigacin
epidemiolgica o poblacional). Saber que se puede contar con ella es,
sin duda, uno de los criterios ms importantes a tener en cuenta.
1.2. Paso 2: Revisin bibliogrfica
Seleccionado el tema el conocer qu se ha publicado al respecto es clave

(definiendo si es posible qu se quiere saber y en quin), esto es muy
importante para precisar la pregunta de investigacin. Para ello, saber
buscar ser una importante herramienta que el investigador deber
afinar. Al hacerlo el investigador podr ver cmo otros accedieron a la
poblacin o qu diseos o instrumentos se emplearon en otras partes.
Es ms a lo mejor se puede dar cuenta si la pregunta que le inquieta
fue ya contestada y, as, cambiar de objetivos.

Saber buscar informacin resulta muy trascendente. Una gran parte de

las investigaciones son publicadas en revistas interesadas en el tema.
Esas revistas pueden ponerse al alcance de todos a travs de su
inclusin en bases de datos a las que se puede tener acceso. Las
bibliotecas adquieren esas bases de datos y mediante ellas los
consultantes. Para poder buscar los artculos, los organizadores de
informacin promueven el uso de unas palabras denominas trminos
MeSH pretendiendo que siempre sean estas las que se usan (en las
bases de datos) y no sinnimas, facilitando as la clasificacin de la
informacin. Probablemente PUB MED sea la base a travs de la cual se
debe iniciar la bsqueda de informacin respecto al tema, por tratarse
de la mayor base de datos del mundo biomdico.
Hoy existen cursos de bsqueda de informacin en muchas partes. Sin duda vale
la pena hacer alguno y aprender a buscar pues ello determinar en su momento
la solidez de la investigacin que se obtiene al confrontar lo indagado con lo
revisado.
El concepto de biblioteca como tal se ha modificado. De ser un espacio real hoy ha pasado
a incluir los espacios virtuales en el mundo de las redes de informtica.
La mayora de la informacin publicada son investigaciones convertidas

en artculos. Con el fin de facilitar su interpretacin la mayora de las
revistas han venido definiendo unos formatos que faciliten su revisin.

1.2.1. Cmo se revisa un artculo
Las revistas, hoy por hoy, publican las investigaciones utilizando un

formato, el que se debe conocer para as saber qu buscar y en dnde.
Los autores se han comprometido a publicar de acuerdo a las siguientes
pautas:
1. TITULO DE LA INVESTIGACION: Debe decir QU SE HIZO, en QUIN
se hizo, CMO se hizo y CUNDO se hizo. El cumplimento de estos
aspectos permite que los artculos se clasifiquen e ingresen a las bases
de datos. Ac usan palabras reconocidas por los trminos MeSh.
1.1. AUTORES: Ha de mencionar los apellidos y nombres de los autores,
as como sus ttulos acadmicos. Hoy se incorpora la declaracin de si
existen o no conflictos de inters.
Se entiende por conflicto de inters cuando los autores tienen algn

compromiso con los resultados. Un ejemplo de conflicto de inters es cuando
el investigador en un estudio sobre medicamentos, trabaja para el
laboratorio que produce el medicamento. Si los resultados son adversos (por
ejemplo) puede tener un conflicto derivado de su condicin laboral para
expresar el resultado.

1.2. RESUMEN. No mayor de 250 palabras. La idea esencial es que ac

se encuentre la informacin bsica para que otros investigadores
identifiquen si les sirve o no el artculo original. Debe tener:
1. 2.1. Objetivo: se menciona el objetivo de la investigacin.

1.2.2. Material y mtodos (o Metodologa): Donde expone tipo de diseo
de la investigacin.
1.2.2.1. Poblacin objeto: Se menciona sobre quines se efectu el
estudio.
1.2.2.2. Variables utilizadas: Se menciona cules son las variables
empleadas y cmo se interpretan.
1.2.2.3. Manejo estadstico: Se expone cul fue el manejo estadstico de
las variables.
1.2. 3. Resultados: Se menciona la respuesta a la pregunta de
investigacin.
1.2.3.1. Conclusin: Se expone el principal uso de los resultados.
1.2.4. Palabras claves: Se colocan las palabras claves de la investigacin
que aparezcan como trminos MeSH.
RESUMEN
Objetivo Estimar la relacin entre conocimientos, actitudes y prcticas
(comportamientos) de riesgo en la sexualidad juvenil y la estructura y
percepcin de funcionalidad familiar.
Metodologa Se realiz un estudio observacional de corte trasversal
entre 13 699 adolescentes (10 a 19 aos de edad) de 12 colegios pblicos
de la localidad de Suba. Se aplic una encuesta autodiligenciada donde se
interrog por conocimientos, actitudes y comportamientos sexuales y la
estructura y percepcin del funcionamiento familiar.
Resultados Edad media de los adolescentes 13,5 aos. Prevalencia de
relaciones sexuales de 17 %. El 8 % de los hogares presentan disfuncin
severa y 39 % son nucleares incompletos. Las mujeres tienen menos
relaciones sexuales que los hombres (OR 0.53; IC 95 %; 0.47-0.59). Se
presenta ms relaciones sexuales cuando los adolescentes perciben de
manera disfuncional a su familia (OR 2.06; IC 95 %; 1.72-2.48).
Conclusiones Es ms importante la percepcin de funcin familiar que la
estructura como factor de riesgo en la sexualidad de los jvenes.
Palabras Clave: Adolescentes, sexualidad, conocimientos, actitudes y
prcticas, relaciones familiares, colegios.

Los resmenes resultan muy importantes cuando se hace la revisin
bibliogrfica pues es lo que el investigador lee (porque se publica en todas las
bases de datos) para saber si el artculo es o no de su inters. Si lo encuentra
de su inters ser su misin leer el original siendo para ello necesario que sepa cmo
buscarlo. En el ejemplo, un resumen acerca de sexualidad, adolescencia, relaciones
familiares

2. INTRODUCCION: El lector debe identificar:
2.1. Contexto del tema

2.2. La pregunta de la investigacin y/o los objetivos
2.3. La importancia de contestar la pregunta (pertinencia).
3. MATERIAL Y METODOS. Se identificar:

3.1. Diseo de la investigacin: Mencionar tipo de estudio
3.2. Poblacin objeto: Expone en quines se efectu la investigacin
Cmo se escogieron y cmo se cubrieron los aspectos ticos
3.3. Cul fue el instrumento empleado, explicando cmo se
manejaron las variables
3.4. Cul fue el manejo estadstico efectuado
3.5. Cmo se realiz el trabajo de campo.
4. RESULTADOS. En general siguen este orden:
4.1. Descripcin de las caractersticas de la poblacin estudiada:

Total, sexo, edades y dems variables indagadas (para saber en
quines se efectu la investigacin)
4.2. Descripcin de las frecuencias encontradas: Mencionar las
prevalencias encontradas (de las variables estudiadas)
4.3. Resultado de la pregunta efectuada: Identificacin de la
respuesta a la pregunta a travs de las variables empleadas para
ello
4.4. Aplicacin de las pruebas de estadstica a los resultados (busca
ver la inferencia en torno a poblacin y a las respuestas).
5. DISCUSION. Ac es donde est la esencia de la investigacin. El

lector debe identificar:
5.1. Identificacin de SESGOS: Busca encontrar errores que no
permitan estar seguros de los resultados y ver la capacidad de
inferir en torno a lo encontrado. Esto se conoce tambin como
LIMITACIONES de la investigacin leda
5.2. Comparacin de las frecuencias encontradas con las
referenciadas con las explicaciones que lo expliquen
5.3. Respuesta a la pregunta de investigacin con las explicaciones
ofrecidas.
Es probable que muchos artculos no cumplan con todo esto. Ah el

lector decide la calidad y el valor que le da a los artculos ledos. Lo
cierto es que conocer este orden es importante para el objetivo final que
es entender lo que se lee.

En INTRODUCCION se busca el En MATERIALES Y METODOS

contexto, se mira el diseo,
lo que pretende la investigacin la poblacin y las variables,
y por que es importante as como el manejo estadstico:
mejor dicho se mira
como hicieron la investigacin.
En DISCUSION se confrontan las En RESULTADOS se mira la

frecuencias encontradas poblacin,
Con las referenciadas y se les da las frecuencias encontradas
una interpretacin a las respuestas. y la respuesta
a la investigacin
En la dcada del 70, los editores de las revistas biomdica ms prestigiosos se

reunieron en Vancouver y propusieron una forma de presentar las
investigaciones para su publicacin. El formato IMRD o Introduccin,
Materiales y mtodos, Resultados y Discusin fue el seleccionado. Esto se
conoce como el Protocolo de Vancouver. Surge de la reunin de editores de
revistas biomdicas y ofrece las recomendaciones que han de cumplirse en una
publicacin. Las revistas que accedan a aplicar los Requisitos Uniformes (unas 500
aproximadamente) se les solicita que citen el documento de 1997 en sus normas para los
autores. Es importante destacar lo que estos requisitos implican.
En primer lugar, los requisitos uniformes son instrucciones a los autores sobre cmo
preparar sus manuscritos as se tenga que tener en cuenta algunas recomendaciones
especficas de algunas revistas.
En segundo lugar, si los autores preparan sus manuscritos segn el estilo
especificado en estos requisitos, los directores de las revistas acogidas al mismo no
devolvern los manuscritos para que se realicen cambios de estilo. Sin embargo, en
el proceso editorial las revistas pueden modificar los manuscritos aceptados para
adecuarlos a su estilo de publicacin.
En tercer lugar, los autores que remitan sus manuscritos a una revista que participe
de esta normativa, deben seguir los Requisitos Uniformes.
Los autores seguirn tambin las instrucciones de cada revista con respecto a qu
temas son pertinentes y el tipo de artculos que admite: por ejemplo, originales,
revisiones o notas clnicas.
Adems, es probable, que en dichas instrucciones figuren otros requisitos especficos de la
publicacin que deban seguirse, tales como el nmero de copias del manuscrito, los
idiomas aceptados, la extensin del artculo y las abreviaturas admitidas. Se espera que
las revistas que hayan adoptado estos requisitos indiquen en sus instrucciones para los
autores, que sus normas siguen los requisitos uniformes para manuscritos enviados a
revistas biomdicas y se cite una versin publicada de los mismos.

Una vez revisado el artculo, el investigador debe aprender a

referenciarlo. Prcticamente todas las revistas mencionan cmo se debe
hacer y hoy, los autores cientficos se han puesto de acuerdo que ha de
ser as (protocolo de Vancouver):
Primer Apellido y luego las iniciales del nombre del autor. Ttulo de la
investigacin. Revista (con iniciales de identificacin internacional, si las
tiene). Ao, volumen, y pginas. Observe los ejemplos:
Haquin C, Larraguibel M, Cabezas J. Factores protectores y de

riesgo en salud mental en nios y adolescentes de la ciudad de
Calama. Rev. chil. pediatr 2004; 75 (5): 425-433.
Bonomo Y, Proimos J. Substance misuse: alcohol, tobacco,
inhalants, and other drugs. BMJ 2005; 330-333.
Como se observa, la referencia permite que el lector pueda, si lo desea,

consultar el artculo (por ende, la informacin que ofrece se lo debe
permitir). Si se quiere profundizar acerca de cmo se cita, se
recomienda ubicar en la red las normas de Vancouver. Lo cierto es que
de estas referencias provendr la base de comparacin para los
resultados y as se construye la discusin (comparando lo hallado con lo
revisado).
1.3. Paso 3: Especificacin del problema o de la

pregunta de investigacin
Escogido el tema o rea de inters, el plantear el problema en forma

lgica y entendible es muy importante. Se afirma que un problema bien
planteado esta parcialmente resuelto, queriendo con ello insistir en la
importancia de entenderlo. Como mtodo para plantear problemas, se
propone que cumpla con los siguientes aspectos:

1. Redactarlo a manera de pregunta. As se puede intuir la respuesta

que se busca y de ah se desprende la utilidad de dicha respuesta.
2. Asegurarse de que gramaticalmente est bien escrito. Ello ayuda
a entenderlo a cabalidad. Cmo se resuelve lo que no se
entiende? As mismo, el que sea breve ayuda (entre ms
palabras, ms probable es la confusin).
3. Verificar que los componentes de la pregunta coincidan con los
aspectos ms mencionados en la observacin que tiene el
investigador. De hecho, usar frases donde se tomen varios
tpicos del tema, puede ser de gran utilidad para precisar cul o
cules son los componentes que ms inquietan al investigador
(las que ms se repitan son las que ms se indagan).
Ejemplos de preguntas son:
Cul o cules son las caractersticas? Utilizada para describir.

Qu relaciones existen entre? Utilizada para buscar
asociaciones.
Qu efecto o utilidad tiene? Utilizada para medir
intervenciones.
La pregunta debe llenar como requisitos: Qu se quiere indagar, cmo

se va a indagar y en quin se va a indagar.

1.4. Paso 4: Identificar las probables respuestas (las

hiptesis)
Por hiptesis se entiende las probables respuestas que se pueden
encontrar al hacer una pregunta. Como respuestas que son, describen o
explican. Cuando describen no existe interpretacin distinta a lo hallado.
Cuando comparan, pueden encontrar dos posibilidades: que se relaciona
o que no lo comparado (o si existe o no, diferencia entre lo comparado).
Es muy importante tener en cuenta de qu se trata la hiptesis. Implica
saber a dnde se puede llegar. Dicho de otra manera, cuando el
investigador se hace una pregunta, ha de saber cules son las probables
respuestas, no la respuesta (pues si la supiese entonces para qu va a
hacer la investigacin). Esto tan obvio ha de tenerse en cuenta pues un
inconveniente que puede ocurrir es que en algn momento el
investigador se pierda entre tanta informacin obtenida.
A manera de ejemplo: Cuando Alicia en el pas de las maravillas se encontr en un punto

de donde salan ocho caminos, le pregunt al conejo: Por cul camino sigo? l le
respondi: Para dnde va? Ella le dijo: no s. Entonces el conejo le dijo: vaya por
cualquiera. Esta metfora se usa para ejemplificar que cuando no se sabe qu se busca,
entonces no se sabe cmo o qu se hallar (por dnde buscar)
De acuerdo al tipo de pregunta y al diseo seleccionado, se podrn encontrar respuestas
descriptivas o comparativas. En las primeras se obtienen frecuencias. En las segundas,
alternativas (uno u otra respuesta de una alternativa previa).

El contexto de hiptesis ac es diferente al estadstico. Ac se entiende por

hiptesis las probables respuestas a la pregunta de investigacin. La hiptesis
estadstica es nicamente A es igual a B o A es diferente a B. Ms adelante se
aclarar que solo las investigaciones analticas o las experimentales permiten
formular hiptesis (A es igual a B o A es diferente a B). Las descriptivas no
as de ellas surjan nuevas preguntas de investigacin.
Las hiptesis (probables respuestas) buscan contribuir con el

conocimiento. Los diseos descriptivos no plantean hiptesis distintas
(probables respuestas) a la descripcin en mencin. Son solo los diseos
analticos y experimentales (como se ver ms adelante) los que
plantean hiptesis alternativas. Estas en esencia se identifican a travs
de relaciones de una variable con otra (o con varias). De hecho cuando
se hace la pregunta de investigacin, en los mtodos se escogen
variables a travs de las cuales (de acuerdo a lo que respondan) se
identifica la respuesta. Por tanto, resulta particularmente importante
que al elaborar la pregunta de investigacin, se identifiquen con claridad
las probables respuestas y que esa respuesta surja de los resultados de
unas variables entendibles y con medidas as mismo entendibles para lo
investigado.

De hecho, a veces y como un lamentable error en investigacin, para responder preguntas

de investigacin se emplean variables que no responden la pregunta o se usan variables
que no tienen criterios objetivos de medida lo que no permite identificar vlidamente la
respuesta.
Esto es lo que
quiero construir
Estas son las

Variables
que escojo
Esto es lo que
construyo

La seleccin de las variables a travs de las cuales se puede responder la
pregunta de investigacin no siempre se cumple como debera: por ello lo ms
til suele ser el emplear variables ya usadas en otras investigaciones y, por
ende, debidamente validadas. La grfica expresa una situacin por dems
frecuente como es, querer mirar algo (contestar una pregunta de investigacin), escoger
unas variables inadecuadas para ello y al final obtener una respuesta NO VLIDA, de
seguro porque las variables seleccionadas no fueron las adecuadas. Un ejemplo puede
ser que se est estudiando si existe relacin entre ser adicto al alcohol y la violencia en
jvenes. El error ser usar variables donde se pregunta por consumo de alcohol en los
jvenes, PERO no se puede precisar si se es o no adicto. Entonces encontrar que existe
relacin con comportamientos violentos no permite precisar que es por ser adicto. La
solucin ser usar variables que identifican no solo el consumo sino por sobre todo, la
adiccin al alcohol.
Las respuestas descriptivas suelen divulgarse usando la tabla de

frecuencia. Al publicar los resultados (respuesta a la investigacin), el
describir las caractersticas de la poblacin estudiada as como las
frecuencias de las variables estudiadas, constituye dos componentes
siempre presentes y que, sin duda, ayudan a entender. Si la
investigacin es analtica o, lo que es lo mismo existe una pregunta de
comparacin, se debe agregar otra tabla donde se muestre qu se
confronta con las medidas de comparacin (tabla comparativa de OR o

RR). Como se observa, las investigaciones comparativas siempre

describen y adems comparan (tienen las tres tablas de resultados); en
tanto que las descriptivas solo tienen las dos tablas de descripcin (la de
caractersticas de poblacin y la de frecuencias).
CARACTERSTICA N %
Sociodemogrficas
Edad
De 10 a 12 aos 4 481 33
De 13 a 16 aos 8 029 59
De 17 a 19 aos 1 009 8
Estratos
Estratos 1 y 2 10 460 79
Estratos 3 2 654 20
Estratos 4 o ms 76 1
VARIABLE N %
Conocimientos y actitudes
Ha recibido informacin sobre cmo planificar:
S y la entendi 4 768 36
S, pero tiene dudas 3 295 25
No ha recibido 5 051 38
Quin le ense sobre planificacin
Colegio 5 236 38
Padres 4 179 31
Por su cuenta 969 7
Servicio de salud 849 6
Amigos 793 6
En la investigacin cuantitativa las tablas descriptivas resultan particularmente

importantes y aprender a hacerlas es clave. Buscan dar una informacin precisa de
ciertas caractersticas de la poblacin estudiada. En el ejemplo, se muestran dos
tablas (ambas de frecuencia) de una investigacin con adolescentes escolarizados:
una con caractersticas socio-demogrficas (edad y estrato) y otra de frecuencias de
lo encontrado (de lo que se les pregunt) en adolescentes escolarizados. Como se
observa solo se usa las frecuencias y los porcentajes.

SI NO IC 95% Valor
VARIABLE OR
N % N % LI LS P
Conocimientos y actitudes
Ha recibido
informacin sobre
cmo planificar
Femenino 2 437 52 2 284 48
Masculino 1,4 1,2 1,6 0,000
2 317 46 2 726 54
Casos incluidos:
7 630
Cree que el
condn protege
contra el Sida
Femenino 1 505 37 2 509 63
Masculino 0,4 0,3 0,4 0,000
2 383 57 1 829 43
Casos incluidos:
6 409
La tabla descrita muestra el diseo de una tabla comparativa. Ella debe mostrar
las variables que se quieren comparar (por ejemplo, ha recibido informacin
sobre planificacin), entre quienes se quiere comparar (femenino y masculino),
los datos que se comparan (s y no en nmero y porcentaje), la medida de la
comparacin (OR) y la estadstica usada en esta comparacin (IC95% con sus
lmites inferior y superior, as como el resultado de la prueba p del Chi cuadrado).
Lo cierto es que los resultados (respuesta a la pregunta de investigacin) de
cualquier investigacin cuantitativa sern en general presentados a travs de
tablas.
1.4.1. Algo ms sobre las hiptesis de investigacin
Dado que la pregunta y las probables repuestas se encuentran a travs

de la revisin terica (marco terico que se revisar ms adelante), es
indispensable buscar en ellas (las respuestas) explicaciones lgicas,
razonadas y justificables buscando sean congruentes con las
investigaciones efectuadas (buscar criterios de Bradford Hill y
consistencia de asociaciones con conocimientos vigentes).
Las hiptesis pueden ser inductivas (de lo particular generalizan), donde

se busca predecir de lo visto de manera particular. El otro mecanismo es
el deductivo donde la probable respuesta surge de una teora que
pretende ser particularizada. La investigacin es el mecanismo que se
usa para comprobar esta o aquella respuesta (hiptesis) y, a pesar de
que la investigacin ofrezca al finalizar una respuesta, es importante
mantener cierto escepticismo cuando se trata de generalizar. Se vuelve
a insistir en que la duda se debe mantener en lo posible en todo lo que
hagamos. Buscar sesgos o errores en el diseo, o en la poblacin, en
fin lo que se quiere decir es que nunca se podr estar por
completamente seguro de una respuesta en investigacin y ello es una
actitud sana y que impulsa al ser humano.

Las probables respuestas (en los diseos analticos o de intervencin) en

una investigacin surgen o bien, de comparar lo hallado con lo revisado
pudindose afirmar o, que lo encontrado es igual o diferente a lo
revisado.

Por ejemplo, cuando se encuentra que la edad prevalente de inicio de
relaciones sexuales en una poblacin adolescentes escolarizados de estrato 1
y 2 es de 13,5 aos, al comparar en las revisiones bibliogrficas con
poblaciones similares la misma pregunta se podr afirmar o que lo hallado es
igual o es distinto, formando parte de la discusin la probable explicacin de la
similitud o la diferencia.
Las hiptesis (en las investigaciones analticas) pueden ser SIMPLES

que son las que relacionan una variable con otra variable. Pueden ser
COMPLEJAS cuando se relacionan una o varias variables con otras. Una
simple es el plantear una relacin entre el cigarrillo y el cncer del
pulmn. Una compleja es plantear la relacin entre el tabaquismo y el
cncer del pulmn y la enfermedad coronaria. Ms compleja puede ser
la relacin en los adolescentes entre la desercin escolar y la disfuncin
familiar con la delincuencia cuando lleguen a adultos.
En investigacin las hiptesis surgen de la comparacin entre las variables. Si se
relacionan solo dos variables (una dependiente y otra independiente) se est investigando
para obtener una hiptesis simple.
x y
Por ejemplo, si se quiere probar (hiptesis) que los ancianos se caen ms que los jvenes,
la variable independiente (x) ser la edad de los pacientes y la variable dependiente ser
las cadas. El rea sombreada en la figura, establece que s existe relacin (entre ms rea
de convergencia, ms relacin).
IAM
Fumar
CA
Las hiptesis complejas plantean relaciones entre ms de dos variables. Por ejemplo, el
tabaquismo (variable dependiente) se relaciona con el cncer y con el infarto (variables
independientes ambas). La complejidad la provoca la relacin entre ms de dos variables,
y, sin duda, nos acerca ms al mundo real donde los eventos se encuentran relacionados
con muchas variables.

Otro aspecto interesante al plantear hiptesis es que se pueda

establecer la direccin (qu fue primero, en los criterios de Bradford
Hill) hacia dnde se dirige la relacin. El diseo seleccionado para
contestar una pregunta resulta particularmente importante. Por
ejemplo, algunos diseos (un estudio transversal, por ejemplo) pueden
establecer que existe una asociacin entre fumar y cncer pulmonar,
pero no se puede identificar qu es primero el cncer o el fumar; solo se
sabe que existe una fuerte relacin entre estas dos variables. En
cambio, y usando un diseo de cohorte donde partiendo de poblacin
que no fuma y que no tiene cncer y que con el paso del tiempo
empieza a fumar y luego le empieza a aparecer el cncer, se puede
establecer que es el cigarrillo el que provoca el cncer (y no que el
cncer hace fumar a los pacientes).
Ciertamente los estudios

observacionales tipo corte o casos y
controles establecen relaciones, pero
no pueden identificar per se qu fue
primero (as el sentido comn nos
indique cul fue primero). Los
estudios de cohorte s, por ello
tambin se denominan estudios
CAUSALES pues permiten
establecer causalidad de las
enfermedades. El asunto es que es
ms fcil operativamente un estudio
transversal o de casos y controles.
Las cohortes implican seguimiento y
ello les confiere una mayor
planeacin. Un excelente ejemplo de
seguimiento cientfico fueron los
doctores Doll y Hill quienes en
1950 hicieron una investigacin de
casos y controles relacionando el
cncer del pulmn y el tabaco. En
1951 inician una cohorte donde
indagan a una poblacin (mdicos) si
fuman o no. Ulteriormente hicieron
un seguimiento (durante los
siguientes diez aos) de causas de
enfermedad y muerte encontrando
que el tabaco fue primero (causal)
que la enfermedad (cncer de
pulmn). Pero, adems, detectaron que fue factor desencadenante de enfermedad
coronaria, de enfermedad pulmonar obstructiva crnica. En la foto aparece el Dr. Doll,
clebre por sus importantes investigaciones sobre la relacin entre cigarrillo y cncer de
pulmn.

1.4.2. Las hiptesis estadsticas

Al plantear las hiptesis, y de acuerdo a los diseos empleados, el
proponerlas de manera estadstica es importante. Cuando se dice que se
espera ver la relacin entre el cncer de pulmn y el cigarrillo, se dice
que se est haciendo una declaracin de la hiptesis. El plantearla de
acuerdo a la estadstica requiere dar dos alternativas: S existe relacin
o NO existe relacin y esto resulta particularmente importante, en
especial para demostrarlas. El trmino de hiptesis NULA es el que
habitualmente expresa la ausencia de relaciones. La hiptesis ALTERNA
es la que plantea la presencia de relaciones. Expresado de esa manera
sera:
A = Exponerse al cigarrillo
B = No exponerse al cigarrillo
La hiptesis nula es que es igual exponerse que no exponerse en el
desarrollo del cncer pulmonar (A = B). La hiptesis alterna es que
exponerse al cigarrillo provoca diferencias en torno a la aparicin del
cncer de pulmn al compararse con no exponerse (A es diferente a B).
A =B NULA
A =B ALTERNA
Las hiptesis, como predicciones que son, encuentran o no

relaciones entre hechos descritos con variables. En general, sus
hallazgos son el resultado de teoras que casi siempre el
investigador revis a travs del marco terico. En esencia, las
hiptesis fomentan el pensamiento crtico y claro. facilitan el
entendimiento del mundo (buscan hacerlo). Las investigaciones que
describen SIN RELACIONAR no son susceptibles de emitir hiptesis.
Sin embargo, son en esas descripciones donde los investigadores
buscan las relaciones que plantearn ulteriormente. Idealmente
toda hiptesis parte de argumentos coherentes, razonados y
slidos, productos de otras investigaciones. Pueden ser
INDUCTIVAS o que proponen generalizar de lo particular o
DEDUCTIVAS que pretenden particularizar de lo general. Cuando se plantea una
hiptesis se debe mostrar con nitidez las dos posibilidades, expresadas bajo estas dos
formas: existe o no existe relacin o, segn sea el caso, es igual o es diferente.

El planteamiento hipottico parte de que se encontrar diferencia entre

lo revisado y lo hallado. Como necesita de un planteamiento alterno (no
se encontrarn relaciones o diferencias) se propone la HIPOTESIS
NULA que plantea lo contrario de la HIPOTESIS ALTERNA, que dice
que s se encontrarn relaciones o diferencias de acuerdo a las variables
utilizadas (NULO y ALTERNO son trminos derivados de la estadstica).
Por ejemplo, cuando se prueba un medicamento para una enfermedad que

provoca la muerte, obviamente la respuesta se ver en el grupo que recibe el
medicamento (A) y se confronta con el grupo que no (B) que recibe un placebo.
El planteamiento hipottico es que los que reciben el medicamento mueren
menos que los que no lo reciben (B). Entonces lo esperado es que A sea
diferente a B. La hiptesis nula es A = B que significa que no existe diferencia
entre los dos grupos (recibir medicamento vs. recibir placebo). El logo que
aparece es el de la Fundacin Cochrane que se ha propuesto revisar sin
conflictos de inters los medicamentos. El logo en s mismo representa una
escala grfica de intervalos de confianza.
Las hiptesis estadsticas se confirman (obviamente) mediante pruebas

estadsticas de hiptesis. Como se vera en el captulo correspondiente,
la prueba p (o del Chi cuadrado) o la de los intervalos de confianza son
las usadas con mayor frecuencia.

1.5. Paso 5: Pertinencia de contestar la pregunta de

investigacin (o importancia de la respuesta de la
pregunta)
Planteado el problema, el investigador debe preguntarse la importancia

de contestar la pregunta (pertinencia). Explicar por qu es importante
hacer la investigacin, expresando con claridad lo que se espera
(aportes) de encontrar la respuesta, es una de las exigencias que hacen
muchas entidades antes de financiar las propuestas. Preguntarse (y
expresar) si se espera que los resultados aporten nuevos conocimientos,
o si permiten conocer ms a la poblacin, o si modificarn conductas
sociales, son elementos que permiten ver la pertinencia. Por supuesto
que la definicin de este aspecto puede resultar importante para los
entes financiadores.
Existen entidades que promueven la investigacin otorgando los recursos y

solicitando la presentacin de protocolos en donde se demuestre que lo que
investigar est en sus lneas de inters. El estudio de nuevas molculas con
inters teraputico, por ejemplo, es una lnea de las farmacuticas o los estudios
de prevalencia para construir historias naturales pueden ser del inters de
entidades gubernamentales. Lo cierto es que de acuerdo a la pertinencia que se
vea de contestar la pregunta de investigacin surgir la posibilidad de obtener
una fuente de financiacin. La imagen es el logo del Instituto Nacional de Salud
de los Estados Unidos, probablemente el ente que ms investigaciones
biomdicas financia.
Para identificar la importancia de responder una pregunta de

investigacin siempre ha de tenerse en cuenta cul es el aporte que le
hace a la poblacin objeto de la investigacin. En salud se debe

asegurar que la poblacin que nos ayuda se beneficie (por supuesto,

nunca, nunca, se le puede ocasionar dao siendo clave verificar los
riesgos existentes). En segundo lugar, identificar qu vacos existen en
la literatura (que el investigador revis) y qu va a resolver la
investigacin. Para esto se hace indispensable buscar qu se ha escrito
al respecto (del problema). Esta bsqueda es esencial para darle
consistencia (peso) a la pregunta y, por tanto, a la investigacin. Busca
como objetivos ver cmo otros han abordado el problema. El
planteamiento de los objetivos de la investigacin (lo que se pretende
alcanzar) permite ver en buena parte la pertinencia.

Es muy importante, cuando se piensa en la investigacin, que se tenga en claro
la forma como se beneficiar la poblacin objeto. Es el caso de investigaciones
en grupos poblacionales, tales como colegios, donde la poblacin adolescente
escolarizada es la que ser estudiada. Los investigadores deben pensar en cmo
podrn beneficiar a la poblacin que participa. Por ejemplo, en las encuestas de
deteccin de prevalencias de riesgos, ofrecer consulta para orientar aquellos
participantes que as lo deseen, puede ser una forma. Por supuesto que la presentacin
de los resultados en los colegios con sus comunidades (estudiantes, profesores o
padres) se da por descontado.

1.6. Paso 6. Construccin de un marco terico
El marco terico es donde el investigador busca y describe el mximo

acerca de su investigacin. De lo profunda que sea su investigacin
acerca de lo escrito y descrito sobre su problema de investigacin, se
construye la solidez de su trabajo. Dado que exige el esfuerzo de buscar
(revisin bibliogrfica) y harto es clave (y se repite) que al
investigador le guste el tema y el problema, pues lo que suele suceder
es que al finalizar sus revisiones, se ha empezado a convertir en un
experto. Claro la ejecucin de la investigacin le da prctica cerrando
el crculo de la solidez del conocimiento. Un buen marco terico deber
abordar de cada componente, cmo se define, qu relaciones o factores
causales existen en torno a tal componente, qu variables lo miden y
qu datos se usan.

1.6.1. Definicin de los componentes del problema:
Si ha sido posible construir una pregunta de investigacin, decidir si la

pregunta elaborada ser o no la definitiva. Al revisar sobre el tema
en ms de una ocasin se enfrenta el investigador al cambio del
problema o una mejor elaboracin de la pregunta. La revisin permite
establecer qu SE SABE y, con base en ello, precisar lo que se quiere
saber, por ende precisar ms la pregunta de investigacin. En esta
especificacin de la pregunta de investigacin puede resultar importante
descomponer la pregunta en sus partes y definir cada una con nitidez.
Como se expone, son los componentes de la pregunta los referentes que se

usan para hacer la bsqueda. Es muy importante buscar cmo se describen
mdicamente esos trminos (trminos MeSH). Por ejemplo: no aparece si es
frecuente o no tal cosa, sino cul es la prevalencia (prevalencia es el
trmino que usa las fuentes de informacin de salud).
La definicin de los trminos debe permitir una revisin de la poblacin

objeto y, por sobre todo, surgen las variables que se pueden emplear
para contestar la pregunta.

1.6.2. Qu respuestas se conocen a la pregunta

De la revisin se debe prever unos resultados de acuerdo a
investigaciones similares revisadas, resultados que permiten identificar
unas frecuencias (que comparar con lo encontrado) y si el diseo lo
permite, esperar unas relaciones (por ejemplo: este aspecto influye ms
en estos que en aquellos) o proyectar el resultado de una intervencin
(como: los que reciben esto viven ms que los que no lo reciben) lo que
se conoce formalmente como HIPOTESIS DE LA INVESTIGACIN o
prediccin de lo que el investigador cree que encontrar. Estos aspectos
resultan claves en el momento de la DISCUSIN, que es donde el
investigador confronta la revisado (y, por consiguiente, lo esperado) con
lo encontrado.
Cuando nos hacemos una pregunta de investigacin a lo mejor

tenemos una respuesta preconcebida. Pero puede que ella no
sea la respuesta verdadera. Por ello, resulta particularmente
importante revisar cmo otras investigaciones la han
contestado. As ampliaremos nuestro panorama de la realidad
y entenderemos la importancia de encontrar la respuesta en la
poblacin seleccionada (o, lo que es lo mismo, hacer la
investigacin).

1.6.3. Cmo la han contestado en otros estudios (diseos

empleados, variables y manejo estadstico)
Una buena bsqueda debe permitir observar cmo otros investigadores

abordaron la pregunta, lo que resultar importante para seleccionar el
diseo de la investigacin. Ah, se hace especial atencin al abordaje de
la poblacin, al manejo tico, al manejo del tiempo etc. Lo cierto es
que el investigador podr confrontar sus recursos con otros diseos para
as seleccionar cmo contestar su pregunta (aprende de los otros). Se
debe identificar qu cuestionarios (variables) se han empleado, as como
su transformacin en medidas que permitan ver la respuesta. As
mismo, de cada medida empleada (variable con su dato
correspondiente) observar el manejo estadstico empleado (cmo
describir y comparar cada medida).
No Vale la
pena inventar
lo que ya esta
inventado!
Ojo!, esta bsqueda de variables es particularmente importante. Una

tendencia ingenua es INVENTARSE el cuestionario. Al hacerlo, incurrimos
en la necesidad de validar tal instrumento o, lo que es lo mismo,
demostrar que ciertamente mide lo que se pretende. Por ello, es mejor
usar instrumentos ya validados (usados en investigaciones previas en
donde se demostr que miden lo que se busca). Adems, y como otra ventaja, al usar
variables ya empleadas en otros trabajos, se puede apreciar el manejo estadstico
otorgado a la variable, lo que sin duda favorece su empleo. Por supuesto que el
investigador puede tomar variables de distintas experiencias investigativas y disear
un cuestionario original, obteniendo la validez de las revisiones originales de cada
variable.

Lo cierto de todo esto es que gracias a la revisin efectuada, el

investigador debe precisar:
1. Qu diseo va emplear
2. Cules variables va a emplear
3. Cul ser el manejo estadstico de cada variable
LA SOLIDEZ DE UNA
INVESTIGACION
DEPENDE DE LA
CAPACIDAD
DE
REVISION DEL
INVESTIGADOR
En una sociedad del conocimiento donde abunda la literatura,

prcticamente es improbable que no se encuentre algo acerca del tema
o de la pregunta. Sin embargo, la real dificultad la establece la
capacidad de bsqueda del investigador. Buscar investigaciones previas,
teoras acerca de la pregunta (o de sus componentes), diseos de
investigacin, opiniones e incluso ancdotas son fuentes de riqueza para
la estructuracin de la investigacin. Las tesis doctorales en general son
documentos que pueden estar al acceso de la comunidad cientfica, en
donde, y por principio, las revisiones a profundidad de algunos de los
componentes de la pregunta se presentan. Los artculos, si bien son ms
breves, permiten identificar a travs de las citas bibliogrficas las
disciplinas interesadas y las revistas que lo abordan. Por supuesto que la
capacidad del investigador en hacer una lectura crtica es clave. Para
ello, el identificar las pregunta que se hace en la investigacin, el diseo
escogido para contestarla, la poblacin objeto del estudio, las variables
empleadas, los resultados obtenidos y el manejo estadstico junto con la
discusin (aportes al conocimiento), resulta invaluable. La validez de lo
ledo est dada por la distancia entre lo presentado y la realidad y el

anlisis de los sesgos (errores) se convierte en una actitud que debe

mantener el investigador. Ser una tarea importante del investigador el
hacer resmenes de lo que lee, con el fin de fortalecer su conocimiento
y, adems, el darle respaldo a su estudio.
Se conoce como fuentes primarias a los estudios originales, donde se

presentan investigaciones a cargo de quienes las hicieron (en general
los artculos publicados). Fuentes secundarias son los resultados de
anlisis de otros que, si bien no hicieron la investigacin, efectan una
discusin de lo encontrado por los investigadores.
La bsqueda de los estudios o de las publicaciones es, hoy por hoy, un proceso al alcance
de todos. Las bases de datos electrnicas son sitios en donde se pueden encontrar una
inmensa cantidad de artculos, clasificados de distintas y ordenadas formas. Una base de
datos puede agrupar una inmensidad de revistas. Las bibliotecas donde estn
habitualmente tienen acceso a la totalidad del artculo; sin embargo, existen muchas en
donde solo se presenta el resumen del artculo y la revista donde est, debindose pagar
para poder acceder al estudio completo. La base de datos de la National Library of
Medicine probablemente sea la ms completa. Por ello, el aprender a buscar informacin
en ella es una herramienta muy til en las revisiones. El acceso a los resmenes
(summary) es gratuito.

Una de las diferencias que existan entre los investigadores de pases desarrollados y
no desarrollados eran las bibliotecas. Los primeros tenan enormes ventajas en torno al
acceso a la informacin. Hoy, gracias a las bases de datos y a las conexiones de
Internet, el acceso a la informacin es ms equitativo.

1.6.4. Recopilacin del marco terico (qu debe decir una

tesis)
El paso 6 o construccin de un marco terico no es otra cosa que la

prueba de la revisin que ha hecho el investigador. Recopilar esta
revisin en un documento sin duda es un esfuerzo vlido, obligatorio en
la modalidad de investigacin donde se hace la presentacin de tesis y
no tanto cuando se pblica el artculo para una revista. Si bien existen
muchos formatos de cmo presentar un marco terico en las tesis, uno
puede ser el siguiente:
1. Introduccin. Compuesta por:

1.1. Identificacin del problema o, lo que es lo mismo, una
explicacin debidamente referenciada de la importancia del
tema, donde se plantee lo que hace falta saber al respecto y
los problemas que de ac se derivan en el mundo. Claro, tal
introduccin ha de estar dirigida a llegar a la pregunta de
investigacin.
1.2. La pregunta de investigacin. Al hacerlo: Definir cada uno
de los trminos que componen la pregunta con la debida
referencia.
2. Propsitos y objetivos. Se expone:
2.1. El objetivo general o mencin de lo que pretende lograr la
investigacin.
2.2. Objetivos especficos o desglose del objetivo general.

Claro, estos objetivos son los que se debe haber cumplido al
finalizar la investigacin.
3. Revisin terica. Donde se exponer el producto de la revisin de

cada uno de los componentes de la pregunta. Est compuesto por:
3.1. Qu se sabe hasta el momento de cada uno de los
componentes del problema, claro debidamente referenciado.
Se debe explicar muy bien cmo estn unidos en otras
investigaciones los componentes, explicar modelos
(explicaciones de cmo o por qu funcionan las cosas).
Mostrar frecuencias que sirvan para comparar despus. Qu
respuestas ha investigado en torno al problema, mencionando
cmo los otros investigadores interpretan esos resultados
(discusin).

Por ejemplo, si el problema es Cul es la relacin entre los comportamientos
de riesgo y la familia (estructura y funcin) en la poblacin adolescente

escolar? Los componentes son: Adolescentes escolares, comportamientos de
riesgo, gnero y familia. Entonces, el marco terico no debe olvidar la
integracin de estos tres aspectos. Una propuesta de su desarrollo puede ser el
siguiente:
1. Describir a la adolescencia, clasificarla (pues en la investigacin de seguro se

ordenar). De esta revisin surgirn las variables con los que la investigacin
describir a los adolescentes. Por ejemplo, los clasificar de 10 a 12 aos como
pberes, de 13 a 15 aos como exuberante y de 16 a 19 aos como tardos
[Clasificacin de Carvajal. Adolescencia: la aventura de una metamorfosis. Una
versin psicoanaltica de la adolescencia. Bogot: Tiresias].
2. Explicar qu es el riesgo, cmo se clasifica, cules son los comportamientos de

riesgo que asumen los adolescentes, explicarlos, mencionando qu teoras
existen en torno a ello. De esta revisin surgirn las variables de
comportamiento de riesgo.
3. Definir familia, explicar cmo se clasifica y cmo se mide en torno a su

estructura y en torno a su funcin. Explicar qu relacin existe entre los
adolescentes y la familia y la relacin entre comportamientos de riesgo y
estructura y funcin familiar.
4. Mencionar qu estudios han abordado la pregunta de investigacin y describir

resultados y explicaciones. Ac mencionar cmo han manejado poblacin, qu
tipo de diseos y claro las variables empleadas.
5. Describir lo que se sepa de la poblacin objeto.
6. Cuestionario: Se debe dejar una parte del marco terico para describir las
variables que se emplearn, debidamente referenciadas.
Casi es hacer un libro acerca de la pregunta, de hecho muchos libros surgen de las
investigaciones y, el marco terico es el responsable del mayor desarrollo. Mucho del
marco terico surge de la revisin de artculos, por tanto, aprender a hacerlo resulta
particularmente importante.

Un buen marco terico debe identificar teoras acerca de lo que se

quiere indagar, entendiendo una teora como una descripcin detallada
de un fenmeno que permite proyectar la trascendencia de lo que se
investigar. Las teoras cientficas relacionan conceptos y, a travs de
esas relaciones, buscan deducir, intentando llegar a la prediccin, que
en ltimas es una de las razones esenciales de la investigacin
positivista.
Por ejemplo, en la bsqueda del origen del SIDA, surgi de las descripciones
en torno a la poblacin que lo padeca, la investigacin de una relacin

comn. La teora descriptiva en su momento mostr cmo la poblacin
homosexual, prostitutas, drogadictos, hemoflicos y pacientes trasfundidos,
constituan la poblacin que lo padeca con mayor frecuencia. La pregunta que se hizo
fue, y partiendo de la sospecha de tratarse de una enfermedad infecciosa, cul es el
elemento comn que interviene en la cadena de la infeccin de estos pacientes? De ah
surge la sangre como un probable responsable y con base a esta sospecha se toman
medidas, prediciendo que con dichas medidas se puede controlar en algn grado la
propagacin en aquel momento de la supuesta infeccin.

Lo cierto es que una TEORA en s es una exposicin donde se

describen los fenmenos como conceptos y se demuestran relaciones
que permiten explicar cmo y por qu y, por lo tanto, ser verificada a
travs de lo que se ve (empirismo). Lo que se busca es que,
entendiendo tal fenmeno, se pueda PREDECIR su probable
comportamiento.
A pesar de que se pueda creer que las personas piensan de manera diferente, la
realidad grupal (grupal = personas que viven con caractersticas similares) es que
la mayora piensa de una misma forma. Esto es por dems fcil de entender,
pues una persona en general se desarrolla con otras que lo afectan
poderosamente, influencia que se traduce en similitudes en la forma de ver las
cosas. Claro en el dibujo se expresa ante un mismo objeto dos maneras de
pensar distintas, pero es que se trata de dos personas que pertenecen a grupos
diferentes. Y cmo es de difcil que se pongan de acuerdo dos personas que
piensan distinto!
As mismo, un buen marco terico referencial debe permitir identificar

los MODELOS CONCEPTUALES existentes en torno a la pregunta. Un
modelo es otro intento de relacionar conceptos igual que las teoras,
pero, a diferencias de las mismas, ac no existe tanta solidez, lo que

permite un manejo ms flexible. En esencia, los modelos no son

verificables (lo que s debe tener una teora). Por ejemplo, los modelos
de salud, son explicaciones, donde se relacionan conceptos y, a travs
de ello, se pretende proponer un actuar. Sin embargo, la propuesta no
ha sido probada (que por las relaciones y conceptos expuestos, se
intuye que puede ser).
De estos dos aspectos, surgirn las hiptesis (probable respuesta) de
investigacin. Los investigadores buscarn, o probar o negar las teoras
o los modelos conceptuales revisados aportar a travs de la
descripcin, nuevos fenmenos de inters.
Hoy, y como un importante aporte, vale la pena incluir el MARCO DE
REFERENCIA entendido como la descripcin del mtodo escogido por el
investigador para hacer la bsqueda de informacin bibliogrfica.
Pero, se pueden hacer investigaciones sin tomar estos aspectos como
referentes? La respuesta es S pero resulta evidente que sin la
revisin, medir la trascendencia de lo investigado es menos probable y
resulta por dems obvio, que el peso de un investigador que conoce el
tema a investigar es mayor (mucho mayor) de aquel que no.
El marco terico no suele aparecer en los artculos publicados, pues stos buscan ser lo
ms concretos posibles; dicha indagacin se deja a las publicaciones tipo tesis o textos.

Como se observa, se propone que los investigadores definan su

investigacin luego de la construccin del marco terico. Solo despus
de esta revisin de conceptos, teoras, modelos y trminos de
referencia, el investigador tendr la capacidad de saber en definitiva si
la bsqueda de la respuesta a la pregunta efectuada es a la que quiere
dedicarle el esfuerzo por venir. Con estos elementos tenidos en cuenta,
la identificacin de un PROPSITO resulta un esfuerzo relativamente
fcil. Y el desmenuzarlos en objetivos especficos es, as mismo, ms
factible y sencillo.
Siguiendo con el formato tesis, luego de la construccin del marco

terico y partiendo que ya se concluy la investigacin, en el protocolo
sigue:
4. MATERIALES Y MTODOS: Ac se expone:

4.1. Tipo de estudio efectuado
4.2. Caractersticas de poblacin estudiada
4.3. Variables empleadas
4.4. Recoleccin de informacin.
5. RESULTADOS
5.1. Caractersticas encontradas de la poblacin estudiada
5.2. Frecuencias encontradas de las variables estudiadas (con el
manejo estadstico pertinente)
5.3. Respuesta a la pregunta de investigacin (con el manejo
estadstico pertinente).
6. DISCUSIN
6.1. Exposicin de limitantes de la investigacin (sesgos,
inferencias)
6.2. Comparacin de frecuencias encontradas con revisadas y su
explicacin
6.3. Explicacin de la respuesta a la pregunta encontrada,
comparando con otras y ofreciendo su debida explicacin.
Cmo se observa, esta presentacin no difiere gran cosa del artculo

publicado en cuanto a sus partes. La gran diferencia lo establece la
extensin. En la tesis el investigador lo pone todo pues con base en ello
ser evaluado. En el artculo se debe reducir al mximo, pues solo se
quiere contar lo que se encontr y no demostrar la capacidad del
investigador.

FASE DOS: DISEO Y PLANEACIN (PLAN PARA

CONTESTAR LA PREGUNTA)
Identificada la pregunta viene el importante proceso de planear. Planear

es predecir que si se hace algo se obtendr un resultado especfico.
Seleccionar el diseo y verificar los recursos necesarios para hacer el
trabajo de campo constituyen el objetivo de esta fase.
2. Paso 7. Seleccin del diseo que se emplear

Todo problema o pregunta de investigacin puede ser contestado de
distintas formas. De acuerdo a la manera como se haga, se podr o no
hacer inferencias a otras poblaciones distintas a la investigada. La forma
que se decida es lo que se denomina DISEO de investigacin (TIPOS).
Como se mencion en el captulo introductorio, existen dos grandes
tendencias en torno a la forma de contestar las preguntas, agrupadas
bajo los trminos CUALITATATIVO y CUANTITATIVO. La primera es
especialmente empleada en las disciplinas de las ciencias humanas. La
segunda, en las ciencias naturales. En el caso concreto de la salud, la
disciplina dominante es la epidemiologa y emplea diseos cuantitativos.
Una importante diferencia entre los tipos cualitativos y cuantitativos, lo
establece la flexibilidad en los diseos cualitativos y la rigidez
cuantitativa. De hecho, el diseo cualitativo es eminentemente
exploratorio y busca entender, en tanto que el cuantitativo busca inferir
para con ello predecir.
Para escoger una forma de contestar la pregunta de investigacin, se ha

de tener en cuenta que el diseo sea PERTINENTE (que se relaciona)
con la pregunta y dado que una misma pregunta se puede contestar de
distintas maneras, el investigador deber escoger cul usar a sabiendas
que los que ms asemejen la realidad, son los que tienen mayor validez.
As mismo, ha de tener en cuenta la posibilidad de ERRORES (distancia
con la realidad) de cada diseo. Tener en cuenta a la poblacin o a los
cuestionarios que va a emplear, cmo los va a aplicar y cmo el diseo
procura garantizar que no existan selecciones de poblacin sobre las que
no se pueda sacar conclusiones o garantizar que las respuestas
obtenidas sean ciertas. La bsqueda de un diseo que permita
precisin (si se repite se puede obtener la misma respuesta) tambin
es importante. Otro aspecto es conseguir la potencia en los estudios. La
POTENCIA es la capacidad de un estudio en detectar relacin entre las
variables y eso se consigue con incremento en los tamaos de la
poblacin estudiada. Y claro, definitivamente la FACTIBILIDAD (que se
pueda hacer) entra a jugar un papel primordial al momento de escoger.
Existen unos diseos ms fciles que otros por la logstica que implican.

Planear lo
que se
quiere hacer
Es la clave!

Por ejemplo, si se quiere saber si el cigarrillo provoca cncer se ha de escoger
un diseo diferente al de indagar si existe relacin entre el cncer y el
cigarrillo, ya que el solo hallazgo de la relacin no precisa qu fue primero.
Ahora bien, si se toman personas que no tienen cncer y se observa a travs
del tiempo quines empiezan a fumar y luego comparar entre los que fuman y los que
no, en qu grupo se presentan ms casos de cncer, se podr precisar que fue el
cigarrillo el responsable de la aparicin del cncer (y no el cncer el responsable de
que se fume). Claro este ltimo diseo tiene problemas de logstica importantes,
pues se debe observar por mucho tiempo (de hecho los aos suficientes para que
aparezca el cncer), debe pensar en cmo mantener la poblacin, cmo medirla
(seguimiento) siendo apenas algunos de los problemas a enfrentar. En el primer
ejemplo, hacer una encuesta en la poblacin escogida es, sin duda, ms sencillo
cierto? Estos diseos tendrn mucho que ver con la validez, siendo los ms vlidos los
que se asemejan ms a la realidad. Las cohortes se acercan ms a la realidad que los
estudios de corte o de casos y controles cierto? Pero resultan ms difciles de
elaborar (ms adelante se aclara ms).

2.1. Diseos cuantitativos
Para definir un diseo cuantitativo se ha de tener en cuenta tres

aspectos: la ACTIVIDAD a realizar, el TIEMPO en que se har y la
POBLACIN sobre la que se har.
En torno a la actividad, los diseos cuantitativos permiten tres acciones:
Describir. Por ejemplo, describir las caractersticas de una

enfermedad o de un fenmeno.
Comparar. Por ejemplo, ver si se relaciona o no una variable con
otra.
Intervenir. Por ejemplo, medir si un medicamento es til o no en
un grupo de pacientes.

En torno al tiempo, se deber escoger entre hacer una revisin hacia el

pasado o un estudio de este momento o un estudio hacia el futuro.
Trminos sinnimos son:
Estudios retrospectivos. Por ejemplo, ver lo que los pacientes

presentaban en historias clnicas.
Estudios transversales o de corte: Por ejemplo, hacer una
encuesta y obtener informacin ya o del momento.
Estudios de prospectivos: Donde se hace evala a los pacientes
en distintos momentos (para poder comparar). Ejemplo son los
estudios de cohorte.
Finalmente, en torno a la poblacin objeto de la investigacin, se debe

identificar:
Sobre quin: Las investigacin puede ser sobre individuos o

sobre grupos de poblacin.
En quin: Puede ser sobre el total de la poblacin (UNIVERSO)
objeto o sobre una MUESTRA.
Criterios de seleccin. Cmo se escoge la muestra: o de manera
ALEATORIA (que cualquiera de la poblacin objeto pueda ser
escogido) o por CONVENIENCIA (que no fue aleatoria).
Teniendo esto de presente, una forma de clasificar a los diseos

cuantitativos puede ser:
A: EXPERIMENTAL
A.1. Experimental puro

A.2. Ensayo clnico
A.3. Ensayo de campo
A.4. Cuasiexperimental
A.5. Intervencin comunitaria.
B. OBSERVACIONAL
B.1. DESCRIPTIVOS. Series de caso

B.2. ANALITICOS
B.2.1. Corte
B.2.2. Casos y controles
B.2.3. Cohorte
B.2.4. Ecolgicos.

2.1.1. Intervencionales o experimentales
La actividad esencial de la investigacin experimental es la

INTERVENCIN, queriendo con ello decir que existe una variable
colocada por el investigador sobre una poblacin y cuyo efecto se
pretende medir. En segundo lugar, todos los estudios experimentales
son manejados en torno al tiempo de manera prospectiva, donde se
mide antes de la intervencin a la poblacin objeto y despus mnimo
una vez, pero usualmente varias veces despus (y as poder identificar
hasta cundo aparece o desaparece el efecto). Por supuesto que para
poder medir ese antes y ese despus, se requiere de un grupo de
comparacin. As que se mide sobre la poblacin INTERVENIDA y
sobre otra de CONTROL (que es la de comparacin). Obviamente en lo
posible no debe existir diferencias entre una y otra poblacin antes de la
intervencin, para luego poder ver si se presentan diferencias. Son
entonces estos los parmetros que se han de tener en cuenta en torno a
los estudios experimentales. Los tipos son:
2.1.1.1. Experimental puro: La mejor forma de entenderlos es

pensar de una vez en la experimentacin derivada de la
prueba de los medicamentos. La bsqueda de molculas
benficas para el ser humano se lleva a cabo en una primera
fase en los laboratorios experimentales (con tecnologa de
punta), donde se busca controlar todas las variables. Por
supuesto que son prospectivos y la poblacin objeto son
animales de laboratorio. En general, el principio de la
investigacin se basa en la comparacin. Entonces el comparar
efectos en quienes reciben (intervencin) con grupos que no
reciben es la clave, as como el mximo control sobre las
dems variables (para estar seguros de que los efectos son
por la intervencin y no por otros elementos). Otra
caracterstica que exige la experimentacin es el garantizar
que las comparaciones se hagan en grupos donde no exista
diferencia entre el intervenido y el no intervenido. Claro de
esa manera se busca garantizar que, si existe efecto en el
intervenido, fue por la intervencin y no por otra causa. Para
ello, la seleccin aleatoria de los grupos es la clave.

ENSAYO CLINICO
ENFERMOS ALEATORIO MEDIDA
DE MORBIMORTALIDAD
TTO
=
A TRAVS DEL TIEMPO
PLACEBO
=

2.1.1.2. Ensayo clnico aleatorio: Sin duda, es la investigacin

estelar en el rea de la salud. Constituye los diseos de la
etapa avanzada en la investigacin de medicamentos. En
esencia lo que se busca es medir la efectividad de un
medicamento (intervencin) en un grupo de enfermos. Son
prospectivos por excelencia y se mide a la poblacin objeto
antes de recibir el medicamento y en varios momentos
despus (siempre a la misma poblacin). De hecho se mide el
efecto buscado y otros aspectos (especialmente efectos
indeseables) hacia el futuro (entre ms dure las medidas en
torno el tiempo, mayor la posibilidad de detectar efectos
indeseables). Exigen garantizar la seleccin aleatoria de la
poblacin intervenida y la de control (grupo de comparacin).
Sucede que cuando una persona recibe algo en lo que tiene esperanzas, puede
momentneamente mejorar. Si lo que recibe es el placebo y se recupera transitoriamente
se est ante un efecto placebo, el cual ulteriormente desaparece. Esto se vio cuando
aparecieron los antirretrovirales en pacientes con SIDA que no saban que estaban
recibiendo el placebo y crean estar recibiendo la droga milagrosa. Momentneamente se
mejoraron, as despus, la mortalidad fuese la esperada.

Con el fin de evitar el sesgo del efecto placebo en los ensayos clnicos se
propone que la poblacin del experimento no sepa cul es control y cul
ser intervenida.
Lo anterior es lo que se conoce como estudio CIEGO. Si el que reparte
la medicacin (placebo e intervencin) tampoco sabe cul es cual,
entonces se denomina DOBLE CIEGO. Y si el que analiza los resultados
no sabe cul es cual y solo compara a dos poblaciones sin saber cul es
la intervenida, se denomina TRIPLE CIEGO. Claro los estudios con
menos sesgos son los triples ciegos. En ingls estos estudios se
denominan Randomized double blind trial.
2.1.1.3. El ensayo de campo es casi igual al ensayo clnico pero se
diferencia en que no interviene a poblacin enferma sino sana.
Pero el resto de caractersticas se debe cumplir. Por lo cual,
son los diseos para medir la efectividad de las vacunas, por
ejemplo, pues se parte de poblacin sana. Una muestra fue la
vacuna SALK contra la poliomielitis, donde participaron cerca
de un milln de nios.
2.1.1.4. En el diseo cuasi-experimental la diferencia lo establece la

dificultad para trabajar con grupos de intervencin o de control
seleccionados aleatoriamente. Ac, definida por algn criterio
la poblacin sobre la cual se va hacer la intervencin, se
escoge una poblacin lo ms parecida (pero no de manera
aleatoria) de control. Por ejemplo, una intervencin educativa
donde se toman jvenes de un mismo curso de dos colegios.
Los jvenes se escogen por estar en el curso y no como
resultado de un proceso aleatorio.
2.1.1.5. En la intervencin comunitaria no se escogen personas, y
s poblacin. Por ejemplo, la poblacin de un municipio que
ser intervenida con agua fluorizada y la de otro municipio
cuya agua no ser fluorizada (control). Claro las poblaciones
de cada municipio han de ser lo ms semejante posible.
Es indudable que un estudio INTERVENCIONAL debe presentar en su

descripcin a la poblacin antes de la intervencin para que el lector
pueda ver que si son comparables. Debe explicar muy bien cmo se
reparti y explicar cmo se mantuvo el criterio de ocultamiento o
enmascaramiento. La respuesta a estas presentaciones demuestra el
grado de validez (o semejanza con la realidad).

2.1.2. Observacionales
La actividad fundamental de los diseos observacionales es DESCRIBIR

y/o COMPARAR (pero por sobre todo NO intervenir). Su objetivo es
describir (por ejemplo, una entidad) o buscar relaciones entre variables
(y, as, proponer asociaciones causales). En torno al tiempo estos
diseos son y pueden ser verstiles: tomar eventos pasados y a travs
de la documentacin existente describirlos y compararlos. Tambin
pueden, usando instrumentos, identificar variables (de descripcin y/o
comparacin) en el momento o hacerlo de manera prospectiva (medir
varios momentos). Respecto a la poblacin pueden trabajar sobre
universos (poblacin objeto total) o sobre muestras que pueden ser por
conveniencia o aleatorias. Se clasifican en:
2.1.2.1. Descriptivos: Se denominan series de casos y la principal

condicin es seleccionar una cantidad de casos definidos por el
investigador y describir la presencia o ausencia de una serie
de variables. Pueden hacerse tomando historias clnicas, por
ejemplo, estudios retrospectivos y a travs de las mismas se
describen las variables de inters. Pueden hacerse con
muestra o con poblacin total. Es muy usada para entender
los comportamientos de las enfermedades. Sirven para
construir la historia natural de las enfermedades.
Un ejemplo puede ser la descripcin que se efectu en la dcada de los 80 en

torno al SIDA. La recoleccin de informacin, con su ulterior clasificacin
permiti ver las caractersticas de la poblacin, de las manifestaciones, el
pronstico etc.


Las series de caso permiten aprender muchsimo. Probablemente sean en
medicina la mejor actividad descriptora. Los hospitales deberan tener abiertos
sus archivos para poder describir las manifestaciones, tratamientos y dems de
los pacientes que all acuden. As, de seguro surgiran interesantes
planteamientos para hacer nuevas investigaciones en beneficio de los pacientes. En las
investigaciones, la tabla de frecuencia es la encargada de presentar las descripciones.
Por ello, saber construir una tabla descriptiva es un deber de los que anhelen ser
investigadores.
En una serie de casos se pueden hacer numerosas comparaciones a travs de las cuales
se puede aprender. Por ejemplo, en una clnica, el tomar todos los casos de dolor
abdominal de un ao ya pasado (retrospectivo) y observar en qu casos se diagnostic
apendicitis, permite al compararlo con los que no, identificar la sensibilidad y la
especificidad de las manifestaciones clnicas de la apendicitis. Es obvio que tal
investigacin puede contribuir a mejorar los procesos diagnsticos

2.1.2.1.2. De corte (descriptivo exclusivamente). Se trata de

describir unas variables, para lo cual se recogen los casos
(poblacin objeto) en el tiempo en que van llegando. Por
ejemplo, describir las caractersticas del dolor torcico en un
servicio de urgencias.
2.1.2.1.3. Los estudios analticos aparte de describir, comparan
poblaciones. Se denominan tambin diseos correlacionales,
pues lo que buscan es ver si una variable cambia al cambiar
la otra. Este hallazgo (la relacin) en salud tiene enormes
implicaciones, pues a partir de dicha correlacin se pueden
hacer los planteamientos (sospechas) de la causalidad.
Pueden ser:
2.1.2.1.4. De corte: Tambin denominado cross seccin o estudio de
prevalencias. En este diseo se aplica a una poblacin un
instrumento (variables) y se describen las frecuencias, las
que se pueden comparar en esa poblacin (los que tienen
una variable con los que no la tienen). La condicin esencial
lo establece el hecho de que a toda la poblacin objeto se la
identifica una vez (se obtiene la informacin ahora). El que
se trabaje con muestra o con poblacin objeto total lo define
el investigador de acuerdo a lo que busque, siendo muy
obvio que la muestra representativa le permite a este diseo
hacer inferencias. Los instrumentos ms caractersticos son
las encuestas que se hacen con tanta frecuencia (es el
diseo ms aplicado). Un ejemplo son los estudios de
prevalencia como saber cul es la frecuencia de fumadores
de tal sitio o cul es la frecuencia de factores de riesgo en
una poblacin.
Ciertamente estos estudios son particularmente simples y sencillos de

hacer. Por ello, una gran cantidad de investigaciones son de este tipo.
En los cursos cortos de investigacin son los que ms se realizan por
las facilidades del diseo. Exigen acceso a la poblacin, con la que solo
se tiene contacto la vez que se le hace la encuesta. Clave es saber
hacer y presentar el cuestionario
2.1.2.1.5. Estudio de casos y controles: En este diseo la

caracterstica esencial est en la poblacin objeto. Se
escogen dos poblaciones: Una identificada como CASOS y
otra como CONTROL. El caso debe tener sin duda la
condicin que se estudia (habitualmente una enfermedad).
En el control se debe tener la garanta de que no tiene la
condicin de caso; pero, por lo dems, ha de ser lo ms
parecido al caso. Con esa condicin se aplica un instrumento

para comparar los casos con los controles buscando

encontrar diferencias en las variables. En general, se hacen
en torno al tiempo de manera transversal y se busca como
mnimo comparar un caso por un control, dndole ms
potencia si se comparan dos o ms controles por caso.
Recuerde que la potencia lo establece el nmero de participantes. Entre ms

participantes, es ms probable encontrar ms relaciones.
Un ejemplo fue el estudio de Doll y Hill acerca del cncer del pulmn (casos) y
del cigarrillo (exposicin). Partiendo de pacientes con cncer del pulmn se
busc poblacin similar pero sin cncer y se observ (a travs de relaciones OR)
si fumaban o no. Se encontr una relacin expresada en OR de 16 (por cada persona
con cncer y que no fuma se encontr 16 con cncer y que fuman).
Evidentemente cuando se encuentran relaciones tan fuertes, el paso siguiente es hacer

estudios para ver la CAUSALIDAD. Por ejemplo, en la dcada de los 50 se encontr en
Alemania un incremento del nacimiento de nios con malformaciones. Se efectu un
estudio de casos y controles donde se hall una fuerte relacin con la ingesta de
Talidomida (un antiemtico recomendado en el embarazo). Ello dio pie a la suspensin
inmediata del producto para el consumo humano. Ni siquiera se plante hacer un estudio
de cohorte. Por qu se actu de esta manera con esta droga y no con el cigarrillo?... ah,
ac esta el poder del dinero!

2.1.2.2.1. Estudios de cohorte: As como el ensayo clnico es el

estelar de los diseos experimentales, los estudios de
cohorte son lo mximo de los estudios observacionales (no
existe intervencin). Son ideales para describir y comparar.
En estos se selecciona una cohorte de personas a los que se
les medir a lo largo del tiempo (prospectivos). Son estudios
que buscan causalidad y la condicin esencial es garantizar
que la poblacin a la que se la va hacer el seguimiento, no
tenga la condicin que se quiera indagar (no hace falta que
sea poblacin aleatoria). Luego, y a lo largo del tiempo
(mucho tiempo) se hacen mediciones buscando ver si
aparece la condicin y, cuando lo hace, se revisa a qu se
expuso, buscando relaciones entre lo causado y lo expuesto.
Por ejemplo, luego de encontrar la relacin entre el cncer
del pulmn y el cigarrillo, se plante hacerle seguimiento a
una poblacin de la que se saba no tena cncer. En dicha
poblacin, algunos empezaron a fumar y otros no y se pudo
medir la comparacin que con el tiempo determin el evento
de fumar y la aparicin del cncer. Pero no solo encontraron
que los que fumaban les daba ms cncer. Tambin pudieron
medir que apareca en los fumadores ms casos de
enfermedad coronaria, de enfermedad pulmonar obstructiva
y cnceres en otros lugares. Claro el seguimiento fue por
ms de 10 aos.
SI =
E
X
P
O COMPARA LAS
S COHORTES
SANOS I A LO LARGO DEL TIEMPO
C
I
O
N
NO =
Los estudios de cohortes se proyectan para hacerse mnimo durante el tiempo que se
toma una enfermedad en aparecer. Por ejemplo, en los estudios de cncer, la duracin
mnima ser 10 aos, pudiendo ser proyectados a ms de 20 aos. En la actualidad
existen muchos estudios de cohorte indagando sobre las distintas exposiciones del hombre
actual. Exposiciones a radiacin de los celulares, dao de audicin por el uso de audfonos
(para msica), exposiciones a qumicos en alimentos etc. Claro, en el momento en que en
las medidas se encuentren anormalidades estadsticamente significativas, tales estudios se
publican para impedir que se contine con las exposiciones dainas.

2.1.2.2.2. Estudios ecolgicos: Este diseo es como tal muy eficiente

ya que busca comparar situaciones con datos ya recogidos.
Adems, se trabaja con grupos poblacionales. La
comparacin, y ah esta lo difcil de interpretar, se hace entre
un momento (pasado) con otro momento (presente) lo que
determina precisamente su debilidad; cada poca es
diferente de manera compleja y, por consiguiente, la
comparacin est sujeta a ms variables que las previsibles.
Un ejemplo puede ser el comparar la frecuencia de caries en
1980 en un municipio y ahora (2007). Claro, lo que se desea
medir es el impacto que pudo tener la fluorizacin del agua
en la frecuencia. Para ello se usan registros previos y se
comparar con registros actuales. Dado lo distinto en las
condiciones de la poblacin que se compara, a veces los
resultados no son ciertos. Eso se conoce como la falacia
ecolgica.
Uno de los retos de estos estudios (analticos) es presentar la respuesta
en las tablas de comparacin. Obviamente, se originan de la tabla de
contingencia, pero presentar las tablas de resultados (consolidadas) de
comparacin es todo un arte.
COMPORTAMIENTOS HABER SIDO GOLPEADO EN EL LTIMO AO HABER GOLPEADO A LGUIEN EN EL LTIMO AO LLEVAR UN ARMA
IC 95% IC 95% IC 95%
SI NO OR SI NO OR SI NO OR
LI LS LI LS LI LS
13 a 16 aos 2 432 (35) 4 459 (65) 2 512 (37) 4 346 (63) 746 (11) 6 122 (89)
1,41 1,28 1,56 1,59 1,44 1,77 2,27 1,88 2,75
10 a 12 aos 923 (26) 2 639 (74) 907 (26) 2 633 (74) 165 (5) 3 423 (95)
17 a 19 aos 356 (37) 615 (63) 137 (14) 836 (86)
1,36 1,14 1,61 2,54 1,94 3,32
10 a 12 aos 907 (26) 2 633 (74) 165 (5) 3 423 (95)
Masculino 2 062 (37) 3 574 (63) 2 405 (43) 3 194 (57) 752 (13) 4 864 (87)
1,65 1,51 1,8 2,66 2,44 2,92 3,06 2,63 3,57
Femenino 1 639 (28) 4 224 (72) 1 399(24) 4 447 (76) 305 (5) 5 584 (93)
Triste 446 (50) 446 (50) 414 (47) 473 (53) 141 (16) 744 (84)
2,15 1,81 2,55 1,93 1,62 2,3 1,96 1,51 2,53
Feliz 938 (25) 2 752 (75) 1 030 (28) 2 635 (72) 273 (7) 3 425 (93)
Disfuncin Moderada 1 064 (41) 1 538 (59) 1 102 (42) 1 510 (58) 299 (11) 2 311 (89)
2,02 1,82 2,23 1,75 1,58 1,94 1,51 1,28 1,77
Funcional 1 836 (25) 5 418 (75) 2 010 (28) 5 209 (72) 524 (7) 6 737 (93)
Disfuncin Severa 520 (59) 362 (41) 474 (54) 404 (46) 152 (17) 732 (83)
4 ,06 3,46 4,75 3,09 2,64 3,63 2,37 1,9 2,96
Funcional 1 836 (25) 5 418 (75) 2 010 (28) 5 209 (72) 524 (7) 6 737 (93)
Por ejemplo, en una investigacin que busc relaciones de edad, gnero, nimo y estructura y
funcin familiar con comportamientos violentos por parte de adolescentes escolares, se present
esta tabla de resultados: en la primera columna estn las variables dependientes (edad, gnero,
nimo y estructura familiar con funcionalidad familiar y las variables independientes son los
comportamientos violentos (haber sido golpeado en ultimo ao, haber golpeado a alguien en
ltimo ao y llevar un arma). Observe la tabla y se dar cuenta que los datos descritos permiten
que el que la lea sepa de dnde viene cada resultado (y si quiere lo obtenga). Mrela con
cuidado la sabe interpretar? Como ejemplo observe la relacin ms fuerte que es el OR de
4.06 que se encuentra al comparar la percepcin funcional con la disfuncin severa en la variable
haber sido golpeado el ltimo ao. Se expresa as: Por cada adolescente que S fue golpeado el
ltimo ao y percibe funcionalmente a su familia, existen 4.06 adolescentes que S fueron
golpeados y perciben disfuncionalmente a su familia. Esta relacin es significativa ya que los
intervalos de confianza del 95% as lo demuestran.

2.1.3. Otros tipos de investigaciones cuantitativas

Una investigacin cuantitativa que se est convirtiendo en el fuerte de la
epidemiologa es el META ANLISIS. En este se buscan estudios con
diseos similares (todos los que se puedan) y con el menor nmero de
sesgos. Juntados todos los datos de cada una de las investigaciones
seleccionadas, que son resultados de distintos investigadores y en
distintas partes, se hace un nuevo anlisis como si se tratase de una
sola investigacin. Lgicamente, tienen exigencias muy especificas, pero
una vez se unen, la validez de los resultados se potencializa y aumenta
la validez de lo encontrado. Por ejemplo, tomar las bases de datos de
los ensayos clnicos de un medicamento y construir una nueva base de
datos y hacer todo el proceso de anlisis, da sin duda una aproximacin
mayor en torno a lo que se encuentre con la realidad.
Las REVISIONES SISTEMATICAS (que ya son en s mismas
investigaciones de un alto grado de evidencia) son exploraciones
eminentemente bibliogrficas en donde se busca todas las
investigaciones publicadas en determinado tiempo acerca de un tema
especfico (problema) y se hace una comparacin de sus resultados con
el consiguiente anlisis. Sus partes tienen criterios tales como explicar
cmo se hizo la bsqueda, qu criterios de seleccin de investigaciones
se tomaron, descripcin de los estudios tomados, resultados y discusin
de stos, finalizando con las conclusiones de los autores (quienes hacen
la revisin).
FUNDACION COCHRANE
Existe en el mundo una tendencia a hacer de los investigadores y de sus investigaciones
una gran comunidad cientfica libre de los conflictos de inters, donde todos podamos
participar y unir nuestros esfuerzos, buscando que lo que se indague pueda unirse y, as,
aproximarse ms a la realidad. Por ejemplo, si se trata de estudiar la eficacia de un
medicamento, la Fundacin Cochrane propone que, sin importar el sitio del mundo, los
investigadores se vinculen a los grupos de estudio y trabajen como si fuera una sola
investigacin. Para ello, todos los interesados en el estudio de tal medicamento deben
cumplir con un protocolo (que busca disminuir al mximo los sesgos) y una vez efectuada
la investigacin, compartir los resultados con los dems miembros de esa comunidad
cientfica. As se podrn unir bases de datos y hacer meta anlisis.

2.1.4. Investigaciones administrativas: Otros tipos de

investigacin y de tendencia cuantitativa, donde la
clasificacin (con los criterios de actividad, tiempo y
poblacin) no es tan sencilla y que se mencionan ms con
carcter informativo, proponiendo que el interesado las
busque, son las investigaciones administrativas. Estas, en
general combinan actividades, tiempos y poblaciones de una
forma no fcil de clasificar en los diseos epidemiolgicos.
Una aproximacin a su entendimiento sera:
La investigacin de procesos: trmino que abarcara a todos esas

investigaciones donde se implementan procesos obligatorios. Por
ejemplo, los requisitos de habilitacin para una IPS o la implementacin
de las normas de ISO en una IPS. Para ejecutarse se debe: describir
condiciones del momento (diagnstico previo), evaluacin de recursos,
disear procesos de implementacin para cumplir las normas, etc. Estas
se miden por indicadores.
Como tales, son muy integrales, queriendo decir con ello que se acercan
mucho a la realidad: de hecho, y por ejemplo, en una investigacin para
implementar la habilitacin de una IPS, si no se observa todo, la realidad es
que la cierran!
Las investigaciones de costos. Son aquellas que, siguiendo criterios

cuantitativos, se toman los recursos como medida (en general valores
de dinero) y, a travs de ellos, se establecen las descripciones y las
comparaciones. Son muy tiles para medir eficiencia.

Su mejor ejemplo son los estudios de costos por actividad en donde, y a
travs de ello, se pueden comparar la eficiencia de las EPS, de las IPS, de las
actividades de las empresas etc.

2.2. Diseos cualitativos
Constituyen la otra gran tendencia en el mundo de las investigaciones.

La caracterstica ms importante de los diseos cualitativos es la
flexibilidad de los mismos. De hecho en la medida que el estudio
avanza, el diseo se construye. De ah el trmino de diseo emergente.
Su razn esencial es entender los fenmenos que estudia. Por ende, el
anlisis de la informacin ocurre junto con cada paso, de los que a su
vez, van surgiendo los subsiguientes.
Los diseos cualitativos sostienen que la realidad no puede encajarse en los modelos
cuantitativos. Refieren que es cambiante y no rgida, por lo que sus diseos procuran ser
tan flexibles como la realidad se puede presentar.
Una clasificacin ms con carcter informativo, puede ser la siguiente:
1. Investigaciones que buscan entender CULTURA de la poblacin:
Etnografa. Busca entender de manera holstica la cultura.

Etnociencia. Busca entender significados que moldean el
comportamiento.

2. Investigaciones que buscan entender experiencias:
Fenomenologa. Entender experiencias de los individuos.

Hermenutica. Entender experiencias bajo el contexto
sociocultural.
3. Investigaciones que buscan entender conductas y

acontecimientos:
Etologa. Entender conductas o comportamientos.

Psicologa ecolgica. Entender conducta influida por el ambiente.
4. Investigacin que busca entender ambientes sociales:
Teora fundamentada. Busca entender los procesos psicolgicos y

estructuras sociales del entorno social.
Etno-metodologa. Entender cmo o por qu se comportan los
individuos de una u otra forma socialmente.
Interaccin simblica. Entender cmo se interpretan las
interacciones sociales.
5. Investigacin que busca entender la comunicacin humana:
Anlisis del discurso. Entender las formas y reglas de la

comunicacin.
6. Investigacin histrica. Recoleccin de datos e interpretacin de los

mismos.
2.3. Investigacin multi-mtodo: Combina los diseos

cuantitativos y los cualitativos. Por ejemplo, hacer un estudio
de prevalencia acerca de sexualidad en un colegio (diseo
cuantitativo), procesar los resultados y despus reunir a un
grupo de adolescentes para, a travs de una metodologa
cualitativa, tratar de entender las respuestas encontradas.

2.4. Paso 8. Seleccin de la poblacin

Los estudios pueden hacerse sobre poblacin total (o de referencia) o
sobre muestra (de la poblacin de referencia). El concepto de poblacin
total se establece cuando se puede definir con claridad el universo
(total de poblacin) y el investigador define que puede acceder a l. Por
ejemplo, toda la poblacin adolescente de un colegio. Claro, una
poblacin total de un colegio no permite hacer inferencias de lo
encontrado o, lo que es lo mismo, generalizar lo encontrado a la
totalidad de la poblacin adolescente escolarizada de la ciudad. La
inferencia en general es una de las razones de los estudios
cuantitativos. Solo existe una manera de alcanzarla y es trabajar con
una muestra de poblacin representativa. La representatividad
se expresa como la capacidad que se tiene de inferir de la muestra al
universo (o poblacin total de similares caractersticas). La investigacin
cualitativa no usa en general muestras representativas pues lo que
buscan es entender y no inferir y, para ello, cualquier poblacin sirve.
MUESTRA
POBLACION
ENFERMOS
SANOS
Una poblacin es el agregado total de casos que cumplen con una serie determinada de
criterios. Poblacin accesible son los casos de poblacin que cumplen con criterios y que
son accesibles al investigador. Poblacin blanco es la poblacin sobre la que se quiere
hacer inferencias.

2.4.1. Acceso a la poblacin: El identificar claramente cmo se

puede llegar a la poblacin es particularmente importante
cuando se va hacer una investigacin. En este punto, es clave
el seleccionar unos criterios que debe cumplir la poblacin
para ser escogida y asegurarse de cumplir con principios
ticos sobre dicha poblacin.
2.4.1.1. Criterios de inclusin: Tambin denominados
CRITERIOS DE ELEGIBILIDAD, son las condiciones que debe
tener la poblacin para poder ser seleccionada. Buscan
disminuir al mximo la posibilidad de escoger poblacin
sesgada. Indudablemente que surgen de las caractersticas
del estudio en cuestin. Edad, estrato, condicin de salud,
son ejemplos de criterios de seleccin.
Por ejemplo, en un estudio de un medicamento para el asma, donde se debe seleccionar la

poblacin sobre la cual probar el medicamento, qu sucedera si se efectuase en
poblacin sin asma? Obviamente puede suceder que el medicamento muestre resultados
excelentes pero, se puede afirmar que sucedera lo mismo en poblacin con asma?
Como se observa, esa poblacin sin asma se convierte en un ERROR DE SELECCIN. Otro
ejemplo puede ser al estudiar prevalencias de comportamientos de sexualidad en
adolescentes comparar jvenes de 18 aos con los de 15 es bien diferente cierto?
Resulta evidente que las conclusiones de un grupo son distintas que las del otro. Entonces
el estudio debe especificar cul ser la edad en cuestin.

Seleccionar apropiadamente la poblacin objeto de una investigacin

(expresar las condiciones que debe cumplir la poblacin escogida)
resulta clave en los diseos cuantitativos ya que ellos buscan inferir al
total de la poblacin de similares caractersticas. De hecho, una
seleccin inadecuada da pie a lo que se conoce como SESGO DE
SELECCIN, que es uno de los tres errores que la epidemiologa
estudia con mayor cuidado. La cuidadosa seleccin de criterios de
participacin o de exclusin sobre la poblacin objeto de una
investigacin evita que se incurra en este frecuente sesgo.
Dado que en muchos estudios se comparan poblaciones, el
SELECCIONARLAS para que sean comparables resulta particularmente
importante. Por ejemplo, Doll y Hill para poder saber si exista una
relacin entre el tabaco y el cncer del pulmn hicieron lo siguiente:
Buscaron CASOS de personas con cncer del pulmn. Luego
identificaron caractersticas claves de cada uno de estos casos.
Posteriormente, y para comparar, buscaron personas de las cuales con
un alto grado de seguridad se poda afirmar que no tenan cncer
pulmonar y que en esas caractersticas claves fuesen similares a los
casos. Se les denomin CONTROLES. Y con esto compararon si el
cigarrillo se relacionaba o no con el cncer. Los sesgos de seleccin en
los que ellos podan haber incurrido (y que, para no hacerlo, estuvieron
muy pendientes) seran:
1. Que seleccionasen como CASOS a personas que no tenan cncer
del pulmn.
2. Que seleccionasen como CONTROLES a personas que tenan
cncer.
3. Que las caractersticas claves de los casos y de los controles no
fuesen similares. Por ejemplo, no se escogi el trabajo como
caracterstica clave para seleccionar los controles y result que
muchos de los casos trabajaban con asbesto y no se busc en los
controles esta caracterstica.
Estas tres condiciones expuestas hacen muy probable que las
conclusiones de un estudio que no las haya tenido en cuenta no sean
ciertas. Por ello se denominan sesgos o errores que, de estar presentes,
invalidan los resultados; es decir, que no puedo asegurar que la realidad
sea as y dado que se refiere a la poblacin, se han denominado sesgos
de seleccin (repitindolo una vez ms) de la poblacin escogida del
estudio.
Otro error que se ha de buscar es el expuesto en este otro caso siendo
un sesgo (error) ms frecuente de lo que parece (tristemente a veces
malintencionado). Por ejemplo, si se va a probar un medicamento en
una enfermedad, resulta esencial proporcionrselo a los enfermos, pero
para saber si sirve o no, se debe tener otro grupo de enfermos para

comparar. Es claro que, en lo posible, no deben existir diferencias entre

un grupo de enfermos y otro. Solo as se convierten los dos grupos en
comparables.
ENFERMOS
TTO
=
COMPARAR A TRAVES
DEL TIEMPO
PLACEBO
=
El dibujo expresa uno de los tipos de sesgo de seleccin: imagnese que se tiene una
poblacin de enfermos de SIDA y como resulta obvio, en esa poblacin existen unos ms
enfermos (en el dibujo, los que estn encerrados por un cuadrado) que los otros (por
ejemplo, tienen notoriamente ms disminuida la poblacin de linfocitos T, as como ms
bajo el peso promedio). Entonces, se desea probar la eficacia de un nuevo medicamento
(llamado TTO). Resulta lgico que para probar la utilidad se debe dividir a los enfermos en
dos grupos y a uno suministrar TTO y al otro no (solo as se puede identificar si sirve o
no). Pero se escoge a los menos enfermos en el grupo del TTO (a los que se les dar el
medicamento) y a los ms enfermos en el grupo que se le dar el placebo. Al cabo del
tiempo se mide quines se curaron ms: si los del grupo TTO o los del grupo Placebo. En
este ejemplo, result que fueron los del grupo TTO (3 de 4 se mejoraron). Ahora la
pregunta es: se puede estar seguro de que este resultado es vlido? Ello significara que
se podra asegurar que los que reciban TTO se curarn ms que los que reciban placebo.
Si bien el resultado pone en evidencia que en TTO se curaron 3 y en placebo solo 1, no se
puede estar seguro de que este resultado se debi al TTO. Por qu? Pues porque los que
recibieron TTO estaban menos enfermos que los otros (por ende, NO SON
COMPARABLES). Algn observador para demostrar que no son comparables puede decir lo
siguiente: Mire, si uno de los que recibi placebo se cur, cmo descartar que los tres
que recibieron TTO no se iban a curar as no recibieran nada?
Para evitar este sesgo en la seleccin de la poblacin cuando se vaya a

dividir a los enfermos, se debe repartir de manera equitativa a cada
grupo (grupo de intervencin y grupo de control). Ese equilibrio se
alcanza a travs de una reparticin aleatoria. As, casi con seguridad
en cada grupo (brazo) de reparticin quedarn una misma proporcin de
enfermos ms y menos graves.

2.4.2. Cumplimiento de principios ticos

No existe duda acerca del inmenso valor que se ha de dar a la TICA en
la investigacin. La investigacin debe siempre ofrecer beneficio a la
humanidad y sobre todo a la vida. Para ello se han construido una serie
de cdigos de tica que todo investigador debe conocer. En todo caso y
para cualquier investigacin se deben cumplir como mnimo los
siguientes principios:
2.4.2.1. PRINCIPIO DE BENEFICIENCIA: La mxima es que

nunca se puede daar a la poblacin objeto. Por ende, se debe dar la
garanta de que no existen riesgos. Adems, que no se explotar a la
poblacin objeto (de ah la necesidad de la confidencialidad) y, claro que
recibir BENEFICIOS con base al estudio (mnimo conociendo los
resultados). Existen ocasiones en donde el investigador ha de tener en
cuenta la razn riesgos-beneficios y ah, por sobre todo, la poblacin
objeto ha de conocerla.
2.4.2.2. PRINCIPIO DE RESPETO A LA DIGNIDAD HUMANA. Se

refiere al derecho de la poblacin objeto de decidir si participa o no del
estudio, adems de conocer todo referente a la informacin sobre el
estudio (qu se piensa hacer con la informacin). Una vez ms, la
confidencialidad y la exigencia de reserva en los resultados es un
derecho de la poblacin objeto.
2.4.2.3. PRINCIPIO DE JUSTICIA: Todo participante en una

investigacin debe ser tratado justamente. No puede ser discriminado,
puede retirarse cuando lo desee, puede tener acceso a cualquier
informacin respecto a la investigacin y un trato amable y respetuoso.
Se debe restringir la identificacin de la poblacin objeto.
2.4.2.4. CONSENTIMIENTO INFORMADO. Todo participante debe

ser informado suficientemente acerca de la investigacin. Debe entender
los riesgos y los beneficios, el uso que se le dar al estudio, cmo se
garantizar la confidencialidad y primordialmente dar su consentimiento.
Claro, se ha de garantizar el ENTENDIMIENTO por parte de la poblacin
objeto.
2.4.2.5. CONSIDERACIONES SUJETOS VULNERABLES: Se ha de

tener un particular cuidado con poblacin de nios, jvenes y personas
con discapacidad. Se debe solicitar autorizacin en la participacin de
responsables, explicndole a ambos (poblacin objeto y responsables)
necesitndose el consentimiento de ambas partes.

2.4.2.6. COMITS DE TICA. Es muy conveniente que en todas las

entidades que trabajan en el rea de salud (prestando o educando)
existan comits de tica cuyo papel ser proteger a la poblacin objeto
cuando surja el inters de hacer una investigacin. Los integrantes
deben estar al tanto de las leyes que regulan la investigacin y debern
verificar el cumplimiento de los principios ticos en el protocolo de la
investigacin.
En nombre de la ciencia s que se han cometido atropellos sobre la poblacin. Existen

documentos que dejan en evidencia cmo se experiment sobre poblacin incluso
exponiendo a la poblacin a sustancias sin su consentimiento. Algunos prisioneros de
guerra en la II Guerra Mundial dan fe de los atropellos a que fueron sometidos en nombre
de la ciencia. Por otra parte, la medicina aplicada a los pacientes es muy imperfecta. Con
la mejor intencin, en muchas ocasiones, las intervenciones (medicacin) pueden provocar
efectos indeseables incluso ms dao que beneficio. De ah que es esencial que los
mdicos reconozcamos esta limitacin y les expliquemos a los pacientes, de manera
sencilla, los riesgos a que se someten con este o aquel tratamiento para que sea el
paciente en ltimas el que decida si corre o no el riesgo.

2.5. Muestras (de poblacin)

Una muestra es la seleccin de una porcin de la poblacin. Se puede
trabajar con muestras que representen el total de poblacin o no.
Representar a la poblacin quiere decir que esa porcin presenta las
mismas caractersticas que el total de la poblacin de donde se obtuvo.
Claro con un pequeo margen de error (o diferencia). La importancia
est en que al trabajar con una muestra representativa, los resultados
de la investigacin se pueden generalizar al total de la poblacin de
donde sali la muestra, evento conocido como INFERENCIA.
Lo anterior constituye una de las grandes diferencias entre la

investigacin cuantitativa y la cualitativa. Estos ltimos buscando la
comprensin sacrifican las inferencias, pues pretenden entender antes
que generalizar lo que estudian. Los diseos cuantitativos buscan la
inferencia a travs de las muestras, por ende, son muy exigentes en la
bsqueda de la representatividad.
Para que no exista confusin en la seleccin de la muestra, es

conveniente siempre definir muy bien ciertos trminos. Por ejemplo,
poblacin (total de casos que cumplen con el principal criterio) y de
ella identificar la accesible (que es la poblacin con los criterios y que
adems, es accesible) y la blanco (que es la poblacin sobre la cual se
quiere hacer una generalizacin).
2.5.1. Muestras representativas. En torno a la representatividad de

una muestra se ha de decir que alcanzarla es todo un esfuerzo donde
existen incluso diseos de muestreo (con exigencias especficas). En
general, y si se busca representatividad, se debe escoger un
MUESTREO PROBABILSTICO donde cualquiera de la poblacin total
tiene la oportunidad de hacer parte de la muestra. Para ello existe todo
un proceso metodolgico. Un ejemplo puede ser el procedimiento que se
sigue en los censos: teniendo en cuenta el total de poblacin, y
partiendo que no se puede censa toda, se selecciona un nmero de
poblacin con base a una frmula. Por supuesto que esta muestra ya
tiene un margen de error. Entre ms aproximada est la muestra del
total de la poblacin menor ser el error. Escogido el nmero de
personas a censar, el siguiente paso es permitir que cualquiera del total
de poblacin sean los elegidos. Suponiendo que se sabe dnde viven,
una forma es introducir todos los nombres en una bolsa y sacar la
cantidad determinada previamente por la frmula. As se puede
asegurar que todas las personas que forman la poblacin, tuvieron la
misma oportunidad.

Claro lo anterior no siempre es factible, as que se han desarrollado

una serie de alternativas.
El muestreo probabilstico puede usar distintos criterios. La

estratificacin se refiere a criterios excluyentes que permiten clasificar
a la muestra. Por ejemplo, la edad, donde se clasifica por grupos de 0 a
1 ao y de 2 a 5 aos. Ambos criterios se excluyen. En este caso si se
conoce la reparticin por edad del total de la poblacin, la muestra se
seleccionar en proporcin a las edades del total de poblacin
(estratificacin por edad).

Ejemplos de muestreo probabilstico (donde cualquier miembro de la

poblacin total puede ser seleccionado) son:
Muestreo aleatorio simple. Donde se escoge la muestra a

travs de un sistema de lotera o de nmeros probabilsticos.
Muestreo aleatorio estratificado. En donde primero se
estratifica y luego se selecciona a travs de un sistema aleatorio.
Muestreo por conglomerados o de etapas mltiples: Por
ejemplo, se quiere una muestra de estudiantes de medicina,
entonces se escoge aleatoriamente a las facultades. De las
seleccionadas se escoge aleatoriamente cuntos de cada una.
Luego de cada una se hace la seleccin aleatoria de los
estudiantes.
Muestreo sistemtico: Se usa, por ejemplo, cuando se decide
hacer una encuesta de calidad de servicios de salud en distintas
entidades y se toma como criterio que de cada 10 entidades, el
dcimo ingreso ser encuestado. Claro implica colocar los
nombres de todas las entidades que se podran encuestar (que
representan la poblacin total) en una bolsa, para as escoger
aquellas que salgan luego de contar diez y desplazarse hasta las
seleccionadas para encuestar a la persona que ingresa de dcimo
en tal entidad. Cmo se observa se seleccion un mtodo que se
aplica de manera total (sistemtico).
Lo importante a tener de presente es que la muestra representativa

debe asegurar en lo posible que el escogido fue producto del azar.
2.5.2. Muestras por conveniencia: Cuando se decide trabajar con

una muestra no probabilstica, se denomina MUESTRA POR
CONVENIENCIA. Existen muchas formas de hacerlo, pero lo
importante es tener en cuenta que no se pueden hacer
INFERENCIAS de lo hallado.
Hay una gran variedad en el muestreo por conveniencia: por cuotas,

donde se asigna a la muestra proporciones similares a la poblacin de
referencia o blanco. El intencional, en donde es el investigador con
base en su conocimiento quien selecciona la muestra o el accidental
cuando se escoge una muestra porque est ah (accidentalmente).
2.5.3. Tamao de muestra: El cuanto el tamao de la muestra vale

la pena tener en cuenta que entre ms grande una muestra, ms cerca
est de representar el universo. Como se trata de una muestra, existir
algn porcentaje de error. Existen frmulas estadsticas para calcular el
tamao de la muestra y el error derivado de ello.

Entre los criterios para escoger el tamao de la muestra est la

homogeneidad de la poblacin (qu tan parecidos son entre s), la
magnitud del efecto (referido a la fuerza esperada de las relaciones) o la
posibilidad de prdida de poblacin en estudios prospectivos. Adems, y
de acuerdo al nmero de variables, se espera que exista ms muestra
entre ms variables se pregunten.
Claro, entre ms pequea sea la muestra, mayor ser el margen de
error. Para seleccionar bien el tamao se deben seguir estos pasos:
1. Identificar muy bien cul va a ser la variable que se va a
muestrear
2. Cul es la unidad de muestreo
3. Conocer el universo.
Una frmula para definir el tamao (n) es usar el trmino Z (nivel de

confianza) elevado al cuadrado (que significa con dos desviaciones
estndar y que elevadas al cuadrado seran 4) multiplicado por p (que
es 0,5) multiplicado por q (que es 0,5), todo ello dividido por error al
cuadrado (error o precisin de estimacin que puede ser 2 o 5 o 10 por
ciento), lo que sera, n = (Z2*p*q)/E2).
MENOS
REPRESENTATIVO
TOTAL DE
POBLACION
MAS
REPRESENTATIVO

2.6. Paso 9. Seleccin de las variables (instrumentos a

emplear)
Para ser contestada, la pregunta de investigacin necesita ser

desglosada a travs de variables.
Recuerde que los seres humanos para entender fraccionamos la realidad y construimos
conceptos. Las categoras son fraccionamientos de lo que vemos y que siguen algn
criterio. En las investigaciones categorizamos con el fin de descomponer variables que
puedan ser analizadas. Por ejemplo, si se requiere indagar acerca del nivel
socioeconmico de una muestra poblacional, entonces se busca cul puede ser la variable
que ofrece el mejor dato: los estratos (indicador) parecen ser en este caso y, por ende, la
categora socioeconmica se fracciona como estratos 1, 2 ,3 ,4 ,5 y 6. As, si se pregunta:
Usted a qu estrato pertenece?, la respuesta ser el dato.

De las respuestas de las variables se obtienen los datos que sern

tabulados. Una vez hecho esto, el investigador deber buscar la
respuesta a la pregunta de investigacin analizando los datos de las
variables empleadas. Para entender a cabalidad este aspecto piense en
esta pregunta de investigacin: Ser que los lactantes alimentados con
leche materna tienen menos episodios infecciosos que los que no
reciben? La respuesta solo puede ser, o que presentan diferencia (en
este caso menos episodio de infecciones) o, que no la presentan (no
existe diferencia). Pero para poder llegar a una conclusin, se ha de
tener en cuenta la respuesta (datos) a una cantidad de preguntas
(variables) y es de ah de donde surgir la informacin que se busca.
Todas las preguntas se recopilan en un cuestionario, siendo una
definicin entendible de cuestionario, la recopilacin de variables que se
emplean para contestar la pregunta de investigacin.
Muy seguramente se debe preguntar edad en meses (para as poder comparar por edades
a las dos poblaciones, la que recibe lactancia materna y la que no). Indagar estratos
socioeconmicos, pues claramente pueden influir en una u otra respuesta. Se deber
preguntar por vacunas, pues ellas pueden ser determinantes en la aparicin o no de
algunas enfermedades infecciosas; as mismo, preguntar por episodios de diarrea y de
infeccin respiratoria, por ser las infecciones ms frecuentes de los lactantes, etc. Lo que
se quiere ejemplificar es que para contestar una pregunta tan sencilla, se deben usar una
importante cantidad de variables. Sea este el momento de mencionar que es apropiado
investigar quines se han hecho esta pregunta antes y estudiar los instrumentos
(cuestionarios de variables) que existen, ya que puede ser ms eficiente usar estos que
disear uno nuevo (disear lo que ya otros disearon es una prdida de tiempo).

Por lo anterior, se insiste en tener en cuenta que una de las condiciones

de una buena pregunta de investigacin es que se pueda transformar en
variables que la contesten adecuadamente. De hecho, entre menos
variables se necesiten mejor, pues ser ms fcil interpretar.

Las variables, por supuesto, reciben influencia del diseo. Volviendo al
ejemplo en donde la pregunta es: Ser que los lactantes alimentados con
leche materna tienen menos episodios infecciosos que los que no reciben? Si
se escogen dos cohortes de lactantes, unos alimentados con seno y otros
con leches artificiales, la variable puede ser el nmero de episodios de diarrea o
infecciones respiratorias durante el tiempo que dure el estudio y los resultados podrn
ser concluyentes en su relacin con la realidad. No ser as, si se escoge comparar
historias (retrospectivo) de nios que recibieron seno con los que no y ver episodios
infecciosos en un perodo. Ac las dificultades de las historias (que est o no la
informacin) y otras circunstancias, hacen que la posibilidad de dejar pasar elementos
importantes sean mayor que en el primer caso.
Una variable apropiada debe cumplir con una serie de requisitos por
dems lgicos. Sin duda, el principal es que la respuesta que se obtenga
permita ser MEDIDA.
Una medida es una comparacin de alguna condicin que se hace a la
poblacin objeto del estudio y que permite ser entendida. Dicha
comparacin debe, en lo posible, hacerse con unos instrumentos y,
claro, cada vez que se mida a otros sujetos de la investigacin, usar ese
mismo instrumento, usando en lo posible las mismas condiciones de
aplicacin del instrumento.
Si se trata de un estudio donde la medida es la tensin arterial entonces es obvio que:

1. El tensimetro que se usa ha de ser el mismo para ambos grupos de control.
2. La forma y el momento en que se toma la tensin arterial a cada grupo debe ser
similar.
Si se trata de una encuesta, entonces el cuestionario es el instrumento.

Dado que al comparar se pueden obtener diferencias, se ha procurado

usar nmeros que permitan ver las diferencias. Sin embargo, se pueden
usar otros smbolos para ver las diferencias. Por ejemplo, si la variable
es la medida de la talla de la poblacin objeto, el dato obtenido en
centmetros en cada sujeto objeto de la investigacin permite ver y
entender de manera muy sencilla las comparaciones entre personas.
Tambin existen otras escalas de comparacin, como la de Likert que,
usando una construccin de las variables (preguntas), las respuestas
que se pueden obtener (reactivos) son: excelentes, buenas, normales,
malas, psimas. El ideal en todo caso (y, por supuesto, base necesaria),
es que la variable, el instrumento de medida y el dato obtenido, reflejen
la realidad. Volviendo al ejemplo de la talla de la poblacin objeto, un
tallmetro (instrumento) y la respuesta que se obtendr, talla en
centmetros (dato), sin duda reflejan y comparan el tamao de la
poblacin objeto del estudio. Las encuestas en muchas investigaciones
constituyen el instrumento. Asegurarse que el entrevistado entienda las
preguntas y que las opciones de respuesta reflejen la realidad son
algunas de las caractersticas que deben cumplir.
La utilidad inmensa de las medidas es que disminuyen las
especulaciones o conjeturas. Pueden hacer del yo creo una certeza, lo
que facilita la posibilidad de ponernos de acuerdo a travs de la
verificacin. Adems, nos ayudan a entender mejor. Si se dice que
fulano es muy alto, cada persona puede calcularle una medida en
centmetros distinta. Pero si se dice que mide 188 cm, todos podemos
saber con exactitud qu tan alto es. Ese saber se llama precisin y esta
caracterstica puede ser de mucha utilidad para el avance del
conocimiento. Ah! de una vez vale la pena mencionar que los
nmeros son un lenguaje ms preciso que las palabras. Decir que el
paciente tiene fiebre, da informacin, pero decir que tiene 38,5 grados
centgrados, permite entender con mayor precisin.
Existe una tendencia en la medicina de construir escalas (preguntas)
que nos acerquen al diagnstico. Por ejemplo, las escalas para la
depresin son preguntas que tienen un valor numrico y que al terminar
de contestarlas todas y contar los puntos de las respuestas permiten
aproximarnos al diagnostic de la depresin. Para ello se hace necesario
validar la escala y ello implica:
1. Disear la escala
2. Probarla en una poblacin que tenga y no tenga la enfermedad.
3. Luego se debe confrontar la poblacin y la escala con la prueba
reina que es a travs de la cual se asegura que tiene o no tiene
la enfermedad
4. De esa manera se puede ver la sensibilidad y especificidad de la
escala y con ello se obtendrn los valores de verosimilitud y
as la obtencin de las probabilidades de estar o no enfermos.

Disear variables donde sea fcil medir no es tan sencillo. Por ejemplo, el test de APGAR
de la funcionalidad familiar, pretende a travs de la medida otorgada (0 = casi nunca, 1=
a veces y 2= casi siempre) identificar la percepcin de disfuncin familiar. Lo importante
es saber si las medidas se corresponden a la realidad (validacin). De ah que cuando se
construye un instrumento (llmese test) para medir algo, antes de aplicarlo debe pasar
por el proceso de validacin o, lo que es lo mismo, demostrar que ciertamente mide la
realidad. Ello habitualmente se hace confrontando el instrumento con EL INSTRUMENTO
REINA, aquel que nos ofrece la mejor medicin de la realidad en una poblacin. Por
ejemplo, la mejor manera de detectar trastornos de conducta alimentaria (TCA) es la
entrevista psiquitrica. Si construimos un cuestionario para detectar casos, se debe hacer
un estudio tomando una poblacin donde los TCA estn presentes (y, claro, otra donde no
estn no presentes). Se les aplicar el cuestionario, pero adems la entrevista
psiquitrica; luego se confrontaran los resultados verificando qu tan concordante es el
cuestionario con la entrevista psiquitrica. As se hace un proceso de validacin de
instrumento.

2.7. Sesgos: Para medir se usan instrumentos. La diferencia que

existe entre la realidad y el resultado de la medida se denomina el
ERROR. De ah surge una frmula que dice que la medida obtenida es
igual a la medida real +/- el error. El anlisis del error en las medidas es
una tarea en la que se debe insistir porque solo al reconocerlo, se puede
combatir. Los errores en general pueden suceder en el proceso de
manejo de la informacin, cuando se selecciona la poblacin o ante la
interpretacin de algn resultado (confusin). Algunas variedades de
errores de informacin son:
Errores derivados de la obtencin de la informacin: Por

ejemplo, si se preguntan asuntos ntimos delante de otros, puede
que la persona no conteste con sinceridad. Otro caso es el error
ocasionado por cansancio (formularios muy largos) o porque no se
entiende, entonces el encuestado llena cualquier respuesta (y no la
verdad). Otros ejemplos son los derivados de respuestas inducidas,
donde el entrevistado contesta por alguna presin determinada
respuesta (como preguntarle a un estudiante al final de la clase si le
gust. La presencia del profesor hace difcil que el estudiante pueda
responder con libertad).
Errores por el uso del instrumento: Por ejemplo, usar un

tensimetro descalibrado (informacin) o una pesa mal calibrada.
Errores al tabular (informacin). Colocar s cuando deba ser no.
Sesgos de seleccin: es cuando se escoge una poblacin que no

permite hacer comparaciones (con base a la realidad). Por ejemplo
estudiando la relacin de cncer con el caf, tomar una poblacin con
cncer que tome caf y para comparar tomar una sin cncer que no
tome caf. Lo esperado es que la nica diferencia entre las dos
poblaciones sea tener o no el cncer. Este fue el caso de un estudio
efectuado por el Doctor Mac Mahom, quien para comparar (estudio de
casos y controles) pacientes con cncer de pncreas, seleccion
pacientes con problemas gastroduodenales (a los que se les haba
prohibido el caf) y no se percat de esta situacin. Cuando en los
resultados se encontr una fuerte relacin entre el caf y el cncer,
asumiendo una actitud de duda crtica, busc y encontr el error de
seleccin que al ser corregido (tomando otra poblacin sin esta
limitacin) hizo que desapareciera la relacin (da lo mismo tomar caf
que no tomar caf en el cncer de pncreas).
Un ejemplo de sesgo de confusin qued expuesto con la ictericia por

salvarsn cuando en el pasado se crey que era por el salvarsn
(medicamento mercurial utilizado para tratar la sfilis) que las personas

desarrollaban un cuadro ictrico. Se atribuy errneamente al resultado

ese concepto. Hoy se sabe que era (y es) el virus de la hepatitis B el
responsable.
Si la realidad es igual a dar en el centro, el dibujo expresa grficamente el sentido de

vlido y confiable. Las flechas expresan una variable. El centro de la diana, la realidad. El
primer dibujo expresa una variable que no da en el centro y que al ser usada nuevamente
da en distintos sitios. El segundo una variable que no da en el centro pero al volverse a
usar siempre da en el mismo punto. El tercer dibujo muestra una variable que da en el
blanco (realidad) y al volverse a usar repite el sitio Es la variable ideal.

2.7.1. Atributos de una medida: Una buena medida debe tener los
siguientes atributos:
CONFIABILIDAD: Es la congruencia que tiene la variable con lo que
mide. Si se desea saber el peso de una persona y se pesa en una
bscula y se obtiene un peso de 75 kilos, se espera que si se vuelve
a pesar se obtendr nuevamente ese peso. La confiabilidad se
obtiene del instrumento de medicin, cumpliendo con la condicin de
que si se vuelve a medir se encuentre lo mismo. Adems, la escala
derivada de la medida debe permitir entender las diferencias entre
una condicin y otra. Por ejemplo, la medida de la talla en
centmetros usando un tallmetro permite, si se mide a un sujeto en
las mismas condiciones, obtener la misma medida y las diferencias
entre centmetros de la escala permiten entender quin de la
poblacin objeto es ms o menos alto.
VALIDEZ: Por validez se entiende que la variable (a travs del dato)
responda a la pregunta de investigacin (mida lo que debe medir).
Otra forma de expresarlo es que la variable mide lo ms cercano a la
realidad. Por supuesto que resulta bastante obvia esta condicin; sin
embargo, no siempre se cumple, pues la validez exige ser probada,
es decir, que la variable ciertamente contesta (o sirve para
contestar) la pregunta de investigacin. Para ello una forma de
hacerlo es validando las variables o lo que resulta ms pragmtico,
usando variables ya validadas de otras investigaciones.

Por ejemplo, el test de APGAR familiar que mide la percepcin del individuo
sobre la funcionalidad de su familia. Es vlido? Sin duda es una percepcin
que refleja lo que percibe el individuo. Pero ser confiable? Es decir, que si
se mide hoy y vuelve y se mide en siete das cambiar? Sera necesario
hacer una investigacin para contestar, pero lo probable es que cambie de acuerdo a
lo que suceda en la relacin del individuo con su familia. Si hoy se hacen las preguntas
del APGAR FAMILIAR y maana se repiten (luego de una discusin del encuestado con
la mam, por ejemplo), puede encontrarse una medida diferente. En ambos casos, lo
que se mide es vlido, pero el test no es confiable: cambia de acuerdo a la situacin.
Esto se conoce como variacin.
PRECISION: Es la suma de los dos atributos previos: confiabilidad y

validez, siendo por tanto, el atributo ideal.
APLICACIN DE LA ESTADISTICA: Una buena medida, dado que
compara poblaciones o grupos debe permitir que se le puedan aplicar
los referentes estadsticos. Algunas de las medidas de frecuencia son
ideales para hacer uso de la estadstica descriptiva (media, moda,
mediana, curva de distribucin, desviacin estndar). Cuando se va a
comparar, el usar medidas que permitan aplicar las pruebas de
hiptesis resulta importante para los resultados de la investigacin.

2.8. Paso 10. Manejo estadstico de las variables
Las variables arrojan datos. Del buen manejo que se haga de los datos
depender el entendimiento de los resultados y, por consiguiente, la
posibilidad de una buena discusin. Ese es el papel de la estadstica:
permitir un buen manejo del dato a travs del cual se pueda ver ms.
Los datos (provenientes de las variables) deben ser manejados usando

los referentes estadsticos. El uso de la estadstica descriptiva con sus
medidas (referentes) de tendencia central (media, moda y mediana) o
las de dispersin (desviacin estndar, rangos) y con la tabla de
frecuencia constituye lo bsico en el manejo de datos.
El investigador debe poder predecir cmo va manejar estadsticamente

cada dato proveniente de las variables. A manera de ejemplo, de las
variables de identificacin de poblacin, deber saber si expresar la
edad media de la poblacin con la desviacin estndar o usar una tabla
de frecuencia con edades estratificadas. Si usa una escala debe tener en
cuenta cmo va a expresar los resultados.
Realmente hacer el ejercicio de identificar los datos de las variables y

cul ser el manejo estadstico es importante, pues de no hacerlo la
posibilidad de perderse con los resultados es grande. Implica revisar con
sumo cuidado el cuestionario donde se va recopilar la informacin y ver
de cada variable cmo espera manejar el resultado. Particular cuidado
se ha de tener cuando se usan escalas, pues ellas implican sumar datos
y obtener un nuevo resultado, a lo mejor no tan evidente en el
cuestionario.
En las investigaciones analticas se debe tener en cuenta cules sern

las variables que sern sometidas a la comparacin y de una vez
precisar cul ser la prueba estadstica que se usar para comprobar la
presencia o no de diferencias significativas.
2.8.1. Base de datos

La base de datos es el registro donde se traspasa la informacin
obtenida (variables) de la poblacin objeto. Su construccin es hoy ms
sencilla gracias a la diversidad de programas de computador existentes.
La forma ms rudimentaria de hacerla es construirla a partir de una hoja
de clculo, pues a travs de ella se podr procesar la informacin
ulteriormente.

Hoy, por la generalizacin del sistema operativo Windows, la hoja de clculo

ms usada es la denominada EXEL del software de Microsoft.
CMO SIENTE A SU FAMILIA?

8. Est 9. Est 11. Est
7. Est
satisfech satisfech 10. Est satisfech
satisfech
o como o en la satisfech o en la 12.
o con el
la familia forma o como forma Cmo PREGUNTAS
apoyo
2. SEXO
que le
le como la su como est con (Variables)
permite familia lo familia le compart su
brinda
participa impulsa brinda el e tiempo familia?
su
r en las en sus afecto? con su
familia?
decision proyecto familia'
1.
0. CASI 0. CASI 0. CASI 0. CASI 0. CASI Ms de 10
MASCULIN
NUNCA NUNCA NUNCA NUNCA NUNCA no aplica
O
2.
FEMENIN 1. A VECES 1. A VECES 1. A VECES 1. A VECES 1. A VECES
O
CLAVE
1. EDAD
RESPUESTA
NO 2. CASI 2. CASI 2. CASI 2. CASI 2. CASI

APLICA SIEMPRE SIEMPRE SIEMPRE SIEMPRE SIEMPRE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
PROBABLES RESPUESTAS
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
CODIFICADAS
(Datos)
444. NO 444. NO 444. NO 444. NO
NO APLICA
Siglas para
APLICA APLICA APLICA APLICA
Programa
EPINNFO
aaclave aaedad aasexo faga fagp fagimp fagaF fagtie fapgar

1 10 2 444 444 444 444 444 2220
2 10 1 2 2 2 2 2 10 CODIGO
3 10 1 1 1 2 2 2 8
4 10 1 1 2 2 2 2 9
5 10 1 1 444 0 2 1 448
6 10 2 2 2 1 2 1 8
7 10 1 2 2 2 2 2 10
8 10 2 0 2 2 2 1 7
9 10 1 1 1 2 1 2 7
10 10 2 2 2 2 2 2 10
En el ejemplo se est observando la base de datos alimentada con una

encuesta donde se aplic un cuestionario para medir la percepcin de
funcionalidad familiar en un grupo de jvenes. Cada encuesta debe ser
enumerada (aparece como clave en la imagen), cada columna es para
una variable, las filas para los encuestados y las preguntas deben tener
las probables respuestas (datos), en este caso codificadas a travs de
un nmero. En el proceso, con el fin de abrir la base de datos con el
programa EPIINFO, se insert una fila con siglas codificadas que
identifican las preguntas. La variable destinada en la ltima columna
muestra los resultados de la suma de los puntajes obtenidos en las
pregunta 7 a la 11, para as, obtener el resultado de esta escala de
Apgar familiar (vase en la figura anterior el encabezado: Cmo siente
a su familia).

2.8.2. Paso 11. Construccin del formulario

La pregunta de investigacin requiere construir un instrumento donde se
recopilan las variables a travs de las cuales se obtendr la respuesta.
Dicho instrumento se denomina cuestionario. Como tal, cada pregunta
(variable) ha de procurar cumplir con la condicin de que sea sencilla y
entendible. Preguntas cortas, y con respuestas cerradas son tiles en
este sentido. Ideal es utilizar preguntas ya probadas por otras
investigaciones. No usar muchas preguntas (para evitar la posibilidad de
cometer errores originados por el cansancio), as como crear diseos
agradables a los ojos para los formularios, resulta particularmente
importante. En las preguntas, las posibilidades de respuesta a travs de
los reactivos han de ser excluyentes (la respuesta de uno descarta el
resto) y, por supuesto, evitar que sugieran las respuestas (ofrecer todas
las posibilidades).
El instrumento de una investigacin es el medio seleccionado para indagar sobre las

variables que contestan las preguntas de investigacin. Pueden ser, entre otros,
cuestionarios a travs de los cuales se obtienen los datos. Un formulario puede ser
preguntado o auto diligenciado. Pero, as mismo, un instrumento puede ser el equipo o
aparato que se utiliza para recoger el dato. Por ejemplo, si se trata de una investigacin
acerca de la tensin arterial, el tensimetro ser el instrumento.
En torno a los cuestionarios (instrumentos con preguntas) resulta evidente que tienen
menos sesgos los autos diligenciados (es ms probable que lo que escriban sea la verdad
en comparacin con un cuestionario preguntado por el encuestador).

Todo formulario debe permitir ver las respuestas que se obtendrn de la

investigacin de la siguiente manera:
Con variables que describan las caractersticas de la poblacin

objeto
Con variables que expongan las frecuencias
Con variables que expongan los resultados.
Los resultados en los artculos de investigacin siempre exponen estas

tres condiciones.
Claro el formulario resulta clave para la tabulada de la informacin. De

su buen diseo y de las escalas adecuadas de las respuestas, depende
en buena medida, el grado de error probable al tabular. Adems, el
diseo de un cuestionario es igualmente importante. El que sea (en su
diseo) afable al ojo del encuestado, contribuye a que lo llene con
mayor veracidad.
Hacer un cuestionario es clave en una investigacin que escoge este

instrumento como el principal mecanismo. Cmo saber si est bien
hecho? Pues probndolo en una poblacin similar a la que se va a
estudiar. Esto se conoce como prueba piloto. Por ejemplo: se hizo un
cuestionario de conocimientos actitudes y prcticas de sexualidad para
aplicar en un colegio. Entonces se recomienda que se aplique en un
grupo de jvenes de caractersticas similares a los del colegio escogido.
Las dudas que surjan, las interpretaciones que ofrezcan han de hacer
que el cuestionario se corrija. Slo as se podr tener la certeza de que
el cuestionario, cuando se aplique en la poblacin objeto, ser
entendido.

2.9. Paso 12. Plan para el trabajo de campo
Hasta este momento, el investigador sabe qu es lo que quiere. Ha

definido una pregunta, ha revisado, sabe al respecto. Debe haber
escogido un diseo, unas variables las cuales sabe cmo va a manejar
y, claro, ha logrado identificar a la poblacin objeto. Ahora debe
efectuar un plan de actividades encaminado a realizar la investigacin,
con fechas (cronograma) y debe obtener la informacin precisa de los
recursos que va a necesitar. Pensar y definir cmo se har todo esto es
lo que se denomina un plan. Si bien existen muchas matrices de
planeacin, la propuesta que hacemos es la siguiente:
Mencin de la actividad. Se la nombra.
Definicin de la actividad: Se dice en qu consiste
Descripcin de la misma. Se dice qu se va hacer y cmo se

hace.
Tiempo: Se dice cunto tiempo se toma hacer la accin.
Funciones: Se menciona quin la debe hacer.
Infraestructura: Se dice qu sitio se necesita para hacerla.
Equipos: Se menciona el equipo que se necesita para hacer la

actividad.
Materiales: Se describen los materiales que se necesitan.
Respecto a las actividades por hacer, una probable clasificacin sera:
I. ACTIVIDADES DE CONSECUCIN DE LA POBLACIN
II. ACTIVIDADES DE TRABAJO DE CAMPO
III. ACTIVIDADES TENDIENTES AL ANLISIS DE LA INFORMACIN
IV. ACTIVIDADES PARA LA PRESENTACIN DE LA INVESTIGACIN.

2.9.1. Descripcin de las actividades
Consecucin de la poblacin
Se expuso que uno de los criterios de factibilidad ms importante es el
acceso a la poblacin. En salud, la poblacin objeto puede ser enfermos,
o personas con caractersticas particulares. En general, estn agrupados
en algn sitio, tales como instituciones de salud (enfermos), colegios
(adolescentes), hogares comunitarios o clubes de la tercera edad.
Para acceder a la poblacin, lo primero que se ha de hacer es el

anlisis tico de la investigacin y presentrselo a los comits
respectivos, habitualmente constituidos en los lugares donde
estn los investigadores. De dicha reunin ha de quedar un acta
y el objetivo es garantizar la beneficencia para la poblacin
objeto.
De hecho una buena parte de los comits editoriales de la revistas biomdicas

no aceptan artculos donde no demuestren con nitidez el cumplimiento de los
aspectos ticos.

Cartas de presentacin: El siguiente paso es elaborar las

cartas de presentacin para los sitios donde est la poblacin
objeto. Deben tener en su constitucin:
a) Presentacin de los investigadores. Quines son y de dnde

vienen.
b) Presentacin de la investigacin que se quiere hacer.
Brevemente explicar lo que quieren indagar y cmo eso
beneficia a la poblacin.
c) Explicar lo que se le har a la poblacin objeto. Explicar las
actividades del trabajo de campo que se plantean
(encuestas y cundo).
d) Presentar las consideraciones ticas. Hacer notas del
cumplimiento de los principios ticos.
e) Presentar formato de consentimiento informado cuando sea
necesario.
f) Mencionar qu entidad respalda la investigacin y a cargo de
quin estn.
g) Mencionar qu se le entregar a la entidad colaboradora.
Explicar lo que se comprometen entregar.
Explicacin a la poblacin objeto: El investigador debe

programarse para a explicar a cada participante acerca de la
investigacin y estar dispuesto a resolver las dudas que surjan,
as como garantizarle el derecho a no participar.

Trabajo de campo
Preparacin de los instrumentos: Conseguida la poblacin, el

investigador debe replicar los instrumentos que emplear. Para
ello debe haber efectuado la prueba del instrumento luego de la
cual definir, de acuerdo a la poblacin objeto, el proceso de
replicacin del instrumento.
Ejecucin de la investigacin: Se refiere a la programacin de

las actividades atinentes a aplicar los instrumentos en la
poblacin objeto. Se debe tener en cuenta:
1. El sitio donde aplicar el formulario. Debe tener unas condiciones

adecuadas para tal tarea. La posibilidad de privacidad si es una

encuesta o cmo disponer de los espacios, son aspectos a

considerar por parte del investigador.
2. Asegurar el anonimato de la informacin: referida a que el

investigador cree condiciones que aseguren que en la
informacin entregada, no se buscar identificar a los sujetos
objeto del estudio.
3. Recoleccin de la informacin: El investigador debe pensar en

todas las actividades necesarias para que una vez recogida la
informacin, pueda ubicarla en el sitio donde ser procesada.
Implica entre otras, guardar los formularios debidamente
marcados y asegurar el transporte de los mismos. A este
respecto se deber tener en cuenta:
Preparacin de encuestadores: los encuestadores deben

saber exactamente cmo harn la toma de informacin.
Preparacin de la poblacin objeto: Se debe saber qu se

le debe decir o cmo organizar a la poblacin objeto para
lograr cumplir con la recoleccin de informacin.

Anlisis de la informacin
Una vez se tiene la informacin, se debe disear todo el proceso de

tabulacin y obtencin de la respuesta. El primer paso es:
a. Construccin de la base de datos: Se refiere al proceso a

travs del cual se trascribe toda la informacin obtenida
(datos) a algn programa de computador que permita
trabajar dichos datos. Para poder cumplir con esta actividad
se necesita pensar en cmo se tabular la informacin, quin
lo har, cundo, qu necesita para hacerlo.

b. Obtencin de los resultados: Si las variables empleadas

han sido adecuadas, el proceso de obtencin de resultados ha
de ser sencillo. Implica, por supuesto, el saber trabajar el
programa de computador. Existen programas que facilitan
esta actividad. El investigador debe, en lo posible, conocer y
manejar alguno de ellos.
c. Manejo estadstico de la informacin: Es importante

elaborar un anlisis estadstico de los resultados. La
obtencin de intervalos de confianza en las frecuencias (ver
numerales 4.4.2.), as como las pruebas de hiptesis, se
convierte en un importante aporte a la investigacin. Decidir
cmo se va a hacer resulta importante.
Existe una enorme cantidad de programas que ayudan a construir y

manejar bases de datos para obtener las respuestas de la investigacin.
El programa EPI INFO del CDC es uno muy usado y que est al alcance de
todo el mundo ya que su distribucin es gratuita.
Presentacin de la investigacin
Las ltimas actividades que se deben programar son las referidas a la

divulgacin de la investigacin. Implican:
1. Redaccin del informe: Contempla todas las actividades

destinadas a redactar el informe de la investigacin, el cual
habitualmente se rige bajo las normas de la revista (si es un
artculo) o de presentacin (si es tesis).
2. Elaboracin de la presentacin. Usa criterios previamente

establecidos.

La presentacin de las investigaciones ante auditorios es clave en la

divulgacin. Por lo general, no debe tomar ms de 20 minutos; consta
de una introduccin donde se presenta el contexto y la pregunta de
investigacin con la importancia de contestarla. El desarrollo, donde se
expone la metodologa y los resultados. Y las conclusiones con el anlisis
donde se presentan la interpretacin y la aplicacin de lo investigado.

2.9.2. Recursos que se necesitan para cumplir con las

actividades
Una vez el investigador ha definido todas las actividades, debe explicar

qu necesita para poder ejecutar cada una de ellas. Esto se conoce
como el anlisis de recursos. Repitiendo lo expuesto previamente se
debe identificar de cada actividad:
Mencin de la actividad. Se la nombra.

Definicin de la actividad: Se dice en qu consiste.
Descripcin de la misma. Se dice qu se va hacer y cmo se
hace.
Tiempo: Se dice cunto tiempo se toma hacer la accin.
Concentracin: Cuntas veces se debe hacer la actividad para
que quede completa.
Funciones: Se menciona quin la debe hacer.
Infraestructura: Se dice qu sitio se necesita para hacerla.
Equipos: Se menciona el equipo que se necesita para hacer la
actividad.
Materiales: Se describen los materiales que se necesitan.

Contestado todo lo anterior es difcil que se haya olvidado algo y, por

ende, se garantiza la posibilidad real de ejecucin.
Ms de una vez los investigadores creen que con solo la revisin del
marco terico la investigacin se podr efectuar. Sin embargo, podemos
asegurar que slo los que planeen bien, tendrn xito.

2.10. Paso 12. El protocolo de investigacin

Estar de acuerdo que una vez concluidos estos pasos, el investigador

est listo para realizar la investigacin. Las otras fases son las que se
dan durante la ejecucin de la investigacin. Si ello es cierto, nada
mejor que dejar por escrito dicha preparacin. Esto es lo que se conoce
como protocolo de investigacin. A continuacin se intentar
construir una gua de preguntas para que el investigador las responda,
esperando que al hacerlo, constate que ha pensado en todo. Se va a
intentar plantearlas en orden (usando nmeros), dejando en claro que
existen otros modelos de protocolo.
Paso 1
1.1. Explique cul es el tema escogido? Ac debe usar referencias.

1.2. D tres explicaciones de por qu escogi este tema.
Tiene alguna experiencia en el tema?

Existe alguna facilidad para usted sobre este tema?
Sabe si existe bibliografa al respecto?
Paso 2
2.1. Redacte el problema a manera de pregunta.

2.2. Defina el significado de los componentes del problema o
pregunta (ponga referentes).
2.3. Mencione cules son las probables respuestas que se intuyen
(slo si es un trabajo analtico, pues si es descriptivo debe
poner lo que espera describir).
2.4. Mencione cul es la importancia de resolver esta pregunta
(con referencias).
Paso 3. Revisin bibliogrfica
3.1. Qu disciplina(s) se dedica(n) a la pregunta.

3.2. Mencionen cules son las palabras claves para la bsqueda
en bases de datos (trminos Mesch).
3.3. Anexe los resmenes de los artculos que haya revisado (siga
la gua de cmo se lee un artculo).
Paso 4. Definicin del marco terico
4.1 Mencione debidamente referenciadas las teoras o modelos

conceptuales que revis acerca del problema y/o sus
componentes (qu se sabe al respecto).
4.2 Mencione qu variables le son tiles en la investigacin, junto
con las fuentes (de dnde las obtuvo).

4.3 Mencione qu diseos se han empleado para contestar la

pregunta o, en su defecto, para abordar los componentes de la
pregunta.

Por ejemplo, si el problema es Cul es la relacin entre A y B en la poblacin
C?:
Los componentes son: A, B y C. Entonces el marco terico no debe olvidar la

integracin de estos tres aspectos. Una propuesta de su desarrollo puede ser la
siguiente:
1. Describir y explicar qu es A.
2. Describir y explicar qu es B.
3. Describir qu es C.
4. Explicar cmo se relaciona A, con B y con C.
La idea es que el investigador se vuelva un experto en estos cuatro aspectos. Claro el

marco terico surge de la revisin de artculos, por lo tanto, aprender a revisarlos
resulta particularmente importante.
Paso 5. Formulacin de la hiptesis
5.1. Enuncie las respuestas probables a la pregunta de investigacin.

Para ello:
5.1.1. Describa dnde y qu encontr para que sea una u otra
respuesta (referenciado).
5.1.2. Si el diseo se lo permite: Plantee su hiptesis alterna y la
hiptesis nula.
Paso 6. Seleccin del tipo de diseo
6.1. Enuncie el tipo de diseo que va a emplear.

6.2. Mencione qu actividad va a desarrollar: Descripcin,
comparacin o intervencin.
6.3. Mencione cmo va a manejar el tiempo: transversal,
retrospectivo o prospectivo.
6.4. Mencione si piensa trabajar con poblacin total o muestra. Si es
esto ltimo, explique si ser aleatoria o por conveniencia.
Paso 7. Identificacin de la poblacin
7.1. Mencione los criterios de elegibilidad de la poblacin.

7.2. Si va a emplear muestra explique:
7.2.1. Cmo va escoger el nmero.
7.2.2. Cmo va escogerla: aleatoria o por conveniencia.
7.2.3. Explique cmo
7.3. Mencione cmo cumplir los principios ticos:
7.3.1. Puede garantizar que no existe riesgo de dao?
7.3.2. Qu beneficios se desprenden para la poblacin objeto?

7.3.3. Cmo asegura que puedan o no participar?

7.3.4. Cmo garantiza la confidencialidad?
7.3.5. Cmo asegura el buen trato de los participantes?
7.4. Si necesita consentimiento informado: descrbalo.
Paso 8. Seleccin de las variables
8.1. Describa las variables que va emplear.

8.1.1. Describa los datos que se pueden obtener de cada variable.
8.2. Explique cmo, a travs de las variables, puede contestar la
pregunta de la investigacin.
8.2.1. Mencione de dnde sustenta (bibliografa) las variables que
va a emplear.
Paso 9. Construccin del formulario
9.1. Presente el formulario que va a emplear.

9.2. Deje constancia de las referencias de donde obtuvo cada
variable.
9.3. Exponga el diseo del cuestionario.
Paso 10. Plan de la investigacin
10.1. Explique cmo se va a conseguir la poblacin.

10.2. Disee una carta de presentacin para entidad donde est la
poblacin.
10.3. Mencione qu y cuntos instrumentos va a necesitar para hacer
la investigacin.
10.4. Mencione dnde efectuar el trabajo de campo.
10.5. Explique cmo garantizar los principios ticos en el sitio donde
obtendr la informacin.
10.6. Mencione cmo va tabular la informacin.
10.6.1. Presente la matriz de la base de datos.
10.7. Ahora coloque fechas a cada una de estas actividades.
10.8. Calcule qu va a necesitar para cada actividad: en tiempo, en
personas, en equipos, en infraestructura, en materiales.
Paso 11. Estudio piloto
11.1. Mencione qu poblacin le puede servir de prueba para el

cuestionario.
11.1.1. Mencione cmo puede acceder a la misma.
11.2. Mencione cundo puede hacer una prueba de su investigacin.
11.3. Presente el cuestionario corregido luego de la prueba piloto.
11.4. Presente la base de datos ya probada.
11.5. Explique cmo se obtendr la respuesta a partir de la base de
datos.

FASE TRES: TRABAJO DE CAMPO

La fase tres, cuatro y cinco forman parte de la ejecucin de la
investigacin. Como tales, han sido planeadas en prrafos previos (de
ah que el lector tendr la sensacin de que es una repeticin). Ac de lo
que se trata es de explicar las ejecuciones, las cuales son el resultado
diferencial del plan con la capacidad de adaptacin, pues al enfrentarse
a la realizacin, los planes se pueden modificar. Un buen investigador
debe tener una gran capacidad de adaptacin. Sus componentes estn
destinados a comentar cmo se efectu el trabajo de campo, queriendo
con ello decir que cualquiera que los lea tenga la posibilidad de repetir la
investigacin. Desde el punto de vista de sus componentes, una forma
de subclasificar esta fase es:
3. Paso 14. Recoleccin de la informacin
Describe lo que se hizo para obtener la informacin de donde se

obtendrn los resultados. Se debe mencionar:
3.1. Cmo se accedi a la poblacin: Explicar cmo se hizo el

proceso.
3.2. Cmo se recogi la informacin. Explicar cmo se

manejaron los formularios, explicando su ordenacin para ser
procesados.

FASE CUATRO: ANLISIS DE DATOS

Constituida por los pasos que van desde que se obtuvo la informacin
de la investigacin, hasta obtener la respuesta a la pregunta. Consta de:
4. Paso 15. Registro de informacin recogida en la base de

datos
Obtenida la informacin de la poblacin objeto a travs de los

cuestionarios se debe trasladar a la base de datos (tabular la
informacin).
CMO SIENTE A SU FAMILIA?
8. Est 9. Est 11. Est
7. Est
satisfech satisfech 10. Est satisfech
satisfech
o como o en la satisfech o en la 12.
o con el
la familia forma o como forma Cmo PREGUNTAS
apoyo
2. SEXO
que le
le como la su como est con (Variables)
permite familia lo familia le compart su
brinda
participa impulsa brinda el e tiempo familia?
su
r en las en sus afecto? con su
familia?
decision proyecto familia'
1.
0. CASI 0. CASI 0. CASI 0. CASI 0. CASI Ms de 10
MASCULIN
NUNCA NUNCA NUNCA NUNCA NUNCA no aplica
O
2.
FEMENIN 1. A VECES 1. A VECES 1. A VECES 1. A VECES 1. A VECES
O
CLAVE
1. EDAD
RESPUESTA
NO 2. CASI 2. CASI 2. CASI 2. CASI 2. CASI

APLICA SIEMPRE SIEMPRE SIEMPRE SIEMPRE SIEMPRE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
3. NO
ENTIENDE
PROBABLES RESPUESTAS
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
LA
PREGUNTA
CODIFICADAS
(Datos)
444. NO 444. NO 444. NO 444. NO
NO APLICA
Siglas para
APLICA APLICA APLICA APLICA
Programa
EPINNFO
aaclave aaedad aasexo faga fagp fagimp fagaF fagtie fapgar

1 10 2 444 444 444 444 444 2220
2 10 1 2 2 2 2 2 10 CODIGO
3 10 1 1 1 2 2 2 8
4 10 1 1 2 2 2 2 9
5 10 1 1 444 0 2 1 448
6 10 2 2 2 1 2 1 8
7 10 1 2 2 2 2 2 10
8 10 2 0 2 2 2 1 7
9 10 1 1 1 2 1 2 7
10 10 2 2 2 2 2 2 10
Idealmente el digitador (quien traslade la informacin) debe estar bien

familiarizado con la base de datos y los cdigos a emplear. Entre menos
digitadores menos margen de error al trasladar la informacin. Cada
encuesta debe ser numerada, facilitando incluso el que se hagan
pruebas de la veracidad con que se traslada la informacin.

4.1. Paso 16. Procesamiento la informacin

Procesar la informacin es poder obtener las respuestas de la
investigacin a partir del manejo de la base de datos. La facilidad
depende de la habilidad para manejar la hoja de clculo o el programa
que se est usando (Epi Info, por ejemplo). Prcticamente todos los
resultados se restringen a:
4.1.1. La obtencin de las caractersticas de la poblacin, la que se

expone de manera habitual en una tabla de frecuencia.
4.1.2. Obtencin de las frecuencias de las variables estudiadas. Tambin

se expresan en una tabla de frecuencias.
Tabla 1: Frecuencias de las variables independientes y dependientes
de los adolescentes de 12 colegios pblicos de la localidad de Suba en
el 2006.
EDADES N %
De 10 A 12 aos 3 965 32
De 13 A 16 aos 7 200 59
De 17 A 19 aos 997 8
GENERO
Mujeres 6 274 51
ESTRATO
Estrato 1 347 3
Estrato 2 8 958 73
Estrato 3 2 475 20
ESTRUCTURA FAMILIAR
Nuclear completa 6 862 56
Nuclear incompleta 3 774 31
Recompuestas 1 112 9
FUNCIONALIDAD FAMILIAR
Buena funcin familiar 7 722 63
Disfuncin moderada 2 731 22
RIESGOS EN TORNO A LA SEXUALIDAD
Presencia de relaciones sexuales 2 078 17
Ausencia de proteccin en la primera relacin sexual 1 791 66
Relaciones sexuales con ms de una pareja en el ltimo ao 511 4
RIESGOS EN TORNO A LAS ADICCIONES
Tom una vez (o ms) la ltima semana 3 669 30
Actualmente fuma 2 023 16
Bebe alcohol y le gusta 2 024 16
RIESGOS EN TORNO A LA DEPRESIN
Haber pensado en el suicidio 4 182 34
Haber pensado en el suicidio y querer hacerlo 446 4
RIESGOS EN TORNO A LA VIOLENCIA
Haber sido golpeado fsicamente durante el ltimo ao 3 715 30
Haber golpeado fsicamente a alguien durante el ltimo ao 3 816 31
Llevar un arma para defenderse 1 063 9
RIESGOS EN TORNO A LOS TCA
Mujeres con TCA 2 821 23
El diseo de la tabla de frecuencia est sujeto a las especificaciones de las revistas, las
que con pequeas variaciones entre s, informan en sus instructivos para publicar las
exigencias pertinentes. Una tabla de frecuencia debe ser titulada con: nmero de tabla
(orden), expresando qu est mostrando, de quin y cundo se obtuvo la informacin.
Debe aparecer antes de empezar a mencionarla. La tabla usada de ejemplo une las
caractersticas de la poblacin con las frecuencias estudiadas en una investigacin sobre
adolescentes escolarizados y riesgos psicosociales en la localidad de Suba en el ao 2006.

4.1.3. Obtencin de la respuesta a la pregunta de investigacin,

usualmente mediante una tabla comparativa.
TABLE 2. Unconditional logistical regression of high-risk psychosocial behaviors and the

family of adolescentes from 12 public schools in the locality of Suba in the year 2006.
YES NO OR IC 95%
HIHG RISK BEHAVIORS
LL UL
Having Being Assaulted in the Past Year
Gender
Male 2 062 (37) 3 574 (63)
1.7 1.51 1.8
Female 1 639 (28) 4 224 (72)
Family
Severe Dysfunction 520 (59) 362 (41)
4.1 3.46 4.75
Functional 1 836 (25) 5 418 (75)
Carrying a Weapon
Gender
Male 752 (13) 4 864 (87)
3.1 2.63 3.57
Female 305 (5) 5 584 (93)
Family
Moderately dysfunctional 299 (11) 2 311 (89)
1.5 1.28 1.77
Functional 524 (7) 6 737 (93)
Severe Disfunction 152 (17) 732 (83)

2.4 1.9 3.0
Functional 524 (7) 6 737 (93)
Eating Disorders
Family
Reconstituted 232 (42) 320 (58)
1.5 1.2 1.8
Blood relationship 1 571 (31) 3 451 (69)
Moderately dysfunctional 741 (30) 1 717 (70)

1.7 1.4 1.9
Functional 915 (27) 2 531 (73)

2.3 1.9 2.8
Functional 915 (27) 2 531 (73)
Sexual Relations
Gender
Male 1 266 (22) 4 607 (78)
1.9 1.72 2.15
Female 801 (13) 5312 (87)
Family
Incomplete 875 (19) 3802 (81)
1.1 1 1.27
Complete 1060 (16) 5 690 (84)
Moderately dysfunctional 581 (22) 2106 (78)

1.4 1.21 1.56
Functional 1 108 (15) 6 485 (85)

2.0 1.69 2.43
Functional 1 108 (15) 6 485 (85)
Para llegar a presentar la respuesta a la pregunta de investigacin, se deben haber

sometido los datos al manejo estadstico correspondiente (que debe haber sido planeado
previamente) y con base en ello presentarlo en una tabla. En la tabla usada para este
ejemplo, la pregunta de investigacin es qu relacin existe entre comportamientos de
riesgos y las diferencias de gnero y la funcin y estructura familiar en una poblacin
escolar de la localidad de Suba. Como se observa en el ttulo, la tabla de contingencia fue
sometida a un anlisis de regresin (prueba estadstica). Igualmente la tabla permite ver
todas las frecuencias con sus respectivos porcentajes (en parntesis), la medida obtenida
(Odds Ratio) con sus respectivos intervalos de confianza, haciendo notar que en las tablas
solo se exponen los que han sido significativos.

FASE CINCO: DIVULGACIN DE LA

INVESTIGACIN
Lo que no publica no existe, sentencia definitiva y que expresa la

importancia de divulgar las investigaciones. El asunto es que este
proceso se ha venido protocolizando exigiendo de los investigadores la
capacidad de seguir instrucciones, componente para el cual, algunos, no
hemos sido bien entrenados.
Toda investigacin debe ser divulgada. La mencin del material y
mtodos del proceso ayuda enormemente a muchos otros que usarn
esa experiencia. Y en cuanto a los resultados, siempre son valiosos, ya
que servirn a otros investigadores interesados en el tema. Si bien las
investigaciones donde se pueden inferir son muy importantes, aquellas
que no lo hacen por su diseo, son igualmente interesantes y deben ser
divulgadas. A continuacin se mencionarn algunos aspectos a tener en
cuenta para la divulgacin.
5. Paso 17. Publicacin de la investigacin

Existen dos modalidades de publicacin de investigaciones; las tesis y
los artculos. Las primeras son usadas en procesos pedaggicos donde, y
a travs de la descripcin minuciosa y exhaustiva, los investigadores
reciben correcciones que hace el tutor. Son, por principio, extensos
documentos donde cada paso queda debidamente descrito. Los artculos
en cambio resaltan por la bsqueda de brevedad, queriendo con ello
facilitar a los interesados el que lean exactamente lo que necesitan.
Claro el artculo va dirigido a una comunidad muy especfica de
lectores y de hecho existen revistas especializadas en temas y reas,
que los investigadores deben buscar para divulgar sus hallazgos.
5.1. Cmo escribir un artculo

Lo breve y bueno dos veces bueno, lo largo y bueno, no es tan bueno y
lo malo y breve no es tan malo.
Los artculos deben ser presentados con el siguiente formato (normas de
Vancouver):
1. TITULO: Compuesto por el ttulo de la investigacin y los
autores.
1.1. Ttulo de la investigacin: Debe decir QU se hizo, CMO se
hizo y en QUIN se hizo. Se puede agregar DNDE y
CUNDO.

1.2. Autores: Apellidos y nombres con el ltimo ttulo acadmico y

declarando si existen o no conflictos de inters.
2. RESUMEN: Mximo de 250 palabras. Debe tener:

2.1. Objetivo del estudio: mencin del objetivo general del
estudio.
2.2. Material y mtodos con:
2.2.1. Tipo de estudio (dos o tres palabras).
2.2.2. Poblacin: mencionar las caractersticas principales de la
poblacin (un prrafo).
2.2.3. Instrumentos: Mencionar las principales variables
empleadas (uno, mximo dos prrafos).
2.2.4. Manejo estadstico: Mencionar qu medidas se obtuvieron,
cul fue el manejo estadstico y, si se us algn
programa, mencionar cul.
2.3. Resultados: mencionar los principales resultados con su
correspondiente significancia.
2.3.1. Conclusiones: Mencionar la principal conclusin (o
respuesta de la pregunta de investigacin) Un prrafo.
2.4. Palabras claves: Mencionar cinco palabras claves,
necesariamente trminos MeSH.
El resumen debe escribirse en espaol y en ingls.
3. INTRODUCCIN: (Mximo media pgina a un espacio). Se debe

mencionar:
3.1. El contexto de la investigacin (con referencias)
3.2. La pregunta o los objetivos
3.3. La importancia de contestarla.
4. MATERIAL Y MTODOS: Ha de ser lo ms explicativo posible.

Debe tener:
4.1. Tipo de estudio: mencionar las caractersticas del diseo
(tres palabras mximo).
4.2. Poblacin: Mencionar cmo se consigui la poblacin. Decir
cules fueron los criterios de inclusin y exclusin. Cmo se
preservaron los criterios ticos.
4.3. Variables: mencionar las variables empleadas con
referencias de dnde las obtuvieron, explicar cmo ellas
contestan la pregunta de investigacin, mencionar las
medidas empleadas y el manejo estadstico.
4.4. Recoleccin de la informacin: explicar si hubo o no
prueba piloto, luego explicar cmo se recogi la informacin,
teniendo el cuidado de no mencionar nombres propios
(confidencialidad). Luego, qu se hizo y cmo se proces.

5. RESULTADOS: Debe tener:

5.1. Caractersticas de la poblacin, idealmente en una tabla.
5.2. Frecuencias encontradas: mencionar las frecuencias
idealmente en una tabla.
5.3. Respuesta a la pregunta de investigacin: idealmente en una
tabla. Este ltimo aspecto es propio de investigaciones
analticas e intervenciones.
6. DISCUSION: Tiene tres partes:

6.1. Una explicacin de los sesgos probables y cmo se evitaron.
6.2. Una comparacin de las frecuencias encontradas con las
referenciadas.
6.2.1. Ac dar una explicacin del por qu de las diferencias.
6.3. Comparacin de la respuesta encontrada con las
referenciadas.
6.3.1. Explicar el por qu de las diferencias.
7. BIBLIOGRAFA: Seguir las normas para citarla.
8. AGRADECIEMIENTOS: Mencionar a quin se le dan (aqu s se

puede hacer mencin por nombres propios).

Un artculo ideal, sin tablas y sin bibliografa debe tener entre 3000 y
3500 palabras (de acuerdo a la revista). Las revistas biomdicas
imprimen en cada nmero las instrucciones que deben seguir los que
estn interesados en publicar.
5.2. Paso 18. Presentacin de la investigacin

Las investigaciones pueden ser escogidas para ser presentadas en
conferencias. Al respecto, recordar que el tiempo que habitualmente se
da es de unos 20 minutos. La presentacin debe tener tres partes:
Introduccin: donde se expone el contexto, la pregunta de

investigacin y la importancia de contestarla.
Desarrollo: donde se presentan los resultados y se discuten.
Conclusiones: donde el expositor termina mostrando las

implicaciones de los resultados.
Otra modalidad de presentacin es la de carteleras (una denominada

pster) donde, y con unas imgenes sugestivas, se expone el resumen
haciendo nfasis en las conclusiones.
De esta manera se han descrito de manera ordenada las fases de una

investigacin. Recuerde que lo que se ha expuesto es una forma de
clasificar, aceptando que existen otras. Esta ser til si le permite a los
futuros investigadores (usted) asesorar su proceso y concluirlo de
manera exitosa.

Captulo 4
El papel de la
Estadstica:
Construyendo un
idioma entendible
4.1. Los datos ....................................................................................... 219

4.2. Las medidas ..................................................................................... 223
4.2.1. Medidas de frecuencia ........................................................................... 224
4.2.1.1. Concepto de indicadores: Palabras para una definicin ...................... 226
4.2.2. Medidas de asociacin ........................................................................... 231
4.2.3. Medidas de impacto ............................................................................... 232
4.3. La estadstica descriptiva .................................................................... 232
4.3.1. La tabla de frecuencia............................................................................ 233
4.3.2. Las grficas............................................................................................ 236
4.3.3. Las medidas de tendencia central.......................................................... 241
4.3.3.1.La media o promedio ........................................................................... 243
4.3.3.2. La moda.............................................................................................. 246
4.3.3.3.La mediana .......................................................................................... 247
4.3.4. Las medidas de dispersin ..................................................................... 248
4.3.4.1. El recorrido ......................................................................................... 249
4.3.4.2. Los recorridos intercuartiles ............................................................... 251
4.3.4.3. La desviacin estndar (con los pasos para obtenerla) ...................... 252
4.3.5. La curva de distribucin ......................................................................... 256
4.3.5.1. Explicacin de la curva de distribucin y su utilidad a travs de las
tablas de peso y talla ................................................................................. 263
4.3.5.2. La curva de distribucin y la similitud y diferencias estadsticas ........ 268
4.3.5.3. La curva de distribucin y las hiptesis estadsticas ........................... 271
4.4. La estadstica analtica .............................................................................. 278
1.4.1.La herramienta esencial de la comparacin (Tabla de contingencia o de
2X2) y su aplicacin con IC del 95% y prueba de la p .............................. 281
1.4.1.1.Ejemplo a travs de un brote del uso de la tabla ................................ 282
1.4.1.1.1.El concepto de significancia a travs del ejemplo ............................. 285
4.4.1.1.1.2. Ampliando la prueba p ................................................................. 289
4.1.1.1.3. La prueba Ji (Chi cuadrado) ............................................................ 292
4.1.1.1.4.Entendiendo la prueba T ................................................................... 294
4.4.2. El error tipo I y tipo II ........................................................................... 297
4.4.3.Las correlaciones .................................................................................... 299
4.4.4.La inferencia estadstica ......................................................................... 301

CAPTULO 4. EL PAPEL DE LA
ESTADSTICA: CONSTRUYENDO UN
IDIOMA ENTENDIBLE
La realidad es que el estudio de la salud y la enfermedad en la poblacin
(epidemiologa) se hace utilizando la investigacin y el lenguaje con que
se expresan los resultados es la estadstica. La estadstica es un
conocimiento que se ocupa de describir y analizar los datos. Los datos
son las probables respuestas a las variables y stas, son las
preguntas a travs de las cuales se descompone y se busca la
contestacin del problema de investigacin.

Cuando se investigan grupos (por ejemplo, poblaciones) se hace

necesario tener unos referentes para describir las caractersticas de tales
grupos. Eso es lo que hace la estadstica descriptiva; ofrece los
referentes descriptivos (ejemplo: media, moda mediana, desviacin
estndar). Luego, si se desea entender algn aspecto determinado, es
preciso comparar ese grupo con otro grupo; ah interviene la
estadstica analtica o comparativa. Finalmente, quizs sea
apropiado saber si un resultado en un pequeo grupo podr ser
extrapolarse al resto de la poblacin; para ello surge la utilidad de la
estadstica inferencial.
A continuacin se har una somera explicacin del concepto de datos y

ulteriormente acerca de la estadstica bajo el contexto de la
epidemiologa.
4.1. Los datos
Un dato es la probable respuesta a una variable. A manera de ejemplo,

si se pregunta cuntos casos de SIDA existen en tal pas, el nmero
obtenido es el dato. Sin embargo, existen otras formas de contestar
esta pregunta (variable). Por ejemplo, en vez de decir el nmero, el cual
no tiene un referente que permita compararlo, se puede usar la
proporcin (en la cual dicho nmero es el numerador y el denominador
puede ser el total de la poblacin y el resultado de esta relacin se
multiplica por 100). As es ms probable que el ser humano entienda.
Las variables pueden ser contestadas con datos de distintos tipos. Una
forma de clasificar a los datos puede ser la siguiente:
1. Datos cuantitativos
2. Datos cualitativos
1. Los datos cuantitativos son aquellos en que la variable se contesta a

travs de un nmero a diferencia de los cualitativos que usan palabras.
Los datos cuantitativos pueden subdividirse en dos:
1.1. Discretos
1.2. Continuos
Los datos discretos son aquellos cuya respuesta solo puede emplear un
nmero entero (no permite ms subdivisiones). Por ejemplo, la variable
casos (personas enfermas) de tal enfermedad solo puede ser expresada
con un dato como un nmero entero: no puede decirse que existen 7 y
media personas enfermas Otros ejemplos pueden ser la respuesta a la

variable de nmero de caries en un examen bucal o la cantidad de

hijos
Los datos continuos son el resultado de respuestas que pueden variar (y

ofrecer ms medidas, por ende, continuar) de acuerdo al instrumento de
medicin. Por ejemplo, la altura de una persona. El dato puede ser 175
cm, si se usa un instrumento que mide centmetros. Pero puede ser
1754 mm si se usa una escala de referencia en milmetros. Como se
observa, existe la posibilidad de continuar con otras medidas.
NOMINALES
ORDINALES
CUALITATIVOS
INTERVALICOS
PROPORCIONALES
DATOS
DISCRETOS
CUANTITATIVOS
CONTINUOS
Los datos cuantitativos tienen una enorme ventaja sobre los cualitativos y es
precisamente que la estadstica puede trabajarlos mejor. Ya se hablar de esto
ms adelante.
2. Los datos cualitativos se subdividen a su vez en:
2.1. Nominales
2.2. Ordinales
2.3. Intervlicos
2.4. Proporcionales
Los datos nominales son aquellos que usan respuestas que nombran.
Por ejemplo, el color de tal cosa o cules son las enfermedades ms
frecuentes. Algunos autores crean una subdivisin importante por la
frecuencia, denominada existencial referida a que lo tiene o no lo tiene
(existe o no). Por ejemplo, ante la variable tiene o no cncer. El dato es

s o no. Dado que la respuesta probable es una de dos se denominan

tambin dato dicotmico, donde lo usual es que se mencionen las
caractersticas del dato a travs de la variable. Por ejemplo, la variable
tiene o no tiene cncer del pulmn, es una variable nominal dicotmica
ya que el dato resultante es SI o NO. Por supuesto, que existen
variables que producen datos nominales donde las categoras son ms
de dos.
Los datos ordinales aparte de nombrar generan un orden. Por
ejemplo, ante la variable de cmo le pareci el servicio, la respuesta
puede ser excelente, bueno, regular, malo o psimo (escala de Liker).
Como se observa estos datos van en orden.
Los datos intervlicos son tambin ordinales, pero como
complemento, permiten identificar la diferencia entre uno y otro. Por
ejemplo, la variable de coeficiente intelectual, provoca datos de 100 o
de 110 o de 90, donde el lector puede ubicar orden, distancia y
diferencias. Otro ejemplo puede ser la medicin de la temperatura con
base a la escala Celsius. Un dato de 10 grados establece una diferencia
con el de 40 grados pero exactamente no implica que el que tiene 40
grados tiene 4 veces ms calor que el que tiene 10 grados. La
graduacin del termmetro es efectuada con un criterio diferente. Esto a
diferencia de los datos proporcionales que s ofrecen referentes en
donde se puede medir la magnitud de la diferencia. Por ejemplo, si se
menciona un peso de 50 kilos y otro de 100 kilos, se sabe cul es el
mayor, pero adems, se identifica de cunto es la diferencia (en este
caso del doble del peso en kilos). En tanto, con el coeficiente intelectual
se sabe que 90 es diferente de 110, pero no se sabe qu existe entre
estas diferencias. Un mejor ejemplo puede ser el siguiente: Supngase
que la variable es la edad. El dato en un caso se coloca como edad en
aos y en otro se hace a travs de la ubicacin de unos rangos. Por
ejemplo, por cada 10 aos. Entonces en el primer caso se coloca el
espacio para expresar la edad en aos cumplidos. En el segundo, los
datos estn para que se conteste as: De 0 a 9 aos. De 10 a 19 aos.
De 20 a 29 aos. Entonces, si la edad es 13 aos, as se expresar en el
primer caso. En cambio en el segundo caso se colocar de 10 a 19 aos.
Ac no se puede saber de cunto es la diferencia, por ejemplo, ente 21
aos y 13 aos; en cambio, en el caso en que el dato se exprese como
aos cumplidos, se sabe qu distancia existe entre uno y otro dato.
Claro, una u otra informacin ser til de acuerdo a un contexto, pero lo
que importa es que se aprecie la diferencia entre el dato intervlico y el
proporcional.

14
13
F
12
R
11
E
10
C
9
U
8
E
7
N
6
C
5
I
4
A
3
S
2
1
10 11 12 13 14 15 16 17 18 19 20
EDAD
Los datos cuantitativos son especialmente manejables a travs de la

estadstica. Por ejemplo, el obtener en una base de datos la edad de
la poblacin puede permitirle al investigador una serie de
descripciones que pueden ser de utilidad, como la obtencin de la
edad media de la poblacin o a qu edad se sita el 25 o el 50% de la
poblacin. Por supuesto, que puede verse con sencillez las edades
rango (extremos), elementos todos que permiten que los
investigadores vean ms. Obviamente con una variable cualitativa
nominal (datos S o NO) no se pueden hacer estas descripciones. La
grfica expresa las edades de una poblacin de adolescentes. El eje
horizontal muestra las edades y el vertical las frecuencias. Cada
casilla representa un adolescente con su edad.
Para resaltar lo anterior, observe la grfica: la estadstica usa para

describir unos referentes (medidas de tendencia central y medidas
de dispersin) y tambin las grficas. En el ejemplo est el
denominado histograma (grfica esencial de la estadstica) donde se
expresan las edades de un grupo de adolescentes que participaron en
una investigacin. Ciertamente es fcil ver en ella: las edades extremos
(10 y 20 aos), la edad media se puede aproximar visualmente (entre
13 y 14 aos), la edad que ms se repite (14 aos). Incluso se puede
saber cul es el total de poblacin (suma de todas las casillas = 109).

Un aspecto clave cuando se efectan preguntas de investigaciones es seleccionar variables

que sean contestadas con datos que expresen la realidad, se entiendan y sean manejables
estadsticamente. Un ejemplo donde prcticamente se combinan todos los datos es la
historia clnica. Desde las preguntas abiertas de la enfermedad actual, hasta las variables
cuantitativas de los signos vitales (TA, FC, FR, TA) o las intervlicas de la temperatura y
las cualitativas nominales dicotmicas de si tiene o no tal manifestacin.
4.2. Las medidas

Una medida (o escala) es la comparacin de un dato que se hace con un
referente y que busca ser entendida. Lo que se mide son variables y de
stas se obtienen los datos. Recordando, las variables son preguntas a
travs de cuyas respuestas se puede contestar la pregunta de
investigacin. Por supuesto, que una variable puede ser medida con
distintos referentes y ser tarea del investigador el emplear como dato
aquel que mejor expresa la comparacin. Por ejemplo, con la variable
altura de las personas es mejor usar variables que empleen datos
cuantitativos (mucho mejor decir cunto mide que decir alto o bajito) e
incluso de ellos son mejores los centmetros que los milmetros.
La epidemiologa usa tres tipos de medida. Ellos son:
4.2.1. Medidas de frecuencia

4.2.2. Medidas de asociacin
4.2.3. Medidas de impacto

4.2.1. Medidas de frecuencia
Las medidas de frecuencia pueden usar distintas escalas, casi todas

matemticas y sin duda son las ms empleadas en la epidemiologa.
Prcticamente no existe investigacin donde no se expongan medidas de
frecuencia y son las empleadas para la labor descriptiva. Usan:
Los nmeros absolutos

Las proporciones
Las tasas
Las razones
A manera de ejemplo y tomando como caso la infeccin por VIH/SIDA,

segn el Boletn de Situacin de Salud en Colombia 2006 se puede
afirmar que:
1. El nmero absoluto de casos de VIH/ SIDA informado en

Colombia en el 2006 fue de 4.824 casos.
2. Otra manera de decirlo es que la tasa por 100.000 habitantes
de VIH/SIDA es de 11,5 (se obtiene producto de la aplicacin de
la regla de tres en donde se plantea que si por 42.090.502 de
habitantes de Colombia existen 4.824 casos de VIH/SIDA, en
100.000 habitantes cuntos = 11,5).

Usando ahora la poblacin: de los 42.090.502 colombianos, los hombres

son 20.668.157. Esta cifra se puede presentar as:
Por cada 100 colombianos, el 49,1 por 100 son hombres

(proporcin = expresa usando el 100 como referente).
Adems, el 30,7% de la poblacin es menor de 15 aos. El
nmero absoluto es el resultado de la regla de tres que plantea
que si el 100% son 42.090.502, el 30,7% sern 12.921.784.
Otra manera de presentar esta informacin es la razn de

poblacin menor de 15 aos / poblacin mayor de 15 aos = 0.4
que es lo mismo que decir que en Colombia por cada persona
mayor de 15 aos existen 0.4 personas menores de 15 aos
(resultado obtenido de la divisin de 12.921.784 = poblacin
menor de 15 aos entre 29.168.718 = resto de poblacin o lo
que es lo mismo el resultado de restarle a 42.090.502 los
12.921.784 de los menores de 15 aos).
Con la misma operacin se puede sacar la razn de cuntos colombianos

mayores de 15 aos existen. La cifra es el resultado de dividir
29.168.718 entre 12.921.784 y es igual a 2,3. Se expresa as: Por cada
menor de 15 aos, existen 2,3 mayores de 15 aos. Recurdese que en
las razones el resultado siempre se compara como referente con el 1.
Lo cierto es que los informes de salud presentan los resultados de

distintas maneras. Existen algunos acuerdos. Por ejemplo, las
estructuras de poblaciones se presentan con nmeros absolutos o
porcentajes (proporciones por 100). Las tasas (pregunta sobre el total
de casos de la pregunta multiplicado por un mltiplo de 10) son usadas
para expresar morbimortalidad. En recursos humanos se usan con
frecuencia las razones. Por ejemplo, la razn de mdicos por cada 1000
habitantes (que es de 1,3). Se obtiene dividiendo el nmero total de
mdicos (54.718 en el 2006) entre el total de colombianos. El resultado
es 0.0013. Es lo mismo que decir que por cada colombiano, hay 0.0013
mdicos (sa es la razn). Al colocar de referente 1000, la razn queda
de 1,3 o lo que es lo mismo que en cada 1000 colombianos se encuentra
1,3 mdicos. A propsito, un nmero absoluto utilizado es el promedio
de mdicos que egresan por ao que en el 2006 fue de 2.393.
Muchas medidas de frecuencia son utilizadas como referentes de

comparacin y, por consiguiente, utilizadas como indicadores.

4.2.1.1. Concepto de indicadores: Palabras para una

definicin
Buscando las palabras que han de participar en una definicin de

indicador est el trmino referente ya que los indicadores sirven como
puntos de reparo para comparar situaciones. Adicionalmente ha de estar
el trmino estimacin pues es evidente que a travs de los indicadores
se hacen aproximaciones a la realidad. Y, por supuesto, que cualquier
indicador surge de las medidas. Con estas palabras, una propuesta de
definicin de indicador puede ser: Medida que permite ser
comparada como un referente que estima la realidad de una
situacin determinada.
Muchas medidas de frecuencia se han convertido en indicadoras. Por
ejemplo, las tasas de mortalidad o las prevalencias e incidencias
(expresadas como proporciones) de algunas enfermedades, son
ampliamente empleadas. La INCIDENCIA y la PREVALENCIA resultan
ser datos que, de tener referencias previas, permiten analizar
informacin.

Como modelo, al medir la desnutricin crnica a travs de la talla baja

en Colombia en el ao 2005 se encontr que el porcentaje de nios de 5
a 9 aos en zona urbana fue de 9.7% (de cada 100 nios de 5 a 9 aos
evaluados, se encontr que 9.7 tenan una talla ms baja de la
esperada). En el campo la prevalencia fue de 18.5 %. De ello se puede
deducir que el estado nutricional de la ciudad es mejor que el rural
(apreciacin que surge al comparar los dos datos). Adems, y si se
compara con la prevalencia en ese mismo perodo (en los meses y en el
sitio que se midi) pero en 1995, cuando la prevalencia urbana de
menores de 5 a 9 aos fue de 12.5 % y la rural fue de 19,1%, se puede
afirmar que el pas ha mejorado. Por qu? Sencillamente porque la
disminucin de prevalencia de nios con talla baja para su edad solo es
posible porque tengan un mejor acceso a los alimentos. De hecho, y
como indicador de situacin de un pas, la nutricin sin duda siempre es
y ser un buen parmetro.
Incidencia: Se refiere a los casos nuevos de una enfermedad que se

presentan en una comunidad y en un perodo determinado. Prevalencia: Se
refiere al total de casos de una enfermedad en un momento y en un lugar
determinado.
Colimon explica que la enfermedad en una comunidad se comporta

como una llave que da la entrada a las enfermedades en el lavamanos
(comunidad) y que existe una salida (desage).

La entrada se manifiesta por la velocidad de produccin de la

enfermedad (incidencia). La salida por la curacin o la muerte. Lo que
permanece en el lavamanos es lo que se llama prevalencia. La relacin
entre la entrada y la salida condiciona la prevalencia de la enfermedad
en la comunidad. Por ejemplo, la incidencia de hipertensin no es muy
alta (entrada) pero la salida s es escasa (muy pocos se curan de
hipertensin y la muerte sobreviene luego de mucho tiempo de
padecerla), por ende su prevalencia ser alta.
Cuando se estudia la salud y la poblacin, las situaciones de referencia
de donde se pueden obtener indicadores son:
La muerte
La enfermedad
La discapacidad de la poblacin
Los factores de riesgo de la poblacin
Aspectos intervinientes en la salud poblacional tales como
prevalencia de felicidad, calidad de vida, desarrollo humano.
No existe duda que la muerte o la enfermedad son un excelente

referente de comparacin. Por ejemplo, si en un pas se mueren (o
padecen) ms personas de enfermedades tales como el SIDA (en
frica, por ejemplo) y en otro de enfermedades coronarias (USA), la
comparacin nos permite asegurar que las condiciones de uno u otro
son diferentes. La discapacidad y los factores de riesgo sirven
exactamente igual. Estos son considerados indicadores negativos (pues miden lo
malo). Hoy estn surgiendo nuevos indicadores que miden ms la salud que la
enfermedad. Aspectos como calidad de vida, percepcin de felicidad y satisfaccin
social estn siendo elaborados y utilizados como referentes.
Ejemplos de utilidades de los indicadores pueden ser:
1. Identificar necesidades en salud. Por ejemplo, la mortalidad infantil,

donde resulta obvio que esta poblacin es la que ms se resiente
cuando las condiciones son inadecuadas y, por ende, la que mejor
responde cuando empieza a mejorar. A manera de ejemplo en el
Choc la tasa de mortalidad en el 2005 fue de 89 por 1000, en tanto
que en Bogot fue de 25,8 por 1000. Qu anlisis (resultado de la
comparacin) se puede hacer?
2. Evaluar recursos para la salud. ndice de pobreza humana.
3. Evaluar impactos: Tasa especifica de fecundidad en mujeres de 15 a
19 aos (por mil).
4. Monitorear: Nmero de personas desplazadas por violencia por ao.
5. Atributos de polticas: Tasa de desempleo.
6. Negociacin: Gasto nacional en salud por ao en proporcin del PIB.
7. Racionalizacin: ndice de condiciones de vida en el ao.
8. Evaluar investigaciones.
9. Tamizar hiptesis.

Como ejemplos en salud pblica estn:
1. La mortalidad infantil que refleja la inequidad.

2. La mortalidad materna refleja el acceso a los servicios de salud.
3. Las tablas de vida (expectativa de vida y los aos de vida
perdidos).
4. En morbilidad se usa la letalidad o relacin entre los que se mueren
y los que padecen de una enfermedad obviamente en un perodo de
tiempo.
5. El bajo peso al nacer.
6. Los anlisis de discapacidad o de calidad de vida.
7. Indicadores de acceso a servicios de salud (pueden ser: cobertura
de vacunacin, la atencin prenatal, la atencin profesional, la
planificacin o el nmero de citologas).
Las fuentes de estos indicadores son diversas. El DANE, Planeacin

Nacional, Fedesarrollo o el Ministerio de Proteccin Social, son apenas
unos ejemplos nacionales. La OMS, el Banco Mundial o la OPS, son
entidades que aportan indicadores de distintas partes del mundo.
De todo lo anterior ha de quedar en claro el papel esencial de los

indicadores en los anlisis. Un buen indicador debe cumplir con unos
requisitos mnimos:

Factibilidad: que se pueda obtener.

Oportunidad: que se tenga cuando se necesita.
Continuidad: que tenga referentes previos que permitan la
comparacin.
Costo/eficiencia: que el beneficio que da sea mayor que la
inversin para obtenerlo.
Validez: que refleje la realidad.
Precisin: que si se vuelve a medir d el mismo resultado.
Sensibilidad: que detecta lo que se busca.
Especificidad: que permite descartar.
Relevancia: que permite ver la importancia de una situacin.
Precisamente, y a manera de ejemplo, la cartilla de situacin de salud

en Colombia 2006 ofrece entre otros los siguientes indicadores
(situaciones):
1. La pirmide poblacional de Colombia, comparada en tres

momentos: 1985,1993 y 2005.
2. Indicadores demogrficos tales como poblacin total y
reparticiones por edades especficas.
3. Dinmica de poblacin tales como tasas de fecundidad, media
anual de defunciones.
4. Indicadores socioeconmicos, tales como niveles educativos o
niveles de ingresos, gasto nacional de salud.

5. Vinculacin al Sistema General de Seguridad Social.

6. De ofertas de servicios de salud (coberturas de servicios o
recursos humanos en salud).
7. Accesos de servicios pblicos domiciliarios.
8. Indicadores de mortalidad.
9. Indicadores de morbilidad.
10. De salud sexual y reproductiva.
11. De riesgos profesionales.
12. De vacunacin.
13. De enfermedades de notificacin obligatoria.
14. De estado nutricional.
15. De riesgo de enfermedades crnicas.
16. De salud mental y consumo de sustancias psicoactivas.
4.2.2. Medidas de asociacin
Cncer No cncer
Si fuma 80 20 100
No fuma 40 160 200
120 180
ASOCIACION
OR = 16
Las medidas de asociacin buscan las relaciones que pueden existir ente
la causa y el efecto. Todas son el resultado del uso de la tabla de
comparacin o de tabla de 2X2. Son dos. Unas son las medidas de
diferencia que comparan las frecuencias de los expuestos con los no
expuestos. Otras que obtienen razones entre los expuestos y los no
expuestos. Las dos escalas empleadas son el RR o riego relativo
(a/(a+b) c/(c+d)) y el OR o razones de ventaja (ad/bc).

4.2.3. Medidas de impacto

Son prcticamente especficas de la prctica de la epidemiologa. Una se
llama el riesgo atribuible (o fraccin etiolgica) y expresa la
responsabilidad de la exposicin en la aparicin del evento adverso. Por
ejemplo, cul es el riesgo atribuible del cigarrillo en el cncer del
pulmn.
La segunda medida es la denominada fraccin prevenible donde se mide
el impacto que tiene una intervencin protectora, Por ejemplo, cules
sern los casos que se presentarn (de ah surgen cuntos casos se
previenen) en presencia de una accin protectora.
Si bien no se va ampliar cmo se obtiene, vale la pena ampliar el
concepto para que se sepa cmo se usan estas medidas. Hoy sabemos
que la exposicin del cigarrillo es el factor causal ms importante en la
gnesis del cncer del pulmn. A travs del RIESGO ATRIBUIBLE se
puede calcular el porcentaje de responsabilidad del cigarrillo, el que por
cierto est en cerca de un 92%. Esta cifra se obtuvo de la aplicacin del
RIESGO ATRIBUIBLE tambin denominado FRACCION ETIOLOGICA.
Pero surge la pregunta: y si la personas dejaran de fumar? Cuntos
casos de cncer se podran prevenir? Ese resultado es lo que se conoce
como FRACCION PREVENIBLE que es la otra medida de impacto.
4.3. La estadstica descriptiva

La estadstica, en una simplista interpretacin, no es otra cosa que un
proceso de anlisis de informacin, que busca hacernos entender los
datos.
La Estadstica se ocupa de los mtodos y procedimientos para recoger, clasificar,

resumir, hallar regularidades y analizar los datos, siempre y cuando la
variabilidad e incertidumbre sean una causa intrnseca de los mismos; as como
de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de
decisiones y, en su caso, formular predicciones.
Buscando ser didcticos, el ser humano aprende a travs de la

descripcin y de la comparacin. Con base en estos dos procedimientos
anhela predecir. La investigacin es la forma como el ser humano
describe y compara. La estadstica ofrece referentes para aprender a
describir y comparar en las investigaciones. Para describir, la estadstica
utiliza una serie de presentaciones y de aspectos referenciales (medidas
de tendencia central y de dispersin). La principal forma de presentar la
informacin es la tabla de frecuencia que, con mucho, constituye la
principal forma de presentar informacin en la estadstica descriptiva
(no la nica y, de hecho, las grficas le hacen algo de competencia).

4.3.1. La tabla de frecuencia

Para describir, la estadstica toma los datos obtenidos y los agrupa
siguiendo algn criterio. De esa manera el investigador observa ms. A
manera de ejemplo, obsrvese la siguiente base de datos que muestra
las notas de un curso con identificacin y sexo:
N IDENT SEXO NOTA N IDENT SEXO NOTA N IDENT SEXO NOTA N IDENT SEXO NOTA
1 ACEROm DUARTE
2,4 51SONIA
DIAZ JENNY
MORA
h 3,8
GERMAN
101 MARTINEZ
DARIO
m 3,8
GARZON
151 ROJAS
LEANDRA
hLIEVANO
3MILENAJHON FREDY
2 ACOSTA1 BELTRAN
3,2 52 DIAZ
EDNAPEREZ
m
PAOLA3,6ADRIANA
102 MARTINEZ
PAOLA
m 2
RAMOS152 ROJAS
MARIAhCONSUELO
ROJAS
2,8 FABIO NORIEL
3 AMADOm AMADO
3 53
LEYVI
DIAZ YEN
PLATA
h 3,4ORLANDO
103 MARTINEZh 3
VARGAS
153 ROJAS
LEONARDO
mTORRES
2,4 LIBIA YUBELLY
4 AREVALO
m 3,4
NOSSA 54PAOLA
DIAZ RONCANCIO
m
CATALINA
3,4 104 BIBIANA
MARTINEZ
h 3,2
ZARATE
154 ROMERO
SANTIAGO
m BONILLA
3,4 JENNY MARC
5 ARIZAmALTAHONA
3,8 55 MARIA
DUARTE hDEL
SALAMANCA
3PILAR
105 MEDELLIN
LUIS
m ALBERTO
2,8
MARTINEZ
155 ROMERO
LINAh PAOLA
GUTIERREZ
2,2 RENE ALE
6 ARIZA h
AGUILAR
4,6 56
LUDWING
DUQUE mOLIVER
LIZARAZO
3,2 106 LOURDES
MEDINA h BUSTOS
3,2 156JORGE
ROMERO h
ALONSO
OROZCO
2,8 MANUEL GUI
7 ARIZAmSAAVEDRA
2,8 57 MAGDA
ECHEVERRY
mNATALIA
2,6 CARDENAS
107 MEDINA mCLAUDIA
SILVA
3,4 157CLAUDIA
CECILIA
ROMERO PATRICIA
m PISCO
2,2 LILIANA ANDRE
8 ARRIETA
h NINO
3,6 ARNOLD
58 ECHEVERRY
ALEJANDRO
m 3,4 DIAZ
108 TATIANA
MENDOZA
m 3,2
JAIMES
158 JACKELINE
RONCANCIO
h 2,8 REY NEIL JAHIRZ
9 ARTUNDUAGA
h 2,8 LOZANO
59 ESLAVA OLIVERIO
m CLAROS
3,4 109MARIAN
MENDOZA
mJOHANALATORRE
3 159 RONCANCIO
MARIA
m ALEXANDRA
3 REY ROSSY MARYO
10 BALLESTEROS
m 3,8 QUINTERO
60 ESPITIA h CLAUDIA
COLMENARES
3 110LIZETH
MOLANO
DIEGO
h ZARATE
3,6ALEJANDRO
160RUBEN
ROZOm HURTADO
EDUARDO
3,4 SANDRA MILEN
11 BARRERA
m 2,8
BARRERA
61 ESTUPINAN
OSCARm ANRES
3,6PIEDRAHITA
111 MORENO m CONSTANZA
BELTRAN
3,4 161 SANABRIA
PAOLA
MARCELA
m 3,6
DELGADO ILSE YANIV
12 BARRERA
m 2,8
CASALLAS
62 FALLA
DEYSYhCASTELLANOS
3,4
CAROLINA
112 MORENO
NELSON
h CASTANEDA
4,2FERNANDO
162 SANCHEZ
NESTOR
m 3,2
AVILA
ALBERTO
DERLY JEANINN
13 BARRERA
h 2,8
CORTES63 FARFAN
HECTOR m NIETO
ANTONIO
3,2 113
VICTORIA
MOYAm VELANDIA
EUGENIA
1,8 163 SONIA
SANCHEZ
CAROLINA
m 3,8
GUTIERREZ ANGELICA
14 BELLOmGONZALEZ
3,6 64 LIDA
FLORIANFABIOLA
m DIAZ
3,2 YEIMI
114 NEGRETE
CAROLINA
h 2,6
LEVETTE
164 SANCHEZ
JORGE h ANDRES
3,6
PEREZ CARLOS ANDR
15 BELTRAh AVILA
3 MAURICIO
65 FLORIAN mORLANDO
RODRIGUEZ
2,4 115 NEVA MARIA
mJARAMILLO
2,8
ISABEL165GINA
SANGUINO
VIVIANA
h 2,4
DELGADO GIOVANNI
16 BELTRAN
m OCHOA
2,8 66LAURA
FONSECA hMELISA
3,4
PLATA
116ANDRES
NOVOA mLEONARDO
BOLIVAR
2,4 166ERIKA
SOSAMARIA
mSANCHEZ
3 LILIANA PATRIC
17 BELTRAN
m SARMIENTO
3 67 FUENTES
CATALINA
h 3,2
BONILLA
XIOMARA
117 OLARTE
CRISTIAN
m RUIZBERNARD
3 SAYDA
167 SOTOPATRICIA
h
BASTIDAS
3 JORGE ENRIQU
18 BENAVIDES
h 2,8VALDERRAMA
68 FUENTES m DIEGO
SUAREZ
3 118
ALEJANDRO
OLARTE
AILEENm TATIANA
SILVA
3,4 168ANATOBO
MARIA h
CORREA
2,6 LUIS GIOVANNI
19 BENITEZ
m RUIZ3 LILIANA
69 GALVISPATRICIA
h PADILLA
3,2 119MARTIN
ORTIZh FRANCISCO
BELTRAN
3,4 169 DIEGO
TORRESORLANDO
m CHAVES
2,8 VENUS BIBIAN
20 BONILLA
m MORA
3,2 70
ORNELLA
GARAY h FERNANDEZ
3,6 120 PANESSO
MANUEL
m 3,4
PULGARIN
ANDRES
170 TOUSPAOLA
mCHINA
ANDREA
3,2 LILIANA BEATRIZ
21 BRUGESh CARRI.LLO
3 71 GARCIA
EMILIOm CABALLERO
JOSE
3,6 121 PARADA
AURAm LUZ
DUARTE
2,8 171MIRYAM
TRUJILLO
m JOSEFA
3,2
RODRIGUEZ ANDREA
22 BUITRAGO
m 3,2
MERIZALDE
72 GARCIA DIANA
h DIAZ
3,2
KATHERINE
RUBEN
122 PAREJA
DARIO
m HURTADO
3,4 172 URIBE
ERIKAhHENAO
MARGARITA
2,8 MANUEL ALBERTO
23 BUITRAGO
h 2,6
MONSALVE
73 GARCIA LUIS
h VASQUEZ
GABRIEL
3,2 123 VICTORIA
PEDROZAh 2,4
EUGENIA
SABOGAL
173 URRIAGO
SERGIO
h 3,2
SANTOS
ENRIQUEFELIX EDGAR
24 CAICEDO
h PEREZ
2,8 74JORGE
GARZON m
HERNAN
NINO
2,4 124
DIANAPENA
FERNANDA
mBERMUDEZ
3,4 174 JOHANNA
VALCARCEL
h MERCEDES
3,4VELA JOSE RODRIG
25 CAJICA
m ALVARADO
2,8 75 GARZON
JUANITAm QUINTERO
BIBIANA
4,2 125 PERDOMO
ADIELA
h 3
PUENTES
175 VALDERRAMA
ISMAEL
m 3,6
OSIRISZULUAGA JOHAN
26 CALDERON
h 3,4
BARRERA
76 GARZONSANDER
h ROMERO
4,2DAVID
126 PERDOMO
HECTORm JAVIER
3,4
TOVAR176 VICTORIA
VALDES m BORDA
EUGENIA
3 ALEXANDRA
27 CALVO h PREZ
3,8 ALEJANDRO
77 GODOY m ESPINOSA
3,4 127 PEREZ
JANNETTE
hCORTES
2,4 IVONNE
177
RICARDO
VARGAS mANDRES
CARDOZO
2,6 MARIA ALEX
28 CANONm GOMEZ
4 78
DIANA
GOMEZIVONNE
m BAUTISTA
3 128 JENNY
PERILLA
mVIVIANA
MUNOS
3,4 178 ADRIANA
VARGAS m PATRICIA
GONZALEZ
2,6 CRIST ELIZA
29 CARDENAS
h 2,6
RIVEROS
79 GOMEZCARLOS
h BERNAL
2,6
JAVIER
129
ANDRES
PINEDAmEDUARDO
RODRIGUEZ
3,2 179 VELEZ NADIA
mRAMIREZ
CAROLINA
3 CAROLINA
30 CASTANEDA
h 2,6 AMAYA
80 GOMEZ
FELIX h DUARTE
EDUARDO
3,4 130GIOVANNY
PINZONm PARRA
ALBERTO
3,6 180 MARGARET
VICTORINO
h IVONNE
3,2
PERILLA OSCAR JAV
31 CASTANO
h 3,6
LORA81 LUIS
GOMEZ
FERNANDO
m GALLEGO
3 131 MARIA
PORTILLA
h
PAULA
3,8
MOGOLLON
181 VILLALOBOS
FABIAN
m 3,2
ANDRES
RODRIGUEZ MARC
32 CASTIBLANCO
h 2,8 RUIZ
82 GOMEZ
EDWIN m LIZARAZO
FERNEY
2,2 132 FRANCY
PUERTOm RODRIGUEZ
3,4 182 ZAMOJCIN
CAROLINA
m 3,6
RODRIGUEZ MONIKA
33 CASTILLO
m 3,6
GUERRERO
83 GOMEZ JANETH
m LOPEZ
3,6ROCIO
133
CLAUDIA
PULIDOm
PATRICIA
OVALLE
2,2 ERIKA
34 CASTILLO
h 3,2
WISMAN84 GOMEZ
MARIO m ANDRES
NAVARRO
3,2 134 ANDREA
QUESADA
m DEL3,6
NUNEZ
PILARBESELINK
35 CASTRELLON
h 3,6 FELIZZOLA
85 GOMEZ mCARLOS
RODRIGUEZ
3,2 135
ALBERTO
QUIMBAYO
MABEL
m NAYIBE
3 CORTES CLAUDIA LILIANA
36 CASTROh VELASQUEZ
2,6 86 GUTIERREZ
HOLMEN
h 3,8ARLEM
CORTES
136 QUINTERO
ANDRES
m 3,6FONNEGRA
FELIPE ALESSANDRA JOHANA
37 CIFUENTES
m 2,8CASTANEDA
87 HERNANDEZm
ROSA 3,6ANGELA
FUENTES
137 RAMIREZ
ANDREA
h ARBELAEZ
3,2 OSCAR DAVID
38 CORREA
m DIAZ
3,4 RUTH
88 HERRAN
LILIANA
h ARAQUE
3,4 138 DIEGO
RAMIREZ
m FERNANDO
MORA
3,2 MARIA PAULA
39 CORREAL
m 2,8
TOVAR 89PAOLA
HOYOS hCAROLINA
BELTRAN
3,8 139FRANCISCO
RAMIREZ
m PRECIADO
3,8JOSE CLAUDIA MARCELA
40 CORREDOR
m 3,4SUAREZ
90 JAIME
SANDRA
mRINCON
3MILENA
140
SANDRA
RAMOS MILENA
h CABRERA
2,6 PEDRO JOSE
41 CORTES
m DIAZ
3,4 ANA
91 KUAN
BETULIA h
CASAS 3 HERNANDO
141 REINAm FAJARDO
2,4 DIANA PAOLA
42 CUADROS
m 2,8
OROZCO
92 LONDONO
JASBLEIDY
m 3,6
GUATEQUE
142 REYALEXANDRA
ORTIZ
m 2,2SANDRA MARCELA
43 CUBILLOS
m 2,4
CHAVEZ
93 LOPEZ
JOHANNAmMERCADO
3
ANDREA
143 INGRID
RINCONm ALBARRACIN
3 SANDRA PATRICIA
44 CUELLAR
m ENCISO
2,8 94 TATIANA
LUGO h CAROLINA
3,6 144 RINCON h COLLAZOS
3,4 ALFREDO ALBERTO
45 CUERVO
m ARIAS
3,2 95
ANGELICA
LUGO h RAMOS
YANIRA
3,2 HECTOR
145 RIVEROS
LEONARDO
m VARGAS
2,8 CLARA INES
46 CUINEME
m MORENO
3 96 LUNA
SANDRA m
AVILAPILAR
3,8TATIANA
146 ROCHA
MILENA
m ACERO
2,2 MAGDA LIZETH
47 DANGOND
m 3
GOMEZ97 MARENTES
GINNA mVANNESSA
3,8
DIAZ
147CARMEN
RODRIGUEZ
mMARYLIN
3,4CONDE JOHANA ASTRID
48 DELGADO
m 3,2
CARDONA
98 MARROQUIN
LIDSAY
h 2,6
AIRINY
CARRILLO
148 RODRIGUEZ
HUGO
m 3,2ALEXANDER
GARZON CEILA
49 DELGADO
h 2,4
LORDUY
99 MARRUGO
OMAR mEDUARDO
3,4
PADILLA
149 RODRIGUEZ
KATHERINE
h 3,6PORRAS
TATIANAEDWIN ANTONIO
50 DIAZ HERNANDEZ
h 3,4 100 JORGE
MARTINEZhANDRES
2,8
CONTRERAS
150 RODRIGUEZ
MIGUEL
m 3,8VILLAMIL NELLY JANNETH
En una base de datos se trascriben los datos de las variables. En este caso la base est
constituida por la columna de enumeracin de los sujetos, por la identificacin, por el
gnero y la calificacin que obtuvieron. Si la base se ordenara, una buena cantidad de
informacin presente se pondra al alcance de los ojos.

Como se ve, se trata de una lista de calificaciones cuya escala va del 0

al 5, de determinada materia. Al exponerla sin orden, la capacidad de
anlisis se disminuye. Ahora observe:
% de
Frecuencia % de Marca con
Clases Frecuencias Frecuencia Marca de clase
acumulada Frecuencia frecuencia
acumulada
De 1,5 a 1,9 1 1 1 1 1,7 1,7
De 2,0 a 2,4 18 19 10 10 2,2 39,6
De 2,5 a 2,9 36 55 20 30 2,7 97,2
De 3,0 3,4 87 142 48 78 3,2 278,4
De 3,5 a 3,9 35 177 19 97 3,7 129,5
De 4,0 a 4,4 4 181 2 99 4,2 16,8
De 4,5 a 4,9 1 182 1 100 4,7 4,7
Totales 182 100

La tabla de frecuencias que se presenta en los textos tiene tan solo tres columnas: los
criterios (clases), las frecuencias y el porcentaje de frecuencias. En este ejemplo se
muestra una tabla de frecuencias completa.
La tabla de frecuencia precisamente ordena los datos (cuando se

ordena se ve ms). En primer lugar, los agrupa siguiendo un criterio.
Esto se denomina clases. En esta caso van de menor a mayor (claro
el criterio de ordenamiento debe ser entendible para el organizador).
Cada clase tiene lmites y como ley, los lmites son excluyentes de los de
las clases que estn al lado. La razn es obvia: un dato no puede estar
situado en dos clases diferentes. Las filas en la tabla expresan las
clases en que se ordenaron los datos. La columna de frecuencia
muestra el nmero de veces que se repiten los datos de cada clase. En
el ejemplo, los datos de la clase con calificaciones (datos) de 3.0 a 3.9
son los que se repiten un mayor nmero de veces (15). Sin embargo,
ese nmero de veces puede ser expresado usando un referente que
permita compararlo con los otros datos. Eso se consigue usando el
porcentaje de frecuencia (tercera columna) donde la frecuencia de 15
corresponde al 50% del total de datos. Ahora se sabe que la mitad de
los datos de esta tabla obtuvieron una calificacin entre 3,0 y 3,9.
Realmente estas tres columnas constituyen la base o esencia de la tabla
descriptiva. No obstante, a la tabla se le pueden incorporar otras
columnas que permiten ver otras caractersticas. Por ejemplo, la
frecuencia acumulada en donde al nmero de datos de la clase se le
agrega (se suma) el nmero de datos de la clase siguiente. A manera de
ejemplo, as como la clase de 2,0 a 2,9 tiene 13 datos, para la clase
siguiente (de 3,0 a 3,9) que tiene 15, la frecuencia acumulada es el
resultado de la 13 + 15, es decir 28. La columna de porcentaje de
frecuencia acumulada expresa esto mismo pero usando los
porcentajes. La columna de marca de clase muestra el dato punto
medio de la clase.

Tabla N 1 Frecuencias de calificaciones en un curso de investigacin

en una facultad de medicina en el ao 2003 en la ciudad de Bogot
% de
Frecuencia % de Marca con
Clases Frecuencias Frecuencia Marca de clase
acumulada Frecuencia frecuencia
acumulada
De 1,5 a 1,9 1 1 1 1 1,7 1,7
De 2,0 a 2,4 18 19 10 10 2,2 39,6
De 2,5 a 2,9 36 55 20 30 2,7 97,2
De 3,0 3,4 87 142 48 78 3,2 278,4
De 3,5 a 3,9 35 177 19 97 3,7 129,5
De 4,0 a 4,4 4 181 2 99 4,2 16,8
De 4,5 a 4,9 1 182 1 100 4,7 4,7
Totales 182 100

No existe duda de la importancia de desarrollar la competencia de construir tablas
de frecuencia. Es probablemente, la mejor forma de describir algo. Cuando se
haga, recuerde que cualquiera que la vea debe entenderla. Por tanto, debe estar
muy bien titulada con nmero, mencin de lo que describe y la fuente de donde se
obtuvo. Sin embargo, la tabla de frecuencia que se presenta no utiliza todas las
columnas. Usa nicamente las clases, las frecuencias y el porcentaje de
frecuencia.
Datos
Categora Tabla # 1 CARACTERISTICAS DE LA POBLACIN Y LAS FAMILIAS DE LOS ADOLESCENTES DE 12

EDADES N %
De 10 A 12 aos 3965 32
De 13 A 16 aos 7200 59
De 17 A 19 aos 997 8
Variables GENERO N
6274
%
51
Mujeres
ESTRATO N %
Estrato 1 347 3
Estrato 2 Indicadores 8958 73
Estrato 3 2475 20
Recompuestas 1112 9
Recuerde toda la informacin que le ofrece la tabla de frecuencia convencional. En el

ejemplo estn descritas las caractersticas demogrficas y familiares de los adolescentes
de 12 colegios pblicos de la localidad de Suba.

4.3.2. Las grficas

Una imagen vale ms que mil palabras. Este adagio tiene una profunda
implicacin. El lenguaje se ha construido para que las personas se
entiendan. Pues as como se ha construido el lenguaje de las palabras,
se ha construido el lenguaje de los nmeros y tambin se ha construido
el lenguaje de imgenes. A veces, las imgenes transmiten mejor una
idea que las palabras. Precisamente eso es lo que significan las grficas:
imgenes que muestran frecuencias de eventos y son otro de los
lenguajes que se pueden usar para hacer entender eventos.
Por ejemplo, para expresar de cunto y de qu gnero es la poblacin
colombiana se puede usar:
Una tabla:
Poblacin Nmero %
Hombres 20.668.157,0 49,1
Mujeres 21.422.345,0 50,9
Total 42.090.502,0 100,0
Una grfica de barras expresara lo siguiente:
21.600.000,0
21.400.000,0
21.200.000,0
21.000.000,0
20.800.000,0
20.600.000,0
20.400.000,0
20.200.000,0
1 2
Y un pastel (o sector o porcin) expresa lo siguiente:
1
2

La tabla sin duda presenta la informacin ms completa (por ello, es la

principal forma como se describe la informacin en las investigaciones).
El diagrama de barras (en este caso) tuvo que ser referido a la
diferencia entre los hombres y las mujeres para poder mostrar algo. Y el
pastel (o crculo) muestra bastante bien la totalidad (crculo completo)
junto con la porcin que cada dato ocupa. Estar de acuerdo que en
este caso, la tabla y el crculo son la mejor manera de expresar esta
informacin.
EDAD hombres mujeres
6 6 0
7 3 0
8 18 3
9 11 3
10 51 14
11 84 31
12 166 82
13 215 89
14 233 172
15 202 176
16 104 127
17 25 29
18 3 7
19 2 3
20 0 2
Total 1123 738
Para no dar la idea de que la grfica de barras no es til para mostrar

informacin, observe este ejemplo: En un estudio sobre 12 302 adolescentes
(entre 10 y 19 aos) de colegios pblicos se les pregunt a qu edad tuvieron la
primera relacin sexual. La pregunta fue contestada por 1 871 jvenes (que
afirmaron haber tenido relaciones sexuales) y se estratific por gnero. La tabla y la
grfica de barras se presentan a continuacin:
Y la grfica de barras:
250
200
150
hombres
FC 100 mujeres
50
0
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Edad
En el eje de la Y est el nmero de casos que afirman haber tenido relaciones sexuales
(50, 100 etc.).En el eje de las X estn las edades y en azul los hombres comparados con el
rojo que son las mujeres. Por cierto alarmante lo expresado!... Segn esta tabla el inicio
de la actividad sexual se hace a los 6 aos en el hombre y 8 en la mujer: ser que han
sido abusados sexualmente?

Otra grfica muy empleada son las barras compuestas:
MORTALIDAD POR SEXO EN UN MUNICIPIO
3.000
2.500
N DE MUERTOS
2.000
HOMBRES
1.500
MUJERES
1.000
500
-
1 2
AOS COMPARADOS
Permite comparar un mismo evento (mortalidad) con una misma

variable (gnero). El ejemplo muestra cmo al comprar un ao con otro,
si bien se disminuyeron los casos de muerte en el ao 2, la proporcin
de hombres se increment (o la de mujeres se disminuy).
Otra grfica empleada son los pictogramas. En ella se usa un dibujo

representativo.

Las pirmides de poblacin se usan mucho en epidemiologa.
El eje Y expresa las edades agrupadas y el X la cantidad de poblacin.

Con los colores de las barras se quiere comparar aos de censos previos
para poder ver el crecimiento de la poblacin. As, por ejemplo, el azul
representa los hombres y el azul tenue fue del censo de 1993, el tono
siguiente, y ms fuerte, del ao 2000 y el azul oscuro del 2006 (por
ejemplo). Lo propio con los tonos rojos que representan a la mujer.
Otra grfica son los diagramas de dispersin. Por ejemplo, observe la

grfica que sigue a continuacin producto del anlisis en torno a la
aparicin de la enfermedad producida por la ingesta de alimentos
daados en donde se relaciona el nmero de casos con el factor tiempo,
donde la hora 00.00 es luego de comer.

PERIODO DE INCUBACION
3:21
2:52
2:24
TIEMPO
1:55
INCUBACION
1:26
0:57
0:28
0:00
0 5 10 15 20 25 30 35 40
CASOS
Entre el tiempo 00:00 y 0:28 minutos se present un caso. Entre 00:28

y 00:57 minutos se presentaron tres casos. Como se observa entre la
hora 1:26 y la hora 1:55 se presentaron once casos (tambin entre la
hora 1:55 y 2:24 se presentaron 11 casos). Qu implica? Lo ms
probable es que permita plantear los tiempos de incubacin de esta
intoxicacin.
Si bien en este texto no se detendr en la forma como se hacen los

diagramas, es importante insistir que los diagramas en muchas
ocasiones permiten que los lectores entiendan mejor un informe,
convirtindose en la mejor forma de presentarla. (Ms adelante se
explicarn dos diagramas de mayor uso: el histograma y el polgono de
frecuencias).
Los croquis (o mapas) se emplean con frecuencia:

Este croquis muestra cmo Snow expuso a travs de puntos los lugares
donde aparecan los casos de clera en la epidemia de 1849. Sin duda,
no existe una mejor forma de exponer que existe una relacin entre los
casos y la ubicacin geogrfica.
Lo cierto es que hoy, a travs de los programas de los computadores, la

realizacin de las grficas es un asunto menor. Prcticamente el computador
alimentado con los datos las construye.
4.3.3. Las medidas de tendencia central
El ser humano para entender ha de usar la comparacin. A travs de

ella, comprende. Para comparar, se han de tener referentes que
permitan hacer las apreciaciones pertinentes. La estadstica descriptiva
propone que los resultados de las investigaciones usen unos referentes
en su presentacin. Al hacer que todas las investigaciones usen los
mismos referentes, las comparaciones sern ms fciles. A continuacin,
y a travs de un ejemplo, se van a explicar los dos grupos de referentes
usados por la estadstica descriptiva, a saber: medidas de tendencia
central y de dispersin.

30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0, 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6
El histograma permite ver muchas cosas las notas extremo (alta y baja), la que ms se
repite y, casi permite identificar, la nota promedio Por supuesto que es el histograma la
base de la grfica de barras. Realmente es una maravilla de grfica cierto?
Observe el histograma: Se trata de una presentacin de calificaciones

de un curso de estudiantes de medicina. En el cuadro, en sentido
vertical (Y) se describen las frecuencias de 1 a 30. Recuerde que la
frecuencia corresponde al nmero de veces que se repite algo. En el
sentido horizontal (X), se describen las calificaciones. En este caso la
primera calificacin que se registra ser la menor que obtuvieron los
estudiantes (1.8) y se registran hasta la mayor obtenida (4.6). Luego se
coloca cada nota obtenida por los estudiantes en las casillas (cuadritos)
correspondientes a las calificaciones. A manera de ejemplo: un
estudiante obtuvo 1.8, por ende ser solo una casilla, ninguno obtuvo
1.9, uno obtuvo 2.0, seis estudiantes obtuvieron 2.2 y as
sucesivamente. Evidentemente esta grfica permite ver:
1. Cules son las notas lmites (la ms baja = 1.8 y la ms alta =

4.6). Eso se conoce como rangos (y es una medida de
dispersin que expresa qu tan extendidos estn los datos).
2. Muestra cul es la nota que ms se repite (3.4 que se repite 29
veces).
3. Al sumar todas las casillas permite ver el total de datos. En este
caso son 182 calificaciones o datos.

Adems, si se unen las frecuencias de los datos a travs de una lnea en

el ltimo dato de cada frecuencia, se forma otra grfica denominada
POLIGONO DE FRECUENCIA.
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0, 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6
El polgono de frecuencias se construye a partir de los histogramas.
Tanto el histograma como su consecuencia, que es el polgono de

frecuencia, sirven para hacer entender cmo se comportan las
frecuencias de las variables estudiadas. Pero, falta ms. Lo que se
buscan son referentes en torno a la distribucin de datos, referentes que
sirvan para comparar el comportamiento de este grupo con otros. Para
ello, la estadstica descriptiva ha desarrollado una serie de medidas que
van a comparar tomando el centro como referente. Se denominan las
medidas de tendencia central. A continuacin se expondrn algunas.
4.3.3.1. La media o promedio

La media aritmtica es el dato que se ubica justo en el centro entre el
rango (o, lo que es lo mismo, el centro de los dos limites del rango). En
el caso colocado de ejemplo (notas o calificaciones), se trata de
averiguar cul es la nota situada en el medio, referido el trmino medio
a la nota en la distancia en donde los lmites de los rangos es similar.
Para ello, se suman todos los datos (notas) y se dividen por el nmero
de datos. La lnea gruesa del centro pone en evidencia la calificacin
media (3,1).

29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0, 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6
Realmente es importante que se entienda a la media pues con mucho va

a ser la medida que ms se utiliza como referente. Se debe recordar que
la estadstica y sus referentes slo sirven para poder comparar el
comportamiento de un dato referido al grupo o de un grupo referido a
otro. En un sentido eminentemente prctico y como ejemplo, el uso de
la media surge cuando se quiere comparar el comportamiento de este
curso con otro. El comparar las medias de los dos grupos ofrece un buen
referente que permite entender. Otra posibilidad es que se quiera
comparar una calificacin con respecto al grupo. Entonces comparar la
calificacin con la media del grupo permite tener un buen referente para
opinar. Claro en ese caso, se debe sacar la nota que se pretende
comparar y sacar la media del grupo. Ah ciertamente quedan los dos
datos para comparar.
1.
Son muchsimos los ejemplos de la utilidad de la media en epidemiologa e
investigacin. Por ejemplo:
Cuando quiero saber si puedo comparar dos poblaciones, entonces veo si la

edad media de un grupo y otro son similares. Para ello, y en cada grupo, sumo
las edades de cada participante, y lo divido por el nmero de participantes,
obtenido la edad media de cada grupo.
2. Otro ejemplo puede ser el clculo de sobrevida de una enfermedad mortal, por
ejemplo el cncer. Para ello se toman historias de personas que han padecido
dicho cncer, se observa cundo se diagnosticaron y se determina el tiempo (en
aos, por ejemplo) de sobrevida a partir de dicho diagnstico de cada caso.
Luego se suman todos esos aos y se dividen por el nmero de pacientes (o
casos) estudiados y se obtiene una sobrevida media de 5 aos (por ejemplo).
Ello permitir ante un caso nuevo, emitir un pronstico de sobrevida.
3. Otro ms, cuando quiero ver el efecto de un medicamento, por ejemplo para
controlar la tensin arterial. Se suministra en hipertensos y se observa en
cunto tiempo controla las cifras tensionales. Se suman todos los tiempos
trascurridos y se dividen por el nmero de casos, as se obtiene el tiempo medio
de cundo empieza la accin.

Con mucho, la media aritmtica (porque existen otras medias tales

como la geomtrica) es el referente de medidas centrales ms
empleado. Por ejemplo, cuando se estudiaron los antirretrovirales en
pacientes con SIDA. Ya se saba (a partir de varios estudios) que la
mortalidad de las personas con SIDA a un ao tena una media de un
80% (de cada 100, 80 estaban muertos al ao, obtenindose este 80%
como dato medio de varios estudios). Para ver la efectividad de los
antirretrovirales se tomaron dos grupos de pacientes con SIDA (cada
grupo lo ms parecido al otro). A los casos de uno de dichos grupos se
le administr antirretrovirales y al otro placebos y luego se compararon
las medias de mortalidad (cuntos se mueren en promedio) de ambos
grupos. Lo que se espera (y que fue lo que se encontr) es que en los
que recibieron los antirretrovirales el nmero de muertes al ao se
disminuy dramticamente, por ejemplo, descendi a un 15% (nueva
media de mortalidad de este grupo), en tanto que los que recibieron
placebos se mantuvo en el 80%. Claro la efectividad de los
antirretrovirales qued demostrada. Muchas veces en epidemiologa se
usar la media de cualquier evento o situacin como referente. No lo
olvide!
De hecho, la media puede ser usada para probar hiptesis (y de hecho

es una medida ampliamente utilizada para ello). Siguiendo con el
ejemplo, la mortalidad media de los estudios revisados de pacientes
con SIDA a un ao era del 80%. Entonces se dice que A es igual a
80%. Luego, se aplicaron antirretrovirales a los pacientes. Con ello la
mortalidad a un ao bajo en su media a 15%. Esto representa B.
Resulta obvia la diferencia clnica, pero falta indagar si esta diferencia
se sostiene estadsticamente. Entonces para expresar que los
antirretrovirales sirven en torno a la mortalidad, la media de mortalidad usando
antirretrovirales debe ser diferente a la A (es decir, A es diferente a B). Si surgieran
unas medias parecidas se dira que A es igual a B y, por ende, lo que se est usando no
sirve (no modifica). Por supuesto que en este ejemplo se ha de usar una prueba
estadstica de hiptesis, asunto que se revisar ms adelante.

4.3.3.2. La moda
Cuando se estudia un comportamiento en una poblacin, puede haber
alguno (casi siempre lo hay) que se repita ms que los dems. Eso es lo
que se denomina la moda. En el ejemplo de las calificaciones, el 3,4 es
la nota que ms se repite.
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0, 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6
En la salud, una de las utilidades de la moda est en los perfiles

epidemiolgicos. La enfermedad que ms se repite (moda) se identifica
con facilidad en los sistemas de vigilancia o en los informes de atencin
(RIPS, etc.). Conocer la moda puede ser til. Por ejemplo, para definir
capacitaciones del recurso humano que trabaja en salud (se preparara
ms al recurso humano en lo ms frecuente). As mismo, se podra
obtener la moda de la manifestacin ms frecuente de determinada
enfermedad. Para ello se toman varios casos de una misma enfermedad
y se obtienen las frecuencias de las manifestaciones, se comparan y se
mira cul es la ms frecuente.

4.3.3.3. La mediana
La mediana es una medida de referenciacin de la poblacin que usa el

dato que divide a la poblacin en dos mitades. Para poder verlo
grficamente y volviendo al ejemplo de las calificaciones, en un total de
182 datos (poblacin total = 182), la mediana viene a ser la nota en
donde la poblacin se dividen en dos mitades iguales (por el nmero de
datos o lo que es lo mismo, 92 datos a cada lado), siendo en este caso
el dato (calificacin) de 3,2.
30
29
28
27
26
25
91 91
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0 4,1 4,2 4,3 4,4 4,5 4,6
Recuerde, la mediana divide la poblacin en dos mitades a diferencia de

la media que divide los datos en dos mitades. Ambas se expresan a
travs del dato, pero reflejan dos aspectos diferentes. A pesar de ello,
muchas veces coincide con el dato, no es de sorprenderse cuando esto
no sucede.

Retomando el ejemplo de la sobrevida del cncer, en donde la media fue de
cinco aos, otra pregunta puede ser en qu momento la mitad de la poblacin
est muerta (y, por ende, la otra mitad viva). Para ello, supongamos que el
total de poblacin (casos) fue de 50. En el ao 4,5 estaban vivos 25 y ya
haban fallecido los otros 25, entonces ese ao (4,5 fue el ao en que dividi a la
sobrevida en dos).

91 91
29
28
45.5 45.5 45.5 45.5
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0, 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6
La grfica expresa un histograma donde aparecen los 182 datos. La nota (dato) que divide
a la poblacin en dos mitades fue 3.1. Quiere decir que hacia un lado hay 91 alumnos con
sus calificaciones y lo mismo hacia el otro. La calificacin 2.8 divide a las poblaciones otra
vez en dos mitades. La calificacin 3.6 hace lo propio con la otra mitad. Esto se conoce
como CUARTILES que es la divisin de la mediana en dos mitades. Sirve para tener
referentes de ubicacin. Por ejemplo, entre qu calificaciones estuvieron el 25% de los
alumnos que sacaron las calificaciones ms bajas y el 25% de los obtuvieron las
calificaciones ms altas. A propsito, esta es una medida de dispersin que ser explicada
un poco ms en las pginas que siguen.
4.3.4. Las medidas de dispersin

Otro referente utilizado en los estudios de grupos puede ser cmo se
comporta el nuevo dato (que es el que da pie al anlisis) con respecto al
previo, tomando de referente el centro, pero viendo cmo se distancia
del mismo (dispersa). Esto es lo que se denominan las medidas o
referentes de dispersin. La diferencia con las medidas de tendencia
central es que en ellas los referentes son la media, la moda y el
mediana del grupo control o de referenciacin. Las medidas de
dispersin hacen referencia a cmo quedan los datos agrupados
alrededor de las medidas de centralizacin. A continuacin se explicarn
algunas de ellas.
Partiendo nuevamente de las calificaciones del curso de medicina,

observe el siguiente diagrama:

4,5
3,5
3
Notas
2,5
1,5
0,5
0
0 50 100 150 200
# de alumnos
Este diagrama (denominado de dispersin) expresa la ubicacin de las

notas de los 182 alumnos. El eje X muestra el nmero de alumnos. Con
el eje Y se muestran las calificaciones. Los puntos reflejan la calificacin
alcanzada por cada estudiante. El total de puntos expresa el total de
estudiantes. Las notas extremos muestran (4.6 y 1.8), que la mayora
pasaron e incluso que la media (permite sospechar) se ubica entre 3,5 y
3. Estar de acuerdo que viendo esta figura se puede afirmar cmo es la
dispersin de los datos cierto? Partiendo de este diagrama se harn
las siguientes explicaciones, por ende, es muy importante que entienda
lo mejor posible esta grfica.
4.3.4.1. El recorrido
En este referente, se usa la distancia entre los dos lmite de los rangos o
lo que es lo mismo, la diferencia entre los valores extremos.

25 % 75 %
30 50 %
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0 4,1 4,2 4,3 4,4 4,5 4,6
45 notas = 25%
91 notas = 50%
136 notas= 75%
182 notas =100%
No se confunda con el cambio de aspecto de la grfica en este captulo. A veces es ms
ancha otras ms angosta slo por el efecto de la forma como se est pegando la imagen al
texto.
Retomando el ejemplo de las notas, se observa que los rangos son 1,8 y
4,6. Por ende, el recorrido es de 2,8 o, lo que es lo mismo, las
calificaciones en este grupo tuvieron una dispersin comprendida entre
1,8 y 4,6 con un recorrido de 2,8 (esa es la diferencia entre los dos
extremos). Imagnense que los extremos estuvieran entre 0,5 (en vez
de 1,8) y 4,9 (en vez de 4,6). Ac el recorrido sera de 4,4. Entonces se
puede afirmar que la dispersin de las notas del grupo que obtuvo 2,8
es menos que la del grupo que obtuvo un recorrido de 4,4. Claro, entre
menor sea el recorrido, el comportamiento de los datos tiende a ser ms
parecido (ms homogneo).


Un ejemplo clnico puede ser el anlisis de definir cundo aparece un efecto
de un medicamento. Por ejemplo, cul es el recorrido del efecto de un tipo de
insulina (para bajar la glicemia) en una poblacin de diabticos. Pregntese
en cul existe una mayor ventaja para prescribirla: 1) Si tiene un recorrido
muy amplio. Por ejemplo, entre 1 hora y 6 horas lo que da un recorrido de 5 horas. 2)
O si el efecto se presenta en la mayora de la poblacin en un recorrido estrecho. Por
ejemplo, entre 1 y 2 horas (rangos) con un recorrido de 1 hora. Probablemente la
respuesta es que es mucho mejor tener recorridos estrechos pues as ser ms fcil
construir la prescripcin (o forma como se debe suministrar).
4.3.4.2. Los recorridos intercuartiles

En esta medida el referente grande es la poblacin. Busca identificar en
qu dato se ubica el 25% del total de la poblacin, en qu dato el 50%
en qu dato el 75%. Volviendo al ejemplo de las notas, las lneas
dividen dnde se ubica el 25% de la poblacin, el 50% y el 75%.
Entonces el dato de 2,8 es donde se ubica el 25% de los datos (ms o
menos corresponde a 45 datos). El dato de 3,2 es la mediana o sea
donde se ubica la mitad de los datos, a saber 91. Y en la calificacin de
3,6 se agrupan el 75% de los datos o, lo que es lo mismo, 136 datos.
Usando un ejemplo clnico se puede retomar el del efecto insulnico
donde el recorrido fue de una hora y en donde se completa la visin de
referenciacin cuando se determina que la dosis suministrada tuvo su
efecto en el 75% de las personas a los 20 minutos. Una vez ms, esta
informacin sirve para precisar cmo se deber prescribir.

As como se puede indagar en qu datos se ubican el 25%, el 50% el 75%

(cuartiles) de la poblacin, tambin se puede ubicar los deciles, es decir,
en qu datos se ubica el 10%, el 20% el 30% etc. de la poblacin.
Tomando el ejemplo de las notas, el 10% de la poblacin son 18. Entonces
el primer decil estar ubicado entre la nota 1,8 y 2,4 porque entre esas
notas existen 18 datos (decil 10%). Este concepto se ampliar ms
adelante a travs de la explicacin de las tablas de crecimiento. Lo cierto es que todas
estas divisiones y subdivisiones solo buscan crear referentes para ayudar a entender ,
lo que es lo mismo, crear referentes para comparar!
4.3.4.3. La desviacin estndar (con los pasos para

obtenerla)
Se parte de ac en adelante que se tiene un grupo de datos y las

referencias que se van a obtener pertenecen a dicho grupo. Tales
referencias servirn ulteriormente para ser confrontados con un nuevo
dato (comparadas) y la pregunta que se hace constantemente es si tal
dato (el nuevo) se comporta de manera similar o diferente a los datos
del grupo.

Por ejemplo, se tiene un estudio de un colegio donde la edad media de la
poblacin es de 13 aos y se ha estudiado una cantidad de variables sobre
vida sexual. La pregunta es: Si se compara con otro colegio se puede
hacer? La respuesta depende de crear diferentes variables a travs de las
cuales se pueda ver que la poblacin de un colegio y otro son COMPARABLES, pues si
son diferentes no se podrn hacer comparaciones; una de las variables que hace
comparable o no a dos grupos es la edad media: claro, si voy a preguntar sobre inicio
de vida sexual en ambos colegios para luego comparar, resulta clave que las edades de
ambos sean similares; ah ciertamente si existe diferencia me permitir hacer anlisis
que expliquen por qu, pero si en uno de los colegios la edad media es de 13 aos y en
el otro de 17 aos, las diferencias que encuentre se pueden explicar por la edad (no
vale la pena dar otras explicaciones, pues estos grupos por edad no son comparables).
Una medida de referenciacin es la distancia de los datos de la media

grupal. Se denomina desviacin media en donde sencillamente se
compara cada dato con la media. La manera de obtenerla es as:
1. Se obtienen las diferencias entre cada dato con la media

grupal.
2. Se eleva al cuadrado.
3. Se suman los resultados y el resultado se denomina
desviacin media.
A manera de ejemplo, observe la siguiente base de datos:

N IDENT SEXO NOTA N IDENT SEXO NOTA
1 ACERO DUARTE m SONIA JENNY

2,4 19 BENITEZ RUIZ LILIANA
m PATRICIA3
2 ACOSTA BELTRANh EDNA PAOLA
3,2 20 BONILLA MORA ORNELLA
m 3,2
3 AMADO AMADO LEYVI
m YEN 3 21 BRUGES CARRI.LLO h EMILIO JOSE
3
4 AREVALO NOSSAmPAOLA CATALINA
3,4 22 BUITRAGO MERIZALDE
m DIANA KATHERINE
3,2
5 ARIZA ALTAHONAm MARIA DEL
3,8 PILAR 23 BUITRAGO MONSALVE h LUIS GABRIEL
2,6
6 ARIZA AGUILAR LUDWING
h OLIVER
4,6 24 CAICEDO PEREZ JORGE
h HERNAN
2,8
7 ARIZA SAAVEDRAmMAGDA NATALIA
2,8 25 CAJICA ALVARADOmJUANITA BIBIANA
2,8
8 ARRIETA NINO ARNOLD
h ALEJANDRO
3,6 26 CALDERON BARRERA h SANDER 3,4DAVID
9 ARTUNDUAGA LOZANO
h OLIVERIO
2,8 27 CALVO PREZ ALEJANDRO
h 3,8
10 BALLESTEROS QUINTERO
m CLAUDIA
3,8 LIZETH
28 CANON GOMEZ DIANAm IVONNE 4
11 BARRERA BARRERA
m OSCAR 2,8ANRES 29 CARDENAS RIVEROS h CARLOS JAVIER
2,6
12 BARRERA CASALLAS
m DEYSY2,8CAROLINA30 CASTANEDA AMAYA h FELIX EDUARDO
2,6
13 BARRERA CORTESh HECTOR 2,8ANTONIO 31 CASTANO LORA LUIS h FERNANDO 3,6
14 BELLO GONZALEZm LIDA FABIOLA
3,6 32 CASTIBLANCO RUIZh EDWIN FERNEY
2,8
15 BELTRA AVILA MAURICIO
h ORLANDO
3 33 CASTILLO GUERREROm JANETH 3,6 ROCIO
16 BELTRAN OCHOA mLAURA MELISA
2,8 34 CASTILLO WISMANhMARIO ANDRES 3,2
17 BELTRAN SARMIENTO
m CATALINA
3 XIOMARA
35 CASTRELLON FELIZZOLA
h CARLOS
3,6 ALBERTO
18 BENAVIDES VALDERRAMA
h DIEGO
2,8 ALEJANDRO
36 CASTRO VELASQUEZ h HOLMEN 2,6
ARLEM
Se trata de las calificaciones de 36 alumnos de un curso de

Bioestadstica. La media fue 3,15. La moda 2,8 y la mediana 2.9. Estas
son las medidas de tendencia central que referencian este grupo.
Para sacar la desviacin media se hace lo siguiente:

Esta base de datos muestra las calificaciones de un curso de

Bioestadstica en el 2007. La primera columna es la clave de cada
alumno. La segunda el apellido. La tercera el gnero. La cuarta columna
la calificacin. En la siguiente columna se coloc la media para poder
hacer la operacin matemtica que expresa la ltima columna, que es la
diferencia entre cada calificacin y la media elevada al cuadrado. La
ltima casilla muestra el resultado de la sumatoria que es la
DESVIACION MEDIA.
La verdad es que esta desviacin media se usa poco. De hecho solo se
obtiene para poder obtener otra medida de dispersin denominada
VARIANZA. Se obtiene de dividir la desviacin media entre el nmero
de datos menos 1: en el ejemplo: 8.35/36-1= 0.2385.
Esta medida de referenciacin tampoco tiene tanto uso (en particular en
el caso nuestro que somos investigadores y no estadsticos), pero sirve
para obtener la que verdaderamente se usa como el gran referente de
las medidas de dispersin que es la Desviacin estndar (DS).
Recurdese que lo que estamos buscando es obtener referentes de
cmo se dispersan los datos del centro. Se obtienen sacando la raz
cuadrada de la varianza. En el ejemplo:
Raz cuadrada de 0.2385 =0.48

2
En resumen la formula sera as: Sumatoria (x-x)
N-1
De esta manera se ha obtenido el perfecto referente de dispersin, que

permite ver cunto de la media se desvan los datos que conforman el
grupo. En la situacin de este curso de Bioestadstica, la calificacin
media ha sido 3.15. Al preguntar cunto se dispersan o desvan los
datos de esta media se puede afirmar que:
menos 2 ds menos1 ds media ms 1 ds mas 2 ds

2,17312451 2,66156226 3,15 3,63843774 4,12687549
1. Las calificaciones entre 2.6 y 3.6 estn incluidas al aplicar una

desviacin estndar (suma y resta de la DS de la media).
2. Las calificaciones entre 2.17 y 4.1 estn incluidas al aplicar dos
desviaciones estndar. En sentido prctico, siempre se usa de
referente la aplicacin de dos desviaciones estndar.
En cuanto a su interpretacin, lo nico que nos est diciendo la
desviacin estndar es que en este grupo de calificaciones, las
calificaciones entre 2.1 y 4.1 de seguro forman parte de los datos
esperados, pues eso se puede afirmar de los datos que se encuentran
entre los lmites al aplicar las dos DS.

Como quien dice la DS nos hace saber que todos los datos comprendidos entre los datos
lmites productos de aplicar dos DS, pertenecen a un mismo grupo. Piense por un
momento en lo siguiente: imagnese que al examinar la respuesta de un medicamento
contra la fiebre en una poblacin se obtuvo que la control con una media de tiempo de 15
minutos despus de administrado. Al aplicar dos DS se obtuvo unos lmites entre 7 min y
22 min. De ello se puede afirmar que el comportamiento de este medicamento contra la
fiebre permita hacer esperar su efecto entre 7 minutos y 22 minutos. Esto es lo esperado
y cualquier tiempo entre 7 y 22 minutos forman parte de ese esperado.
As se calcula la DS, pero es muy importante entender su concepto. Para

poder entender mejor su uso se tiene que entender el concepto de la
curva de distribucin normal.

4.3.5. La curva de distribucin

Recopilando lo expresado en el prrafo previo, al estudiar un grupo de
eventos o poblaciones y agruparlos alrededor de la media, los datos se
van distribuyendo a los lados de esa media y se forma una curva, que se
ha denominado curva de distribucin normal (si cumple con ciertos
criterios). Su anlisis en torno a forma, ancho o altura se ha convertido
en una referencia importante para ser comparada cuando se estudian
frecuencias (eventos que se repiten) en distintas poblaciones.
CURVA DE DISTRIBUCION NORMAL
95%
67%
30,7% 33,5% IC95%

33,5% 30,7%
2.1
2,19 3.1
3,1 4.1
4,07
IC95% -2DS - 1DS +1DS +2DS
Cuando se afirma que se forma una curva de distribucin de datos es

por completo cierto. Tal curva es el resultado de distribuir cada dato a
lado y lado del dato media. La grfica expresa cmo se ha formado la
curva de distribucin usando el ejemplo de las notas. Se observa cmo
de la MEDIA (3,1 en el ejemplo de las notas o calificaciones) se
dispersan los datos. Los porcentajes ponen de manifiesto cuntos datos
(notas) quedan cobijados en una curva de distribucin normal en torno
a las desviaciones estndar (dos desviaciones = 95% de los datos). As
mismo, la grfica expresa el concepto de INTERVALOS DE CONFIANZA
del 95% como las dos notas rango que se obtienen al aplicar dos
desviaciones estndar (lmite superior 4,1 y lmite inferior 2,1).

Ojo! al aplicar una desviacin estndar (a lado y lado de la media) se

agrupan un 33.5% de datos a cada lado o lo que es lo mismo, el 67% de los
datos del grupo estn agrupados al aplicar una desviacin estndar. Claro
si se aplica dos desviaciones a ese 33,5% de una lado se le agrega un
30,7% ms. Como resultado de sumar esa aplicacin, los porcentajes de
datos (o poblacin o lo que se est describiendo) que quedan incluidos al
tomar dos desviaciones estndar son del 95%.
Retomando el ejemplo y volviendo a las notas (calificaciones) que han

servido de ejemplo, se puede afirmar que el 95% de los alumnos
quedaron comprendidos en dos desviaciones estndar o lo que es lo
mismo, entre 4,1 y 2,1. Como tales, calificaciones de 2,50 o de 3,90 son
desde el punto de vista de la curva de distribucin,
ESTADISTICAMENTE SIMILARES. Sea este el momento de hacer la
diferencia clnica de la estadstica. Clnicamente 2,50 es diferente a 3,9,
pero estadsticamente son similares (porque ambos datos estn en la
misma curva).
La diferencia clnica con la estadstica s que es importante! Clnicamente

es una diferencia que presenta un sujeto en comparacin con otro
analizando un referente. Volviendo al ejemplo del medicamento contra la
fiebre: imagnese que a una persona (de la investigacin) la fiebre le
disminuy a los 11 minutos y a otro a los 20 minutos. Entre ambas
personas existe una diferencia clnica en torno al momento del efecto.
Pero estadsticamente ambos tiempos son similares pues estn cobijados
entre los lmites de aplicar dos desviaciones estndar.
Ahora imagnese que un alumno sac una nota de 4,6. Comparado con
el referente de la curva de distribucin normal se afirma que dado que
est por fuera de la curva (configurada con dos desviaciones estndar)
esta nota presenta DIFERENCIA SIGNIFICATIVA desde el punto de vista
de la estadstica con las del grupo. Por ende, su comportamiento es
diferente. Por qu? Ah se plantean explicaciones. Muy seguramente
(y planteando una hipottica explicacin) la forma de estudiar del sujeto
que la obtuvo es diferente a la de los dems, por ello su calificacin fue
diferente.
El comportamiento esperado de una frecuencia (o dato) es que est incluida

entre los datos obtenidos con la aplicacin de dos desviaciones estndar. Si
sale de los rangos (datos lmites establecidos al aplicar las dos DS , lo que
es lo mismo, Intervalos de Confianza del 95%) se considera que dicho dato
(frecuencia) se comporta de manera diferente. Se dice que existe diferencia
significativa de ese dato con respecto a los dems con que se compara). Ah
surgen preguntas que tratan de explicar dicho comportamiento diferente

Lo que nos dice la DS y la curva de distribucin, es que los grupos de

poblacin que se emplean en los estudios tienen una tendencia a
comportarse. Que una forma de medir esa tendencia a comportarse es
a travs de sta medida de dispersin. Por ejemplo, si se quisiera saber
cmo es el comportamiento de la hemoglobina en la poblacin de La Paz
se deber obtener la DS de la hemoglobina en una muestra
representativa de ciudadanos de La Paz. En los lmites de la aplicacin
de dos DS se obtiene cmo se comporta el 95% de la hemoglobina en
dicha poblacin y se dice que estadsticamente todos los resultados que
se encuentren entre esos dos lmites (Intervalos de Confianza)
derivados de la aplicacin de dos DS constituyen la NORMALIDAD de
ese comportamiento en el caso de la hemoglobina en esta poblacin.
Pero, sea este el momento de decir que dicho comportamiento de la
hemoglobina en los habitantes de La paz no es igual al comportamiento
de habitantes de la zona Caribe (a nivel del mar). Ellos de seguro tienen
un comportamiento de la curva de distribucin de la hemoglobina
diferente y esa es su NORMALIDAD. Por ello la normalidad estadstica
es sencillamente el resultado de la curva de distribucin de una
poblacin especfica, criterio muy diferente a la normalidad clnica o la
normalidad social. Lo ms importante de la curva de distribucin es que
ella se puede usar, entre otras, para saber si dos poblaciones son
comparables; por ejemplo: en estudio de anemias son comparables
las poblaciones de la Paz (Bolivia) con las de Cartagena (Colombia)?
(Por si las moscas la respuesta es no).
Para completar el concepto de la curva de distribucin normal, a
continuacin se explicar un poco ms el de distribucin de poblacin (o
de datos):
CURVA DE DISTRIBUCION NORMAL
95%
67%
30,7% 33,5% IC95%

33,5% 30,7%
2.1
2,19 3.1
3,1 4.1
4,07
IC95% -2DS - 1DS +1DS +2DS

Como se observa la desviacin tpica o estndar fue de 0,48. Como es

una medida de referenciacin (para comparar) su uso puede ser como
sigue. Se tiene una nota de 4,0. Cmo est referenciada con respecto a
la desviacin estndar? Se puede decir todo lo siguiente:
1. Al tomar la media (3.1) ms una desviacin estndar quedar

3,1+ 0,48= 3,6. Con ello se establece que las notas
comprendidas entre 3,1 y 3,6 estn ubicadas a ms una
desviacin estndar del centro. Lo propio se puede decir al restar
la media una desviacin estndar, siendo en el ejemplo el
resultado 2,6 (entre 2,6 y 3,6 se ubican las notas entre la media
y menos una desviacin estndar).
Entre estos dos rangos (2.6 y 3.6) se distribuyen al menos el 67%

(pueden ser ms, pero de seguro no menos) de las notas (una DS). Si
quiere confrmelo observando el histograma y contando el nmero de
datos que existe entre 2.6 y 3.6, recordando que 24 datos son el 67%
del total (36 notas). En el ejemplo del histograma los datos
comprendidos entre 2.6 y 3,6 son 30, es decir ms del 67%.
2. Si se toman dos desviaciones estndar, la calificacin se

extiende hasta 4,1 (al sumar) y hasta 2.1(al restar). Estos
limites deben cobijar al menos al 95% de la poblacin (es decir,
34 datos o calificaciones). El histograma sera as:

Como se observa, las DOS DESVIACIONES ESTNDAR cobijan 35

calificaciones (entre 2.1 y 4.1), algo ms del 95% del total de
calificaciones.
En el ejemplo, la nota de 4,0 queda ubicada a dos desviaciones estndar
del centro, o lo que es lo mismo: estadsticamente pertenece a este
grupo o es similar estadsticamente al resto de calificaciones.
Al aplicarse el programa estadstico de grficas se dibujar una curva de
distribucin que quedara aproximadamente as:

Entonces y para resumir, se puede afirmar lo siguiente:
1. Cuando se estudia un grupo, un referente importante es la curva

de distribucin. La interpretacin que se ha de hacer es que
mnimo el 95% de los datos estarn cobijados al aplicarle a la
media dos desviaciones estndar (ms y menos).
2. Todos los datos que estn cobijados pertenecen a este grupo y,
por tanto, estadsticamente son similares. Los que estn por
fuera de la curva son DIFERENTES SIGNIFICATIVAMENTE.
3. Este referente sirve para comparar datos. Por ejemplo, si se
pregunta: Un alumno sac una calificacin de 4.0: pertenece a
este grupo en torno al comportamiento de la calificacin? La
respuesta es que S, pues esta calificacin est dentro de la
curva que se forma al aplicar dos desviaciones estndar.
Aprovechando la grfica hgase esta pregunta: En ese grupo, la

calificacin de 4.6 pertenece o no al mismo grupo? Obviamente se
sabe que s, pues de hecho un alumno la sac, pero vean que est por
fuera de la curva de distribucin normal. Por consiguiente,
estadsticamente se debera contestar que no. Dado que esto no es
cierto (no REFLEJA la realidad) podemos afirmar que estamos ante un
ERROR, que es decir que algo no pertenece cuando realmente
pertenece. Sea el momento de decir que existe otro error, que es decir
que s pertenece cuando la realidad es que no. Se llaman los errores
alfa y beta que ms adelante se volvern a revisar
Las aplicaciones de este concepto son inmensas en el mundo de la

investigacin. La curva de distribucin es uno de los referentes claves de
las comparaciones. A manera de ejemplo se mencionan:
1. Cuando se van hacer investigaciones en dos grupos de poblacin

y se necesita saber si existen diferencias entre los grupos. Se
escogen las MEDIAS claves y se compararan entre los dos
grupos. Lo que se espera es que no exista diferencia entre ambos
grupos.
2. Cuando entre dos grupos se obtiene un resultado y se necesita
saber si existe diferencia entre uno y otro.

Imagnese que se ha diseado una INTERVENCION EDUCATIVA a travs de la cual se

espera retrasar el inicio de la vida sexual de los adolescentes. Se decide probar usando
un curso de 36 jvenes de un colegio con caractersticas A, B y C. Usted debe escoger
el curso de control Resulta evidente que debe tener caractersticas A, B y C similares
al curso que se va intervenir. Pues bien lo que se debe hacer es:
1. Tomar la caracterstica A, B y C del curso intervenido y ver cules son sus

curvas de distribucin.
2. Luego se hace lo propio con el curso de control.
3. Se COMPARAN las curvas del grupo intervenido y el de control y se espera que
sean SIMILARES ESTADISTICAMENTE.
Por qu? Sencillamente porque esa es la nica manera de estar seguro que lo que se
encuentre al terminar la investigacin es debido a la INTERVENCION EDUCATIVA y no a
que desde antes existan diferencias entre los grupos.
La deteccin de la DIFERENCIA entre las medidas es la razn de de la estadstica

analtica.

4.3.5.1. Explicacin de la curva de distribucin y su utilidad

a travs de las tablas de peso y talla
DISTRIBUCION
DE LA POBLACION
. EN EL PESO
JOVEN DE 15 AOS
CON UN PESO DE 65
KILOS, UBICADO EN EL
QUARTIL 3 (75%)
(O EN DECIL 7)
Una herramienta (instrumento) muy utilizado en el ejercicio clnico es el

uso de escalas o tablas donde se puede confrontar lo que se espera con
lo que los pacientes tienen. Las tablas de crecimiento son un buen
ejemplo. Se construyen con base a las distribuciones de las poblaciones
en cada edad, las que sumadas muestran las tendencias y as permiten
construir los lmites donde se ubican las poblaciones. Antes de exponer
el ejemplo (joven de 15 aos con) se debe describir lo que compone la
tabla de percentiles:

TALLA
DISTRIBUCION DEL PESO EN LA POBLACION MASCULINA
PESO
DE 15 AOS USANDO LAS TABLAS DEL CDC
DISTRIBUCION 97%
3%
CON 2 DS
56 KILOS
EDAD 42 KILOS
PESOS
83KILOS
1. La Tabla relaciona los valores para la edad (X) con los

parmetros de peso y talla (Y). Para hacer ms fcil la
explicacin slo nos vamos a referir al peso.
2. De cada edad se obtiene la curva de distribucin normal del

peso con dos desviaciones estndar. Por ejemplo, con los
jvenes de 15 aos:


DISTRIBUCION
3% CON 2 DS 97%
56 KILOS
42 KILOS PESOS 83KILOS
A una muestra representativa de jvenes de 15 aos sanos del mismo

sexo (masculino en este ejemplo) de un pas se pes y se obtuvo que el
peso medio era de 56 kilos. Al aplicar dos desviaciones estndar, dicho
peso medio se dispers hasta 83 kilos (lmite superior del intervalo de
confianza) y hasta 42 kilos (lmite inferior del intervalo de confianza).
Todos los pesos que estn dentro de 42 kilos y 83 kilos en jvenes de
15 aos, de ese lugar, se consideran NORMALES ESTADISTICAMENTE
(una manera de decirlo) o IGUALES ESTADSTICAMENTE (otra manera
de decirlo y segn el contexto).
3. Dado que se ve por edades consecutivas, al unir los lmites

superiores (e inferiores) de los intervalos de confianza del 95%
de cada edad se forman esas lneas continuas (tendencias).
4. Dado que el 95% de los datos quedar comprendido entre las

dos desviaciones estndar, los lmites de esos dos intervalos
son 97% (superior) y 3 % (inferior). Ello quiere decir que el
95% de los pesos obtenidos de los jvenes de tal edad estn
comprendidos entre esos dos lmites. La forma como se
subdividan estos dos lmites es lo que establece:

Cuartiles si se dividen por proporciones del 25% los pesos encontrados.

Ello quiere decir que en el primer cuartil est el 25% de los primeros
pesos (entre 42 y 49 kilos), que en el segundo cuartil, est ese 25%
ms el siguiente 25% (y con ello se ha llegado a la mitad de la
poblacin), es decir, entre 42 kilos y 56 kilos; que en el tercer cuartil se
agrega otro 25% (entre 42 kilos y 69,5 Kilos) y en el ltimo cuartil se
incluye el restante 25% de los pesos ubicados en la curva de
distribucin.
Igualmente se puede afirmar que entre 49 kilos y 56 kilos estn

ubicados los pesos de los dos cuartiles inferiores y que entre 56 y 83
estn los pesos con cuartiles superiores. En fin lo importante es que
esta medida se usa para comparar tendiendo de referente la curva de
distribucin.

DISTRIBUCION
3% CON 2 DS 97%
Cuartil 1 Cuartil 2 Cuartil 3 Cuartil 4
25% 25% 25% 25%
56 KILOS
42 KILOS 49 KILOS PESOS 69,5 KILOS 83KILOS
Por ejemplo, cuando incluyendo a todas las entidades de educacin (100%) se hace un
examen y con base en los resultados se mira la ubicacin de una entidad con respecto a
todas las dems, se puede afirmar que est en el cuartil inferior, o en el medio inferior o
medio superior o en el cuartil superior.
Deciles (percentiles) si lo que se hace es dividir el 100% de los pesos

de la poblacin en 10%, 20%, 30%, 40%, 50%, etc. Evidentemente
esta es otra forma de clasificar la curva que se usa para poder tener
referentes.

Lo cierto es que as se forma la tabla y se puede identificar si el peso de

una persona de tal edad est dentro de lo normal esperado.
DISTRIBUCION
DE LA POBLACION
. EN EL PESO
JOVEN DE 15 AOS
CON UN PESO DE 65
KILOS, UBICADO EN EL
QUARTIL 3 (75%)
(O EN DECIL 7)
Por ejemplo, (y volviendo a la imagen donde aparece la primera tabla)

el punto rojo seala el peso de un joven de 15 aos. Dnde est
ubicado en torno a la curva de distribucin normal para su edad? Est
situado en la lnea que seala el 75. Ello qu quiere decir? En primer
lugar que el peso de este joven est dentro de la curva de distribucin
normal del peso para la edad y el sexo (evidente por estar dentro de los
dos lmites que establecen las lneas que miden la superior 97 y la
inferior 3). Ahora bien dentro de la curva el percentil 50 es aquel peso
que divide a la poblacin de esta edad en dos mitades (los pesos
ubicados ah sealan la MEDIANA) donde una mitad puede tener ms
que ese peso y la otra mitad menos. En este caso y, si la imagen
permite visualizarlo, el peso del percentil 50 a los 15 aos, es 56 kilos.
Dado que este joven tiene un peso de 65 kilos se pude afirmar que:
o Su peso est dentro de la curva de normalidad para su sexo y
edad y regin (en este caso y puesto que las tablas son del CDC
seguramente de poblacin norteamericana).

o Que su peso (65 kilos) est en el percentil 75%, es decir, que los
jvenes con peso normal pero, sin embargo, por encima de l
(ms peso) son un 25% y que l tiene un peso mayor al 75% de
los jvenes iguales a l en edad sexo y regin (normales
estadsticamente). Si se quisiera expresar su ubicacin con
respecto a la poblacin en cuartiles, es el tres donde se ubica.
Obviamente la importancia de esta aplicacin de las curvas de
distribucin normal ha sido y es inmensa. Por ejemplo, al hacer
seguimiento de los nios por edad, podemos ver cmo va ocurriendo el
incremento del peso en relacin con la edad y ver si se hace dentro de
los lmites esperados; si no es as, nos hace sospechar que algo no est
bien en el nio y se busca.
4.3.5.2. La curva de distribucin y la similitud y diferencias

estadsticas
En epidemiologa s que se trabaja con las desviaciones estndar y las
curvas de distribucin normal; sin duda porque lo que se estudia son
frecuencias. A continuacin se ensear cmo a travs de las curvas se
identifica la similitud o la diferencia estadstica.
Retomando la intervencin con antirretrovirales comparada con los

placebos, mencionemos que la media de mortalidad al ao en un grupo
de antirretrovirales fue de un 15% y al aplicar las dos desviaciones
estndar la curva de distribucin qued comprendida entre 13,5% (al
restar dos DS) y 17,5% (al sumar dos DS). Ello quiere decir que las
mortalidades desde 13,5 a 17,5 % son estadsticamente similares en
este grupo de pacientes (los que reciben tratamiento). Ahora bien, en el
grupo de comparacin, al que se le suministr placebos, la media de la
mortalidad fue de 80% y al aplicarle las dos desviaciones estndar
qued entre 75% y 95%, como quien dice que a un ao, entre el 75%

y el 95% de los pacientes se mueren. Al comparar los dos grupos se

puede ver que las dos curvas no se encuentran en momento alguno,
por ende, se puede decir que definitivamente la mortalidad de estos dos
grupos se comporta de manera SIGNIFICATIVAMENTE DIFERENTE,
queriendo expresar el trmino significativo que la diferencia est
confirmada por la estadstica (de hecho tal trmino surge al aplicar una
prueba estadstica). De una vez se puede aclarar (y repetir la
explicacin) que en el grupo de antirretrovirales los datos 13,5 % (limite
inferior) y 17,5% (lmite superior) se denominan INTERVALOS DE
CONFIANZA DEL 95%, as como en la otra curva, 75% (Lmite inferior)
y 95% (lmite superior) expresan los respectivos intervalos del 95%.
Detngase un momento y repase el concepto de los intervalos de confianza

Se usa prcticamente en la totalidad de las investigaciones, por tanto, queda
claro que ser de gran valor.
Ahora, y para completar el ejercicio (y esperamos que el entendimiento)

qu pasara si se incluyese un tercer grupo de poblacin al cual se le da
otro antirretroviral B? El comportamiento de los tres grupos en torno a
la mortalidad queda expresado en la siguiente grafica:
Qu se observa? En primer lugar y describiendo:
1. Se observan las tres curvas de distribucin del comportamiento

de la mortalidad.
2. El grupo A tienen una media de mortalidad de 15% con IC 95%

de 13%-17%.

3. El grupo B tiene una medida de mortalidad de 16,5% con IC 95%

de 14%-20%.
4. El grupo de control o de placebo tiene una media de mortalidad

de 80% con IC de 95% de 75%-90%.
5. Grficamente los grupos A y B se diferencian del grupo placebo.

Las curvas no se encuentran, por lo cual las diferencias son
significativas. Pero, qu sucede entre el grupo A y el grupo B?
6. Las dos curvas de distribucin se interponen entre s. La ciencia

ha establecido que para mantener una DIFERENCIA
SIGNIFICATIVA se acepta que un 5% de las curvas se mezclen
pero si es ms, entonces ya entre las curvas no existe diferencia
significativa.
Ese 5% se expresa en el lenguaje de probabilidades como 0.05 o, lo que

es lo mismo, p = de 0.05). Clara y grficamente el grupo de TTO A con
el grupo de TTO B no presentan diferencias significativas. Es decir, lo
mismo dar uno u otro antirretroviral. Y eso se afirma dada la mezcla
entre las dos curvas que hace que en algunos momentos d lo mismo
pertenecer a A o a B.
Ciertamente existen unas pruebas estadsticas (la prueba del Ji

cuadrado, entre otras) que expresan si existe o no diferencia
significativa usando como indicador la p de 0.05. Si al aplicar la prueba
la p da igual o menos de 0.05 (que es lo mismo que el 5%) entonces
existen DIFERENCIAS SIGNIFICATIVAS. Quiere ello decir que lo que
se est comparando tiene una diferencia de ms del 95% o que
coinciden (se mezclan las curvas) en menos de un 5%. Si la prueba da
una p mayor de 0.05 (mayor de un 5%) entonces desde el punto de
vista cientfico no existe diferencia estadstica, ya que
arbitrariamente en ciencia se dice que cuando se comparan dos
elementos, si coinciden en ms de un 5% son similares
estadsticamente. En el caso del TTO A y B esa es la situacin.

4.3.5.3. La curva de distribucin y las hiptesis estadsticas
La hiptesis estadstica surge al comparar dos elementos. Al hacerlo,

slo existen dos posibilidades:
1. O son iguales (denominada la HIPOTESIS NULA).
2. O son diferentes (denominada la HIPTESIS ALTERNA).
Grficamente se expresa:
A =B NULA
A =B ALTERNA
Para encontrar la respuesta se aplican las denominadas PRUEBAS

ESTADSTICAS DE HIPTESIS, pruebas que se escogen de acuerdo a lo
que se est comparando. Al aplicar este concepto al ejemplo que se ha
venido trabajando y recordando la imagen:
Primera comparacin:
Grupo A vs. grupo placebo que asume la letra B. La pregunta hipottica
es:
Existe diferencia en la mortalidad entre el grupo A y el grupo B?
Usando las medias de mortalidad de una vez se ve que existe una
diferencia clnica muy evidente: el grupo A tiene una media de
mortalidad a un ao del 15% en tanto el grupo B (o placebo) tiene una

media de mortalidad al ao de 80%. Pero, lo que se quiere saber es si

desde el punto de vista estadstico esta diferencia clnica persiste. La
diferencia estadstica permite asegurar si existe diferencia y que, al
menos en un 95% de las veces en que en iguales condiciones se haga
esta investigacin, los resultados evidenciarn diferencias ( no, de
acuerdo al resultado). En cambio con una diferencia clnica no se puede
estar seguro que ella fue producto del azar o lo que es lo mismo que no
se tiene certeza de que se repita. La certeza lo establece que de 100
veces al menos en 95 exista esa diferencia. Entonces los pasos de la
comparacin entre A y B son:
1. Construir y colocar las cifras de la tabla comparativa:
MORTALIDAD
No Si
A=grupo a 85 15 100
B=placebo 20 80 100
105 95
2. Obtener la medida de comparacin: en este caso es OR de 22.

Quiere decir que por cada persona que recibi placebo y no muri,
existen 22 que recibieron el tratamiento del grupo A y no murieron.
3. Se aplica la prueba estadstica para establecer si este resultado es o
no SIGNIFICATIVO. Entonces, y usando la tabla estadstica del
programa EPI INFO:
Medida usada IC 95%
EpiInfo Version 6 Statcalc November 1993

+ Disease - Analysis of Single Table
Odds ratio = 22.67 (10.26 <OR< 51.01)
+ 85 15 100 Cornfield 95% confidence limits for OR
Relative risk = 4.25 (2.85 <RR< 6.34)
- 20 80 100 Taylor Series 95% confidence limits for RR
Ignore relative risk if case control study.
E 105 95 200
x Chi-Squares P-values
p
o Uncorrected : 84.71 0.0000000
s Mantel-Haenszel: 84.29 0.0000000
u Yates corrected: 82.13 0.0000000
Valor de la p

El programa arroja varias pruebas estadsticas. Estn las de los IC de

95% para los Odds Ratios o los relative risk. En este ejemplo, las
medidas son SIGNIFICATIVAS.
Tambin puede usar el Chi (Ji) cuadrado, evidencia que las p son
menores de 0.05 (de hecho son menores de 0.000000) o lo que es lo
mismo que la p (posibilidad) de que este resultado sea debido al azar es
menos de 0.000000, es decir, prcticamente imposible.
4. La interpretacin que se hace es que A es diferente de B
estadsticamente (Hiptesis alterna) y traspasado al idioma de la
investigacin que los pacientes tratados con A vs los tratados con
placebo mueren menos estadsticamente. Como quien dice A
beneficia a los pacientes al ser comparado con el placebo.
Cunto lo beneficia? Pues observen la diferencia: 85% no mueren con TTO A

menos 20% que no mueren con placebo; es decir, que recibir TTO con A hace
que mueran menos con una diferencia de 65%.
Ahora, y para completar el ejemplo, se va a comparar el grupo A con el

grupo B. Recuerde la imagen:
Entonces los pasos son:

1. Construir y poner las cifras en la tabla comparativa:
2. Obtener la medida de la relacin que es de OR de 1.08. Quiere

decir que por cada persona que recibi TTO del grupo B y no
muri, 1.08 personas del grupo A no murieron. Como quien dice
un poquitico ms no murieron.
3. Se aplica la prueba estadstica para establecer si este resultado es
o no significativo. Entonces, y usando la tabla estadstica del
programa EPINNFO:
El programa evidencia que NO ES SIGNIFICATIVA la diferencia. Por

que? Pues por la interpretacin:
La prueba de IC de 95% muestra cmo los lmites de los IC de

95%, cruzan el 1.
La prueba de la p del Chi cuadrado es mayor de 0.05.
4. La interpretacin que se hace es que no existen diferencias

estadsticas en tratar a los pacientes con A o con B. Por ende, A =
B o como quien dice que se demostr la HIPOTESIS NULA.

Finalmente observe la interpretacin similar entre la prueba p y los

intervalos de confianza. Por supuesto que es lo esperado porque tanto
una como otras son solo pruebas estadsticas en donde escoger una u
otra depende de la modalidad de estudio. Completemos esta visin con
otro ejemplo:
Imagnense que se desea saber y comparar cul es la prevalencia (nmero de jvenes

que han tenido relaciones sexuales/total de jvenes del colegio X 100) de relaciones
sexuales en adolescentes de dos colegios. Resulta obvio que se necesita identificar muy
bien a quin se le va preguntar en cada colegio. Es predecible que si le pregunta a
jvenes de 12 aos y a otros de 15 si han tenido relaciones sexuales, puede (y de
hecho existen) francas diferencias (un ao ms en la adolescencia ciertamente
establece grandes contrastes). Resulta por completo racional que la pregunta ha de
hacerse a jvenes de las mismas edades. As, se pueden comparar. Por ende, el paso
obvio es conseguir a los adolescentes de uno y otro colegio, y obtener la edad
promedio. Se espera que sean SIMILARES para poder ser comparables. Entonces al
sacar la curva de distribucin de edades del colegio A se obtuvo:

-2DS +2DS
. ..
. .
. .... . ..
. . .. . . .
. . . . . . . . .. .
IC 95%12 IC 95%16
Media: 14
La edad media de los adolescentes del colegio A fue de 14 aos y el 95% del grupo
est entre las edades de 12 aos (lmite inferior del IC de 95%) y 16 aos (lmite
superior del IC de 95%).
En el colegio B el resultado de la curva fue:
-2DS +2DS
. ..
........ ..
. . .. . . .
. . . . . . . . .. .
IC 95%12,5 Media: 13,5 IC 95%17

La edad media de los adolescentes del colegio B fue de 13,5 aos. El 95% de los
jvenes estn entre 12,5 aos y 17 aos (lmites de los intervalos de confianza).
.. ... .. .
. .......... ..
. .. ... .. . .
. .. . .. . .. . . . . ..... .
Ahora la pregunta es de si estas dos poblaciones son IGUALES en torno a la edad, ello con
el fin de saber si se pueden comparar. Entonces, y para responder, obsrvese lo que
sucede al interponer las dos curvas:
Como se observa existe una gran parte en donde las dos curvas se encuentran y dos
pequeas franjas en donde no se encuentran. La siguiente grfica lo representa:
12,5 17
..
12 .. ...... 16
. .. .. . ....
. . . . . . . . .. .
Resulta obvio que en las franjas oscuras estas dos poblaciones no son comparables en lo
referido a la edad. Por qu? Pues el colegio B no tiene adolescentes entre los 12 y los
12,5 aos y el colegio A no los tiene entre 16 y 17 aos (cmo se compara lo que no se
tiene?). Pero, as mismo, resulta evidente que comparten las edades entre 12,5 y 16 aos
que por cierto son la mayora de la poblacin de ambos colegios (proporcin mayor de
ambas curvas). Ahora, y trasladando esto al lenguaje de la estadstica, la pregunta que se
hace es: Tomando como referente las edades
1. A es = B

2. A es diferente de B
12,5 17
..
12 .. ...... 16
. .. .. . ....
. . . . . . . . .. .
Estadsticamente se ha establecido que dos poblaciones (A y B) son similares en torno a
un criterio (la edad en este caso, entonces la edad promedio de A es = a la edad promedio
de B) si las diferencias entre ellas no son mayores de un 5%. Ello quiere decir que A es =
a B si las dos franjas oscuras no son mayores de un 5 %.Otra manera de expresarlo es si
las curvas coinciden en ms de un 95%.
Ahora prubese y construya la tabla comparativa y saque la prueba p para dar respuesta
oficial de si A es = B o A es diferente a B.
4.4. La estadstica analtica

Recuerde: la estadstica puede entenderse como referentes que sean
tiles para ver e interpretar la (o las) respuesta a las preguntas de
investigacin expresadas numricamente. Las preguntas de
investigacin se contestan de tres maneras:
Describiendo
Comparando
Interviniendo
Para describir se usa el lenguaje derivado de la estadstica descriptiva.
Para comparar e intervenir (que no es otra cosa que comparar) se usa la
estadstica analtica. La comparacin de una situacin A con otra (B)
slo puede dar lugar a dos posibles respuestas:
a) A es = B
b) A es diferente a B
La estadstica analtica se dedica precisamente a ello: a identificar si al
comparar dos situaciones stas son similares o diferentes. Estas dos
posibilidades constituyen las respuestas y son las probables hiptesis. Si
A es = a B se denomina HIPTESIS NULA. Si A es diferente a B se
denomina HIPTESIS ALTERNA.

Son muchsimos los momentos en epidemiologa en que comparamos.

De hecho, cuando se escogen diseos intervencionales (o
experimentales), en todos ellos existir un grupo de comparacin y se
trata de ver los resultados a las preguntas de investigacin comparando
el efecto o la medida en el grupo de intervencin versus el de control.
En los diseos observaciones, en la subclasificacin de analticos,
igualmente se compara (slo las investigaciones descriptivas con sus
preguntas no comparan).
Cuando se hacen experimentos se trabaja con un pedazo de la realidad y se busca de una

u otra manera probar que una situacin es igual a otra o que es diferente. Por ejemplo, si
se da un medicamento para una enfermedad, es necesario que a un grupo se le d el
medicamento (A) y a otro no (B). La pregunta ser: El grupo A se comporta
(comportamiento = morbimortalidad) igual que el grupo B? Slo pueden haber dos
respuestas hipotticas: que no existe diferencia entre los comportamientos (A es = B) o
que si existe (A es diferente a B). Claro si no existe diferencia quiere decir que da lo
mismo dar o no dar el medicamento, es decir: que el medicamento en cuestin no sirve!
La estadstica analtica se dedica a analizar si al comparar una situacin
con otra ellas son similares o son diferentes. Por supuesto que dado que

se trabaja con muestras de la realidad, siempre existir una posibilidad

de que en sus resultados exista un error. Dado que la tabla de
contingencia es la mejor herramienta para comparar, la estadstica
analtica usar una serie de pruebas para demostrar sus resultados. De
igual manera, en las prximas lneas se intentar hacer entender cmo
se usa la curva de distribucin para probar las hiptesis y se har una
mencin de los errores que se pueden presentar al plantear la hiptesis
nula y alterna.
Ciertamente esto es una repeticin del subndice 4.3.5.2. Pero,

repitiendo se aprende cierto?

1.4.1. La herramienta esencial de la comparacin (Tabla

de contingencia o de 2X2) y su aplicacin con IC
del 95% y prueba de la p
La epidemiologa ha desarrollado la herramienta ms til de la
comparacin: se trata de la tabla de contingencia.
SI PRESENTE NO PRESENTE
VARIABLE
Si presente a b
INDEPENDIENTE
No presente c d
a+c b+d
REALIDAD
(A es = B) (A es diferente a B)
Se acepta Planteamiento correcto Error tipo II (Se acepta

HIPOTESIS NULA (A es = B) (A es = B) siendo diferente)
(A es = a B)
Se rechaza Error tipo I (se Planteamiento correcto
(A es diferente a B) rechaza siendo igual) (A es diferente a B)
ENFERMO
SI NO
SI ENFERMO, PRUEBA (+) = NO ENFERMO, PRUEBA (+)

POSITIVA
VERDERO ENFERMO = FALSO POSITIVO
PRUEBA
SI ENFERMO, PRUEBA (-) = NO ENFERMO, PRUEBA (-) =
NEGATIVA
FALSO NEGATIVO VERDERO NEGATIVO
La grfica expresa tres formas diferentes de usar la tabla de

contingencia o de comparacin. Para relacionar variables, para probar
hiptesis o para evaluar pruebas. Al fin y al cabo de lo que se trata es
de aprender a travs de la comparacin.
La tabla como tal, compara la presencia o ausencia de una situacin
(variable dependiente) con exponerse a una variable independiente.
Recurdese que se compara la razn existente entre los no expuestos
con los expuestos. La pregunta hipottica es si exponerse (A) es igual
que no exponerse (B) o si es diferente (A es = B o A es diferente a B).
Las dos medidas ms utilizadas en estas comparaciones son:
Riesgo Relativo (RR):
y el Odds Ratio (OR):

En ambas medidas el referente es el 1 que siempre expone la proporcin

de la poblacin total NO expuesta y que S tiene la variable dependiente
[ ] con el total de la EXPUESTA y que S tiene la variable
dependiente [ ] y cuyo resultado se da segn sea el caso como
RR o OR.
1.4.1.1. Ejemplo a travs de un brote del uso de la tabla

Para entender lo interesante de la comparacin y cmo permite ver,
imagnense que luego de una fiesta donde estuvieron 54 personas, se
present una enfermedad manifestada por diarrea y vmito. Es clara la
sospecha de que se hayan intoxicado.
COMPARACION ENTRE COMIDA DE ENFERMOS Y DE SANOS
ENFERMOS SANOS
CASOS ARROZ ENSA SALC POST CASOS ARROZ EN SAL POS
1 1 1 1 1 1 1 0 1 1
2 1 1 1 1 2 0 0 1 1
3 1 1 1 1 3 0 0 1 1
4 1 1 1 1 4 0 0 1 1
5 1 1 0 1 5 0 0 1 1
6 1 1 0 1 6 0 0 0 1
7 1 1 1 1 7 1 0 0 1
8 1 1 0 1 8 1 1 1 1
9 1 1 0 1 9 1 1 0 0
10 1 1 0 1 10 1 0 0 1
11 0 0 0 0 11 0 0 0 1
12 1 1 1 1 12 1 0 0 1
13 1 1 1 1 13 0 0 0 1
14 1 1 0 1 14 0 0 1 1
15 1 1 0 1 15 0 1 0 1
16 1 1 1 1 16 0 0 1 1
17 1 1 1 1 17 1 0 1 1
18 1 1 0 1 18 0 0 1 0
19 1 1 0 1 19 0 0 1 1
20 1 1 1 1 20 1 0 0 1
21 1 1 1 1 TOTAL 8 3 11 18
22 0 0 0 0 NO
23 1 1 1 1 CONTACTO 12 17 9 2
24 1 1 1 1
25 1 1 1 1 ENFERMO NO ENFERMO
26 1 1 1 1 CON COMIDA CON COMIDA
27 1 1 0 1 SIN COMIDA SIN COMIDA
28 1 1 1 1
29 1 1 1 1 30 8
30 0 1 0 1 ARROZ 4 12
31 1 1 1 1
32 1 1 1 1 32 3
33 1 1 1 1 ENSALADA 2 17
34 0 1 0 1
TOTAL 30 32 20 32 20 11
NO SALCHICHA 14 9
CONTACTO 4 2 14 2
32 18
POSTRE 2 2
La grfica muestra la base de datos de los sanos y enfermos y las comparaciones bsicas
entre los distintos alimentos. En la parte inferior derecha se compara con cada alimento
quines se enfermaron y quines no.

Luego de ser atendidos los casos (que fueron 34 los que se enfermaron)
en urgencias y descartar la gravedad del episodio para sus vidas, se
hace necesario identificar cul pudo ser el alimento responsable de esta
intoxicacin. Entonces se ha de comparar las personas que se
enfermaron (casos = 34) con las que no se enfermaron (20 en este
ejemplo). Ellas constituyen la variable dependiente. Y luego se deber
comparar con cada uno de los alimentos expuestos. Qu se espera
encontrar? Que uno de esos alimentos est presente en los casos (ms
presente) y ausente en los que no se enfermaron (menos presente). Ello
permite sospechar que sea el responsable. Para ello la tabla es
particularmente til.
Analice cmo se organiza la tabla de comparacin: la variable
independiente es en este caso arroz, ensalada, salchicha y postre, que
son los alimentos consumidos, y debern pasar cada uno como variables
independientes o de exposicin por los participantes en esa fiesta. Lo
que se va a comparar es si comer versus no comer es un riesgo para
enfermarse (variable dependiente). La pregunta es que si comer (A) da
lo mismo que no comer (B) para que se presente la situacin de
enfermarse o lo que es lo mismo:
1. Ver si comer tal alimento (A) es = a (B) no comer tal alimento; es
decir, el alimento no determina la diferencia entre enfermarse o no).
2. A es diferente a B (el alimento s marca la diferencia entre
enfermarse o no).
Lo cierto es que se deber hacer una comparacin de cada uno de los
alimentos. Al usar el programa EPI INFO con uno de los alimentos, en el
cual se puede hacer uso de la tabla de 2x2 y que obtiene las medidas de
RR, de OR con sus respectivos intervalos de confianza y, adicionalmente
con la prueba chi cuadrado, se obtuvo:
ENFERMOS TABLA MEDIDAS Intervalos
de confianza
SI NO
OR RR
ENSALADA
+ Disease - Analysis of Single Table
Odds ratio = 90.67 (11.13 <OR< 1080.22*)
+ 32 3 35 Cornfield 95% confidence limits for OR
*Cornfield not accurate. Exact limits preferred.
- 2 17 19 Relative risk = 8.69 (2.33 <RR< 32.35)
Taylor Series 95% confidence limits for RR
E 34 20 54 Ignore relative risk if case control study.
x
Valor de la
p Chi-Squares P-values Prueba de la p
SI NO o
COMIERON s Uncorrected : 34.56 0.0000000
u Mantel-Haenszel: 33.92 0.0000000
r Yates corrected: 31.18 0.0000000
El programa EPI INFO slo requiere que se llenen las casillas de DISEASE y EXPOSUR y
arroja las MEDIDAS (OR y RR) con sus respectivos intervalos de confianza, as como el
valor de la prueba p. Luego de aplicarlo y obtener las comparaciones (datos que usted
puede sacar de la base de datos previa) se encontr:

ALIMENTO MEDIDAS PRUEBAS ESTADISTICAS

Intervalos de confianza
ENSALADA Limite inferior Lmite superior
OR 90,67 11,3 1082
RR 8,69 2,33 32,5
valor prueba p 0,0000000
ARROZ Limite inferior Lmite superior
OR 11,25 2,42 57,57
RR 3,16 1,33 7,5
SALCHICHA Limite inferior Lmite superior
OR 1,17 0,33 4,12
RR 1,06 0,70 1,61
POSTRE Limite inferior Lmite superior
OR 1,78 0,16 19,75
RR 1,28 0,47 3,49
Recurdese que las dos medidas de asociacin son el OR y el RR. El uso

de una u otra depende de la modalidad de investigacin. Por ejemplo,
casos y controles o estudios transversales usan el OR. Las cohortes o los
ensayos clnicos usan el RR. Adems existe una relacin entre los IC de
95% y la prueba p. Si los IC de 95% no son significativos, la prueba de
la p ser mayor de 0.05 (salchicha y postre) y si los IC de 95 % son
significativos la prueba p ser menos de 0.05 (ensalada y arroz).
El usar como medida el OR o el RR lo determina el tipo de estudio. En
este caso, el RR es una mejor medida (por ser la incidencia lo que se
busca). Se encontr que la ensalada produce la medida ms fuerte con
un RR de 8.69. Ello se interpreta que aquellos que comieron ensalada,
se enfermaron 8,69 veces ms que aquellos que se enfermaron, pero
no comieron la ensalada. La conclusin es que la ensalada parece ser
determinante en la aparicin de la enfermedad. Pero se puede estar
seguro de esta afirmacin? O: este resultado es SIGNIFICATIVO desde
el punto de vista estadstico? Y estas preguntas se hacen porque este
resultado (RR de 8,69) puede ser debido o bien:

Realmente a la ensalada (porque est contaminada o porque est

daada en fin)
O al azar queriendo decir con ello que a pesar de salir ese riesgo,
no es la ensalada el alimento responsable, pues de repetirse el
estudio casi con seguridad saldra otro alimento.
Lo cierto es que esa duda se plantea ante cualquier resultado: lo

encontrado puede deberse o bien porque es as o por el azar. Las
pruebas de significancia estadstica son las que enfrentan este problema
y procuran decirnos si lo encontrado es porque es as o por una
casualidad del azar. Una de las maneras es usar las probabilidades
A continuacin se explicara cmo se hace esta diferenciacin.
(Y se est repitiendo)
1.4.1.1.1. El concepto de significancia a travs del

ejemplo
La significancia es un trmino estadstico que implica tener la certeza

cientfica de que la manera como se interpreta un dato es vlida (real
desde el punto de vista de la estadstica). Se usa constantemente en las
investigaciones para comparar dos poblaciones (por ejemplo) en donde
se debe tener la certeza de que ambas son iguales para poder ser
comparables o cuando se encuentra el resultado de la intervencin y se
hace indispensable comparar lo hallado en un grupo u otro y saber si
existe o no DIFERENCIA SIGNIFICATIVA.
Ciertamente esos dos usos son con mucho los ms frecuentes al menos
en el contexto de las investigaciones. El comparar dos grupos de
poblacin y comparar dos resultados, resultan ser en la prctica de la
biometra los campos donde se aplican con mayor frecuencia estas
pruebas de significancia.
El concepto de significativo implica (didcticamente) que, bajo la

situacin del ejemplo, de 100 veces que se analice la ENSALADA al
menos en 95 saldr como alimento con fuerte riesgo de ser el
responsable de provocar la enfermedad (y que la posibilidad de que el
resultado sea debido al azar es de mucho menos de 5 veces de 100).
Segn los resultados de los Intervalos de Confianza, por cada vez
que no coman ensalada y se enfermen, por comer ensalada se
enfermaran entre 2.33 y 32.5 veces (segn el RR). Esto expresa dnde

se ubican los Intervalos de Confianza del 95% y lo hace evidentemente

en el terreno del riesgo. Segn la prueba de la p, comer ensalada
hace que se enfermen con una probabilidad de 100 (total de
probabilidades) 0.00000000 (resultado de la prueba de la p le da al
azar) es decir, ciento por ciento seguro (ms adelante se explica).
Expresado con un contraste de hiptesis es responder a la pregunta:

Comer ensalada (A) comparado con no comer (B) est relacionado o no
con la enfermedad? Las nicas respuestas pueden ser:
A=B quiere decir que no hubo diferencia en la aparicin de la

enfermedad entre los que comieron ensalada y no comieron. Por
ende, el RR muy seguramente es muy cercano a 1 y los IC de 95%
han de tener su lmite inferior menor de 1 y el lmite superior
mayor de 1. Correspondiendo a esto, de seguro una prueba de la p
sita el resultado mayor de 0.05.
En contraste de lo anterior y como es este el caso, A (relacin

entre ensalada y la enfermedad) es diferente a B (no comer
ensalada y su relacin con la enfermedad) y, por tanto, los RR
muestran unos lmites siempre en el riesgo y una p menor de 0.05
(la situacin A es significativamente diferente a B).
Esperamos que quede entendido que tanto los IC del 95% como la
prueba p son dos formas de interpretar lo mismo. Ambas son pruebas
de SIGNIFICANCIA y juntas se correlacionan. Si los IC del 95%
expresan que existe diferencia significativa, entonces la prueba de la p
es menos de 0,05 y si la prueba de p es mayor de 0,05 entonces se
interpreta como que no existe diferencia significativa y los lmites de los
IC de 95% de seguro cruzan el 1.

PRUEBA DE LA p PARA LA SALCHICHA =0,78 que quiere decir que la posibilidad

de que la salchicha este relacionado con la enfermedad es ms de 0,05 lo que
es decir que comieron salchicha igual los que se enfermaron como los que no.
Conclusin A = B
Comer da lo mismo que no comer
RR= 1,06
LIMITE INFERIOR LIMITE SUPERIOR

DEL RR: 0,70 DEL RR: 1,61
RR DE LA SALCHICHA
La grfica expresa la situacin de la salchicha en este ejemplo: al comparar los que

enfermaron con los que no y que comieron o no salchicha, se obtuvo un RR de 1,06 (un
poquitico de riesgo). Sin embargo, al ver la distribucin de la poblacin (en un 95%) se
pudo ver cmo hubo personas que incluso parece que la salchicha las protegiese de la
enfermedad Por qu? Pues porque el lmite del RR de IC del 95% estuvo por debajo de
1 (en esta caso 0,70). El lmite superior estuvo en RR de 1,61. La interpretacin es que la
salchicha unas veces se comporta como riesgo y otras como proteccin. Claro, lo esperado
(para decir que es o riesgo o proteccin) es que lo que sea riesgo sea siempre riesgo y lo
que sea proteccin siempre lo sea (o que los lmites de los IC de 95% ambos queden ms
de 1 o que ambos queden menos de 1); por consiguiente, la conclusin es que no influye
en la enfermedad o lo que es lo mismo que el RR no es SIGNIFICATIVO. Si se usa la
prueba de la p (otra manera estadstica de hacer lo mismo) y dado que el resultado es de
0,78, se puede sacar la misma conclusin: comer o no comer salchicha da lo mismo en
torno a la enfermedad. En hiptesis, A es = a B.
Entonces de esto se concluye que los intervalos de confianza son un

concepto que surge de la curva de distribucin normal. Se obtienen a
travs de procedimientos estadsticos especficos.
Volviendo al ejemplo (y repitiendo) es obvio que en una situacin como

la descrita, cada alimento debe ser confrontado entre enfermos y no
enfermos para as poder identificar el alimento sospechoso de la
enfermedad. Al preguntarles a las personas, sus respuestas permitirn
obtener los datos (RR, en este caso). Al distribuir esas respuestas
(datos) se forma una curva de distribucin.

-2ds -1ds +1ds +2ds
. .. .
. .. ..
IC 95%: 2,3 IC 95%: 32,5
RR: 8,6
La grfica muestra una curva de distribucin normal, con los sitios

donde se ubican los datos (y el RR) y muestra los lmites en que se
encuentra el 95% de los datos.
En la ensalada, el lmite inferior dara un RR de 2,3 y el lmite
superior dara un RR 32,5 (usando el programa la prueba de
Cornfield). La interpretacin de la SIGNIFICANCIA en el RR y en
el OR es que los intervalos con sus lmites o:
a) queden ambos en el riesgo (ms de 1)
b) queden ambos en la proteccin (ambos menos de 1).
Ello es lo mismo que decir que estadsticamente siempre que se comi
ensalada, las personas se enfermaron con un riesgo relativo entre 2,3
hasta 32,5 (siempre riesgo). Entonces en este ejemplo existe
SIGNIFICANCIA del riesgo.
El arroz (ver figura) tuvo un RR de 3,16 con lmite inferior del IC
95% de RR 1,33 y lmite superior de RR 7,5. Por ende, y al igual
que la ensalada, el RR es SIGNIFICATIVO (tambin es un
alimento RIESGO tal vez menos que la ensalada, pero
ciertamente riesgo).
En la salchicha el RR NO ES SIGNIFICATIVO.
En el postre el RR es de 1,28 con un IC de 95% entre 0,47-3,49,
por lo cual tampoco es significativo.
La conclusin es que la ensalada y el arroz mostraron SIGNIFICANCIA
estadstica claro, ms la ensalada o lo que es lo mismo, que stos
alimentos estn relacionados significativamente con la enfermedad.

4.4.1.1.1.2. Ampliando la prueba p

Otra manera de ver la significancia es por la prueba de las posibilidades
o prueba p. Vale la pena recordar que una probabilidad o posibilidad es
la certeza que se tiene que suceda algo. Se expresan desde el 0 hasta el
1 donde, uno es igual al 100% de certeza de que suceda.
Una probabilidad (p) de 0,5 quiere decir que existe un 50% de
posibilidades que suceda. Por ende, existe un 50% de
posibilidades de que no suceda (q).
Una probabilidad de 0,05 quiere decir que existe un 5% de que
suceda y un 95% de posibilidades de que no suceda que es = q.
Y una probabilidad de 1 quiere decir que existe un 100% de
posibilidades que suceda (certeza absoluta). Por tanto, la
posibilidad que no suceda es 0 (q). Claro p + q es = 1 y es la
frmula bsica de las posibilidades. Entonces, y en el ejemplo
(repitiendo):

ENSALADA Limite inferior Lmite superior
OR 90,67 11,3 1082
RR 8,69 2,33 32,5
Al aplicar una prueba estadstica para determinar la posibilidad de que la

ensalada sea el alimento riesgo se encontr el valor de p, igual a 1 el
valor de p que sale en la prueba, por lo que p es = 1 0.000; es decir,
es 1. Entonces se interpreta as:
a. Se parte de: Posibilidad es uno entonces 1 = p + q.

b. Si p es = 1 entonces: 1 - p es = q. es decir q es = 0
c. Por ende, p = 1 (certeza total) - 0 (posibilidad que no sea) = 1
d. Si 1 es = 100% la posibilidad de que la ensalada sea un alimento
riesgo es del 100%.
Al comparar el resto de alimentos se encuentra:


ARROZ Limite inferior Lmite superior
OR 11,25 2,42 57,57
RR 3,16 1,33 7,5
SALCHICHA Limite inferior Lmite superior
OR 1,17 0,33 4,12
RR 1,06 0,70 1,61
POSTRE Limite inferior Lmite superior
OR 1,78 0,16 19,75
RR 1,28 0,47 3,49
En el caso del arroz p = 1 - valor de p encontrado estadsticamente =

0.99. Si 1 es 100% de probable que el arroz sea de riesgo, entonces
0.99 ser que el arroz tiene un riesgo de 99%. Como es ms de 95%
entonces el arroz tambin es de riesgo.
En el caso de la salchicha, valor de p es = 0.78; entonces, p es = 1 -

0.78 = 0.22 o lo que es lo mismo que existe un 22% de posibilidades
que la salchicha sea un alimento riesgo. Por ende, estadsticamente no
es riesgo.
En el caso del postre el riesgo es de 43%. Dado que para que sea
SIGNIFICATIVO la p ha de ser igual o menos de 5% (o en nmero igual
o menos de 0.05) se considera que estos dos alimentos no presentan un
riesgo SIGNIFICATIVO).
Todo lo anterior slo quiere decir que de los cuatro alimentos, la

ensalada presenta una fuerte relacin con la enfermedad, que el arroz
tambin aunque menos fuerte y que se deben orientar las acciones de
bsqueda del agente causal en la ensalada y en el arroz. Pueden dos
alimentos ser los responsables de la enfermedad? Claro que s
explicarlo ya ser cuestin de revisar los hechos, pero ciertamente es
posible.

Una explicacin didctica de las probabilidades, de la significancia y de

las pruebas de hiptesis, es la encontrada en el curso de estadstica de la
Universidad de Mlaga del Dr. Francisco Javier Barn. Dice as:
Imagnese que tiene fuertes sospechas que una moneda est cargada
para que slo salga cara cuando se lance al aire y caiga. Los
planteamientos hipotticos son as: cara es = A y sello es = B. La posibilidad que al
lanzarla salga cara o sello es igual de 0.5 respectivamente. La hiptesis nula al lanzar la
moneda es que la posibilidad de que salga cara o sello es igual. Entonces la hiptesis
nula es A es = B (A y B tienen la misma p de salir). Lo que se plante al comienzo es
que A es diferente a B (al decir que est cargada, la posibilidad de que salgan ms
caras es mayor. Por ejemplo, de un 95% o ms). Cmo se prueba una u otra
hiptesis? Sencillo se ha de lanzar la moneda al aire y se pregunta:
1. Qu posibilidad que al lanzarla salga cara? Pues sin duda la probabilidad es de un

50% (en el lenguaje de probabilidades: p de 0.5).
2. Pero si se vuelve a lanzar, qu posibilidad existe de que vuelva a salir cara? Ahora
es de un 25 % (p de 0.25 producto de 0.5 x 0.5) Si sale cara si bien es

sospechoso, no lo es como para asegurar que est cargada, ya que no cumple con
el requisito de tener una p = o menor de 0.05.
3. Y al lanzarla por tercera vez, qu posibilidad existe de salga nuevamente cara? Ya
ac la posibilidad de que salga cara es slo de un 6.25 % (p de 0.062) resultado de
multiplicar el 0.25x0.25). La sospecha de que est cargada es grande si llega a salir
cara nuevamente (la posibilidad de que no saliera (q) sera de un 93.8% resultado
de restar 100% - 6.25%).
4. Y qu posibilidad que al lanzarla por cuarta vez, vuelva y salga cara? Ahora la
probabilidad de que sea por el azar se ha reducido a un 0.39 % (p de 0.0039 =
0.062 x 0.062). Si sale cara, prcticamente ya no tenemos duda de que est
cargada (la posibilidad de que est cargada es = 100% - 0.39% = 99.6%).
5. Y qu posibilidad existe de que salga cara si se lanza por quinta vez. Es tan slo de
una p de 0.0000015 (resultado de multiplicar 0.0039 x 0.0039). O sea que la
posibilidad de que est cargada es de un 99, 99984%.
Entonces lo que se plantea desde las hiptesis es que A (posibilidad que salga cara) es
diferente a B (posibilidad que salga sello) con una p de 0.0039 que se da a partir de la
cuarta vez que da cara de manera consecutiva. En general, y cuando se aplican las
pruebas estadsticas que arrojan las probabilidades, se dice que A es = a B si la p es
mayor de 0.05 y cuando es igual o menos de 0.05 es SIGNIFICATIVAMENTE
DIFERENTE.
Obviamente las pruebas de hiptesis se usan con muchsima frecuencia

cuando se estudian los medicamentos. Se analiza en concreto si su uso
provoca en las poblaciones diferencias significativas cuando se compara
con los placebos. Lo esperado es que exista diferencia estadstica (A es
diferente a B) en torno a las medidas (con sus respectivos datos).
Pero, adems, las probabilidades se usan muchsimo para establecer
probabilidades de riesgo. Qu probabilidad existe de morir por una
anestesia? Y esta probabilidad se incrementa por el tipo de ciruga que
se vaya hacer calcularlo es algo que se hace cada vez ms y hasta el
momento los seguros son los que ms lo han desarrollado. En este caso
la p en vez de multiplicarse se suma (se suma el riesgo de morir en
anestesia + el riesgo derivado de la ciruga).
4.1.1.1.3. La prueba Ji (Chi cuadrado)

Como se debe haber dado cuenta, son muchos los fenmenos en la
medicina que ameritan ser comparados. De acuerdo a las medidas y a
sus correspondientes datos empleados, existen pruebas estadsticas
unas mejores que otras. La prueba de chi cuadrado se usa con medidas
de categoras. Su frmula es igual a la suma del dato esperado menos el
dato observado, todo ello elevado al cuadrado y el resultado dividido
entre el dato esperado. El resultado se deber observar en la tabla de
distribucin estadstica del chi cuadrado, (teniendo en cuenta para ello
los grados de libertad), y comparando el dato obtenido de la frmula con
el que sale en la tabla se afirma:

1. Si el dato obtenido es mayor (al correspondiente a p de 0,05) que

el que aparece entonces existe diferencia significativa.
2. Si el dato obtenido es menor al nmero que aparece en la tabla,
entonces se afirma que NO EXISTE DIFERENCIA SGNIFICATIVA.
Las tablas estadsticas aparecen al final de los libros (de estadstica). De acuerdo a la
prueba que se emplee se usa la tabla de referente.
A manera de ejemplo imagnese que se quiere saber si un club de

hipertensos ha logrado incrementar la adherencia de su poblacin al
tratamiento. Para ello se va a comparar con pacientes hipertensos que
no acuden al club. Entonces se consiguen 100 hipertensos del club de
los cuales 60 mostraron la medida de adherencia. Y de 100 hipertensos
que no van al club se encontr que 40 cumplan con la medida de
adherencia. Es evidente la diferencia clnica (60 en los del club y 40 en
los que no van) pero, la pregunta es: Esta diferencia es SIGNIFICATIVA
o es el resultado del azar? Entonces se aplica la prueba chi cuadrado. Lo
esperado es 60, lo encontrado fue 40. El resultado de aplicar la frmula
fue: 7. Al buscar el referente en la tabla del chi cuadrado con una p de

0,05 se encuentra que es 3,96. Por ende, el 7 es mayor con lo que se

puede afirmar que esta diferencia es significativa y se concluye que el
club de hipertensos en este caso aumenta la adherencia (y que la
diferencia encontrada no fue resultado del azar).
NOTA: Si bien este texto no se detendr a explicar cmo se usan las tablas estadsticas,
el concepto que espera quede en el lector, es cmo se interpreta.
4.1.1.1.4. Entendiendo la prueba T
Valor de
comparacin p de 0,05
Grados E=60/100
De libertad
O=40/100
2
(E-O)
=7
E
Esta es otra prueba muy utilizada para saber si existen diferencias

significativas entre dos observaciones. Imagine que se va hacer una
investigacin en una poblacin y la tensin arterial es una de las
medidas y dos investigadores (A y B) sern los encargados de la toma
de la tensin arterial. La pregunta obvia que se debe hacer antes de

medir la TA es: Existirn diferencias en la toma de TA entre A y B?

Resulta evidente su importancia: A y B deben tomar la TA igual y
obtener los mismos resultados cuando le tomen la TA a unas mismas
personas. De no ser as, no se puede estar seguro de lo que se vaya a
obtener en la investigacin. Entonces, y para responderla lo que se hace
es:
1. Se escoge un pequeo grupo de personas, ideal que sea con las
caractersticas de la poblacin a estudiar.
2. Ambos A y B se ponen de acuerdo en cmo y con qu van a
tomar la TA.
3. Luego A les toma la TA a las personas. Obtiene el promedio de la
sistlica y diastlica.
4. Luego lo hace B (a las mismas personas).
5. Ahora debo comparar que las tomas de A y B son
estadsticamente similares o, lo que es lo mismo, que no tienen
DIFERENCIA SIGNIFICATIVA. Ac es donde se aplica la prueba T
que es:
1. La comparacin
Poblacin Investigador A Investigador B
Sistolica Diastolica Sistolica Diastolica
1 130 70 130 70
2
3
120
140
80
90
130
140
80
90 Ser que existe diferencia
4
5
125
120
85
80
120
130
90
75 Entre investigador A con B?
6 140 60 130 65
7 150 80 140 80
8 120 80 130 80
9 130 80 130 80
10 120 70 120 75
Promedios 129,5 77,5 130 78,5
2. Aplicando la prueba T
Sistolica Diastolica
dm A Varianza dm A Varianza
2.1.Se obtiene la desviacin media de A.

0,5 0,25 -7,5 56,25
-9,5 90,25 2,5 6,25
10,5
-4,5
110,25
20,25
12,5
7,5
156,25
56,25
2.2.Se obtiene la varianza de A.
-9,5 90,25 2,5 6,25 2.3. Se saca la Des Estndar de A.
10,5 110,25 -17,5 306,25
20,5 420,25 2,5 6,25 2.4. Se aplica la formula
-9,5
0,5
90,25
0,25
2,5
2,5
6,25
6,25 2.5. Se busca el nmero de la prueba T en
-9,5 90,25
102,25
-7,5 56,25
66,25
la tabla estadstica T y se interpreta
DS A 10,1118742 DS A 8,1394103
Prueba t 0,02472341 Prueba t 0,12285902 No existe diferencia significativa entre

El A y el B en la toma de tensin
Nota: Si nmero es = a ms o menos 6,31, la diferencia es significativa. Si es

Menos no existe diferencia

Prueba T = la media de A menos la media de B elevado al cuadrado y el

resultado dividido por la Desviacin Estndar de A. El nmero que d se
compara en la tabla estadstica t y ah se sabr si existe o no diferencia
entre A y B.

En este ejemplo el investigador A tom la TA a diez personas y registr la
sistlica y diastlica. Obtuvo el promedio. Lo propio hizo el investigador B.
Luego se obtuvo: la desviacin media de la sistlica en el investigador A
(sistlica de la primera persona menos promedio y as sucesivamente). Luego
obtuvo la varianza y con ella obtuvo la Desviacin Estndar. De esa manera obtuvo
todos los elementos para poder comparar a saber:
1. Promedio de A.
2. Promedio de B.
3. Desviacin estndar de A.
Aplica la frmula y obtuvo en el caso de la TA sistlica un nmero de 0,024. Para la

diastlica obtuvo un nmero de 0,12. Esos resultados se buscan en la tabla estadstica
de la t (claro, se debe saber buscar) y si estos nmeros son mayores que los
referenciados en la tabla, entonces se dice que EXISTE DIFERENCIA SIGNIFICATIVA. Si
son menores se afirma que NO EXISTE DIFERENCIA SIGNIFICATIVA. Ms como un dato
para abreviar (y no mirar la tabla) se afirma que si el resultado de la prueba t es ms o
menos de 6,3 existe DIFERENCIA SIGNIFICATIVA. Si es menos no existe. En el caso
entre A y B no existe
1. La comparacin
Poblacin Investigador A Investigador C
Sistolica Diastolica Sistolica Diastolica
1 130 70 150 90
2
3
120
140
80
90
160
140
90
90 Ser que existe diferencia
4
5
125
120
85
80
140
150
90
100 Entre investigador A con C ?
6 140 60 130 100
7 150 80 140 90
8 120 80 130 80
9 130 80 130 80
10 120 70 120 70
Promedios 129,5 77,5 139 88
2. Aplicando la prueba T
Sistolica Diastolica
dm A Varianza dm A Varianza
0,5 0,25 -7,5 56,25
-9,5 90,25 2,5 6,25
10,5 110,25 12,5 156,25
-4,5 20,25 7,5 56,25
-9,5 90,25 2,5 6,25
10,5 110,25 -17,5 306,25
20,5 420,25 2,5 6,25
-9,5 90,25 2,5 6,25
0,5 0,25 2,5 6,25
-9,5 90,25 -7,5 56,25
102,25 66,25
DS A 10,1118742 DS A 8,1394103
Prueba t 8,92515058 Prueba t 13,5452073
Si existe diferencia significativa entre

El A y el C en la toma de tensin

Ahora imagine que se trae a un investigador C y surge, por supuesto, la misma pregunta.
Dado que A y B son iguales da lo mismo comparar a C con alguno de ellos dos. Se aplican
todos los pasos para la prueba t y se obtienen los nmeros del crculo. Dado que son
mayores de 6,5 entonces SI EXISTE DIFERENCIA EN LAS CIFRAS OBTENIDAS ENTRE A y
C. Ello es clave porque si no lo hacen de manera similar, no podremos estar seguros que
las diferencias en los resultados sean por la investigacin o por esta diferencia.
La prueba t se aplica en numerosos procesos de estadarizacin o

calibracin. En los estudios pilotos se usa para probar instrumentos. En
los laboratorios se usa para calibrar los equipos.
4.4.2. El error tipo I y tipo II

Hasta el momento se ha intentado explicar cmo la estadstica (a travs
de la curva de distribucin, por ejemplo) es til para demostrar la
hiptesis nula (A = B) o la hiptesis alterna (A es diferente a B). Pero,
puede suceder que se equivoque. Es decir que resulte:
1. Que A es diferente a B cuando realmente es igual (error alfa o
tipo I). Esto se conoce como rechazar la hiptesis nula cuando
ella es cierta (o aceptar la alterna cuando no es verdadera).
2. Que A es = a B cuando realmente no lo es (error beta o tipo II).
Esto se conoce como aceptar la hiptesis nula cuando es falsa (o
rechazar la hiptesis alterna cuando ella es verdadera).
Por qu aparecen los errores tipo I y tipo II? Pueden aparecer como
consecuencia de fallas en el manejo de la informacin recibida, por
seleccin inapropiada de la poblacin o sencillamente por la
casualidad. Obviamente los dos primeros aspectos dependen del
investigador. El tercero del azar.
REALIDAD
(A es = B) (A es diferente a B)
Planteamiento Error tipo II

Se acepta
correcto (Se acepta siendo
(A es = B)
HIPOTESIS NULA (A es = B) diferente)
(A es = a B) Error tipo I Planteamiento
Se rechaza
(se rechaza siendo correcto
(A es diferente a B)
igual) (A es diferente a B)

ENFERMO
SI NO
SI ENFERMO, PRUEBA (+) = NO ENFERMO, PRUEBA (+)

POSITIVA
VERDERO ENFERMO = FALSO POSITIVO
PRUEBA
SI ENFERMO, PRUEBA (-) = NO ENFERMO, PRUEBA (-) =
NEGATIVA
FALSO NEGATIVO VERDERO NEGATIVO
Al observar el planteamiento de la hiptesis nula a travs de esta tabla

se observa dnde caen los errores. Tal vez una forma prctica de
observar la aplicacin de esta tabla es a travs del cuadro de pruebas
diagnsticas:
El falso negativo y el falso positivo expresan los errores tipo I y tipo II.
Son muchas las posibilidades de que aparezcan los errores. El ms
frecuente en torno a medicamentos es afirmar que sirve cuando no sirve
o que no sirve cuando realmente sirve. Pero, probablemente donde ms
se ven (de forma muy evidente) en el mundo de la medicina sea en el
uso de las pruebas diagnosticas. A la larga, los seres humanos nos la
pasamos planteado hiptesis y con base en ellas tomamos las
decisiones.
Ciertamente estos errores se observan en investigaciones. Con el fin de
ponerlas bajo el contexto de la clnica unos ejemplos pueden ser:
a. Un ejemplo de A es diferente a B cuando realmente son
iguales puede ser el siguiente: la prueba de tuberculina detecta
anticuerpos contra la TBC. Si es positiva el sujeto ha tenido o tiene
contacto con el bacilo de la TBC. Entonces A es = contacto con
TBC. Por ende, al aplicar la prueba a un sujeto con TBC (B es = a
sujeto con TBC) ha de dar positiva. Por ende B es = contacto con
TBC. Por ello A es = B. Pero Por ejemplo, en muchos casos de TBC
miliar la prueba de tuberculina sale negativa (A es diferente a B), a
pesar de que el individuo est lleno de bacilos tuberculosos. Hoy
sabemos que en tal entidad (TBC miliar) el sujeto padece de una
inmunosupresin que impide respuestas de los anticuerpos.
b. En torno a decir que A es diferente a B cuando en realidad
no lo es. Por ejemplo, cuando afirmamos que un sujeto tiene sfilis
(A es = sfilis) por una serologa positiva (B es = serologa
positiva) y la realidad es que no tiene. Por qu sale la prueba
positiva? Una explicacin puede ser porque tiene una enfermedad
inmunolgica que falsea la prueba. Ac decimos que A es = sfilis y
B es = a serologa positiva. Entonces la hiptesis nula es A es = B
(que es lo se deduce de la prueba), pero la realidad es que no.

4.4.3. Las correlaciones
9
8
7
6
y 5
4
3
2
1
1 2 3 4 5 6 7 8 9 10
x
Resultan muy evidentes las relaciones que existen entre distintas
caractersticas. Por ejemplo, la relacin entre comer y peso, o entre
fumar y cncer del pulmn. Algunas de estas relaciones son tan slidas
que si se incrementa (o se disminuye) una de las caractersticas, se
incrementa (o se disminuye) la otra. En otros casos la relacin es
inversa. Entre ms de esto menos de aquello, pero ciertamente slida ya
que si se afecta una se afecta la otra. Estas relaciones entre variables es
lo que se conoce con el nombre de correlaciones y su estudio es
particularmente importante pues a travs de ello se pueden tomar
decisiones. Por ejemplo, teraputicas que modifican sustancialmente el
pronstico.
talla
armas
peso mortalidad
Tomar
agua
fumar
fiestas Violencia
estudio Equidad

Estadsticamente existen muchas pruebas para analizar si existe o no

correlacin entre dos variables. Sus resultados se expresan del 0 donde
no existe correlacin hasta el 1 donde existe una correlacin perfecta.
Las grficas de dispersin con (dos variables) son la forma de ver si
existen visualmente correlaciones.
El eje de la X y el eje de la Y representan dos variables y se quiere saber si estn

correlacionadas. Donde dice R = 1 la correlacin es directa: a ms X, ms Y, lo es de
manera proporcionada. Ese R se obtiene a travs de las pruebas estadsticas de
correlacin. Un ejemplo puede ser la correlacin entre talla y peso en la infancia, donde a
ms talla, ms peso (claro que llega una edad en donde no se crece ms y el peso s se
puede aumentar). La siguiente grfica con un R de 0,4, expresa que, si bien tienen
relacin, esta no es tan proporcionada como la anterior. Por ejemplo, armas de fuego y
mortalidad. Sin duda existe una relacin, pero no siempre guarda proporcin directa. USA
tal vez es el pas con ms armas de fuego y su mortalidad no es mayor a la de otros
pases con menos armas. Cuando el R es = 0 el diagrama de dispersin es como se ve ah.
Por ejemplo, relacin entre tomar agua y fumar no existe relacin. Si uno aumenta el
otro no varia. Relaciones negativas puede ser la establecida entre fiestas y estudio. Entre
ms fiestas menos estudio Por ejemplo, en los jvenes de los colegios. El R es = -0,8. Y la
relacin entre equidad con la violencia puede establecer una correlacin negativa perfecta
donde a ms equidad menos violencia (R = -1).
Una frmula para establecerla es: La sumatoria del producto de multiplicar la desviacin
media (DM) de una variable con la desviacin media de la otra variable, y este resultado
dividido por el producto de la raz cuadrada originado con la suma de la desviacin media
de una variable al cuadrado con la de la otra variable al cuadrado.
La bsqueda de correlaciones y su interpretacin resultan

particularmente importantes en el mundo de la salud. Es importante no
incurrir en el error de asignarle a las correlaciones una interpretacin
causal. La causalidad se deriva de otras interpretaciones y, si bien las
correlaciones puedan dar ideas, es peligroso (por la inmensa posibilidad
de cometer errores) concluir causalidad. Por ejemplo, el texto de
Norman y Streiner menciona que algn investigador encontr una
correlacin entre hipolipemia y cncer de estomago. Dedujo que no se
deban bajar los niveles de triglicridos y as se podra prevenir el
cncer, pero luego descubri que es el cncer el que puede bajar los
niveles de lpidos.

4.4.4. La inferencia estadstica

Inferir es convertir un resultado investigativo en una generalizacin. Por
ejemplo, y con base al caso citado previamente de los antirretrovirales
en el SIDA, es concluir que dado que fueron tiles en la poblacin de
esta investigacin (muestra), lo ser en todos los pacientes con SIDA
(poblacin). De hecho el acto mdico de la intervencin busca predecir
que si los enfermos se toman los medicamentos, se puede predecir
(inferir) que se mejorarn. Obviamente las inferencias parten de la
certeza que la poblacin de la investigacin (muestra) representa al
resto de la poblacin que presenta la circunstancia y, por lo tanto, los
resultados encontrados en el grupo investigado se pueden extrapolar al
resto de poblacin que est bajo las mismas circunstancias. La
estadstica es particularmente til para ello. La inferencia estadstica
parte de dos componentes:
1. El primero es que la muestra con que se trabaja en la

investigacin ciertamente representa al total.
2. El segundo es que el nmero utilizado en la investigacin permite
calcular el grado de error. Al respecto, es obvio que entre menor
sea la distancia entre el nmero con que se trabaja en una
muestra y el total, ms pequeo ser el error probable. Esto se
conoce como potencia.
A manera de ejemplo:
AB= 10
1 1
1=20 AB
AB
= 10 1
1 AB
I=15 1 AB
AB
I 1 AB
I
AB
AB I 1 1
I 1
1 1 1 1 I
I I AB 1
I 1
I I 1 I 1
I I 1
I
I 1
AB 1

Imagnese que el crculo con su contenido representa el total de una

poblacin con sus respectivas caractersticas. El cuadro describe cuntos
AB, hay, as como cuntos 1, cuntos cuadros y cuntos I. Una muestra
representativa deber tener todos estos componentes los cuales
adems, debern estar en una misma proporcin (ms 1 que AB, por
ejemplo). Para que sea representativa se deber introducir por ejemplo,
el total de caractersticas en una bolsa, revolverla y sacar el nmero
(uno por uno) correspondiente de caractersticas. As se les permiti a
todas esas caractersticas la misma probabilidad de salir. El nmero a
sacar se obtiene a travs de frmulas, calculando el margen de error.
Claro siempre existir un margen de error, el que se disminuye en la
forma que el nmero de la muestra se acerca al total de las
caractersticas y, por ende, al total de la poblacin.
Es por ello que los ensayos clnicos o los ensayos de campo, en donde se
selecciona la poblacin de cada grupo (el de intervencin y el de
comparacin) de manera aleatoria, son ideales para hacer inferencias.
La potencia la dar el tamao de la muestra.
MENOS
REPRESENTATIVO
TOTAL DE
POBLACION
MAS
REPRESENTATIVO

En los estudios de prevalencia, donde se trabaja con muestra, el hacer

una seleccin aleatoria de la poblacin objeto es lo que permite que lo
que se encuentre en la muestra se pueda generalizar al total.
Los diseos cualitativos renuncian a las inferencias. Ellos pretenden

esencialmente entender fenmenos y no buscan predecir.
Lo cierto es que existen numerosas pruebas estadsticas en las

investigaciones cuantitativas. Existen pruebas para probar las hiptesis.
Pruebas para seleccionar muestras y pruebas para hacer inferencias. De
acuerdo al diseo empleado o a las medidas utilizadas se usarn unas u
otras. Un buen investigador debe hacer una seleccin apropiada de su
poblacin objeto, as como pensar en las caractersticas que ha de tener
una muestra para ser apropiada. Luego podr solicitar la ayuda a un
profesional estadstico quien le podr recomendar qu prueba(s) es o
son la o las mejores a utilizar.
Es evidente que uno de los intereses de los investigadores que usan

diseos cuantitativos es aplicar sus resultados al total de la poblacin
objeto. Por ejemplo, se hace un estudio sobre un grupo de pacientes con
SIDA, pues se anhela poder aplicarlo a todos. Ello forma parte de la
prediccin, donde lo encontrado ac se puede predecir como til en
todos. Para poderlo hacer se ha de tener en cuenta numerosos
elementos. Uno de ellos es el tamao de la muestra o poblacin en la
que se va desarrollar la investigacin. Resulta obvio que siempre existe
un margen de error como resultado de esa diferencia entre el trabajo
con la muestra y el total de casos. Una explicacin es que puede ocurrir
que en la muestra falte poblacin que tenga alguna caracterstica que
tienen el total de poblacin. Esa falta puede ser o porque en la muestra
no est una representacin adecuada del total de poblacin o porque la
entidad tiene muchas caractersticas distintas en distintas personas
(variabilidad). Claro, esto se corrige a travs del tamao de la muestra
(entre ms grande, menor margen de error). Tambin se ha de tener en
cuenta el universo o poblacin de referente para el estudio.
Suponiendo que se va hacer un estudio de intervencin (probar un

medicamento) en personas con SIDA y se escogen personas
afroamericanas, se podr inferir los resultados a la poblacin africana?
Interesante verdad? Al respecto, la respuesta sera s, siempre y
cuando las caractersticas de la poblacin sean parecidas. Por ejemplo,
que el estado inmunolgico y nutricional (variables muy importantes en
esta enfermedad) de la poblacin muestra de la investigacin sea
parecido al de la poblacin africana.

A manera de conclusin
Este texto espera haber logrado acercar a la realidad (y a la prctica) los conceptos de
la epidemiologa, la investigacin y la estadstica. Si bien, y para entender, se separan y
se explican dichos conceptos, la realidad es que la forma como se presentan en el mundo
prctico es integral. Muchas definiciones en este texto se han ejemplificado en el
mundo de la medicina, pero igual se podra haber escogido el mundo de la enfermera o
el de cualquier rea de la salud. Ciertamente de lo que se trata es de aplicar una forma
de pensar en donde, y en particular, a travs de las lneas se ha insistido en el mtodo
cientfico.
Recuerden que este texto ha sacrificado muchos conceptos buscando la didctica. No

pretende competir con los slidos textos de epidemiologa o estadstica. De hecho,
pretende ser un primer referente y que a lo mejor aquellos que nos lean, puedan luego
adentrarse en textos ms completos.
A continuacin vienen unos anexos en donde se han construido ejercicios de acuerdo a

las reas o disciplinas, procurando crear un contexto que permita entender.
Esperamos que el texto haya contribuido en el proceso de formacin en que, sin duda,
estn los lectores los invitamos a que nos retroalimenten a travs del correo
[email protected].

Lecturas recomendadas
1. Beaglehole R, Kjellstrom T. Epidemiologa Bsica. Publicacin cientfica 551. OPS
1994.
2. lvarez F, lvarez A. Investigacin y Epidemiologa. ECOE Ediciones 1998. Cali

Colombia.
3. Back C, Llopis A, Najera E, Terris M. El desafo de la epidemiologa. Problemas y

lecturas seleccionadas. Publicacin cientfica nmero 25. Editorial de la OPS 1988.
4. Lapierre D. Ms grandes que el amor. Editorial Planeta Seix Barral Vigsima segunda
edicin. 1999.
5. Pollak K. Los discpulos de Hipcrates. Una historia de la medicina. Crculo de

Lectores S.A. Espaa 1970.
6. Vsquez L, Romero M, Len R. Contreras. Introduccin a la bioestadstica y a la

epidemiologa. 1998. Editorial Mcgraw-hill Interamericana de Venezuela, S.A.
7. Falbo GH, Buzzetti R, Cattaneo A. El homicidio entre los nios y adolescentes: estudio
de casos y controles en Recife (Brasil). Bulletin of the World Health Organization.
2001; 79 (1).
8. Ardila E, Snchez R, Echeverry J. Estrategias de investigacin en medicina clnica.

Manual Moderno 2001.
9. Mac Mahon B. Pugh T. Principios y mtodos de la epidemiologa. La prensa mdica

mexicana. Segunda edicin 1975.
10. Rey Calero J. Mtodo epidemiolgico y salud de la comunidad Editorial. McGRAW-

HILL Interamericana de Espaa. Impresin de 1992.
11. Lpez MS, Garrido LF. Hernndez AM. Desarrollo histrico de la epidemiologa: su
formacin como disciplina cientfica. Salud pblica de Mxico, 2000; 42(2).
12. Polit D, Hungler B. Investigacin cientfica en ciencias de la salud. Ao 2000 sexta

edicin. Mcgraw-Hill Interamericana.
13. Colimon KM. Fundamentos de epidemiologa. Ediciones Daz de Santos SA. 1990.
Madrid (Espaa).
14. Moreno AA, Lpez MS, Corcho BA. Principales medidas en epidemiologa. Salud
pblica de Mxico, 200; 42(4).
15. Barn FJ. Bioestadstica, mtodos y aplicaciones. Curso virtual de la Universidad de

Mlaga.
16. Gonzlez JC. De la Hoz F. Determinacin de relaciones entre los comportamientos de

riesgo psicosociales y la familia de la poblacin adolescente escolar de los colegios
pblicos de Suba. http://www.bdigital.unal.edu.co/657/.
17. Gonzlez JC, Benavides R. Bonilla O. Determinacin de las probabilidades de

apendicitis en pacientes con dolor abdominal que acudieron a la CJNC en el ao
2002. Carta Comunitaria FUJNC. Nmero 85 Junio-Julio del 2006.

Libro de Biometria Comunitaria

Cargado por

Copyright:

Formatos disponibles

Libro de Biometria Comunitaria

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro de Biometria Comunitaria

Cargado por

Copyright:

Formatos disponibles

TEXTO BSICO DE

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 2

INTRODUCCIN AL TEXTO .......................................................................... 6

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 3

2.4.1. Una mencin de xitos y limitaciones ........................................................96

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 4

2.10. Paso 12. El protocolo de investigacin ...................................................... 204

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 5

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 6

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 7

Entender la epidemiologa es de un inmenso valor para todos aquellos

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 8

1.1. Palabras para una definicin

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 9

Como una propuesta de definicin se propone: Es el uso del mtodo

De todo lo anterior ha de quedar en claro que la epidemiologa tiene una

Epidemiologa: Segn Last J M en su diccionario de

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 10

1.2. La utilidad de la epidemiologa

En 1980 apareci una temible enfermedad que empez a matar a

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 11

Hoy se sabe que nada es el producto de un solo componente. La

La grfica expresa un ejemplo a travs de la gnesis de la TBC: cmo

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 12

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 13

1.2.2. La ayuda para la salud pblica

Comunidad: conjunto de personas de un pueblo o nacin, organizados

La salud pblica esta ntimamente relacionada con el desarrollo social.

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 14

Dado que en la epidemiologa el elemento esencial de estudio es la

Hoy ha surgido como disciplina la epidemiologa clnica, la cual utiliza el

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 15

1.3. Las herramientas de la epidemiologa

La epidemiologa usa la duda que surge de observar y/o comparar. Ah

De lo anterior se entiende que las herramientas de la epidemiologa son

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 16

Doll y Hill en el British Medical Journal de 1950, son un ejemplo extraordinario de

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 17

John Snow en su texto Sobre

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 18

La estadstica se ha convertido en una excelente ayuda para la

La estadstica es el conocimiento que permite recoger, resumir y

El ser humano aprende gracias a la habilidad de describir. Al hacerlo

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 19

Tabla de comparacin o de contingencia o del 2X2o del SI y el NO

El ser humano entiende mejor cuando compara. Por ello la

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 20

El objeto final de la epidemiologa es entender y con ello predecir qu

Por ejemplo, en el esquema previo se muestra cmo se debe comparar: se est

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 21

1.4. Las ayudas en la epidemiologa

La epidemiologa usa el paradigma cientfico. De l construye su

1.4.1. El raciocinio cientfico

Partiendo de una observacin, se plantea un problema. Luego se

Hiptesis: suposicin de algo posible o imposible para sacar de ello una

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 22

1.4.2. El Papel de la estadstica

El ser humano ha construido un idioma que pretende ser universal y que

Guillermo Restrepo Ch. Juan Carlos Gonzlez Q 23