UNIVERSIDAD DEL VALLE DE MEXICO

CAMPUS CD. VICTORIA TAMAULIPAS

LICENCIATURA EN MEDICINA

EPIDEMIOLOGIA Y BIOESTADISTICA

ANALISIS DE CASOS

DOCENTE: FERNANDO GARAY RANGEL

EQUIPO 2:

NADIA GUADALUPE VERDINES RODRGUEZ

JOEL RAMIREZ CUEVO

MIGUEL ANGEL VELAZQUEZ RODRIGUEZ

ANAHI ZUÑIGA ESPINO

SEPTIMO SEMESTRE

FECHA: 14 DE MARZO DE 2021

Epidemiología y bioestadística 1
 Actividad 7. Análisis de casos

Instrucciones:
1. Revisa el material sugerido
2. Lee detenidamente los casos (planteamientos) que a continuación se presentan.
Resuelve y responde indicando lo que se te solicita
3. Elabora la actividad en el procesador de textos
4. Incorpora al inicio del documento una portada que incluya el nombre de la
universidad, asignatura, título del trabajo, fecha de entrega y tu nombre

OBJETIVO Establecer, por medio de la chi cuadrada, la significancia estadística de la relación entre dos
variables cualitativas.

Unidad 3. Estadística inferencial

Pruebas de hipótesis y chi cuadrada
TEMA

Epidemiología y bioestadística 2
COMPARACIÓN DE DOS PROPORCIONES: Ley de X2 (ji cuadrado)

La prueba de X2 permite relacionar dos variables con 2 o más categorías.

En Ciencias de la Salud es habitual el estudio de variables categóricas, porque es frecuente disponer de dos grupos de
sujetos en los que se quiere valorar una respuesta binaria.

Cuando se desea estudiar la asociación entre dos variables categóricas, o comparar dos o más grupos de sujetos, se
suele presentar en forma de tabla de contingencia, y si las variables son binarias obtendremos una tabla de 2x2.

Este estadístico permite medir la distancia entre las distribuciones mediante la siguiente formula:

Hagamos un ejemplo:

Se trata de un estudio comparativo para verificar si las distribuciones de asistencia al hospital público y a la clínica privada,
en los diferentes días de la semana, son iguales para ambos centros sanitarios.

Hipótesis de los investigadores H1: La proporción de asistencia de los pacientes al hospital y a la clínica, será diferente
en los diferentes días de la semana, tanto para el hospital público, como para la clínica privada.

Hipótesis nula H0: La proporción de asistencia de los pacientes al hospital y a la clínica, no será diferente en los diferentes
días de la semana, tanto para el hospital público, como para la clínica privada.

Epidemiología y bioestadística 3
 Las frecuencias observadas en los hospitales son:

Días de la semana Hospital público Hospital privado

L, M, M, J 35 16

V, S, D 56 33

Antes de iniciar: Si ya conozco la distribución de las frecuencias observadas, ¿cómo obtengo las frecuencias
esperadas?

Realicemos una tabla de 2 x 2:

51X91/14 = 33.15

17.85

89X91/140 = 57.81
31.15

Epidemiología y bioestadística 4
Calcular la frecuencia esperada y anótala en los paréntesis:

Días de atención Establecimiento Total

Público Privado

L,M,M,J 35 (33.15) 16(17.85) 51

V,S,D 56 (57.85) 33(31.15) 89

Total 91 49 140

X2 o Chi cuadrada:

La prueba de comparación de c distribuciones se efectúa a partir del estadístico de contraste X 2 para el conjunto de
casillas de la tabla.

Calcula X2 :
2 2 2 2 2
(35-33.15) + (56-57.81) + (16-17.85) + (33-31.15) = X = 0.4640

33.15 57.81 17.85 31.15

Grados de libertad:
Epidemiología y bioestadística 5
Para determinar los grados de libertad, se debe buscar en las tablas de significancia. (c-1) (r-1)

Donde: c son las columnas, y r son las filas. Esta tabla tiene 2 columnas y 2 filas.

Si buscamos el valor de los gl de esta tabla:

gl= (c-1)(r-1) = (2-1) (2-1) = 1

Grado de significación P: El valor p es un valor de probabilidad, por lo que oscila entre 0 y 1. El valor p nos muestra la
probabilidad de haber obtenido el resultado que hemos obtenido suponiendo que la hipótesis nula H0 es cierta.

Para buscar en tablas debemos tomar en cuenta el valor de Chi cuadrada (X2) y los grados de libertad (gl). Buscamos en
la tabla el valor de X2 o el que se aproxime más, en la columna de los grados de libertad.

X2=0.4640

gl: 1
El valor de P es mayor a 0.10

Se suele decir que valores altos

de p no permiten rechazar la
H0, mientras que valores bajos
de p si permiten rechazar la H0
(valor significativo).

Epidemiología y bioestadística 6
También podemos determinar la diferencia en porcentajes que existen entre las dos proporciones:

Días de Establecimiento Total

atención Público % Privado % Diferencia %:

L,M,M,J 35 (38.46) 16 (32.65 ) 51 38.46 – 32.65 = 5.81%

V,S,D 56 (61.44 ) 33 (67.35 ) 89 61.54 – 67.35 = -5.81%

Total 91 (100) 49 (100) 140

Conclusión: Se ha comprobado que, no hay diferencia significativa entre la proporción de asistencias al hospital y a la
clínica, en los diferentes días de la semana. Se acepta la hipótesis nula que señala que no hay diferencias en el hospital
público con respecto a la clínica privada.

Podemos decir:

Hay 5.81% más asistencias en L,M,M,J en el H. público respecto al privado; hay 5.81% menos asistencias en V,S,D en el
H. público respecto al privado.

Epidemiología y bioestadística 7
Ejercicio 1.

Con el propósito de determinar si la aplicación de insecticida modifica la presencia de casos de Dengue, en una población
que ha estado expuesta a la presencia del vector, se realiza un estudio para comparar las proporciones de casos de Dengue
y la fumigación correspondiente

Hipótesis de alternativa H1: La proporción de los casos de dengue se modificará debido a la aplicación del insecticida.

Hipótesis nula H0: La proporción de los casos de dengue no se modificará debido a la aplicación del insecticida.
Fumigación Total

Con insecticida Sin insecticida

Con Dengue 45 (64.56) 95 (75.43) 140

Sin Dengue 62 (42.43) 30 (49.56) 92

Total 107 125 232

Analiza y explica qué ha encontrado, apóyate con la calculadora STATCALC de EPI INFO para corroborar tus datos:

X2: 27.74

2 2 2 2 2
(45-64.56) + (62-42.43) + (95-75.43) + (30-49.56) = X = 27.74

64.56 42.43 75.43 49.56

Epidemiología y bioestadística 8
v

gl: 1
El valor de P es menor a 0.10 eso da entender que la
gl= (c-1)(r-1) = (2-1) (2-1) = 10.001
hipótesis de alternativa es aceptada, entonces se

P:0.001 equivale al 1% puede inferir que si hay una modificación en los

casos de dengue al aplicar el insecticida y la
hipótesis nula queda rechazada, pues esta indica
P que la proporción de los casos de dengue no se
modificará debido a la aplicación del insecticida.

gl

Diferencia de proporción de personas con dengue positivo que se les aplico fumigación y los que no:

Fumigación Total
Diferencia %:
Con insecticida Sin insecticida
% % 42.05- 76= -33.95%

Con dengue 45 (42.05) 95 (76 ) 140 57.95- 24= 33.94%

Sin dengue 62 (57.94) 30 (24) 92
Total 107 (100) 125 (100) 232

Epidemiología y bioestadística 9
Conclusión

Se ha determinado que hay diferencia significativa entre la proporción de casos de dengue en donde se utilizó el insecticida
y en la proporción de casos de dengue en donde no se hizo uso del insecticida. Se acepta la hipótesis alternativa en donde
se expone que si habrá cambio en la proporción de casos de dengue debido a la aplicación del insecticida.

Podemos decir:

Hay 33.95% menos de casos de dengue con el uso del insecticida, respecto a los casos donde se utilizó el insecticida, sin
embargo, se presenta un 33.94 % más de casos de dengue donde no se utilizó el insecticida

Ejercicio 2:

Se ha realizado un estudio para determinar si el consumo de refrescos endulzados impacta en el peso de la población. El
estudio incluye dos grupos, los que consume altas cantidades de azúcar en la ingestión de refrescos, y otro que tiene un
consumo bajo; y el peso en ambos grupos.

Hipótesis de alternativa H1: El consumo de refrescos con alto contenido de azucares impacta más en el peso de la
población que el consumo de refrescos con cantidades bajas de azucares.

Epidemiología y bioestadística 10
Hipótesis nula H0: El consumo de refrescos con alto contenido de azucares no impacta más en el peso de la población
que el consumo de refrescos con cantidades bajas de azucares.

Peso de los Consumo de azúcar Total

pacientes Alto Bajo

Sobrepeso 145 (114.40) 40 (70.59) 185

Normo peso 137 (167.59) 134 (103.40) 271

Total 282 174 456

Analiza y explica qué ha encontrado, apóyate con la calculadora STATCALC de EPI INFO para corroborar tus datos:

X2: 36.08

2 2 2 2 2
(145-114.40) + (137-167.59) + (40-70.59) + (134-103.40) = X = 36.08

114.40 167.59 70.59 103.40

Epidemiología y bioestadística 11
gl:

gl= (c-1)(r-1) = (2-1) (2-1) = 1

P: 0.001 = al 0.1%

P El valor de P es menor a 0.10 eso da entender que la

hipótesis de alternativa es aceptada, entonces se
puede inferir que si hay un aumento del peso en
las personas que consumen refrescos con alto
gl
contenido de azucares y la hipótesis nula queda
rechazada pues esta indica que el consumo de los
refrescos con alto contenido en azucares no impacta
más en el peso de la personas.

Epidemiología y bioestadística 12
Diferencia de proporción de personas con sobrepeso con alto y bajo consumo de azúcar:

Peso de los Consumo de azúcar Total

pacientes Alto % Bajo % Diferencia %:

Sobrepeso 145 (51.41) 40 (22.98) 185 51.41-22.98= 28.43%

Normo peso 137 (48.58) 134 (77.01) 271 48.58-77.01= -28.43%

Total 282 174 456

Conclusión:

Se puede inferir que existe una diferencia significativa entre la proporción de la población que consume refrescos con alto
contenido de azucares y en la proporción de la población que consume refrescos con cantidades bajas de azucares. Se
acepta la hipótesis alternativa en donde se plantea que el consumo de refrescos con alto contenido de azucares impactara
más en el peso de la población.

Epidemiología y bioestadística 13
Podemos decir

Hay un 28.43% más de pacientes con sobrepeso debido al consumo de refrescos con alto contenido de azucares, respecto
a los pacientes que consumen refrescos con cantidades bajas de azucares.

Se hayan 28.43% menos de los pacientes con un peso común que consumen refrescos con cantidades bajas de azucares,
respecto a los pacientes que con consumen refrescos con alto contenido de azucares.

Ejercicio 3:

Tenemos la información de antes y después de realizar una intervención, para que la población conozca los factores de
riesgo para contagiarse ante la epidemia de una enfermedad, y queremos analizar si hay alguna diferencia entre las
proporciones de personas afectadas.

Hipótesis de alternativa H1: Se presenta una diferencia entre las proporciones de personas afectadas ante la epidemia
de una enfermedad.

Hipótesis nula H0: No se presenta una diferencia entre las proporciones de personas afectadas ante la epidemia de una
enfermedad.

Epidemiología y bioestadística 14
 Casos de la Antes Después Total
enfermedad

Positivos 135 (103.91) 30 (61.08) 165

Negativo 127 (158.08) 124 (92.91) 251

Total 262 154 416

Analiza y explica qué ha encontrado, apóyate con la calculadora STATCALC de EPI INFO para corroborar tus datos:

X2: 2 2 2 2 2
(135-103.91) + (127-158.08) + (30-61.08) + (124-92.91) = X = 41.62

103.91 158.08 61.08 92.91

9.30 + 6.11 + 15.81 + 10.40 = 41.62

gl:

gl= (c-1)(r-1) = (2-1) (2-1)= 1

Epidemiología y bioestadística 15
 2
X = 41.62
P: 0.001 que es igual 1%

P
gl

El valor de P es menor a 0.10 eso da entender que la

hipótesis de alternativa es aceptada, entonces se
puede inferir que si hay una diferencia en las
proporciones de personas afectadas ante la
epidemia de una enfermedad y por ello la
hipótesis nula es rechazada en donde se indica
que no hay diferencia, sin embargo, en notorio
va haber un cambio en los casos positivos y
negativos de la enfermedad.

Epidemiología y bioestadística 16
Diferencia de proporción de personas positivas a la enfermedad antes y después de la intervención:

Casos de la Antes % Después % Total Diferencia %:

enfermedad 51.52-19.48= 32.04 %

Positivos 135 (51.52) 30 (19.48) 165 48.47-80.51= -32.04%

Negativo 127 (48.47) 124 (80.51) 251

Total 262 (100) 154 (100) 416

Conclusión:

Se analizó que, si hay diferencia significativa entre las proporciones de personas afectadas ante la epidemia de una
enfermedad, siendo aceptada que la hipótesis que explica que se presentara si hay diferencia entre las proporciones de
las personas afectadas.

Podemos decir:

Aparece un 32.04% más de casos positivos antes de realizar una intervención en una epidemia de una enfermedad,
respecto a los casos que se presentaron después.

Aparece un 32.04% menos de casos negativos antes de realizar una intervención en una epidemia enfermedad, respecto
a los casos que se presentaron después.

Epidemiología y bioestadística 17
Epidemiología y bioestadística 18