Metodos Epid Control Malaria ACHE

Alberto Ach Rowbotton MD, MSc.
MTODOS EPIDEMIOLGICOS PARA EL CONTROL DE LA MALARIA
Servicio Autnomo Instituto de Altos Estudios de Salud Dr. Arnoldo Gabaldon
Maracay, 2009
CONTENIDO
TEMA I. Epidemiologa de la Malaria II. Medidas de Tendencia Central y de Dispersin III. Escalas de Medicin IV. Indicadores V. Grficos y Tablas VI. Mtodos Bsicos de Evaluacin Epidemiolgicos en Malaria VII. Mediciones de Efecto y Asociacin VIII. Chi cuadrado, ndice de Kappa y Aumento o Descenso Porcentual IX. Ajustando una Lnea de Tendencia/Lnea de Regresin X. Estandarizacin XI. Prediccin de Brotes XII. Estratificacin de Malaria XIII. Muestreo XIV. Determinacin del Umbral Clnico XV. Anlisis de un Servicio de Malaria XVI. Bibliografa PG.
3 7 13 15 28 42 54 60 63 65 68 74 80 82 84 91
Mtodos Epidemiolgicos para el Control de la Malaria
Ach Rowbotton A.
I. EPIDEMIOLOGA DE LA MALARIA
La Epidemiologa es la disciplina encargada de estudiar la ocurrencia y distribucin de las enfermedades y otras condiciones relacionadas con la salud de las poblaciones humanas. Permite cuantificar la magnitud e impacto que tienen los problemas de salud en individuos y grupos sociales especficos de la poblacin, y de esa forma genera informacin til para las decisiones acerca de las intervenciones de prevencin y control. A su vez, la Epidemiologa es la ciencia de las comparaciones racionales que emplea la induccin inferencial para llegar a conclusiones generales partiendo de informacin proveniente de una muestra. Para ello, se vale de la Estadstica para hacer esas inferencias. En esencia, dos interrogantes epidemiolgicos son claves en torno a las enfermedades infecciosas como la malaria: regulacin y variacin. Es decir, qu determina el nivel de la malaria en las comunidades a riesgo? y por qu muchos se infectan, algunos se enferman y pocos mueren? Un primer paso en comprender la malaria como enfermedad, desde el punto de vista epidemiolgico, es describir los factores involucrados en su transmisin por sus caractersticas o variables de quin, dnde y cundo (en funcin de persona, lugar y tiempo). Esta fase conforma la Epidemiologa Descriptiva. El segundo paso intenta establecer etiologas o causas de la enfermedad, explicar los hechos, tratando de dar respuestas o explicaciones a los interrogantes de los por qu ocurre la enfermedad y abarca la Epidemiologa Analtica. Para responder a quin, es necesario contemplar las siguientes variables: edad, gnero, ocupacin, grado de instruccin, ingreso econmico, cultura, grupo tnico, religin, tamao de la familia, estado nutricional o inmunolgico. Es decir, cualquier variable de relevancia que pueda agrupar a individuos en uno o ms categoras. Tambin puede hacerse agrupaciones tales como: usuarios/no usuarios de mosquiteros; toman/no toman medicamentos; mineros/no mineros, etc. Para responder adecuadamente dnde, las variables pueden ser: el casero o un sector de l, la ciudad o un rea de ella, o el municipio y estado; regiones altas o en los llanos; cercano a ros, selvas o lugares con abundantes criaderos; distancia del puesto de notificacin, demarcacin1, ambulatorio rural u hospital; casos nuevos en el rea meridional; casos nuevos en municipio X. Para responder a cundo, depender de la periodicidad de la transmisin: las variaciones en el tiempo; las tendencias seculares o estacionales como las ondas paraquinquenales (atribuidas a los fenmenos de El Nio y La Nia); las variaciones con las condiciones climticas o movimientos humanos. Es preciso establecer el perodo de tiempo para la observacin o el anlisis: casos nuevos en la semana, en el mes, trimestre, semestre o al ao; casos nuevos durante el embarazo segn mes de gestacin. 5
Clasificacin de casos y poblacin expuesta Para la determinacin de las tasas es preciso hacer una clasificacin de los casos y determinar la poblacin expuesta o bajo vigilancia. Los casos que van en el numerador pueden ser clasificados como: a) Importados: Caso cuya infeccin fue adquirida fuera del lugar en que fue encontrado. Puede provenir tanto de otros pases, estados o municipios. Un caso proveniente de Colombia o Guinea Ecuatorial y detectado en el estado Amazonas es un caso importado para Venezuela. Un caso proveniente del estado Bolvar, pero detectado en Amazonas, es un caso importado del estado Bolvar para Amazonas. De igual manera, un caso detectado en Puerto Ayacucho y proveniente de Tencua es un caso importado del municipio Manapiare al municipio Atures. La aparicin de estos casos no implica que exista una transmisin en las reas donde se detectan. Introducidos: Caso en el cual puede probarse que su infeccin constituye una primera etapa de transmisin local subsiguiente a un caso importado probado. Es el hijo de un caso importado. Es indicativo que se ha iniciado la transmisin local. Permite calcular la Tasa de Ataque Secundario.
b)
c) Autctonos: Caso oriundo de un rea, una regin, pas o grupo tnico y al cual no se le puede refutar que haya originado como consecuencia de la transmisin local. Es indicativo que hay transmisin local. d) Inducidos: Caso cuya infeccin puede atribuirse a una transfusin sangunea o a otra forma de inoculacin parenteral (jeringas comnmente), pero no a transmisin por mosquitos. e) Recadas (en caso de infecciones por P. vivax) o Recrudescencias (en caso de infecciones por P. falciparum). Las recadas ocurren cuando una vez tratado el paciente y se eliminan los parsitos en sangre (gota gruesa negativa), los hipnozoitos en el hgado maduran para formar esquizontes hepticos con la subsiguiente liberacin de merozoitos que invaden los glbulos rojos y generan de nuevo la enfermedad en el mismo paciente. Dicho paciente puede presentar signos y sntomas al cabo de 8 a 10 semanas (recadas cortas) o a las 30 a 40 semanas, o hasta 3 aos o ms (recadas largas) posteriormente a la infeccin primaria. Estas formas de recadas pueden presentarse con amplias variaciones en distintos lugares geogrficos. En el caso de las recrudescencias, los parsitos en sangre (no provienen del hgado) no son detectados con facilidad o se detectan con baja densidad posteriormente al tratamiento. El paciente revive su cuadro clnico al cabo de unos das o semanas despus de ser tratado. Dadas las dificultades para distinguir entre las recadas o recrudescencias en reas endmicas, es recomendable emplear el genotipaje molecular para la identificacin de los diversos alelos parasitarios, entre la muestra hemtica inicial y la del post-tratamiento, que indicaran cundo una infeccin es nueva de una recada o recrudescencia.
1 Una base de campo operacional y administrativa de donde se desarrollan actividades (epidemiolgicas y control de vectores) para el control de la malaria
Ach Rowbotton A.
Tipos de focos de transmisin malrica
Foco de malaria: Toda localidad definida situada en un rea actual o anteriormente malrica en el cual existen en forma continua o intermitente los factores necesarios para la transmisin malrica: poblacin, vectores y una ecologa apropiada. Tipos y caractersticas de los focos de malaria CUADRO 1 Tipos de Focos Caractersticas Inactivos Focos Residuales Activos Interrupcin de la transmisin; recadas de casos antiguos nicamente Interrupcin incompleta de la transmisin; recadas y nuevos casos (autctonos) Existencia de casos importados; presencia del vector pero sin pruebas de transmisin efectiva Existencia probada de transmisin; casos importadas y casos nuevos (introducidos y autctonos)
Potenciales Focos Nuevos Activos
Receptividad y vulnerabilidad Es importante destacar que en el mbito local la investigacin del caso de malaria permite determinar la clasificacin definitiva o tentativa de ese caso y el lugar probable de la infeccin. De esa manera se evita la clasificacin errnea del caso por lugar y municipio, o la doble clasificacin de un mismo caso cuando el sistema de vigilancia falla en depurarlas. El Programa de Malaria de Venezuela tiene un sistema de vigilancia epidemiolgica fundamentada en la vigilancia activa y pasiva. Comprende la recoleccin, anlisis, interpretacin y diseminacin de la informacin procesada. Facilita recopilar datos acerca de la frecuencia de la malaria en la poblacin. Esto permite obtener informacin acerca de los factores que determinan la ocurrencia y la distribucin de la malaria. Esto es esencial para un control y una prevencin eficaz. La poblacin que conformar el denominador ser aqulla que est bajo vigilancia (donde se realizan actividades de bsqueda activa y rociamientos a casas o espaciales) o a riesgo de infeccin debido al potencial malariognico. Este potencial lo determina que el rea sea receptiva y vulnerable. La receptividad es la situacin creada por la presencia de numerosos anfeles vectores y/o por la 7
existencia de otros factores ecolgicos y climticos que favorecen la transmisin de malaria. La vulnerabilidad se refiere a una zona prxima a zonas malricas o expuestas al riesgo de transmisin por la llegada de personas enfermas o grupos humanos infectados o de anfeles infecciosos o de ambos, y se refiere al nmero de casos importados de malaria que provienen de otros lugares y que estn entrando al rea por unidad de tiempo. Biologa del parsito malario Las caractersticas importantes de la infeccin con cada una de las tres especies de parsitos malricos humanos, presentes en Venezuela, estn gobernadas por factores de tiempo y la capacidad de multiplicacin de cada una de ellas como se aprecia en el siguiente cuadro. CUADRO 2 Caractersticas Prepatencia Perodo de Incubacin Tiempo de aparicin de gametocitos Ciclo asexual en sangre Duracin de una infeccin no tratada CUADRO 3 Caractersticas Nmero de merozoitos por esquizonte heptico Nmero de merozoitos por esquizonte hemtico Nmero de esporozoitos por ooquiste Factores de Tiempo P. falciparum 5.5 das 9-14 das 8-15 das 48 horas 1-2 aos P. vivax 8 das 12-17 das o mayor 0-5 das 48 horas 1-5 aos P. malariae 18-40 das o mayor 5-23 das 72 horas Hasta por 50 aos
Factores de multiplicacin P. falciparum 30.000 P. vivax 8.000-20.000 P. malariae 15.000
8-24
12-18
10.000
1.000-10.000
Prepatencia: Tiempo transcurrido desde la infeccin hasta la deteccin de parsitos en sangre. Perodo de Incubacin: Tiempo transcurrido desde la infeccin hasta la aparicin de sntomas. 8
Ach Rowbotton A.
Clasificacin de endemicidad de la malaria La clasificacin de la endemicidad de la malaria ha sido adoptada por la OMS sobre la base de las tasas esplnicas, mediante encuestas realizadas en poblaciones. Pero una clasificacin alterna con base en las tasas parasitarias puede emplearse:
Clasificacin de endemicidad de la malaria segn tasas esplnicas y parasitarias
Tasa Esplnica En nios de 29 aos, y no mayor a 10% En nios de 2-9 aos y entre 11 a 50% En nios de 2-9 aos y constantemente mayor a 50%; en adultos > 25% En nios de 2-9 aos y constantemente > 75%
CUADRO 4 Tasa Parasitaria En la poblacin y sin exceder 10% En la poblacin y entre 11 a 50% En la poblacin y entre 51 a 75% En la poblacin y > 75%
Clasificacin de Malaria Hipoendmica Mesoendmica Hiperendmica Holoendmica
II. MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN Medidas de tendencia central

Cmo podemos definir el centro de una distribucin? Mediante la moda, la mediana y la media. Estas medidas de tendencia central son valores representativos de datos para hacer interpretaciones y comparaciones. Son medidas de resumen que indican la tendencia normal de los registros de morbilidad y mortalidad. Son empleadas en la vigilancia epidemiolgica y en estudios epidemiolgicos para identificar y describir la distribucin de un grupo de casos de acuerdo a: a. Variables de lugar y persona; b. Su perodo de incubacin; c. Su tiempo al inicio de la enfermedad Para diversos programas, las medidas de tendencia central ms frecuentemente empleadas son: La Media o Promedio, Media Ponderada, Media Geomtrica, Media Tricentral, Mediana y Moda. Media/Promedio Frmula: Media = (a)/n Durante 6 das se observ una mortalidad diaria en una gran ciudad de 22, 18, 23, 17, 19, 21 defunciones. Media = (22+18+23+17+19+21)/6 = 20 defunciones Caractersticas: El promedio est influenciado por el valor numrico de cada trmino y es particularmente sensible a los valores extremos. Los promedios no deben promediarse entre s. 9
Recomendable usarlo cuando: 1. La serie presenta una progresin aritmtica; 2. Uno o dos trminos sean iguales a 0, o tengan valores negativos; 3. Los datos sean satisfactoriamente homogneos.
Promedio Ponderado
Frmula: Mp = (pa)/(p)
Durante el curso de un tratamiento se ha observado el siguiente nmero de pacientes (1) (2) (3) Nmero de Pacientes (p) 6 3 1 Das de Fiebre (a) 4 6 8
El promedio/paciente no ser: 4+6+8/3 = 6 das (6x4) + (3x8) + (1x8) Sino = ---------------------------------- = 5 das 6 +3 +1
Promedio Geomtrico/Media Geomtrica

n a1 + a2 + a3 + a4 + a5 Frmula = log G = -----------------------------------------N La evaluacin parasitolgica de la carga parasitaria, por gota gruesa, de Plasmodium falciparum en 5 pacientes es: 0, 180, 99, 110, 125. Entonces segn la frmula tenemos la sumatoria de los logaritmos de los valores: 5 a1 + a2 + a3 + a4 + a5 log G = ----------------------------------------------5 log0 + log180 + log99 + log110 + log125 ----------------------------------------------------------- = 5 1 + 2.25 + 1.99 + 2.04 + 2.09/5 = 2.0973 Luego para obtener el promedio se saca el Antilogaritmo de 2.0973 = 47.20 El promedio geomtrico de la carga parasitaria es de 47.20. Esta cifra es muy distinta al promedio aritmtico que sera 102.8. Caractersticas: El promedio geomtrico est influenciado por el valor numrico de cada trmino. Pero es menos sensible que el promedio aritmtico al valor de los trminos extremos. 10
Ach Rowbotton A.
Recomendable usarlo cuando: 1. La serie presenta una progresin geomtrica; 2. Hay que promediar variaciones proporcionales y valores relativas en general; 3. En la serie hay abundantes valores 0.
Media Tricentral
La media tricentral es una medida de tendencia central con mayor robustez por cuanto concentra los tres valores centrales para promediarlos minimizando la magnitud de la dispersin en torno a la media. Toma en cuenta una serie que debe constar de 5 elementos. Primero se ordena la serie de menor a mayor, o a la inversa si se prefiere, para luego eliminar los dos valores ms extremos y finalmente se promedian los tres valores centrales para obtener el valor central. Los casos de malaria son reportados por semana epidemiolgica. Veamos este ejemplo de 5 semanas con sus respectivos nmeros de casos: S1- 342; S2 - 432; S3 - 237; S4 - 123; S5 - 677. Ordenando de menor a mayor, se elimina los valores extremos y se promedian los 3 valores centrales. Tenemos: 123 (237 342 432) 677 Media Tricentral = (237+ 342 + 432) / 3 = 337 Los valores de la Media Tricentral sirven para construir el ndice Epidmico o Endmico segn el caso. Permite cuantificar la tendencia de la morbilidad de malaria registrada en el tiempo.
11
Clculo de la Media para Datos Agrupados

Concentracin de hemoglobina en mineros del Estado Amazonas. CUADRO 5 Hb/gr. Pto. Medio del Nro de Casos Productos de (Intervalo de Intervalo de clase (Fi) Fi x Xi clases) (Xi) 8 8.9 9 9.9 10 10.9 11 11.9 12 12.9 13 13.9 14 14.9 15 15.9 16 16.9 Total 2 4 9 14 7 2 1 0 2 41 8.5 9.5 10.5 11.5 12.5 13.5 14.5 15.5 16.5 -17.0 38.0 94.5 161.0 87.5 27.0 14.5 0.0 33.0 472.5
M = (Fi x Xi) / n 472.5/41 = 11.5 gr Hb La Mediana (Ma), en una serie de datos, es aquel valor o punto medio que divide la serie ordenada en dos partes iguales; uno, con valores menores o iguales que la Mediana; el otro, con valores mayores o iguales que la mediana. Frmula: Ma =
Nmero total de valores secuenciales en la serie + 1 ---------------------------------------------------------------2
Serie impar: 3, 5, 8, 11, 15 Ma = (5 + 1)/2 = 3 valor ubicada en la tercera posicin = 8. Ma = 8. Serie par: 7, 9, 11, 13, 15, 17 Ma = (6 + 1)/2 = 3.5 valores ubicadas entre tercera y cuarta posicin: 11 y 13, y se promedian: (11 + 13)/2 = 12, Ma = 12
12
Ach Rowbotton A.
Caractersticas: 1. La Mediana es un valor ms representativo que la Media cuando la serie de datos estn desviados a la derecha o a la izquierda, es decir una serie sesgada por valores extremos. 2. Est influenciada por el nmero de trminos y slo por el valor numrico del o de los dos trminos centrales. 3. Con un nmero de trminos impar, y en progresiones aritmtica, geomtrica, y armnica, la Mediana tiene el mismo valor numrico que los respectivos promedios aritmticos, geomtricos, y armnicos. Ejm: 2, 4, 6, 8, 10 M o Ma = 6 3, 6, 12, 24, 48 G o Ma = 12 0.125, 0.166, 0.250, 0.500, 1.00 A o Ma = 0.250 Se recomienda su uso: 1. En estudios de brotes por intoxicaciones alimentarias para estimar el horario de inicio de la exposicin. 2. Cuando se trata de series con clases abiertas: < 15 a; 15 45a; 65 > 3. Cuando las series sean poco simtricas o atpicas.
Clculo de la Mediana para Datos Agrupados
Concentracin de hemoglobina en mineros del Estado Amazonas CUADRO 6 Hb/gr. Nro de Casos Pto. Medio del Productos de (Intervalo de (Fi) Intervalo de clase Fi x Xi clases) (Xi) 8 - 8.9 9 9.9 10 10.9 11 - 11.9 12 12.9 13 13.9 14 14.9 15 15.9 16 16.9 Total 2 4 9 14 7 2 1 0 2 41 8.5 9.5 10.5 11.5 12.5 13.5 14.5 15.5 16.5 -17.0 38.0 94.5 161.0 87.5 27.0 14.5 0.0 33.0 472.5
Aplicamos la frmula Ma = L + (JW/f) Donde: L = Lmite inferior del intervalo de clase 11 (2+4+9+14) donde se ubica el caso 21 (41 + 1)/2. J = Casos acumulados (n =15) (2+4+9) hasta el intervalo de la clase inmediatamente inferior al caso 21, y se le resta de ese valor: 21 15 = 6. W = Mdulo de la clase: 11.0 11.9 = 0.9 f = nmero de casos en el intervalo 11.0 11.9 (n = 14) Ma = 11 + (6 x 0.9/14) = 11.38 gr Hb 13
La Moda o Valor Dominante

La Moda (Mo) es el valor ms comn de una serie; el ms frecuente o el valor ms tpico de la serie. Es muy poco utilizada. 3, 4, 6, 6, 6, 9, 12 Mo = 6 Frmula para calcular la Moda de una serie agrupada Mo = 3 Ma 2M En los ejemplos anteriores de la cuantificacin de la media y mediana de la concentracin de Hb en Amazonas, el Modo para esa serie agrupada sera: Mo = 3(11.38) 2(11.5) = 11 Medidas de Dispersin Desviacin Estndar Pesos (kg) 10 20 30 50 90 200/5 = 40 CUADRO 7 Desviaciones Desviaciones Absolutas - 30 - 20 - 10 10 50 -30 20 10 10 50 -2
Desviaciones al cuadrado 900 400 100 100 2500 s = 4000/4
s2 = 4000/4 =1000 = 32 La desviacin estndar toma en consideracin la magnitud de dispersin en torno a un promedio. Mientras menos disperso sea la desviacin estndar ms confiable y robusto es el promedio obtenido de una serie de valores para hacer inferencias. Coeficiente de Variacin Frmula CV = Desviacin Estndar Media x 100 El Coeficiente de Variacin no es afectado por las unidades originales de medicin. Es una cuantificacin conveniente para comparar la variabilidad de cada desviacin estndar como un porcentaje de la media. Por ejemplo, el coeficiente de variacin puede ser calculado para la longitud de las alas de Anopheles darlingi.
14
Ach Rowbotton A.
CUADRO 8 Longitud Media (mm) Longitud de las alas Anchura de las alas 2.59 0.622 Desviacin Estndar (mm) 0.208 0.0764
CV de la longitud de las alas = (0.208/2.59) x 100 = 8% CV de la anchura de las alas = (0.0764/0.622) x 100 = 12% La variacin es mayor en la anchura de las alas que en la longitud de ellas en una proporcin de 12:8.
Intervalo de Confianza
= p 1.96 p(1 p) / n
Donde p = prevalencia previa o proporcin conocida de estudios anteriores y 1 p su complemento y a veces denominado q. Y n = total de personas evaluadas, o tamao de la muestra. De 1.500 mineros, 780 son positivos por malaria y 720 no lo son Proporcin de positivos = 780/1500 = .52 x 100 = 52% = .52 1.96 .52 (.48) / 1500 = .03 = .52 .03 = .49 a .55 x (100) = Estimativo del resto del rea es de 49 a 55% Mientras ms estrecho sean los valores del intervalo de confianza, ms confiable y robusta es la proporcin obtenida para hacer inferencias.
III. ESCALAS DE MEDICIN

Variables Las variables son atributos o eventos que se pueden medir en un estudio. Pueden tomar distintos valores y escalas. En salud pblica consisten en observaciones hechas sobre individuos de diversas maneras: casos de malaria o dengue, contaje de hemates, muestras de orina, roedores, triatominos o enfermos en un hospital. 1. VARIABLES CUANTITATIVAS: (INTERVALOS, DIMENSIONALES) Son expresados como ntegros, fracciones o decimales. Guardan iguales distancias entre los intervalos sucesivos. A. CUANTITATIVAS CONTINUAS: Peso, Edad, Hora, Concentracin de sodio en sangre. B. CUANTITATIVAS DISCONTINUAS O DISCRETAS: Nmero de hijos, nmero de alumnos de una escuela, nmero de dientes. 15
2. VARIABLES CUALITATIVAS: (CATEGRICAS, DISCRETAS) Son expresados en dos o ms categoras que no guardan iguales distancias entre los intervalos. A. DICOTMICAS: S/No; Masculino/Femenino; Fuma/No fuma. B. POLICOTMICAS: Ms de dos variables categricas que pueden ser nominales u ordinales 1. NOMINALES: Son variables enumeradas sin un ordenamiento especfico: Razas o etnias, pases, color del cabello. 2. ORDINALES: Son variables ordenadas segn una escala o secuencia ordenada: A. Dolor: 1.Leve, 2.Moderado, 3.Intenso. B. Resultados de laboratorio: 1+, 2+, 3+. A estas variables se les conoce tambin como PSEUDOCONTINUAS
Derivacin de variables
En ocasiones es necesario derivar variables para poder facilitar los anlisis estadsticos y para ello es preciso tomarlas de su fuente original y transformarlas. 1. VARIABLES CATEGORIZADAS: Cuando categorizamos la edad en una variable cualitativa al conformar grupos de edad, por ejemplo de 24 29 aos. En circunstancias normales la edad es una variable continua (puede expresarse en aos, meses, das, etc.). 2. VARIABLES CON BASE EN VALORES UMBRALES: Como en los siguientes ejemplos: CUADRO 9 Variable derivada Variable original Bajo peso al nacer S No Estatus de la Vitamina A Deficiencia severa Deficiencia moderada Normal Peso al nacer < 2.500 g 2.500 g Nivel srico de retinol < 0.35 mol/l 0.35 0.69 mol/l 70 mol/l
16
Ach Rowbotton A.
3. VARIABLES DERIVADAS EN CURVAS DE REFERENCIA CON BASE EN VALORES POBLACIONALES ESTNDAR: Cuando monitoreamos el crecimiento de un nio cotejando su peso y talla por medio de curvas de crecimiento.
4. VARIABLES TRANSFORMADAS: Cuando transformamos variables numricas en otras escalas. Por ejemplo la escala aritmtica es convertida en una escala geomtrica para contajes de parsitos, huevos de helmintos en heces, titulaciones o concentraciones de sustancias. Variables de exposicin y resultantes
Para poder escoger mtodos estadsticos apropiados es importante distinguir entre variables resultantes y variables de exposicin como en el siguiente cuadro: CUADRO 10
Variable resultante
Nio con bajo peso al nacer Estatus antropomtrico a 1 ao de nacido (valor z segn peso por edad) Nmero de episodios diarreicos en 1 ao Nio leucmico (S/No) Tiempo de sobrevida por cncer pulmonar (meses)
Variable de exposicin
Madre fuma durante el embarazo(S/ No) Duracin de lactancia materna exclusivamente (en semanas) Acceso a agua potable (S/No) Proximidad a una planta nuclear Estatus socioeconmico (estratos A-E)
IV. INDICADORES
Las variables cuantitativas se emplean para conformar medidas de tendencia central y de dispersin, mientras que las variables cualitativas son usadas para establecer tasas, proporciones y razones.
Determinacin de frecuencias: Tasas, ndices y Razones

La cuantificacin epidemiolgica de la frecuencia de la malaria tiene como componente esencial la contabilidad de los casos que se producen en la poblacin. No obstante, sin otro calificativo, el conteo de casos por s solo no es particularmente informativo. Es un dato crudo y no permite hacer comparaciones entre comunidades. Es necesario tomar en cuenta el tamao de la poblacin en Frecuencia: En Epidemiologa, trmino general que se refiere a la aparicin de la enfermedad (en este caso la malaria), o de otro atributo o hecho en una poblacin, sin hacer distincin entre Incidencia o Prevalencia. (Last, 1989) 17
referencia y el tiempo de duracin de la observacin. Existen dos importantes formas de cuantificar ese conteo o la frecuencia de la malaria, o la medicin de los problemas de salud que se suscitan, o del uso de los servicios de salud: son las tasas de incidencia y prevalencia. Un diagnstico de comunidad siempre debe expresarse en trminos de tasas, que relacionar datos de la enfermedad con respecto a los datos de la poblacin entera. La Epidemiologa es una disciplina comparativa y desde luego nicamente las tasas permiten hacer comparaciones y no el nmero de casos en forma cruda o absoluta. La incidencia de malaria determina el nmero de casos, episodios o eventos nuevos que se estn presentando o detectando en un perodo de tiempo definido que generalmente es de un ao. Es una medicin activa y continua. Los casos incidentes son los primeros en ocurrir en el lapso de tiempo establecido. Como medida de efecto, la incidencia es el mejor indicador del comportamiento de la intensidad de la transmisin: aumenta, disminuye o no se modifica. Es la medida de frecuencia preferible para evaluar la efectividad de las intervenciones en los programas de control. Tambin es la ms empleada por el sistema de vigilancia epidemiolgica para conocer la velocidad con que se manifiesta la enfermedad. La bsqueda activa de febricitantes actuales o recientes diariamente (tarea realizada por los visitadores rurales) y la bsqueda pasiva mediante la llegada de enfermos de malaria a los centros de salud (tarea realizada por el personal de salud en esos centros de salud), permite conocer la incidencia de la malaria semanalmente, por mes o ao y se expresa como la Incidencia Parasitaria Anual (IPA) o Mensual (IPM) segn el caso. La bsqueda activa por el personal de campo resulta ineficiente y muy costosa cuando la IPA se ubica entre 0.1 a 0.01 o menos. En su lugar la bsqueda pasiva tiene mayor relevancia y esta actividad recae en los puestos de notificacin ubicados en los centros de salud. Para brindar diagnsticos oportunos el Programa de Malaria ha facilitado la bsqueda pasiva activada. En los sitios donde funciona (de difcil acceso o reas problemas) se ubica un microscopio para facilitar diagnsticos tempranos y tratamientos oportunos. No hay bsqueda activa en estos sitios, sino que los febricitantes acuden a ellos para descartar estar enfermos mediante la toma de la gota gruesa. La Incidencia Parasitaria Anual es una forma de Tasa de Incidencia Acumulada (conocida tambin como Proporcin de Incidencia) y cuantifica la proporcin de personas que se convierten, en un intervalo de tiempo determinado, desde un estado de no enfermo a enfermo en una poblacin cerrada (no ingresan ni salen miembros y se usan datos de censos para contabilizar la poblacin total). Lo usamos mayormente para denotar la incidencia de episodios malricos ya 18
Ach Rowbotton A.
que una persona puede padecer varios episodios en un ao. Una persona que se enferma tres veces de malaria es registrada como 3 casos de malaria, y en consecuencia una IPA de 71.3 puede ser generada por 428 casos de malaria en una poblacin de 600 habitantes. Cabe destacar que en el numerador debe incluirse todos los tipos de casos segn su clasificacin, como tambin se puede seleccionar solamente los casos importados o los autctonos para hacer un clculo de una IPA de casos importados o IPA de casos autctonos. La IPA denota intensidad de la transmisin malrica y es un buen indicador de la eficacia de las medidas de intervencin o de la eficiencia del Programa de Malaria. Incidencia Parasitaria Anual (IPA) = Nmero de personas que se enferman de malaria en un tiempo determinado (casos nuevos) ------------------------------------------------------------------------------------------- x 1000 Total de personas libres de enfermedad en una poblacin cerrada a riesgo al comienzo del tiempo determinado o bajo vigilancia La prevalencia de malaria determina el nmero de casos, episodios o eventos, nuevos y viejos, existentes en un momento dado o perodo determinado. La Tasa de Prevalencia es una cuantificacin esttica o fotografa de la frecuencia que prevalece en un momento determinado. Es una proporcin y como tal cuando se multiplica por el factor 100 y en cuyo caso se le conoce como la Tasa de Prevalencia Porcentual para distinguirla de la Tasa de Prevalencia propiamente dicha que se multiplica por 1000. Tasa de Prevalencia = Nmero de personas enfermas de malaria en un tiempo determinado (casos nuevos y viejos) ----------------------------------------------------------------------------------------------- x 1000 Nmero de personas en la poblacin a riesgo o bajo observacin en un tiempo determinado Prevalencia Puntual o Instantnea: Es el nmero de personas que se encuentran enfermos en un momento determinado entre la poblacin expuesta a riesgo en ese momento particular. Por ejemplo: prevalencia el 6 de julio de 2006. Prevalencia de Perodo: Representa un hbrido de incidencia y prevalencia dentro un lapso de tiempo definido y de mayor duracin, digamos 5 aos. Es la proporcin de personas de una poblacin cerrada, que tendran la enfermedad o la desarrollaran durante ese perodo, es decir un cmulo de casos viejos y nuevos.
19
Varios factores pueden influenciar la tasa de prevalencia, en particular: 1. La severidad de la enfermedad (si muchos enfermos llegan a morir la tasa de prevalencia disminuye); 2. La duracin de la enfermedad (si la enfermedad es de corta duracin entonces la tasa de prevalencia es menor, y por el contrario la tasa se incrementa cuando la duracin es larga); 3. El nmero de casos nuevos (si se registran muchos casos nuevos la tasa de prevalencia aumenta, caso contrario cuando hay pocos casos nuevos); 4. Mejoras en los mtodos de diagnstico o en los reportes de enfermedad incrementan la prevalencia; pero mejoras en la tasa de curacin lo disminuye. En poblaciones donde la ocurrencia de eventos o atributos son estables, la prevalencia es proporcional al producto de la incidencia y el promedio de la duracin del evento: P = I d. Ejemplo de Clculo: Si la tasa de incidencia de malaria es 200/1000 0.20 por ao, y la duracin promedio de un caso es de 2 meses 2/12 de un ao, entonces la prevalencia esperada sera: P = I d 0.20 x (2/12) = 0.033 3.3%
Que sean estables significa que la incidencia y el promedio de la duracin de la enfermedad son constantes en el tiempo Tasa de Ataque: Es una forma de incidencia que mide la proporcin de personas en una poblacin que experimenta un evento de salud sbito o agudo durante un perodo limitado (por ejemplo un brote, o desastre natural) y se calcula como: Nmero de casos nuevos con el evento de salud -------------------------------------------------------------------------- x 100 Tamao de la poblacin al comienzo del perodo de observacin
Tasa de Ataque Secundario: Es un tipo de frecuencia de casos nuevos

de una enfermedad entre los contactos conocidos de esos enfermos transcurridos un perodo de incubacin. A menudo se calcula para documentar la diferencia entre la transmisin de enfermedad en el mbito de comunidad con respecto a una casa, un cuartel, una guardera o cualquier otro grupo humano cerrado. Permite definir con claridad la transmisin autctona de los casos introducidos.
20
Ach Rowbotton A.
Ejemplo: Clculo de una Tasa de Ataque Secundario Un brote de shigellosis genera 18 personas enfermas de diferentes hogares. Si la poblacin de la comunidad es de 1000 habitantes, entonces la Tasa de Ataque Global es de (18/1000) x 100 = 1.8%. Transcurrido un perodo de incubacin, 17 personas se enferman de shigellosis en las mismas casas de los 18 casos primarios. Si en esos 18 hogares viven 86 personas, la Tasa de Ataque Secundario es: Tasa de Ataque Secundario = 17/(86-18) x 100% = 25.0%
ndice Anual de Exmenes de Sangre (IAES): Es el total de muestras

hemticas, recolectadas mediante la bsqueda activa y pasiva, y examinadas; expresndose como un porcentaje de la poblacin en un ao. Este indicador cuantifica el rendimiento o la capacidad de la bsqueda de los casos. Total de lminas tomadas ------------------------------------------ x 100 Poblacin bajo vigilancia o a riesgo Para el cmputo del IAES no deben ser incluidas las lminas que se toman por seguimiento a casos, ni aqullas producto de una encuesta o investigacin, o por la toma masiva de lminas. Un IAES de 10 % se considera adecuada El IAES permite conocer el rendimiento de la bsqueda de casos. Tambin se puede disgregar la informacin por los tipos de bsqueda: activa o pasiva.
ndice de Lminas Positivas (ILP): Es el total de lminas positivas expresadas como un porcentaje con relacin al total de lminas tomadas. Expresa la magnitud de la positividad entre los febricitantes. Este indicador revela la magnitud de la positividad en las personas febriles.
Total de lminas positivas ILP = --------------------------------- x 100 Total de lminas tomadas Tasa de Mortalidad: Tasa anloga a la Tasa de Incidencia pero referida a muertes en lugar de casos. Esta tasa puede ser calculada y referida a toda la poblacin de Venezuela, un estado, un municipio o un lugar. Puede adems ser calculada para grupos especficos (grupo tnico, grupos de edad, mujeres, hombres, por ocupacin, religin o raza): Nmero de personas fallecidas por malaria T Mortalidad = ---------------------------------------------------- x 100.000 Poblacin total a riesgo o bajo vigilancia
Tasa de Letalidad: Es la proporcin de casos de una enfermedad determi-
nada cuya evolucin resulta en la muerte dentro de un tiempo especfico. Mide la severidad de la enfermedad. 21
Nmero de personas que mueren por malaria Tasa de letalidad por malaria = --------------------------------------------------- x 100 Nmero de personas con malaria Frmula Parasitaria: Es la frecuencia relativa de las especies parasitarias de malaria humana encontrada en una serie de lminas positivas. En los casos de infeccin mixta se cuenta por separado cada una de las especies observadas en la lmina. No debe confundir su clculo con la Tasa de Infeccin General o Tasa de Infeccin por Especie. Nmero de muestras hemticas positivas por especie Frmula Parasitaria = ---------------------------------------------------------------- x 100 Total de muestras hemticas positivas
Tasa de Infeccin General o por Especie: Proporcin de personas halladas con infecciones parasitarias o de una especie parasitaria de malaria. Clculo: De 100 lminas tomadas, hay 40 infecciones por P. vivax, 20 por P. falciparum y 2 por P. malariae. La Tasa de Infeccin General es 62% (62/100) y la Tasa de Infeccin por P. vivax es 40% (40/100). Pero la Frmula Parasitaria a P. vivax es 64.5% (40/62), a P. falciparum es 32.2% (20/62) y P. malariae es 3.2% (2/62). Toma Masiva de Muestras Hemticas
La (TMMH) tiene como objetivo la investigacin epidemiolgica de focos de malaria. Es una encuesta hemtica y por lo tanto la proporcin obtenida de la evaluacin es una prevalencia puntual. Es un mtodo especial de bsqueda de casos por el cual se toma muestras de sangre de todos los individuos en una comunidad o grupo de comunidades o de un rea. Difiere de los dos mtodos principales de bsqueda de casos (bsqueda activa y pasiva) en que no se emplea en forma rutinaria sino nicamente para fines especiales. Es aplicada a lugares o reas delimitadas, dentro del rea bajo vigilancia, y no incluye ningn procedimiento de seleccin. Procede a realizarla cuando: 1. Las condiciones epidemiolgicas conducen a la sospecha de que la persistencia de la transmisin pudiera deberse a una fuente de infeccin no descubierta.
2. En reas problema donde los mtodos normales de bsqueda de casos no aportan prueba suficiente de la interrupcin de la transmisin y de la eliminacin de fuentes potenciales de transmisin residual. 3. En congregaciones humanas: grupo de trabajadores durante temporadas de zafra; grupos tnicos que viven en conglomeraciones o asentamientos concentrados.
22
Ach Rowbotton A.
4. Como un mtodo de comprobacin o evaluacin del sistema rutinario de bsqueda de casos. En consecuencia, la informacin obtenida de ella debe ser analizada separadamente y no ser incluida con la informacin obtenida por la vigilancia epidemiolgica (bsqueda activa y pasiva) para los efectos de la denuncia semanal de casos. Con frecuencia se emplea en los servicios para determinar la existencia o persistencia de personas infectadas cuando la transmisin es baja o cuando surgen dudas acerca de la interrupcin de la transmisin malrica. Este proceso es costoso e implica una sobrecarga de trabajo al servicio, por cuanto su objetivo es procurar cubrir 100% de la poblacin aparentemente sana. En ocasiones, dado que la TMMH es una prevalencia puntual y diferente de la incidencia obtenida por actividades de bsqueda activa y pasiva, es necesario aplicarla varias veces debido a la variacin de la parasitemia. Bajo ninguna circunstancia debe emplearse la toma masiva de muestras hemticas cuando hay transmisin activa o en situaciones de brote.
V. GRFICOS Y TABLAS
Grfico GRFICO: Idea sintetizadora que ayuda en el anlisis de los datos.
CLASES: Existen dos clases de grficos: 1. Los que van a mostrar variaciones de determinados fenmenos, 2. Los que aportan una informacin o anlisis grfico. ELEMENTOS:
1. Ttulo (qu, dnde, cundo). 2. Grfico propiamente dicho. 3. Notas explicativas.
Normas generales para su elaboracin

Forma rectangular en su presentacin con dos lneas en ngulo recto: coordenadas rectangulares. La lnea horizontal o abscisa, se destina para las diferentes clases de la escala que se usa. La lnea vertical u ordenada, se destina para anotar la frecuencia, o nmero de veces que se observa un fenmeno determinado. Las dos escalas deben ser de la misma longitud o algo mayor la abscisa que la vertical. Deben guardar una proporcin de 1:1 1:2. Si la ordenada mide 10 cm. la abscisa debe medir entre 10 y 20 cm. para no crear una distorsin del fenmeno que se observa. 23
Las escalas deben comenzar desde cero para evitar apreciaciones incorrectas de los datos. Los grficos se deben partir si los valores son muy elevados y hay pequeas fluctuaciones solamente. Cada escala debe ser rotulada para comprender fcilmente qu representa: edad en aos, kilos de peso, etc. No deben existir demasiadas subdivisiones en las escalas por su recargo grfico. En lo posible emplear nmeros enteros.
Principales grficos segn escala de variables

1. Barras Sencillas: Para ilustrar distribuciones de frecuencias en escala cualitativa y cuantitativa discontinua: para series cronolgicas cuando son pocos los valores. Las grficas de barras sencillas pueden ser horizontales o verticales como en los siguientes ejemplos.
GRAFICO 1
24
Ach Rowbotton A.
GRAFICO 2
2. Barras Dobles y Barras Compuestas: Para representar datos de asociacin (por ejemplo, en relacin con el tiempo) cuyas dos escalas sean cualitativas y cuantitativas discontinuas. GRAFICO 3
25
GRAFICO 4
3. Diagrama de Sectores: Para fines comparativos e ilustrar los diversos componentes de una serie compuesto de datos en escala cualitativa, cuantitativa discontinua, cuantitativa continua, porcentajes, o cifras absolutas. GRAFICO 5
26
Ach Rowbotton A.
4. Histograma: Para representar distribuciones de frecuencias en escala cuantitativa continua y porcentajes. El histograma permite obtener por cada clase el nmero de casos promedio por unidad de escala.
GRAFICO 6
5. Polgono de Frecuencias: Detalles para su construccin son iguales que el histograma mas no usa rectngulos, sino una serie de puntos que se colocan a la altura, en la parte media de cada clase, que ocuparan los rectngulos del histograma. Luego, estos puntos son unidos para ilustrar continuidad de la escala cuantitativa continua. Representa las diferencias absolutas o relativas cuando hay comparaciones entre dos distribuciones de frecuencias, por ejemplo una tasa de mortalidad entre gnero masculino y femenino. El histograma debe preferirse al polgono de frecuencia.
27
GRAFICO 7
6. Diagrama de lneas: Para ilustrar distribuciones de escala cuantitativas discontinuas y serie cronolgicas.
28
Ach Rowbotton A.
GRAFICO 8
7. Cartograma: Representacin grfica de un mapa que puede condensar datos en nmeros absolutos, escalas cualitativas, cuantitativas discontinuas, cuantitativas continuas, porcentajes y reas de riesgo
29
FIGURA 1
Grfico elaborado por Alberto Ach y Nancy Rondn. 1996 8. Barras de Error: () Ilustran distribuciones comparativas de frecuencias cuantitativas discontinuas, cuantitativas continuas y nmeros absolutos. En el grfico la morbilidad correspondiente a 1997 fue mayor en todos los estado. Sin embargo el diferencial mayor de registro de casos se observa en el estado Sucre.
30
Ach Rowbotton A.
GRAFICO 9
9. Diagrama Semilogartmica: Emplea una escala logartmica en la escala de las ordenadas (y) en combinacin con una escala aritmtica en el eje de la abscisa (x). La impresin visual que brinda expresa las diferencias proporcionales directamente que no se logra con la escala aritmtica. Es decir, se aprecia grficamente un aumento o descenso de 10%, 50% 60% segn cada Demarcacin. Adems, permite mostrar fluctuaciones de una serie de valores que en la escala aritmtica no se aprecian debido a la sobreposicin de lneas.
31
GRAFICO 10
10. Diagrama Polar: Primero se calcula el promedio de la morbilidad por malaria por municipio y se toma ese promedio como radio, ajustado a escala, para trazar el crculo. Luego se grafican los valores mensuales; sobresaliendo aquellos que estn en exceso y recortando los que se encuentran bajos. Este grfico permite visualizar fluctuaciones de la morbilidad y a su vez hacer comparaciones por reas.
32
Ach Rowbotton A.
GRAFICO 11
Grfico elaborado por Alberto Ach y Jess Barrios. 1998 Cuadros estadsticos 1. a) b) c) 2. Rtulo debe ser claro, conciso y especificar la informacin en funcin de persona, tiempo y lugar. La naturaleza de los datos - (qu?) La localidad, pas, estado, municipio, rea - (dnde?) Perodo o tiempo a que se refieren los datos (cundo?) El Cuadro propiamente dicho, con su numeracin.
3. Etiquetar cada columna y fila, e incluir las unidades de medicin de los datos (por ejemplo, ao, mm, Hg, mg/dl). 4. Exhibir totales para las columnas y filas cuando sea apropiado. Si hay porcentajes (%) aportar el total (siempre debe sumar 100). 5. Identificar aquellos datos que faltan o han sido excluidos, bien sea en el mismo cuadro, por debajo del cuadro, o con una nota a pie de pgina. 6. Explicar los cdigos, abreviaturas o smbolos a pie del cuadro (por ejemplo: Sfilis P & S = Sfilis Primaria y Secundaria). 7. Indicar la fuente de los datos por debajo del cuadro. 33
VI. MTODOS BSICOS DE EVALUACIN EPIDEMIOLGICOS EN MALARIA

1. Encuestas malariomtricas: permiten establecer la prevalencia de la malaria en un momento dado, y facilitan evaluaciones rpidas de una determinada situacin. Pueden ser parasitolgicas o esplnicas; como tambin de comportamiento humano. 2. Bsqueda de casos: mediante la vigilancia epidemiolgica activa y pasiva. Tambin permite el estudio individual del caso de malaria para establecer el caso primario y rea de transmisin. Investigaciones epidemiolgicas: abarcan los estudios observacionales de cohorte, casos-controles y transversales; como tambin los estudios experimentales como ensayos clnicos y ensayos de comunidad. Estudios entomolgicos: permiten incriminar a los vectores responsables y conocer su etologa para la aplicacin correcta de medidas de intervencin.
3.
4.
Anlisis de una situacin malrica

El anlisis completo de una situacin malrica deber incluir una descripcin de la distribucin de la enfermedad en funcin de persona (quines), tiempo (cundo) y lugar (dnde); sus consecuencias en trminos de morbilidad, mortalidad y prdidas econmicas. De ser posible deber incluir una explicacin de esa distribucin en cuanto a sus factores causales potenciales (ocupacional, religiosa, geogrfica, ecolgica, social, poltica, biolgica y econmica). Tomar en consideracin todas las facetas de las intervenciones: control de vectores y participacin activa de la poblacin en las actividades de control. Es indispensable contar con buenas fuentes de informacin para que el manejo de los datos sea veraz y as poder confeccionar indicadores malariomtricos confiables, as como de datos entomolgicos y climatolgicos, y una adecuada utilizacin de la estadstica para establecer la cadena causal e instrumentar una priorizacin de las acciones de control donde y cuando sean necesarios. Ese anlisis exhaustivo en ocasiones no sera prctico debido a la situacin endmica o epidmica de la enfermedad. Por lo tanto, el control de la malaria tendr que depender de un conocimiento imperfecto, ya que muchos factores no podrn ser determinados y la discriminacin de los factores causales se harn paulatinamente sobre la marcha. La estratificacin es una alternativa que facilita la reduccin de la complejidad de muchas situaciones malricas.
34
Ach Rowbotton A.
Dado que la malaria est ntimamente relacionada con varios factores, es conveniente observar la presencia de casas malricas, detallar los movimientos poblacionales y evaluar demogrficamente quines se estn enfermando (si hay nios pequeos enfermos es indicativo que la infeccin se est generando dentro de las casas; si los enfermos son adultos predominantemente y se desplazan fuera de la comunidad, es probable que la transmisin est ocurriendo en otro lugar), y recorrer los alrededores de las casas y la comunidad para detectar criaderos y evaluar su eliminacin a la brevedad posible con la ayuda de los miembros de la comunidad. Es importante hacer capturas de anofelinos para determinar el horario mayor de picadura, y si los vectores son endfilos o exfilos y si son endofgicos o exofgicos. Un aspecto importante del anlisis descriptivo de la informacin obtenida es contrastar los indicadores. La exposicin de un solo indicador en forma grfica suele exhibir una informacin limitada. Tambin es imprescindible tener informacin de la situacin de la transmisin con la ayuda de los canales endmicos para denotar el comportamiento de la malaria. En el siguiente Grfico 1 se observa la evolucin de la malaria durante los aos 1980-2006. Durante los aos entre 1981 a 1992 el IAES alcanz valores mayores de 10%. Esto indica que la capacidad de bsqueda de casos fue ptima y se puede confiar en las cifras de la IPA durante esos aos. Por el contrario, entre los aos 1993 a 2005 el IAES registr valores por debajo de 10% y esto induce a pensar que posiblemente los valores de la IPA no sean reales, pudiendo ser mayores o menores.
35
Grfico 12
Series de tiempo, tendencias, cambios estacionales y cclicos

Casi todos los indicadores malariomtricos, por ejemplo: tasa esplnica, IPA, razn de dispersibilidad, razn de difusibilidad, mortalidad e indicadores entomolgicos varan considerablemente de acuerdo a las estaciones del clima en un mismo ao, as como de ao en ao. Cuando se cuantifica la malaria a diferentes intervalos de tiempo en una misma poblacin o rea, suelen presentarse variaciones que merecen ser tomadas en cuenta e investigadas tales como: 1. Variaciones asociadas con factores climticos estacionales. 2. Posibles cambios cclicos, es decir, la tendencia que tiene una tasa o ndice de repetirse a intervalos ms o menos regulares de pocos aos. Por ejemplo, los ciclos paraquinquenales a consecuencia del fenmeno de El Nio (alza en la transmisin malrica) y La Nia (descenso en la intensidad de la transmisin).
36
Ach Rowbotton A.
3. 4.
Tendencias a plazos largos o cambios seculares que pueden reflejar una inclinacin gradual de la enfermedad hacia el alza o la baja en el tiempo. Variaciones aleatorias que surgen por innumerables factores, por ejemplo, una merma en las actividades de control por diversas razones, desplazamientos poblacionales, apertura de una mina de oro, etc. Estos factores pueden interactuar con los factores anteriores.
Si los efectos de estas diferentes y posibles causas de variacin no son de naturaleza aditivas, es decir, si el efecto de un factor sobre un ndice no est interrelacionado de manera alguna con algunos de los otros factores incidentes, basta aplicar solamente mtodos estadsticos sencillos para diferenciar y analizar estos efectos. Sin embargo, generalmente existe un grado de interrelacin al extremo que un factor puede interferir en perodos sucesivos y puede, en algunos casos, alterar los valores subsiguientes. De cualquier manera, siempre interesa saber de alguna forma cules son esos patrones de variabilidad. Como primer paso es indispensable graficar las mediciones individuales de las variables para poder observar cualquier diferenciacin en los datos obtenidos.
Dispersibilidad y Difusibilidad
La palabra dispersibilidad fue introducida por Stallybras para indicar el nmero de casos de una enfermedad transmisible que se origina de un caso infeccioso. Este indicador se obtiene dividiendo el nmero de casos nuevos observados en un mes por todos los observados en el perodo homlogo anterior correspondiente. Nmero de casos nuevos registrados en un perodo (mes) Razn de Dispersibilidad = --------------------------------------------------------------------Nmero total de casos registrados en igual perodo (un mes) homlogo inmediatamente anterior (mes anterior) Cuando la enfermedad se transmite directamente de persona a persona, y tiene un perodo de incubacin corto, se prefiere usar la semana como perodo. Si la enfermedad tiene un vector en el cual el parsito debe experimentar un ciclo evolutivo y el perodo de incubacin es ms largo, se prefiere usar el mes como perodo de medicin. Si el valor de la Razn es menor a 1, debido a las acciones de control, entonces habr un control de la dispersibilidad y de la malaria. Si el valor de la Razn de Dispersibilidad es 0.88 o menor, como consecuencia de las intervenciones, se produce una cada en crisis de la malaria. Nmero de localidades con casos nuevos durante el mes Razn de Difusibilidad = -----------------------------------------------------------------Nmero de localidades con casos en igual perodo homlogo inmediatamente anterior 37
El concepto de Difusibilidad, se entiende por extender derramar, fue introducida por el Dr. Arnoldo Gabaldon para indicar el nmero de localidades que se infectan con casos procedentes de otras localidades. La Razn de Difusibilidad es mayor a 1 cuando la enfermedad se est extendiendo y menor a 1 cuando se est reduciendo. Mientras la Dispersibilidad mide la tasa de reproduccin de la infeccin, es decir la movilidad vertical de la enfermedad, la Difusibilidad mide la movilidad horizontal (en superficie) de la misma. En la dinmica de la transmisin malrica, la Dispersibilidad es una funcin del vector, inmunidad del hombre y el ambiente ecolgico, mientras que la Difusibilidad es una funcin del hombre y de sus hbitos sociales.
Variacin estacional
De los datos epidemiolgicos obtenidos, podemos examinar la distribucin del nmero de casos por semana o mes. Esto facilita visualizar los cambios de morbilidad con las estaciones del tiempo y de conocer las tendencias al alza o a la baja. Desde luego conviene examinar los datos que corresponden a un determinado nmero de aos anteriores, mnimo 5 aos. El estudio de las variaciones estacionales se facilita por el cmputo de las medianas mensuales que corresponden a cada uno de los aos, por el perodo que se quiere examinar, y de esa forma se tendr un grado de conocimiento de cmo progresa la enfermedad en el tiempo y en relacin con las estaciones climticas. Un ejemplo prctico se observa con el Cuadro1 en el cual se enumera el nmero de casos de malaria registrados mensualmente durante los aos 1984-1992. Se obtienen las medianas ordenando las series de registros de casos mensuales por ao de mayor a menor. El nmero que ocupe la quinta posicin en cada serie de tiempo ser la mediana correspondiente a ese mes (en este caso como la serie es impar, el nmero que ocupe la posicin central automticamente es la mediana, pero cuando la serie es par se suman las dos cifras centrales y se divide por 2 para establecer el valor de la mediana).Ya no importan los aos, por cuanto el objetivo es examinar la variacin estacional durante doce meses al ao, es decir de enero a diciembre. Para algunos meses es necesario hacer un ajuste de los tres valores (el valor mximo, la mediana y el valor mnimo) en vista que no todos tienen 30 das calendarios exactos. Febrero tiene 28 das y otros meses tienen 31 das. En estos casos el ajuste se har con base en 30 das calendario mes y se multiplicar por ese factor de correccin. Por ejemplo, para el mes de febrero ese factor ser 1.071 (30/28) y los meses con 31 das ese factor ser 0.967 (30/31). Los meses que tienen 30 das calendarios conservarn sus respectivas medianas.
38
Ach Rowbotton A.
ndice endmico
Indicador que se emplea para establecer situaciones de normalidad o de epidemia. Su frmula viene dada por el valor central (mediana) de la morbilidad por mes de un quinquenio.
ndice epidmico
Indicador empleado para conocer la magnitud de la epidemia. Su frmula viene dada por el total de casos en un perodo divididos entre la media tricentral del perodo. La media tricentral es igual a la suma de los casos de perodos iguales en un quinquenio inmediatamente anterior del perodo en evaluacin, menos los valores mximo y mnimo dividido entre 3. ndice Epidmico = Total de casos en un perodo -------------------------------------- x 100 Media tricentral del perodo inmediatamente anterior
39
Cuadro 11 Registro Mensual de Casos de Malaria. 1984 - 1992

Ao 1984 1985 1986 1987 1988 1989 1990 1991 1992 Med Maxi Mini MdAj MxAj MiAj E 2966 3116 3247 3249 2532 3354 3840 2811 2132 3116 3840 2132 3013 3713 2062 F 2893 2466 2591 2511 2409 2836 2988 2265 1999 2511 2988 1999 2689 3200 2141 M 4342 2852 2960 2819 2628 2704 1802 1959 3561 2819 4342 1802 2726 4199 1743 A 3456 3144 2783 2873 2683 2832 2934 1839 1979 2832 3456 1839 * * * M 2563 2814 2989 3011 2323 3021 2987 1645 1957 2814 3021 1645 2721 2921 1591 J 2210 2909 2212 2871 2294 2924 2681 1640 2175 2294 2924 1640 * * * J 2268 2793 2276 3151 2628 3027 2636 2067 1759 2628 3151 1759 2541 3047 1701 A 2389 1591 2517 2414 2878 2446 3229 2490 2342 2446 3229 1591 2365 3122 1538 S 2279 2547 2175 2955 2475 3423 2432 1627 1962 2432 3423 1627 * * * O 2482 2646 2626 3266 2925 4074 2545 1841 2416 2626 4074 1841 2539 3940 1780 N 3241 2917 2915 3460 2909 4441 2690 1903 2686 2915 4441 1903 * * * D 3653 3411 2786 3171 3893 4691 2649 1910 2353 3171 4691 1910 3066 4536 1847
Alberto Ach. 1993. Una vez obtenido los valores mximos, medianas y mnimos se procede a elaborar una grfica de lneas para observar las tendencias en el tiempo (Grfico 2). Con ella se pueden delimitar las zonas de xito, seguridad, alarma y epidemia. De igual manera se puede contrastar con datos climticos (pluviosidad, humedad relativa, etc.).
40
Ach Rowbotton A.
Un segundo mtodo consiste en la determinacin de los quartiles (Q1, Q2, Q3) de un quinquenio previo al ao que se quiere comparar. Se ordena la serie de casos, correspondiente a un quinquenio o septenio, de menor a mayor. Una vez prorrateado los lmites se coteja con el ao que se quiere comparar y se elabora un grfico. Seleccionando los primeros 5 aos del Cuadro 1.
Cuadro 12
Registro Mensual de Casos de Malaria. 1984 - 1992
Ao 1984 1985 1986 1987 1988 E 2966 3116 3247 3249 2532 F 2893 2466 2591 2511 2409 M 4342 2852 2960 2819 2628 A 3456 3144 2783 2873 2683 M 2563 2814 2989 3011 2323 J 2210 2909 2212 2871 2294 J 2268 2793 2276 3151 2628 A 2389 1591 2517 2414 2878 S 2279 2547 2175 2955 2475 O 2482 2646 2626 3266 2925 N 3241 2917 2915 3460 2909 D 3653 3411 2786 3171 3893
Como ejemplo ordenamos el mes de enero de menor a mayor: 1. 2532, 2. 2966, 3. 3116, 4. 3247, 5. 3249. Como la serie es impar de 5 aos, necesitamos tan solo 3 valores de esa serie para elaborar el grfico. Para obtener la ubicacin de Q1, Q2 y Q3 para ser graficados, es necesario aplicar las frmulas de ubicacin: (n+1), (n+1) y (n+1) respectivamente, y donde n = 5 el nmero total de la serie. Para Q1 = 2.5, Q2 = 3 y Q3 = 4.5. A Q2 le corresponde automticamente el 41
valor situado en la tercera posicin (3116). Pero debemos prorratear los valores ubicados en la primera y segunda posicin (2532 y 2966) para obtener el valor nico de Q1 porque 2.5 est indicando que su ubicacin estara entre el primer y segundo valor de la serie. De manera similar, Q3 estara entre la cuarta y quinta posicin de la serie. Para resolver esta situacin, prorrateamos los valores inferiores y superiores correspondientes a cada uno con la frmula: Lmite Inferior + [(Lmite Superior Lmite Inferior) x 0.25] para Q1, y se multiplica por 0.75 para Q3. Para Q1 = 2532 + [(2966 2532) x 0.25] = 2641 Para Q3 = 3247 + [(3249 3247) x 0.75] = 3249 Entonces los tres puntos a graficar para el mes de enero correspondientes a Q1, Q2 y Q3 son 2641, 3116 y 3249 respectivamente. El tercer mtodo consiste en obtener los promedios para cada mes de la evaluacin de un quinquenio, como en este caso 1984-1988. De cada promedio se calcula la desviacin estndar (de), y con l se procede a determinar los inter-
Cuadro 13
Ao
1984 2966 1985 3116 1986 3247 1987 3249 1988 2532
valos de confianza de 95% segn la distribucin - t con la siguiente frmula: IC 95% = Media t de / n. En este caso el promedio de enero en los 5 aos es 3022.0, la desviacin estndar = 297.58, n = 5 (5 aos) y t toma el valor asignado en la Tabla t para 4 grados de libertad (n 1 en este caso) = 2.77. En consecuencia la frmula anterior quedara conformada de la siguiente manera con todos los componentes: IC 95% = 3022.0 2.77 x 297.58 / 5. Una vez resulta la ecuacin, el lmite superior = 3391.5 y lmite inferior = 2652.5. Con los 3 valores (media, lmites superior e inferior) se procede a graficar esos puntos correspondientes a enero para la conformacin de los recorridos. Un cuarto mtodo consiste en aplicar los promedios mviles para determinar la suma acumulativa de los meses respectivos de un quinquenio. Se obtiene la media o promedio mvil correspondiente a 3 meses (anterior, inmediata y posterior) en los ltimos 5 aos (n = 15). Por ejemplo, de los registros del cuadro 2, para determinar el punto a graficar para el mes de marzo se suman los registros de casos para el quinquenio correspondiente a los meses de febrero, marzo y abril y se divide por las 15 observaciones (43,410 15 = 2894). 42
Ach Rowbotton A.
Cuadro 14
F 2893 2466 2591 2511 2409
M 4342 2852 2960 2819 2628
A 3456 3144 2783 2873 2683
Luego para abril se suman los casos de marzo, abril y mayo. Para enero se suman los registros de diciembre del ao anterior junto con enero y febrero. Para diciembre, se suman noviembre, diciembre conjuntamente con enero del ao prximo. Para un mayor refinamiento se puede calcular los intervalos de confianza de 95%. Para ello se procede a calcular la media y desviacin estndar con en el primer mtodo. Como en Venezuela hay registros semanales de los casos de malaria, es preferible aplicar estos 3 procedimientos con esos datos semanales para calibrar cul de ellos es ms sensible tanto para visualizar tendencias como para el pronstico de un brote.
Eliminacin de la variacin estacional

Dado que la malaria es esencialmente una enfermedad que obedece las estaciones climticas, si existen algunas variaciones en la morbilidad entre los meses de enero a diciembre en cualquier serie de tiempo, cabe preguntar se ajusta a ciclo climtico segn las estaciones de lluvia y verano? De lo contrario, debemos eliminar la variacin artificiosa. Solemos observar en nuestros reportes epidemiolgicos un pico bimodal de la malaria en el ao. Pero corresponde a lo que podramos llamar un ao administrativo de los casos registrados de enero a diciembre. Lo adecuado es observar el registro de casos de una estacin lluviosa a otra, por ejemplo de mayo de un ao a mayo del ao subsiguiente, o de verano a verano para as poder detectar correctamente alguna variacin estacional.
Eliminacin de variaciones cclicas

El uso de las medianas mviles o promedios mviles permiten eliminar cualquier efecto artificioso de una serie de tiempo por lapsos ms prolongados. Para este propsito, primeramente se decide el perodo a observar en aos y su correspondiente nmero de casos o la incidencia por cada ao por semanas epidemiolgicas. Luego se procede a hacer agrupaciones de 5 aos. Supongamos que se quiere observar las variaciones cclicas por 10 aos, se ordena la serie y luego se agrupan los casos de un quinquenio para promediarlos y se grafica ese primer punto (2149). Posteriormente se excluyen el nmero de casos del primer ao de esa primera serie y se incluye el nmero de casos del sexto ao para as conformar otra serie de 5 aos, promedindola y graficando el segundo valor (2312), y as sucesivamente hasta llegar al ltimo grupo de 5 aos como se ve a continuacin. 43
Aos Casos 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1816 1207 4115 2355 1251 2632 1948 1703 2417 4618
Medianas/Promedios Mviles
--
---- = 2149 ----------------- = 2312
De ese modo, la curva de medianas mviles indicara de manera aproximada el comportamiento de la tendencia de esa serie a plazo largo. Para complementar, se deber calcular las desviaciones (tanto negativas como positivas) de estos puntos (2149, 2312,....) y tambin graficarlos. De esa forma, las desviaciones indicarn los efectos de factores aleatorios que se superponen a las variaciones cclicas. Una forma de minimizar la presencia de estos elementos aleatorios es calcular las medianas mviles sobre la base de agrupaciones de tres aos o media tricentral.
VII. MEDICIONES DE EFECTO Y ASOCIACIN

El objetivo de la mayora de los estudios epidemiolgicos es detectar y estimar efectos. Para comprender cabalmente los obstculos metodolgicos para lograr esos objetivos es necesario aclarar las diferencias entre efectos y asociaciones. Supongamos que queremos estimar el efecto de una exposicin sobre un riesgo. En primer lugar, si no podemos observar directamente ese efecto, en su lugar observamos la asociacin de esa exposicin con el riesgo. Esta sustitucin de una asociacin por un efecto no nos dar un buen estimativo del efecto si la asociacin que escogemos para observar no iguala el efecto que queremos estimar. Los epidemilogos emplean el trmino efecto en dos sentidos. Primero, a cualquier caso de una enfermedad que puede ser el efecto de una causa dada. Efecto aqu se emplea como el punto terminal de un mecanismo causal identificando el tipo de resultado que una causa pueda generar. En este caso por ejemplo podemos afirmar que la infeccin por VIH es el efecto de compartir agujas (por uso de estupefacientes). Pero este uso del trmino efecto identifica tan slo una de las consecuencias de las infecciones por VIH mediante un determinado tipo de actividad (compartir agujas). Pero existen otros efectos de esa exposicin, por ejemplo la hepatitis B es una posibilidad. En segundo trmino, se emplea con sentido ms particular y cuantitativo. En este caso, efecto es tambin la cantidad de variacin en la frecuencia de una enfermedad en una poblacin ocasionado por una causa especfica. Si la frecuencia 44
Ach Rowbotton A.
de la enfermedad es medida en trminos de una tasa de incidencia o proporcin, entonces el efecto sera el cambio en la tasa de incidencia a consecuencia de un factor en particular. Por ejemplo, podramos decir en el caso de los drogadictos que el efecto de compartir agujas en contra de los que no comparten agujas permite el incremento de infeccin a HIV en el orden de 0.001 a 0.01 en un ao. En epidemiologa se suele referir a las caractersticas potenciales de causalidad como exposiciones. Por lo tanto, una exposicin puede referirse a una conducta (compartir agujas), un tratamiento (educacin para la salud acerca de los peligros de emplear agujas), una caracterstica (un genotipo) o en un sentido general debido a una exposicin real en s (transfusin de sangre contaminada). Los efectos en la poblacin se expresan comnmente como tasas de incidencia o de prevalencia. Los efectos absolutos se expresan como diferencias en las tasas de incidencia o de prevalencia. Los efectos relativos los expresa como la razn de esas tasas. Comnmente en Epidemiologa, tambin los efectos los cuantificamos como el riesgo de enfermarse o de morir, y en consecuencia implica el concepto de factor de riesgo. Este trmino se usa para expresar las siguientes consideraciones segn Last. 1. Un atributo o exposicin que se asocia con una probabilidad mayor de desarrollar un resultado especfico, tal como la ocurrencia de una enfermedad; este atributo no necesariamente constituye un factor de causal. 2. Un atributo o exposicin que aumenta la probabilidad de la ocurrencia de una enfermedad u otro resultado especfico. 3. Un determinante que puede ser modificado por alguna forma de intervencin, logrando disminuir la probabilidad de una enfermedad u otro dao especfico a la salud; para evitar confusin, esta connotacin debe ser referida como factor de riesgo modificable.
Si aplicamos un programa de educacin para la salud para prevenir la malaria mediante el uso de mosquiteros y telas metlicas en la poblacin y medimos en el tiempo la proporcin de personas con malaria entre los que se adhieren al programa y ponen en prctica las medidas de proteccin versus aquellos que no aplican las medidas de proteccin y se enferman de malaria, obtendremos al final una diferencia de la tasa, o proporcin absoluta, o neta entre ambos grupos (expuestos y no expuestos) que denominamos efecto absoluto o tasa/riesgo excesivo o tasa/riesgo diferencial y ms comnmente como riesgo atribuible, y se expresa: Los trminos Riesgo Relativo y Riesgo Atribuible son dos mediciones de asociacin entre la exposicin a un determinado factor y el riego de desarrollar una enfermedad o un evento: 45
Tasa de Incidencia entre los expuestos Riesgo Relativo de Malaria = -------------------------------------------------Tasa de Incidencia entre los no expuestos 1 a) Riesgo Atribuible (en los expuestos) = Tasa de incidencia en expuestos (x 1000) Tasa de Incidencia en no expuestos (x 1000) a) b) c) d) Es una medicin de efecto absoluto de la exposicin Sirve de gua de las necesidades o beneficios individuales Con frecuencia no es generalizado Puede ser estimado slo en estudios de cohorte, mas no en estudios de casos-controles.
1 b) Porcentaje de Riesgo Atribuible (en los expuestos)

Tasa de incidencia en expuestos (x 1000) Tasa de Incidencia en no expuestos (x 1000)
----------------------------------------------------------------------------------------- x100 Tasa de incidencia en expuestos (x 1000) 2. Riesgo Relativo (en los expuestos); Razn de Tasas; Razn de Riesgos y se expresa:
Riesgo Relativo =
Tasa de Incidencia en expuestos (x 1000) --------------------------------------------------------------Tasa de Incidencia en no expuestos (x 1000)
a) b) c) d)
Suele ser empleado como medicin de fuerza etiolgica No es un buen parmetro para cuantificar impacto de salud pblica Generalizado con frecuencia Puede ser estimado con estudios de cohorte y de casos-controles
3. Mediciones de impacto en la poblacin o en salud pblica por efecto de una exposicin. Dependen de tres factores: a) La prevalencia entre los expuestos (p) b) La tasa de los expuestos (t1) c) La tasa de los no expuestos (t0) 4 a) Por lo tanto la Tasa General o Neta (TG) en la poblacin (expuestos y no expuestos) puede expresarse como: TG = t1 x p + t0 (1 p)
46
Ach Rowbotton A.
4 b) Riesgo Atribuible en la Poblacin: es considerado como una medicin del efecto (hipottico) que se generara sobre la tasa en la poblacin con la eliminacin o neutralizacin del factor de exposicin, y se expresa: Riesgo Atribuible x Prevalencia de la exposicin o (t1 t0) p
Tasa General Tasa en los no expuestos o TG to Tasa de Incidencia en la poblacin total Tasa de Incidencia en los no expuestos --------------------------------------------------------------------Tasa de Incidencia en la poblacin general
4 c) Porcentaje de Riesgo Atribuible en la Poblacin o Fraccin Etiolgica:

Tasa de Incidencia en la poblacin total Tasa de Incidencia en los no expuestos
------------------------------------------------------------------- x 100 Tasa de Incidencia en la poblacin general
Alternativamente podemos emplear las siguientes frmulas con datos de los estudios observacionales para efectuar los clculos respectivos (Estudio de Cohorte) p (RR 1) ------------------ x 100 p (RR 1) + 1 p (OR 1) ------------------ x 100 p (OR 1) + 1
(Estudio de Casos-Controles)
Clculo de las Medidas de Riesgo

Relacin entre casos de malaria tipo de actividad econmica de los habitantes de la localidad X, 2006.
Cuadro 15
Casos de Malaria Caracterstica Agricultor Otros trabajadores Total S 202 81 283 No 2014 2811 4825 Total 2216 2892 5108
47
Tasa de Incidencia en Expuestos = 202/2216 = 91.15 Tasa de Incidencia en No Expuestos = 81/2892 = 28.00 Riesgo Relativo = 91.15/28.00 = 3.25 Riesgo Atribuible (en expuestos) = 91.15 28.00 = 63.15
% de Riesgo Atribuible (en expuestos) =
91.15 28.00 ------------------ x 100 = 69.28% 91.15
0.434* (3.25 1) % de Riesgo Atribuible (en la poblacin) = ---------------------------- x 100 = 49.4% 1 + 0.434 (3.25 1) Donde * = P = 2218/5108 = 0.434 El % de Riesgo Atribuible, es un indicador de riesgo que expresa el porcentaje o proporcin de enfermedad en la poblacin bajo vigilancia o estudio que es atribuida al factor en cuestin, de tal manera que esa proporcin de riesgo debe desaparecer una vez eliminada o intervenida dicho factor. Veamos un ejemplo: En una comunidad minera donde 70% de las personas viven cerca de criaderos (poblacin expuesta). Calculamos el RR y luego el %RA. RR en personas que viven cerca = de criaderos IPA de personas que viven < 300m de criaderos -----------------------------------------------------------IPA de personas que viven > 300m de criaderos
RR en personas que viven cerca de criaderos = 18.6/1.3 = 14.3 p (RR 1) Para %RA = ------------------ x 100 p (RR 1) + 1 0.7 (14.3 1) ------------------ x 100 = 90.3% 0.7 (14.3 1) + 1
%RA =
48
Ach Rowbotton A.
Es decir, 90.3% de la incidencia malrica en esta comunidad, asumiendo que sea un factor causal, es debida a la condicin de vivir cerca de los criaderos. Por lo tanto, la eliminacin de los criaderos puede producir una disminucin de hasta 90.3% de la incidencia de la malaria.
VIII. CHI CUADRADO, NDICE DE KAPPA y AUMENTO O DESCENSO PORCENTUAL

Chi Cuadrado con correccin de Yates El Chi cuadrado se emplea para determinar el grado de asociacin entre dos categoras
contrastadas.
(|ad-bc| - N/2)2 N 2 = -----------------------------------(a+b) (c+d) (a+c) (b+d)
Donde N = a + b + c + d, y los signos | | indican valores absolutos Ejemplo:
Cuadro 16
Esplenomegalia + 21 (a) 37 (c) 58 (a+c) 59 (b) 63 (d) 122 (b+d) Total 80 (a+b) 100 (c+d) 180 (N)
rea A B Total
(|21 x 63 - 59 x 37| - 180/2)2 x 180 2 = ---------------------------------------------------- = 1.885 80 x 100 x 58 x 122 1.885 < 3.841 por lo tanto el resultado no es significativo. Para que sea significativo el valor de 2 debe ser de 3.84. Cuando es necesario emplear tablas de 2 x 3 2 x 4 se emplea la frmula tradicional de Pearson sin la correccin de continuidad de Yates: (Observado Esperado)2 2 = --------------------------------------Esperado
49
ndice de Kappa
Este ndice es til para hacer estudios de la confiabilidad o concordancia entre observadores (en este caso dos microscopistas), o entre un mismo observador en dos tiempos distintos. Su uso est reservada para variables cualitativas o categricas. Si son cuantitativas continuas habitualmente emplearamos el coeficiente de correlacin. Frmula del ndice de Kappa K = Po Pe/1 - Pe Donde: Po = proporcin de concordancias observadas Frmula de Po = a + d/a + b + c + d Pe = proporcin de concordancia esperadas Frmula de Pe = [(a+b) (a+c)] + [(c+d) (b+d)] / N2 Veamos el siguiente ejemplo para evaluar la concordancia en la lectura de lminas para la investigacin de hemozoarios entre 2 microscopistas
Cuadro 17
Microscopista 2
Microscopista 1 Positivo Negativo Total Positivo 18 (a) 2 (c) 20 Negativo 12 (b) 88 (d) 100 Total 30 90 120 (N)
El valor de Kappa obtenido para estos microscopistas es de 0.66 (66%) y es considerada como una buena fuerza de concordancia
Cuadro 18
Valor de Kappa < 0.20 0.21 0.40 0.41 0.60 0.61 0.80 0.81 1.00 Fuerza de concordancia Pobre Dbil Moderada Buena Muy Buena
50
Ach Rowbotton A.
Aumento o descenso porcentual
Este clculo se aplica tanto a las cifras absolutas como a las relativas (tasas, coeficientes, ndices, etc.) y se obtiene de la manera siguiente: Sean dos valores, en que A es mayor que B, entonces (A B) Aumento porcentual de A con relacin a B = -----------x 100 B (B A) Descenso porcentual de B con relacin a A = ---------- x 100 A
Ejemplo: Si A = 80 y B = 50 Cul es el aumento porcentual de 80 casos de malaria durante la semana epidemiolgica 30 con relacin a 50 casos registrados durante la semana epidemiolgica 29? Resultado = (80 50) ----------- x 100 = 60% 50
Cul es el descenso porcentual de la morbilidad malrica que durante la semana epidemiolgica 18 fue de 50 casos en comparacin con el registro de 80 casos durante la semana epidemiolgica 17? Resultado = (50 80) ----------- x 100 = - 37.5% 80
El signo negativo es indicativo del descenso registrado de una semana epidemiolgica con relacin a la otra.
51
IX. AJUSTANDO UNA LNEA DE TENDENCIA/LNEA DE REGRESIN Cuando los valores de un ndice siguen una tendencia que es ms o menos constante en el alza o la baja, se puede ajustar una lnea recta para describir la inclinacin de los valores observados. Al ajustar la lnea, podemos visualizar la tendencia de una tasa promediada. Como primer paso, es aconsejable hacer un diagrama de dispersin para detectar la posible ubicacin de la lnea entre los puntos a simple vista. Este tipo de lnea recta suele llamarse lnea de regresin, donde y es la variable que responde (variable dependiente) y x es la variable explicativa (variable independiente). De manera que se llama una constante o intercepta y el coeficiente de regresin o pendiente. La forma cuantitativa de captar la relacin entre x y y buscando una forma de regresin de x y y se llama anlisis de regresin. Si se adopta el mtodo de los mnimos cuadrados, entonces o la intercepta representa la media predecible de la variable dependiente y cuando la variable x es igual a cero. Sin embargo, la cantidad ms importante viene dada por la pendiente, que se interpretar como el cambio promediado estimado en la variable dependiente y por cada cambio de unidad en la variable independiente x. Veamos un ejemplo de una investigacin realizada en el estado Monagas, para cuantificar el efecto de las plantas de Eucaliptus sobre la presencia de larvas de An. darlingi en una muestra de veinte criaderos demarcados en el rea de estudio como se observa en el siguiente cuadro.
Cuadro 19
Metros de Eucaliptus sembrados Promedio de larvas de An. darlingi en los criaderos 8.0 4.62 4.50 4.43 4.81 8.5 4.12 3.88 4.01 3.67 9.0 3.21 3.05 3.16 3.30 9.5 2.86 2.53 2.71 2.62 10 1.83 2.02 2.24 1.95
Primeramente se obtienen los valores de y para luego calcular la lnea de regresin: y = + x. Pasos a seguir: 1. Obtener promedios de x y y de los datos. x = (8.0 + 8.5 + 9.0 + 9.5 +10) x 4 / 20 = 9.00 y = (4.62 + 4.50 + . . . + 2.24 + 1.95) / 20 = 3.276 2. Sumas de cuadrados y productos cruzados alrededor de la media.
52
Ach Rowbotton A.
Calcule S(xx) y S(xy). i) S (xx) = xi2 - (xi)2 / n a) xi2 = [(8.0)2 x 4 + + (10)2 x 4] = 1.630 b) (xi)2/n = [(8.0 x 4 + ....+ 10 x 4)]2 = 1802/20 = 1.620 x2 (x)2 / n = 1.630 1.620 = 10.0 ii) S (xy) = xiyi (xi) (yi) / n donde: xiyi = [(8.0 4.62) + ....+ (9.5 2.86)+....+ (10.0 1.95)] = 576.88 (xi) = [(8.0 x 4 + ....+ 10 x 4) = 180 (yi) = (4.62 + 4.50 + + 2.24 + 1.95) = 65.52 S (xy) = xiyi [(xi) (yi)] / n = 576.88 [180 65.52] /20 = - 12.8 3. Se obtienen y . = S(xy)/S(xx) y = y - x Entonces: = - 12.8 / 10.0 = - 1.28 y = 3.276 (- 1.28) 9.00 = 14.80 Finalmente la lnea de regresin simple es y = + x y = 14.80 1.28x. Observamos que es negativo, indicando una tendencia hacia la baja o disminucin de y. Es decir, por cada metro aumentado con plantas de Eucaliptus, los criaderos disminuyen en promedio1.28 larvas. No es aconsejable hacer inferencias ms all del rango de la lnea de regresin. Tambin debe tenerse presente que el hecho de ajustar una lnea a un diagrama de dispersin no significa necesariamente una relacin asociativa.
X. ESTANDARIZACIN
Al hacer comparaciones entre dos comunidades empleando tasas, es necesario tomar en cuenta que puede haber diferencias entre ellas por razones de la estructura poblacional atribuido a los grupos de edad dismiles. Esto puede sesgar cualquier hiptesis etiolgica de una investigacin epidemiolgica si los factores a estudiar son genticos, dietticos, ambientales o psicosociales. No se estara haciendo comparaciones equitativas e introduce sesgos de confusin. Este es el caso entre las localidades de Las Majadas y El Mcaro (Cuadro A). Las Majadas posee una estructura poblacional ms joven que El Mcaro: 74% de esa poblacin se encuentra entre los grupos de edad de 0 a 44 aos, mientras que 72% de la poblacin de El Mcaro est entre 45 a mayores de 75 aos. Obviamente esto crea una distorsin en las tasas de mortalidad general: 11 para Las Majadas contra 23.8 para El Mcaro. Para corregir esta situacin se hace necesario aplicar un procedimiento de estandarizacin.
53
Dicha estandarizacin puede ser de forma directa o indirecta. Para realizar una estandarizacin directa se necesita contar con una poblacin referencial estndar, obtenida mediante los censos nacionales, donde la estructura de los grupos de edad se aproxima a lo que sera normal para un municipio o estado en donde se hacen las comparaciones de las localidades. Con base en esa poblacin estndar, se aplican las tasas de mortalidad de cada localidad generando unas muertes esperadas, es decir las muertes que existiran si las estructuras de esas poblaciones tuviesen la estructura de los grupos de edad de la poblacin estndar. En total, seran 235 y 201.5 para Las Majadas y El Mcaro respectivamente como se observa en el Cuadro B. Esas muertes esperadas se dividen entre la poblacin total (12.000) de la poblacin estndar para generar las nuevas tasas de 19.6 para Las Majadas y 16.8 para El Mcaro. De esta manera se evidencia que la tasa de mortalidad es mayor en Las Majadas y no en El Mcaro como se haba observado al principio. Para realizar la estandarizacin indirecta se obtienen los mismos resultados, pero empleando tasas de mortalidad estndar referenciales que tambin se obtienen de registros actuariales (Cuadro C). A estas tasas de mortalidad estndar referenciales le aplicamos las poblaciones de los grupos de edad de cada localidad para generar muertes esperadas. Es decir un nmero de muertes que esperaramos si cada localidad tuviesen tasas de mortalidad correspondientes para esos grupos de edad. Una vez obtenidas las muertes esperadas establecemos las Razones de Mortalidad Estndar (RME) mediante la divisin de las muertes observadas entre las muertes esperadas. En el caso de Las Majadas esa RME = 67/62.5 = 1.072, y para El Mcaro esa RME = 145/159.4 = 0.910. Luego, ambas razones se multiplican por la tasa de mortalidad global estndar, 18.5. Tenemos entonces: 18.5/1000 x 1.072 = 19.8/1000 para Las Majadas y 18.5/1000 x 0.910 = 16.8/1000 para El Mcaro. El ajuste de las tasas para ambas localidades brinda resultados similares y ambos mtodos corrigen las distorsiones de las estructuras poblacionales ocasionadas por poseer una composicin de grupos de edad dismiles.
54
Ach Rowbotton A.
Cuadro A.
Grupo Edad 0-14 15-29 30-44 45-59 60-74 75 Total Las Majadas Poblacin 500 2000 2000 1000 500 100 6100 N Muertes 2 8 12 10 20 15 67
Cuadro 20
El Mcaro Muertes/ 1000 4 4 6 10 40 150 11.0 Poblacin 400 300 1000 2000 2000 400 6100 N Muertes 1 10 5 18 70 50 145 Muertes/ 1000 2.5 3.3 5 9 35 125 23.8
Tomado de Kramer, M.S y modificado por Alberto Ach.
Cuadro B.
Grupo Edad 0-14 15-29 30-44 45-59 60-74 75 Total Poblacin Estndar 500 2500 3000 3000 2500 500 12000 Muertes/ 1000 4 4 6 10 40 150 19.6
Cuadro 21
Las Majadas Muertes Esperadas 2 10 18 30 100 75 235 Muertes/ 1000 2.5 3.3 5 9 35 125 16.8 El Mcaro Muertes Esperadas 1.25 8.25 15 27 87.5 62.5 201.5
Cuadro C.
Las Majadas Grupo Edad Muertes/ 1000 Poblacin Estndar 3 4 5 10 38 140 18.5 Poblacin 500 2000 2000 1000 500 100 6100
Cuadro 22
El Mcaro Muertes Muertes Poblacin Esp. Obs. 1.5 8 10 10 19 14 62.5 2 8 12 10 20 15 67 400 300 1000 2000 2000 400 6100 Muertes Esp. 1.2 1.2 5 20 76 56 159.4 Muertes Obs. 1 1 5 18 70 50 145
0-10 15-29 30-44 45-59 60-74 Total
55
XI. PREDICCIN DE BROTES
Es posible pronosticar un brote eventual o situacin anmala de la malaria a nivel local. El mtodo utilizado por Cullen consiste en emplear la media mensual del nmero de casos de malaria sumado a dos veces la desviacin estndar de la correspondiente media mensual. Se asume que 95% de todos los casos normalmente registrados mensualmente estaran dentro de los lmites de 2 desviaciones estndar de la correspondiente media mensual registrada. Por lo tanto, esto implica que 97.5% de todos los casos normales en un mes estarn por debajo del rango de la media mensual ms 2 desviaciones estndar. Cualquier registro mensual que sobrepase este rango es seal del comienzo de un posible brote. Este mtodo es mucho ms sensible cuando se emplean los registros de casos por semanas epidemiolgicas. Enumeremos los pasos a seguir: 1. Conformar un cuadro con los registros de casos mensuales o semanales y por aos. Puede cuantificarse varios aos como datos base (por ejemplo, un quinquenio o septenio) y cuyos valores se pueden comparar con los registros actuales para tener una indicacin de la proximidad de una situacin de alarma. Veamos los datos de dos reas, municipios A y B, en los cuales fue posible prevenir unos brotes y tomar medidas a tiempo para conjugar dos situaciones de malaria epidmica en un tiempo menor. 2. Calcular las medias y desviaciones estndar correspondientes a cada mes o semana por los grupos de aos. Luego establecer el clculo de la media ms 2 veces la desviacin estndar para cada mes o semana. 3. Establecer lo que es normal y anormal para el rea o municipio en cuestin. Observar las variaciones estacionales para poder llegar a una conclusin. 4. Graficar la media mensual o semanal y la media + 2 desviaciones estndar para un nmero de aos sucesivos. 5. Computar la t de Student para los meses de alarma y tener su valor de significancia.
En el ejemplo dado de rea A (Cuadro No. 3), se aprecia el registro de casos mensuales entre los aos 1973 a1976 que conforman los datos base y se consideran como tendencias normales. Se obtienen las medias, desviaciones estndar y la media ms 2 desv. est., que permiti detectar la aparicin de una onda epidmica en enero de 1977. para ese mes, la media esperada era de 15.8 (desv. est. = 7.9). Con el registro de 48 casos, representa 4 veces la desviacin estndar ms la media establecida para ese mes. Al superar al lmite fijado de la media ms 2 desviaciones estndar mensual, se pudo movilizar recursos a tiempo y contener la situacin en un tiempo relativamente corto. De persistir 56
Ach Rowbotton A.
algunas dudas en torno a los valores de enero, porque podra tratarse de una falsa alarma si los casos son importados, basta examinar los meses siguientes para tener bien claro lo que est sucediendo. Por ejemplo, ya en abril se registra un valor que es 3.5 veces la d. est. + la media. Es muy probable que ya para ese mes la clasificacin de los casos sea distinta y el anlisis indicara la verdadera situacin. Ahora, si examinamos la totalidad de los casos de enero y de abril, observamos que se hallan entre t0.975 y t0.99, con significancia para la toma de decisiones. En el rea B (Cuadro 4), los datos base corresponden a los aos 1973 y 1978, considerndose como tendencias normales y los registros ms recientes van desde 1979 a 1981. Aqu tambin se detect un pico epidmico en febrero de 1979, cuando se registr 14 casos (4.75 veces la d.e. + media). Valores que representan una amplia evidencia de un brote en ciernes. El nmero de casos de febrero y marzo de 1979 son altamente significativos, exceden el nivel de t0.995 y confirmando la sospecha del inicio de un brote.
Cuadro 23
Alberto Ach. 1996.
57
Cuadro 24
Alberto Ach. 1996.
Grfico 3
58
Ach Rowbotton A.
Grfico 4
Alternativamente se puede utilizar los recorridos de los canales endmicos para advertir el potencial de un brote. Empleando los registros de casos semanales para la confeccin de los mismos, es necesario estar atento cuando el nmero de casos semanales se aproxima al tercer cuartel (Q3). En eso caso estara denotando la posibilidad de un brote. Tambin es til emplear el ndice Epidmico, mediante el registro de los casos por semana epidemiolgica, para detectar la potencialidad de un brote. Otra posibilidad es utilizar comparativamente las tasas de ataque en nios menores de 5 aos y el resto de la poblacin durante 8 semanas epidemiolgicas para advertir un posible brote. En la medida que la tasa de ataque de los < de 5 aos se acerque al resto de la poblacin estaramos en presencia de un brote.
59
Grfico 5
Por ltimo, el mtodo de los promedios mviles en un quinquenio + 2 desviaciones estndar o mtodo de las sumas acumuladas es una aplicacin bien robusta para la deteccin temprana de brotes. En el siguiente cuadro observamos el nmero de casos registrados entre las semanas epidemiolgicas 1 al 6 durante el quinquenio 2001 2005. Ao 2001 2002 2003 2004 2005 SUMA S1 1609 1214 1198 2597 2941 9559 S2 2235 1322 1099 2219 2449 9324 S3 2035 1784 2010 2988 2619 11436 S4 1597 1880 1411 2977 2462 10327 S5 4927 1863 1449 5276 2973 16488 S6 2442 1958 2018 3534 2200 12152
Suma Acumulada para la Semana 2 = S1+S2+S3/15 = (9559 + 9324 + 11436)/15 = 2021. Luego se procede al clculo de la desviacin estndar de la misma manera como el mtodo de Cullen empleando como promedio 2021. Luego ese promedio + 2 desviacin estndar = 3264. Ahora se procede a graficar de la misma manera como el mtodo de Cullen. Para el clculo de la semana epidemiolgica 1 se incluira los registros de la semana 52 para los aos 2000-2004. De igual manera para el clculo de la semana 52 del ao 2005, se incluira el registro de la primera semana de 2006 para obtener la suma de las primeras semanas de los aos 2002-2006. 60
Ach Rowbotton A.
XII. ESTRATIFICACIN DE MALARIA
La malaria es una enfermedad focalizada cuya distribucin es considerablemente amplia. El mismo grado de reduccin de la enfermedad no se puede lograr simultneamente en un territorio nacional o estatal debido a limitaciones administrativas, operacionales, financieras, tcnicas y por situaciones epidemiolgicas heterogneas. Por lo tanto, se debe implementar la estratificacin para reducir y simplificar un problema complejo, facilitando su comprensin para la formulacin de soluciones. Muchos factores contribuyen a la epidemiologa de la malaria y de ser posible, identificar algunos patrones regulares dentro de esa heterogeneidad (distribucin y prevalencia de los distintos plasmodios, distribucin de vectores, intensidad de la transmisin, caractersticas ecolgicas, demogrficas y climticas que no son uniformes en un rea determinada), posibilita la relimitacin de regiones, poblaciones o situaciones epidemiolgicas que exhiban semejanzas relativas con base en ciertas caractersticas especficas. La estratificacin de la malaria se lleva a cabo mediante unos procesos de anlisis y sntesis de la informacin epidemiolgica disponible. Es un proceso dinmico, sujeto a revisiones peridicas, que abarca la recopilacin de informacin, la aplicacin de una metodologa y la obtencin de un producto final. Comprende 5 etapas fundamentales: 1. Recoleccin de datos: de todas las actividades epidemiolgicas tanto mdicas tanto de control vectorial: IPA, IAES, ILP, adems de otras tasas, ndices y razones; incidencias por especies; distribucin de vectores; actividades antimalricas: cobertura y actividades de control vectorial especiales como por ejemplo la lucha antilarvaria o la manipulacin ecolgica. Observar mediante grficos de tendencias el comportamiento de la incidencia en el tiempo entre los aos con registros a nivel de epidemia o endemia. Tomar en cuenta las actividades socioeconmicas, como los movimientos poblacionales. 2. Procesamiento de datos: para cada criterio de inters: informacin proveniente de encuestas malricas; IPA de los municipios o localidades; resultados de intervenciones antimalricas; prevalencia de casos resistentes a medicamentos; impacto de las medidas de control sobre la incidencia; tasa de repunte de la malaria en un rea o municipio en particular; porcentajes de los tipos de tratamientos suministrados y consumidos a la poblacin; porcentaje de cobertura de visitas a casas; as como los rociamientos intramurales y rociamientos espaciales (nebulizaciones); incidencias por especies parasitarias; frmulas parasitarias; y resultados de los estudios entomolgicos. La informacin puede ser procesada de acuerdo a los criterios de estratificacin imperantes: epidemiolgicos, operacionales y socioeconmicos y cuya flexibilidad de tiempo puede ser por semana, mes o ao.
61
3.
Agrupacin de los datos: segn las caractersticas y criterios, para la formacin de matrices o estratos que pueden tener como unidades bsicas caseros, demarcaciones, municipios o conglomerados de estos elementos. Fundamentalmente se debe confeccionar mapas de distintos colores para sealar una matriz en particular: reas fluviales, reas mineras, concentraciones demogrficas con determinadas actividades comerciales o agrcolas que conformaran regiones con potencial malariognica; regiones con resistencia de medicamentos; reas de alta movilidad poblacional; niveles de hipoendemicidad o mesoendemicidad; agrupaciones de zonas segn los ciclos de rociamientos cumplidos: < 10 ciclos, < 20 ciclos, > 20 ciclos; reas menos accesibles/ms accesibles. Tambin se debe contar con la debida informacin geogrfica y demogrfica. Los mapas confeccionados pueden tener diversos elementos superpuestos en un rea determinada. De acuerdo a la complejidad de la situacin observada, se debe proceder a una estratificacin ms detallada (subestratificacin) para as simplificar ms la diversidad epidemiolgica
4. Interpretacin de los datos: en una primera fase se debe proceder a un anlisis retrospectivo para tener un mejor conocimiento de los que aconteca previamente. Tambin, se debe presentar cuadros descriptivos o de sntesis, as como de mapas condensados. En los posible, hacer un anlisis comparativo de la situacin anterior con la nueva en proceso de estratificacin. En una segunda fase se debe aplicar procedimientos estadsticos sencillos, que incluira la determinacin de medidas de dispersin, correlacin y regresin; luego, un anlisis multivariado y por ultimo, un anlisis exploratorio de datos. Finalmente, se puede avanzar a procedimientos matemticos ms complejos tales como la clasificacin terica de la informacin, el anlisis probabilstico de distribuciones y modelajes matemticos. 5. Estratificacin de reas: relimitacin grfica de estratos o reas; agrupaciones de diversos indicadores, as como agrupaciones administrativas; cronogramas de actividades a ejecutar segn los recursos disponibles y de volmenes de trabajos necesarios para el logro de los propsitos. Es necesario fijar objetivos claros, programables y realizables para atender a los estratos. Fijar objetivos especficos par un perodo que podra extenderse entre 2 3 aos.
Estratificacin Epidemiolgica de Riesgo de Malaria

Ms recientemente el concepto de riesgo epidemiolgico ha sido incorporado en el esquema de estratificacin, lo cual sirve como base para el diagnstico situacional y la toma de decisiones sobre las estrategias de intervencin. Esta estratificacin epidemiolgica de la malaria se define como un proceso dinmico y continuo que involucra investigacin, diagnstico, anlisis y la interpretacin de informacin que sirve como base para la comprensin y clasificacin metodolgica de reas geo-ecolgicas y grupos humanos de acuerdo a los factores de riesgo para la malaria. 62
Ach Rowbotton A.
Un estrato de riesgo es un agregado de individuos y grupos sociales, ubicados en reas geogrficas bien definidas, que comparten una jerarqua similar de factores de riesgo. En consecuencia, las medidas de intervencin para su modificacin son similares dentro de cada estrato. La caracterstica principal de esta estrategia es el estudio epidemiolgico que se lleva a cabo sobre determinados individuos y grupos sociales de los factores de riesgo que son responsables por la incidencia de la malaria a nivel local. La comprensin del perfil de los factores de riesgo a nivel local, tales como la iniquidad social, permite una mejor seleccin de medidas de prevencin y control, dada que la naturaleza de la transmisin focalizada de la malaria es un proceso complejo y dinmico que contribuye a la configuracin especfica de la morbilidad y la mortalidad y su correspondiente perfil de riesgo. Bases tericas para la estratificacin epidemiolgica de la malaria A. La necesidad de reconocer las grandes iniquidades sociales existentes en la distribucin del riesgo de enfermarse y morir de malaria. Los factores sociales juegan un rol importante en la transmisin de malaria. En Venezuela, los municipios con mayores necesidades bsicas insatisfechas son los que exhiben las mayores tasas de enfermedad.
B. La transmisin de malaria es un proceso focalizado que es complejo y dinmico. La frecuencia y distribucin de la malaria depende de una combinacin de varios factores de riesgo, que a nivel local, contribuyen a la configuracin especfica la morbi-mortalidad de la malaria y los perfiles de riesgo. C. La metodologa epidemiolgica es flexible que permite su ajuste a las diferentes situaciones socio-epidemiolgicas y eco-geografas especficas. D. La caracterizacin de factores de riesgo para la estratificacin de la malaria necesariamente involucra dimensiones socio-econmicas y ecolgicas, al igual que los aspectos organizacionales de los servicios de salud. La metodologa tiene importantes ventajas en la estratificacin de la malaria por varias razones, y quizs una de las ms importantes es que en cada estrato de riesgo confronta la especificidad de los procesos de la transmisin y los factores de riesgo involucrados. Tambin aporta informacin bsica para la seleccin apropiada de los mtodos de intervencin.
63
Mtodos para la estratificacin epidemiolgica de riesgo La estratificacin es un proceso integral de diagnstico-intervencin-evaluacin que optimiza el proceso de la toma de decisiones. Puede resumirse en los siguientes pasos: 1. Estudio de la Incidencia Parasitaria Anual (IPA) y sus tendencias seculares en aos recientes para identificar reas prioritarias. 2. Identificacin y cuantificacin de los factores de riesgo de la malaria segn reas prioritarias o localidades empleando la metodologa epidemiolgica de riesgo. 3. Determinacin epidemiolgica de los estratos malricos de riesgo segn una clasificacin por los factores de riesgo ms importantes. 4. Seleccin de las intervenciones con el objetivo de reducir o eliminar los factores de riesgo ms importantes segn cada estrato. 5. Incorporacin de los servicios de salud para la implementacin de las acciones con base en la metodologa de estratificacin epidemiolgica de riesgo. 6. Identificacin de la estructura, proceso, e indicadores de impacto, para la evaluacin de los efectos generados por las intervenciones. 7. Ejecucin de intervenciones especficas destinadas a reducir o eliminar cada factor de riesgo. 8. Cuantificacin de: a) Reduccin del riesgo de enfermarse o morir de malaria. Los indicadores son las tasas especficas de incidencia y mortalidad. b) Cambios en los factores de riesgo, cuantificados con base en el riesgo relativo el porcentaje de riesgo atribuible en la poblacin. c) Evaluacin de cada intervencin de acuerdo a los indicadores de estructura, proceso e impacto. d) Monitoreo y ajuste del proceso en todas sus etapas. Bajo esta estrategia y en el contexto de la malaria, un factor de riesgo se define como cualquier variable o conjunto de variables que estn involucrados en la incidencia de la malaria. Tambin puede definirse como cualquier caracterstica, atributo, condicin o circunstancia que incrementa la probabilidad de la aparicin de casos, o la mortalidad, por malaria en cualquier momento. Identificacin de reas prioritarias Al estudiar las IPAs y sus tendencias seculares en aos recientes, ser posible identificar las reas donde las intervenciones antimalricas no han tenido xito. Con observar estas tendencias quedar al descubierto la magnitud de la transmisin incrementada o disminuida segn el caso. Puede emplearse unos valores arbitrarios para denotar reas de baja, mediana o alta transmisin.
64
Ach Rowbotton A.
XIII. MUESTREO
El tamao de una muestra requerida para un estudio de prevalencia, es decir, para realizar una encuesta a nivel local, depender de la precisin deseada y el nivel de prevalencia de la enfermedad. Si por ejemplo la malaria tiene una incidencia o prevalencia de alrededor de 10 por 1000 (de no existir cifras basta un estimativo en el peor de los casos), entonces de una muestra de 100 personas escogidas al azar, se esperara encontrar slo 1 caso de malaria, con buenas probabilidades de encontrar ninguno. Por lo tanto, con esa muestra tan pequea es improbable cuantificar acertadamente la prevalencia de la enfermedad. Si la muestra se agranda a 1000 personas, se esperara hallar 10 casos. Para otras enfermedades tan comunes como las helmintiasis, por ejemplo con una prevalencia de 30%, bastara una muestra de 100 a 200 personas para obtener la necesaria precisin de la tasa de prevalencia en la poblacin, prescindiendo de un tamao muestral tan grande de 1000 personas. Si la muestra se selecciona correctamente, cuanto ms grande sea, mayor exactitud tendrn los estimativos de la verdadera prevalencia en la comunidad de donde se obtuvo. Por lo tanto, en un estudio de prevalencia, el tamao muestral representa la mnima cantidad de sujetos requeridos para dar un estimativo de la prevalencia con el grado de precisin deseado. Veamos un ejemplo con los datos del Cuadro 5. Si se sospecha que la incidencia o prevalencia de la malaria se ubica entre 20 y 40% en la poblacin, y si una encuesta parasitolgica tiene buenas probabilidades de estimar la incidencia o prevalencia en esa poblacin con un margen de error de 5% de su valor real, entonces ser necesario examinar por lo menos 369 personas. Si al concluir el estudio y la prevalencia resulta ser de 32.5%, entonces la verdadera prevalencia en esa poblacin estara entre 27.5 y 37.5% (32.5 +/- 5%).
65
Cuadro 25
Tamao de muestra mnimo para un estudio de prevalencia segn la tasa de prevalencia esperada. Margen de error de muestreo tolerado(%)2 1 0.5 1 2 5 10 15 1.522 381 2.5 3.746 937 235 -
Tasa mxima de prevalencia esperada (%)1
5 7.300 1.825 457 73 -
10 13.800 3.458 865 139 35 -
20 6.147 1.537 246 62 28
30 8.068 2.017 323 81 36
40 9.220 2.305 369 93 41
50 9.604 2.401 385 97 43
1. Siempre escoge la mayor tasa de prevalencia esperada. Si la tasa es mayor de 50% use 100 - la tasa esperada > 50%. 2. Esto representa el intervalo de confianza de 95%. Por ejemplo, si la verdadera prevalencia fuese de 10% y escogiramos una muestra de 139 personas, tendramos una certeza de 95% que la prevalencia detectada por la muestra detendra un error entre 5 a 15% (es decir 10 +/- 5%). En general, no deber aceptarse mrgenes de error de mayores de 5%. Tomado de Swaroop, S y traducido por Alberto Ach.
De no contar con el Cuadro 5, se podra calcular el tamao de la muestra con la siguiente frmula: pq N= -----------------------(E/1.96)2 Donde: N = tamao mnimo de la muestra. p = mxima tasa de prevalencia esperada. q = 100 p. E = margen de error de muestreo tolerado. Por ejemplo, si p = 40; q = 60; E = 5, tenemos: (40x60) N= ------------------------------------ = 369 personas (5/1.96)2 66
Ach Rowbotton A.
XIV. DETERMINACIN DEL UMBRAL CLNICO

Cmo determinamos el umbral clnico de la malaria? Definimos el umbral clnico como el nivel de la parasitemia por encima del cual la probabilidad de que los sntomas son causados por la malaria es mayor a la probabilidad de que los sntomas son generados por otra enfermedad. Para ello debemos utilizar mtodos estadsticos para tratar de distinguir entre la fiebre atribuida a la malaria de otras fiebres. El mejor mtodo es la fraccin atribuible que permite calcular el nmero de fiebres atribuibles a la malaria de acuerdo a los diferentes niveles de parasitemia. Fraccin Atribuible: Tomando en cuenta todos los casos de fiebre, es la proporcin atribuible a malaria. En los pacientes febriles cuyas gotas gruesas resultan positivas para malaria, solamente una proporcin de ellos son atribuibles a la malaria y el resto a otras patologas. En pacientes febriles con gotas gruesas negativas, es improbable que tengan malaria. De tal manera, asumimos que en este grupo afebril no hay enfermos atribuibles a la malaria.
Cuadro 26
Fiebre S S Parsitos No Parasitado y con fiebre No parasitado y con fiebre No Parasitado y sin fiebre No parasitado y sin fiebre
Cmo calculamos la fraccin atribuible a malaria? Primero asumimos que la proporcin de febriles entre los parasitados es fp y la proporcin de febriles sin parsitos es fp0. Entonces, entre los parasitados con fiebre ocasionados por la malaria, la proporcin de fiebres atribuidas a la malaria vendra expresada por el riesgo atribuible: (fp f p0)/fp
67
Adems, si denominamos p como la proporcin de casos de fiebre con parsitos, entonces las fiebres atribuidas a la malaria en todos los pacientes con fiebre sera la fraccin atribuible (FA) expresados como: FA = p(fp fp0)/fp Veamos un ejemplo que proviene de un estudio poblacional de nios realizado en Gambia por Alfonso en 1993.
Cuadro 27
S Parsitos S No Total 41 33 74 Fiebre No 86 247 333 Total 127 280 407
Entre los nios parasitados con fiebre tenemos 41/127 x 100 = 32%, y entre los nios no parasitados con fiebre 33/280 x 100 = 11%. Estas cifras indican que fp = 0.32 (32%) y fp0 = 0.11 (11%). Ahora, entre los nios con parsitos y fiebre, la proporcin de fiebres atribuibles a la malaria es: (fp f p0)/fp = (0.32 0.11)/0.32 = 0.63 Esto significa que 63% de los nios febriles con parsitos se presumen enfermos de malaria y probablemente 27% de las fiebres es causado por otras patologas. La proporcin p de casos de fiebre que tienen malaria es 41/74 = 0.55 Y la probabilidad global de que la fiebre es causada por la malaria (o fraccin atribuida a ella) sera: FA = 0.55 x 0.63 = 0.35 Esto significa que probablemente tan solo 35% de todas las fiebres son atribuidas a a la malaria.
68
Ach Rowbotton A.
XV. ANLISIS DE UN SERVICIO DE MALARIA
Fue el economista y mdico ingls William Perry, en el siglo 17, quien dej en claro la nocin de la enfermedad como carga econmica y el valor de las posibles ganancias en productividad por la reduccin de la morbimortalidad. Si bien los efectos econmicos globales por las enfermedades tropicales no son del todo conocido, desde esa poca hasta el presente se han confirmado dos grandes mtodos para evaluar la reduccin de los niveles de las enfermedades, a saber: el mtodo del capital humano, expresado por las ganancias potenciales en la productividad; y por el abordaje de la demanda del consumidor, es decir, basado en el comportamiento de los consumidores quienes demandan servicios preventivos o curativos. La evaluacin por el mtodo del capital humano guarda una estrecha relacin con la epidemiologa debido a las cuantificaciones de los efectos de los problemas de salud y de los servicios sanitarios prestados que est disciplina pueda aportar. En el contexto del surgimiento de la malaria y otras enfermedades endmicas en nuestro pas, es vlida la aplicacin del mtodo del capital humano. Por otra parte, no es desestimable hacer una valoracin de la demanda de servicios preventivos y curativos que tienen varios asentamientos mineros y otras comunidades aledaos y donde se presentan estas enfermedades endmicas con mayor fuerza. La evaluacin de los servicios de salud o de programas debe considerarse como un componente esencial de la vigilancia o monitoreo epidemiolgico. Adems de la recopilacin de datos epidemiolgicos, el registro de informacin sobre los costos de un programa puede aportar valiosos conocimientos acerca de: 1. 2. 3. 4. La cantidad de fondos necesarios para continuar ese programa; El uso apropiado que se le debe dar al personal disponible, La eficiencia lograda con los suministros, recursos y la logstica aportados; La obtencin de informacin adicional en relacin al desperdicio de recursos y el desaprovechamiento de potenciales efectos positivos a lograr.
Existe una pltora de trminos confusos acerca de las tcnicas para la evaluacin econmica de los programas de salud. Sin embargo, a grandes rasgos, dichas metodologas se agrupan en los siguientes componentes: 1. La descripcin de costos o anlisis de costos; 2. La descripcin de eventos o anlisis de eventos en relacin a costos o anlisis de costo-eficacia/efectividad; 3. El anlisis para la minimizacin de costos; 4. El anlisis de costo-beneficio: 5. El anlisis de costo-utilidad. Cabe destacar que cualquiera que sea la tcnica empleada para la evaluacin econmica, sta debe concebirse como una comparacin entre distintas alternativas o de diferentes tipos de intervencin. En algunos casos, queda implcita que la alternativa para hacer la comparacin reside en la no accin o hacer nada; opcin que no siempre responde a la realidad, dada la amplia diversidad de alternativas y propuestas formuladas por organismos internacionales. 69
1. ESTRUCTURA 2. PROCESO
a) Accesibilidad b) Disponibilidad a) Actividades b) Productividad c) Uso d) Utilizacin e) Calidad a) Cobertura b) Eficiencia c) Eficacia d) Efectividad
3. RESULTADOS INMEDIATOS
4. RESULTADOS EN COMUNIDAD 1. ESTRUCTURA a) Accesibilidad: Es la condicin variable de la poblacin para utilizar los servicios de salud relacionados con la malaria. Indicadores: de la oferta del servicio de salud.
Indicadores de Estructura reas de problemas Accesibilidad geogrfica Indicadores Distancia. Duracin del viaje segn el medio de transporte. Mapas de distancia e iscronas. Pagos efectuados por transporte; compra de medicamentos; das de estancia; capacidad de pago Aceptabilidad de los servicios y atencin mdica brindada por personal del Programa de Malaria o del centro de salud por las comunidades y grupos tnicos; nmero de rechazos de personas de grupos tnicos. Tiempo de espera para que un enfermo sea tratado; para realizar una gota gruesa; para efectuar un rociamiento espacial o ciclo de rociamiento
Accesibilidad econmica
Accesibilidad cultural
Accesibilidad atribuida a la Organizacin del Programa de Malaria
70
Ach Rowbotton A.
b) Disponibilidad: Es la relacin entre los recursos existentes en un servicio del Programa de Malaria (humanos, financieros, suministro, infraestructura o tecnolgicos) y la poblacin a la cual estn destinados. Ejemplo: Nmero de trabajadores de salud/poblacin de referencia. Nmero de centros de salud/poblacin de referencia Nmero de mdicos/Poblacin de referencia Indicadores: La disponibilidad se calcula dividiendo la cantidad de un determinado recurso por la poblacin correspondiente. Ejemplos: Nmero de visitadores rurales/Poblacin bajo vigilancia Nmero de rociadotes/Poblacin bajo vigilancia Tambin puede emplearse el nmero de horas de trabajo mensual o anual de esos trabajadores y no nmeros enteros de trabajadores.
2. PROCESO E INDICADORES
a) Actividades Para cumplir con los objetivos del Programa de Malaria, tanto los recursos humanos como fsicos deben desempear determinadas funciones que se miden en trminos de actividades. Es necesario establecer un tiempo para el cumplimiento de cada actividad segn la especificidad de la tarea, distancia, concentracin de la poblacin y rea de trabajo. Aunque los Servicios Regionales tienden a presentar el nmero de sus actividades en un tiempo determinado como muestra de su desempeo (metas cumplidas por ao/mes etc.), este indicador por s solo es poco revelador sino est relacionado a la poblacin bajo vigilancia o a las metas del programa (entendiendo que la meta tiene un tiempo definido para su ejecucin. Por ejemplo: Cumplir un ciclo de rociamiento entre el 6-2-2008 al 6-6-2008, en la localidad de La Hamaca, municipio Las Majadas, estado Bolvar).
Cuadro 29
Recursos Visitadores Rurales Indicadores (segn el tiempo) Nmero de visitas a casas cumplidas en reas dispersas y concentradas; lminas tomadas; tratamientos administrados. Nmero de casas rociadas; ciclos cumplidos de rociamientos intramurales y rociamientos espaciales Nmero de lminas examinadas; muestras hemticas tomadas Nmero de supervisiones; encuestas realizadas; capturas nocturnas de anofelinos adultos; captura de larvas; actividades de promocin a salud; croquizaciones y mapeos
Rociadores Microscopistas
Inspectores Sanitarios
71
b) Productividad y Rendimiento Productividad: Es el nmero de actividades realizadas por unidad de recursos disponibles por unidad de tiempo. Rendimiento: Es el nmero de actividades realizadas por unidad de recursos utilizados. El rendimiento es semejante a la productividad, pero mientras en la productividad se compara con el recurso disponible, el rendimiento se compara con el recurso utilizado. Por ello mismo, cuando la utilizacin de un recurso es 100% el rendimiento coincide con la productividad. Indicador: Cociente entre el nmero de actividades y el tiempo disponible por recurso. Ejemplos: Nmero de visitas a casas en el mes/ao --------------------------------------------------------- x 100 Total de Visitadores Rurales disponibles para la actividad en el mes/ao u horas trabajadas Nmero de visitas a casas en el mes/ao --------------------------------------------------------- x 100 Total de Visitadores Rurales empleados en la actividad en el mes/ao u horas trabajadas Nmero de lminas examinadas --------------------------------------------- x 100 Nmero de horas o das de trabajo por microscopista Nmero de casas rociadas -------------------------------------- x 100 Nmero de horas de trabajo de los rociadotes c) Uso 1. Intensidad de uso: Es el nmero promedio de los servicios recibidos en un perodo de tiempo. Se calcula dividiendo el nmero de unidades de servicios (o actividades) por el nmero de usuarios de los mismos.
72
Ach Rowbotton A.
Ejemplos:
Servicio Prestado Bsqueda Activa Puesto de Notificacin
Cuadro 30
Indicador (Perodo = 1 ao/mes) Nmero de lminas tomadas a febricitantes/Nmero de casos de malaria Nmero de visitas al puesto de notificacin/Nmero de casos de malaria
2. Extensin de uso: Es la proporcin de la poblacin que usa un servicio determinado en un perodo de tiempo. Ejemplos:
Cuadro 31
Servicio Prestado Bsqueda Activa Puesto de Notificacin Indicador (Perodo = 1 ao/mes) Nmero de lminas tomadas a febricitantes/Poblacin bajo vigilancia Nmero de visitas al puesto de notificacin/Poblacin bajo vigilancia
d) Utilizacin: Es la relacin entre el recurso utilizado y el recurso disponible para una actividad o por un servicio por unidad de tiempo. Ejemplos: 1. Indicadores cuantitativos de utilizacin
Cuadro 32
Recurso Indicador
Rociamientos a casas
Supervisin
Nmero de horas trabajadas rociando por ciclo/Nmero de horas contratadas Nmero de horas en tareas de supervisin/Nmero de horas contratadas
73
Cuadro 33
2. Indicadores cualitativos de utilizacin
Recurso Productividad Promedio de poblacin protegida por rociamientos Promedio de poblacin que usan repelentes Indicador Nmero de das laborados efectivamente/ Nmero de das con viticos asignados Nmero de habitantes por casa rociada/ Poblacin total bajo vigilancia Nmero de habitantes que usan repelentes/Poblacin bajo vigilancia
e) Calidad: Es una combinacin de caractersticas humanas y tecnolgicas que los servicios deben poseer para poder cumplir sus objetivos. 1. La calidad tcnica: Se define en trminos de cuatro variables: I. La integridad, es decir, atender y satisfacer todas las necesidades de los pacientes; II. Los contenidos, es decir, hacer todo lo que se debe hacer en cada caso; III. La destreza, es decir, hacer bien lo que se debe hacer; IV. La oportunidad, es decir, hacer a tiempo y en la secuencia adecuada lo que se debe hacer. 3. RESULTADOS INMEDIATOS 1. Cobertura: Es la proporcin de personas con necesidades de servicios de salud que recibe atencin para tales necesidades. La cobertura indica si el servicio de salud est llegando a la poblacin que realmente lo necesita.
Ejemplos: I. ndice de cobertura a casas = Nmero de casas visitadas Nmero de recorridos efectuados en todos los recorridos x en un perodo de tiempo (mes/ao) ------------------------------------------------------------------------------------------------- x 100 Nmero de casa existentes Nmero de recorridos programados en todos los recorridos x en un perodo de tiempo (mes/ao)
74
Ach Rowbotton A.
II.
ndice de cobertura a poblacin = Poblacin protegida en Nmero de recorridos efectuados todos los recorridos x en un perodo de tiempo (mes/ao) ----------------------------------------------------------------------------------------------- x 100 Poblacin a proteger en Nmero de recorridos programados todos los recorridos x en un perodo de tiempo (mes/ao)
III.
ndice de puestos de notificacin visitadas = Nmero de puestos de notificacin visitados en el mes/ao --------------------------------------------------------------------------------- x 100 Nmero de puestos de notificacin existentes
De este indicador se deriva tambin el ndice de puestos de notificacin productivos IV. ndice de lminas por tipo de bsqueda =
Nmero de lminas positivas procedentes de la bsqueda activa o pasiva o pasiva activada ------------------------------------------------------------- x 100 Total de lminas positivas V. ndice de lminas por 100 km2 = Nmero de lminas positivas ---------------------------------------- x 100 rea en km2 2. Eficacia: Se define como el logro del objetivo sobre los usuarios del mismo. El Programa de Malaria tiene algunos que son de uso frecuente: IPA, IAES, IP, ndice Epidmico. Otros ejemplos pueden ser:
75
Cuadro 34
Servicio Tratamientos Rociamientos Indicadores x 100 Nmero de pacientes curados de malaria/ Nmero de pacientes tratados Nmero de casas sin malaria/Nmero de casas rociadas
3. Eficiencia: Muestra la relacin entre los efectos de un programa o servicio y los gastos correspondientes de recursos e insumos.
Cuadro 35
Servicio Tratamientos Rociamientos Indicadores Costo de los medicamentos/Nmero de pacientes curados Costo de los rociamientos/Nmero de casas sin malaria
4.
Efectividad: Se define como el resultado de las acciones de salud sobre la poblacin objeto de los mismos. Mide no solo el impacto de los servicios de salud sino el proceso general de desarrollo socio-econmico.
76
Ach Rowbotton A.
XVI. BIBLIOGRAFA
Ach, A. & Mazzarri M. (1997). Malaria en Venezuela. Resmenes del II Congreso Latinoamericano de Malaria. Medelln, Colombia. Alfonso, P.L.; Lindsay, S.W.; Armstrong-Schellenberg, J.R.; Keita, K.; Gmez, P.; Shenton, F.C.; Hill, A.G.; David, P.H.; Fegan, G.; Cham, K. (1993). A malaria control trial using insecticide-treated bed nets and targeted chemoprophylaxis in a rural area of The Gambia. The impact of the interventions on mortality and morbidity from malaria. Transactions of the Royal Society of Tropical Medicine and Hygiene: 87, suppl 2: 37-44. Black, R.H. (1968). Manual of Epidemiology and Epidemiological Services in Malaria Programmes. W.H.O. Geneva. Bruce-Chwatt, L.J. (1985). Essential Malariology. John Wiley & Sons. New York. Castillo-Salgado, C. (1992). Epidemiological Risk Stratification of Malaria in the Americas. Paper prepared for Interregional Meeting on Malaria for the Americas. (PAHO/WHO). De Shelly Hernndez, R. (1959). La Estadstica Aplicada a las Ciencias Biolgicas. Ministerio de Sanidad y Asistencia Social. Kelsey, J.L.; Whittemore, A.S.; Evans, A.S.; Thompson, W.D. (1996). Methods in Observational Epidemiology. Oxford University Press. Kirkwood, B.R. & Sterne, J.A.C. (2003). Medical Statistics. Blackwell Science. Kramer, M.S. (1988). Clinical Epidemiology and Biostatistics. Springer-Verlag.
77
Last, J.M. (1983). A Dictionary of Epidemiology. Oxford University Press. OMS. Ginebra. (1986). 18 Informe. Comit de Expertos en Paludismo. Series de Informes Tcnicos 735. Stallybrass, C.O. (1931). The Principles of Epidemiology and the Process of Infection. Macmillan. New York. Swaroop, S. (1957). Statistical Methodology in Malaria Work. WHO/Mal/174. WHO/HS/58. Swaroop, S.; Gilroy, A.B.; Uemura, K. (1966). Statistical Methods in Malaria Eradication. Monograph Series, No. 51. WHO. Geneva. Van den Ende, J.; Van Gompel, A.; Lynen, L.; Van Damme, W.; (1996). Clinical algorithm for malaria in Africa. Lancet; 347:1327. Wernsdorfer, W.H. & McGregor, I. (1988). Malaria: Principles and Practice of Malariology. Churchill Livingstone. Edinburgh. WHO. Geneva. (1963). Terminology of Malaria and of Malaria Eradication. WHO. Geneva. (1995). The Epidemiological Approach to Malaria Control. WHO. Moscow. (1985). Report of the Informal Consultation on Stratification for Planning Antimalaria Action.
AA/aa 2009
78

Metodos Epid Control Malaria ACHE

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos Epid Control Malaria ACHE

Uploaded by

Copyright:

Available Formats

Alberto Ach Rowbotton MD, MSc.

MTODOS EPIDEMIOLGICOS PARA EL CONTROL DE LA MALARIA

Servicio Autnomo Instituto de Altos Estudios de Salud Dr. Arnoldo Gabaldon

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Tipos de focos de transmisin malrica

Potenciales Focos Nuevos Activos

Mtodos Epidemiolgicos para el Control de la Malaria

Factores de multiplicacin P. falciparum 30.000 P. vivax 8.000-20.000 P. malariae 15.000

Clasificacin de Malaria Hipoendmica Mesoendmica Hiperendmica Holoendmica

II. MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN Medidas de tendencia central

Mtodos Epidemiolgicos para el Control de la Malaria

Promedio Geomtrico/Media Geomtrica

Mtodos Epidemiolgicos para el Control de la Malaria

Clculo de la Media para Datos Agrupados

Nmero total de valores secuenciales en la serie + 1 ---------------------------------------------------------------2

Clculo de la Mediana para Datos Agrupados

Mtodos Epidemiolgicos para el Control de la Malaria

La Moda o Valor Dominante

Desviaciones al cuadrado 900 400 100 100 2500 s = 4000/4

III. ESCALAS DE MEDICIN

Mtodos Epidemiolgicos para el Control de la Malaria

Determinacin de frecuencias: Tasas, ndices y Razones

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Tasa de Ataque Secundario: Es un tipo de frecuencia de casos nuevos

ndice Anual de Exmenes de Sangre (IAES): Es el total de muestras

Tasa de Letalidad: Es la proporcin de casos de una enfermedad determi-

Mtodos Epidemiolgicos para el Control de la Malaria

Normas generales para su elaboracin

Mtodos Epidemiolgicos para el Control de la Malaria

Principales grficos segn escala de variables

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

VI. MTODOS BSICOS DE EVALUACIN EPIDEMIOLGICOS EN MALARIA

Anlisis de una situacin malrica

Mtodos Epidemiolgicos para el Control de la Malaria

Series de tiempo, tendencias, cambios estacionales y cclicos

Mtodos Epidemiolgicos para el Control de la Malaria

Mtodos Epidemiolgicos para el Control de la Malaria

Cuadro 11 Registro Mensual de Casos de Malaria. 1984 - 1992

Mtodos Epidemiolgicos para el Control de la Malaria

F 2893 2466 2591 2511 2409

M 4342 2852 2960 2819 2628

A 3456 3144 2783 2873 2683

Eliminacin de la variacin estacional

Eliminacin de variaciones cclicas

Mtodos Epidemiolgicos para el Control de la Malaria

---- = 2149 ----------------- = 2312

VII. MEDICIONES DE EFECTO Y ASOCIACIN

Mtodos Epidemiolgicos para el Control de la Malaria

1 b) Porcentaje de Riesgo Atribuible (en los expuestos)

Tasa de Incidencia en expuestos (x 1000) --------------------------------------------------------------Tasa de Incidencia en no expuestos (x 1000)

4 c) Porcentaje de Riesgo Atribuible en la Poblacin o Fraccin Etiolgica:

------------------------------------------------------------------- x 100 Tasa de Incidencia en la poblacin general

Clculo de las Medidas de Riesgo

Mtodos Epidemiolgicos para el Control de la Malaria

% de Riesgo Atribuible (en expuestos) =

91.15 28.00 ------------------ x 100 = 69.28% 91.15

VIII. CHI CUADRADO, NDICE DE KAPPA y AUMENTO O DESCENSO PORCENTUAL

(|ad-bc| - N/2)2 N 2 = -----------------------------------(a+b) (c+d) (a+c) (b+d)