Medidas de frecuencia en Epidemiologa

Una vez finalizado el estudio de la presente sesin, el estudiante ser capaz de:
Comprender la importancia y aplicacin de la medicin de la morbilidad y mortalidad.
Aplicar correcta y oportunamente las medidas bsicas de frecuencia y ser capaz de proponer
relaciones entre los factores determinantes de la morbilidad y la mortalidad.
Qu son medidas de frecuencia?
En epidemiologa se usa una variedad de mtodos para manejar datos. Un mtodo fundamental es la
distribucin de frecuencias, que ubica a las personas en categoras distintas de acuerdo a una variable.
Puede ser: por sexo, edad, nivel de ingresos o estado de enfermedad, etc. En epidemiologa interesa
clasificar y contar cada unidad de observacin que presenta una determinada caracterstica o variable y
obtener datos resume. Los datos individuales o resumen adquieren significado cuando estn referidos a
un lugar y a un tiempo y a una poblacin o grupo de personas especficos. Los conceptos se conocen
como: tiempo, lugar y persona y son esenciales en epidemiologa.
Qu tipos de variables usamos en epidemiologa? Cmo se clasifican?
De acuerdo con la relacin que guardan unas con otras, las variables se clasifican en independientes (o
variables explicativas) y dependientes (o variables respuesta). Cuando se supone que una variable
produce un cambio en otra, se considera a la primera como independiente (o causa) y a la segunda
como dependiente (efecto o resultado). En los estudios epidemiolgicos la enfermedad o evento es por
lo general la variable dependiente y los factores que determinan su aparicin, magnitud y distribucin
son las variables independientes, o exposicin. Una vez que se han identificado las variables el
investigador debe definirlas de manera operativa, especificando el mtodo y la escala con las cuales
llevar a cabo su medicin. Las variables pueden ser medidas en diferentes escalas: ordinal, nominal,
de intervalo, de proporcin.
Razones, proporciones y tasas
Razn es el cociente de dos variables, los valores del numerador y del denominador son independientes,
ninguno est contenido en el otro.
Ejemplos de razn:
Razn de masculinidad

Razn de mortalidad materna

Ejemplo:

Proporcin es el cociente de dos variables, el numerador est contenido en el denominador.

Proporcin de establecimientos que tienen insumos del total de establecimientos visitados

Tasa es un tipo de proporcin que toma en cuenta la variable tiempo. Es la medida que expresa la
dinmica de los eventos. Es la magnitud del cambio de la variable que mide un evento por unidad de
cambio de otra (el tiempo) en relacin con el tamao de la poblacin que se encuentra en riesgo de
presentar el evento. Las tasas brutas son calculadas para toda la poblacin. Las tasas especficas se
calculan para un subgrupo especfico que est en riesgo de presentar el evento. Puede haber tasas por
edad, sexo, raza, ocupacin y as sucesivamente. En la prctica, es ms preciso denominarla razn y no
tasa.
Ejemplo: tasa general de fecundidad relaciona el nmero de nacimientos con el de mujeres de 15 a 44
aos de edad (edad frtil), dando una visin de cuntos nios estn naciendo por cada mil mujeres
capaces de procrear

Medidas de morbilidad
Prevalencia: expresa la frecuencia con la que ocurre un evento en el total de poblacin en que puede
ocurrir. Esta medida se calcula dividiendo el nmero de eventos ocurridos entre la poblacin en la que
ocurrieron. La prevalencia de una enfermedad depende de la incidencia y de la duracin de la
enfermedad.

Ejemplo: En un censo realizado en el ao 2002, en la localidad A, con 5000 habitantes se encontraron

12 casos de tuberculosis. La prevalencia obtenida es dos por mil, se interpreta as: existen 2 casos de
tuberculosis por cada mil habitantes de la localidad A en el ao 2002.

Incidencia: expresa el volumen de casos nuevos que aparecen en un periodo determinado, as como la
velocidad con la que lo hacen; es decir, expresa la probabilidad y la velocidad con la que los individuos
de una poblacin determinada desarrollarn una enfermedad durante cierto periodo. Tambin se conoce
como incidencia acumulada. La poblacin en riesgo slo es aquella que puede presentar el evento
(diabetes, diarrea, curacin, etc.). La poblacin en riesgo no incluye a quienes ya presentaban el
evento, por lo que hay que sustraer del denominador a las personas que no eran susceptibles de
presentar el evento porque ya lo presentaban. En la frmula los denominamos casos previos. La
incidencia acumulada es una proporcin y, por lo tanto, sus valores slo pueden variar entre 0 y 1.
Cuando la tasa de incidencia de la enfermedad es pequea o el perodo de observacin es corto, es
decir, si el riesgo de la enfermedad es escaso, la incidencia acumulada es aproximadamente igual a la
tasa de incidencia multiplicada por el perodo de observacin.

Ejemplo: En un censo realizado en el ao 2002, en la localidad B, con 5000 habitantes se encontraron

100 casos de diabetes, de los cuales 50 eran nuevos y 50 ya tenan el diagnstico. La incidencia
obtenida es diez por mil, se interpreta as: existen 10 casos nuevos de diabetes por cada mil habitantes
de la localidad B en el ao 2002.
Otra forma de expresarlo es decir: la probabilidad de encontrar un diabtico en la poblacin B en el ao
2002 es 0,010

Densidad de incidencia: expresa la ocurrencia de la enfermedad entre la poblacin en relacin con

unidades de tiempo-persona, por lo que mide la velocidad de ocurrencia de la enfermedad.
Estn expuestas al riesgo de enfermar las personas que inician el periodo de observacin sin
presentarla (o el evento en estudio). El denominador se determina sumando los tiempos libres de
enfermedad de cada uno de los individuos que conforman el grupo y que permanecen en el estudio
durante el periodo.
La condicin de estar en riesgo o no depende de la duracin del evento, del periodo de latencia y de
la definicin de caso, factores que deben tomarse en cuenta para establecer el tiempo libre de
enfermedad.

Ejemplo: En el mes de abril de 2002, un grupo de 100 nios menores de tres aos residentes en la
localidad C fueron observados para identificar episodios de diarrea (tres o ms deposiciones lquidas o
semilquidas en 24 horas).
En el archivo datos_eda.prn se presentan los datos observados en la vigilancia de diarrea realizada da
por da y nio por nio. Los nios fueron observados todos los das y todos estuvieron libres de diarrea
el primer y ltimo da de observacin.

Medidas de asociacin en Epidemiologa

Objetivos
Una vez finalizado el estudio de la presente sesin, el estudiante ser capaz de:
 Que los estudiantes comprendan y sepan aplicar el concepto de riesgo y riesgo relativo en
Epidemiologa.
Que los estudiantes comprendan y sepan aplicar el concepto de razn de productos cruzados
odds ratio en Epidemiologa.
Que los estudiantes sean capaces de proponer relaciones entre los factores determinantes de
la morbilidad y mortalidad.
Qu son medidas de asociacin?
En epidemiologa, las medidas de asociacin son indicadores que miden la fuerza con la que una
determinada enfermedad o evento de salud (que se presume como resultado) est asociada o
relacionada con un determinado factor (que se presume como su causa).
Riesgo relativo
Las medidas de asociacin se basan en comparar incidencias: la incidencia de la enfermedad en las
personas que se expusieron al factor estudiado, presunto factor de riesgo o factor protector (o
incidencia entre los expuestos) con la incidencia de la enfermedad en las personas que no se
expusieron al factor estudiado (o incidencia entre los no expuestos). El esquema presenta el concepto
de manera grfica, si consideramos una poblacin en un punto del tiempo, en un lugar dado, la
exposicin est presente en un grupo en forma natural y ausente en el otro.
Esquema bsico para el riesgo relativo
Presente Futuro

En una poblacin de 100 personas, hay 40 expuestas al factor y 60 no expuestas. Si la enfermedad se

distribuyera al azar, luego de un tiempo de observacin la mitad de los expuestos estaran enfermos y
la otra mitad sanos. Lo mismo sucedera en el grupo no expuestos. Como la enfermedad no se
distribuye al azar, el nmero de personas enfermas es distinto del nmero de personas sanas luego de
un tiempo de observacin razonable para que aparezca la enfermedad, de acuerdo a su historia
natural.
Un resumen de los datos suele presentarse en una tabla de dos por dos.
Tabla de 2 por 2

Cada celda se denomina con una letra. En las filas (horizontal) est el factor y en las columnas (vertical)
la enfermedad o evento en estudio. La suma de las filas a + b, representa el total de enfermos entre
los expuestos y c + d el total de enfermos entre los no expuestos.
La suma de a + c dividido entre a + b + c + d es la incidencia de la enfermedad, y b + d dividido
entre a + b + c + d es la proporcin de sanos en la poblacin.
La incidencia o riesgo entre los expuestos es:
Estadsticamente, lo que estos indicadores miden es la diferencia observada.
Las medidas de asociacin establecen la fuerza con que la exposicin se asocia a la enfermedad, bajo
ciertas circunstancias estas medidas permiten realizar inferencias causales, especialmente cuando se
pueden evaluar mediante una funcin estadstica. Las medidas de asociacin ms slidas se calculan
utilizando la incidencia, porque esta medida nos permite establecer, sin ninguna duda, que el efecto (el
evento o enfermedad) aparece despus de la exposicin. En estos casos, se dice, existe una correcta
relacin temporal entre la causa y el efecto.
Valor =1 indica ausencia de asociacin
Valores <1 indica asociacin negativa, posible factor protector.
Valores >1 indica asociacin positiva, factor de riesgo.
La interpretacin se basa en que si se dividen dos cantidades entre s y el resultado es 1, estas
cantidades son necesariamente iguales, y tener o no la caracterstica estudiada no afecta la frecuencia
de enfermedad.
Cuando, en cambio, la razn es mayor de 1, el factor se encuentra asociado positivamente con el riesgo
de enfermar y la probabilidad de contraer el padecimiento ser mayor entre los expuestos.
Si el resultado es menor de 1, el factor protege a los sujetos expuestos contra esa enfermedad.
Conforme el resultado se aleja ms de la unidad, la asociacin entre el factor y la enfermedad es ms
fuerte. Un valor de 4 indica que el riesgo de enfermar entre los expuestos es cuatro veces mayor que
entre los no expuestos. Asimismo, un valor de 0.25 indicara que el riesgo de enfermar entre los
expuestos es cuatro veces menor.
Razn de productos cruzados, razn de chances, razn de ventajas, razn de disparidad,
odds ratio, razn de momios
La razn de productos cruzados (RPC u OR) se estima en los estudios de casos y controles, donde los
sujetos han sido seleccionados segn la presencia o ausencia de enfermedad, sin tomar en cuenta la
frecuencia con que la enfermedad ocurre en la poblacin de donde provienen, por ello, aqu no es
correcto calcular la incidencia de la enfermedad.
Se indaga por el antecedente o historia de la presencia de una o ms exposiciones en el grupo que tiene
la enfermedad (casos) y en el grupo que no tiene la enfermedad (controles).
La chance odds es simplemente un cociente en el que el numerador representa la probabilidad (p) que
ocurra un suceso y el denominador es la probabilidad complementaria (1-p) que no ocurra. De acuerdo
a lo anterior, se establece la chance en los casos y la chance en los controles.
La razn de chances es el cociente de la chance de los casos dividida entre la chance de los controles.
La interpretacin se basa en que si se dividen dos cantidades entre s y el resultado es 1, estas
cantidades son necesariamente iguales. Los casos presentan el antecedente de exposicin al factor con
la misma (si OR es igual a 1), con mayor (si OR es mayor de 1) o con menor (si OR es menor que 1)
frecuencia.
Cuando los riesgos (o los odds) en ambos grupos son pequeos (inferiores al 20 %) el odds ratio se
aproxima bastante al riesgo relativo, se considera una buena aproximacin de ste.

Esquema bsico para la razn de productos cruzados

En el ejemplo, se tiene un grupo de 50 personas diagnosticadas de cncer pulmonar (casos) y 60 que no
presentan cncer pulmonar (controles). Se indaga por el antecedente de hbito de fumar (definido
como 5 o ms cigarrillos al da).
Puesto que el nmero de casos es similar al nmero de controles, el cociente a / a + b no refleja la
incidencia de la enfermedad en la poblacin.
Un resumen de los datos suele presentarse en una tabla de dos por dos.
Tabla de 2 por 2

En el ejemplo, la chance de los casos, se calcula as:

En el ejemplo, la chance de los controles, se calcula as:

La razn de chances, se calcula as:

En el ejemplo, la razn de chances es 12, como es superior a 1, quiere decir que el cncer pulmonar es
12 veces ms frecuente en fumadores que en no fumadores.
Fuerza de la asociacin segn valor del RR OR
1.0 - 1.2 Ninguna
1.2 1.5 Dbil
1.5 - 3.0 Moderada
3.0 10.0 Fuerte
> 10 Se aproxima al infinito
Fuente: Handler A. Rosenberg D., Monahan C., Kennelly J. (1998) Analytic Methods in Maternal and
Child Health p. 69
Razn de productos cruzados: ejemplos
Ejemplo 1.- Calcular la razn de chances a partir de casos y controles. Hbito de fumar como factor de
riesgo de enfermedad coronaria en adultos varones.
Casos de Enf. Coronaria Controles
Fumadores 112 176
No fumadores 88 224
Total 200 400
% fumadores 56 44
Se aplica la razn de productos cruzados, que se calcula:

Interpretacin: el hbito de fumar est asociado con la ocurrencia de casos de enfermedad coronaria. La
enfermedad coronaria es 1.6 veces ms frecuente en fumadores que en no fumadores.
Ejemplo 2.- En un estudio piloto pequeo, se contact a 12 mujeres con cncer uterino y 12 mujeres
aparentemente sanas, se les pregunt si alguna vez haban usado estrgenos. Los resultados se
muestran a continuacin:
Mujer con cncer uterino Mujer sin cncer uterino
1 Us estrgenos No us
2 No us No us
3 Us Us
4 Us Us
5 Us No us
6 No us No us
7 Us No us
8 Us No us
9 No us Us
10 No us Us
11 Us No us
12 Us No us
En primer lugar, con estos datos hay que llenar la tabla de dos por dos.
Casos Controles Total
Factor presente 8 4 12
Factor ausente 4 8 12

Interpretacin: el uso de estrgenos est asociado con la ocurrencia de casos de cncer uterino. El
cncer uterino es 4 veces ms frecuente en las mujeres con antecedente de uso de estrgenos que en
las que no los usaron.
Ejemplo 3.- Peso al nacer 3632 ms como factor de riesgo para tumor cerebral en nios menores de
tres aos.
Casos Controles
Peso 3632 o ms 8 38
Peso < 3632 gr. 7 18

Interpretacin: existe una asociacin negativa entre el peso al nacer 3632 o ms y la ocurrencia de
tumor cerebral. El tumor cerebral ocurre con la mitad de frecuencia en nios cuyo peso al nacer fue
3632 gramos o ms que en los que nacieron con menos de 3632.
Por qu la bsqueda de las causas?
La bsqueda de la causa, tiene al menos dos justificaciones:
1. Si entendemos la causa podemos generar cambios. Podramos definir la relacin causal entre la
exposicin y el efecto en trminos del cambio que sufre el ltimo cuando se modifica el primero.
Una intervencin intencional que altere la exposicin puede ser exitosa en modificar el efecto, slo si la
exposicin es causa real del desenlace. La exposicin puede ser un excelente marcador o predictor del
efecto, sin ser necesariamente su verdadera causa. Esta es otra forma de decir que la asociacin no
siempre es prueba de causalidad.
2. Estudiar la causa es aprender sobre los mecanismos. El conocimiento de los mecanismos causales
sirve como base para generar nuevas hiptesis y para planear intervenciones que modifiquen los
efectos.
Existen modelos para representar la relacin entre una presunta causa y un efecto.
El modelo de Koch-Henle
El modelo de Bradford-Hill
Los postulados de Evans
El modelo de Koch-Henle
El modelo de Koch-Henle (1887): propuesto para el estudio de enfermedades infecto-contagiosas. Se
basa en la influencia de un microorganismo, que debe:
a) encontrarse siempre en los casos de enfermedad.
b) poder ser aislado en cultivo, demostrando ser una estructura viva y distinta de otras que pueden
encontrarse en otras enfermedades.
c) distribuirse de acuerdo con las lesiones y ellas deben explicar las manifestaciones de la enfermedad.
d) ser capaz de producir la enfermedad en el animal de experimentacin al ser cultivado (algunas
generaciones).
Este modelo result til para enfermedades infecciosas, no as para las enfermedades no infecciosas.
El modelo de Bradford-Hill
El modelo de Bradford-Hill (1965), propone los siguientes criterios de causalidad, en la bsqueda de
relaciones causales para enfermedades no infecciosas:
Fuerza de Asociacin. Determinada por la estrecha relacin entre la causa y el efecto adverso a la
salud. La fuerza de asociacin depende de la frecuencia relativa de otras causas. La asociacin causal
es intensa cuando el factor de riesgo est asociado a un alto riesgo relativo (RR). Los RR que pasan de
un valor de 2 se considera que expresan una fuerte asociacin.
Consistencia. La asociacin causa-efecto ha sido demostrada por diferentes estudios de
investigacin, en poblaciones diferentes y bajo circunstancias distintas. Sin embargo, la falta de
consistencia no excluye la asociacin causal, ya que distintos niveles de exposicin y dems
condiciones pueden disminuir el efecto del factor causal en determinados estudios.
Especificidad. Una causa origina un efecto en particular. Este criterio, no se puede utilizar para
rechazar una hiptesis causal, porque muchos sntomas y signos obedecen a una causa, y una
enfermedad a veces es el resultado de mltiples causas.
Temporalidad. Obviamente una causa debe preceder a su efecto; no obstante, a veces es difcil
definir con qu grado de certeza ocurre esto. En general, el comienzo de las enfermedades
ocupacionales comprende un largo perodo de latencia entre la exposicin y la ocurrencia del efecto a la
salud. Asimismo, otro aspecto que influye en la temporalidad es la susceptibilidad de la persona
expuesta, y la utilizacin y eficacia de las medidas de prevencin y control de riesgos.
Gradiente biolgico (Relacin dosis-respuesta). La frecuencia de la enfermedad aumenta con la
dosis o el nivel de exposicin. La demostracin de la relacin dosis-respuesta tiene implicaciones
importantes:
a) Es una buena evidencia de una verdadera relacin causal entre la exposicin a agente particular y un
efecto en la salud.
b) Puede permitir demostrar que un factor de riesgo en particular se relacione a un efecto adverso a la
salud, y determinar que en niveles de exposicin a ese agente causal por debajo del valor que lo
produce, es ms improbable o incluso imposible que ocurra el efecto en la salud.
c) La relacin dosis efecto puede verse modificada o ausente por el efecto del umbral del compuesto o
un efecto de saturacin; o deberse completamente a una distorsin graduada o a un sesgo; lo cual
puede dificultar la interpretacin de este criterio.
Plausibilidad biolgica. El contexto biolgico existente debe explicar lgicamente la etiologa por la
cual una causa produce un efecto a la salud. Sin embargo, la plausibilidad biolgica no puede extraerse
de una hiptesis, ya que el estado actual del conocimiento puede ser inadecuado para explicar nuestras
observaciones o no existir.
Coherencia. Implica el entendimiento entre los hallazgos de la asociacin causal con los de la historia
natural de la enfermedad y otros aspectos relacionados con la ocurrencia de la misma, como por
ejemplo las tendencias seculares. Este criterio combina aspectos de consistencia y plausibilidad
biolgica.
Evidencia Experimental. Es un criterio deseable de alta validez, pero rara vez se encuentra
disponible en poblaciones humanas.
Analoga. Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un
factor de riesgo produce un efecto a la salud, otro con caractersticas similares pudiera producir el
mismo impacto a la salud.
Otros criterios adicionales. Debe considerarse:
Similar tamao y distribucin de la poblacin o muestra.
Variacin notoria del efecto en las poblaciones.
Reversibilidad. Si se retira la causa, cabe esperar que desaparezca o al menos disminuya el
efecto a la salud.
Juicio crtico sobre las evidencias, con base estricta en el conocimiento cientfico.
Los postulados de Evans
En 1976, Evans propuso los siguientes postulados:
1. La proporcin de individuos enfermos debera ser significativamente mayor entre aquellos expuestos
a la supuesta causa, en comparacin con aquellos que no lo estn.
2. La exposicin a la supuesta causa debera ser ms frecuente entre aquellos individuos que padecen
la enfermedad que en aquellos que no la padecen.
3. El nmero de casos nuevos de la enfermedad debera ser significativamente mayor en los individuos
expuestos a la supuesta causa en comparacin con los no expuestos, como se puede comprobar en los
estudios prospectivos.
4. De forma transitoria, la enfermedad debera mostrar tras la exposicin a la supuesta causa, una
distribucin de los perodos de incubacin representada por una curva en forma de campana.
5. Tras la exposicin a la supuesta causa debera aparecer un amplio abanico de respuestas por parte
del hospedador, desde leves hasta graves, a lo largo de un gradiente biolgico lgico.
6. Previniendo o modificando la respuesta del husped, debe disminuir o eliminarse la presentacin de
la enfermedad (por ej.: vacunando o tratando con antibiticos a una poblacin expuesta o enferma).
7. La reproduccin experimental de la enfermedad debera tener lugar con mayor frecuencia en
animales u hombres expuestos adecuadamente a la supuesta causa, en comparacin con aquellos no
expuestos; esta exposicin puede ser deliberada en voluntarios, inducida de forma experimental en el
laboratorio o demostrada mediante la modificacin controlada de la exposicin natural.
8. La eliminacin (por ejemplo la anulacin de un agente infeccioso especfico) o la modificacin (por
ejemplo la alteracin de una dieta deficiente) de la supuesta causa debera producir la reduccin de la
frecuencia de presentacin de la enfermedad.
9. La prevencin o la modificacin de la respuesta del hospedador (por ejemplo, mediante inmunizacin)
debera reducir o eliminar la enfermedad que normalmente se produce tras la exposicin a la causa
supuesta.
10. Todas las relaciones y asociaciones deberan de ser biolgica y epidemiolgicamente verosmiles.
Tipos de causas
Causa suficiente: Si el factor (causa) est presente, el efecto (enfermedad) siempre ocurre.
Causa necesaria: Si el factor (causa) est ausente, el efecto (enfermedad no puede ocurrir.
Factor de riesgo: Si el factor est presente y activo, aumenta la probabilidad que el efecto
(enfermedad) ocurra.
La existencia de una asociacin epidemiolgica significativa (riesgo relativo superior a dos) es uno de
los criterios para proponer una relacin causa - efecto; hay que tener en cuenta, que no es el nico.
Tipos de relacin o asociacin causa - efecto
Las relaciones causa - efecto pueden ser:
Relacin o asociacin causal directa: El factor ejerce su efecto en ausencia de otros factores o
variables intermediarias. En este caso se habla de una relacin necesaria y suficiente.

Ejemplo: muy rara en procesos biolgicos o mdicos

Relacin o asociacin causal indirecta: El factor ejerce su efecto va factores o variables

intermediarias.
Neces
aria y
no

suficiente: Cada factor es necesario, pero no es suficiente para producir la enfermedad. Ejemplo: virus
del papiloma humano y cncer del cuello uterino, bacilo de Koch y tuberculosis.

Ejemplo: virus del papiloma humano y cncer del cuello uterino, bacilo de Koch y tuberculosis.
No necesaria y suficiente: El factor puede producir la enfermedad, pero tambin otros factores que
actan solos. Ejemplo: leucemia puede ser producida por exposicin a la radiacin y por exposicin al
benceno.

Ejemplo: leucemia puede ser producida por exposicin a la radiacin y por exposicin al benceno
No necesaria y no suficiente: Ningn factor por s solo es necesario ni suficiente. Ejemplo: la
mayora de enfermedades crnicas como diabetes mellitus, hipertensin arterial.

Ejemplo: la mayora de enfermedades crnicas como diabetes mellitus, hipertensin arterial.

Relacin o asociacin no causal: La relacin entre dos variables es estadsticamente significativa,
pero no existe relacin causal, sea porque la relacin temporal es incorrecta (la presunta causa aparece
despus y no antes del presunto efecto) o porque otro factor es responsable de la presunta causa y del
presunto efecto (confusin).

Flujograma causalidad:

Diseos de estudio en epidemiologa

Objetivos
Una vez finalizado el estudio de la presente sesin, el estudiante ser capaz de:
Identificar los distintos diseos de investigacin epidemiolgica
Desarrollar habilidades bsicas para seleccionar diseos de investigacin epidemiolgica.
Desarrollar habilidades para la lectura crtica y el uso de la informacin de la literatura
epidemiolgica.
Criterios de clasificacin de los diseos de estudio epidemiolgico
En epidemiologa, los diseos de estudio pueden clasificarse segn distintos criterios:
Descriptivos o analticos
Descriptivos: estudian la distribucin de los problemas de salud.
Analticos: estudian los determinantes de los problemas de salud
Generan o contrastan hiptesis
Generan hiptesis: descripciones de los factores relacionados con la enfermedad de un individuo o una
poblacin en busca de las posibles nuevas relaciones de posibles causas.
Contrastan hiptesis: exploran la asociacin entre intervenciones y enfermedades. Pueden ser estudios
experimentales ensayos clnicos.
Observacionales o experimentales
Observacionales: examinan asociaciones entre factores de riesgo y resultados. Pueden ser descriptivos
si tienen como objetivo determinar la frecuencia y el patrn de las enfermedades. Son analticos si
estudian los determinantes y riesgos de las enfermedades.
Experimentales: exploran la asociacin entre intervenciones y enfermedades.
Longitudinales o transversales
Longitudinales: se realizan al menos dos mediciones: la medicin basal para determinar el estado inicial
y una posterior para determinar la ocurrencia del evento.
Transversales: se realiza una sola determinacin en los sujetos de estudio.
Prospectivos o retrospectivos
Prospectivos: si los sujetos de estudio estn libres del evento de inters al iniciar su participacin en el
estudio.
Retrospectivos: el evento investigado ya ocurri, se reconstruye su ocurrencia en el pasado utilizando
registros o entrevistando a los mismos sujetos en estudio.
Clasificacin usada en este curso
Este curso utiliza una clasificacin de diseos epidemiolgicos segn el esquema elaborado por Perea-
Milla, 1996. Esta informacin se tom de Joaqun Daz Atienza: Unidad de trastornos alimentarios.
Hospital Provincial Almera.