Universidad Nacional de San Martín
Facultad de Medicina Humana Escuela Profesional de Enfermería
FACULTAD DE MEDICINA HUMANA
ESCUELA PROFESIONAL DE ENFERMERÍA

Medidas de asociación e impacto en epidemiología

Clase 4 · Riesgo relativo, odds ratio, riesgos atribuibles y estandarización de tasas
Dr. Rodrigo Enrique Osiris García Rengifo
Médico cirujano · Director de Gestión Sanitaria y Estrategias Sanitarias Nacionales, RIS San Martín · Tarapoto, 2026

Escanea el código y responde el cuestionario

  • Es anónimo y toma 3 minutos.
  • Se responde una sola vez desde el celular.
  • Son 6 preguntas sobre tu día y 3 preguntas de «calentamiento» (no es nota).
  • Con lo que respondan vamos a construir todos los ejemplos de hoy.

Esto es lo que respondieron

¿Los que durmieron poco tienen más sueño? ¿Cuánto más? ¿O es casualidad?

Tu voz en la clase: escribe desde tu celular

  • Elige un apodo (no tu nombre): así tus mensajes son anónimos.
  • Pregunta, comenta o avisa si algo no quedó claro. Los mensajes aparecen en la parte inferior de la pantalla.
  • Respeto ante todo: el docente puede ocultar mensajes y pausar el envío.

Últimos mensajes

Objetivos y agenda

Al terminar la clase podrás

  • Distinguir asociación de causalidad y reconocer un factor de riesgo.
  • Plantear H0 y H1 y aplicar la prueba chi cuadrado.
  • Calcular e interpretar RR, OR y sus IC95 %.
  • Calcular riesgos y fracciones atribuibles.
  • Construir IC95 % de promedios y proporciones y aplicar la prueba Z.
  • Comparar poblaciones con tasas estandarizadas.
Bloquemin
1 · Asociación y factor de riesgo15
2 · Hipótesis y chi cuadrado20
3 · Fuerza de asociación: RR y OR30
Receso10
4 · Apéndice estadístico: EE, IC95 %, prueba Z20
5 · Medidas de impacto20
6 · Estandarización de tasas15
7 · Taller grupal y exposiciones30
8 · Cierre y post-test10
Bloque 1 · 15 minutos

Asociación y factor de riesgo

Dos cosas que varían juntas no siempre tienen una relación de causa y efecto. Empezamos por el vocabulario.

¿Qué es una asociación?

Dos variables están asociadas cuando la frecuencia de una cambia según el valor de la otra.
Estudiante de enfermería con sueño en clase

Entre los que durmieron poco hay más alumnos con sueño que entre los que durmieron bien. Eso es una asociación entre exposición (dormir poco) y evento (tener sueño).

  • Exposición: la característica, conducta o factor que sospechamos.
  • Evento: el desenlace que medimos (enfermedad, síntoma, muerte… o sueño en clase).
  • Asociación no es causalidad: es la primera pista, no la sentencia.

No toda asociación es causal

✓

Causal

La exposición produce el evento. Dormir poco → sueño. Cumple criterios (temporalidad, fuerza, gradiente, plausibilidad).

?

No causal

Hay asociación, pero se explica por azar, sesgo o confusión. «Los que llegan en moto llegan tarde»: en realidad viven más lejos.

✗

Espuria

Parece asociación pero es un artefacto. «Los que usan lentes se sientan adelante»: ¿causa, consecuencia o marcador?

Para decidir si es causal necesitamos primero medir la asociación bien: de eso trata la clase.

Factor de riesgo, factor protector y marcador

Riesgo

Aumenta la probabilidad del evento y es modificable.

Dormir menos de 6 horas.

Protector

Disminuye la probabilidad del evento.

¿El café de hoy? Lo veremos con los datos.

Marcador

Se asocia al evento pero no se puede modificar ni es causa directa.

Ser de primer ciclo, la edad, el sexo.

Un factor de riesgo es una exposición asociada a mayor frecuencia del evento; la medida de esa asociación es lo que vamos a calcular: cuántas veces más riesgo.

De la frecuencia a la asociación

Lo que ya sabemos medir

  • Prevalencia: casos existentes / población, en un momento.
  • Incidencia: casos nuevos / población en riesgo, en un periodo.

Lo nuevo de hoy

Toda medida de asociación nace de comparar la frecuencia del evento entre expuestos y no expuestos.

\[ \text{Asociación} = \frac{\text{frecuencia en expuestos}}{\text{frecuencia en no expuestos}} \]

Si el cociente es 1, la exposición no cambia nada. Si es mayor que 1, es factor de riesgo. Si es menor que 1, es protector.

La tabla 2 x 2 del aula

  • Filas: exposición (dormir poco).
  • Columnas: evento (sueño en clase).
  • a expuestos con evento · b expuestos sin evento · c no expuestos con evento · d no expuestos sin evento.
  • Todo lo que sigue sale de estas cuatro celdas.

Como preguntamos todo en el mismo momento, esto es un corte transversal: lo que compararemos son prevalencias.

Misma tabla, otras etiquetas

Exposición (filas)Evento (columnas)Diseño típicoLectura
Recipientes con agua destapadosDengueCohorte de viviendasFactor de riesgo
Vivir junto a arrozalesMalariaTransversal / cohorteFactor de riesgo
Contacto con agua de inundaciónLeptospirosisCohorte (brote)Factor de riesgo
Uso de mosquiteroMalariaCasos y controlesFactor protector
Vacuna contra sarampiónSarampiónCohorte (brote escolar)Factor protector

Asociación espuria clásica: la venta de helados y los casos de dengue suben juntos cada año. ¿El helado causa dengue? Lo vemos en la siguiente diapositiva.

Helados y dengue: ¿causa o confusión?

Datos ilustrativos. Cada serie con su propia escala: se comparan las formas, no las alturas.

Heladero en una calle de Tarapoto entre el sol y la lluvia, con zancudos sobre los charcos

Ni el helado causa dengue ni el dengue antoja helado. Ambos dependen de un tercer factor: la temporada de lluvias y calor (más charcos y zancudos; más gente que compra helados).

Eso es confusión: si comparamos meses con el mismo clima, la asociación helado–dengue desaparece.

Bloque 2 · 20 minutos

Hipótesis y prueba chi cuadrado

¿La diferencia que vemos en el aula podría ser pura casualidad? Necesitamos una regla para decidirlo.

Hipótesis nula e hipótesis alterna

H0 (nula)

Dormir poco no tiene nada que ver con el sueño en clase: la proporción con sueño es la misma en los dos grupos.

\( H_0: p_{\text{expuestos}} = p_{\text{no expuestos}} \)

H1 (alterna)

Dormir poco sí se asocia al sueño en clase: las proporciones son diferentes.

\( H_1: p_{\text{expuestos}} \neq p_{\text{no expuestos}} \)

Valor p, alfa y los dos errores

0.05

Nivel de significancia (alfa): el riesgo que aceptamos de equivocarnos al rechazar H0.

Valor p: probabilidad de observar una diferencia como la nuestra (o mayor) si H0 fuera cierta. Si p es menor que 0.05, rechazamos H0.

H0 es verdaderaH0 es falsa
Rechazo H0Error tipo I (α): acusar al sueño sin pruebasDecisión correcta
No rechazo H0Decisión correctaError tipo II (β): dejar escapar al culpable

La lógica del chi cuadrado

1

Tenemos lo observado (O): las cuatro celdas reales.

2

Calculamos lo esperado (E) si H0 fuera cierta: cada celda se reparte según los totales.

3

Medimos cuánto se alejan O de E. Cuanto más lejos, menos creíble es H0.

\[ E = \frac{\text{total de la fila} \times \text{total de la columna}}{N} \]

Ejemplo: si el 40 % del aula tiene sueño y hay 20 trasnochadores, bajo H0 esperaríamos 8 trasnochadores con sueño.

Fórmula y regla de decisión

\[ \chi^2 = \sum \frac{(O - E)^2}{E} \]
\[ gl = (\text{filas} - 1)(\text{columnas} - 1) = 1 \]
  • Con 1 grado de libertad y α = 0.05 el valor crítico es 3.84.
  • Si χ² es mayor que 3.84 → p menor que 0.05 → se rechaza H0.
  • Si alguna celda esperada es menor que 5 → corrección de Yates o prueba exacta de Fisher.
  • Referencias: χ² = 6.63 ↔ p = 0.01; χ² = 10.83 ↔ p = 0.001.

Chi cuadrado con los datos del aula

Leptospirosis tras una inundación

600 personas; 150 con contacto directo con agua estancada (24 enfermaron) y 450 sin contacto (18 enfermaron).

H0: el contacto con el agua no se asocia a leptospirosis.

\[ E_a = \frac{150 \times 42}{600} = 10.5 \]\[ \chi^2 = \frac{(24-10.5)^2}{10.5} + \cdots = 24.9 \]

24.9 es mucho mayor que 3.84 (p menor que 0.001): se rechaza H0.

Chi cuadrado responde «si», no «cuánto»

Lo que sí dice

Que la asociación observada difícilmente es azar.

Lo que no dice

Cuánto más riesgo tienen los expuestos. Un χ² de 25 no significa «25 veces más riesgo»: depende del tamaño de muestra.

Entonces: ¿cuántas veces más sueño tienen los que durmieron poco? Pasamos a las medidas de fuerza.
Bloque 3 · 30 minutos

Medidas de la fuerza de asociación

Riesgo absoluto, riesgo relativo y odds ratio: tres formas de decir cuánto pesa una exposición.

Riesgo absoluto en cada grupo

\[ I_e = \frac{a}{a+b} \qquad I_o = \frac{c}{c+d} \]

El riesgo (o prevalencia) del evento en los expuestos (Ie) y en los no expuestos (Io). Son porcentajes: «de cada 100 trasnochadores, tantos tienen sueño».

Riesgo relativo (RR)

\[ RR = \frac{I_e}{I_o} = \frac{a/(a+b)}{c/(c+d)} \]
RR = 1Sin asociación
RR mayor que 1Factor de riesgo: «X veces más riesgo»
RR menor que 1Factor protector: «reduce el riesgo en (1 − RR)»

¿Y el café? Un factor protector en vivo

Odds ratio (razón de posibilidades)

Un odds es una apuesta: eventos a favor contra eventos en contra. Si 3 de cada 4 trasnochadores tienen sueño, el odds es 3 : 1.

\[ OR = \frac{a/b}{c/d} = \frac{a \cdot d}{b \cdot c} \]

Se interpreta igual que el RR (1 = sin asociación), pero habla de odds, no de riesgos.

¿RR u OR? Depende del diseño

Diseño¿Mide incidencia?MedidaEjemplo
CohorteSíRR (y OR)Viviendas con criaderos seguidas 12 meses
Ensayo clínicoSíRRVacuna vs placebo
TransversalPrevalenciaRazón de prevalencias (≈ RR), ORNuestro cuestionario de hoy
Casos y controlesNoSolo ORCasos de malaria vs controles sanos

En casos y controles elegimos cuántos casos y cuántos controles incluir: no hay población en riesgo, así que no existe incidencia ni RR.

Regla del 10 %: cuando el evento es poco frecuente (menos del 10 %), el OR se aproxima al RR. Cuando es frecuente, el OR exagera.

Juega con la tabla: cuándo OR y RR se separan

Evento
Sin evento
Expuestos
No expuestos

Prueba: 12 / 188 / 5 / 195 (evento raro) y luego 12 / 8 / 5 / 15 (evento frecuente).

Dengue y criaderos en Banda de Shilcayo

500 viviendas seguidas 12 meses: 200 con recipientes destapados (36 con dengue) y 300 sin recipientes (18 con dengue).

\[ I_e = \frac{36}{200} = 0.18 \qquad I_o = \frac{18}{300} = 0.06 \]\[ RR = \frac{0.18}{0.06} = 3.0 \]

Lectura: las viviendas con criaderos tienen el triple de riesgo de dengue que las que no los tienen.

Malaria y mosquitero en el Alto Mayo

80 casos de malaria (30 usaban mosquitero) y 160 controles sanos (110 usaban mosquitero).

\[ OR = \frac{30 \times 50}{110 \times 50} = 0.27 \]

Lectura: el odds de malaria entre quienes usan mosquitero es un 73 % menor. Factor protector. Aquí no hay RR: nosotros decidimos cuántos casos y controles incluir.

Influenza y vacuna en adultos mayores

Temporada 2025: 400 adultos mayores vacunados (20 casos de influenza) y 300 no vacunados (45 casos).

\[ RR = \frac{20/400}{45/300} = \frac{0.05}{0.15} = 0.33 \]\[ \text{Eficacia vacunal} = (1 - RR) \times 100 = 67\,\% \]

Lectura: la vacuna evitó dos de cada tres casos que habrían ocurrido sin ella.

Intervalo de confianza del RR y del OR

RR y OR son cocientes: su distribución es asimétrica, así que el IC se construye y se dibuja en escala logarítmica (detalle en el bloque 4).

Regla práctica: si el IC95 % cruza la línea del 1, la asociación no es estadísticamente significativa (equivale a p mayor que 0.05).

Un IC estrecho indica precisión (muestra grande); uno ancho, incertidumbre. Los dos primeros son los ejemplos de dengue y malaria.

Resumen de medidas de asociación

MedidaFórmulaDiseñoInterpretaciónRango
Riesgo absoluto (Ie, Io)\( a/(a+b) \), \( c/(c+d) \)Cohorte, transversalFrecuencia del evento en cada grupo0 a 1
Riesgo relativo (RR)\( I_e / I_o \)Cohorte, ensayo, transversalVeces más (o menos) riesgo en expuestos0 a ∞
Odds ratio (OR)\( ad / bc \)Todos; único en casos y controlesVeces más (o menos) odds en expuestos0 a ∞
Chi cuadrado\( \sum (O-E)^2/E \)Todos¿La asociación es azar? (sí/no)0 a ∞

El valor nulo de RR y OR es 1; el de las diferencias (Ie − Io) es 0.

Errores frecuentes

Leer el OR como RR

Con un evento frecuente (sueño en clase: 40 %), un OR de 4 puede corresponder a un RR de 2. El OR exagera cuando el evento es común.

«RR = 2: el doble de casos»

El RR compara riesgos entre grupos, no cuenta casos. Cuántos casos genera la exposición depende de cuántos expuestos hay (bloque 5).

Ignorar el IC

Un RR de 3 con IC de 0.9 a 10 no demuestra nada. Reportar siempre la estimación con su intervalo.

Tres preguntas, mano alzada

1

Un estudio de casos y controles reporta RR = 2.5. ¿Qué está mal?

2

RR = 0.4 con IC95 % de 0.3 a 0.6 para «mosquitero → malaria». ¿Es factor de riesgo o protector? ¿Es significativo?

3

χ² = 12 y RR = 1.1. ¿Puede ser? ¿Qué nos dice cada número?

Receso

Volvemos en 10 minutos con el apéndice estadístico

10:00
Bloque 4 · 20 minutos

Apéndice estadístico y epidemiológico

Error estándar, intervalos de confianza para promedios y proporciones, y comparación de dos promedios con la prueba Z.

¿Por qué intervalos de confianza?

El «team juane» de esta aula es una muestra. ¿Cuánto es el team juane en toda la UNSM? No lo sabemos con exactitud, pero podemos dar un rango creíble.

  • Estimación puntual: el valor en la muestra (72 %).
  • IC95 %: si repitiéramos el muestreo muchas veces, 95 de cada 100 intervalos contendrían el valor real. A la derecha: 20 muestras, 19 aciertan.

Precisión: la amplitud del IC. Más n, intervalo más estrecho. Significancia: si el IC excluye el valor nulo (1 para RR y OR, 0 para diferencias), p es menor que 0.05.

20 muestras de 40 estudiantes cada una (valor real: 70 %)

Error estándar

Mide cuánto variaría nuestra estimación si repitiéramos el muestreo muchas veces. No es la desviación estándar de los datos, sino la del estimador.

Con el error estándar se construye cualquier IC95 %:

\[ \text{IC95\,\%} = \text{estimación} \pm 1.96 \times EE \]
\[ EE_{\bar{x}} = \frac{s}{\sqrt{n}} \]
\[ EE_{p} = \sqrt{\frac{p\,(1-p)}{n}} \]

1.96 es el valor Z que deja 2.5 % en cada cola de la distribución normal.

IC95 % de una proporción: el team juane

\[ IC = p \pm 1.96 \sqrt{\frac{p(1-p)}{n}} \]

Condición: n·p y n·(1 − p) mayores que 5.

IC95 % de un promedio: horas de celular

\[ IC = \bar{x} \pm 1.96 \frac{s}{\sqrt{n}} \]

Con muestras pequeñas (n menor que 30) se usa la t de Student en lugar de 1.96.

Comparación de dos promedios: prueba Z

H0: μcon TikTok = μsin TikTok. H1: son distintas.

\[ Z = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{\dfrac{s_1^2}{n_1} + \dfrac{s_2^2}{n_2}}} \]

Se rechaza H0 si |Z| es mayor que 1.96 (α = 0.05). Para muestras pequeñas: prueba t.

Los mismos cálculos con datos de salud

IC95 % de una proporción

Cobertura vacunal por encuesta: 108 de 150 niños vacunados.

p = 72 %, EE = 0.037

IC95 %: 64.8 % a 79.2 %

IC95 % de un promedio

Edad media de los casos de un brote de dengue: n = 120, media 27.4 años, DE 14.2.

EE = 14.2 / √120 = 1.30

IC95 %: 24.9 a 29.9 años

Prueba Z

Hemoglobina en niños de dos comunidades: A 10.8 g/dL (DE 1.2; n 60) vs B 11.6 (DE 1.1; n 55).

Z = −0.8 / 0.214 = −3.73

|Z| mayor que 1.96: difieren (p menor que 0.001).

IC95 % del RR y del OR (escala logarítmica)

\[ IC_{RR} = \exp\!\left[\ln RR \pm 1.96 \sqrt{\tfrac{1}{a} - \tfrac{1}{a+b} + \tfrac{1}{c} - \tfrac{1}{c+d}}\right] \]

Dengue: ln 3 = 1.099; EE = 0.274; IC = exp(1.099 ± 0.537) = 1.75 a 5.13.

\[ IC_{OR} = \exp\!\left[\ln OR \pm 1.96 \sqrt{\tfrac{1}{a} + \tfrac{1}{b} + \tfrac{1}{c} + \tfrac{1}{d}}\right] \]

Malaria: ln 0.27 = −1.299; EE = 0.287; IC = exp(−1.299 ± 0.563) = 0.16 a 0.48.

Ambos intervalos excluyen el 1: las dos asociaciones son estadísticamente significativas, coherente con el chi cuadrado.

Bloque 5 · 20 minutos

Medidas de impacto potencial

El RR dice cuánto más riesgo. El impacto dice cuántos casos se deben a la exposición y cuántos evitaríamos si desapareciera.

De la fuerza al impacto

Fuerza (RR, OR)

Pregunta del investigador: ¿cuánto más riesgo tienen los trasnochadores?

Sirve para juzgar causalidad.

Impacto (RA, FA)

Pregunta del gestor: ¿cuántos alumnos con sueño se deben a trasnochar? ¿Cuántos dejarían de tener sueño si todos durmieran bien?

Sirve para priorizar intervenciones.

Las medidas de impacto solo se calculan cuando hay incidencia o prevalencia real (cohorte, transversal), nunca en casos y controles.

Riesgo atribuible en expuestos (RAE)

\[ RAE = I_e - I_o \]

Exceso de riesgo que tienen los expuestos por estar expuestos. Se lee como «casos extra por cada 100 (o 1000) expuestos».

Fracción atribuible en expuestos (FAE)

\[ FAE = \frac{I_e - I_o}{I_e} = \frac{RR - 1}{RR} \]

Porcentaje del evento entre los expuestos que se explica por la exposición. Con RR = 3, dos de cada tres casos en expuestos se deben a la exposición.

Riesgo atribuible poblacional (RAP)

\[ RAP = I_t - I_o \]

Exceso de riesgo en toda la población (expuestos y no expuestos juntos) debido a la exposición. Depende de qué tan frecuente es la exposición (Pe): un factor con RR enorme pero rarísimo tiene poco impacto poblacional.

Fracción atribuible poblacional (FAP)

\[ FAP = \frac{I_t - I_o}{I_t} = \frac{P_e (RR - 1)}{1 + P_e (RR - 1)} \]

Porcentaje de los casos de la población que desaparecería si se eliminara la exposición. Es la cifra que un gestor quiere oír.

¿Cuánto dengue se debe a los criaderos?

Banda de Shilcayo: Ie = 0.18; Io = 0.06; el 40 % de las viviendas tiene criaderos (Pe = 0.40).

Para el gestor: «Si elimináramos los criaderos domiciliarios, evitaríamos cerca del 44 % de los casos de dengue del distrito, y 12 casos por cada 100 viviendas con criaderos».

La misma lógica al revés: fracción prevenible

\[ \text{Fracción prevenible en vacunados} = \frac{I_o - I_e}{I_o} = 1 - RR \]
\[ \text{Fracción prevenible poblacional} = \frac{I_o - I_t}{I_o} = P_v (1 - RR) \]

Influenza en adultos mayores: RR = 0.33, 57 % vacunados (Pv = 0.57), It = 65/700 = 0.093.

  • Fracción prevenible en vacunados = 1 − 0.33 = 67 % (eficacia vacunal).
  • Fracción prevenible poblacional = 0.57 × 0.67 = 38 %: la vacunación ya evitó el 38 % de los casos que habría tenido la población.
  • Si la cobertura subiera a 90 %: 0.90 × 0.67 = 60 %.

Fuerza vs impacto: qué pregunta responde cada medida

MedidaFórmulaPregunta que respondePara quién
RR / OR\( I_e/I_o \) · \( ad/bc \)¿Cuántas veces más riesgo?Investigador (causalidad)
RAE\( I_e - I_o \)¿Cuántos casos extra por cada 100 expuestos?Clínico, consejería individual
FAE\( (RR-1)/RR \)¿Qué % de los casos en expuestos se debe a la exposición?Clínico
RAP\( I_t - I_o \)¿Cuántos casos extra por cada 100 personas de la población?Gestor
FAP\( P_e(RR-1)/[1+P_e(RR-1)] \)¿Qué % de casos se evitaría eliminando la exposición?Gestor, políticas
Barrio con niños jugando a un lado y adultos mayores al otro
Bloque 6 · 15 minutos

Estandarización de tasas

Cuando dos poblaciones tienen distinta composición, comparar tasas crudas engaña. Hay que ajustarlas.

El problema: dos secciones y los que llegan tarde

Dónde viven% que llega tardeSección ASección B
Lejos30 %70 % de la sección30 % de la sección
Cerca10 %30 % de la sección70 % de la sección
Tasa cruda de tardanza24 %16 %
Tasa ajustada (estándar 50/50)20 %20 %

Las dos secciones tienen exactamente la misma tardanza entre los que viven lejos y entre los que viven cerca.

La tasa cruda hace ver peor a la sección A solo porque tiene más alumnos que viven lejos. Es la confusión por la estructura de la población.

Método directo

1

Calcular las tasas específicas por estrato (edad, sexo, lugar de residencia) en cada población.

2

Elegir una población estándar (nacional, regional o la suma de ambas).

3

Aplicar las tasas específicas de cada población a la estructura estándar y sumar.

\[ \text{Tasa ajustada} = \sum_i \left( \text{tasa}_i \times w_i \right) \]

wi = proporción del estrato i en la población estándar. El resultado es la tasa que tendría cada población si tuviera la estructura estándar.

Método indirecto

1

Tomar las tasas específicas de una población estándar (por ejemplo, la región).

2

Aplicarlas a la estructura de la población de estudio: obtenemos los casos esperados.

3

Comparar con los casos observados.

\[ REM = \frac{\text{casos observados}}{\text{casos esperados}} \]

Razón estandarizada de morbilidad (o mortalidad). REM = 1.3 significa 30 % más casos de los esperados según las tasas estándar.

¿Cuándo usar cada método?

Directo

  • Tasas específicas disponibles y estables.
  • Poblaciones grandes.
  • Permite comparar varias poblaciones entre sí (misma estándar).

Indirecto

  • Poblaciones pequeñas o pocos casos por estrato (tasas inestables).
  • Solo se conocen los casos totales y la estructura.
  • Cada población se compara con la estándar, no entre sí.

En la práctica regional: tasas de dengue por distrito ajustadas por edad (directo); mortalidad por tuberculosis en un establecimiento pequeño frente a la región (indirecto, REM).

¿Por qué difieren las tasas crudas?

1. El distrito A tiene muchos niños; el B, muchos adultos mayores.

2. Dentro de cada grupo de edad el riesgo es idéntico.

3. La cruda engaña (16 vs 10.75). Ajustadas por edad: 14.5 y 14.5.

Dengue en un distrito joven y uno envejecido

Las tasas específicas por edad son idénticas en ambos distritos. La diferencia cruda (16.0 vs 10.75 por 1000) se debe solo a que el distrito A tiene más niños, el grupo con mayor tasa. Ajustadas, ambas valen 14.5 por 1000.

Estudiantes de enfermería trabajando en grupo
Bloque 7 · 30 minutos

Taller grupal

Seis casos de San Martín. 15 minutos de trabajo, 3 minutos de exposición por grupo.

Instrucciones del taller

1

Formen 6 grupos. Cada grupo escanea el código y abre su caso.

2

Formulen H0 y H1, construyan la tabla y calculen a mano las medidas indicadas. Verifiquen con la calculadora.

3

Cierren con una frase para un gestor de salud: ¿qué decisión tomaría con ese resultado?

4

15 minutos de trabajo y 3 minutos de exposición al frente.

Calculadora:

Dengue y criaderos en Morales

500 viviendas seguidas 12 meses. 200 con recipientes destapados: 36 con dengue. 300 sin recipientes: 18 con dengue.

  • Tabla 2 x 2, Ie, Io
  • RR con IC95 %
  • RAE y FAE
  • Frase para el gestor: casos evitables por cada 100 viviendas con criaderos

Pista

RR = (36/200) / (18/300)

FAE = (RR − 1) / RR

Malaria y mosquitero en el Alto Mayo

80 casos de malaria (30 usaban mosquitero) y 160 controles (110 usaban mosquitero).

  • Tabla 2 x 2 con exposición = mosquitero
  • ¿Por qué no calcular RR? OR con IC95 %
  • Chi cuadrado: ¿se rechaza H0?
  • Frase para el gestor: ¿riesgo o protector y en cuánto?

Pista

OR = (a × d) / (b × c)

1 − OR aproxima la reducción del odds

Leptospirosis en el Bajo Huallaga

600 personas: 150 con contacto con agua estancada (24 enfermaron) y 450 sin contacto (18 enfermaron).

  • RR con IC95 %
  • Chi cuadrado con esperados
  • FAP con Pe = 0.25
  • Frase para el gestor: % de casos evitables sin el contacto con el agua

Pista

FAP = Pe(RR − 1) / [1 + Pe(RR − 1)]

Brote de varicela en un colegio de Tarapoto

200 alumnos: 120 vacunados (6 enfermaron) y 80 no vacunados (32 enfermaron).

  • Tasas de ataque en vacunados y no vacunados
  • RR con IC95 %
  • Eficacia vacunal = (1 − RR) × 100
  • NNT = 1 / (Io − Ie)
  • Frase para el gestor: ¿cuántos niños vacunar para evitar un caso?

Pista

Tasa de ataque en vacunados = 6/120; en no vacunados = 32/80

Anemia en dos comunidades nativas

Hemoglobina en menores de 5 años. Comunidad A: n = 60, media 10.8 g/dL, DE 1.2. Comunidad B: n = 55, media 11.6 g/dL, DE 1.1.

  • EE e IC95 % de cada promedio
  • H0, H1 y prueba Z
  • Decisión con α = 0.05
  • Frase para el gestor: ¿dónde priorizar la suplementación con hierro?

Pista

Z = (x̄A − x̄B) / √(sA²/nA + sB²/nB)

Dos distritos: ¿cuál tiene más dengue?

EdadPobl. ACasos APobl. BCasos BEstándar
0 a 148 0001603 0006030 %
15 a 4910 0001507 00010550 %
50 y más2 0001010 0005020 %
  • Tasas crudas (por 1000)
  • Tasas específicas y ajustadas (método directo)
  • ¿Por qué cambia la conclusión?
  • Frase para el gestor: ¿a qué distrito asignar más control vectorial?

Pista

Tasa ajustada = Σ (tasa específica × peso estándar)

Rúbrica de evaluación

CriterioPuntaje
Hipótesis bien formuladas (H0 y H1)2
Tabla y cálculos correctos6
Interpretación epidemiológica correcta6
Claridad de la exposición y mensaje para el gestor4
Participación de todos los integrantes2
Total20

Al exponer

Una persona presenta la tabla, otra el cálculo, otra la interpretación. Máximo 3 minutos: el cronómetro manda.

Trabajo en grupo y exposiciones

15 minutos de trabajo · 3 minutos por grupo

15:00
Bloque 8 · 10 minutos

Cierre

Lo que aprendimos con el sueño en clase y lo que vale para el dengue, la malaria y las vacunas.

Mapa de la clase

FrecuenciaPrevalencia, incidencia
›
¿Asociación?H0, H1, chi cuadrado, p
›
FuerzaRR, OR, IC95 %
›
ImpactoRAE, FAE, RAP, FAP
›
Comparar poblacionesEstandarización

Dormir poco → sueño

Tabla del aula, RR, OR, chi cuadrado, fracciones atribuibles y el team juane.

Criaderos → dengue

Las mismas fórmulas, los mismos pasos, las mismas decisiones. Cambian las etiquetas, no el método.

¿Qué cambió? Post-test

Las mismas tres preguntas del inicio. Porcentaje de aciertos antes y después:

Califica la clase

Anónima, toma 1 minuto. Puedes dejar recomendaciones para mejorar.

Referencias

  1. Celentano DD, Szklo M. Gordis. Epidemiología. 6.ª ed. Barcelona: Elsevier; 2019.
  2. Szklo M, Nieto FJ. Epidemiology: beyond the basics. 4.ª ed. Burlington: Jones & Bartlett; 2019.
  3. Hernández-Ávila M, Lazcano-Ponce E. Epidemiología: diseño y análisis de estudios. 2.ª ed. México: Editorial Médica Panamericana; 2013.
  4. Rothman KJ, Greenland S, Lash TL. Modern epidemiology. 3.ª ed. Philadelphia: Lippincott Williams & Wilkins; 2008.
  5. Ministerio de Salud del Perú. Norma técnica de salud para la vigilancia, prevención y control del dengue; guías de práctica clínica de malaria y leptospirosis. Lima: MINSA.
  6. Centro Nacional de Epidemiología, Prevención y Control de Enfermedades (CDC Perú). Boletines epidemiológicos y salas situacionales de San Martín.
UNSM Facultad de Medicina Humana Escuela Profesional de Enfermería

Gracias

Dr. Rodrigo Enrique Osiris García Rengifo
Médico cirujano · CMP 080124
Director de Gestión Sanitaria y Estrategias Sanitarias Nacionales · RIS San Martín
Calculadora y casos:
Presentación en PDF: