ESCUELA PROFESIONAL DE ODONTOLOGIA

MONOGRAFIA DE BIOESTADISTICA

ELISA GAMBOA JULCA

ALUMNA DEL VIII CICLO ULADECH
elisagamboa@gmail.com

2014

INTRODUCCION

La estadstica ejerce un papel fundamental en la metodologa cientfica, la cual se preocupa

de organizar, describir, analizar e interpretar datos. La estadstica es un instrumento de
anlisis, comparacin y previsin, a partir de datos observables o experimentales,
estimando parmetros y aplicando tests estadsticos de acuerdo con su uso.
La informacin estadstica tiene como principal atributo diagnosticar el ambiente nacional
para servir de soporte para la formulacin de polticas pblicas y estudios socioeconmicos, apoyar investigaciones acadmicas en diversos niveles y, de un modo ms
amplio, posibilitar a la sociedad la construccin de una ciudadana colectiva.
Pues la bioestadstica es una rama de la estadstica que se ocupa de los problemas
planteados dentro de las ciencias de la vida, como la biologa, la medicina, la odontologa,
entre otros.
En la presente monografa trataremos sobre el Riesgo relativo y la prueba de
independizacin del Chi cuadrado.

I.

PRUEBAS DE INDEPENDENCIA
Ji-cuadrado
En una prueba de independencia el nico nmero que el investigador controla
directamente es el tamao total de la muestra. Se extrae una muestra de tamao n de la
poblacin y cada objeto se clasifica segn las dos variables que se estudian. Ni las
frecuencias de cada celda, ni los totales de fila y columna se conocen de antemano.
El investigador no fija previamente ningn conjunto, es decir, son aleatorios.
El planteamiento de las Hiptesis ser:
H 0 : A y B son independientes
H 1 : A y B no son independientes

Independencia significa que el conocimiento del nivel de clasificacin de un objeto

respecto a la caracterstica A no tiene nada que ver con su nivel respecto a la
caracterstica B. Para expresar esta idea matemticamente utilizamos las probabilidades
dadas en la siguiente tabla:
Tabla 1. Tabla de contingencia 2 x 2 con proporciones o probabilidades
Variable 1 (A)
Si
No Total
Variable 2
p 11 p 12 p 1.
Si
No p 21 p 22 p 2.
(B)
1
Total p .1 p .2

Se sabe que, para que dos sucesos sean independientes, la probabilidad de que ocurran
ambos a la vez debe ser igual al producto de las probabilidades de que cada suceso
ocurra individualmente.
P[A y B] = P[A]P[B]
O
p 11 = p .1 p 1.
La relacin debe cumplirse para cada celda. Por tanto, la hiptesis nula de
independencia se expresa matemticamente como:

i = 1, 2
H 0: p ij = p i. P .j
j = 1, 2
i = 1, 2
H 1: p ij ? p i. P .j
j = 1, 2
Comparamos el nmero de observaciones en cada celda con el nmero esperado, si H
0 es cierta. Si estos nmeros difieren poco, no hay razn para rechazar H 0 ; si hay una
gran discrepancia entre los valores observados y esperados, entendemos esto como
evidencia de que H 0 no es cierta. Entonces se calcula el valor esperado as:
E ij = np ij

11
=

n 1. n .1

total fila marginal x total

comlumna marginal

________________________

_________________________

tamao de la muestra

La pregunta es la siguiente: son estas diferencias demasiado grandes como para que se
deban nicamente al azar?
Para responderla necesitamos un estadstico cuya distribucin de probabilidad sea
conocida bajo la hiptesis de que H0 es cierta. El estadstico en cuestin es:

Prefijamos un nivel de significancia en 0.05

Si el valor p es pequeo (es menor de 0.05); podemos rechazar H 0
Para que las pruebas de Ji-cuadrado sean vlidas, es necesario que las muestras sean
grandes. Es decir que las frecuencias esperadas no sean menores de 5. Si esto no se
cumple, puede utilizarse una prueba para pequeas muestras llamada prueba exacta de
Fischer para contrastar independencia.

EJEMPLO
Se realiza una investigacin para determinar si hay alguna asociacin aparente entre la
altura de los estudiantes de posgrado y el xito en sus clases, a juicio de sus profesores.
Se selecciona una muestra aleatoria consistente en 500 estudiantes. Se clasifica a cada
estudiante de acuerdo a dos criterios, la altura y el xito. La tabla de contingencia
generada es la siguiente:

Mayor altura que el promedio

poblacional

Exito

Si
No

Si
162
38
200

No
263
37
300

425
75
500

Comparamos el nmero de observaciones en cada celda con el nmero esperado, si H

0 es cierta:

Datos utilizados para contrastar asociacin entre altura y xito en las clases. Las
frecuencias esperadas aparecen entre parntesis:

Mayor altura que el promedio

poblacional

xito

Si

Si
162 (170)

No

38 (30)
200

No
263
(255)
37
(45)
300

425
75
500

Para saber si las diferencias entre valores hallados y valores esperados es significativa
entonces aplicamos el estadstico ji-cuadrado:

A partir de la tabla Ji-cuadrado vemos que:

y
Como 4.18 est entre 3.84 y 5.02, el valor p est entre 0.025 (0.975) 0.05 (0.950).
El valor p es pequeo, es menor de 0.05. Podemos rechazar H 0 y concluir que la
sobretalla y el xito en las clases no son independientes.

II.

RIESGO
En medicina, se denomina Riesgo a la probabilidad que tiene un individuo de presentar
un determinado evento o fenmeno. El evento o fenmeno puede ser una patologa, la
curacin con determinado tratamiento, etc.
Para calcular el riesgo es necesario saber cuntos individuos de una poblacin conocida
presentan dicho evento (nE). Conocido este nmero y el total de individuos de la
poblacin susceptible de presentarlo (nP), el riesgo es:

Es decir: nmero de individuos que presentan el evento / total de individuos de la

poblacin susceptible de presentarlo.
Cualquier tipo de probabilidad se expresa siempre por un nmero que va de 0 a 1, pero
en medicina se ha adoptado referir al riesgo en trminos de porcentaje y es por eso que
la frmula de riesgo aplicada es:

Y esto, entonces, significa: cuantos individuos de cada 100 padecern el evento.

Conceptualmente, ste es el riesgo absoluto de la poblacin.

RELACION DEL RIESGO ENTRE DOS POBLACIONES

El valor del riesgo calculado anteriormente no es suficiente, puesto que lo que
habitualmente deseamos saber es si aplicando tal o cual procedimiento conseguiremos o
no beneficiar al paciente, o bien desde el punto de vista epidemiolgico, si la presencia
de una determinada situacin favorece o evita la aparicin del evento patolgico.
Para resolver esta situacin es necesario comparar el riesgo de, por lo menos, dos
poblaciones, una a la que se aplica un procedimiento o en la que est presente una
determinada situacin y otra en la que estos no estn presentes:
Denominamos poblacin expuesta a aquella en la que se aplica el procedimiento
teraputico o est presente la situacin en estudio y poblacin no expuesta a aquella en
la que estos no estn presentes.

Para calcular como influye el tratamiento o una situacin determinada sobre el evento
patolgico se debe comparar el riesgo de la poblacin expuesta con el de la poblacin
no expuesta.
La comparacin de riesgo puede ser planteada en los siguientes trminos:

1.- RIESGO RELATIVO: es la proporcin entre del riesgo de la poblacin expuesta

con respecto a la poblacin no expuesta. Esta medida generalmente se aplica en los
casos en los que se desea estimar el incremento o reduccin de la probabilidad de
padecer el evento en presencia de una situacin que se supone (hiptesis) es capaz de
modificarla.

Dnde:
RR: Riesgo relativo
Re : Riesgo en la poblacin expuesta
Rne: Riesgo en la poblacin no expuesta
Recordar que para calcular el riesgo en las respectivas poblaciones se aplicar la
frmula de riesgo.

Ejemplo:
Supngase que se desea saber cmo se modifica la probabilidad de que ocurra el evento
A cuando est presente el factor F (que, se supone, modifica la probabilidad de que
ocurra dicho evento).
Resolvemos de la siguiente manera:
Seleccionamos un grupo de individuos susceptibles a padecer el evento A en los que
est presente el factor F; es la Poblacin Expuesta, y otro grupo de individuos, tambin
susceptibles, pero en los que no est presente el factor F(Poblacin No Expuesta).

Observamos, que en el primer grupo (Poblacin expuesta) constituido por 150

individuos, 15 sufren el evento A; mientras que en el segundo grupo (poblacin no
expuesta) de 200 individuos, solamente 8 sufren dicho evento.
Calculamos entonces:
a) Riesgo en la poblacin expuesta:

b) Riesgo en la poblacin no expuesta:

El Riesgo Relativo resulta entonces (Ecuacin 2):

Aplicando porcentajes: 375%

Esto significa que cuando un individuo tiene presente el factor F la probabilidad de

padecer el evento A, prcticamente, se cuadruplica (3,75).

2.- REDUCCION ABSOLUTA DEL RIESGO (RAR)

Cuando se habla de medidas de reduccin de riesgo su aplicacin, habitualmente, est
destinada a evaluar tratamientos; en los que se supone que el mismo reducir las
probabilidades de que un determinado evento patolgico suceda.
En el caso anterior hemos comparado el riesgo entre poblaciones en trminos de
proporcionalidad, es decir, cociente entre el riesgo absoluto de la poblacin expuesta y
la no expuesta.
Cuando la comparacin se plantea en trminos de diferencia entre los riegos absolutos
de ambas poblaciones (expuesta y no expuesta) se obtiene la reduccin absoluta del
riesgo, tambin denominada riesgo atribuible

Esta es una medida de mucha utilidad cuando se pretende comparar tratamientos o

evaluar la eficacia de un tratamiento y la frmula que se aplica es la siguiente:

RAR = Rne - Re
Ejemplo:
En una rama estudio SOLVD destinado a evaluar los efectos del Enalapril sobre la
mortalidad por insuficiencia cardaca sintomtica, se incluyeron 2569 pts, de los cuales
1285 (poblacin expuesta) recibieron enalapril adems del tratamiento convencional y
1284 pts (poblacin no expuesta) recibieron solamente tratamiento convencional. Al
cabo de una
En la Poblacin no expuesta, fallecieron 510 de los 1284 pacientes(pts) , en tanto que
en la poblacin que recibi enalapril (poblacin expuesta) slo fallecieron 452 de los
1285 pts.
Calculando es riesgo absoluto de cada poblacin:

a)

Poblacin no expuesta (sin tratamiento con enalapril)

Rne = 510/1284 x 100 = 39.7%

b)

Poblacin expuesta (recibieron tratamiento con enalapril)

Re = 452/1285 x 100 = 35.2%

Calculando la Reduccin Absoluta del Riesgo ( RAR = Rne Re)
RAR = 39.7% 35.2% = 4.5%

Esto significa que la administracin de enalapril ha reducido el riesgo de muerte en

4.5%. En otras palabras, la administracin de enalapril a pts. Con insuficiencia cardaca
asintomtica evita 4.5 muertes por cada 100 pacientes tratados.
Cuando se trata de evaluar tratamientos, donde se supone (hiptesis) que la medida
aplicada (frmaco, procedimiento, etc.) reducir la probabilidad de que aparezca el

evento patolgico (evento A), los resultados deberan ser positivos. De resultar
negativo, significa que la medida es perjudicial.

3.- REDUCCION RELATIVA DEL RIESGO (RRR)

Otra medida para comparar el riesgo entre poblaciones es la denominada reduccin
relativa del riesgo que consiste en establecer en qu proporcin se reduce el riesgo de
sufrir el evento A en presencia del factor F (generalmente una medida teraputica) con
respecto al riesgo de la poblacin no expuesta. Esta es otra medida destinada a la
evaluacin de teraputicas o medidas preventivas y, como ocurre en el caso de la RAR,
los valores negativos significan un efecto perjudicial.
Para calcular esta medida de riesgo comparado se utiliza la siguiente frmula:

Dnde:
RRR : Reduccin relativa del riesgo
RAR : Reduccin absoluta del riesgo (Rne -Re )
Rne : Riesgo en la poblacin no expuesta ( poblacin no tratada)

Utilizando los valores del ejemplo del SOLVD, el valor de la reduccin relativa del
riesgo es:

Esto significa que en la poblacin que recibi enalapril, la probabilidad de morir se

redujo en 11.3% con respecto a la probabilidad de los que no recibieron este
tratamiento.

La diferencia entre la RAR y la RRR radica en que en la primera se mide el nmero de

muertes evitadas por cada 100 pts. tratados, en tanto que en la segunda se estima que
porcentaje de muertes se hubieran evitado si se aplicaba el tratamiento.
Para evaluar el impacto final de un tratamiento aplicado a una poblacin resulta de
mayor utilidad la estimacin de la RAR debido a que ella expresa el nmero absoluto
de individuos de la poblacin que se benefician con el tratamiento, en tanto que la RRR
estima el nmero de stos en funcin del riesgo que tiene la poblacin no tratada, esto
significa que si el riesgo es bajo en la poblacin no tratada, tambin lo ser, para un
mismo valor de RRR, el beneficio del tratamiento aplicado y, a la inversa, si aqul es
alto, el beneficio ser alto.
Para clarificar lo antes expuesto analicemos dos situaciones:

Situacin 1:
En un estudio se comprueba que el riesgo de padecer el evento A en la poblacin no
tratada es del 40%, mientras que en la poblacin tratada es del 25%. De esto se deduce
que:
1. la RAR es del 15% ( Rne Re = 40-25 = 15).
2. la RRR es de 37,5% (RRR = RAR / Rne x 100 = 37.5)

Conclusin: esto significa que de cada 100 personas tratadas se evitaran 15 eventos
(RAR), y que de todas las personas no tratadas que sufrieron el evento, un 37,5 % no lo
hubiera sufrido si se aplicaba el tratamiento

Situacin 2:
En otro estudio se comprueba que el riesgo de padecer el evento B en la poblacin no
tratada es del 4%, mientras que en la tratada es del 2.5%. De esto se deduce:
1. la RAR es del 1.5% (Rne-Re= 4 2.5 = 1.5)
2. la RRR es del 37.5%( RRR = RAR / Rne x 100 = 1.5 / 4 x100 = 37.5)
Conclusin: esto significa que de cada 100 personas tratadas se evitaran 1.5 eventos
(RAR) y que de todas las personas no tratadas que sufrieron el evento, un 37.5% (RRR)
no lo hubiera sufrido si se aplicaba el tratamiento.

Comparando los resultados de estas dos situaciones emerge claramente la ventaja de

utilizar la RAR como medida de impacto sobre la poblacin.
Tanto en la situacin 1 como en la 2 la RRR es del 37.5%, lo que significa que en
ambas situaciones, la aplicacin del tratamiento hubiese evitado que el 37.5% de los
individuos que padecieron el evento, lo hubiesen padecido. Aparentemente el impacto
del tratamiento es el mismo en ambas situaciones. Sin embargo, si analizamos los
resultados de la RAR, que son de 15% para la situacin 1 y de 1.5% para la 2, las cosas
se vern en forma diferente, una RAR de 15% significa que de cada 100 pacientes
tratados se benefician 15, en tanto que una RAR de 1.5% expresa que solamente 1.5
individuos de cada 100 tratados se benefician. Es decir que el tratamiento en la
situacin 1 beneficia a un porcentaje mayor de personas que lo que beneficia el
tratamiento en la situacin, hecho que se refleja claramente al atender los resultado de
RAR ( 15% vs 1.5%)

III.

REFERENCIAS BIBLIOGRAFICAS
1. Sackett D, Haynes R, Guyatt G, Tugwell P. Epidemiologa clnica. Ciencia bsica
para la medicina clnica. 2da Ed. Mxico: Editorial Mdica panamericana; 1998.
2. Barreto C. Estadstica Bsica Aplicaciones. 2a ed. Chimbote: SUA Uladech;
2007.
3. Pineda E, Alvarado E, Canales F. Metodologa de la investigacin. Washington:
OPS.1994.
4. Bunge M., Epistemologa; Editorial Ariel, S. A.; Barcelona.1985.