Blog

Conceptos estadísticos básicos que todo médico debe entender

¿Eres de los que se salta el apartado de análisis estadístico de la sección de material y métodos de un artículo? No es necesario que seas un experto en epidemiología ni que hagas un máster de estadística para entender el análisis o los resultados un estudio. Si quieres sacar el máximo partido a los artículos científicos, no te pierdas este post, en el que explicamos los conceptos estadísticos básicos, y el siguiente, en el que verás un montón de ejemplos. 

Incidencia y prevalencia 

En epidemiología se usan diversos indicadores para caracterizar el estado de salud de las poblaciones. Entre dichos indicadores se encuentran la incidencia y la prevalencia, que son los dos tipos de medida de la frecuencia de la enfermedad más utilizados.  

La incidencia de una enfermedad es el número de casos nuevos de dicha enfermedad en una población durante un período de tiempo determinado. Por el contrario, la prevalencia define el número de individuos que presenta una determinada característica o enfermedad en una población y en un momento de tiempo determinado.  

La incidencia estudia los casos nuevos de una enfermedad, mientras que la prevalencia hace lo propio con los casos ya existentes de dicha enfermedad.  

La prevalencia «hace una foto» en un momento determinado y cuenta el número de casos que hay. Sin embargo, la incidencia se aplica a un período de tiempo, el que quieras estudiar, y va contando el número de casos nuevos que van apareciendo sin tener en cuenta los que ya había. 

¿Riesgo relativo u odds ratio? 

Aunque también los verás en ensayos clínicos y otros tipos de estudio, estos dos indicadores son especialmente importantes en el contexto de los estudios de factores de riesgo. Ya los conoces, son los famosos estudios de cohortes y estudios de casos y controles. 

En los estudios de cohortes se define un grupo de expuestos a un factor de riesgo y un grupo de no expuestos, y se siguen en el tiempo. Al final del seguimiento se compara la incidencia de la enfermedad (si lo necesitas, puedes volver al inicio de este post) en los expuestos y en los no expuestos.  

Pues bien, el parámetro que mide cómo de fuerte es la asociación entre el factor de riesgo y la enfermedad en los estudios de cohortes es el riesgo relativo. 

Por otro lado, en los estudios de casos y controles se dispone de un grupo de personas con la enfermedad (casos) y otro grupo sin la enfermedad (controles). Después, de forma retrospectiva se mide la exposición al factor de riesgo en los casos y en los controles.  

En los estudios de casos y controles, el parámetro que mide cómo de fuerte es la asociación entre el factor de riesgo y la enfermedad es la odds ratio. 

El riesgo es un concepto sencillo: número de personas que padecen una enfermedad dividido por el número total de personas. Pero si te preguntas qué demonios es la odds, has de saber que es un término anglosajón que viene del mundo de las apuestas. Es una forma alternativa a la probabilidad que los países anglosajones usan para expresar los resultados inciertos. Mientras que la probabilidad define los casos a favor divididos entre todos los casos posibles, la odds define los casos a favor divididos entre los casos en contra. Si aplicamos este concepto a los estudios de casos y controles, la odds se calcula como el número de casos dividido por el número de controles. 

Dicho esto, ¿qué debes saber cuando leas los resultados de un estudio? El riesgo relativo (RR) es el cociente entre el riesgo en los expuestos al factor de riesgo y el riesgo en los no expuestos. Se interpreta así: 

  • RR >1: indica que hay más enfermos entre los expuestos.  
  • RR <1: indica que hay más enfermos entre los no expuestos.  
  • RR = 1: indica que no hay diferencias en la probabilidad de padecer la enfermedad entre los expuestos y los no expuestos. 

Por último, la odds ratio (OR) es el cociente entre la odds en los expuestos al factor de riesgo y la odds en los no expuestos. Se interpreta así: 

  • OR >1: indica que hay más casos entre los expuestos.  
  • OR <1: indica que hay menos casos entre los expuestos.  
  • OR = 1: indica que no hay diferencias entre la exposición y la enfermedad.  

Así, cuando leemos que la OR de cáncer de pulmón es de 6 para el consumo de tabaco, significa que los fumadores (expuestos) tienen 6 veces más riesgo de padecer cáncer de pulmón que los no fumadores (no expuestos). 

¿Te has fijado? RR y OR se interpretan de la misma forma. 

¿Relativo o absoluto? 

El RR y el OR son medidas relativas (o de razón, porque son cocientes) de la asociación entre el factor de riesgo y la enfermedad. Sin embargo, verás que en las publicaciones científicas también se utilizan medidas absolutas de dicha asociación: 

  • Riesgo atribuible. El riesgo de una enfermedad atribuible a una exposición es la diferencia entre el riesgo en los expuestos y el mismo riesgo en los no expuestos. Cuantifica el número de expuestos que enferma debido a ese factor de riesgo, es decir, representa la cantidad de incidencia que puede atribuirse al factor de riesgo. Dicho de otro modo, mide la parte de riesgo que se puede atribuir al factor que evaluamos y no a otros factores (que, teóricamente, serían similares en ambos grupos).  

Un riesgo atribuible de 1 significa que todas las personas expuestas que enferman lo hacen debido a dicha exposición. Si el riesgo atribuible fuera 0, significaría que ninguna de las personas que enferman lo hacen a causa de la exposición al factor que se estudia. 

Fíjate en que, mientras que el riesgo atribuible es la diferencia entre el riesgo en los expuestos y los no expuestos, el riesgo relativo es su cociente.  

  • Número (de personas) que es necesario tratar (NNT). Este indicador está relacionado con el anterior (de hecho, el NNT se calcula como el inverso del riesgo atribuible), pero es más fácil de entender. Expresa el esfuerzo que hay que realizar para prevenir un caso de enfermedad. Por ejemplo, si en un estudio se ha calculado un NNT de 44 para evitar un infarto de miocardio en pacientes tratados con hipolipemiantes, significa que necesitamos tratar a 44 pacientes con hipolipemiantes para evitar un infarto de miocardio. 

Ya puedes ir a por ese artículo científico que tenías atascado. ¡Dale otra oportunidad! 

Referencias  

  • Cobo E, Muñoz P, González JA, Bigorra J, Corchero C, Miras F, et al. Bioestadística para no estadísticos. Bases para interpretar artículos científicos. 1.ª ed. Barcelona: Elsevier; 2007; 368 p. 
  • Wassermann AO. Bases epidemiológicas para la comprensión de los factores de riesgo [Internet]. Buenos Aires: Fundación para el Estudio, la Prevención y el Tratamiento de la Enfermedad Vascular Aterosclerótica (FEPREVA); 2013 [consultado 3 feb 2021].