Manual de Bioestadística para. estudiantes de carreras de. Ciencias de salud y residentes. Parte 3

Transcripción

1 Manual de Bioestadística para estudiantes de carreras de Ciencias de salud y residentes. Parte 3 Autores: Octavio Oscar Danel Ruas Asela Isabel Acosta Valenzuela Carlos Andrés Santa María Rodríguez Facultad de Ciencias Médicas Manuel Fajardo Agosto 2016

2 Capítulo 3: Indicadores para resumir datos cualitativos En la Parte 1 vimos las medidas de tendencia central, estas nos informan sobre el valor central de un conjunto de datos: la media, la mediana, la moda. Posteriormente en la Parte 2 nos acercamos al estudio de las medidas de dispersión: la desviación media o estándar, varianza, coeficiente de variación y las medidas de posición: cuantiles: cuartiles; deciles y percentiles, entre otras: las razones, índices, proporciones, porcentajes, tasas, todas de muy fácil cálculo e interpretación. Ahora estudiaremos algunas medidas para resumir datos correspondientes a variables cualitativas que son de muy simple cálculo y permiten caracterizar el comportamiento de variables a las cuales no es posible calcularles las medidas de resumen analizadas hasta el momento. De manera general los indicadores de resumen para variables cualitativas relacionan las frecuencias absolutas con otros valores. Estas relaciones aportan importante información que contribuyen a la caracterización resumida del comportamiento de las variables cualitativas en estudio. Los indicadores de resumen para variables cualitativas, constituyen herramientas muy útiles para el personal de salud en la descripción, evaluación y conducta a seguir en cuanto a los problemas de salud de la comunidad y se usan como indicadores de salud. Los conocimientos de Estadística le proporcionan al personal de salud una buena capacidad de razonamiento y de criterio tanto en la aplicación del conocimiento al análisis e interpretación de los datos y signos clínicos, como en la definición de la naturaleza de los problemas y la planificación y la ejecución de una estrategia para resolverlo, y, por otra parte,una comprensión de la contribución de la metodología de la investigación y una aptitud para interpretar y aplicar la investigación de otros en su labor diaria. Medidas para resumir datos cualitativos. Palabras clave: Razón, Índice, Proporción, Tasa, Riesgo Relativo, Odd Ratio.

3 Razón Donde a y b números cualesquiera Ejemplo 5000 individuos de los cuales 100 tienen enfermedades razón de individuos enfermos= (1000/5000)*100 = 20% Proporción Relaciona la frecuencia absoluta de individuos que pertenecen a una determinada categoría dada de una variable dada y el total de individuos donde se está considerando dicha variable P a: característica que se quiere medir y n= número total de individuos Ejemplo en una población de 5000 personas, hay 1000 que padecen de cierta enfermedad y 4000 individuos son sanos. La proporción de enfermos = 1000/5000=1/5 Donde 1 de cada 5 habitantes, está enfermo. % 100 Porcentajes de enfermos= 1/5*100= 20% Porcentaje de sanos= 4/5*100= 80% Las variables cualitativas se resumen mediante frecuencias relativas (razones, índices, proporciones, porcentajes, tasas, entre otras). La importancia de las frecuencias relativas radica en que mediante ellas pueden ponerse de manifiesto las relaciones que existen entre dos o más cifras de los datos que se estudian, facilitando la comparación de los diferentes resultados. Relaciona el número de observaciones en una categoría con el número de observaciones en la otra categoría. Razón= a b Índice= a b x100 Por ejemplo: Razón de Masculinidad Razón H/M = =0,427 Hay 0,4 hombres por c/mujer Índice de masculinidad Índice= =0,427x100 Índice=42,7 % Hay 43 hombres Por cada 100 mujeres.

4 Ejemplos de Índices Índice enfermeros(as)/camas de un hospital Índice médicos(as)/camas de un hospital Índice E/C = Número de enferme@s x100 Número de camas Índice M/C = Número de médic@s x100 Número de camas Proporción a p = a+ b Relaciona el número de observaciones de una categoría con el total del grupo. 0 proporción 1 Cuando la serie que se estudia consta sólo de dos categorías puede usarse según las preferencias una razón o una proporción. Si la serie consta de tres o más categorías no hay una forma única de calcular una razón y en ese caso es preferible utilizar las proporciones. Sexo Número de casos Proporción Masculino = 0,2996 0,30 Femenino = 0,7006 0,70 Total Porcentaje: a p = x100 a+ b Es la proporción multiplicada por cien. Entonces 0 porcentaje 100 Ventajas: 1. Permiten comparar fácilmente 2 ó más series cuyos totales son diferentes, pues estos quedan convenientemente reducidos a A través de los porcentajes se puede resumir la probabilidad de ocurrencia de un hecho. Sexo Número de casos Proporción Masculino = 0, ,30x100=30% Femenino = 0,7006 0,70 x100=70% Total %

5 Tasa es la relación del Nº de veces que ocurrió determinado fenómeno/ Población en la cual puede ocurrir ese fenómeno. Esta tasa siempre es un número 0< Tasa < 1 por lo que se multiplica por una potencia de 10 (La Tasa se expresa 100, 1000, y ) para 10 n. La Tasa se interpreta como el Riesgo que tiene un individuo del denominador de que le ocurra el fenómeno o evento del numerador. Las tasas pueden ser Generales o Específicas. Las primeras también se denominan globales, brutas o totales, se calculan respecto a la población total, sin tomar en cuenta ninguna otra causa, razón o característica de la población. Se refieren a toda la población o todas las causas. Por ejemplo la Tasa de mortalidad bruta que expresa el riesgo que tienen los individuos de una población determinada de morir por cualquier causa en un período de tiempo determinado. Las tasas específicas son aquellas que refieren solo a una parte de la población o a una determinada causa. Por ejemplo: la Tasa de mortalidad infantil que solo se refiere a la mortalidad en el primer año de vida. No. de eventos Tasa = x10 Población expuesta n Numerador y Denominador deben concordar en cuanto a lugar, tiempo y naturaleza del fenómeno estudiado. Es una medida del riesgo de que ocurra un determinado evento en una población dada. Una tasa es simplemente un cociente. El numerador indica el número de veces que ocurrió determinado fenómeno en un área perfectamente limitada y en un período de tiempo perfectamente definido. El denominador indica el número de habitantes de la población en la que ocurrió el fenómeno descrito en el numerador en ese período de tiempo Como el numerador de las tasas nunca podrá ser mayor que su denominador, el resultado será menor que la unidad, y para evitar el uso de decimales, los resultados se multiplican por 100, 1000, 10000, etc. Las tasas pueden calcularse para toda una población (tasas crudas) o separadamente para algunos de sus segmentos (tasas específicas) Ejemplo: grupos de edades, sexo, entre otras. Las Tasas más utilizadas en las ciencias médicas son las tasas de natalidad, mortalidad y morbilidad. A todas ellas nos dedicaremos con más detalles en el próximo Capítulo.

6 Medidas de asociación: Riesgo relativo y razón de productos cruzados: El Riesgo se calcula mediante una proporción: Riesgo = Riesgo = Nº de individuos que desarrollan una enfermedad Nº de individuos que podrían desarrollar esa enfermedad Nº de veces que ocurrió un suceso Nº de veces que pudo haber ocurrido ese proceso (a) Inicio de un período (b) en un período de tiempo Existen estudios en los que interesa hacer comparaciones entre un grupo de individuos expuestos a algún factor y otro grupo de individuos no expuestos, se desea analizar si ese factor tiene alguna incidencia sobre la aparición de alguna enfermedad específica. Para establecer la comparación se requiere una medida del incremento del riesgo - si lo hay - de contraer la enfermedad en particular en el grupo expuesto con respecto al que no está expuesto. Para ello se emplea el Riesgo Relativo (RR) RR= Tasa de incidencia en el grupo expuesto/tasa de incidencia en el grupo no expuesto. Expresa cuanto mayor hacia el daño tiene el grupo donde está presente el factor con relación al grupo que no está expuesto. RIESGO RELATIVO Tasa de incidencia en el grupo expuesto Riesgo Relativo (RR)= Tasa de incidencia en el grupo no expuesto

7 Comparación de riesgos y riesgo relativo El riesgo es una cuantificación del grado de certeza de algún evento, generalmente un factor negativo o nocivo para la salud. Por tanto, puede ser visto como una probabilidad. En determinadas situaciones el interés está en comparar el riesgo de acontecer algún evento en dos grupos independientes. En estudios prospectivos, grupos de individuos con características diferentes son acompañados para estudiar la ocurrencia de un resultado particular. En estos ensayos es fácil calcular la proporción de individuos con la característica de interés en cada grupo, y la razón de estas dos proporciones es una medida comparativa de los riesgos de un grupo contra el otro. Esta razón es conocida como riesgo relativo. Factor de riesgo es una conducta o condición que contribuye al incremento de las posibilidades de ocurrencia de un daño determinado en la población que manifiesta esa conducta o que posee esa condición. Ejemplo 1: Grupo 1 Grupo 2 Total Presencia Si a b a + b No presencia No c d c + d Total a + c b + d n RR Grupo 1 = 0,345 De este modo un valor de RR =1 significaría que el riesgo en ambos grupos es igual. Ejercicio 1: Determinar el RR que presentan los pacientes que se muestran en la siguiente Tabla de presentar enfermedades coronarias. Hábito de fumar Enfermedades coronarias Total RR Enfermos No enfermos Fumador x 1000 No fumador ,7 x 1000 Totales

8 Interpretación del Riesgo Relativo: Si RR=1 No existe asociación entre el factor de riego y el daño, lo que significa que la incidencia en el grupo de expuestos es igual a la incidencia en el grupo de no expuestos, por lo que no se observa asociación entre la exposición y la enfermedad. De este modo un valor de RR =1 significaría que el riesgo en ambos grupos es el mismo. Cuando RR>1 La incidencia en el grupo de expuestos es mayor que la incidencia en el grupo de no expuestos, Significa que el factor de riesgo aumenta la posibilidad de contraer la enfermedad o daño, o lo que es lo mismo, se observa una asociación positiva o directa entre la exposición y la enfermedad. Cuando RR<1 La incidencia en el grupo de expuestos es menor que la incidencia en el grupo de no expuestos se observa asociación negativa o inversa entre la exposición y la enfermedad. Disminuye el riesgo de aparición del daño, se trata de un factor de protección. En el ejemplo el riesgo de contraer alguna enfermedad coronaria en los fumadores es 1.63, interpretando esto el Riesgo de contraer una enfermedad coronaria en los fumadores es 1.63 veces mayor que en los no fumadores. El Riesgo Relativo puede determinarse fácilmente en los estudios donde se conocen las poblaciones expuestas y no expuestas y se pueden calcular las tasas para cada grupo, cuando no contamos con esta posibilidad, entonces debemos emplear la razón de productos cruzados conocida también como Odd ratio. El Odds ratio o ventaja del éxito de un suceso se define como el cociente p/q, donde p es la proporción en que ocurre un eso y q= 1 p (proporción en que no corre). La medida de fuerza de asociación es la desigualdad relativa (Odds ratio) llamada también razón de disparidad o cociente de suertes. Indica cuantas veces más hay probabilidad de que el factor de exposición esté presente en los casos comparados con los controles. Es una medida indirecta del riesgo relativo y puede ser igual, mayor o menor que la unidad.

9 Interpretación del Odd Ratio. OR=1, significa que el factor estudiado se considera carente de influencia sobre el desarrollo de la enfermedad. OR>1, significa que el factor estudiado es considerado de riesgo. OR<1, factor estudiado considerado protector del proceso del proceso que se investiga. Ejercicio 2: Con enfermedad Sin enfermedad Tomaban píldoras No tomaban píldoras a 90 c 10 b 45 d 55 Entonces OR= a d b c Determina la Razón de productos cruzados OR y el RR Razón de productos cruzados=(90 55) / (45 10) = 11 Calculando el Riego relativo: a d OR = = = = 1,63 b c Ejercicio 3: Un investigador realizó un estudio sobre el hábito de fumar. La siguiente Tabla muestra los datos proporcionados por familiares de los individuos en estudio, sobre el hábito de fumar. Respuesta por el individuo en estudio Respuesta del familiar Fuma No fuma Total Fuma No Fuma Totales

10 Esto condujo una investigación de casos y controles, sobre cáncer de pulmón y hábito de fumar, con respuestas dadas por los familiares. Los criterios dados por los pacientes se muestran en la siguiente tabla. Casos enfermos Controles Fumador No fumador Ejercicio 4: Determina el valor de OR o cociente de productos cruzados de los datos presentados en la Tabla anterior. a) A partir de los datos investigación de casos y controles, sobre cáncer de pulmón y hábito de fumar de la tabla 2 (tabla anterior) comprueba que el valor de Odd ratio es OR = b) Con los datos de la Tabla 1 método "información dada por el familiar" para diagnosticar la exposición. Calcula los valores de Sensibilidad y Especificidad. a d OR = = = = 2,42 b c Ejercicio 5: Durante 10 años un investigador siguió a 1000 mujeres jóvenes seleccionadas al azar que tomaban píldoras anticonceptivas y otras 1000 que no las tomaban El Riesgo Relativo se calcula independientemente para cada uno de los grupos (las que tomaban y las que no tomaron las píldoras). De este modo: Tomaban la píldora Enfermedad Si (Factor) No(Factor) a a b 0,03 RR + Con (a) 30 (b) 3 = = = 10 c 0,003 c+ d Sin (c) 970 (d) 997 Total a 30 = = 0,03 c 3 a + b 1000 = = 0,003 c + d 1000

11 En este caso es necesario señalar que los totales que se conocen son los de las columnas, es decir donde está presente o ausente la enfermedad o el daño. Factor Enfermedad de riesgo Presente Ausente Totales Presente a b a + b a d OR = Ausente c d c + d b c Totales a + c b + d Ejercicio 6: Se seleccionaron 100 mujeres con una enfermedad y otras 100 mujeres sin la enfermedad y de ella se vio cuántas tomaban la píldora y cuántas no la tomaban? Factor de riesgo Tomaban píldoras? Si tomaban No tomaban Con enfermedad a 90 c 10 Sin enfermedad b 45 d 55 Totales a + c b + d a d OR = = = = 11 c b Aplicando el cálculo de Riesgo relativo: Desarrollaron la enfermedad = = 9 y No la desarrollaron= = 0, El cociente de ambos números o valor de productos cruzados es 9 = = 11 0,82 Por lo que la razón es similar a la obtenida por el cálculo del Riesgo Relativo, el grupo que tomó la píldora tiene once veces más el riesgo de desarrollar la enfermedad. Una razón de productos cruzados igual a 11 indica que las mujeres que toman las píldoras son 11 veces mayor den las mujeres con la enfermedad que las otras mujeres. En enfermedades poco frecuentes la razón de productos cruzados se aproxima al valor del Riesgo Relativo.

12 Ejercicio 7: La siguiente tabla muestra un estudio sobre la influencia que tiene el uso de estrógenos en mujeres con cáncer de endometrio. Determina el valor del coeficiente de productos cruzados y explica el significado del valor obtenido. Uso de Estrógenos Cáncer de endometrio Presente Ausente Totales a d OR = Presente b c No = 3,71 Presente Totales Como OR>1 existe asociación (el factor de estudio constituye un posible factor de riesgo para la enfermedad). Ejercicio 8: Un estudio transversal para conocer la prevalencia de osteoporosis y su relación con algunos factores de riesgo potenciales, incluyó a 400 mujeres con edades entre 50 y 54 años. A cada una se le realizó una densitometría -medición cuantitativa de los depósitos minerales de los hueso- de columna y en cada caso se completó un cuestionario de antecedentes.( Las personas que cuentan con una Densidad mineral ósea significativamente más baja con respecto a otras de similar sexo y edad son más susceptibles de padecer fracturas) Para el ejemplo se consideran solo las variables dicotómicas osteoporosis y antecedentes de dieta pobre en calcio. De las 80 pacientes que presentaban osteoporosis 58 presentaban antecedentes de dieta pobre en calcio, en tanto que entre las 320 que no tenían osteoporosis, el número de mujeres con este antecedente era de 62. La siguiente Tabla muestra los datos: Antecedente de dieta pobre Osteoporosis Sí No Total Expuestos No expuestos Total a) Determina la fuerza de relación entre las variables o desigualdad relativa. b) Diga si el factor analizado es o no considerado un factor de riesgo. Argumenta.

13 Ejercicio 9: Diez años después de comenzado un estudio de seguimiento, se evaluó el número de casos de hipertensión arterial aparecido en cada uno de los grupos de pacientes (que realizan o no ejercicios físicos sistemáticos)sujetos. La siguiente tabla muestra los resultados obtenidos: Realizan Total ejercicios físicos No Si Si HTA No Total a) Calcule el Riesgo Relativo padecer de HTA en los pacientes que no realizan ejercicios físicos con respecto a los que si los realizan. Analiza el resultado obtenido. A causa del diseño del estudio, la medida que más adecuada resulta utilizar para analizar nuestros resultados es el RR dado que es un estudio de cohortes. Calculamos el RR asociado a nuestros datos: RR= 20 / ( ) 20 / 30 = = 2 20 / ( ) 20 / 60 En conclusión, un sujeto que no practica ejercicio físico regularmente, tiene dos veces más probabilidades de desarrollar hipertensión arterial que un sujeto que si desarrolla ejercicio físico regularmente. Razones para utilizar Odd ratio: Aunque la interpretación del Riesgo Relativo (RR) es más intuitivo, existen varias razones para emplear el Odd ratio: 1. Odd ratio permite ser calculado en cualquier tabla 2x2, no así el RR en estudios de casos control. 2. Odd ratio permite examinar el efecto que otras variables (sexo, edad, etc.) pueden causar en esa asociación. 3. Odd no varía aunque cambien el orden de las categorías, no así en el RR.

14 Ejercicio 10: En un estudio epidemiológico se evaluó la asociación entre prácticas de la lactancia materna y enfermedad diarreica aguda (EDA).Los resultados fueron: CASOS (EDA) CONTROLES (NO EDA) LACTANCIA NO MATERNA SI TOTAL NO LACTANCIA (%) 50% 10% a) Determina la fuerza de asociación o desigualdad relativa entre la enfermedad diarreica aguda en los niños que no hacen lactancia materna, con respecto a los que si lactan de sus madres. (Odd ratio) b) De acuerdo al valor obtenido diga si el factor estudiado es considerado de Riesgo o no. Justifica de acuerdo a los resultados obtenidos. Sensibilidad y Especificidad. Para el diagnóstico de una enfermedad se hace necesario realizar pruebas específicas, las que definen si un individuo está enfermo o no. Raras veces se dispone de una prueba diagnóstica cuyos resultados sean perfectos. Por lo que es necesario definir el grado de eficiencia de una prueba diagnóstica. Sensibilidad y especificidad: La eficacia de un Medio Diagnóstico (MD) viene dada fundamentalmente por dos conceptos de carácter cuantitativo. Sensibilidad (α ): es la capacidad que tiene una prueba de identificar como enfermos a los que realmente lo son. Especificidad (β): Es la capacidad que tiene la prueba de identificar como sanos a los que efectivamente lo son. A estos dos conceptos básicos se añaden otros dos también elementales que evalúan la otra cara de la moneda: Si un paciente tiene un resultado de un MD que lo declara "positivo", cuál es la probabilidad de que esté enfermo? Valor predictivo positivo, y su complemento;

15 Si un individuo tiene un resultado negativo de cierto MD Cuál es la probabilidad de que esté realmente no enfermo? Valor predictivo negativo. Estos cuatro conceptos son los que expresan cuantitativamente la eficacia absoluta de determinado MD. Sensibilidad α : Es la capacidad que tiene una prueba de identificar como enfermos a los que realmente lo son. Es la probabilidad de clasificar correctamente a un individuo enfermo, es decir, la probabilidad de que para un sujeto enfermo se obtenga en la prueba un resultado positivo. Proporción de enfermos que son bien clasificados, es decir, que resultan positivos, también se puede definir como el cociente de verdaderos positivos entre la suma de verdaderos positivos más falsos negativos. Especificidad β: Es la capacidad del test o de la prueba de identificar como sanos a los que efectivamente lo son. Proporción de sanos bien clasificados, es decir, que resultan negativos, también se puede definir como el cociente de verdaderos negativos y la suma de verdaderos negativos y falsos positivos. Situaciones posibles de la prueba diagnóstica vs la enfermedad: P R U E B A Positiva Negativa Enfermedad Presente Verdadero positiva a Falso Negativo c Ausente Falso Positivo b Verdadero Negativo d La sensibilidad (S) o tasa de verdaderos positivos (TVP) es la capacidad de detectar a los enfermos (proporción de individuos con la enfermedad que presentan un Resultado positivo).el complemento de la sensibilidad es la tasa de falsos Negativos TFN Ejercicio 11: Se analizaron 5000 personas, de estas personas no presentaron la enfermedad, 3600 fueron bien clasificadas y de las 1000 que si la presentaban, 950 fueron bien clasificados. En la siguiente tabla se presentan los resultados: Personas Positivos Negativos Total Enfermos Sanos Total

16 Sensibilidad α = = 0,95 Especificidad β= = 0,90 Para la interpretación correcta de los resultados de esta prueba hay que utilizar también los llamados valores predictivos que son la proporción de los pacientes positivos que tienen la enfermedad y la proporción de pacientes negativos que no tienen la enfermedad. En caso de que se estuviera en presencia de una enfermedad con frecuencia baja pudiera suceder que la Sensibilidad y la Especificidad fueran altas, sin embargo no sucedería así con los valores predictivos, por lo que siempre es conveniente para la mejor interpretación calcular también esos valores. Ejercicio 12: Al final de un período de seguimiento a los pacientes de la población anterior, presentaron hepatitis 75 individuos del grupo de los transfundidos y 16 del grupo de los no transfundidos. Los datos se resumen en la siguiente tabla: Transfundidos No transfundidos Total Hepatitis Sin hepatitis Total a) Determina el valor del riesgo relativo RR e interpreta su significado. b) Calcula el valor de la fuerza de asociación (OR) e interpreta su significado. Solución: Transfundidos No transfundidos Total Hepatitis a 75 b 16 a + b 91 Sin hepatitis c 520 d 696 c + d 1216 Total a + c 595 b + d a a c RR = + = = 5,62 b 16 / 712 b+ d y OR= a d 75 = 696 = 6,27 b c

17 Ejercicio 13: Para los datos de la siguiente tabla calcular α y β P Enfermedad R Si No VP Sensibilidad = = = = 0.88( α) U VP + FN E VN B Sub VP+FN VN+FP Especificidad = = = = 0.94( β) VN + FP A total Valor predictivo positivo: Es la probabilidad de padecer la enfermedad si se obtiene un resultado positivo en el test. El valor predictivo positivo puede estimarse, por tanto, a partir de la proporción de pacientes con un resultado positivo en la prueba que finalmente resultaron estar enfermos: Valor predictivo positivo(vpp) = Valor predictivo negativo: VP VP + FP Es la probabilidad de que un sujeto con un resultado negativo en la prueba esté realmente sano. Se estima dividiendo el número de verdaderos negativos entre el total de pacientes con un resultado negativo en la prueba: VN Valor predictivo negativo(vpn) = VN + FN Como ejemplo de lo visto hasta ahora, consideremos los datos de un estudio en el que se incluyó a pacientes con sospecha de cáncer prostático que acudieron a una consulta de Urología durante un periodo de tiempo determinado. Durante su exploración, se recogió el resultado del tacto rectal realizado a cada uno de estos pacientes, según fuese éste normal o anormal, y se contrastó con el posterior diagnóstico obtenido de la biopsia prostática. Los datos del estudio y los resultados obtenidos se muestran en la tabla que se muestra a continuación. Se encontraron en total casos de cáncer, lo cual representa un 42,45% del total de sujetos estudiados. Evidentemente esto indica la necesidad de utilizar otros marcadores más sensibles, como el PSA o sus derivados, para poder establecer el diagnóstico de forma más precisa.

18 Ejercicio 14: La siguiente Tabla muestra los valores de un Test de VIH en una población de baja prevalencia de VIH: Resultado del Verdadero Diagnóstico Test aplicado VIH + VIH Total Positivo Negativo Total Calcular los valores de Sensibilidad, especificidad, VPP y VPN para los valores que se muestran en los resultados de este estudio. Ejercicio 15: Hacer los mismos cálculos para la siguiente población de nivel de prevalencia alta: Resultado del Verdadero Diagnóstico Test aplicado VIH + VIH Total Positivo Negativo Total Calcular los valores de Sensibilidad, especificidad, VPP y VPN para los valores que se muestran en los resultados de este estudio. Ejercicio 16: En una exploración de biopsia protática de una muestra de pacientes con sospecha de cáncer de próstata, se muestran los resultados en la Tabla: Resultado del Resultado de la biopsia prostática tacto rectal Cáncer Patología benigna Total Anormal Normal Total Calcular los valores de Sensibilidad, especificidad, VPP y VPN para los valores que se muestran en los resultados de este estudio:.

19 VP Sensibilidad ( α ) = = = = 0,5656 VP + FN VN Especificidad ( β ) = = = = 0,8230 VN + FP VP Valor predictivo positivo(vpp) = = = = 70,21% VP + FP VN Valor predictivo negativo(vpn) = = = = 71,98% VN + FN Para el diagnóstico del VIH se emplean test que han confirmado tener una alta validez, con valores aproximados de sensibilidad y especificidad elevados.

20 Bibliografía: Barón López, F. J. Manual de Bioestadística (2012) Métodos y Aplicaciones. Facultad de Medicina. Universidad de Málaga. Chipia Lobo, J.F. (2014) Propuesta de la unidad curricular: Bioestadística, Escuela de Medicina, Universidad de los Andes. Disponible en: Colectivo de autores. Video clases para la carrera de Medicina. Universidad de Ciencias Médicas de La Habana. Danel Ruas, O. O. (2016) Bioestadística para residentes, estudiantes de medicina, enfermería y ciencias de salud. Disponible en: Díaz Reissner, C. (2016) Fundamentos para la aplicación de Bioestadística en Odontología (Parte 2) Disponible en Rev. Salud Pública Paraguay. Vol. 5 Nº 2; Julio- Diciembre Gómez, G.; Martín Andrés, A. (2010) Mesa redonda: La Estadística en la Investigación Médica. Universidad de Granada. Disponible en Kari Bjornard, M.D.(2015) Biostatistics and Evidence-Based Medicine. Disponible en ClinicalKey. Bajado desde Infomed julio 07, Oliva González, L.; et. al. Libro de ejercicios de Bioestadística. Centro de Cibernética Aplicada a la medicina (CECAM) Universidad de Ciencias médicas de La Habana. Pateiro López, B. (2012) Bioestadística. Grado en Medicina. Universidad de Málaga. Pérez Atanasio, J.M. (2015) Principios de Bioestadística para comprender los resultados reportados en los artículos científicos. Disponible en Pimentel Bergamaschi, D.; Pacheco de Souza, J. M. (2013) Curso de Bioestadística para Salud Pública. Sao Pablo. Brasil Pita Fernández, S.; Pértegas Díaz, S. (2003) Pruebas diagnósticas En Investigación: Pruebas diagnósticas. Hospitalario-Universitario Juan Canalejo. A Coruña. España. Román Bravo, R.M. (2015) Importancia de la Bioestadística como herramienta en la investigación. Disponible en