Este capítulo se trata de describir poblaciones y muestras, un tema conocido como estadísticas descriptivas. Todo esto tendrá más sentido si tiene en cuenta que la información que desea producir es una descripción de la población o muestra en su conjunto, no una descripción de un miembro de la población. El primer tema de este capítulo es una discusión de distribuciones, esencialmente imágenes de poblaciones (o muestras). El segundo será la discusión de estadísticas descriptivas. Los temas se organizan en este orden porque las estadísticas descriptivas pueden considerarse como formas de describir la imagen de una población, la distribución.
El primer paso para convertir los datos en información es crear una distribución. La forma más primitiva de presentar una distribución es simplemente enumerar, en una columna, cada valor que ocurre en la población y, en la siguiente columna, el número de veces que ocurre. Es costumbre enumerar los valores de los más bajos a los más altos. Este listado simple se llama distribución de frecuencia. Una forma más elegante de convertir los datos en información es dibujar un gráfico de la distribución. Cectivamente, los valores que ocurren se colocan a lo largo del eje horizontal y la frecuencia del valor está en el eje vertical.
Ann es la gerente de equipo de los equipos deportivos de Chargers en Camosun College, ubicado en Victoria, Columbia Británica. Llamó a los administradores del equipo de baloncesto y voleibol y recolectó los siguientes datos sobre los tamaños de calcetines utilizados por sus jugadores. Ann descubrió que el año pasado el equipo de baloncesto usó 14 pares de calcetines de tamaño 7, se utilizaron 18 pares de tamaño 8, 15 pares de tamaño 9 y 6 pares de tamaño 10. El equipo de voleibol usó 3 pares de tamaño 6, 10 pares de tamaño 7, 15 pares de tamaño 8, 5 pares de tamaño 9 y 11 pares de tamaño 10. Ann organizó sus datos en una distribución y luego dibujó un gráfico llamado histograma . Ann podría haber creado una distribución de frecuencia relativa, así como una distribución de frecuencia. La diferencia es que, en lugar de enumerar cuántas veces se produjo cada valor, Ann enumeraría qué proporción de su muestra estaba compuesta de calcetines de cada tamaño.
Puede usar la plantilla de Excel a continuación (Figura 1.1) para ver todos los histogramas y frecuencias que ha creado. También puede cambiar sus números en las celdas amarillas para ver cómo los gráficos cambiarán automáticamente.
Observe que Ann ha dibujado los gráficos de manera diferente. En el primer gráfico, ha usado barras para cada valor, mientras que en el segundo, ha dibujado un punto para la frecuencia relativa de cada tamaño, y luego «conectó los puntos». Si bien ambos métodos son correctos, cuando tiene valores continuos, querrá hacer algo más como el gráfico «Conectar los puntos». Los tamaños de calcetines son discretos, solo adquieren un número limitado de valores. Otras cosas tienen valores continuos; Pueden asumir un número infinito de valores, aunque a menudo tenemos el hábito de redondearlos. Un ejemplo es cuánto pesan los estudiantes. Si bien generalmente damos nuestro peso en kilogramos enteros en Canadá («peso 60 kilogramos»), pocos tienen un peso que es exactamente tantos kilogramos. Cuando dices «Peso 60», en realidad quieres decir que pesas entre 59 1/2 y 60 1/2 kilogramos. Nos dirigimos hacia un gráfico de una distribución de una variable continua donde la frecuencia relativa de cualquier valor exacto es muy pequeña, pero la frecuencia relativa de las observaciones entre dos valores es medible. Lo que queremos hacer es acostumbrarnos a la idea de que el área total bajo un gráfico de frecuencia relativa de «conectar los puntos», del valor más bajo al más alto posible, es uno. Luego, la parte del área bajo el gráfico entre dos valores es la frecuencia relativa de observaciones con valores dentro de ese rango. La altura de la línea por encima de cualquier valor en particular ha perdido cualquier significado directo, porque ahora es el área bajo la línea entre dos valores que es la frecuencia relativa de una observación entre esos dos valores que ocurren.
Puede tener una idea de cómo funciona esto si vuelve al gráfico de barras de la distribución de tamaños de calcetines, pero dibujándola con frecuencia relativa en el eje vertical. Si decide arbitrariamente que cada barra tiene un ancho de uno, entonces el área debajo de la curva entre 7.5 y 8.5 es simplemente la altura, el ancho de la barra para el tamaño del calcetín 8: .3510*1. Si quisiera encontrar la frecuencia relativa de los tamaños de calcetines entre 6.5 y 8.5, simplemente puede agregar el área de la barra para el tamaño 7 (que es entre 6.5 y 7.5) y la barra para el tamaño 8 (entre 7.5 y 8.5).
¿Qué es la frecuencia de la enfermedad?
Aprenderá sobre mediciones epidemiológicas de uso común para describir la aparición de enfermedades. Esta sección cubre:
a) prevalencia
b) incidencia
c) Cálculo de la persona en riesgo
d) problemas para definir la población en riesgo
e) Las relaciones entre incidencia y prevalencia
f) Medidas de frecuencia de enfermedad comúnmente utilizadas
g) Medidas principales de efecto
h) Interpretación de medidas de efecto
La esencia de la epidemiología es medir la ocurrencia de la enfermedad y hacer comparaciones entre los grupos de población. La sección actual introduce las medidas de uso común que ayudan a nuestra comprensión de la distribución de la enfermedad en una población determinada.
Un papel principal de la epidemiología es describir y explicar las diferencias en la distribución de la enfermedad u otros resultados de salud de interés entre las poblaciones.
Las medidas de frecuencia de la enfermedad se utilizan para describir qué tan común es una enfermedad (u otro evento de salud) con referencia al tamaño de la población (la población en riesgo) y una medida de tiempo.
La prevalencia mide la proporción de individuos en una población definida que tiene una enfermedad u otros resultados de interés de salud en un punto específico en el tiempo (prevalencia de puntos) o durante un período de tiempo específico (prevalencia del período).
De 10,000 residentes femeninas en la ciudad A el 1 de enero de 2006, 1,000 tienen hipertensión.
La prevalencia de la hipertensión entre las mujeres en la ciudad A en esta fecha se calcula como:
- La prevalencia es una medida útil para cuantificar la carga de la enfermedad en una población en un momento dado en el tiempo
¿Cómo se denomina al estudio de la frecuencia de aparición de la enfermedad y de sus determinantes en la población?
Las definiciones de epidemiología se dan en la Tabla 7 y se clasifican de acuerdo con la naturaleza del sitio web: sitios web de organizaciones internacionales, OMS, CDC, FAO (para medicina veterinaria); Institutos Nacionales de Salud, Academias de Ciencias…; Escuelas de salud pública; Revistas médicas (BMJ); organizaciones sin ánimo de lucro; Wikipedia; Organizaciones con fines de lucro; diccionarios no médicos en línea.
La distribución de conceptos, por orden de frecuencia, es la siguiente: salud (12/30); población (18/30); enfermedad / enfermedad (27/30); estudio (19/30); Distribución (16/30). Esta distribución es casi la que se encuentra con las definiciones de epidemiología proporcionadas por los libros.
La mayoría de los sitios web ofrecen definiciones de epidemiología ya conocidas, pero no cita a los autores.
Los CDC y la FAO basaron su definición en Last, 2001 [43] y Schwabe, 1977 [73], respectivamente.
Las escuelas de salud pública no proporcionan la fuente de su definición de epidemiología, excepto una (Universidad de Alabama) con los últimos, 2001 [43] y MacMahon, 1970 [69] citando.
Pocos sitios web mencionaron la fecha de la última actualización (por ejemplo, Instituto Nacional sobre Sordera y otros trastornos de comunicación).
Este estudio nos permitió identificar, sintetizar y analizar las definiciones de epidemiología del período 1978-2017. Esta evolución está casi ausente de los libros sobre epidemiología y merece ser presentada. Aunque muchos otros campos de epidemiología han crecido, solo se estudiaron definiciones de epidemiología. Se encontró un número significativo de definiciones de epidemiología a pesar del corto período de estudio y los criterios de inclusión. Sin embargo, este número debe estar relacionado con el aumento en el número de publicaciones en epidemiología.
¿Cómo se mide la frecuencia de uso en salud?
La prevalencia es la proporción de una población que tiene una condición en un tiempo específico, pero la prevalencia estará influenciada tanto por la tasa a la que ocurren nuevos casos como la duración promedio de la enfermedad. La incidencia refleja la tasa a la que se agregan nuevos casos de enfermedad a la población (y se convierten en casos prevalentes). La duración promedio de la enfermedad también es importante, porque la única forma en que puede dejar de ser un caso frecuente es curarse o salir de la población o morir. Por ejemplo, hace aproximadamente una década, la duración promedio del cáncer de pulmón era de unos seis meses. La terapia era ineficaz y casi todos los casos de cáncer de pulmón murieron. Desde el momento del diagnóstico, la supervivencia promedio fue de solo unos seis meses. Entonces, la prevalencia del cáncer de pulmón fue bastante baja. Por el contrario, la diabetes tiene una duración promedio larga, ya que no se puede curar, pero se puede controlar con medicamentos, por lo que la duración promedio de la diabetes es larga y la prevalencia es bastante alta.
Si la población está inicialmente en un «estado estable», lo que significa que la prevalencia es bastante constante y la incidencia y la salida [cura y muerte] son casi iguales), entonces la relación entre estos tres parámetros puede describirse matemáticamente como:
Donde p = proporción de la población con la enfermedad y (1-P) es la proporción sin ella, IR es la tasa de incidencia y AVG. La duración es el tiempo promedio en que las personas tienen la enfermedad (desde el diagnóstico hasta que se curan o mueren). Si la frecuencia de la enfermedad es rara (es decir, <10% de la población lo tiene), entonces la relación se puede expresar de la siguiente manera:
Prevalencia = (tasa de incidencia) x (duración promedio de la enfermedad)
¿Qué significa 10 N?
El peso es la fuerza ejercida por la gravedad y se mide en Newtons (N). En la tierra, un objeto con una masa de 1 kg experimentará una fuerza de 10n debido a la gravedad, es decir, el peso de una masa de 1 kg es de 10n. La relación de peso a masa recibe el símbolo g.
La condición del 10% establece que los tamaños de muestra no deben ser más del 10% de la población. Siempre que las muestras estén involucradas en estadísticas, verifique la condición para asegurarse de tener resultados sólidos. Algunos estadísticos argumentan que una condición del 5% es mejor que el 10% si desea usar un modelo normal estándar.
X: El número de éxitos que resultan del experimento binomial. N: El número de ensayos en el experimento binomial. P: La probabilidad de éxito en un ensayo individual. P: La probabilidad de falla en un ensayo individual.
En estadísticas, el valor p es la probabilidad de obtener resultados al menos tan extremos como los resultados observados de una prueba de hipótesis estadística, suponiendo que la hipótesis nula es correcta.
La primera variable en la fórmula binomial, N, representa la cantidad de veces que se ejecuta el experimento. La segunda variable, P, representa la probabilidad de un resultado específico.
RX significa la receta latina. DX es diagnóstico. TX es tratamiento. HX es historia. SX es síntomas.
Las variables que afectan las estadísticas de 1 VAR son: es la media (promedio) de los elementos, como se devuelve por la media (σx es la suma de los elementos, como se devuelve por la suma (σx² es la suma de los cuadrados de los elementos.
¿Cómo se mide la fuerza de asociacion?
Hemos cubierto cómo determinar la incertidumbre de la medición. La pregunta es entonces «¿por qué hacerlo?» Los siguientes puntos expresan la importancia de cuantificar la incertidumbre en las mediciones de la fuerza con el rigor.
El valor de incertidumbre de una medición de la fuerza proporciona un punto de referencia para comparar los resultados de medición de uno con los obtenidos en otros laboratorios o por estándares nacionales.
Ayuda a interpretar adecuadamente los resultados obtenidos en diferentes condiciones. Por ejemplo, la calibración puede realizar en condiciones de laboratorio, mientras que la medición utilizando el transductor de fuerza puede tal vez en condiciones totalmente diferentes. En consecuencia, habrá diferencias en los resultados. Estas condiciones se pueden agrupar en efectos geométricos, mecánicos, temporales, eléctricos y ambientales [4]. Teniendo en cuenta estas diferencias está en la expresión de la incertidumbre de cada resultado.
Los resultados de la evaluación de la incertidumbre de un dispositivo de medición pueden servir como una declaración de cumplimiento de los requisitos, si un cliente o regulación requiere dicha declaración.
La prueba de incertidumbre es un medio para determinar la capacidad del sistema de medición de fuerza para proporcionar resultados de medición precisos.
Específicamente, los componentes de incertidumbre que forman el valor de incertidumbre combinado pueden ayudar a identificar las variables de medición que necesitan mejoras.
Comprender los principios de la incertidumbre de medición utilizados por un laboratorio, junto con experiencias prácticas, puede mejorar los métodos de medición de la fuerza.
¿Qué es la fuerza de asociación?
El uso de la fuerza se remonta al comienzo de la aplicación de la ley establecida, con el temor de que los oficiales abusen de su poder. En la sociedad actual, este miedo todavía existe y una de las formas de solucionar este problema es exigir a la policía que use cámaras corporales y que se activen durante todas las interacciones con civiles. [5]
El uso de la fuerza puede estar estandarizado mediante el uso de la fuerza continua, que presenta pautas sobre el grado de fuerza apropiado en una situación dada. Una fuente identifica cinco pasos muy generalizados, aumentando de menor uso de la fuerza a mayor. Este tipo de continuo generalmente tiene muchos niveles, y se les indica a los oficiales que respondan con un nivel de fuerza apropiado para la situación en cuestión, reconociendo que el oficial puede moverse de una parte del continuo a otro en cuestión de segundos. [6]
El 12 de noviembre de 1984, Graham, que era diabético, sintió una reacción de insulina y corrió a la tienda con un amigo para obtener un poco de jugo de naranja. Cuando la tienda estaba demasiado llena, él y su amigo procedieron a ir a la casa de otro amigo. En medio de todo esto, el oficial Connor lo vigilaba, del Departamento de Policía del Departamento de Policía de Charlotte City. Mientras se dirigía a la casa del amigo, el oficial los detuvo a los dos y pidió una copia de seguridad. Después de que llegaron varios otros oficiales, uno de ellos esposó a Graham. Finalmente, cuando Connor se enteró de que no había pasado nada en la tienda de conveniencia, los oficiales llevaron a Graham a casa y lo liberaron. En el transcurso del encuentro, Graham sufrió un pie roto, se cortó las muñecas, una frente magullada y un hombro lesionado. En el caso resultante, Graham v. Connor (1989), la Corte Suprema sostuvo que era irrelevante si Connor actuó de buena fe, porque el uso de la fuerza debe juzgarse en función de su razonabilidad objetiva. [7] Al determinar la «razonabilidad objetiva» de la fuerza, el tribunal estableció una serie de tres factores: «la gravedad del crimen», «si existe una amenaza inmediata para la seguridad de los oficiales u otros», y «si el sospechoso es lo es resistir activamente el arresto o evadir «. [8]
El 3 de octubre de 1974, los oficiales Elton Hymon y Leslie Wright del Departamento de Policía de Memphis fueron llamados para responder a un posible robo. Cuando llegaron a la escena, una mujer parada en el porche comenzó a decirles que escuchó que el vidrio se rompe y que creía que la casa de al lado estaba siendo roto. El oficial Hymon fue a Check, donde vio a Edward Garner, que estaba huyendo de la escena. Cuando Garner estaba subiendo sobre la puerta, Hymon gritó «policía, detención», y cuando Garner no lo hizo, Hymon le disparó fatalmente a Garner en la parte posterior de la cabeza, a pesar de estar «razonablemente segura» de que Garner estaba desarmado. La Corte Suprema sostuvo, en Tennessee v. Garner, esa fuerza mortal puede usarse para evitar el escape de un delincuente que huye solo si el oficial tiene una causa probable para creer que el sospechoso presenta un riesgo grave para el oficial o para los demás. [9 ]
¿Cómo calcular el FAP?
La fórmula de pago significa cualquier período de rendimiento, la fórmula o matriz de pago establecida por el comité de conformidad con la Sección 3.4 para determinar las adjudicaciones reales (si las hay) que se pagarán a los participantes. La fórmula o la matriz pueden diferir de participante a participante.
La fórmula de rendimiento significa, para un período de rendimiento, una o más fórmulas objetivas aplicadas contra el objetivo de rendimiento relevante para determinar, con respecto a la adjudicación de compensación de rendimiento de un participante en particular, ya sea todas, alguna porción pero menos que todas, o ninguna de las El premio de compensación de rendimiento se ha obtenido por el período de rendimiento.
El precio de la fórmula significa el más alto de: (a) el precio diario de cierre diario más alto de la acción durante el período que comienza el día 60 del calendario antes del cambio de control y el final en la fecha de dicho cambio de control, (b) el más alto Precio bruto pagado por las acciones durante el mismo período de tiempo, como se informó en un informe en el Anexo 13D presentado ante la Comisión de Bolsa y Valores, o (c) el precio bruto más alto pagado o que se pague por una acción (ya sea por acciones forma de intercambio, conversión, distribución en fusión, liquidación o de otro tipo) en cualquiera de las transacciones establecidas en la Sección 9 del Plan que constituye un cambio de control; siempre que en el caso del ejercicio de cualquier derecho relacionado con una opción de incentivo en acciones, «precio de fórmula» significará el valor justo de mercado de las acciones en el momento de dicho ejercicio.
¿Qué es odds ratio y riesgo relativo?
El riesgo relativo (también conocido como relación de riesgo [RR]) es la relación de riesgo de un evento en un grupo (por ejemplo, grupo expuesto) versus el riesgo del evento en el otro grupo (por ejemplo, grupo no expuesto). El odds ratio (OR) es la relación de las probabilidades de un evento en un grupo frente a las probabilidades del evento en el otro grupo.
Un RR (OR) de 1.0 indica que no hay diferencia en el riesgo (u probabilidades) entre los grupos que se comparan. Un RR (o OR) más de 1.0 indica un aumento en el riesgo (u probabilidades) entre los expuestos en comparación con los no expuestos, mientras que un RR (OR OR) <1.0 indica una disminución en el riesgo (o probabilidades) en el grupo expuesto. En cuanto a otras estadísticas resumidas, se pueden calcular intervalos de confianza para RR y OR.
En el mismo ejemplo, el RR de muerte en el grupo de ligadura versus el grupo de escleroterapia = 0.28/0.44 = 0.63. Esto significa que el riesgo de muerte después de la ligadura es del 63% del riesgo de muerte después de la escleroterapia. Esto implica que la ligadura disminuye el riesgo de muerte en un 37% (calculado como 100 menos 63%) en comparación con la escleroterapia. El Grupo de Ligación en el Grupo de Ligación versus Escleroterapia = 39/81 = 0.48. Esto significa que las probabilidades de muerte después de la ligadura son el 48% de las probabilidades de muerte después de la escleroterapia, o que la ligadura disminuye las probabilidades de muerte en un 52% en comparación con la escleroterapia.
Aunque o también indica la naturaleza de la asociación entre la exposición y el resultado, no es idéntico a RR. La relación de OR y RR es compleja. La Tabla 3 muestra RR y o para diferentes tasas de eventos. Cuando no hay asociación entre la exposición y el resultado, tanto OR como RR son idénticos y iguales a 1.0 [Tabla 3A]. Cuando existe una asociación entre una exposición y un resultado, o exagera la estimación de su relación (está más lejos de 1.0 que RR). Por lo tanto, cuando RR <1, o es más bajo que RR [Tabla 3B]; Por el contrario, cuando RR es más de 1.0, o es más alto que el RR [Tablas [Tablas3C3C - E]. Cuando el resultado es raro (típicamente <10%), el valor de o no es muy diferente al de RR, y los dos se pueden usar indistintamente independientemente de si el riesgo es más bajo [Tabla 3B] o superior [Tabla 3C] en el grupo expuesto en comparación con los no expuestos. [1] A medida que aumentan las tasas de eventos [Tablas [Tablas3D3D u Ore], E], las dos relaciones divergen y ya no se pueden usar indistintamente.
¿Qué quiere decir el odds ratio?
La relación casual, también la oportunidad relativa, [1] relación de cuotas, odds ratio (o [2]), o rara vez se llama la relación de producto cruzado, es una medida estadística que dice algo sobre la fuerza de una conexión entre dos características. Es una medida de asociación, [3] en la que se comparan dos oportunidades. Las oportunidades para las oportunidades son independientes de la distribución marginal. [4] [5]
Para calcular la relación de oportunidades o { displaystyle operatorname {o}}, puede igual las frecuencias absolutas (a, b, c, d) { displaystyle (a, b, c, d)} o las probabilidades (p { DisplayStyle Mathbb {P}}). Ser
Por lo general, las personas con un factor de riesgo potencial para una enfermedad con personas sin este factor de riesgo con respecto a la aparición de la enfermedad. Los datos obtenidos se muestran en una tabla cruzada que también facilita la calcular las oportunidades directamente:
La relación de oportunidad es una medida de cuánto mayor es la posibilidad en el grupo con un factor de riesgo (en el sentido de una cuota), en comparación con las posibilidades en el grupo sin factor de riesgo.
La relación de oportunidad adquiere valores entre 0 y ∞. Un valor de 1 significa igualdad de oportunidades.
Supongamos que desea examinar la conexión entre la aparición de ataques cardíacos y fumar.
Observa a 10,000 pacientes y encuentra si fuman o no y si alguna vez han sufrido un ataque cardíaco.
Los siguientes resultados de la tabla cruzada:
De 2000 personas que fuman, 130 sufrieron un ataque cardíaco.
Los resultados de la relación de posibilidades
¿Qué significa el riesgo relativo?
El riesgo relativo es una relación de la probabilidad de que ocurra un evento en el grupo expuesto versus la probabilidad de que el evento ocurra en el grupo no expuesto. Por ejemplo, el riesgo relativo de desarrollar cáncer de pulmón (evento) en fumadores (grupo expuesto) versus no fumadores (grupo no expuesto) sería la probabilidad de desarrollar cáncer de pulmón para fumadores divididos por la probabilidad de desarrollar cáncer de pulmón para no fumadores. El riesgo relativo no proporciona ninguna información sobre el riesgo absoluto de que ocurra el evento, sino la probabilidad mayor o menor del evento en la exposición versus el grupo no exposición. [1] [2]
Si encontramos hipotéticamente que el 17% de los fumadores desarrollan cáncer de pulmón y el 1% de los no fumadores desarrollan cáncer de pulmón, entonces podemos calcular el riesgo relativo de cáncer de pulmón en fumadores versus no fumadores como:
Por lo tanto, los fumadores tienen 17 veces más probabilidades de desarrollar cáncer de pulmón que los no fumadores.
Un segundo ejemplo implica un estudio de una nueva medicina. Catorce de los voluntarios que recibieron la nueva medicina tienen un malestar estomacal, y 42 de los voluntarios que recibieron la nueva medicina no tienen un malestar estomacal. En voluntarios que no tomaron el medicamento, dos personas tienen malestar estomacal y 83 no tienen un malestar estomacal.
Para calcular el riesgo relativo (RR), primero, calcule la probabilidad de tener un malestar estomacal con la exposición al nuevo medicamento. Catorce personas tienen un malestar estomacal que fueron expuestos, y 42 personas no tienen un malestar estomacal que estuvieron expuestos. Por lo tanto, la probabilidad de tener un malestar estomacal en el grupo expuesto es la siguiente:
Probabilidad en el grupo de exposición = 14 / (14+42) = 14/56 = 0.25
Artículos Relacionados:
