Bases biológicas de epidemiología Flashcards
“Una distribución de probabilidad determinada, que se caracteriza por simetría alrededor de media, coincide con mediana y más características”
Normalidad
(Molina)
Tipos de normalidad y sus enfoques:
Univariada (de frecuencia)
Multivariada (correlacionado)
Definición de normalidad univariada:
Condición más frecuente en una población relacionado con una variable específica delimitado en intervalos.
¿Por qué la variable específica se delimita en intervalos?
Porque nos dicen si un dato es normal o anormal
Ejemplos de normalidad univariada:
-Temperatura, peso, respiraciones por minuto.
-incidencia de una enfermedad
-valores de una medición clínica
Qué se establece utilizando modelos matemáticos de probabilidad para definir lo que se considera dentro de la norma y lo anormal?
Límites estadísticos
Para qué se utiliza la distribución de Gauss?
Para establecer límites que abarquen la mayoría de casos esperados en una población de referencia.
Detectar valores extremos o inusuales puede….
Alertar sobre condiciones que sugieren inadaptación al entorno o las respuestas extremas a estímulos nocivos.
CARACTERÍSTICAS DE LA DISTRIBUCIÓN DE GAUSS:
CARACTERÍSTICAS:
FORMA DE CAMPANA:
-Simétrica alrededor de valor central (media)
SON IGUALES EN LA DISTRIBUCIÓN:
La media, mediana y moda y están en el centro de la campana.
Desviación estándar mayor indica…
Mayor dispersión de datos
REGLA EMPÍRICA:
Media +-1 * desviación estándar- cubre el 68.3 de los casos
Media+-2*desviación estándar- cubre 95.5% de casos
Media +-3*desviación estándar- cubre el 97.7 de casos
Distribución normal caracterizada por dos parámetros:
Media y desviación estándar
Extensión del concepto de normalidad a situaciones en las que se trabaja con múltiples variables aleatorias simultáneamente:
Normalidad multivariada
De qué se ocupa la normalidad multivariada?
De vectores aleatorios que contienen muchas variables.
CARACTERÍSTICAS CLAVE DE LA NORMALIDAD MULTIVARIADA:
Representan observaciones simultáneas en todas las dimensiones:
Vectores aleatorios
Describe la variabilidad y relaciones entre todas las variables del juego
Matriz de covarianza
Diferencia entre matriz de covarianza y covarianza:
Covarianza mide tendencia de 2 variables a cambiar juntas y la matriz captura estas relaciones para todas las combinaciones de variables.
La probabilidad de ver conjunto específico de valores en todas las variables, y se extiende a múltiples dimensiones
Función de densidad de probabilidad multivariada
Tiende a una distribución normal multivariada a medida que el tamaño de la muestra aumenta:
Teorema del límite central multivariado
Lo anormal se relaciona con:
La presencia de comportamientos relacionados que indican a facilitación del inicio de una enfermedad.
“Todo acontecimiento, condición o caraterística que juega papel esencial en producir un efecto”
Causa
Estudio de la relación etiológica entre una exposición y la aparición de un efecto
Causalidad
En medicina, los efectos de una causa pueden resultar en:
Morbilidad, defunción, curación, prevención o protección (profilaxis)
Este tipo de causa garantiza la ocurrencia de un evento, si la causa está presente, el resultado va a ocurrir
Causa suficiente
Este tipo de causa implica que un factor debe estar presente para que ocurra un evento o enfermedad pero su presencia no garantiza que el evento ocurra
Causa necesaria
Característica que se asocia estadísticamente con un aumento en la probabilidad de desarrollar una enfermedad
Factor de riesgo
ASOCIACION CAUSA-EFECTO:
ASOCIACION CAUSA-EFECTO
Relación o asociación causal directa:
Factor ejerce efecto en ausencia de otros factores, relación necesaria y suficiente.
FACTOR-ENFERMEDAD
El factor ejerce efecto vía factores o variables intermediarias
FACTOR-PASO 1-PASO 2-PASO 3-ENFERMEDAD
Relación o asociación causal indirecta
Necesaria y no suficiente:
Cada factor es necesario, pero no suficiente para producir la enfermedad.
No necesaria y suficiente:
Factor puede producir la enfermedad, pero también otros factores que actúan solos.
FACTOR A o FACTOR B o FACTOR C-ENFERMEDAD
No necesaria y no suficiente:
Ningún factor por sí solo es necesario ni suficiente.
Relación entre dos variables es significativa, pero no hay relación causal
Ej. Los paraguas se relacionan con aumento de accidentes automovilísticos
Relación o asociación no causal
FACTORES DE CAUSA Y CAUSALIDAD:
-Biológicos
-Psicológicos
-Relacionados con el medio ambiente social y cultural
-Económicos
-Ámbito laboral
-Factores políticos
-Relacionados con el medio ambiente físico
-Servicios de salud
MODELOS DE CAUSA Y CAUSALIDAD:
MODELOS DE CAUSA Y CAUSALIDAD:
-Propuesto para estudio de enfermedades infecto-contagiosas
-Influencia de un microorganismo
MODELO DE KOCH HENLE
POSTULADOS DE KOCH:
-Encontrarse siempre en casos de enfermedad
-Poder ser aislado en cultivo
-Explicar las manifestaciones de la enfermedad
-Ser capaz de producir la enfermedad
-fuerza de asociación
-consistencia
-especificidad
-temporalidad
-gradiente biológico
-plausibilidad biológica
-coherencia
-evidencia experimental
-analogía
MODELO DE BRADFORD HILL
POSTULADOS DE EVANS:
proporción de individuos enfermos deberia ser
MAYOR entre aquellos expuestos a la supuesta causa
Aquella exposición a la supuesta causa debería
Ser más frecuente entre aquellos individuos que padecen la enfermedad
Número de casos nuevos debe ser
Significativamente mayor en los individuos expuestos a la supuesta causa
Tras la exposición a la supuesta causa debe aparecer un amplio abanico de respuestas…
Desde leves hasta graves
Modificando la respuesta del huésped….
Debe disminuir o eliminarse la presentación de una enfermedad
