El análisis estadístico de los datos epidemiológicos

La estadística juega un papel concreto, y limitado, en el proceso de investigación en epidemiología, pero no existe ningún sustituto estadístico para una correcta conceptualiza­ción teórica

Antes de llegar a la fase del análisis estadístico en una investigación determinada, el epidemiólogo o epidemióloga debe resolver una serie de pro­blemas teóricos cuya solución permitirá hacer un buen uso de los instrumentos estadísticos. Vamos a poner un ejemplo de las ciencias sociales : supongamos que se desea pro­bar la proposición “a mayor status socioeconómico» de la población, corresponden índices más elevados de «conciencia re­gional”.

Encontramos dos conceptos que quizás merecen una definición más clara, “status socioeconómico” y “conciencia regional”. Definimos “status socioeconómico” como la posición relativa de las perso­nas en una jerarquía de status, y “conciencia regional”  como un fenómeno subjetivo que implica la existencia de una identi­dad regional, la percepción del hecho diferencial regional y de los in­tereses de la región. ¿Estas definiciones servirían para MEDIR el status socieconómico y la conciencia regional de una persona concreta o de un grupo social determinado? Probablemente no, porque las definiciones las hemos dado en términos teóricos y no en términos operacionales.

Entendemos como operacional cuando se especifican los procedimientos de medición que se han de seguir para dar valores o puntuaciones a la va­riable. Operacionalizando el concepto, se puede pa­sar a la fase de la medición y, por tanto, a la introducción de los mé­todos estadísticos en la investigación.

El empleo de las herramientas estadísticas requiere que las varia­bles epidemiológicas sean cuantificadas siguiendo el nivel de medición que las propiedades de las variables exigen. (pero ¿ qué es una variable? Se puede definir una variable como cualquier característica o propiedad de un objeto o acontecimiento que contenga dos o más ca­tegorías posibles en las que  puede ser cla­sificado potencialmente.)

El concepto de medición en epidemiología, es más amplio que el utilizado en las ciencias físi­cas, en las que el acto de medir se hace a las propiedades métricas del sistema, con lo que se excluyen de la medición las propiedades que se encuentran a nivel nominal e incluso ordinal, que por otro lado, son el tipo de propiedades que con mucha frecuencia se emplean en epidemiología.

Se pueden distinguir cuatro niveles de medición, cada uno de los cuales requiere la utilización de un determinado conjunto de instrumentos es­tadísticos. En concreto, las pruebas o tests estadísticos que se  van a poder utilizar para contrastar hipótesis dependerán de la es­cala o nivel de medida de los diferentes aspectos estudiados.

 Medidas nominales

Se realiza una medida nominal cuando la propiedad estudiada en los objetos o acontecimientos sólo puede agruparse en categorías lógicamen­te exhaustivas y mutuamente exclusivas, de tal modo que pueden esta­blecerse claramente equivalencias o diferencias.

La clasificación o medida nominal es el nivel más bajo de medición. Algunos autores se refieren a este nivel de medición con el término escala nominal. En epidemiologíaa, muchas variables aparecen medidas a ni­vel nominal, tales como el, el sexo, cualidad de enfermo, estar expuesto a un determinado riesgo…

Medidas ordinales

Se tiene una medida ordinal cuando, además de incluir las propieda­des de la medida nominal, se incluye la propiedad de que las categorías pueden ser ordenadas en el sentido de menor que o mayor que.

Este tipo de medición es, por supuesto, de más alto nivel que el que se obtiene cuando se utiliza una medida nominal, ya que no sólo se puede distribuir a los fenómenos o individuos en categorías diferentes, sino que, además, se pueden ordenar tales categorías.

Medidas de intervalo

En un sentido restringido, el concepto de medición habría que apli­carlo sólo a las medidas de intervalo, en las que sus categorías  se definen en términos de una unidad de medición están­dar, tal como años de edad, grados de temperatura, nivel de glucemia en sangre etc. Se realiza una medida de intervalo cuando pueden asignarse al objeto o acontecimientos estudiados números que permiten la interpre­tación de la diferencia entre dos medidas. Esto es,  la asig­nación de números a las diferentes categorías de los objetos o aconteci­mientos es tan precisa que podemos conocer cuán amplios son los inter­valos (distancias) entre todos los objetos de la escala. Es posible utilizar modelos estadísticos que son más poderosos y eficientes que los modelos que utilizan medidas nominales y ordinales.

 Medidas de cociente o proporción

Cuando una medición tiene todas las características de una medida de intervalo y, además, se le puede asignar un punto de origen verda­dero de valor 0, se tiene entonces una medida de cociente o proporción. En tal caso, se ha conseguido establecer una escala con cero absoluto o escala de cociente o proporción (en inglés, ratio scale).

El peso se mide mediante una escala de cociente o pro­porción, ya que la escala del peso, en gramos, contiene un punto cero verdadero, siendo el cociente de dos pesos independientes de la unidad de medida (sean kilogramos o libras, por ejemplo). La escala de tiempos, en segundos, también es una escala de cociente. Así, pues, el tiempo de reacción a un cierto estímulo será una medida de cociente.

Tipos de variables

Según él nivel de medición que les sea aplicado, se pueden clasificar las variables en nominales, ordi­nales y de intervalo.

Para cada tipo de variable existen unos procedi­mientos estadísticos apropiados para hacer el mejor uso de la informa­ción que contienen los valores de las variables.

Si se utilizara un proce­dimiento estadístico apropiado para niveles bajos de medición con pun­tuaciones definidas a un nivel de medición más alto, no se cometería un error técnico, sino simplemente se produciría una pérdida de informa­ción, dado que las propiedades de los niveles de medición son acumu­lativas. Así, se puede utilizar un procedimiento estadístico apropiado para escalas ordinales con variables de intervalo. Pero el contrario no es cierto, ya que sí se produce un error al emplear procedimientos es­tadísticos diseñados para niveles altos de medición, con variables de ni­veles más bajos. En este caso, estaríamos actuando como si las puntua­ciones de las variables contuvieran más información de la que realmen­te tienen.

Otra diferencia entre las variables, además del nivel de medición, hace referencia a si las variables vienen definidas según una escala de medición continua o discreta. Una variable continua es aquella para la que los individuos pueden tener, en principio, infinitos valores fraccio­nados, esto es, valores en cualquier punto de una escala ininterrumpida por ejemplo la edad. Por el contrario, una variable discreta viene definida de tal modo que sólo se puede alcanzar un determinado conjunto de valores. Esto es, la escala de medición está interrumpida por espacios en la es­cala numérica que, en un principio, no contienen casos medidos de nin­gún tipo. Por ejemplo el número de muertes en una población o le tamaño de una familia.

Finalmente, conviene destacar una tercera forma en la que pueden diferenciarse las variables  entre sí, y es en el uso que se hace de ellas en la investigación. La clasificación más simple diferencia entre variables independientes y variables dependientes.

La variable que atrae primordialmente la atención del investigador, y cuya variación trata de explicar, se llama variable dependiente, porque se supone que los valores que toma la variable de­penden de los valores que presentan otras variables. Estas variables que se supone influyen en los valores que toma la variable dependiente son las variables independientes o variables explicatorios.

Al elaborar la relación entre dos variables es posible que sea necesario introducir una tercera variable, que se denomina variable interviniente, porque se supone que tiene un efecto determinado sobre la variable de­pendiente que puede ser controlado o modificado por la variable in­dependiente.

Si pensamos en términos de causa/efecto, la relación entre los tres tipos de variables puede expresarse:

variable                           variable                           variable

independiente                    interviniente                    dependiente

(García Ferrando 1985)

ISABEL MÉNDEZ NAVAS SOCIÓLOGA SALUBRISTA