Razon de momios
Summary
TLDREste tutorial detalla cómo calcular y interpretar la razón de momios, una medida epidemiológica crucial para estudios transversales y de casos y control. Se utiliza un ejemplo de 450 personas para investigar la asociación entre obesidad y diabetes mellitus. Se explica cómo llenar una tabla 2x2, calcular prevalencias y la razón de momios, que indica la fuerza de la asociación entre el factor de riesgo (obesidad) y el daño (diabetes). El resultado sugiere que la obesidad aumenta dos veces la probabilidad de desarrollar diabetes.
Takeaways
- 😀 El vídeo tutorial se centra en el análisis de la razón de momios, una medida de asociación epidemiológica utilizada en estudios transversal y de casos y control.
- 🔍 Se discute que en estudios transversal y de casos y control no se puede calcular la incidencia, sino solo la prevalencia, lo que limita la capacidad de establecer la asociación entre factores de riesgo y daño.
- 📊 Se utiliza un ejemplo práctico para ilustrar cómo se llena una tabla de 2x2, que es fundamental para calcular la razón de momios y entender la asociación entre obesidad y diabetes mellitus.
- ✅ Se destaca la importancia de ubicar correctamente los casos y factores de exposición en la tabla para interpretar adecuadamente los resultados.
- 🧮 Se explica que la razón de momios se calcula como la relación de productos cruzados, y se puede simplificar eliminando términos comunes en el numerador y denominador.
- 📉 La prevalencia de diabetes mellitus es mayor en los obesos (40%) que en los no obesos (25%), lo que sugiere una posible asociación.
- 🔢 La razón de momios se interpreta como la multiplicidad de la probabilidad de que ocurran casos con exposición en comparación con sin exposición.
- 🆚 Se resalta que la razón de momios indica cuántas veces es más probable que ocurran casos con antecedentes de exposición en comparación con sin exposición.
- 📚 El tutorial finaliza con la interpretación de la razón de momios en el contexto del estudio específico, concluyendo que la obesidad se asocia con una mayor probabilidad de diabetes mellitus.
- 💡 Se enfatiza la utilidad de la razón de momios para responder preguntas sobre la fuerza de la asociación entre factores de riesgo y daño en epidemiología.
Q & A
¿Qué es la razón de Momio y para qué se utiliza?
-La razón de Momio es una medida de asociación epidemiológica utilizada para determinar la relación entre un factor de riesgo y un daño en estudios transversales y de casos y controles, donde no se puede calcular incidencia.
¿Cuál es la relevancia de la razón de Momio en los estudios de obesidad y diabetes mellitus?
-La razón de Momio ayuda a establecer la fuerza de la asociación entre ser obeso y tener diabetes mellitus, indicando cuántas veces es más probable que una persona obesa tenga diabetes que una persona no obesa.
¿Cómo se rellena una tabla 2x2 en un estudio de asociación entre obesidad y diabetes?
-Se llena la tabla 2x2 colocando el factor de exposición (por ejemplo, obesidad) en la parte superior y los casos y no casos (por ejemplo, diabetes y sin diabetes) en las columnas de la izquierda y derecha, respectivamente.
¿Cuál es la prevalencia de diabetes mellitus en personas expuestas (obesas) y no expuestas (no obesas) según el estudio?
-La prevalencia de diabetes mellitus en personas obesas es del 40%, mientras que en personas no obesas es del 25%.
¿Cómo se calcula la razón de Momio y qué significa el resultado obtenido en el estudio de obesidad y diabetes?
-La razón de Momio se calcula dividiendo la multiplicación de los casos expuestos por los no casos expuestos entre la multiplicación de los casos no expuestos por los no casos expuestos. El resultado indica que la posibilidad de tener diabetes es dos veces mayor en personas obesas que en personas no obesas.
¿Por qué es importante ubicar correctamente los casos y el factor de exposición en la tabla 2x2?
-Es importante porque la ubicación correcta de los casos y el factor de exposición determina la manera en que se interpreta la razón de Momio, y por ende, la relación de asociación entre el factor de riesgo y el daño.
¿Qué significa que la razón de Momio es de 2 en el estudio mencionado?
-Una razón de Momio de 2 significa que es dos veces más probable que una persona obesa tenga diabetes mellitus en comparación con una persona no obesa.
¿Cómo se interpreta la razón de Momio si el resultado fuese de 1, 0.5 o mayor a 2?
-Un resultado de 1 indica que no hay asociación entre el factor de riesgo y el daño. Un resultado de 0.5 sugiere que la ocurrencia de casos es menor en los expuestos que en los no expuestos, y un resultado mayor a 2 indica una asociación más fuerte.
¿Cuál es la limitación principal de utilizar prevalencias en estudios de casos y controles en lugar de incidencias?
-La limitación principal es que las prevalencias no pueden indicar la relación causal entre un factor de riesgo y un daño, ya que no miden la relación entre nuevos casos y la exposición a lo largo del tiempo.
¿Cómo se diferencia un estudio transversal de otros tipos de estudios epidemiológicos?
-Un estudio transversal es un estudio observacional que se lleva a cabo en un solo momento en el tiempo, en contraste con estudios longitudinales que siguen a los sujetos durante un período extendido.
Outlines
📝 Introducción al análisis de razones epidemiológicas
En este párrafo se introduce el tema del video tutorial, enfocado en el análisis y la interpretación de una razón de momios (odds ratio) en estudios epidemiológicos. Se explica que esta medida es especialmente útil en estudios transversales y de casos y controles, ya que en estos estudios no se pueden calcular incidencias, solo prevalencias. Se utiliza un ejemplo de una muestra de 450 personas para analizar la asociación entre la obesidad y la diabetes mellitus. Se describen los datos obtenidos de esta muestra, que serán vaciados en una tabla 2x2 para facilitar el análisis.
📊 Cálculo de la razón de momios (odds ratio)
Este párrafo explica cómo calcular la razón de momios, conocida también como razón de productos cruzados. Se utiliza una tabla 2x2 previamente generada y se detallan los pasos para realizar el cálculo, multiplicando los datos en las celdas correspondientes. El cálculo se ilustra con los números de casos expuestos y no expuestos, y se muestra que el resultado es un valor que indica cuántas veces es más probable que ocurran los casos cuando hay exposición en comparación con cuando no hay exposición. En este ejemplo, se obtiene una razón de momios de 2, lo que significa que es dos veces más probable desarrollar diabetes si se es obeso.
🔍 Interpretación de la razón de momios
Aquí se profundiza en la interpretación del resultado obtenido al calcular la razón de momios. Se recalca la importancia de organizar correctamente los datos en la tabla 2x2, colocando los casos a la izquierda y la exposición en la parte superior, para evitar errores de interpretación. En este ejemplo, el valor de la razón de momios de 2 significa que la posibilidad de tener diabetes es dos veces mayor en personas obesas en comparación con aquellas que no lo son. Se concluye que la razón de momios permite cuantificar la asociación entre un factor de riesgo (obesidad) y un resultado (diabetes).
Mindmap
Keywords
💡Razón de Momios
💡Estudio Transversal
💡Factor de Riesgo
💡Prevalencia
💡Tabla 2x2
💡Odds
💡Daño
💡Epidemiología
💡Casos y Controles
💡Medidas de Frecuencia
Highlights
Análisis de cómo se genera y se interpreta la razón de momios en epidemiología.
Importancia de la razón de momios en estudios transversal y de casos y control.
Limitaciones de los estudios transversal para calcular incidencias y la utilización de prevalencias.
Ejemplo práctico de estudio de asociación entre obesidad y diabetes mellitus.
Distribución de datos en una tabla 2x2 para el análisis de la asociación entre factores de riesgo.
Ubicación de casos y factores de exposición en la tabla para interpretar correctamente los datos.
Cálculo de prevalencia de diabetes mellitus en grupos expuestos e no expuestos.
Interpretación de prevalencias para establecer la asociación entre obesidad y diabetes.
Cálculo de la razón de momios como medida de asociación epidemiológica.
Explicación paso a paso de cómo se calcula la razón de momios.
Importancia de ubicar correctamente los datos en la tabla para una interpretación adecuada.
Interpretación de la razón de momios como indicador de la fuerza de la asociación entre factores.
Resultado de la razón de momios que muestra la relación entre obesidad y diabetes.
Conclusión de que la obesidad está asociada con una mayor probabilidad de diabetes mellitus.
Importancia de la razón de momios para responder preguntas epidemiológicas en estudios de casos y control.
Tutorial práctico para calcular y interpretar la razón de momios en epidemiología.
Utilidad de la razón de momios para establecer la relación entre factores de riesgo y daño en salud.
Transcripts
bienvenidos al presente vídeo tutorial
donde dedicaremos algunos minutos a
analizar cómo se genera y cómo se
interpreta una razón demonio
habíamos hablado de que la razón de la
medida de asociación epidemiológica
que es pertinente calcular siempre que
estemos trabajando con estudios de tipo
transversal y de casos de control porque
porque en ellos no podemos calcular
incidencias solamente podemos trabajar
con prevalencias
con medidas de frecuencia únicamente no
es posible calcular prevalencia y eso
nos limita a que cuando queremos
establecer la asociación entre el factor
de riesgo
y el daño pues la única media
epidemiológica que permitirá
responder a ese tipo de preguntas era la
el cálculo de la razón demonio veamos
esto a través de un ejemplo
tenemos por ejemplo un estudio de una
muestra a 450 personas en donde se desea
estudiar si existe asociación entre la
obesidad y diabetes mellitus
primero el factor de exposición ser
obeso el daño en estudio diabetes
mellitus se encontró que 250 personas
eran obesas 200 personas portan el
factor de exposición mediante pruebas de
laboratorio se detectó que del total de
la muestra
de las 450 personas 150 eran diabéticos
o sea portadores del daño y de los 290
50 eran diabéticos y 150 ni eran obesos
y diabéticos
este tipo de información
tradicionalmente la vamos a vaciar en
una tabla de 2 x 2 ahora como lo vamos a
vaciar hay que seguir siempre algunas
reglas primera en la parte superior de
la tabla siempre vamos a colocar
efecto de este interés
y cómo vamos
a vaciar la información
en la columna de la izquierda vamos a
identificar los casos y en la columna de
la derecha los con los no casos y en el
caso de estudio caso de control pues
estarían los casos y a la derecha los
controles
a la izquierda de la tabla siempre y el
factor de exposición
aquí por ejemplo lo tenemos generado
como un factor de exposición que
presenta dos valores posibles
el de presentar la exposición y no
presentar la exposición
la variable de un factor de riesgo de
interés que decir que es obesidad
entonces siempre hay que poner en la
parte superior la dimensión de la
variable que nos interesa someter a
análisis en este caso lo que nos
interesa es ver si la obesidad que es el
factor de exposición se relaciona o no a
la ocurrencia de mayor cantidad de casos
si no está relacionado digamos a la
ocurrencia de casos entonces
siempre la dimensión interés de la
variable de exposición irá en la parte
de arriba ya veremos por qué cuando
pues bien medida de frecuencias que
podemos generar a partir de estos
resultados
primero la pregunta es qué tipo de
estudio es
por la propuesta yo se deduce que es un
estudio de tipo transversal se agarran
450 personas y se hacen dos procesos
consecutivos de tamizaje primero se les
define pues a diferencia cuales exportan
obesidad cuáles no y en un segundo
momento se define de los entre obesos y
no besos quienes son portadores o no de
la enfermedad que te hace tres niñitos
ahora lo que más interesa saber es
primero medidas de frecuencia que
podemos generar prevalencia prevalencia
es
ocurrencia del daño en grupos
poblacionales específicos pues bien la
prevalencia de diabetes mellitus
expuesto nos da que hay una prevalencia
del 40 por ciento y la prevalencia de
diabetes divito de no expuesto desde el
25 por ciento
pueden ver digamos si estas cifras son
las exactas
el cálculo personalmente como
interpretamos esto pues bien
qué
hay una mayor prevalencia de diabetes
mellitus en los obesos que en los no
obesos ese es el único tipo de
conclusiones que podemos hacer con las
medidas de frecuencia
ahora lo que me interesa a mí es qué
pero en qué medida ser obeso
me explica o está asociado
cuál es la fuerza de asociación entre
ser obeso y presentar diabetes mellitus
para contestar esta pregunta entonces
necesito calcular la medida asociación
en este caso la razón de momios cómo
calculamos la razón demonio muy bien
tenemos acá
en la tabla de 2 por 2 que habíamos
generado anteriormente
la ración de momias también es conocida
como ración de productos cruzados
vean ustedes qué podemos hacer
podemos ir calculando poco a poco
calculando las odds en expuesto lado en
expuestos
pero dará el mismo resultado que si
hacemos la
la relación de productos cruzados esto
será
y multiplicar
esta primera casilla por el contenido de
la casilla inferior derecha
y hacer digamos la otra multiplicación
en el sentido de la flecha que iría en
el denominador en este caso tendríamos
que en el numerador iría
la multiplicación del primer sentido de
flecha que generamos 100% 50 ósea
casos que cuentan con exposición por no
casos que no cuentan con una exposición
y en el denominador irían
casos que no cuentan con la exposición
por no casos que cuentan con la
exposición
por ser
a esto lo que nos referimos la razón de
móvil también se puede calcular de forma
más sencilla como una razón de productos
cruzados 100 por 150 y en el numerador
entre 50 por ciento se encuentra en el
denominador
vean ustedes fíjense acá en esta fórmula
por favor vean que 150 se repite tanto
en el numerador como en el denominador
el himen me moló
qué es lo que nos queda fíjense ustedes
cuando estamos eliminando los 150
realmente lo que estamos eliminando son
estos datos de la columna de los no
casos
por tanto en la fórmula
nos está quedando realmente es 100 entre
50 analicemos lo acá en la tabla
que nos está generando como resultado es
cuantas veces
es mayor la ocurrencia de casos porque
toda la columna se refiere a los casos
cuantas veces es mayor la ocurrencia de
casos
cuando hay exposición
respecto a la ocurrencia de casos cuando
no hay exposición
y eso es lo que nos está dando como
resultado la razón demonios es decir
cuántas veces
es
cuántas veces más posible que ocurran
los casos cuando hay antecedentes de
exposición que ha que ocurran casos
cuando no hay antecedentes de exposición
si ustedes me resuelven esta fracción
que la razón demonios 2 o sea 100 dos
veces más grande que 50
como intérprete entonces mi razón
demonios
podemos hacerlo de dos maneras
utilizando la fracción
cuando hay exposición yo espero que
ocurran 100 casos
y cuando no hay exposición yo espero que
ocurran 50 casos únicamente
por cada si en la población en la
muestra en la muestra poblacional
tengo el como resultado
que hay una ocurrencia de 100 casos
cuando hay exposición por cada 50 casos
cuando no hay una exposición
analicemos el resultado del producto
digamos de la división de la fracción
razón demorados
lo que me dice es
cuántas veces es mayor el numerador con
respecto al denominador por tanto la
posibilidad de que ocurran casos cuando
hay antecedentes de exposición es dos
veces mayor a la posibilidad de que
ocurran casos cuando no hay antecedentes
de exposición
pero por eso les digo que es muy
importante ubicar qué es lo que tenemos
en estas casillas
por eso es necesario ubicar
de los casos en la parte de la izquierda
en la columna de la izquierda
y el factor de exposición o la dimensión
de exposición clave en la parte superior
en este caso ser obeso porque si
estuviera al revés o sea no expuesto o
no obeso en la parte superior la
interpretación cambia radical
entonces
razón de momento al fin al cabo lo que
me está diciendo es cuántas veces es
mayor la posibilidad de que ocurra esta
cifra con respecto a qué ocurra
estas cifras que está acá
qué es 50 cuantas veces es mayor 100 con
respecto a 50 cómo se reduce eso en el
estudio cuántas veces es mayor la
posibilidad de hacer caso cuando hay
antecedentes de exposición a ser casos
cuando no hay antecedentes de exposición
traducir específicamente al estudio que
estamos haciendo cuantas veces es mayor
la posibilidad de tener diabetes
mellitus cuando se es obeso con respecto
a la posibilidad de ser diabéticos
cuando no hay antecedentes
el resultado estos entonces qué es lo
que nos dice este 2
repito nuevamente
que la posibilidad de ser diabético
cuando hay antecedentes
de obesidad dos veces superior a la
posibilidad de ser diabético cuando no
hay antecedentes de obesidad
no hay presencia exposición a obesidad
pues bien
hemos generado y hemos interpretado la
razón demonios
pues hasta aquí esté presente de vídeo
tutorial y espero que les sea de
utilidad para resolver los ejercicios
que ustedes están desarrollando esta
semana
Посмотреть больше похожих видео
Cálculo de la probabilidad, momio, riesgo y razones. Dr. Alejandro Macias.
Curso Estadístico de SPSS: Lección 5. Calcular y recodificar en la matriz de datos
Evaluación de factores genéticos y ambientales en la obesidad
Cancer Loves Sugar and... THIS! | Dr. Jason Fung
04 Cómo usar la tabla de distribución normal
Por qué la DIABETES es más COMPLEJA de lo que crees (y hoy vas a ENTENDERLA)
5.0 / 5 (0 votes)