Indicadores a los que dan origen los estudios de prevalencia
Medidas epidemiológicas puras:

• Tasas de prevalencia: se expresa generalmente en tasas porcentuales o usando otro múltiplo de 10 según sea la magnitud de la prevalencia encontrada.
• Razón de prevalencia (RP). La que se obtiene calculando el cuociente entre la prevalencia encontrada en el grupo expuesto a un eventual factor en relación con la prevalencia de grupos no expuestos o con diferente nivel de exposición (ej. Distintos niveles socioeconómicos)..
• Diferencia de prevalencia (DP; Prevalence difference), la que corresponde a la diferencia entre la prevalencia de sujetos expuestos menos la de los no expuestos (por tanto posee unidades de medida). Este indicador puede ser utilizado para el cálculo de otras medidas epidemiológicas relacionadas con la estimación del riesgo en la población derivado de la exposición (Riesgo Atribuible porcentual en expuestos o RAP), y el efecto esperado en la prevalencia global considerando la remoción del factor de riesgo en la población (riesgo atribuible poblacional porcentual o RAP%).

(DP) = Prevalencia expuestos - Prevalencia no expuestos

• Odds de prevalencia (prevalence-odds): puesto que la información de un estudio transversal puede ser desplegada en una tabla tetracórica de igual forma que un estudio prospectivo o de casos y controles, Rothman (1986) propone la consideración de la expresión prevalence-odds 1 , que es equivalente a la relación Tasa de incidencia ( I ) de la enfermedad por la duración promedio de ella (D).

DI =   P   

      (1 - P)

Así, la medición de la odds o chance de prevalencia constituye una medición básica en estudios transversales y es un estimador de riesgo.

• Odds ratio de prevalencia: la relación de dos valores de odds de prevalencia da origen al denominado odds ratio de prevalencia, cuyo cálculo e interpretación sigue los mismos principios que el cálculo en otros diseños de investigación.

Consideremos la siguiente situación hipotética en un estudio de prevalencia en que se evalúa la frecuencia de un factor de riesgo en un grupo de 200 individuos (Tabla 1).

Tabla 1. Ej. Prevalencia de enfermedad en presencia y ausencia de un factor de riesgo

Prevalencia expuestos = (40/80 ) = 0,50 = 50 %
Prevalencia no- expuestos = (20/120) = 0,166 =16,7%
Odds de prevalencia expuestos = (P/1-P) (0.5/(1-0,5)) = 1
Odds prevalencia no-expuestos = (P/1-P)(0.17/(1- 0,17)) = 0.20

Luego el valor del Odds ratio de prevalencia corresponde a:

OR prevalencia = 1/0.20 = 5

Utilizando la fórmula abreviada para el cálculo de oddss ratio se tiene:

OR prevalencia = 40 x 100 = 5        

      40 x 20

• Algunos autores proponen el cálculo de indicadores de riesgo utilizados en estudios prospectivos, vale decir, riesgo relativo, utilizando la misma metodología empleado en ellos. El cálculo de indicadores del tipo "odds" se reservaría para los casos en que la prevalencia estudiada fuera pequeña. Metodológicamente sin embargo, parece ser más adecuado utilizar el cálculo de odds ratio puesto que la evaluación de las variables de "exposición" frecuentemente tiene un sentido retrospectivo en gran parte de estudios transversales.
• Pueden también ser calculadas las diferencias de prevalencias considerando la presencia de variables confundentes, ponderando la diferencia por dichas variables. También existen métodos alternativos para el cálculo del Odds Ratio de prevalencia usando diferente metodología. El detalle de dichos procedimientos es discutido extensamente en la bibliografía recomendada. 2

La consideración de múltiples variables independientes en el estudio de asociación requiere del uso de metodologías multivariadas, recomendándose el uso de la regresión logística en estos casos. Este procedimiento permite la incorporación de las diferentes variables independientes (la principal o variable de exposición y el resto de ellas o covariables).

Finalmente la interpretación de estos indicadores de riesgo debe considerar el hecho de que en estudios de esta naturaleza las asociaciones que sugieran relaciones de causalidad deben ser cuidadosamente evaluadas habida consideración de las limitaciones inherentes a estos diseños de investigación.

Validación estadística de la información.
Comparación de proporciones, y sus correspondientes intervalos de confianza. Test de Chi cuadrado, de Mantel y Haenszel, para verificar diferencias en los valores de prevalencia. El investigador debe decidir si desea validar estadísticamente sus resultados mediante el cálculo de intervalos de confianza o mediante el desarrollo de un test de Chi cuadrado.

Estudios de prevalencia y muestra
Una de las dificultades metodológicas que enfrenta el diseño de los estudios de prevalencia se refiere a la muestra. En contadas ocasiones es posible plantear el estudio en un universo completo, por ejemplo en el caso de comunidades pequeñas o cerradas, en lugares aislados, o en subgrupos determinados de los cuales se tiene información previa. En la práctica ello corresponde a la elaboración de un auténtico censo.

Lo habitual será estudiar una muestra poblacional. La clave de la validez de los resultados está en la correcta selección y cálculo de su tamaño para los fines de validación estadística. El apoyo estadístico permite estimar el tamaño de muestra para la realización de un estudio satisfactorio considerando los diferentes elementos técnicos necesarios para este tipo de estudios (buen nivel de confianza, adecuada potencia, error de muestreo reducido). En general, a mayor tamaño de muestra, mayor es el costo del estudio. Sin embargo debe tomarse en cuenta que no siempre la calidad de un estudio es superior si se aumenta el tamaño muestral, y, en el mismo sentido, un gran tamaño muestral no garantiza, por sí solo, un estudio de mayor calidad.
Una recomendación importante en el diseño de todo estudio epidemiológico es la participación del profesional estadístico en la fase de diseño, implementación, análisis e interpretación de los resultados.

Elementos a considerar en el cálculo y selección de muestras en estudios de prevalencia

• Modalidad de muestreo
  En el cálculo del tamaño muestral de un estudio de prevalencia, debe considerarse la posible distribución del fenómeno a estudiar en la población objetivo. De no observarse una distribución particular de la variable en la población, puede realizarse un muestreo aleatorio simple.
  
  Si por el contrario se advierte que el atributo a medir guarda relación con alguna característica poblacional, debe considerarse la posibilidad de realizar un muestreo aleatorio estratificado, respetando la conformación poblacional de los estratos de interés epidemiológico (estratos tales como sexo, grupos de edad, condición socioeconómica, etnia) o considerando grupos como un todo (clusters) . 3
  
  
• Prevalencia estimada del fenómeno
  Como ya se mencionó, debe recurrirse al empleo de algún estimador o parámetro del atributo a medir en la población. Si no se cuenta con este antecedente, puede recurrirse a su estimación sobre la base de una exploración poblacional en pequeña escala o bien utilizar estimaciones en grupos seleccionados en los cuales el problema puede haber sido medido (por ejemplo, grupos de alto riesgo de contraer el virus de inmunodeficiencia humana (VIH) en el caso de prevalencia de VIH poblacional).
  
  También puede recurrirse a literatura científica que proporcione algún estimador, buscando especialmente poblaciones de características similares. Esta información corresponderá a la prevalencia estimada.
  
  
• Basándose en esta estimación (PE), se calcula el complemento de esta frecuencia de acuerdo con:
  
  PEstimada = p : entonces complemento q = [1 - p]
  
  De no contarse con ninguna estimación acerca de la frecuencia del problema en la población, debe utilizarse una relación p : q de 1 : 1, esto es, valor de p = 0,5 y de q = 0,5, lo que equivale a asumir una prevalencia estimada del 50% en la población. 4
  Por cierto que esta relación determina la peor condición para los efectos de cálculo del tamaño muestral en cuanto a su magnitud.
  
  
• También debe considerarse el nivel de confianza (NC) que se le asignará a la muestra, expresado en el valor de Z que le corresponde al nivel de confianza utilizado.
  
  NC = (1 - ) x 100)
  
  Luego si = 0,05, el nivel de confianza corresponderá a un 95%.
  
  
• Finalmente, se define el nivel de error de muestreo tolerable para el estudio, vale decir, la probabilidad que la muestra no sea del todo representativa de la población. 5

Cálculo del tamaño muestral en estudio de prevalencia usando el módulo StatCalc de Epi-Info (6.04) Se desea calcular el tamaño muestral para un estudio de prevalencia de una enfermedad, con una precisión de 95% (5% de error), asumiendo una estimación de prevalencia de 34%, con un nivel de confianza de 95% (5% de error alfa). La salida obtenida es la siguiente:

Cálculo del tamaño muestral en estudio de prevalencia usando el módulo StatCalc de Epi-Info (6.04)

Se desea calcular el tamaño muestral para un estudio de prevalencia de una enfermedad, con una precisión de 95% (5% de error), asumiendo una estimación de prevalencia de 34%, con un nivel de confianza de 95% (5% de error alfa). La salida obtenida es la siguiente:

EpiInfo Version 6 Statcalc November 1993 Population Survey or Descriptive Study Using Random (Not Cluster) Sampling PopulationSize : 100,000,000 Expected Frequency : 43.00 % Worst Acceptable : 48.00 % Confidence Level        Sample Size
...........................           80%           90%           95%           99%           99.9%           99.99%	.....................        161        265        377       Tamaño muestral requerido        650        1,062        1,484

1. La expresión (P/(1-P) corresponde a un odds o chance y se diferencia de una probabilidad por el denominador empleado. En una probabilidad, la relación contempla la relación de eventos observados (numerador) en relación al total de eventos posibles (n). En el caso de un Odds o chance, esta relación se interpretaría como la probabilidad de poseer la enfermedad (P) en relación con la probabilidad de no tenerla (1 -P).
   | Volver al texto |
2. Checkoway H, Pearce N, Crawford-Brown D.Cross sectional studies en :"Research methods in Occupational Epidemiology. Oxford University Press, 1989
   | Volver al texto |
3. Debe recordarse que además de las modalidades de muestreo aleatorio presentado existen otras. Además, se recalca la existencia de muestreo no probabilístico (no aleatorio) de común utilización en investigaciones del área de Ciencias Sociales.
   | Volver al texto |
4. Necesariamente, la suma de p + q deben corresponder al valor 1.
   | Volver al texto |
5. Ver Documento de OMS sobre cálculo del tamaño muestral (Lemeshow) o bien, introducirse en el programa EPIINFO 6.0, en el menú statatcal buscando en la opción "Population Survey". Presionar F1 en esta opción y aparece la formulación matemática de lo ya mencionado.
   | Volver al texto |