PORTADA
Row
Factores de Riesgo Asociados a Enfermedades Respiratorias
Agudas en el Personal del Hospital
Integrantes: Diana Cumbal, Marielys diaz, Brandon
Fernandez , Andrés Tobar, Jaider Reina
Docente: Andrés Felipe Ochoa
Probabilidad y Estadística – Universidad del Valle
Julio 17, 2025
INTRODUCCION
Column
Introducción
Las enfermedades respiratorias agudas (ERA) son una causa importante de morbilidad, especialmente en el personal de salud, debido a facores como el ambiente, enfermedades e indicadores bioquimicos.
En particular, la obesidad y factores como la edad, la grasa corporal y la presión arterial pueden afectar la función respiratoria y aumentar el riesgo de ERA.
Con el objetivo de analizar estos factores, realizamos un estudio estadístico en R a partir de datos clínicos del Hospital Universitario de Guayaquil.
El conjunto de datos incluyó información de 748 trabajadores, con las siguientes variables:
- Datos generales: edad, sexo, antecedentes personales y familiares.
- Signos vitales: presión arterial sistólica y diastólica.
- Antropometría: IMC, grasa corporal total (GCT) y masa libre de grasa
(MLG).
Este análisis permitió explorar asociaciones y aplicar modelos para identificar variables relacionadas con la presencia de ERA.
Column
ERA
METODOLOGIA
Row
Muestra y variables
Tamaño de muestra:
La muestra estuvo conformada por 748 trabajadores de la salud, de los cuales 481 eran mujeres y 267 hombres. Los datos corresponden a atenciones realizadas entre noviembre de 2020 y enero de 2021.
Variables:
Cualitativas: sexo, antecedentes personales, antecedentes familiares, enfermedad respiratoria agua, valor binario de género. Escala de medicion: nominal.
Cuantitativas: edad (años), peso (kg), talla (cm), IMC (kg/m²), GCT (%), MLG (kg), presión sistólica (mmHg), presión diastólica (mmHg). Escala de medicion: razón.
Row
Análisis y software
Analisis estadistico:
Estadística descriptiva univariada: medidas de tendencia central, dispersión y posición.
Gráficos exploratorios: histogramas, diagramas de cajas y gráficos de dispersión.
Correlación de Pearson: entre variables cuantitativas, incluyendo matriz de correlación y gráficos de dispersión.
Comparación de grupos: diagrama de cajas entre una variable cuantitativa y una cualitativa.
Asociación entre variables cualitativas: tabla cruzada con gráfico de barras apiladas.
Software utilizado:
- RStudio (versión de escritorio).
- Visualizaciones desarrolladas con la librería
ggplot2.
- Presentación generada en formato
flexdashboard.
ESTADISTICA DESCRIPTIVA UNIVARIADA
Row
Variables cualitativas
| Variables.cualitativas | Negativo | Positivo |
|---|---|---|
| Antecedentes personales de hipertensión | 593 | 155 |
| Antecedentes familiares de hipertensión | 530 | 218 |
Row
Variables cuantitativas
| Variable | Mín | Máx | Promedio | Mediana | Desv..Estándar | CV…. | Q1 | Q3 |
|---|---|---|---|---|---|---|---|---|
| Edad (años) | 22.00 | 75.00 | 41.770 | 40.00 | 13.25 | 31.72 | 33.75 | 49.00 |
| Peso (kg) | 41.00 | 137.00 | 75.900 | 74.00 | 24.00 | 31.62 | 65.00 | 86.00 |
| Talla (m) | 1.39 | 1.95 | 1.605 | 1.60 | 0.14 | 8.72 | 1.54 | 1.66 |
| IMC (kg/m²) | 16.00 | 55.00 | 29.350 | 29.00 | 7.68 | 26.17 | 26.00 | 32.00 |
| GCT (%) | 15.20 | 68.70 | 35.580 | 35.25 | 10.25 | 28.81 | 29.88 | 41.50 |
| MLG (kg) | 31.50 | 78.60 | 48.450 | 45.70 | 13.57 | 28.01 | 40.67 | 55.83 |
| Presión sistólica (mmHg) | 78.00 | 212.00 | 118.600 | 117.00 | 33.50 | 28.25 | 109.00 | 129.00 |
| Presión diastólica (mmHg) | 49.00 | 121.00 | 73.730 | 71.50 | 18.00 | 24.41 | 68.75 | 80.00 |
DIAGRAMA DE CAJAS
Row
Diagrama de Cajas de Grasa Corporal Total
Diagrama de Cajas Masa libre de grasa
Row
Diagrama de Cajas presión arterial sistólica
Diagrama de Cajas presión arterial diastólica
HISTOGRAMAS
Row
Histograma de peso
Row
Histograma de talla
DIAGRAMA DE DISPERSION
Row
Diagrama de dispersión sobre la relación entre la talla y el peso
DIAGRAMA DE BARRAS
Row
Diagrama de barras sobre el género
ANALISIS VARIABLES CUANTITATIVAS
Row
Matriz de correlación entre variables cuantitativas
| EDAD | IMC | GCT | MLG | SBP | DBP | |
|---|---|---|---|---|---|---|
| EDAD | 1.00 | 0.28 | 0.44 | 0.03 | 0.38 | 0.29 |
| IMC | 0.28 | 1.00 | 0.74 | 0.76 | 0.32 | 0.35 |
| GCT | 0.44 | 0.74 | 1.00 | 0.28 | 0.35 | 0.37 |
| MLG | 0.03 | 0.76 | 0.28 | 1.00 | 0.21 | 0.23 |
| SBP | 0.38 | 0.32 | 0.35 | 0.21 | 1.00 | 0.68 |
| DBP | 0.29 | 0.35 | 0.37 | 0.23 | 0.68 | 1.00 |
En la Tabla 1 se observa una fuerte correlación positiva entre IMC y GCT (r = 0.74), y entre MLG e IMC (r = 0.76).
Row
Gráfico de Dispersión: IMC vs. Grasa Corporal Total (GCT)
Gráfico de Dispersión: MLG vs. Grasa Corporal Total (GCT)
ANALISIS CUANTITATIVA VS CUALITATIVA
Row
Comparación de IMC según Enfermedad Respiratoria Aguda
ANALISIS VARIABLES CUALITATIVAS
Row
Relación entre ERA y Antecedentes Personales de Hipertensión
| HTA Negativo | HTA Positivo | Total | |
|---|---|---|---|
| ERA (0) | 172 | 26 | 198 |
| ERA (1) | 421 | 129 | 550 |
| Total | 593 | 155 | 748 |
| HTA Negativo (%) | HTA Positivo (%) | |
|---|---|---|
| ERA (0) | 86.87 | 13.13 |
| ERA (1) | 76.55 | 23.45 |
Row
Diagrama de Barras Apiladas: Distribución de HTA según ERA
CONCLUSIONES
Los factores corporales y clínicos están significativamente asociados a la presencia de ERA. A partir del análisis estadístico realizado sobre 748 trabajadores de salud, se identificaron asociaciones claras entre indicadores como el IMC, la grasa corporal total (GCT), la masa libre de grasa (MLG), y la presión arterial con la presencia de enfermedades respiratorias agudas. Esto sugiere que el estado físico y metabólico del personal influye directamente en su vulnerabilidad a estas enfermedades.
Las condiciones personales y antecedentes de salud también influyen en el riesgo de ERA. Se observó una mayor proporción de casos de ERA en personas con antecedentes personales de hipertensión, lo cual indica que las enfermedades crónicas preexistentes pueden agravar la susceptibilidad a problemas respiratorios. Estos hallazgos refuerzan la necesidad de un seguimiento médico preventivo más riguroso en personal con estos antecedentes.
La estadística es una herramienta clave para la salud pública hospitalaria. El uso de técnicas estadísticas, como las medidas de tendencia central, dispersión y asociación, junto con representaciones gráficas, permitió no solo identificar patrones relevantes, sino también comunicar los hallazgos de manera clara. Esto demuestra el valor de la estadística aplicada en contextos clínicos para tomar decisiones informadas en políticas de prevención y promoción de la salud ocupacional.