Introducción a la Epidemiología

Tema 1: Conceptos Básicos

Epidemiología es el estudio de la distribución y determinantes de la salud y enfermedad en poblaciones. La palabra “epidemiología” proviene del griego “epi” (sobre), “demos” (pueblo) y “logos” (estudio). Este campo es fundamental para entender cómo las enfermedades afectan a las poblaciones y para desarrollar estrategias de prevención y control.

En este tema, exploraremos conceptos básicos de epidemiología, tales como incidencia, prevalencia, medidas de frecuencia de enfermedad, tasas de mortalidad y morbilidad, y cómo visualizar estos datos. Utilizaremos el lenguaje de programación R para realizar cálculos y visualizaciones.

Al final del documento, encontrará un glosario de términos clave y un resumen de los puntos más importantes.

1.1 Medidas de Frecuencia de Enfermedad

Ejemplo: Cálculo de Prevalencia e Incidencia

Escenario:

Se estudia una población de 10,000 personas durante un año. Al inicio del año: - 200 personas ya tienen una enfermedad (prevalencia). - Durante el año, se identifican 50 casos nuevos (incidencia).

Código R:

# Population size
population <- 10000

# Prevalence
existing_cases <- 200
prevalence <- existing_cases / population
cat("Prevalence:", prevalence, "\n")  # Prevalence proportion

Prevalence: 0.02

# Incidence
new_cases <- 50
time_period <- 1  # in years
incidence_rate <- new_cases / (population - existing_cases) / time_period
cat("Incidence Rate:", incidence_rate, "\n")  # Incidence per person-year

Incidence Rate: 0.005102041

Resultados:

Prevalencia: 0.02 (2%) Tasa de Incidencia: 0.0051 (5.1 por 1,000 personas-año)

1.2 Tasas de Mortalidad y Letalidad

Escenario:
De las 10,000 personas: - 30 personas murieron por la enfermedad durante el año. - Otras 20 personas se recuperaron.

Código R:

# Mortality rate
deaths <- 30
mortality_rate <- deaths / population
cat("Mortality Rate:", mortality_rate, "\n")  # Mortality proportion

Mortality Rate: 0.003

# Case fatality rate
case_fatalities <- deaths
total_cases <- existing_cases + new_cases
case_fatality_rate <- case_fatalities / total_cases
cat("Case Fatality Rate:", case_fatality_rate, "\n")  # Proportion of deaths among cases

Case Fatality Rate: 0.12

Respuestas:

Tasa de Mortalidad: 0.003 (0.3%) Tasa de Letalidad: 0.12 (12%)

1.3 Visualización de la Frecuencia de Enfermedad

Escenario:
Visualiza la distribución de casos de enfermedad en una población de 10,000 individuos, donde: - 200 personas están enfermas. - El resto está sano.

Código R:

# Data for visualization
disease_status <- c("Diseased", "Healthy")
counts <- c(200, population - 200)

# Bar plot
barplot(counts, names.arg = disease_status, col = c("red", "green"),
        ylab = "Number of Individuals")

# Pie chart
pie(counts, labels = disease_status, col = c("red", "green"))

Este código genera: 1. Un gráfico de barras que muestra el número de individuos enfermos y sanos. 2. Un gráfico de pastel que ilustra la proporción de individuos enfermos vs. sanos.

1.4 Estudio Descriptivo: Distribución por Edad de los Casos

Escenario:
Recolectas datos sobre las edades de 50 individuos con la enfermedad.

Código R:

# Simulated age data for diseased individuals
set.seed(123)  # For reproducibility
ages <- sample(20:80, 50, replace = TRUE)

# Summary statistics
summary(ages)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  22.00   33.25   47.50   49.50   62.00   79.00

# Histograma
hist(ages, breaks = 10, col = "blue",
     xlab = "Age (years)", ylab = "Frequency")

Este código genera: 1. Estadísticas descriptivas (por ejemplo, edad mínima, mediana, media y máxima). 2. Un histograma mostrando la distribución de edades de los individuos enfermos.

1.5 Diseño de Estudio: Ejemplo de Estudio Descriptivo

Escenario:
Recolectas datos sobre la distribución por género de los 50 individuos enfermos.

Código R:

# Simulated gender data
gender <- sample(c("Male", "Female"), 50, replace = TRUE, prob = c(0.6, 0.4))

# Tabulating gender distribution
gender_table <- table(gender)
gender_table

gender
Female   Male 
    20     30

# Bar plot for gender distribution
barplot(gender_table, col = c("blue", "pink"),
        main = "Gender Distribution of Diseased Individuals",
        ylab = "Number of Individuals")

Este código genera un gráfico de barras mostrando la distribución por género de los individuos enfermos.

1.6 Combinando Prevalencia, Incidencia y Mortalidad

Escenario:
Quieres resumir las principales medidas epidemiológicas de una enfermedad en una tabla.

Código R:

# Combine all measures into a data frame
epidemiology_summary <- data.frame(
  Measure = c("Prevalence", "Incidence Rate", "Mortality Rate", "Case Fatality Rate"),
  Value = c(prevalence, incidence_rate, mortality_rate, case_fatality_rate)
)

# Display the summary
print(epidemiology_summary)

             Measure       Value
1         Prevalence 0.020000000
2     Incidence Rate 0.005102041
3     Mortality Rate 0.003000000
4 Case Fatality Rate 0.120000000

Salida:

Medida	Valor
Prevalencia	0.02
Tasa de incidencia	0.0051
Tasa de mortalidad	0.003
Tasa de letalidad	0.12

Glosario.

Prevalencia cuantifica la proporción de una población que tiene una enfermedad en un momento específico.
Incidencia mide la tasa de casos nuevos a lo largo del tiempo.
Tasa de mortalidad indica la proporción de la población que muere por la enfermedad.
Tasa de letalidad refleja la gravedad de la enfermedad mostrando la proporción de casos que resultan en muerte.
Morbilidad se refiere a la proporción de personas que experimentan una enfermedad en un período determinado (ver Prevalencia). Puede incluir tanto casos nuevos (ver Incidencia) como existentes y la gravedad de la enfermedad.
Estudio descriptivo es un diseño de investigación que describe la distribución de una enfermedad en una población sin investigar causas o factores de riesgo.