Preguntas MIR de epidemiología y estadística

La incidencia acumulada se calcula dividiendo el número de casos nuevos entre el número de personas en riesgo al inicio del seguimiento, sin necesidad de ajustar por tiempo de exposición cuando todos los sujetos completan el seguimiento. En este caso, 60/400 = 0,15, es decir, 15%. A diferencia de la densidad de incidencia, la incidencia acumulada es una proporción (sin unidades de tiempo) y asume un seguimiento completo o pérdidas no informativas.

• A. El cálculo con base 1000 no corresponde al dato proporcionado (60/400) y subestima la cifra real.
• C. Mezcla incorrectamente proporción con tasa, introduciendo una unidad temporal que no se corresponde con el diseño descrito.
• D. Esta expresión correspondería a una densidad de incidencia, que usa personas-tiempo en el denominador, no personas fijas.

La prevalencia mide la proporción de individuos que tienen una enfermedad en un momento o periodo determinado, independientemente de cuándo se diagnosticó, por lo que es la medida adecuada para cuantificar la carga actual de una enfermedad crónica en una población. La incidencia, en cambio, mide la aparición de casos nuevos durante un periodo de seguimiento, y es útil para estudiar la frecuencia de aparición de la enfermedad, no su carga acumulada presente. Para planificar recursos asistenciales de una enfermedad crónica ya existente, la prevalencia es el indicador de elección.

• A. Es una medida de velocidad de aparición de nuevos casos por persona-tiempo, no del número total de enfermos existentes.
• B. Es una medida de asociación entre exposición y enfermedad, no de frecuencia de la enfermedad en la población.
• C. Mide solo los casos nuevos que aparecen en un periodo, no el total de pacientes que tienen la enfermedad en ese momento.

En una enfermedad en estado estacionario, la prevalencia (P) es aproximadamente igual al producto de la incidencia (I) por la duración media de la enfermedad (D): P ≈ I × D. Si un tratamiento alarga la supervivencia sin curar la enfermedad, aumenta la duración media de los casos, lo que incrementa la prevalencia aunque la incidencia no cambie. Este fenómeno explica por qué enfermedades con tratamientos eficaces que prolongan la vida (como el VIH o algunos cánceres) muestran prevalencias crecientes sin que ello indique un empeoramiento del control epidemiológico.

• A. La fórmula P ≈ I × D muestra que la prevalencia depende tanto de la incidencia como de la duración de la enfermedad.
• B. El enunciado indica explícitamente que el número de casos nuevos por año no se modifica, por lo que la incidencia permanece constante.
• D. Los pacientes que siguen vivos y enfermos continúan siendo casos prevalentes; prolongar la vida sin curar no los elimina del numerador de prevalencia.

El riesgo relativo se calcula dividiendo la incidencia acumulada en el grupo expuesto entre la incidencia acumulada en el grupo no expuesto. La incidencia en fumadores es 150/500 = 0,30 y en no fumadores es 40/500 = 0,08. El riesgo relativo es 0,30/0,08 = 3,75, lo que significa que los fumadores tienen un riesgo 3,75 veces mayor de desarrollar EPOC que los no fumadores. Este cociente de riesgos es la medida de asociación propia de los estudios de cohortes, donde se conoce la incidencia real en ambos grupos.

• A. Es el inverso del riesgo relativo correcto (0,08/0,30), que no corresponde a la pregunta formulada.
• B. Resultaría de calcular erróneamente la razón de incidencias acumuladas invirtiendo numerador y denominador parcialmente, no coincide con los datos.
• D. No corresponde al cociente correcto entre las incidencias acumuladas de ambos grupos según los datos de la tabla.

La reducción absoluta del riesgo (RAR) es la diferencia entre la incidencia en el grupo control y la incidencia en el grupo tratado: 8% − 4% = 4%. La reducción relativa del riesgo (RRR) es esa diferencia dividida entre la incidencia del grupo control: (8% − 4%)/8% = 0,50, es decir, 50%. La RRR tiende a magnificar el beneficio percibido del tratamiento, mientras que la RAR refleja mejor el impacto real en la población estudiada y es la base para calcular el número necesario de pacientes a tratar.

• A. La RAR no corresponde a la incidencia del grupo control, sino a la diferencia entre ambas incidencias.
• C. Una RRR del 100% implicaría que el tratamiento elimina por completo el riesgo, lo que no se corresponde con los datos del ensayo.
• D. Invierte los valores correctos de RRR y RAR calculados a partir de los datos del ensayo.

El número necesario a tratar (NNT) se calcula como el inverso de la reducción absoluta del riesgo (NNT = 1/RAR). En este caso, la RAR es 20% − 15% = 5% (0,05), por lo que el NNT = 1/0,05 = 20. Esto significa que es necesario tratar a 20 pacientes durante 2 años con el fármaco en estudio para evitar un episodio adicional de recurrencia de ictus respecto al tratamiento control. El NNT es una medida clínicamente muy útil porque traduce el beneficio de una intervención a un número concreto de pacientes a tratar.

• B. No corresponde al inverso exacto de la reducción absoluta del riesgo calculada a partir de los datos del enunciado.
• C. Corresponde directamente a la incidencia del grupo control expresada como número entero, no al cálculo del NNT.
• D. Correspondería al inverso de una RAR del 20%, que no es la diferencia real calculada entre los dos grupos.

La fracción atribuible poblacional estima la proporción de casos de una enfermedad en toda la población que podría evitarse si se eliminara por completo la exposición estudiada, y depende tanto de la fuerza de la asociación (riesgo relativo) como de la prevalencia de la exposición en la población. Es una medida de gran utilidad en salud pública para priorizar intervenciones preventivas, ya que indica el impacto potencial de eliminar un factor de riesgo sobre la carga total de enfermedad en la comunidad. No debe confundirse con el riesgo relativo (fuerza de la asociación) ni con la simple proporción de expuestos entre los enfermos.

• A. Esto describiría una incidencia acumulada o riesgo absoluto en fumadores, no la fracción atribuible poblacional.
• B. Esto correspondería a una interpretación del riesgo relativo o del exceso de riesgo relativo, no de la fracción atribuible poblacional.
• C. Esto describe la proporción de expuestos entre los casos, un dato distinto que forma parte del cálculo pero no equivale a la fracción atribuible poblacional.

Cuando la incidencia de la enfermedad en la población es baja (habitualmente se acepta por debajo del 10%, y aquí es del 0,003%), la probabilidad de enfermar y la odds de enfermar son prácticamente iguales, de modo que la odds ratio se aproxima mucho al riesgo relativo. Esta propiedad es la que permite que los estudios de casos y controles, que no pueden calcular directamente incidencias ni riesgos relativos, estimen de forma válida una medida de asociación interpretable como un riesgo relativo aproximado. Cuanto más frecuente es la enfermedad, mayor es la divergencia entre ambas medidas, y la odds ratio tiende a sobreestimar el riesgo relativo.

• A. La odds ratio tiende a sobreestimar al riesgo relativo cuando la enfermedad es frecuente, no al revés.
• B. No es una relación general e independiente de la frecuencia de la enfermedad; depende precisamente de que esta sea rara.
• C. La aproximación depende de que la enfermedad (el resultado), no la exposición, sea poco frecuente.

El estudio parte de dos grupos definidos según su exposición (sílice sí/no), libres de enfermedad al inicio, y los sigue en el tiempo hacia adelante para comparar la incidencia del evento (silicosis) entre expuestos y no expuestos. Esta secuencia exposición conocida al inicio seguida en el tiempo hasta la aparición del efecto es la característica definitoria del estudio de cohortes, en este caso prospectivo porque el seguimiento se realiza de forma concurrente con la recogida de datos. Permite calcular directamente incidencias y riesgos relativos.

• B. El estudio ecológico compara poblaciones o grupos, no individuos, usando datos agregados.
• C. El estudio transversal mide exposición y enfermedad en un único momento, sin seguimiento temporal.
• D. En el estudio de casos y controles se parte de la enfermedad (casos y controles) y se indaga retrospectivamente la exposición, al revés que aquí.

La aleatorización es la característica central del ensayo clínico que lo convierte en el patrón de referencia (gold standard) para evaluar eficacia, porque al distribuir al azar a los participantes entre los grupos se consigue que tanto los factores de confusión conocidos como los desconocidos queden equilibrados entre ambos brazos, de modo que cualquier diferencia observada en el resultado pueda atribuirse razonablemente a la intervención. El cegamiento, por su parte, reduce el sesgo de medición y de información, pero es un elemento adicional, no la base del control de la confusión.

• B. El uso de placebo controla el efecto placebo y el sesgo de evaluación, pero no reduce por sí mismo el tamaño muestral necesario.
• C. El cálculo del tamaño muestral sigue siendo imprescindible antes de iniciar cualquier ensayo clínico, independientemente de la aleatorización.
• D. El cegamiento reduce sesgos de medición y de información, pero no evita las pérdidas de seguimiento.

El estudio transversal (de prevalencia) mide exposición y efecto en un único corte temporal, por lo que no es posible determinar si la exposición precedió al efecto o viceversa, lo que impide establecer causalidad según el criterio de temporalidad de Hill. En este ejemplo no se puede saber si la obesidad abdominal precede a la esteatosis o si ambas comparten un origen común sin relación causal directa entre sí. Sí permite calcular medidas de asociación como la razón de prevalencias o la odds ratio de prevalencia, pero estas solo informan de asociación, no de causalidad.

• A. El estudio transversal sí permite calcular razones de prevalencia y odds ratio de prevalencia, aunque con las limitaciones de interpretación causal mencionadas.
• B. El estudio transversal incluye a toda la población muestreada en el momento del corte, estén o no previamente diagnosticados.
• C. El estudio transversal no necesita una selección independiente de casos y controles, ya que estudia a toda la muestra poblacional a la vez.

El estudio ecológico utiliza datos agregados de poblaciones o grupos (en este caso, provincias) en lugar de datos individuales, por lo que una asociación observada entre dos variables a nivel de grupo no implica necesariamente que esa misma asociación exista a nivel individual. Este error de inferencia, atribuir al individuo una relación observada solo en el grupo, se denomina falacia ecológica, y es la principal limitación de este diseño. Puede ocurrir, por ejemplo, que quienes más sal consumen dentro de cada provincia no sean los mismos que sufren el ictus.

• B. No se menciona ningún ajuste por indicación terapéutica ni gravedad clínica en el escenario.
• C. El problema descrito no depende de cómo se seleccionaron las provincias, sino de extrapolar una asociación grupal al nivel individual.
• D. No hay exclusión de fallecidos previos ni se describe un sesgo relacionado con la supervivencia.

El ensayo de no inferioridad tiene como objetivo demostrar que un nuevo tratamiento no es peor que el de referencia en una magnitud clínicamente relevante, definida de antemano como margen de no inferioridad, sin pretender demostrar que sea superior. Se emplea cuando el nuevo fármaco ofrece otras ventajas, como mayor comodidad posológica, menor coste o mejor perfil de seguridad, aunque su eficacia no sea mayor. A diferencia del ensayo de superioridad, que busca diferencias a favor del nuevo tratamiento, y del de equivalencia, que exige demostrar que ambos tratamientos son similares en ambas direcciones dentro de un margen simétrico.

• B. El ensayo de superioridad pretende demostrar que el nuevo tratamiento es mejor que el de referencia, no simplemente que no es peor.
• C. El ensayo cruzado es un diseño de asignación de los tratamientos, no un tipo de hipótesis de comparación de eficacia.
• D. El ensayo de equivalencia exige demostrar que las diferencias en ambas direcciones (mejor o peor) quedan dentro de un margen simétrico predefinido, un objetivo más exigente que el descrito.

En el diseño cruzado, cada participante recibe de forma secuencial, y en orden aleatorizado, ambas intervenciones que se comparan, de modo que actúa como su propio control; esto reduce la variabilidad debida a diferencias entre individuos y permite estimar el efecto del tratamiento con un tamaño muestral menor que en un diseño paralelo. Su principal limitación es el efecto de arrastre o carry-over, es decir, la persistencia del efecto del tratamiento administrado en el primer periodo durante el periodo siguiente, lo que puede distorsionar la comparación; para minimizarlo se introduce un periodo de lavado (washout) entre ambas fases. Por este motivo, el diseño cruzado es especialmente adecuado para enfermedades crónicas y estables, donde el efecto del tratamiento es reversible y comparable en distintos momentos.

• A. El diseño cruzado se utiliza preferentemente en enfermedades crónicas y estables, no en procesos agudos, porque necesita que la condición del paciente se mantenga comparable entre ambos periodos.
• C. El diseño cruzado no utiliza grupos paralelos independientes, sino que cada paciente recibe ambos tratamientos de forma secuencial.
• D. El diseño cruzado requiere un tamaño muestral menor que el paralelo para la misma potencia, precisamente porque cada paciente aporta datos de ambos periodos.

La revisión sistemática con metaanálisis de ensayos clínicos aleatorizados combina los resultados de varios ensayos bien diseñados, lo que aumenta el tamaño muestral efectivo, mejora la precisión de la estimación del efecto y permite valorar la consistencia entre estudios. Por ello se sitúa en el vértice superior de la pirámide de evidencia, por encima del ensayo clínico individual. Esto no significa que todo metaanálisis sea de calidad superior a un ensayo concreto, pues depende de la calidad de los estudios incluidos y de la heterogeneidad entre ellos. Aun así, como categoría de diseño, representa el nivel más alto de evidencia disponible.

• A. El ensayo clínico aleatorizado aislado tiene menor precisión que la suma de varios ensayos combinados en un metaanálisis.
• C. El estudio de cohortes es un diseño observacional, con mayor riesgo de confusión que los ensayos aleatorizados.
• D. La serie de casos con grupo control es un diseño observacional de menor nivel, con alto riesgo de sesgos.

En un forest plot, cada línea horizontal representa un estudio individual con su estimación puntual y su intervalo de confianza, y el diamante inferior representa el resultado combinado del metaanálisis. Cuando el RR combinado es menor de 1 y su intervalo de confianza del 95% no incluye el valor 1 (efecto nulo), el resultado es estadísticamente significativo y favorece al tratamiento, indicando una reducción del riesgo del evento estudiado. En este caso, un RR de 0,82 con IC 95% de 0,74-0,91 indica una reducción significativa del riesgo de ictus de aproximadamente un 18%. La heterogeneidad se valora con el estadístico I² o la prueba de Cochran Q, no se puede deducir solo de la posición del diamante.

• A. Un RR menor de 1 indica reducción del riesgo, no aumento.
• C. El IC 95% no cruza el valor 1, por lo que el resultado sí es estadísticamente significativo.
• D. La heterogeneidad no puede valorarse únicamente a partir de la posición del resultado combinado; requeriría el estadístico I² u otros datos no aportados.

El sesgo de selección aparece cuando casos y controles no son representativos de la misma población base, de modo que la exposición estudiada influye en la probabilidad de entrar en el estudio. Aquí los controles proceden de consultas ginecológicas, un grupo en el que las mujeres con ciertos factores de riesgo o contraindicaciones para anticonceptivos orales pueden estar sobrerrepresentadas o infrarrepresentadas respecto a la población general de la que surgen los casos. Para evitarlo, los controles deberían seleccionarse de la misma población de origen que los casos, idealmente mediante base poblacional o un servicio no relacionado con el motivo de exposición. Este error afecta a la comparabilidad del grupo control, no a la medición del desenlace ni a terceras variables.

• B. El tromboembolismo venoso está confirmado objetivamente, por lo que no hay un problema evidente de clasificación del desenlace.
• C. No se menciona exclusión de casos fallecidos ni pérdida diferencial de seguimiento, que son propias de estudios de cohortes.
• D. El enunciado no describe ninguna tercera variable asociada tanto a la exposición como al desenlace.

El sesgo de memoria o recall bias se produce cuando la precisión o la profundidad del recuerdo de una exposición pasada difiere entre los grupos comparados, habitualmente porque las madres de niños con un desenlace adverso buscan de forma activa una explicación y recuerdan con mayor detalle la exposición, mientras que las madres de niños sanos no tienen ese mismo estímulo para recordar. Es un sesgo de información característico de los estudios retrospectivos, especialmente en estudios de casos y controles que dependen de entrevistas o cuestionarios. Se puede minimizar utilizando fuentes de datos objetivas y previas al desenlace, como registros médicos o de farmacia, en lugar de depender exclusivamente de la memoria de los participantes.

• A. No se describe ninguna tercera variable asociada a la exposición y al desenlace, sino un error en la medición de la exposición.
• C. El sesgo de Berkson se refiere a tasas de hospitalización diferenciales entre expuestos y no expuestos, no al recuerdo de la exposición.
• D. El problema descrito es la calidad diferencial del recuerdo, no la representatividad del grupo control respecto a la población de origen.

El sesgo del trabajador sano ocurre porque las personas que están empleadas y mantienen su puesto de trabajo tienden a estar más sanas, en promedio, que la población general, que incluye a personas desempleadas, jubiladas, discapacitadas o enfermas crónicas que no pueden trabajar. Esto hace que, al comparar trabajadores expuestos con la población general como referencia, la mortalidad de los trabajadores aparezca artificialmente baja, incluso en presencia de una exposición laboral nociva real. Es un sesgo típico de los estudios epidemiológicos ocupacionales y tiende a subestimar el efecto perjudicial de la exposición estudiada. Se puede mitigar utilizando como comparación a otro grupo de trabajadores no expuestos en lugar de la población general.

• A. El enunciado no aporta datos que sugieran una distribución de edad distinta entre los grupos comparados.
• B. El sesgo de Berkson se refiere a la selección diferencial de pacientes hospitalizados en estudios de casos y controles hospitalarios, no a la comparación entre trabajadores y población general.
• C. No se describe ningún problema relacionado con el recuerdo retrospectivo de la exposición.

El sesgo de Berkson aparece cuando se utilizan pacientes hospitalizados como casos y controles, y las probabilidades de ingreso hospitalario varían según las combinaciones de enfermedades que presenta cada paciente, generando asociaciones espurias entre enfermedades que en la población general no están relacionadas. En este ejemplo, pacientes con varias comorbilidades, como EPOC y colelitiasis simultáneas, pueden tener mayor probabilidad de ingreso hospitalario que quienes solo presentan una de las dos entidades, lo que genera una sobrerrepresentación artificial de la asociación dentro del hospital. Este sesgo es característico de los estudios de casos y controles de base hospitalaria y se reduce utilizando controles de base poblacional o verificando la consistencia con estudios externos al hospital.

• B. El dato clave no es un error de recuerdo, sino una selección diferencial relacionada con el ingreso hospitalario.
• C. El sesgo del trabajador sano se aplica a comparaciones entre población activa y población general, no a pacientes hospitalizados.
• D. No se aporta ningún dato sobre dieta ni ninguna variable adicional que actúe como factor de confusión.

Para que una variable actúe como factor de confusión debe cumplir tres condiciones: estar asociada con la exposición estudiada, ser un factor de riesgo independiente para el desenlace, y no formar parte de la vía causal entre la exposición y el desenlace. El tabaco cumple las tres: se asocia con el hábito de beber café, es una causa establecida de cáncer de pulmón, y no es consecuencia del consumo de café ni un paso intermedio entre el café y el cáncer. Por ello, la asociación observada entre café y cáncer de pulmón puede deberse, al menos en parte, a que los bebedores de café fuman más, y no a un efecto causal directo del café.

• A. No se menciona que el efecto del café sobre el cáncer varíe según el nivel de tabaquismo, condición necesaria para hablar de modificación de efecto.
• B. Una variable intermedia formaría parte de la cadena causal entre café y cáncer, lo que no se describe ni es biológicamente plausible en este caso.
• C. El tabaquismo no es consecuencia del consumo de café, sino un hábito independiente asociado a ambos.

La aleatorización es el método más eficaz para controlar la confusión desde el diseño del estudio porque distribuye de forma equilibrada tanto los factores de confusión conocidos y medidos, como los desconocidos o no medidos, entre los grupos de comparación, siempre que el tamaño muestral sea suficiente. A diferencia del apareamiento, la estratificación o el ajuste multivariante, que solo pueden controlar variables identificadas y medidas previamente, la aleatorización actúa sobre toda la distribución de características basales de los participantes sin necesidad de conocerlas de antemano. Por este motivo, el ensayo clínico aleatorizado es el diseño de referencia para establecer relaciones causales, al minimizar el riesgo de confusión residual.

• A. El ajuste multivariante es una técnica de análisis posterior a la recogida de datos y únicamente corrige la confusión por variables medidas e incluidas en el modelo.
• B. La estratificación, igual que el ajuste, solo controla variables identificadas y medidas, y no actúa sobre factores de confusión desconocidos.
• D. El apareamiento solo controla las variables específicamente emparejadas y debe planificarse conociendo de antemano los factores de confusión relevantes.

Una variable de confusión se asocia tanto con la exposición como con el desenlace, no es consecuencia de la exposición (no es un paso intermedio en la cadena causal) y, al controlarla, la asociación cruda se modifica o desaparece, como ocurre en este caso con el tabaquismo. En cambio, una variable modificadora del efecto (interacción) no distorsiona la medida global, sino que hace que la magnitud del efecto sea distinta según el estrato en que se mida, y ambos estratos mantendrían una asociación real aunque de diferente magnitud. La clave para diferenciarlas es que el factor de confusión, al ajustarlo, cambia la estimación puntual hacia el valor nulo o la hace desaparecer, mientras que la interacción se identifica porque las estimaciones estratificadas son heterogéneas entre sí.

• A. Una variable intermedia formaría parte de la propia vía causal entre la exposición y el efecto, no sería una tercera variable externa.
• C. La variable dependiente es el propio desenlace (cáncer de pulmón), no una tercera variable externa.
• D. La interacción no anula la asociación en los estratos, sino que produce efectos de magnitud distinta entre ellos.

El valor predictivo positivo (VPP) es la probabilidad de que una persona con la prueba positiva esté realmente enferma. El total de positivos en la prueba es 40 (verdaderos positivos) + 95 (falsos positivos) = 135. Por tanto, el VPP = 40/135 ≈ 29,6 %. A diferencia de la sensibilidad y la especificidad, los valores predictivos dependen directamente de la prevalencia de la enfermedad en la población estudiada, y en el cribado de enfermedades poco prevalentes el VPP suele ser bajo aunque la prueba tenga buena sensibilidad y especificidad.

• A. El 95,8 % correspondería aproximadamente al valor predictivo negativo (855/893), no al valor predictivo positivo.
• B. El 80 % correspondería a la sensibilidad de la prueba (40/50), no al valor predictivo positivo.
• D. El 90 % no corresponde a ningún cociente correcto de esta tabla con los datos proporcionados.

El valor predictivo positivo depende de la sensibilidad, la especificidad y, de forma crucial, de la prevalencia de la enfermedad en la población estudiada. Aunque sensibilidad y especificidad son propiedades intrínsecas de la prueba y no varían con la prevalencia, cuando la prevalencia es baja el número absoluto de falsos positivos (derivados del pequeño porcentaje de sanos mal clasificados, pero que son muchísimos en términos absolutos) supera con creces al de verdaderos positivos, por lo que el VPP cae de forma marcada. Este fenómeno explica por qué las pruebas de cribado en población general con baja prevalencia suelen requerir una prueba confirmatoria posterior.

• A. Sensibilidad y especificidad no cambian, pero el VPP sí depende de la prevalencia, por lo que no se mantiene igual.
• C. El razonamiento es inverso: al bajar la prevalencia disminuyen los verdaderos positivos en relación con los falsos positivos, lo que reduce el VPP, no lo aumenta.
• D. El VPP puede disminuir notablemente por el simple descenso de la prevalencia, incluso si la especificidad permanece constante.

Las pruebas con especificidad muy alta generan pocos falsos positivos, por lo que un resultado positivo es muy útil para confirmar la enfermedad (regla SpPin: Specificity high, Positive rules IN). En el caso del VIH, un ELISA de alta especificidad positivo apoya fuertemente el diagnóstico, pero los protocolos vigentes exigen igualmente una prueba confirmatoria (como un inmunoensayo diferencial o una prueba de ácidos nucleicos) para excluir falsos positivos ocasionales y cumplir con los algoritmos diagnósticos estandarizados. Esta regla es complementaria a la SnNout, que se aplica a resultados negativos en pruebas de alta sensibilidad.

• B. Al contrario, la alta especificidad otorga gran valor al resultado positivo; repetir la misma prueba no sustituye a la confirmación con una prueba de metodología diferente.
• C. No tiene sentido descartar la enfermedad con una prueba de menor especificidad tras un resultado positivo en una prueba muy específica; se confirma, no se descarta.
• D. El valor de un resultado positivo con una prueba muy específica no depende del grupo de riesgo del paciente, ya que la especificidad es una propiedad intrínseca de la prueba.

La razón de verosimilitud positiva se calcula como sensibilidad dividida entre (1 − especificidad): LR+ = 0,80 / (1 − 0,60) = 0,80 / 0,40 = 2. Este valor indica cuántas veces es más probable obtener un resultado positivo en un paciente enfermo que en uno sano, y permite modificar la probabilidad pretest de enfermedad hacia la probabilidad postest mediante el teorema de Bayes, habitualmente con ayuda del nomograma de Fagan. Un LR+ de 2 se considera un incremento modesto de la probabilidad de enfermedad, mientras que valores superiores a 10 se consideran muy informativos para confirmar el diagnóstico.

• A. Este valor correspondería a un cálculo erróneo que no utiliza correctamente el complemento de la especificidad en el denominador.
• B. Este valor es el inverso del resultado correcto y no corresponde a la fórmula de la razón de verosimilitud positiva.
• D. Este valor correspondería aproximadamente a la razón de verosimilitud negativa, no a la positiva, con otros datos de sensibilidad y especificidad.

El área bajo la curva ROC (AUC) representa la probabilidad de que, al elegir al azar un sujeto enfermo y uno sano, la prueba asigne un valor más alto al enfermo. Un AUC de 0,95 indica una capacidad discriminativa excelente, muy cercana al valor máximo de 1. Un AUC de 0,5 equivale a una discriminación nula (igual al azar), representada por la diagonal del gráfico. La AUC es independiente del punto de corte elegido, ya que resume el rendimiento global de la prueba en todo el rango de valores posibles.

• A. El valor predictivo positivo depende de la prevalencia de la enfermedad en la población, no se deduce directamente del AUC
• B. La sensibilidad varía según el punto de corte seleccionado; la AUC no equivale a la sensibilidad de un punto concreto
• D. Un AUC de 0,5, no de 0,95, correspondería a una prueba sin capacidad discriminativa

Entre los criterios clásicos de Frame y Carlson, recogidos también por la OMS (criterios de Wilson y Jungner), para justificar un cribado poblacional se exige que exista un tratamiento eficaz y aceptable para la fase presintomática o precoz de la enfermedad, de forma que la detección precoz mejore realmente el pronóstico. Si no existe tratamiento eficaz, detectar la enfermedad antes no aporta beneficio clínico y expone a los pacientes a los perjuicios del diagnóstico precoz sin contrapartida terapéutica. La prevalencia baja no descarta por sí sola un cribado si la enfermedad es grave y detectable, y la buena aceptación de la prueba es, de hecho, un criterio favorable, no una limitación.

• A. La buena aceptación de la prueba por la población es deseable y favorece la implantación del cribado
• B. La sencillez y buena aceptación de la prueba es un criterio favorable para el cribado, no una limitación
• C. La prevalencia baja no es, por sí sola, un criterio excluyente si la enfermedad es grave y existe tratamiento eficaz

El sesgo de duración de la enfermedad (length-time bias) ocurre porque las pruebas de cribado periódico tienen más probabilidad de detectar tumores de crecimiento lento, que permanecen más tiempo en la fase preclínica detectable, que tumores agresivos de crecimiento rápido, que progresan rápidamente a síntomas y pueden aparecer entre dos rondas de cribado. Esto hace que los casos detectados por cribado parezcan tener mejor pronóstico, no porque el cribado sea eficaz, sino porque selecciona de forma desproporcionada a los tumores menos agresivos. Es un sesgo distinto del lead-time bias, que se refiere al adelanto en el momento del diagnóstico, no a la velocidad de progresión del tumor.

• B. El lead-time bias se refiere al adelanto temporal del diagnóstico, no a la mayor probabilidad de detectar tumores de crecimiento lento
• C. El sesgo de supervivencia del superviviente no describe la selección diferencial de tumores según su velocidad de crecimiento
• D. El sesgo del voluntario sano se refiere a que las personas que participan voluntariamente en el cribado suelen ser más sanas que la población general

El sesgo de anticipación diagnóstica (lead-time bias) se produce porque el cribado adelanta el momento del diagnóstico respecto al diagnóstico clínico habitual, de forma que la supervivencia medida desde el diagnóstico aparenta ser mayor, aunque el momento de la muerte y la historia natural de la enfermedad no se hayan modificado en absoluto. Para evitar este sesgo, los estudios que evalúan la eficacia real de un programa de cribado deben medir la mortalidad específica por la enfermedad en la población, y no la supervivencia desde el diagnóstico. Este sesgo es distinto del length-time bias, que depende de la velocidad de progresión del tumor detectado.

• A. La confusión por indicación es un sesgo propio de estudios observacionales sobre tratamientos, no de la comparación de supervivencia tras cribado
• B. El length-time bias se debe a la detección preferente de tumores de crecimiento lento, no al simple adelanto temporal del diagnóstico
• D. El sesgo del voluntario sano se refiere a las características basales más saludables de quienes participan voluntariamente, no al momento del diagnóstico

El sesgo de autoselección del voluntario sano aparece porque las personas que decide participar voluntariamente en programas de cribado suelen tener, de partida, mejores hábitos de salud, mayor nivel socioeconómico y menor mortalidad general que quienes no participan, independientemente del efecto real de la intervención evaluada. Esto puede hacer que los resultados del grupo cribado parezcan mejores por simple diferencia en las características basales de los participantes, y no por el efecto del cribado en sí. Por ello, los ensayos aleatorizados de cribado deben asignar aleatoriamente a los participantes para evitar esta autoselección.

• B. El sesgo de duración de la enfermedad se refiere a la velocidad de crecimiento de los tumores detectados, no a las características basales de los participantes
• C. El sesgo de clasificación diferencial se refiere a errores de medición de la exposición o el resultado según el grupo de estudio, no a la selección de participantes
• D. El sesgo de anticipación diagnóstica se refiere al adelanto del momento del diagnóstico, no a diferencias previas entre voluntarios y no voluntarios

El programa de cribado poblacional de cáncer colorrectal en España, siguiendo las recomendaciones del Ministerio de Sanidad y de la Unión Europea, se basa en la realización de un test de sangre oculta en heces de tipo inmunológico (SOHi) cada 2 años en población de riesgo medio entre los 50 y los 69 años. Ante un resultado positivo, el paciente debe derivarse a colonoscopia diagnóstica para confirmar o descartar lesiones. La colonoscopia como prueba de primera línea y la periodicidad anual no corresponden al programa poblacional español, que prioriza una prueba no invasiva, barata y bien aceptada para el cribado masivo.

• A. La sigmoidoscopia flexible no es la prueba empleada en el programa de cribado poblacional español
• B. La colonoscopia no es la prueba de primera línea del programa poblacional español, se reserva como prueba diagnóstica tras un test de sangre oculta positivo
• D. La periodicidad anual y el rango de edad de 40 a 69 años no corresponden al programa de cribado colorrectal vigente en España

El intervalo de confianza del 95% de un riesgo relativo permite valorar la significación estadística sin necesidad de calcular el valor de p: si el intervalo incluye el valor 1 (valor nulo para medidas de asociación relativa), la asociación no es estadísticamente significativa al nivel convencional de alfa = 0,05. En este caso el intervalo va de 0,9 a 3,2, por lo que incluye el 1 y no se puede descartar el azar como explicación del hallazgo. Esto no equivale a afirmar que no exista relación, sino que el estudio no tiene la precisión suficiente para confirmarla o descartarla con certeza.

• A. El valor de RR por sí solo no indica significación; hay que valorar si el intervalo de confianza incluye el valor nulo
• B. El punto estimado (RR) puede ser mayor de 1 y aun así no ser significativo si el intervalo de confianza incluye el 1
• D. No haber alcanzado significación estadística no equivale a demostrar ausencia de relación, solo que no se puede descartar el azar

El valor de p se define como la probabilidad de obtener un resultado igual o más extremo que el observado, asumiendo que la hipótesis nula es verdadera. Un valor de p pequeño sugiere que ese resultado sería poco probable si realmente no existiera diferencia entre los tratamientos, por lo que se rechaza la hipótesis nula. El error de tipo I es precisamente la probabilidad de rechazar la hipótesis nula cuando en realidad es cierta, y el nivel de significación (alfa), habitualmente 0,05, es el umbral que se fija de antemano para controlar este error. El valor de p no indica la probabilidad de que la hipótesis nula o la alternativa sean ciertas.

• A. El valor de p no cuantifica directamente la probabilidad de eficacia del fármaco
• B. El valor de p no es la probabilidad de que la hipótesis nula sea verdadera, es una probabilidad condicionada a que la hipótesis nula lo sea
• D. El valor de p se relaciona con el error de tipo I, no con el error de tipo II

El error de tipo II (beta) consiste en no rechazar la hipótesis nula cuando en realidad es falsa, es decir, concluir que no hay diferencia entre tratamientos cuando sí existe una diferencia real. La potencia estadística de un estudio es el complementario de este error (1 - beta) y representa la probabilidad de detectar una diferencia real si esta existe. Un estudio con poca potencia, por ejemplo por tamaño muestral insuficiente, tiene mayor riesgo de cometer error de tipo II y de obtener resultados falsamente negativos.

• A. El sesgo de selección se debe a una elección inadecuada de los participantes, no a un fallo estadístico en detectar una diferencia real
• B. El error de tipo I consiste en rechazar la hipótesis nula cuando en realidad es verdadera, lo contrario de lo descrito
• C. El sesgo de confusión implica la presencia de una tercera variable que distorsiona la asociación, no se describe en el enunciado

La potencia estadística depende fundamentalmente del tamaño de la muestra, de la magnitud de la diferencia que se quiere detectar, de la variabilidad de la variable de resultado y del nivel de significación alfa elegido. Aumentar el tamaño muestral incrementa la precisión de las estimaciones y, por tanto, la probabilidad de detectar una diferencia real si existe, aumentando la potencia. Disminuir el tamaño muestral, aumentar la variabilidad de la medición o exigir un alfa más estricto (más pequeño) actúan en sentido contrario, reduciendo la potencia del estudio.

• B. Disminuir alfa (ser más exigente con la significación) reduce la potencia estadística para una muestra fija
• C. Reducir el tamaño muestral disminuye la potencia estadística, no la aumenta
• D. Una mayor variabilidad en la medición de la variable de respuesta reduce la potencia, no la aumenta

La prueba de chi-cuadrado se utiliza para comparar proporciones o frecuencias de variables cualitativas entre dos o más grupos independientes, como ocurre en este caso con una variable dicotómica (dejar de fumar o no) medida en tres grupos de tratamiento distintos. La t de Student se emplea para comparar medias de una variable cuantitativa entre dos grupos, y el ANOVA para comparar medias de una variable cuantitativa entre tres o más grupos. El coeficiente de correlación de Pearson mide la relación lineal entre dos variables cuantitativas continuas, no es aplicable a variables cualitativas.

• A. El ANOVA se utiliza para comparar medias de variables cuantitativas entre tres o más grupos, no proporciones
• B. La t de Student compara medias de variables cuantitativas entre dos grupos, no proporciones entre tres grupos
• C. El coeficiente de Pearson mide la correlación lineal entre dos variables cuantitativas continuas

La significación estadística depende en gran medida del tamaño muestral: con muestras muy grandes, incluso diferencias clínicamente irrelevantes pueden alcanzar significación estadística, como ocurre aquí con una reducción de solo 1,2 mmHg. La relevancia clínica, en cambio, depende de si la magnitud del efecto es suficiente para modificar de forma significativa el pronóstico, la calidad de vida o el manejo del paciente, independientemente de si el valor de p es bajo. Es fundamental distinguir ambos conceptos antes de modificar la práctica clínica basándose únicamente en un valor de p significativo.

• A. Un tamaño muestral grande no invalida la significación estadística, de hecho facilita detectar diferencias pequeñas como significativas
• B. Una diferencia de 1,2 mmHg carece de relevancia clínica en el manejo de la hipertensión, aunque sea estadísticamente significativa
• D. El valor de p bajo no indica que la diferencia sea pequeña, sino que es poco probable que se deba al azar, dado el gran tamaño muestral

En distribuciones asimétricas, la media aritmética se ve fuertemente influida por los valores extremos (en este caso, los tiempos de espera muy prolongados), por lo que puede sobreestimar el valor típico de la variable. La mediana, al ser el valor que divide la distribución en dos mitades iguales, es mucho más robusta frente a valores extremos y representa mejor el valor central real de la mayoría de las observaciones. Por este motivo, en variables con distribución asimétrica se recomienda utilizar la mediana como medida de tendencia central, mientras que la media es más adecuada en distribuciones simétricas.

• A. La media se distorsiona por los valores extremos de la distribución asimétrica y no representa bien al grupo mayoritario de pacientes
• C. El rango es una medida de dispersión que solo tiene en cuenta los valores extremos, no la tendencia central
• D. La desviación estándar es una medida de dispersión, no de tendencia central

El Rt depende de R0 multiplicado por la fracción de población susceptible (Rt = R0 × S). A medida que aumenta la proporción de inmunes, disminuye la proporción de susceptibles (S), de modo que cada persona infectada tiene cada vez menos probabilidad de contactar con alguien susceptible, reduciendo la transmisión efectiva. El umbral de inmunidad de grupo se calcula como 1 − 1/R0; para R0 = 5 ese umbral es el 80%. Este mecanismo es indirecto: protege también a los no inmunes al reducir su exposición a casos infecciosos.

• A. Los anticuerpos de los individuos inmunes no protegen directamente a terceros no inmunes; el efecto es indirecto, a través de la menor probabilidad de contacto infeccioso.
• B. La inmunidad de grupo no modifica la virulencia intrínseca del patógeno, solo la dinámica de transmisión.
• C. El mecanismo no depende de reservorios ambientales sino de la reducción de huéspedes susceptibles disponibles.

Los AVAD (DALY) se calculan como la suma de los años de vida perdidos por muerte prematura (AVP) más los años vividos con discapacidad ajustados por su gravedad (AVD): AVAD = AVP + AVD = 1.200 + 800 = 2.000. Este indicador, desarrollado por la OMS y el Banco Mundial, permite cuantificar la carga global de una enfermedad combinando en una sola medida el impacto de la mortalidad prematura y el de la morbilidad o discapacidad, facilitando la comparación entre distintas patologías y la priorización de políticas sanitarias.

• A. El indicador AVAD incluye tanto la mortalidad prematura como la discapacidad, no solo el primer componente.
• C. Restar en vez de sumar los componentes no corresponde a la definición del indicador; los AVAD suman ambos componentes.
• D. Los AVAD son una medida de carga de enfermedad en salud, no un indicador económico de costes de tratamiento.

Una base estrecha (pocos nacimientos recientes en relación con los grupos adultos) junto a una cúspide ancha y con mayor proporción de mujeres en la vejez es típica de una pirámide regresiva o envejecida, propia de países con transición demográfica avanzada, baja fecundidad sostenida, baja mortalidad general y alta esperanza de vida, como es el caso de España. Las muescas en determinadas cohortes (por ejemplo, las edades correspondientes a la Guerra Civil) reflejan déficits históricos de natalidad o aumentos de mortalidad en ese periodo concreto, pero no cambian el patrón general regresivo de la pirámide.

• B. La forma estacionaria tendría proporciones similares en todos los grupos de edad, lo que no coincide con el estrechamiento de la base ni el ensanchamiento de la cúspide descritos.
• C. La forma de campana con alta fecundidad y mortalidad infantil elevada es típica de poblaciones en fases iniciales de la transición demográfica, no de la España actual.
• D. La forma progresiva o expansiva tiene base ancha y vértice estrecho, lo opuesto al patrón descrito para España actual.

La tasa bruta de mortalidad está fuertemente influida por la estructura de edad de la población, de modo que una comunidad con mayor proporción de personas mayores tendrá una tasa bruta más alta aunque el riesgo de morir a cada edad específica sea similar o menor. La estandarización (ajuste) por edad, aplicando a ambas poblaciones una estructura de edad de referencia común, elimina ese factor de confusión y permite comparar el riesgo real de mortalidad específico por edad entre ambas comunidades, revelando que, ajustada, la comunidad A tiene en realidad menor mortalidad por edad que B.

• A. La relación entre tasa bruta y ajustada depende de la estructura de edad de cada población comparada con la de referencia, no es constante por definición.
• C. La estandarización ajusta por variables demográficas como la edad, no por gravedad clínica ni calidad asistencial.
• D. La estandarización no corrige errores de certificación diagnóstica, sino el efecto confusor de la estructura poblacional (edad, sexo).

La esperanza de vida al nacer es un indicador puramente basado en las tasas de mortalidad por edad, y estima cuántos años viviría en promedio una persona nacida en un año dado si se mantuvieran esas tasas. La esperanza de vida libre de discapacidad incorpora además datos de morbilidad y limitación funcional, estimando cuántos de esos años se vivirán sin discapacidad ni dependencia. La diferencia entre ambos valores refleja, por tanto, el número medio de años que una persona puede esperar vivir con alguna limitación funcional o discapacidad, un dato relevante para la planificación de servicios sociosanitarios y de dependencia.

• A. El indicador no se limita a los avances quirúrgicos, sino que integra datos de prevalencia de discapacidad de toda causa.
• B. La esperanza de vida libre de discapacidad se calcula para toda la población, no solo para ancianos institucionalizados.
• D. La diferencia entre ambos indicadores refleja la carga global de morbilidad y discapacidad a lo largo de la vida, no solo la mortalidad por causas externas en jóvenes.

La OMS define la muerte materna como la que ocurre durante el embarazo o dentro de los 42 días posteriores a su terminación, por cualquier causa relacionada o agravada por el embarazo, pero no por causas accidentales o incidentales. Las muertes maternas indirectas son las resultantes de una enfermedad previa o que evoluciona durante el embarazo, no debida a causas obstétricas directas, pero agravada por los efectos fisiológicos del embarazo, como ocurre con la miocardiopatía periparto. Este caso entra dentro del intervalo de 42 días, por lo que se contabiliza en la razón de mortalidad materna convencional. Las muertes directas, en cambio, derivan de complicaciones obstétricas del embarazo, parto o puerperio (hemorragia, preeclampsia, etc.).

• A. La muerte materna tardía se define como la que ocurre entre 43 días y 1 año tras el parto; a los 36 días aún está dentro del periodo estándar de 42 días.
• B. No se trata de una muerte tardía porque ocurre antes de los 42 días; además las muertes tardías no se incluyen en la razón de mortalidad materna convencional de la OMS.
• D. Sería directa si derivara de una complicación obstétrica propiamente dicha (hemorragia, sepsis puerperal, preeclampsia), no de una enfermedad cardiaca agravada por el embarazo.