MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN

ODDS RATIO
 UNIVERSIDAD NACIONAL DE
CAJAMARCA
“Norte de la Universidad Peruana”
Fundada por Ley 14015 en Febrero de 1962

FACULTAD DE MEDICINA
Escuela Académico Profesional de Medicina
Humana
ÁREA: GRUPO:
Métodos y Proyectos B.
de Investigación

CICLO:
2015 - III

DOCENTE:
Luis Armando Linares García

ALUMNO:
Rojas Gálvez, Christian Adrián
Romero Terán, Cesar Aníbal
Silva Márquez, Karen Anel
Valdivia Tirado. Thalía Leynith
Ydrogo Burga, Yanina
Zavaleta Aldave, Sara Elizabeth

FECHA
21 de febrero de 2015
Contenido
INTRODUCCIÓN ................................................................ 1
MARCO TEÓRICO .............................................................. 2
¿Qué es un Odds? .......................................................... 2
¿Qué es un Odds Ratio? ................................................. 2
¿Cuándo utilizar Riesgo Relativo, y cuándo Odds Ratio? 2
Aspectos metodológicos ................................................ 3
Aspectos matemáticos ................................................... 3
Estimación del riesgo en los estudios de casos y
controles. ....................................................................... 3
Cálculo del tamaño muestral en estudios de casos y
controles. ....................................................................... 5
CONCLUSIONES................................................................. 7
BIBLIOGRAFÍA ................................................................... 9
INTRODUCCIÓN
Odds Ratio (OR) es una medida de efecto comúnmente
utilizada para comunicar los resultados de una investigación en
salud. Matemáticamente un OR corresponde a un cociente
entre dos odds, siendo un odds una forma alternativa de
expresar la posibilidad de ocurrencia de un evento de interés o
de presencia de una exposición. Desde un punto de vista
metodológico, los OR pueden ser calculados en diseños
prospectivos, retrospectivos y transversales, y bajo ciertas
condiciones pueden reemplazar al Riesgo Relativo. En base a
una serie de preguntas y ejemplos, el presente artículo explica
los fundamentos matemáticos y metodológicos subyacentes al
concepto de OR, con el objetivo de facilitar su interpretación a
clínicos e investigadores.
MARCO TEÓRICO
¿Qué es un Odds?
Rutinariamente expresamos la posibilidad de ocurrencia de un evento de interés
usando probabilidades. Por ejemplo, si el pronóstico del tiempo anuncia que la
probabilidad de lluvia durante junio es 40%, entendemos que es posible que llueva
en 12/30 días que tiene dicho mes. Una forma alternativa de representar la
posibilidad de ocurrencia de un evento de interés es mediante el uso de odds,
definidos como un cociente entre el número de eventos y el número de "no eventos".
Siguiendo el ejemplo, el odds de lluvia durante junio corresponde al cociente entre el
número de días de lluvia y "no lluvia" de aquel mes, es decir, 12/18. Probabilidades
y odds son intercambiables: una probabilidad puede convertirse en odds mediante la
fórmula (probabilidad/(1-probabilidad)), y un odds convertirse en una probabilidad
mediante la fórmula (odds/(odds+1)).

¿Qué es un Odds Ratio?

Supongamos que usted está a cargo de la organización de un paseo al aire libre, y
duda si realizarlo en junio o noviembre. El pronóstico del tiempo anuncia que la
probabilidad de lluvia en noviembre es 10% (es decir, es posible que llueva en 3/30
días que tiene dicho mes), siendo su odds de lluvia equivalente a 3/27. ¿De qué
manera compararía la posibilidad de que llueva en junio versus noviembre? La forma
más simple es mediante el cálculo del Riesgo Relativo (RR). En el ejemplo, el RR
corresponde al cociente entre la probabilidad de que llueva en junio dividido por la
probabilidad de que llueva en noviembre, y equivale a (12/30)/(3/30) = 4,0. Su
interpretación es fácilmente comprensible: "la probabilidad de que llueva en junio es
4,0 veces la probabilidad de que llueva en noviembre" (nótese que el
término "probabilidad" es intercambiable por "riesgo"). Análogamente, Odds
Ratio (OR) se define como un cociente entre dos odds. En el ejemplo, el
OR corresponde al odds de que llueva en junio dividido por el odds de que llueva en
noviembre, y equivale a (12/18)/(3/27) = 6,0. Su interpretación es un poco más
compleja: "la razón de posibles días de lluvia versus "no lluvia" es 6 veces mayor en
junio en comparación a noviembre". Notará el lector que tanto el valor del RR como
del OR harán optar por organizar el paseo al aire libre durante el mes de noviembre,
minimizando así la posibilidad de que la lluvia arruine dicha actividad.

¿Cuándo utilizar Riesgo Relativo, y cuándo Odds Ratio?

Numerosas investigaciones expresan sus resultados en forma de OR, en lugar de
hacerlo de forma de RR. La decisión de la medida de efecto a utilizar se fundamenta
en aspectos metodológicos y matemáticos, los cuales procedemos a detallar.
Aspectos metodológicos
Anteriormente definimos RR como un cociente entre dos probabilidades o dos
riesgos, siendo el concepto de riesgo equivalente al concepto epidemiológico de
"incidencia" (Nota: tasa de incidencia es el número de casos nuevos que se
presentan en un período específico, dividido por el total de sujetos expuestos a
transformarse en casos nuevos en igual período). La estimación de
incidencia solamente es factible en estudios prospectivos, por consiguiente, el cálculo
de RR se restringe exclusivamente a este tipo de estudios (ensayos controlados
aleatorizados y estudios de cohorte). Los OR constituyen una medida de efecto
alternativa al RR, siendo uno de sus méritos permitir expresar los resultados de
estudios retrospectivos y transversales.

Aspectos matemáticos
Comenzaremos asumiendo, en base a lo explicado en el punto anterior, que la
disyuntiva entre utilizar OR versus RR se circunscribe a estudios prospectivos. OR y
RR son intercambiables si se cumplen las siguientes condiciones:
(i) El evento de interés ocurre de manera infrecuente en los grupos a
comparar
(ii) El tamaño del efecto es pequeño (es decir, el OR y el RR son cercanos
a 1,00). Para un mismo estudio, el OR tiende a magnificar el tamaño del
efecto, en comparación al RR.
Sin embargo, cuando el evento de interés ocurre de manera infrecuente en los grupos
a comparar, esta tendencia se minimiza. Como regla general decimos que OR y RR
son intercambiables cuando la frecuencia del evento de interés en la muestra total es
igual o menor a 10%.

Estimación del OR en los estudios de casos y controles.

Los estudios de casos y controles son un tipo de diseño habitualmente empleado en
investigaciones clínicas que tienen por objeto la identificación de factores de riesgo.
Si bien los estudios de cohortes reúnen las características idóneas para llevar a cabo
este tipo de análisis, los estudios de casos y controles cuentan con la ventaja de que
suelen exigir menos tiempo y ser menos costosos que aquellos.
En estudios de este tipo, la distribución de n sujetos estudiados según presenten o no
la enfermedad y según su exposición a cada factor se puede mostrar en una tabla 2 x
2, similar a la Tabla 1:

Casos Controles
Expuestos a b

c d
No Expuestos
Así, existirán en la muestra casos expuestos (a), casos no expuestos (c), controles
expuestos (b) y controles no expuestos (d). Como medida de la frecuencia de
exposición entre los casos se puede utilizar el cociente:

Donde p1 es la probabilidad de exposición entre los casos. A partir de una muestra

como la de la Tabla 1, Ω1 se puede estimar dividiendo los casos expuestos entre los
casos no expuestos:

De modo similar, se valora la frecuencia de exposición entre los controles mediante

el cociente:

donde p2 es la probabilidad de exposición entre los controles.

La medida más utilizada para cuantificar la asociación entre la exposición y la
presencia de enfermedad es el "odds ratio" (OR) y su cálculo se estima mediante el
cociente de las dos cantidades anteriores:

La interpretación del OR es la siguiente: si el OR es igual a 1, la exposición no se

asocia con la enfermedad, mientras que si el OR es menor de 1 la exposición tiene
un efecto protector (es decir, la exposición disminuye la probabilidad de desarrollar
la enfermedad). Por último, si el valor del OR es mayor de 1, la exposición aumenta
las posibilidades de desarrollar la enfermedad. De cualquier modo, las estimaciones
del OR se deben realizar con su 95% intervalo de confianza para poder confirmar o
rechazar la asociación de la exposición con la enfermedad.
Como se puede observar, el valor del OR puede obtenerse de la Tabla
1 multiplicando “en cruz” sus cuatro valores. De ahí que también reciba el nombre
de “razón de productos cruzados”, o también “razón de ventajas”. Bajo suposiciones
adecuadas, el OR puede ser un estimador adecuado de la razón de tasas de incidencia
o del riesgo relativo, medidas habitualmente utilizadas para valorar la asociación
entre una exposición y un evento. Cuando la frecuencia de exposición es reducida,
el valor del OR y del riesgo relativo son muy similares.
Cálculo del tamaño muestral en estudios de casos y controles.
Supongamos que se quiere llevar a cabo un estudio de casos y controles con el fin de
determinar si existe una relación significativa entre la exposición a un factor y la
presencia de una determinada enfermedad. A continuación se explica cómo calcular
el tamaño de muestra necesario:
Si se conoce la probabilidad de exposición entre los controles p2, y se prevé que el
OR asociado al factor de estudio es w, el valor de p1, la frecuencia de exposición
entre los casos, puede obtenerse fácilmente:

Así, el problema del cálculo del tamaño muestral podrá abordarse mediante las
fórmulas habituales empleadas en la comparación de dos proporciones, asumiendo
aquí que las proporciones esperadas son p1 y p2 .
Recurriendo a las fórmulas habituales para determinar el tamaño muestral mínimo
necesario para la comparación de dos proporciones, se precisará conocer:
a) La magnitud de la diferencia a detectar, que tenga interés clínicamente relevante.
En este caso, como ya vimos, bastaría con conocer dos de los siguientes tres
parámetros:
 Una idea del valor aproximado del odds ratio que se desea estimar (w)
 La frecuencia de la exposición entre los casos (p1)
 La frecuencia de la exposición entre los controles (p2)
b) La seguridad con la que se desea trabajar (α), o riesgo de cometer un error de tipo
I. Generalmente se trabaja con una seguridad del 95% (α = 0,05).
c) El poder estadístico (1-β) que se quiere para el estudio, o riesgo de cometer un
error de tipo II. Es habitual tomar β = 0,2, es decir, un poder del 80%.
Con estos datos, y para un planteamiento bilateral, para el cálculo del tamaño
muestral se utilizará la expresión:

Ecuación 1

Donde y los valores y son valores que se obtienen de la

distribución normal estándar en función de la seguridad y el poder elegidos para el
estudio. En particular, para una seguridad de un 95% y un poder estadístico del 80%
se tiene que y .
Hasta ahora se ha asumido un tamaño muestral igual para casos y controles. En caso
de que el número de casos y controles no esté balanceado, la expresión anterior
deberá ser ligeramente modificada. Denotando ahora por n el número de casos y por
m el número de controles la fórmula a aplicar sería:

Ecuación
2

Donde c = m/n es el número de controles por cada caso. Así, el número de controles
vendría dado por m = c x n.
Debe precisarse que en el presente trabajo se ha tratado de exponer del modo lo más
sencillo posible el procedimiento a seguir en el cálculo del tamaño de la muestra en
un estudio de casos y controles. No obstante, en ocasiones se utilizan para este
cálculo expresiones más complejas basadas en una corrección de la fórmula del
cálculo del tamaño muestral para la comparación de dos proporciones. Así mismo,
existen fórmulas específicas para el cálculo del tamaño de la muestra en el caso de
que el diseño corresponda a un estudio de casos y controles pareados.
CONCLUSIONES
Odds Ratio (OR) es una medida de efecto comúnmente utilizada para comunicar
los resultados de una investigación en salud. Frecuentemente intercambiamos OR
por RR, sin embargo, dicho intercambio se rige por una serie de consideraciones
metodológicas, matemáticas y clínicas. Asimismo, la interpretación de un OR debe
realizarse respetando la temporalidad del estudio que le dio origen.

Ejemplo n° 1. Cálculo e interpretación de OR en estudios prospectivos (ensayos

clínicos aleatorizados y estudios de cohorte)

Se evaluó la asociación entre el antecedente de migraña y el desarrollo de síndrome

hipertensivo del embarazo (SHE) utilizando un estudio de cohorte15. Para ello
siguieron a 685 embarazadas normotensas entre 11 y 16 semanas de gestación, 264
con antecedente de migraña y 421 sin este antecedente. En el grupo de
embarazadas con antecedente de migraña 24 desarrollaron SHE y 240 no lo
hicieron; por su parte, en el grupo de embarazadas sin antecedente de migraña 13
desarrollaron SHE y 408 no lo hicieron.

RR de SHE en embarazadas expuestas versus no expuestas = (a/a+b)/(c/c+d) =

(24/264)/(13/421) = 2,9 (IC95% 1,5-5,7).

OR de SHE en embarazadas expuestas versus no expuestas = (a/b)/(c/d) =

(24/240)/(13/408) = 3,1 (IC95% 1,6-6,3).

Interpretación OR: "la razón entre ocurrencia versus no ocurrencia de SHE es 3,1
veces mayor en embarazadas con antecedente de migraña en comparación a
embarazadas sin este antecedente. Esta asociación es estadísticamente
significativa".

Ejemplo n° 2. Cálculo e interpretación de OR en estudios retrospectivos (estudios de casos

y controles no pareados)

Se evaluó la magnitud de asociación entre hiperhomocisteinemia (HHC, definida

como nivel de homocisteína mayor o igual a 15 µmol/l) y cardiopatia isquémica
crónica empleando un estudio de casos y controles no pareados16. La muestra
estuvo constituida por 114 casos (sujetos con cardiopatia isquémica crónica) y 295
controles (sujetos sin cardiopatia isquémica crónica). Entre los casos, 33 sujetos
presentaban HHC y 81 sujetos no la presentaban, mientras que entre los controles
38 sujetos presentaban HHC y 257 no la presentaban.
OR de HHC en sujetos casos versus controles = (a/c)/(b/d) = (33/81)/(38/257) =
2,8 (IC95% 1,6-4,7).

Interpretación OR: "la razón entre presencia de HHC versus ausencia de HHC es
2,8 veces mayor en los sujetos con cardiopatía isquémica crónica en comparación a
los sujetos sin esta patología. Esta asociación es estadísticamente significativa".

Ejemplo n° 3. Cálculo e interpretación de OR en estudios transversales

Se evaluó la asociación entre obesidad e hipertensión arterial en escolares chilenos,

empleando un estudio transversal17. La muestra estuvo constituida por 2.980
escolares entre 6 y 14 años, de los cuales 622 eran obesos (162 hipertensos y 460 no
hipertensos) y 1.593 eran eutróficos (142 hipertensos y 1.451 no hipertensos). El
resto de los escolares (n = 765) presentaban otros categorías de diagnóstico
nutricional (bajo peso y sobrepeso).

Razón de Prevalencia de HTA en escolares obesos versus eutróficos =

(a/a+b)/(c/c+d) = (162/622)/(142/1.593) = 2,9 (IC95% 2,4-3,6)

OR de prevalencia de HTA en escolares obesos versus eutróficos =

(162/460)/(142/1.451) = 3,6 (IC95% 2,8-4,6)

Interpretación OR de prevalencia: "la razón entre escolares hipertensos versus no

hipertensos es 3,6 veces mayor en escolares obesos en comparación a escolares
eutróficos. Esta asociación es estadísticamente significativa".
BIBLIOGRAFÍA

 Fleiss JL, Levin B. Sample size determination in studies with matched pairs. J
Clin Epidemiol 1988; 41(8): 727-730.]
 Fleiss JL. Statistical methods for rates and proportions. 2nd edition. New York:
John Wiley & Sons; 1981.
 Kelsey JL, Thompson WD, Evans AS. Methods in Observational
Epidemiology. New York: Oxford University Press; 1986.
 Lwanga SK, Lemeshow S. Determinación del tamaño de las muestras en los
estudios sanitarios. Manual práctico. Ginebra: O.M.S.; 1991
 Pértega Díaz S, Pita Fernández S. La distribución normal. Cad Aten Primaria
2001; 8: 268-274.
 Pita Fernández S. Determinación del tamaño muestral. Cad Aten Primaria
1996; 3: 138-141.
 Schlesselman JJ. Case-Control Studies. New York: Oxford University Press;
1982.