MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 7
TIPOS DE DATOS Y SU TABULACIÓN
La cuantificación del estado de salud y la forma de presentación de las enfermedades
en la población requieren de métodos y técnicas que permitan:
• recolectar datos en forma objetiva y eficiente;
• convertir los datos en información para facilitar su comparación;
• simplificar su interpretación;
• transformar la información en conocimientos relevantes para tomar decisiones, e
• impulsar acciones de prevención y control.
Para conocer los grupos de población que presentan mayor número de casos,
los lugares con mayor incidencia o prevalencia de determinadas enfermedades y el
momento en que ocurren los eventos de salud, se deben aplicar sistemáticamente los
procedimientos de la epidemiología básica relacionados con tiempo, lugar y persona
(Gregg, 2008; Gordis, 2014).
Uno de los primeros pasos en el proceso de medición del estado de salud en la
población es la definición de las variables que lo representan o caracterizan.
Variable: cualquier característica o atributo medible de los individuos objeto de obser-
vación que puede asumir valores diferentes.
Las variables pueden ser de dos tipos: cualitativas y cuantitativas. Las variables
cualitativas expresan distintas cualidades, características o modalidades. Cada mo-
dalidad que se presenta se denomina atributo o categoría, y la medición consiste en
clasificar dichos atributos, por ejemplo: sexo, estado civil y ocupación. Por otro lado,
las variables cuantitativas son aquellas en las que el atributo se mide numéricamente
y se pueden clasificar en discretas y continuas. Las variables discretas o discontinuas
asumen valores que son siempre números enteros; por ejemplo: el número de hijos
de una pareja, el número de dientes con caries, el número de camas de hospital, el
número de hematíes por campo, el pulso, etc., que sólo pueden tomar valores de un
conjunto finito. Las variables continuas pueden tomar tantos valores como permita
la precisión del instrumento de medición, por ejemplo: el peso al nacer en gramos.
Las variables también pueden clasificarse según el nivel o tipo de medición que
podamos aplicarles (escalas de medición). Así, se pueden distinguir cuatro niveles de
medición de las variables:
8 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
• nominal;
• ordinal;
• de intervalo, y
• proporcional o de razón.
Una variable nominal tiene categorías a las que se les asignan nombres que no
tienen ningún orden entre ellos; por ejemplo, estado de salud (enfermo – no enfermo) y
el sexo. La categoría “hombre” no tiene ninguna relación de orden sobre la categoría
“mujer”. Las variables nominales no tienen que ser necesariamente dicotómicas (dos
categorías), sino que pueden ser también politómicas cuando se refieren a tres o más
valores, como por ejemplo el estado civil (soltero, casado, divorciado, viudo, unión
libre) o el grupo sanguíneo según el sistema ABO (A, B, AB y O). El hecho de cambiar
la posición no tiene ninguna implicación en el análisis de los datos.
Ahora supongamos que se nos pregunta sobre la calidad de un curso que aca-
bamos de realizar y se nos ofrecen las siguientes opciones de respuesta: muy malo,
malo, regular, bueno y excelente. Esta clasificación tiene un orden: excelente es mejor
que bueno, bueno que regular y así sucesivamente; sin embargo, la “distancia” que
hay entre excelente y bueno no tiene porqué ser la misma que entre malo y muy malo.
Estamos ante una variable ordinal, que se define como aquella cuyas categorías tie-
nen un orden, aunque las diferencias entre ellas pueden no ser iguales. Otro ejemplo
de variables ordinales son los resultados de un cultivo de laboratorio (–, +, ++, +++).
La siguiente escala de medición de variables es la de intervalo. Una variable de
intervalo tiene distancias iguales entre sus valores y una característica fundamental: el
cero es arbitrario. El ejemplo típico de variable de intervalo es la temperatura corporal.
Existe la misma diferencia entre 37°C y 39°C que entre 38°C y 40°C (o sea, 2°C). Sin
embargo, no podemos decir que una temperatura de 60°C sea ‘tres veces más caliente’
que una de 20°C. Tampoco podemos concluir que un individuo con un coeficiente de
inteligencia de 120 es el doble de inteligente que otro con coeficiente de 60.
Por último, si la variable de intervalo tuviese un punto de origen que es el valor cero
absoluto, estaríamos hablando de una variable de razón. Ésta tiene intervalos iguales
entre valores y su punto de origen es cero. El peso y la estatura son ejemplos típicos
de variables proporcionales; 80 kg es el doble que 40 kg y hay la misma diferencia
entre 50 y 35 kg que entre 105 y 90 kg. En este tipo de variable se puede sumar,
restar, multiplicar y dividir.
En la tabla 3.1 se resumen algunos ejemplos de tipos de variables y en la tabla
3.2 se muestra una síntesis entre las distintas escalas de medición de las variables.
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 9
Tabla 3.1 Tipos de variables y ejemplos demostrativos
Variables cualitativas
Nominales Ordinales
Sexo Gravedad de un infarto (leve, moderado, severo)
Grupo sanguíneo Estado de dolor tras la toma de un
Provincia fármaco (peor, igual, mejor)
Variables cuantitativas
Discretas Continuas
Número de ataques de Presión arterial
asma semanales Estatura
Número de preguntas acer- Peso
tadas en un examen Edad
Tabla 3.2 Escalas de medición de las variables
Tipo de variable Valores
Nominal Variables con dos o más categorías sin orden
Ordinal Como las nominales, + categorías ordenadas
De intervalo Como las ordinales, + intervalos iguales
De razón Como las de intervalo, + cero absoluto
Adaptado de Vogt, 2011 y Pastor-Barriuso, 2012.
Los datos sobre casos de enfermedades atendidas o notificadas por una unidad
de salud pueden provenir de listados que incluyen diferentes variables como: nombre,
edad, sexo, entre otras, de los cuales se puede obtener el número total o frecuencia
de casos. Al agrupar los casos según algunas características, se identifican los grupos
poblacionales con problemas de salud o afectados por el evento de interés.
Por ejemplo, entre las características de la persona, se pueden agrupar los casos
según su edad, sexo o etnia. A partir de este listado de datos se puede, además, iden-
tificar los casos que han ocurrido en determinado lugar y comparar la frecuencia de la
enfermedad en distintos lugares o áreas geográficas. Por último, se puede determinar
el número de casos según el momento en que ocurrieron o fueron notificados.
La distribución de los casos en el tiempo se puede agrupar en días, semanas, meses
o cualquier otro período de tiempo que se considere adecuado. Esto permite saber en
qué momento se presentó el mayor número de casos, así como cuando se incrementa
o disminuye. Es necesario recordar que la frecuencia es el número de veces que se
repite un valor de la misma variable (Vogt, 2011).
Las variables también se expresan en las categorías de variable dependiente y
variable independiente. Los términos “dependiente” e “independiente” se utilizan para
representar una relación de asociación o “causalidad” entre dos variables.
10 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
El valor de la variable dependiente ‘depende’ del valor de la variable independiente.
En otras palabras: la variable independiente determina, en alguna medida (mayor o
menor), el valor de la variable dependiente.
Utilizando otros términos, la variable independiente “causa” la variable dependien-
te. O sea que el comportamiento de la variable dependiente se podría predecir sobre
la base del comportamiento de la variable independiente.
Variable dependiente: es aquella cuyo valor es supeditado al efecto de otra variable en
la relación bajo estudio. Es un resultado que buscamos explicar o contar por la influen-
cia de las variables independientes.
La variable dependiente denota los cambios sufridos por los sujetos como conse-
cuencia de la influencia de la variable independiente. Es la propiedad o característica
que se trata de cambiar como efecto o desenlace de la variable independiente.
Variable independiente: es aquella que ha sido hipotetizada para influenciar un evento
o estado (variable dependiente). Por ejemplo: la variable independiente no está influen-
ciada por el evento, pero puede causar (o contribuir a la ocurrencia de) o contribuir a
cambiar el estado (psicológico, ambiental o socioeconómico).
Variable independiente es aquella característica o propiedad que puede afectar o
ser la causa del fenómeno estudiado.
Por ejemplo:
Cómo influye el consumo excesivo de sal en la presión arterial de los pacientes.
• Variable dependiente: “la presión arterial de los pacientes” (cambio sufrido por la
variable independiente).
• Variable independiente: “consumo excesivo de sal” (que es la que afecta o deter-
mina la variable dependiente).
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 11
PRESENTACIÓN DE DATOS
En los MOPECE se decidió denominar la agrupación de datos en filas y columnas como
tablas, y los gráficos como figuras, siguiendo las normas de la Revista Panamericana
de Salud Pública de la OPS/OMS, aunque los términos cuadro y gráfica se emplean
frecuentemente también en otros textos.
Tablas
Los datos agrupados relativos a las variables según determinadas características (edad,
sexo, residencia, clase social, y otras) pueden presentarse en tablas y figuras; esto
facilita los cálculos y la comparación e interpretación de los resultados.
Elaboración de una tabla
Para crear una tabla que se entienda por sí misma, se deben atender las siguientes
recomendaciones:
1. Título, use un título claro y conciso que describa los siguientes aspectos:
1.1 Numeración. Inicie el título de la tabla con un número (por ejemplo, Tabla
No.__ ).
1.2 Qué. Describe las variables que se ilustran en la tabla.
1.3 Cómo. De qué manera están expresadas las variables.
1.4 Dónde. A qué lugar corresponde la obtención de las variables descritas.
1.5 Cuándo. A qué período de tiempo se refieren los datos de las variables.
2. Cuerpo de la tabla:
2.1 Filas y columnas: Encabece cada fila y cada columna e incluya las unidades
de medida (por ejemplo, años, mmHg, mg/dl, tasas por 100.000 hab.).
2.2 Totales: Muestre los totales de las filas y de las columnas. Si se muestran por-
centajes hay que mostrar el total de ellos (siempre 100%).
3. Nota explicativa al pie de la tabla: Ocasionalmente es preciso ofrecer información
complementaria que describa alguna característica de los datos presentados.
3.1 Explique cualquier código, abreviatura o símbolo en una nota al pie de la
tabla (por ejemplo: “Sífilis P y S” quiere decir “Sífilis primaria y secundaria”).
3.2 Anote cualquier exclusión en una nota al pie de tabla (“Se excluyeron de este
análisis un caso y dos controles con historia familiar desconocida).
12 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
4. Fuente: Invariablemente se debe indicar en una nota al pie de la tabla de dónde
provienen los datos.
Puede verse un ejemplo en la tabla 3.3.
Tabla 3.3 Distribución de los casos de gastroenteritis según
edad, Centro de Salud A, mayo de 2015.
Edad (años) Casos (No.) Porcentaje %
<1 63 36,4
1 55 31,8
2 25 14,4
3 14 8,1
4 5 2,9
5 y más 11 6,4
Total 173 100,0
Fuente: Registro de casos de gastroenteritis, Centro de salud A, 2015.
En una tabla se puede organizar cualquier información cuantitativa. Las tablas son
útiles para demostrar patrones, excepciones a un patrón, diferencias y otras relaciones
entre variables. Además, sirven como base para la preparación de figuras, que son más
objetivas visualmente pero que pueden perder algunos detalles. Las tablas diseñadas
para presentar los datos deben ser lo más simples posible; es más fácil entender tablas
pequeñas, cada una enfocada a aspectos diferentes de los datos, que una sola que
contenga muchos datos. Una tabla debe entenderse por sí misma; si se utiliza fuera
de su contexto original, debe conservar la información necesaria para que el lector
entienda los datos.
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 13
El siguiente listado corresponde a las edades en años de 120 personas afectadas
por dengue durante la temporada de lluvias del 2013 en una isla del Caribe.
27 32 58 44 24 32 29 50
28 36 38 48 38 47 29 39
40 37 35 36 36 36 42 45
32 36 48 42 46 35 32 54
30 29 36 44 30 36 27 37
35 33 38 63 37 53 35 46
36 27 34 32 46 38 43 20
25 41 27 53 40 31 47 43
29 49 50 34 47 36 38 24
30 51 43 46 38 49 47 30
29 33 54 40 28 63 36 41
46 51 49 37 41 37 39 38
30 35 36 34 43 43 37 55
29 44 38 42 43 35 42 50
35 47 32 54 41 41 35 40
En esta serie, la edad mayor es 63 años y la menor es 20 años. Si se agrupan
estas edades en clases, por intervalos de 4 años, se tendrán 11 grupos de edad, a
los que se procede a asignar sus respectivas frecuencias (“paloteo”), como se muestra
a continuación:
20 – 23 años | (un caso)
24 – 27 años ||||| || (7)
28 – 31 años ||||| ||||| |||| (14)
32 – 35 años ||||| ||||| ||||| |||| (19)
36 – 39 años ||||| ||||| ||||| ||||| ||||| || (27)
40 – 43 años ||||| ||||| ||||| |||| (19)
44 – 47 años ||||| ||||| |||| (14)
48 – 51 años ||||| ||||| (10)
52 – 55 años ||||| | (6)
56 – 59 años | (1)
60 – 63 años || (2)
La figura anterior puede convertirse en una gráfica de tallo y hojas, donde el tallo es
el primer dígito y las hojas el segundo dígito. Si se rota la gráfica 90° a la izquierda, es
posible tener una idea de la forma de la distribución de los valores, lo cual es de utilidad
14 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
para verificar supuestos estadísticos de distribución normal de las variables, que es un re-
quisito para seleccionar el tipo de pruebas estadísticas que serán utilizadas. Finalmente, se
prepara la presentación tabular de esta información, a la que se denomina tabla resumen
de frecuencias, útil porque presenta la distribución de la variable que se está observando.
Distribución: es el resumen completo de las frecuencias de los valores o categorías de
la medición realizada. La distribución muestra cuántos o qué proporción del grupo se
encuentran en un determinado valor o rango de valores dentro de todos los posibles que
la medida cuantitativa puede tener.
La distribución del número de casos de la enfermedad según grupos de edad de
la serie trabajada se presenta en la tabla 3.4. La distribución del número de casos
(frecuencia absoluta) se acompaña del porcentaje de cada grupo (frecuencia relati-
va simple) y del porcentaje acumulado (frecuencia relativa acumulada), que suelen
aportar información adicional útil. En este caso, el 22,5% de los casos correspondió
a personas de 36 a 39 años de edad y más de la mitad de los casos (56,6%) tenía
menos de 39 años.
Tabla 3.4 Distribución de casos de dengue por grupos
de edad, Isla del Caribe, verano del 2013
Grupos de edad Número de casos Porcentaje Porcentaje
(en años) (Frecuencia (%) acumulado
absoluta) (%)
20 - 23 1 0,8 0,8
24 - 27 7 5,8 6,6
28 - 31 14 11,7 18,3
32 - 35 19 15,8 34,1
36 - 39 27 22,5 56,6
40 - 43 19 15,8 72,4
44 - 47 14 11,7 84,1
48 - 51 10 8,4 92,5
52 - 55 6 5,0 97,5
56 - 59 1 0,8 98,3
60 - 63 2 1,7 100,0
Total 120 100,0
Fuente: Listado de casos de dengue, isla del Caribe, 2013
Tablas de contingencia o de 2x2
Desde el punto de vista epidemiológico la tabla más usada para el análisis de datos de
variables categóricas es la tabla de contingencia o de 2x2. La tabla de 2x2 es también
llamada de doble entrada. Esta es una herramienta fundamental para el análisis epide-
miológico. Estas tablas están compuestas por filas (horizontales), para la información
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 15
de una variable y columnas (verticales) para la información de otra variable. Estas filas
y columnas delimitan celdas donde se vacía la información de las frecuencias de cada
combinación de las variables analizadas. En su expresión más elemental, las tablas
tienen solo 2 filas y 2 columnas, de ahí el nombre de tablas de 2x2. Más adelante en
este módulo se revisará su aplicación.
Tabla de 2x2: es una tabla de contingencia para variables categóricas. Una tabla con
filas (horizontales) y columnas (verticales) en la cual la entrada en cada celda representa
la frecuencia para cada resultado.
Tablas de salida
Aunque no se pueden analizar los datos antes de recolectarlos, hay que diseñar los
métodos de análisis que se van a emplear con anticipación para facilitar el análisis
cuando ya se hayan recolectado los datos. De hecho, la mayoría de los protocolos
de investigación, que deben ser escritos antes de empezar el estudio, requieren una
descripción de cómo se van a analizar los datos.
Como parte del plan de análisis, se debe desarrollar una tabla de salida para
mostrar cómo se van a organizar y presentar los datos. Una tabla de salida es una
tabla en blanco con títulos, encabezamientos y categorías, pero sin datos. Cuando se
elabora una tabla de salida que contiene variables continuas, como edad, hay que
crear más categorías de las que usualmente se requieren para poder visualizar cual-
quier comportamiento o patrón de los datos que sean de interés.
16 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
Lista de chequeo para la construcción de tablas
1.Título
• ¿Tiene la tabla un título?
• ¿Describe el título, el qué, cómo, cuándo y dónde (contenido: tema, tiempo, lugar
y población)?
• ¿Está el título precedido por una designación “Tabla No.”? (“ La tabla” se utiliza
para presentar datos en filas y columnas).
• ¿Están numeradas secuencialmente las tablas presentadas? (por ejemplo, tabla 1).
[Link] y columnas
• ¿Está cada fila y cada columna rotulada de forma clara y concisa?
• ¿Se muestran las unidades específicas de medida, (por ejemplo: años, mm Hg,
mg/dl, tanto por 100.000, etc.)?
• ¿Son apropiadas las categorías para los datos?
• ¿Se proporcionan los totales de las filas y de las columnas?
[Link] de pie de página
• ¿Están explicados todos los códigos, abreviaciones o símbolos?
• ¿Están anotadas todas las exclusiones?
[Link].
• Si los datos no son originales, ¿se proporciona la fuente?
Representación gráfica de datos (figuras)
Una figura es una forma de mostrar los datos visualmente, usando un sistema de coor-
denadas o de otras escalas que hacen objetivas las variables. Es un tipo de “fotografía
estadística” que ayuda a mostrar los patrones, las similitudes, las aberraciones y las
diferencias de los datos; es una forma ideal para la presentación de éstos. El público
recordará mejor los aspectos importantes de los datos cuando se presentan en una
figura en vez de una tabla.
En epidemiología, es habitual usar una figura (gráfico de datos) de coordenadas
en ángulo recto que consta de dos ejes lineales, uno horizontal X o abscisas, y uno
vertical Y u ordenadas. En general, se usa el eje horizontal para representar los valo-
res de la variable independiente (X), que es el método de clasificación, por ejemplo:
tiempo. El eje vertical se usa para mostrar la variable dependiente (Y), normalmente es
una medida de frecuencia, como el número de casos o la tasa de una enfermedad. Se
encabeza cada eje para mostrar lo que se representa (tanto el nombre de la variable
como sus unidades) y se pone la escala de medida a lo largo de ambas líneas X y Y.
Elaboración de una figura (gráfico de datos)
Para crear una figura (gráfico de datos) que se entienda por sí misma, se deben
atender las siguientes recomendaciones:
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 17
1. Título, use un título claro y conciso que describa los siguientes aspectos:
1.1 Numeración. Inicie el título de la figura (gráfico de datos) con un número
(por ejemplo, Figura No.__).
1.2 Qué. Describa las variables que se ilustran en la figura (gráfico de datos).
1.3 Cómo. De qué manera están expresadas las variables.
1.4 Dónde. A qué lugar corresponde la obtención de las variables descritas.
1.5 Cuándo. A qué período de tiempo se refieren los datos de las variables.
2. Cuerpo de la figura (gráfico de datos):
2.1 Imágenes: Expresión objetiva de los datos de acuerdo al formato adecuado
que ha sido seleccionado según características de los datos representados.
3. Nota explicativa al pie de la figura: Ocasionalmente es preciso ofrecer infor-
mación complementaria que describe alguna característica de los datos repre-
sentados.
3.1 Explique cualquier código, abreviatura o símbolo en una nota de pie de figu-
ra, (por ejemplo, “PCR” quiere decir “Reacción en cadena de la polimerasa”
o “PFA” quiere decir “Parálisis flácida aguda”).
3.2 Anote cualquier información complementaria que se considere necesaria
en una nota al pie de la figura (“Número de casos 36. p > = 0,05”).
4. Fuente: Invariablemente se debe indicar en una nota al pie de figura de donde
provienen los datos (Anote la fuente de los datos, si no son originales).
Aunque no existe una regla explícita sobre la proporcionalidad entre las escalas de
un gráfico, se recomienda que la razón entre la escala horizontal respecto de la vertical
se aproxime a 1,6:1 (la clásica “razón de oro”). Algunas veces el rango 1,2 a 2,2 se da
como referencia apropiada para la razón entre el eje horizontal respecto del eje vertical.
Es importante mantener la proporción de las escalas del gráfico, ya que de otra
manera éste puede producir impresiones erróneas (figura 3.1, A, B, C). Evite usar grá-
ficos en tercera dimensión, ya que visualmente se distorsiona el valor de la variable.
18 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
Figura 3.1 Efecto de las dimensiones de las escalas en los gráficos
400
B. Incorrecto.
Escala horizontal exagerada
300 A. Incorrecto.
Escala vertical exagerada
400
200
300
100 200
100
0 0
2000 2004 2000 2004
400
B. Correcto.
Escalas proporcionadas
300
200
100
0
2000 2004
La distribución de variables cualitativas así como las cuantitativas discretas se suelen
representar gráficamente por medio de diagramas de barras o bien por gráficos de sec-
tores, ya sea como frecuencias absolutas o relativas, como se muestra en la figura 3.2
Figura 3.2 Distribución de muertes por suicidio según sexo, lugar X, 2014
���
4,500
4,000
3,500 4216 Mujeres Varones
27% 73%
3,000
2,500
2,000
1,500
1,000 1587
500
0
Varones Mujeres
Fuente: Registro de muertes por suicidio, lugar X
Las variables cuantitativas continuas se representan gráficamente por medio
de histogramas y polígonos de frecuencia. Un histograma es la gráfica de la dis-
tribución de frecuencias de una variable continua, en la cual se usan columnas
adyacentes para representar el número de observaciones para cada intervalo de
clase en la distribución. El área de cada columna es proporcional al número de
observaciones en ese intervalo.
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 19
Dado que el tamaño de todos los intervalos de clase es igual, la altura de la columna
es proporcional al número de observaciones. No se recomienda usar histogramas con
intervalos de clase de tamaños diferentes, porque son difíciles de construir e interpre-
tar. Tampoco se debe interrumpir la escala en el eje de las Y, porque distorsiona la
presentación de las frecuencias relativas.
La variable mostrada con más frecuencia en el eje de las X es el tiempo. Sin
embargo, se pueden usar otras variables continuas, como el colesterol o la presión
arterial en el eje de las X. La figura 3.3 muestra un histograma de la frecuencia de las
observaciones por intervalos de clase del nivel de colesterol.
En la figura 3.4 puede verse otro histograma donde la categoría meses de la va-
riable tiempo, una variable continua, se representan en el eje X y el número de casos
de giardiasis notificados, en el eje Y. La altura de cada barra representa la frecuencia
absoluta de casos (puede ser también la frecuencia relativa) en cada una de las
categorías de la variable tiempo, llamadas también intervalos de clase. Note que los
intervalos de clase deben ser de igual tamaño.
Figura 3.3 Niveles de colesterol del estudio de salud en hombres,
Estados Unidos, 2007-2009 (4.462 individuos)
900
800
700
Número de hombres
600
500
400
300
200
100
0
60 80 100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 440 460 480 500 520 540 560 580 600 620 640 660
Nivel de colesterol (mg/dl)
Fuente: Estudio de salud en hombres, Estados Unidos
20 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
Figura 3.4 Casos notificados de giardiasis por mes, lugar X, 2015
(total de casos notificados = 460)
120
100
80
Casos
60
40
20
0
E F M A M J J A S O N D
Mes
Fuente: Registro de casos de giardiasis, lugar X.
Un polígono de frecuencias, al igual que un histograma, es una gráfica de dis-
tribución de frecuencias, en el cual se traza el número de observaciones contra los
intervalos del eje de las X con puntos individuales en la mitad de los intervalos y, luego,
se conectan los puntos con una línea recta. La figura 3.5 muestra un ejemplo de un
polígono de frecuencias sobre la línea externa de un histograma de los mismos datos.
De rutina, no se deben mostrar los dos en una sola gráfica, en este caso se muestra
sólo con fines didácticos. Un polígono de frecuencia de una serie de datos debe incluir
la misma área que un histograma con los mismos datos (figura 3.6).
Los polígonos de frecuencias ayudan a mostrar y comparar dos o más distribuciones
en la misma serie de ejes y es particularmente útil para visualizar la forma y simetría
de una distribución de datos.
Una variante del polígono de frecuencias es la llamada “ojiva porcentual”, que
es un polígono de frecuencias relativas acumuladas. Cada punto de este polígono
representa el porcentaje acumulado de casos en cada intervalo de clase y, por tanto,
va de cero a 100%. La ojiva porcentual permite identificar de manera gráfica el valor
correspondiente a la mediana (50%) de la distribución (figura 3.7).
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 21
Figura 3.5 Casos notificados de influenza, por semana epidemiológica, lugar X, 2015
15
Histograma
Polígeno de frecuencia
10
Casos
Se conectan los puntos
medios de los intervalos
5
para crear el polígeno
0
1 2 3 4 5 6 7 8 9
Semana de incio de la enfermedad
Primer punto del dato Último punto del dato
conectado al punto conectado al punto medio
medio del intervalo del intervalo siguiente del
previo del eje de las X eje de las X
Fuente: Registro de casos de influenza, lugar X.
22 Módulos de principios de epidemiología para el control de enfermedades (MOPECE), Tercera edición
Figura 3.6 Casos de suicidio por grupo de edad, lugar X, 2000 – 2010
1200
1000
800
Casos
600
400
200
0
10 a 14 15 a 19 20 a 29 30 a 39 40 a 49 50 a 59 60 a 69
Grupo de edad
Fuente: Registro de mortalidad, lugar X.
Figura 3.7 Casos de tuberculosis por edad, lugar Z, 2015
100
90
80
70
Casos (% acumulado)
60
50
40
30
20
10
0
0 10 20 30 40 50 60 70 80 90+
Edad (años)
Fuente: Registro de casos de tuberculosis, lugar Z.
MÓDULO 3: Medición de las condiciones de salud y enfermedad en la población 23
El siguiente esquema resume los tipos básicos de gráfico más apropiados según
cada tipo de variable.
Tipo de variable Tipo de gráfico
Nominal Diagrama de barras
Gráfico de sectores
Ordinal Diagrama de barras (*)
Gráfico de sectores
De intervalo Diagrama de barras (*)
Histograma
Gráfico de sectores (**)
Polígonos de frecuencias (simples y acumula-
das)
De razón Diagrama de barras (*)
Histograma
Gráfico de sectores (**)
Polígonos de frecuencias (simples y acumula-
das)
(*) Mantiene el orden de las categorías
(**) Se expresa en variables discretas o categorizadas
Una forma de presentación gráfica del comportamiento histórico de una en-
fermedad y los límites de variabilidad esperados sobre su ocurrencia en el futuro
se denomina corredor o canal endémico. Esta herramienta de la vigilancia se
presenta en el módulo 4, la cual utiliza polígonos de frecuencia y permite visuali-
zar el comportamiento secular (en el tiempo) de las enfermedades en un territorio
determinado y orientar la decisión sobre la necesidad de desencadenar acciones
de prevención y control.
