Bioesadístca & Epidemiología Laboral

ÍNDICE

5. Análisis esadísico bivariable ................................................................................................... 3

5.1. Esudios de casos y conroles ..........................................................................................3

5.2. Esudios de cohores ......................................................................................................10

Referencias.................................................................................................................................. 16

Sesión 4 2
 Bioesadístca & Epidemiología Laboral

5. Análisis esadístco bivariable

Exisen diferenes esudios epidemiológicos, los más empleados son los esudios de caso, conroles y cohores,
caracerizados por ser esudios observacionales no experimenales, es decir, se observan los fenómenos en salud
laboral sin necesidad de inervenir o modificar la realidad (variables).

5.1. Esudios de casos y conroles

Los esudios de caso y conroles son considerados como rerospecivos, inician el proceso pariendo del esado final
(enfermedad = efecto) para llegar a la fase inicial (factor de riesgo laboral = exposición). En la Figura 1, se muesra un
ejemplo ilusraivo de los esudios de caso y conroles, los cuales son considerados como esudios observacionales
y analíicos que comienza con la idenificación de dos grupos en la población oal: un grupo de casos (rabajadores
con una enfermedad o condición) y un grupo de conroles (trabajadores sin la enfermedad o condición). Enonces,
el nivel o prevalencia de la exposición a un facor (ejemplo, factor de riesgo laboral) se mide en los dos grupos y se
compara. Por ano, si la prevalencia de la exposición es mayor en los rabajadores con una enfermedad o condición
(caso) que en los rabajadores sin la enfermedad o condición (conroles), la exposición podría ser considerada como
un facor de riesgo mienras que, si por el conrario es menor, la exposición podría ser considerada un facor proecor.

Figura 1. Esudio de casos y conroles

Población Casos
Población Sí eeco
Sí expuesos Población Toal

Población Sí eeco
No expuesos

Población No eeco
Sí expuesos

Población No eeco
No expuesos
Población Conroles

Exposición Eeco

Pasado Tiempo Presene

Sesión 4 3
 Bioesadístca & Epidemiología Laboral

Enre las venajas y desvenajas de los esudios de caso y conroles, desacan las siguienes (Royo y Damián, 2009,
p. 43):

Venajas:

• Rápidos de realizar y baraos.

• Adecuados para enfermedades con largo periodo de laencia.

Desvenajas:

• No permien obener asas de incidencia.

• Puede ser difícil esablecer la relación emporal de los evenos.
• Tendencia a sesgos de selección y de memoria.

A coninuación, mosramos la planificación y diseño de los esudios de casos y conroles, según Royo y Damián
(2009, p. 119):

Población oal o población de base: es imporane y necesario deerminar los crierios de inclusión y exclusión
que deben aplicarse en la Población Toal, ano a casos como controles, los cuales permien resringir el esudio a
las personas o rabajadores poencialmene en riesgo de exposición.

Deinición y selección de casos: población de casos que sí presena un efeco. Es necesario considerar de dónde
proceden los casos y los crierios de selección que pueden basarse en resulados de pruebas diagnósicas, laborao-
rio, hisoria clínica ocupacional o de observación; es decir, casos nuevos (incidenes) o casos prevalenes. Además,
la población de casos debe esar definida en un período de iempo y lugar deerminado.

Deinición y selección de conroles: población de conroles que no presena un efeco. Es necesario considerar de
dónde proceden los conroles y los crierios de selección para eviar sesgos de selección que sean represenaivos.
La población de conroles debe esar definida en un período y lugar deerminados.

Análisis esadísico: la medida de la exposición en los esudios de casos y conroles es conocida como Odds, ésa
expresa cuáno más probable es la ocurrencia de un fenómeno en relación con la no ocurrencia (Royo y Damián, 2009,
pp. 29). Por ano, las Odds Ratio () comparan el nivel de exposición en un grupo de rabajadores que presenan
el fenómeno (casos) con el equivalene en un grupo de rabajadores que no que presenan el fenómeno (conroles).
En la Figura 2, se muesran las dos formas para calcular las . La  de exposición a un facor de riesgo químico y los
casos de cáncer como efeco (a) enre la exposición a un facor de riesgo químico y los no casos de cáncer como efeco
(b), y enre la no exposición a un facor de riesgo químico y los casos de cáncer como efeco (c) y la no exposición a

Sesión 4 4
 Bioesadístca & Epidemiología Laboral

un facor de riesgo químico y los no casos de cáncer como efeco (d), es decir,  = (a/b) / (c/d), o lo que es lo mismo,
 = (a*d) / (b*c), ese úlimo es ambién denominado como razón de producos cruzados, Odds de exposición en
casos (a*d) y Odds de exposición en conroles (b*c).

Figura 2. Cálculo de Odds Rato

Cáncer
Eeco
a/b Sí No
OR =
c/d
  Casos Conroles
Químico

Facor

OR =
a*d Sí  a b Sí
Eeco
No
Eeco
b*c
No  c d

En la Figura 3, se muesra un ejemplo simplificado de las dos formas de cálculo de las . Como puede observarse
en la abla se muesran los casos y conroles. El número oal de rabajadores es 1292 (a+b+c+d); el número de casos
con cáncer y sí expuesos a un químico fue 345 (a); el número de conroles sin cáncer y sí expuesos a un químico
fue 143 (b); el número de casos con cáncer y no expuesos a un químico fue de 293 (c), mienras que el número de
conroles sin cáncer y no expuesos a un químico fue de 511 (d). El resulado de la  es de 4,21.

Figura 3. Ejemplo del cálculo de Odds Rato (OR)

Cáncer
a/b 345/143 2,413
OR = OR = ; = 4,21 Casos Conroles
c/d 293/511 0,573 Sí No Toal

Sí 345 143 a+b

Químico

a*d 345*511 176295 No 293 511 c+d

OR = OR = ; = 4,21
b*c 143*293 41899
Toal 638 b+d a+b+c+d

Inerpreación de los resulados: los resulados de las  pueden ser igual a 1, menos a 1 o superior a 1. Si el resul-
ado es superior a 1 (>1, ejemplo 1,1) la asociación es posiiva y la presencia del facor se asocia a mayor ocurrencia
del eveno (factor de riesgo). Si el resulado es inferior a 1 (<1, ejemplo 0,9) la asociación es negaiva y la presencia
del facor no se asocia con mayor ocurrencia del eveno (facor proecor).

Sesión 4 5
 Bioesadístca & Epidemiología Laboral

Si el resulado de la  es igual a 1 (=1, ejemplo 1,0) no hay asociación y la canidad de veces que ocurra el eveno
será igual con o sin la presencia del facor (valor nulo), se puede idenificar en la Figura 4. No obsane, es necesa-
rio conocer la precisión de la asociación mediane el cálculo de los inervalos de confianza al 95% ( 95%) para el
resulado del . Cuano más amplio sea el  95% menor será la precisión y cuano sea menos amplio mayor será la
precisión y en ningún momeno pasa por el valor 1. En la siguiene Tabla 1 mosramos la inerpreación los  95%.
Por ejemplo, el resulado  fue 2,4 y sus  95% fueron 1,7 (inferior) y 9,1 (superior), se puede indicar que exise
una asociación significaiva y es un Facor de Riesgo. Oro ejemplo, el resulado  fue 2,4 y sus  95% fueron 0,7
(inferior) y 9,1 (superior), se puede indicar que no exise una asociación significaiva.

Cuadro 1. Inerpreación de IC 95%

Inervalos de conianza ( 95%)

Valor  Asociación
Inerior Superior

=1 No hay asociación

Significaiva
>1 mayor que 1 >1 >1
(Facor de Riesgo)
Significaiva
<1 menor 1 <1 <1
(Facor de Proecor)

>1 <1 >1 No Significaiva

<1 <1 >1 No Significaiva

Fuene: Elaborado a partr de Moyses (2003).

Figura 4. Inerpreación de las 

ODDS RATIO (OR)

Valor nulo
VALORES OR = 1
a*d OR = 1
OR = = Proecor Riesgo
b*c OR > 1
OR < 1 OR < 1 1 OR > 1
0 ∞

Sesión 4 6
 Bioesadístca & Epidemiología Laboral

Enre las principales caracerísicas del empleo de la , desacamos las siguienes:

• Permie esimar el riesgo mediane variables dicoómicas y los respecivos inervalos de confianza al 95%.
• Facilia una inerpreación del riesgo de forma clara.
• Aplicable, sólo, en esudios rerospecivos de casos y conroles.

Finalmene, el análisis esadísico de un esudio de casos y conroles corresponde al análisis de daos binarios (di-
coómicos): la variable dependiene (caso o conrol) se esudia en función de una serie de variables independienes
(exposiciones de inerés, facores de confusión y modificadores de efeco). De forma sisemáica, el análisis de un
esudio de casos y conroles y la presenación de sus resulados puede desarrollarse según se muesra a coninua-
ción (Royo y Damián, 2009, p. 123):

• Comparación de las variables demográficas, exposiciones y oras variables enre casos y

conroles, uilizando procedimienos esadísicos simples ( de Suden, 2).

• Esudio de la asociación enre la variable de exposición principal y las oras variables en

el grupo conrol (que represena a la población de la que proceden los casos), uilizando
écnicas de regresión lineal, correlación o ablas de coningencia). Ese análisis permie
idenificar poenciales facores de confusión que deberán ser enidos en cuena en análisis
poseriores.

• Análisis esraificado de la asociación enre el desarrollo de la enfermedad y la variable de

exposición principal (análisis de ablas de coningencia).

• Análisis mulivariane de la asociación enre el desarrollo de la enfermedad y la variable de

exposición principal (regresión logísica en esudios de casos y conroles no emparejados
y regresión logísica condicional en esudios de casos y conroles emparejados).

A coninuación, mosramos un ejemplo desarrollado en el cálculo de las :

En una encuesa a nivel nacional aplicada a 6323 rabajadores ecuaorianos asalariados con relación de dependencia,
se pregunó si habían sufrido un accidene de rabajo con relación al número de horas rabajadas semanalmene.

Sesión 4 7
 Bioesadístca & Epidemiología Laboral

Las respuesas fueron las que se muesran en el siguiene cuadro:

Cuadro 2. Ejemplo de cálculo de las 

Accidene de rabajo

Sí No Toal

>40 horas/ semanal 81 1915 1996

40 horas/ semanal 111 4216 4327

Toal 192 6131 6323

¿Cuál es la Odds Raio de accidenarse al rabajar >40 horas/semanal?

Solución:

Cuadro 3. Solución del ejercicio para el cálculo de las 

Accidene de rabajo a*d

OR =
Sí No Toal b*c

>40 horas/ semanal 81 1915 1996

81*4216 341496
40 horas/ semanal 111 4216 4327 OR = ; = 1,61
Toal 192 6131 6323 1915*111 212565

Trabajar >40 horas/semanal supone un mayor riesgo de accidenarse.

Coninuando con el ejemplo anerior, las respuesas por género fueron:

Cuadro 4. Respuesas por género del ejercicio para el cálculo de las 

Accidene de rabajo Accidene de rabajo

MUJERES HOMBRES
Sí No Toal Sí No Toal
>40 horas/ semanal 14 449 463 >40 horas/ semanal 67 1466 1533
40 horas/ semanal 22 1723 1745 40 horas/ semanal 89 2493 2582
Toal 36 2172 2208 Toal 156 3959 4115

Sesión 4 8
 Bioesadístca & Epidemiología Laboral

¿Cuál es la Odds Raio de accidenarse al rabajar >40 horas/semanal en las mujeres?

¿Cuál es la Odds Raio de accidenarse al rabajar >40 horas/semanal en los hombres?

Solución:

Cuadro 5. Solución por género emenino del ejercicio para el cálculo de las 

Accidene de rabajo a*d

MUJERES OR =
Sí No Toal b*c

>40 horas/ semanal 14 449 463

14*1723 24122
40 horas/ semanal 22 1723 1745 OR = ; = 2,55
449*22 9878
Toal 36 2172 2208

Cuadro 6. Solución por género masculino del ejercicio para el cálculo de las 

Accidene de rabajo a*d

HOMBRES OR =
Sí No Toal b*c

>40 horas/ semanal 67 1466 1533

67*2493 167031
40 horas/ semanal 89 2493 2582 OR = ; = 1,28
1466*89 130474
Toal 156 3959 4115

¿Quién iene mayor riego de sufrir un accidene de rabajo al laborar >40 horas/semanales?

Cuadro 7. Ejemplo por género de mayores riesgos de surir un accidene laboral

OR = 1,61
MUJERES HOMBRES

OR = 2,5 (IC95% (1,3 - 4,8) OR = 1,3 (IC95% (0,9 - 1,8)

P < 0,05 P > 0,05

Indicios de asociación

Trabajar >40 horas/semanal supone un mayor riesgo de accidenarse en mujeres, no obsane, en hombre podría
haber indicios de asociación.

Sesión 4 9
 Bioesadístca & Epidemiología Laboral

5.2. Esudios de cohores

La caracerísica de los esudios de cohores es la direccionalidad que inicia desde la exposición hasa el efeco final.
Los aconecimienos se esudian en la misma secuencia en la que se produjeron y permien esablecer la relación
emporal enre la exposición y el efeco, y obener medidas de incidencia (Royo y Damián, 2009, p. 44). Es decir,
esos esudios se caracerizan por la idenificación y seguimieno de uno o más grupos de individuos con un deer-
minado nivel de exposición, para deecar y cuanificar la aparición del efeco o enfermedad de inerés a lo largo del
iempo, el érmino cohore se refiere a un conjuno de personas que comparen una deerminada exposición y/o
“evolucionan” junas a lo largo del iempo (p. 93).

En función del grupo de comparación o referencia uilizado se pueden considerar res ipos de esudios de Cohores
(Royo y Damián, 2009, p. 97):

I. Esudios con dos cohores. Expuesta y no expuesta. Una vez definida la cohore expuesa, los invesigadores
seleccionan e incorporan en el esudio una cohore no expuesa.
II. Esudios de comparación con la población general. El esudio idenifica y sigue a una deerminada cohore
de exposición. La frecuencia de aparición de la enfermedad en dicha cohore es comparada con la observada
en la población general. Para ello es necesario disponer de regisros poblacionales que suminisren dicha
información.
III. Comparaciones inernas. La cohore a esudio supone una mezcla de personas expuesas y no expuesas.
Las comparaciones se realizan denro de la propia cohore.

En la Figura 5, se muesra un ejemplo de los esudios de cohores. Como se puede observar, de la Población Toal se
idenifica la Población de Esudio (rabajadores), descarando aquellos casos que ya padecen el efeco. De la  se
idenifican aquellos rabajadores que sí esán expuesos a un facor de riesgo laboral y aquellos rabajadores que
no lo esán. Durane un seguimieno de observación en el iempo, se consideran aquellos rabajadores, ano en el
grupo de sí expuestos como no expuestos, si han presenado un Efeco (Sí Efeco) o no (No Efeco).

Sesión 4 10
 Bioesadístca & Epidemiología Laboral

Figura 5. Esudio de cohores

Sí eeco

Sí expuesos
Seguimieno No eeco
de iempo

Sí eeco
Población oal

Población de esudio No expuesos

No eeco

Exposición Presene Eeco

Pasado Tiempo Fuuro

Enre las venajas y desvenajas de los esudios de cohores desacan las siguienes (Royo y Damián, 2009, p. 43):

Venajas:

• Permien esudiar varios efecos de una misma exposición.

• Esablecen la relación emporal de los aconecimienos.
• Permien medir incidencia.
• En las cohores concurrenes se minimizan los sesgos en la medida de la exposición.

Desvenajas:

• Los prospecivos son cososos y de larga duración.

• Las cohores hisóricas requieren la exisencia de regisros disponibles.
• La validez puede afecarse por pérdidas de seguimieno.

Sesión 4 11
 Bioesadístca & Epidemiología Laboral

A coninuación, mosramos la planificación y diseño de los esudios de cohores (Royo y Damián, 2009, p. 98):

Selección de la cohore: viene moivada por la nauraleza de la exposición, las caracerísicas del efecto estudiado y
la posibilidad de seguimiento en el iempo del grupo elegido. Respeco a la exposición, es imporane que la cohore
elegida incluya rabajadores con un grado de exposición suficiene como para desarrollar el/los evento(s) - efecto de
interés. Respeco al evento - efecto de interés, ineresa incluir en la(s) cohore(s) colecivos con una elevada incidencia.

Fecha de enrada y salida de los rabajadores paricipanes en el esudio: La fecha de enrada supone el inicio de la
conribución de cada rabajador de la cohore al esudio, en érminos de trabajadores año. Ése suele, no coincidir
con el inicio de la exposición, ni con la fecha en la que dicho rabajador ha compleado lo que podríamos considerar
como “dosis mínima” de exposición relevane. La fecha de salida esá condicionada por res facores:

a. Desarrollo del efeco o enfermedad de inerés, en caso de que dicho efeco sea único.
b. Cierre del esudio.
c. Abandono del esudio por la causa que sea.

Seguimieno: es el principal facor para definir la calidad de un esudio de cohores. Los objeivos del seguimieno
son res: a) idenificar la aparición del eveno, b) idenificar las pérdidas del esudio y el momeno en que se pro-
ducen y c) idenificar cambios relevanes en la exposición y, si es necesario, en oros facores de riesgo relevanes.
Además, la periodicidad del seguimieno viene deerminada por la dinámica del efeco y la necesidad de manener
a los paricipanes denro del esudio.

Evenos inales de inerés: durane el seguimieno es necesario disponer de un sisema que idenifique en qué
momeno se produce el efeco o enfermedad a esudio.

Exposición: es indispensable para esablecer la causalidad, la causa precede al efeco.

Análisis esadísico: la medida de la asociación en los esudios de cohores es el Riesgo Relaivo () que esima la
magniud del efeco de un fenómeno, en un grupo de rabajadores expuesos en relación con el grupo de rabajado-
res no expuesos. Es decir, la relación que exise enre la probabilidad de que ocurra un eveno en el grupo expueso
y la probabilidad de que el mismo eveno ocurra en el grupo no expueso: cuanas veces más iende a desarrollarse
el fenómeno en el grupo de expuesos al facor de riesgo, en relación con el grupo de no expuesos. En la Figura 6,
se muesran las dos formas para calcular las .

Sesión 4 12
 Bioesadístca & Epidemiología Laboral

Figura 6. Cálculo de Riesgo Relatvo

RIESGO RELATIVO (RR)
Eeco
Sí No

RR =
Ie
=
a/(a+b)
 
Io c/(c+d)

Facor
Sí  a b
Ie = Incidencia en expuesos
Io = Incidencias en no expuesos No  c d

La inerpreación de los resulados de las  es similar a las , Figura 7.

Figura 7. Inerpreación de Riesgo Relatvo

RIESGO RELATIVO (RR)

Valor nulo
VALORES RR = 1
Ie
RR = = RR = 1
RR > 1 Proecor Riesgo
Io
RR < 1 RR < 1 1 RR > 1
0 ∞

A coninuación, se muesra un ejemplo desarrollado en el cálculo de los :

Se preende esimar la magniud del efeco de riesgo de sufrir dolor oseomuscular de la zona lumbar por mal diseño
del pueso de rabajo, en usuarios de panallas de visualización de daos de un cenro de aención elefónica en una
empresa ecuaoriana. La empresa esá conformada por 179 rabajadores, después de la evaluación de odos los
puesos de rabajo, 87 rabajadores disponen de un correco diseño ergonómico y 92 rabajadores un incorreco o
mal diseño ergonómico.

Después de 12 meses de seguimieno, el deparameno médico ocupacional de la empresa acumuló 50 casos de

rabajadores que desarrollaron dolor oseomuscular de la zona lumbar, ocupando puesos de rabajo con un inco-
rreco o mal diseño ergonómico, y 25 casos en rabajadores con un correco diseño ergonómico.

¿Cuál es el riesgo de desarrollar dolor oseomuscular de la zona lumbar en los que laboran en puesos de rabajo
incorrecos o mal diseñados en relación que laboran en puesos de rabajo ergonómicos?

Sesión 4 13
 Bioesadístca & Epidemiología Laboral

Cuadro 8. Solución

Eeco (daños a la salud)

Facor (exposición)
Incorreco diseño

Dolor oseomuscular de la zona lumbar

ergonómico

50/92 0,543
Sí No Toal RR = ; = 1,89
Sí 50 42 92 25/87 0,287

No 25 62 87

Inerpreación:

1. El riesgo de desarrollar (12 meses) dolor oseomuscular de la zona lumbar en los rabajadores con puesos
de rabajo incorrecos, es mayor que aquellos rabajadores que ocupan puesos correcos ergonómicamene.
2. El riesgo es 2 (1,89) veces más.
3. Exise facor de riesgo ergonómico – dolor (causa - efeco).

Para finalizar esa sesión, es fundamenal conocer los Crierios de Bradford-Hill para esablecer relaciones causales.
En la Figura 8, se muesra el esquema de relación causa (elemeno inicial) y efeco (elemeno final) (Ruiz, 2012, pp. 3).

Figura 8. Relación causa – eeco

Relación

Causa Eeco
Elemeno inicial Elemeno final

Para poder idenificar los crierios de Bradford-Hill, es primordial conocer el concepo de cada uno de ellos:

Fuerza de asociación: frecuencia en la que ambos fenómenos (causa-efeco) se presenan junos. Por ejemplo, a
mayor inensidad de la relación enre dos variables, mayor es la probabilidad de que exisa una relación. Ese crierio
no es imprescindible para decidir si la asociación es de causalidad.

Consisencia: si observamos que la asociación se repie en diferenes esudios, por diferenes invesigadores, en
diferenes circunsancias, siguiendo meodologías disinas y en momenos diferenes, puede hacernos pensar
que esa asociación es causa-efeco. Por ejemplo, los resulados de un esudio deben manenerse consanes y ser
reproducibles por cualquier invesigador en cualquier lugar.

Sesión 4 14
 Bioesadístca & Epidemiología Laboral

Especiicidad: si observamos que el efeco sólo se presena en presencia de dicha exposición pensaremos que dicha
relación es causal. Por ejemplo, una causa conduce a un único efeco y, por ano, aumena la probabilidad de la
relación causal.

Temporalidad: la exposición siempre debe aneceder al efeco. Si no se presena ese crierio debe hacernos des-
carar la relación causal, pero en muchos esudios es complicado deerminarla porque el diseño del esudio impide
la secuencia emporal. Aunque en ocasiones es difícil, la causa debe preceder al efeco

Gradiene biológico: si vemos que la respuesa se modifica en función de la dosis de exposición (a mayor exposición,
mayor efeco), pensaremos que dicha asociación es causal, pero su ausencia no significa que dicha relación no sea
causal porque pueden acuar oros facores que modulen la respuesa y que dicha asociación no siga una línea reca.
Por ejemplo, cuano mayor es el iempo y/o dosis de exposición al facor causal, mayor es el riesgo de enfermedad.

Plausibilidad y coherencia: son crierios que se susenan en el conocimieno previo sobre los mecanismos de ac-
ción del agene y la hisoria de la enfermedad. Por ejemplo, la relación causal sugerida debe manener la línea de
los principios cieníficos acepados en el momeno (coherencia con oros conocimienos), es decir, creemos más en
una relación causal si conocemos su mecanismo paogénico.

Experimenación: si podemos evidenciar de forma experimenal la relación enre una causa y un efeco esaremos
en disposición de decir que dicha asociación es causal. No obsane, exisen limiaciones éicas para realizar expe-
rimenos en los que paricipen humanos (rabajadores).

Analogía: se susena en el conocimieno que se puede disponer de que agenes de exposición similares. Si sabemos
que un produco químico produce un deerminado efeco en la salud, no nos debe exrañar que un nuevo produco
químico, análogo al anerior, pueda producir un efeco similar. Es decir, causas similares pueden producir enferme-
dades similares.

Figura 9. Crierios de Bradord-Hill

Fuerza de asociación Consisencia Especifcidad Temporalidad

Gradiene biológico Plausibilidad y coherencia Experimenación Analogía

Fuene: Elaborado a partr de Ruiz (2012).

Asimismo, el único de los crierios que debe hacernos rechazar la relación de causalidad si no se cumple es el de
emporalidad (la causa precede al efeco). Los oros nos sirven para reforzar, o no, la idea de que dicha asociación
sea causa-efeco, asumiendo que nuesros conocimienos son siempre limiados.

Sesión 4 15
 Bioesadístca & Epidemiología Laboral

Reerencias

Royo, M y Damián Moreno, J. (2009). Método epidemiológico. Manual Docene. Insiuo de Salud Carlos III – Mi-
niserio de Ciencia e Innovación.

Moyses, F. (2003). Epidemiología intermedia: conceptos y aplicaciones. Ediciones Díaz de Sanos.

Ruiz, C (2012). Capíulo 1. Deerminanes de salud. En Gil Hernández, F. Tratado de medicina del trabajo. Aspectos
jurídicos y técnicos, 2. ° edición (pp. 3). Elsevier España.

Sesión 4 16