16.1. Introducción: de la asociación a la magnitud
Los test de asociación responden a la pregunta «¿hay asociación?«, pero no dicen nada sobre cuánto de intensa es esa asociación. Dos estudios pueden tener el mismo valor p y asociaciones de magnitud muy distinta, simplemente por diferencias en el tamaño muestral. Para cuantificar la asociación se necesitan medidas específicas que expresen la relación entre la exposición y el resultado en términos clínicamente interpretables.
Medidas de asociación: estadísticos que cuantifican la magnitud y dirección de la relación entre una exposición (factor de riesgo o intervención) y un resultado (enfermedad, evento clínico). Las principales son el riesgo relativo (RR), la fracción etiológica (FE) y el odds ratio (OR).
Las tres se calculan a partir de la misma tabla de contingencia 2×2 que ya se usó en el tema 15, con la convención de que las filas representan la exposición y las columnas el resultado:
| Enfermedad (sí) | Enfermedad (no) | Total | |
|---|---|---|---|
| Expuestos | a | b | a + b |
| No expuestos | c | d | c + d |
16.2. Riesgo relativo
El riesgo relativo (RR), también llamado razón de riesgos, compara la probabilidad de enfermar entre expuestos y no expuestos.
La interpretación es directa:
| Valor de RR | Interpretación |
|---|---|
| RR = 1 | Sin asociación: la exposición no modifica el riesgo |
| RR > 1 | Factor de riesgo: los expuestos tienen mayor riesgo que los no expuestos |
| RR < 1 | Factor protector: los expuestos tienen menor riesgo que los no expuestos |
Un estudio de cohortes encuentra que el 20% de los fumadores desarrolla enfermedad coronaria en 10 años, frente al 8% de los no fumadores. RR = 0,20 / 0,08 = 2,5.
Los fumadores tienen 2,5 veces más riesgo de desarrollar enfermedad coronaria que los no fumadores. Un RR de 2,5 no significa "250% más de riesgo" sino "el riesgo es 2,5 veces el de referencia", es decir, un 150% más.
El RR solo se puede calcular en estudios donde la proporción de expuestos y no expuestos refleja la distribución real en la población: estudios de cohortes y ensayos clínicos. En estudios de casos y controles, los totales de fila están fijados por diseño (se selecciona un número predeterminado de casos y controles), por lo que a / (a+b) no representa el riesgo real en la población. En ese contexto, el RR no es calculable y se usa el OR.
16.3. Fracción etiológica
La fracción etiológica (FE), también llamada fracción atribuible o riesgo atribuible proporcional, estima qué proporción del riesgo en los expuestos es atribuible a la exposición y, por tanto, sería eliminable si se eliminara dicha exposición.
La fracción etiológica no mide la fuerza de la asociación (eso lo hace el RR), sino el potencial de prevención: si la FE es 0,6, eliminar la exposición reduciría el riesgo en los expuestos en un 60%. Su uso principal es en salud pública, para priorizar intervenciones preventivas según su impacto potencial.
Siguiendo el ejemplo anterior con RR = 2,5: FE = 1 − (1/2,5) = 1 − 0,4 = 0,6.
El 60% de los casos de enfermedad coronaria en fumadores sería atribuible al tabaquismo y, teóricamente, evitable si se eliminara ese factor. El 40% restante ocurriría igualmente por otros factores de riesgo.
16.4. Odds ratio
El odds ratio (OR), también llamado razón de productos cruzados o razón de momios, es la medida de asociación de elección cuando no se puede calcular el RR directamente, especialmente en estudios de casos y controles.
Para entenderlo, hace falta definir primero el concepto de odds (en castellano, «momio» o «ventaja») sería el cociente entre la probabilidad de que ocurra un evento y la probabilidad de que no ocurra.
Odds de un evento: cociente entre la probabilidad de que el evento ocurra y la probabilidad de que no ocurra. Si la probabilidad de enfermar es p, el odds es p / (1−p). No es una probabilidad: puede ser mayor que 1.
Odds ratio (OR): cociente entre el odds de enfermar en los expuestos y el odds de enfermar en los no expuestos.
La interpretación del OR es análoga a la del RR: OR = 1 indica ausencia de asociación; OR > 1 indica mayor odds de enfermar en expuestos; OR < 1 indica menor odds. Pero la interpretación directa como «veces más probable» solo es válida cuando la enfermedad es poco frecuente.
16.5. Cuándo OR y RR se aproximan (y cuándo no)
La relación entre OR y RR depende de la prevalencia de la enfermedad en la población:
| Prevalencia de la enfermedad | OR respecto al RR | Implicación práctica |
|---|---|---|
| Baja (< 10%) | OR ≈ RR | El OR puede interpretarse aproximadamente como el RR |
| Alta (≥ 10%) | OR sobreestima el RR | No interpretar el OR directamente como RR; la diferencia puede ser clínicamente relevante |
En enfermedades frecuentes, el OR puede ser considerablemente mayor que el RR, y presentar el OR como si fuera el RR exagera la magnitud de la asociación. Este error es común en la lectura de estudios de casos y controles sobre enfermedades de alta prevalencia. Cuando un artículo reporta un OR de 3, no necesariamente significa que los expuestos tienen "tres veces más riesgo": depende de la prevalencia de la enfermedad estudiada.
Pregunta frecuente: "¿Por qué se usa el OR en estudios de casos y controles y no el RR?"
Porque en un estudio de casos y controles el investigador fija el número de casos y controles por diseño, por lo que la proporción a/(a+b) no representa la incidencia real en la población expuesta.
El OR, calculado como producto cruzado (a×d)/(b×c), es matemáticamente válido con cualquier diseño de muestreo y no requiere conocer las proporciones reales de expuestos en la población.
El odds ratio es el parámetro que estima la regresión logística cuando se ajusta por covariables: la regresión logística produce OR ajustados, que cuantifican la asociación entre cada variable independiente y el resultado binario controlando el efecto de las demás. Esto se desarrolla en el tema 20.
