Incidentes Asociados
Copyright © 2015: Autor s. !
21
Apéndice
Infraregistro
El subregistro en la recopilación de datos es un problema bastante común en ciencias sociales, salud pública, criminología y
economía microe. Ocurre cuando el conteo de algún evento de interés por alguna razón está incompleto o existen
errores en el registro de los resultados. Algunos ejemplos son datos de desempleo, datos de enfermedades infecciosas o crónicas (p. ej., VIH o
diabetes), crímenes con un aspecto de vergüenza (por ejemplo, sexualidad y violencia doméstica), errar o cuenta en una producción
ingeniería de procesos o guerra blanda, y accidentes de tráfico con daños menores [1]. Prevalencia estimada de eventos
basado en los recuentos incompletos, es probable que sea menor que la verdadera proporción de eventos en la población. Varios
Se han propuesto técnicas de inferencia basadas en modelos binomiales, beta - binomiales y de regresión para estimar
los valores de conteo reales [2]. Sin embargo, en todas esas técnicas la probabilidad de notificación (tasa de notificación insuficiente) es
se supone que es un parámetro constante a lo largo del tiempo que se estima en función de los recuentos de muestras.
Un problema muy similar existe en las investigaciones clínicas preliminares o piloto, las encuestas epidemiológicas y las encuestas de larga duración.
estudios cuyo objetivo es estimar cualquier posible efecto clínico de un tratamiento o la prevalencia de un determinado
enfermedad en una población de pacientes, pero la prevalencia de eventos solo puede estimarse seleccionando una muestra de pacientes.
pacientes de la población [3].
En todas estas situaciones, la prevalencia de los eventos se estima en base a una muestra aleatoria de eventos del
población, bajo el supuesto de que el conjunto de la muestra contiene las mismas características y distribuciones de la población real.
población, incluidos los de los casos subreportados y desaparecidos.
Además, a menudo se requiere realizar un cálculo del tamaño de la muestra basado en intervalos de confianza para
proporcionar una estimación precisa con un amplio margen de certeza y asegurarse de que la proporción estimada esté cerca de
la proporción real con una alta probabilidad [3]. Intervalos de confianza para las proporciones estimadas en base a
muestras de poblaciones grandes y poblaciones finitas se pueden calcular utilizando la aproximación normal a la
distribución binomial como sigue:
Para grandes poblaciones:
𝑝 ± 𝑧
! ! ! / !
𝑝 ( 1 − 𝑝 )
𝑁
Para poblaciones finitas:
𝑝 ± 𝑧
! ! ! / !
𝑝 ( 1 − 𝑝 )
𝑁
.
𝑁
!"#$% !"#$% ! !
𝑁
ps
donde N es el tamaño de la muestra, 𝑝 =
!
!
es la estimación de la proporción de eventos de interés en la muestra y
𝑁
ps
es el tamaño de la población en el caso de poblaciones finitas [3].
En este estudio, estimamos la prevalencia de eventos adversos asegurándonos de que tenemos un número significativamente grande
número suficiente de muestras para proporcionar estimaciones confiables. Nuestras estimaciones se obtienen bajo el supuesto de que
las carac terísticas y distribuciones de los eventos observados no son significativamente diferentes de las del evento real
población y no cambiaría significativamente después de incluir los casos no notificados. Estamos actualmente
investigar la extensión de las técnicas de inferencia propuestas en [1][2] para estimar el número real de
eventos considerando una probabilidad de reporte variable en el tiempo.
!
[1] Neubauer, G. y Friedl, H., “Modelling sample sizes of Frequencys,” Actas del 21
S t
Internacional
Workshop on Stat ist ica l Modelling , 3 - 7 de julio de 2006, Galway, Irlanda.
[2] Neubauer, G., Djuras G., Frie dl H., “ Models for underreporting: A Be rnoul li sampli ng approach for reported
counts”, Austri an Journal of S tatist ics , vol. 40 (2011), núm. 1 y 2, 85 – 92