Journal Information
Vol. 17. Issue 1.
Pages 70-74 (January - February 2003)
Vol. 17. Issue 1.
Pages 70-74 (January - February 2003)
Open Access
¿Odds ratio o razón de proporciones? Su utilización en estudios transversales
Odds ratio or prevalence ratio? Their use in cross-sectional studies
Visits
9863
A. Schiaffinoa,*, M. Rodríguezb, M.I. Pasarínb, E. Regidorc, C. Borrellb, E. Fernándeza
a Servei de Prevenció i Control del Cáncer. Institut Català d'Oncologia. Barcelona. España
b Servei d'Informació Sanitària. Institut Municipal de Salut Pública de Barcelona. Barcelona. España
c Departamento de Medicina Preventiva y Salud Pública. Universidad Complutense de Madrid. Madrid. España
This item has received

Under a Creative Commons license
Article information
Abstract
Bibliography
Download PDF
Statistics
Resumen
Antecedentes

En los estudios transversales las medidas de asociación clásicamente descritas son la razón de odds (odds ratio, OR) y la razón de prevalencias (prevalence ratio, PR). Algunos estudios epidemiológicos con diseño transversal expresan sus resultados en forma de OR, pero utilizan la definición de PR. El objetivo principal de este trabajo es describir y comparar diferentes métodos de cálculo de la PR discutidos en la bibliografía reciente en dos escenarios (prevalencia < 20% y prevalencia > 20%).

Material y métodos

Se realizó una búsqueda bibliográfica para conocer las técnicas más utilizadas para la estimación de la PR. Los 4 procedimientos más empleados fueron: a) seguir obteniendo OR mediante regresión logística no condicional, pero utilizando su definición correcta de OR; b) utilizar una regresión de Breslow-Cox; c) utilizar un modelo lineal generalizado con la transformación logaritmo y familia binomial, y d) utilizar una fórmula de conversión de una OR, obtenida mediante regresión logística tradicional, a una PR. Se han replicado para cada uno de los dos escenarios (prevalencia < 20% y prevalencia > 20%) los modelos hallados utilizando datos reales de la Encuesta de Salud de Catalunya de 1994.

Resultados

No se observan grandes diferencias entre las estimaciones ni entre los errores estándar obtenidos al utilizar una u otra técnica cuando la prevalencia es baja. Cuando la prevalencia es alta existen diferencias entre los estimadores y entre los intervalos de confianza, aunque todas las medidas mantienen la significación estadística.

Conclusión

Todos los métodos propuestos tienen sus pros y sus contras, y debe ser el propio investigador/a quien escoja la técnica que mejor se adapte a sus datos y ser coherente a la hora de utilizar un estimador y su interpretación.

Palabras clave:
Odds ratio
Razón de prevalencias
Estudio transversal
Abstract
Background

The most commonly used measures of association in cross-sectional studies are the odds ratio (OR) and the prevalence ratio (PR). Some cross-sectional epidemiologic studies describe their results as OR but use the definition of PR. The main aim of this study was to describe and compare different calculation methods for PR described in literature using two situations (prevalence < 20% and prevalence > 20%).

Material and methods

A literature search was carried out to determine the most commonly used techniques for estimating the PR. The four most frequent methods were: 1) obtaining the OR using non-conditional logistic regression but using the correct definition; 2) using Breslow-Cox regression; 3) using a generalized linear model with logarithmic transformation and binomial family, and 4) using the conversion formula from OR into PR. The models found were replicated for both situations (prevalence less than 20% and greater than 20%) using real data from the 1994 Catalan Health Interview Survey.

Results

When prevalence was low, no substantial differences were observed in either the estimators or standard errors obtained using the four procedures. When prevalence was high, differences were found between estimators and confidence intervals although all the measures maintained statistical significance.

Conclusion

All the methods have advantages and disadvantages. Individual researchers should decide which technique is the most appropriate for their data and should be consistent when using an estimator and interpreting it.

Key words:
Odds ratio
Prevalence ratio
Cross-sectional study
Full text is only aviable in PDF
Bibliografía
[1.]
D.G. Kleinbaum, L.L. Kupper, H. Morgenstern.
Epidemiologic research. Principles and quantitative methods.
Belmont,
[2.]
M.A. Martínez-González, J. De Irala-Estévez, F. Guillén-Grima.
¿Qué es una odds ratio?.
Med Clin (Barc), 112 (1999), pp. 416-422
[3.]
O. Axelson, M. Fredriksson, K. Ekberg.
Use of prevalence ratio v prevalence odds ratio as a measure of risk in cross-sectional studies.
Occup Environ Med, 51 (1994), pp. 574
[4.]
C. Zocchetti, D. Consonni, P.A. Bertazzi.
Relationship between prevalence rate ratio and odds-ratio in cross-sectional studies.
Int J Epidemiol, 26 (1997), pp. 220-223
[5.]
U. Stromberg.
Prevalence odds ratio v prevalence ratio.
Occup Environ Med, 51 (1994), pp. 143-144
[6.]
U. Stromberg.
Prevalence odds ratio v prevalence ratio -some further comments.
Occup Environ Med, 52 (1995), pp. 143
[7.]
J. Lee, K.S. Chia.
Estimation of prevalence rate ratios for crosssectional data: an example in occupational epidemiology.
Br J Ind Med, 50 (1993), pp. 861-864
[8.]
J. Lee.
Odds ratio or relative risk for cross-sectional data?.
Int J Epidemiol, 23 (1994), pp. 201-203
[9.]
J. Lee, K.S. Chia.
Prevalence odds ratio v prevalence ratio -a response.
Occup Environ Med, 52 (1995), pp. 781-782
[10.]
S. Wacholder.
Binomial regression in glim: estimating riks ratios and risk differences.
Am J Epidemiol, 123 (1986), pp. 174-184
[11.]
C. Zocchetti, D. Consonni, P.A. Bertazzi.
Estimation of prevalence rate ratio from cross-sectional data.
Int J Epidemiol, 24 (1995), pp. 1064-1065
[12.]
T. Skov, J. Deddens, M.R. Petersen, L. Endahl.
Prevalence proportion ratios: estimation and hypothesis testing.
Int J Epidemiol, 27 (1998), pp. 91-95
[13.]
M.L. Thompson, J.E. Myers, D. Kriebel.
Prevalence odds ratioor prevalence ratio in the analysis of cross-sectional data: What is to be done?.
Occup Environ Med, 55 (1998), pp. 272-277
[14.]
J. Osborn, M.S. Cattaruzza.
Odds ratio and relative risk for crosssectional data.
Int J Epidemiol, 24 (1995), pp. 464-465
[15.]
K.Y. Liang, S.L. Zeger.
Longitudinal data analysis using generalized linear models.
Biometrika, 73 (1986), pp. 13-22
[16.]
M. Martuzzi, P. Elliott.
Estimating the incidence rate ratio in crosssectional studies using a simple alternative to logistic regression.
Ann Epidemiol, 8 (1998), pp. 52-55
[17.]
Breslow N E.
Covariance analysis of censored survival data.
Biometrics, 30 (1974), pp. 89-99
[18.]
M. Nurminem.
To use or not to use the odds ratio in epidemiologic analyses.
Eur J Epidemiol, 11 (1995), pp. 365-371
[19.]
P. McCullagh, J.A. Nelder.
Generalized linear models.
[20.]
Enquesta de Salut de Catalunya, ESCA-1994 Generalitat de Catalunya-Servei Català de la Salut
[21.]
StataCorp.
Stata Statistical Software, Release 6.0.
Copyright © 2003. Sociedad Española de Salud Pública y Administración Sanitaria
Download PDF
Idiomas
Gaceta Sanitaria
Article options
Tools
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?