USO DE LA REGRESIÓN DE POISSON PARA LA DETECCIÓN DE EXCESOS EN SERIES TEMPORALES DE ENFERMEDADES DE DECLARACIÓN OBLIGATORIA CON POCOS CASOS SEMANALES
S. Pérez-Hoyos*, F. Ballester, JM Tenias, F. González, J. Bellido, A. Arnedo, C. Herrero.
Institut Valencià d''Estudis en Salut Pública(IVESP); Centre Salut Pública de Castelló
Institut Valencià d''Estudis en Salut Pública. C/ Juan de Garay 21.
46017 Valencia. Telf. 963869373. E-mail sperez@san.gva.es
Antecedentes y objetivo: Se han utilizado diversos métodos para comparar el número observado y esperado de casos en series temporales de enfermedades de declaración obligatoria. Habitualmente se efectúan comparaciones a partir de medianas o intervalos de confianza de tasas o de valores obtenidos en períodos anteriores. Todos estos métodos tienen problemas cuando el número de casos semanales es pequeño. El objetivo de la comunicación es presentar el uso de la regresión de Poisson para identificar valores extraños, así como el uso de la distribución de probabilidad de Poisson para orientar en la puesta en marcha una alerta epidemiológica.
Métodos: Se ha dispuesto de la serie semanal de casos de tuberculosis (TBC) ocurridos en la provincia de Castellón, desde enero de 1989 hasta diciembre de 1996. Se ha ajustado un modelo de regresión Poisson utilizando como variable respuesta el número de casos semanales de TBC y como explicativas las semanas del año como variables indicador, la tendencia semanal y si procede términos autorregresivos. Con el modelo que finalmente ajustaba se controló la existencia de sobredispersión calculando el intervalo de confianza al 95% del número medio de casos esperado. Este corresponde al parámetro de la distribución de Poisson del número de casos de TBC semanales. A partir de dicha distribución, se calculó la probabilidad de obtener el número de casos observados, considerando como semana con exceso aquella que superara el percentil 95.
Resultados: El número medio de casos semanales de TBC fue de 2,06 con un mínimo de 0 y un máximo de 8 casos semanales. Finalmente se seleccionó un modelo con las semanas como variables indicador y una variable de tendencia semanal. La media de los casos semanales esperados fue de 2,06 con un mínimo de 0,77 y un máximo de 4,08. Se obtuvo un total de 291 semanas en las que el número observado de casos fue mayor que el límite superior del intervalo de confianza al 95%. A partir de la distribución de Poisson. con media el número esperado de casos semanales según el modelo, se encuentran 45 semanas situadas por encima del percentil 95. Se han generado tablas de probabilidad para cada semana de observar entre 0 y 10 casos a partir de la distribución de Poisson anterior.
Conclusión: El uso de un modelo de regresión de Poisson permite identificar mejor excesos en el número de casos. Las tablas de probabilidad estimadas permiten tener de antemano una estimación que ayude a establecer la puesta en marcha de los sistemas de alerta a medida que se acumulan las notificaciones de casos.
