Organizado en diez capítulos temáticos, el ibro cubre desde los principios básicos de la epidemiología hasta técnicas avanzadas de modelado matemático y análisis estadístico. Comienza con una introducción a los conceptos fundamentales, como tasas de incidencia, prevalencia y diseño de estudios epidemiológicos. Posteriormente, profundiza en temas como modelos de regresión, análisis de supervivencia y simulaciones computacionales. Cada capítulo incluye ejemplos prácticos, casos de estudio y ejercicios que facilitan la comprensión y aplicación de los conceptos discutidos. Además, el libro integra herramientas computacionales modernas, destacando el uso de software como R y Python para el análisis de datos. El detalle de los capítulos es el siguiente:

1. Introducción a la Epidemiología Cuantitativa: Presenta los conceptos clave y las principales tareas de la epidemiología, incluyendo la identificación y formulación de preguntas de investigación relevantes.
2. Caracteres, Variables, Datos e Información: Explora la naturaleza de los datos epidemiológicos y cómo se transforman en información útil para la investigación.
3. Epidemiología Descriptiva Cuantitativa: Se enfoca en la cuantificación y descripción de la distribución de problemas de salud para informar la toma de decisiones.
4. Exploración Causal con Análisis Bivariado: Analiza las relaciones entre dos variables para identificar posibles factores influyentes en problemas de salud o comportamentales.
5. Confirmación con Análisis de Regresión Múltiple: Introduce técnicas de regresión para confirmar asociaciones y controlar variables de confusión.
6. Regresión Múltiple para Datos Categóricos y de Conteo: Aborda modelos como la regresión logística y de Poisson, aplicables a datos categóricos y de conteo.
7. Análisis de Supervivencia y Regresión de Cox para Datos de Tiempo hasta Evento: Se centra en técnicas para analizar el tiempo hasta la ocurrencia de eventos de interés.
8. Análisis de Dos Factores Influyentes: Modelado de Interacción y Mediación: Explora cómo dos factores pueden interactuar o mediar en la relación con un resultado de salud.
9. Cantidad de Datos, Datos Perdidos e Imputación: Discute la importancia de la cantidad de datos y métodos para manejar datos faltantes.
10. Tamaño de Muestra, Potencia Estadística y Análisis de Potencia: Proporciona directrices para determinar el tamaño de muestra adecuado y evaluar la potencia de los estudios.

Una de las principales fortalezas de «Quantitative Epidemiology» es su enfoque práctico. El autor utiliza programas en SAS, junto con figuras y tablas generadas a partir de datos reales disponibles públicamente, para ilustrar conceptos y métodos. Esta metodología facilita la comprensión y aplicación de técnicas estadísticas en situaciones reales. Además, la cobertura de temas avanzados, como la imputación de datos faltantes y el análisis de potencia, proporciona a los lectores herramientas completas para abordar desafíos comunes en la investigación epidemiológica.

1. Chen, X. (2021). *Quantitative Epidemiology*. Springer Nature. ISBN: 978-3-030-83851-5.
2. Gordis, L. (2014). *Epidemiology*. Elsevier.
3. Rothman, K. J., Greenland, S., & Lash, T. L. (2008). *Modern Epidemiology*. Lippincott Williams & Wilkins.
4. Springer Nature Editorial Reviews. Recuperado de https://www.springer.com
5. Artículos científicos sobre epidemiología cuantitativa indexados en PubMed y Google Scholar.