Diseo de estudios casos-controles

Dos grupos son seleccionados, uno de personas con la enfermedad (casos), y el otro de personas con las mismas caractersticas generales pero sin la enfermedad (controles) Compare la exposicin en ambos grupos
1

Diseo de estudio de casos-controles

Expuesto Enfermos
(Casos)

No Expuesto
Expuesto

Poblacin objetivo No Enfermos

(Controles)

No Expuesto

Diseo de estudio de casos-controles

Limitantes:

No se puede obtener tasas de incidencia debido a que los sujetos son seleccionados en base a el resultado

Una estimado de la razn de tasas de incidencia o riesgos(RR) es obtenido por el clculo de razn de momios (OR)
3

Clculo de la Razn de Momios (OR)

Resultado
Exposicin Expuestos No expuestos Casos A C Controles B D A/C B/D

Probabilidad de exposicin para casos Probabilidad de exposicin para controles

= Razn de momios (estima el riesgo relativo)

4

Comparando OR y RR
Resultado Exposicin Exposed Not Exposed Casos 70 30 100

Controles
300 700 1000 370 730 1100

OR = AD/BC = 5.44

RR = Ie/In = 4.41

Sealando los resultados

OR = 5.44

Aquellos con la enfermedad son 5.44 veces ms probable que tengan la exposicin que aquellos sin la enfermedad

RR = 4.41

Aquellos con la exposicin son 4.41 veces ms probable que desarrollen la enfermedad que aquellos sin la exposicin
6

Resmen de fuerzas y limitaciones de los estudios cohorte prospectivos y casos controles

Cohorte prospectivo Fuerzas: Oportunidad para medir factores de riesgo antes de que la enfermedad ocurra. Produce tasas de incidencia y estimaciones del riesgo relativo Limitaciones: Limitaciones: Poco til para enfermedades raras Relativamdente caro Relativamente resultados lentos

Caso-Control Fuerzas: Util para enfermedades raras Relativamente barato Relativamente resultados rpidos

Sesgos posibles en medicin factores de riesgo despus de que la enfermedad ha ocurrido Sesgo posible en la seleccin el grupo control Identificar casos pueden no representar exposicin de todos los casos

Estudios Clnicos Aleatorizados (RCT) El estndar dorado Estudio Cohorte

Esquema de un estudio clnico

Poblacin del estudio Participantes No participantes

Tratamiento Intervencin onuevo tratamiento Mejora

Aleatorizacin
Control Control

No mejora

Mejora

No mejora
9

Diseo cruzado

Sujetos son aleatorizados para una secuencia de dos o ms tratamientos

Cada sujeto sirve como su propio control

Grupo
I II

Sequencia
A,B B,A

Periodo 1
A B

Lavado

Periodo 2
B A

10

Diseo factorial

Dos o ms tratamientos son evaluados simultneamente en el mismo grupo de sujetos usando diferentes combinaciones de tratamientos Aleatorizacin

Tratamiento A

Placebo
Tratamiento B

Tratamiento B

Placebo

Placebo

11

Cmo evaluamos si estudios de cncer son vlidos?

Entendiendo sesgo y confusores

Probando para una verdadera asociacin

Examine la metodologa para sesgos Examine el anlisis para confusores Examine los resultados para significancia estadstica

13

Examine el diseo del estudio para sesgos

Sesgo de seleccin

Errores en el proceso de identificacin de la poblacjn del estudio y en la seleccin de los sujetos

Sesgo de informacin/del observador

Errores en las mediciones de la exposicin o status de la enfermedad

14

Confusores

Confusin es una aparente asociacin entre enfermedad y exposicin causado por un

tercer factor no tomado en consideracin

15

Ejemplos de confusores

Estudio A encontr una asociacin entre juego y

cncer de pulmn. El resultado puede estar confundido por tabaquismo.

Estudio B encontr una mayor tasa cruda de

mortalidad en Florida que en Alaska. La tasa puede

estar confundida por diferencias en la estructura

etrea de la poblacin.

16

Proibando para confusores

1. Calcule la tasa cruda 2. Calcule una tasa ajustada para la variable confusora 3. Compare las dos mediciones Las dos mediciones sern diferentes si la

variables es un confusor (en la prctica, cuando las mediciones cruda y ajustada difieren por al menos 10%)
17

Edad
0-18 19-64

Muertes por cncer

Poblacin en riesgo

ASR

Poblacin estndar EUA 1980

Esperado N de muertes

(1)
5 10

(2)
5,000 25,000

(1) / (2) = (3)

1.00 por 1000

(4)
60,500,000

(3) x (4) = (5)

60,500 56,120 171,419 288,039

0.40 por 1000 140,300,000 6.67 por 1000

65+

100

15,000

25,700,000

Total

115

45,000

xxx

226,500,000

Tasa cruda Tasa ajustada por edad (115 / 45,000) x 1000 No igual (288,039 / 226,500,000) x 1000 2.56 por 1,000 1.27 por 1,000

Edad es un confusor para muerte por cncer

18

Evaluando significancia estadstica

La probabilidad de que obtengas tus resultados como resultado slo del azar es el valor de p Un valor de p bajo ( < 0.05 ) dice que el azar no es la probable explicacin de tus resultados El intervalo del confianza al 95% (CI) es el rango de valores donde el verdadero valor ser localizado 95% de las veces Grandes tamaos de muestra producirn intervalos de confianza estrechos Pequeo tamao de muestra producirn amplios intervalos de confianza
19

Evaluando resultados

RR = 1: No hay diferencia de la enfermedad entre los grupos expuestos y no expuestos OR = 1: No hay diferencia de exposicin entre casos y controles
RR = 1.8 (1.6, 2.0) es estadsticamente significativo RR = 1.8 (0.8, 2.9) no es estadsticamente significativo OR = 0.7 (0.6, 0.8) es estadsticamente significativo OR = 0.7 (0.4, 1.2) no es estadsticamente significativo

Ejemplos:

20

Cmo evaluamos si asociaciones entre cncer y factores de riesgo son causales?

Entender criterios de causalidad

Mostrar causa

Enfermedad crnica y condiciones complejas requieren que usemos los postulados de Hill
Fuerza de asociacin Consistencia de la asociacin Especificidad de la asociacin Temporalidad Gradiente biolgico
5.
6. 7. 8.

1.
2. 3. 4. 5.

Plausibilidad Coherencia Experimentacin Analoga

22

 Cunto de la morbi-mortalidad por cncer puede ser prevenida por algna intervencin?
Entienda el impacto de la educacin y de los programas de monitoreo

Principios de monitoreo

Validez

Sensibilidad: correctamente identificar aquellos con la enfermedad Especificidad: correctamente identificar aquellos sin la enfermedad Valor predictivo +: proporcin de prueba verdaderas positivas Valor predictivo - : proporcin de pruebas correctamente negativas

Confiabilidad: habilidad de la prueba para dar resultados consistentes Produccin: cantidad de enfermedad no reconocida bajo tratamiento por el monitoreo

24

Calculando mediciones de validez

Diagnstico verdadero Resultado de la Enfermo prueba Positivo a No enfermo b Total a+b

Negativo
Total

c
a+c

d
b+d

c+d
a+b+c+d

Sensibilidad = a/(a+c) Especificidad = d/(b+d)

Valor predictivo positivo = a/(a+b) Valor predictivo negativo = d/(c+d)

25

Ejemplo: monitoreo de cncer de mama

Resultados de mamografa Positivo Negativo Total Enfermo 132 45 177 No enfermo 983 63,650 64,633 Total 1,115 63,695 64,810

Sensibilidad = 132/177 = 74.6% Especificidad = 63,650/64,633 = 98.5% Valor predictivo positivo = 132/1,115 = 11.8% Valor predictivo negativo = 63,650/63,695 = 99.9%
26

Claves para monitoreo

Sensibilidad: detectar un suficiente nmero de casos preclnicos par ser de utilidad Prevalencia: monitoreo de poblaciones de alto riesgo Frecuencia: monitoreo de una vez no permite conocer diferencias en riesgo individual o diferencias en ataque Participacin: pruebas inaceptables para la poblacin objetivo no sern utilizadas Seguimiento: aquellos con pruebas positivas necesitar ser provistos con un plan de accin
27

Consejos para la lectura de la literatura

Identifique el diseo del estudio

Entienda cmo los sujetos fueron seleccionados

Entienda como es definida la exposicin Evale sesgos y confusores potenciales Determine si la evaluacine estadstica es apropiada Haga decisiones acerca de si la medicin del resultado son estadsticamente significativas y/o clnicamente importantes Uso de buen juicio
28

Fin