Manual CTO de Medicina y Cirugia 1.2 edicion Af Ge bb Estadistica y epidemiologia Autor Manuel Moreu Gamazo Antonio Martin Conejero ENARM México QD Grupo C10 BB costo:NOTA Lamedicina es una clencia sometidaa un cambio constante, Ammedida ques investigacion yla experiencia clnica ampli nuests conoclmientos, son aecesari cambios en os tratamiento yfefarmacoterapis, Los editores de esta obra han contrastado sus resultados con fuentes consideradas de confanva, ‘en un esfuctza por proporelons informacién completa y neta, de acuerdo con js criteios aceptados fr el momento de la publicacién. Sn ernbargo, debico ala posibilidad de que exstan errores humanos 9 se ploduzcan canbios en las cknces médicas, clos editors ni cualquier ova fuente implicade tn a preparacion ola publicacién de esta obra garantizan que ls informacion contenida en la misna sea ‘clay complet en todas los specs, ison tesponsables dels errores womisionesnide fs resuitados same de estas caracterstias ele practca un ECG de esfuerzo que resulta ‘ative. Lasensibiidad excel 80% suespeciida del 90% 2Cudldeles Sigulentesafrmaclones es correcta 1) Se puededscatarpor compet estenos coronaria pore prises > atv 1.5. Coeficiente Kappa £1 cocficente Kappa es Ia medida del grado de concordancia no | el uars ene wares observadoreso entre stints mediciones de in mismo variable. Varia del a+ CON 2 LET iserepan mis medciones de lo espera por az. k= 0. Concordancia debi al azar. 1. Concorancia complet | jemplo: dos otamSlogos revisorn ta misma serie de 100 fotografia caedo de oj para determinar el grado de retinopatia Se desea medi ti grado de coincidencia,concordancia etre los dos abservadres. indice Kappa sive para medi la concordancia cuando la variable ve estudio ee cuantitativ. Sin embargo, side lo que se trata es de Compararconcordancias, el indice mis aropiado para cusnifiar la camordancla ene diferentes medicianes de una variable muméica es ‘llamado coefcinte de correlacin itralase, Samoa” 2) Nosepude ox lnetenosceroaria pore expedite posto ola prcba esto |) Nose pede exci estonon corona porque valor preditvonegst vo delapructa esbso. | Casos clinicos representativos } 4) Sepodtla descartar el cigadatto de estenass coronaria lla espechicdnd dela prueba fuera del 100% = |rordancia no ediciones de 0 forogratias jadesea medic cevadres, co la varable se tata es de | euanticar la Je umética es Seto pesto chctwo eat a especldad O2 Estadistica y epidemiologia CONCEPTOS Y USO DE LA EPIDEMIOLOGIA EG etta eee lor) (2 demosracn exponent supone a meorevdenca de causdd [i] Eorncptinconvnient dela demosracén experimental sons problemas tos, 2.1. Concepto de epidemiologia timoligicarnente, la palabra epidemiologa procede del griegoy significa tratado sabre el pueblo (ep sobre, demo: pucblo, gos: ratado). Se puede defini a epidemiologia como la cancia que esta ladisytbuciny los determinants del fenémeno Salud-enfermediad en las poblaciones humanas, La Comunidad sustituye al indviduo ala hora de buscar la res puesta a ciertas preguntas sobre la etiology la prevancién dela enfermedad, asf como acerca de os recursos necesaris pata ls Cudados de salud de esa poblacion, La epidemiologa se ocupa de los dos aspects fundamentales siguientes: + Estar In dstribucién de las enfermedades en relacién con ls variables lugar, tiempo y persona, Fs lo que se denomina epiemiologia descriptiva. Buscar los factores que determinan la dstibucién encontrada ¢ identifica las asaciaciones causes, FS 10 {que hace [a lsmada epidemiologéa analitica Las principales posibilidades de apicacin dela epidemologa son las que se enumeran a continuacio + Establecer el diagnéstico de salud de una comunidad, + Conocer los factores causales de una enfermedad y as probabilicades cle enfermar, + Evaluar a ficaciafefecvidadesicencia de los procedimientos preventive y exapéuticos de los servicios desl Los pasos fundamentales dentro del métado epidemioligico son os siguientes: 1, Observar un fendmeno. 2, Hlaborae una hipotesis 5, Probar a hipdtess. 4. Emir un informe 0 ley. 2.2. Indicadores de riesgo. Causas de enfermedad Conceptos Riesgo es la probabilided de desarrollar una enfermedad por estar expuesto a clestosfacowes Causa: es la condicin que, sola o acompafada de otras condiciones nila o permite iniciar una secuenca de acontecimientos que produceo vn determinado efecto.«Factor de riesgo: variable endéigena 0 exdgena a individu, con trolable, que precede al comienzo de a enfermedad! y que es aso cack un increment de Ia probabildad de aparcién dela misma, ya la que se puede atrbuir “responsabilidad” en la enfermedad {por ejemplos tabaco como factor de riesgo de cincer de pulmén ‘Marcador de riesgo: variable no contolable, endégena al inivilvo (consttuciona), y cays presencia anuncia a los individuos parti- cularmente vulaerables (pore). exo femenino come marcador le riesgo de céncer de mama). Indicador de riesgo: variable sin relaciin causal con el problema, pero cua presencia aleta precozmente sobre el padecimient {por ejemplo: manchas de Kopi como sig precursor de a apar- in de sarampién Criterios epidemiolégicos de causalidad La eistencia de asociacia estadistica no es sindnimo de causalidad, sno que para que se leben cumplise los denoarinados citeios de ‘ausalidad, que son los que se denen a continuacidn: 1 Fuerza de asoctacién: es un crtero muy importante, consistente fn cuintas veces mis riesgo de enfermedad tienen la personas expuestas al factor estilo que las no expuesta (ase el Capt tulo 4), + Efecto doss-respuesta es dit, que la asociacién tenga coherencia finer, que al Incrementarse Ia presencia del factor de rosgo au ‘mente Ia de Ia enfermedad, Secuencia temporal: a exposicin al presunto factor de viesgo debe preceder al fect, CCoherencia externa 6 consistencia de los resultados: los estas eben ser concordantes com los obtenidos en eos ests repro sductbilida -Ausencia de distorsones metadoligicasen el estos bids 9 ssgos _ ASTID ©2 «Conceptos y uso de ja epidemiologis + Ausencia de explicaciones alteativas: es det, ausencia de otray hipstesis que expliquen los resultados. Plausibildad biolyica: qu os resultados sean compatibles con marco de los conacimientoscientticos previes. ecto de la cesacién o reveribilidad es deci, que exista una ds rminucién del riesgo ta La redken de la exposicion a presunia factor de riesgo, + Demostracién experimental: es la prucha causal por excelencia, pero su realizacin plant en ocasiones problemas étcos. Modelos causales os made causal son los siguientes ‘Deterministao unicausal: este modelo clce que siempre que se pe sent la causa (causa sficlent) y slo cuando se presente la causa {causa necesaria), ocucte el efecto. Hay especiicidad de causa fel elect tiene una dinica eausa) y también de efecto (eada causa pro- dace un dnico elect + Mul de rausal: posta que hay plural de causas y multipicidad ecto, rman redes causales, de forma que diferentes cau ‘28 producen el misma efecto yuna dinica causa ocasiona varios + Determinista modifcado (Rothman): en este mexlelo se distinguen tes tips de causis ‘Causa suficenter es aquella que inevitablemente produce el efecto cuando se presenta Causa complementaria o contribuyente: son aquellas causes ‘que forman parte de un causa suficiente ‘Causa necesaria: es la que debe estar presente inevtablemente pra que se prohizc el efecto, Por tant, ha de foemar pate de todas las causas suficientes de una enfermedad, inertee ied O 3 Aine aes eitounads- \AEDIDAS DE FRECUENCIA DE LA ENFERMEDAD Sn al presunto or exclenci, aicos Letra Nessa eiced GB __aincidenciaes sinérimo de riesgo, porque se refiere a los nuevos casos debidos & una enfermedad, req re Gl Cone ners ses todsls primate qu ince rmin igo RRA, RR, RAs clan zn eset I ean ‘einen ae a a Sekaiettberk BL prevatencso probutildad pretest se refer ala cantidad de enfermos en una poblacis, no slo alos casos nuevos, Gh _tnprtnte conocer spector de cide, revlencay densa de reldnc y tilda diferentes cau lo se dsinguen nie produce ol aquellas causas 3.1. Formas basicas de medida inevitablemente ‘ formar parte de Las formas bisias de me son ls siguents +" Niimero: es un valor absolute. A 9 conocer el denominador no se puede saber I importancia ela del problem, + Razén: es el cociente en el que el numerador no esa ineluido ene! denominado, es decir, cociente ene dos entdades que poseen caracteres dstinos. Sus valores oscilan entre De infinite = Formal R= afb = Fjemplo:raztin de hombresmujores. + Proporcién:csel cocienteen el cual el aumerador est inclido en el denominador. Sus valores oscilan entre Oy 1, Esadimensionl émula: P= vas) Fjemplo: proporcién de aprobados en un examen. Tasa: mide la ocurrencia de un suceso durante un period de tiempo en una poblacién determina. Fs un cociente en el que el numerador ets incluido en el denominador pero donde, 2dferencia dela proporcién, tiempo también est ineluido en este, Tiene, por tanto, dimensisn tempor = Formula: T = persona x tiempo. = emplo: 300 a, pulmén1 00.000 personas-ao, 3.2. Medidas de frecuencia de la enfermedad Las medidas de frecuencia de la enfermedad se llevan a cabo con ls siguientes incalnes Prevalencia 6 el ndieo toal de casos entre el otal de la poblacién. No hace disinciin entre casos antic |gu0s y nuevos y nos describe la situacion en un momento determinado del tempo. Su valor es mis alta a ‘mayor incidencia y duracin de la enfermedad, IN tata de casos de enfermedad Poblacidn en ese momentoMETIS OREN LENIN 03 - Vecicias de frecuencia de la enfermedad! Incidencia acumulada: <¢ define como el ndmero de caso nuevos de una enfermedad que se producen en un peciado de tempo. E a probabilidad de que un indviduo desartolle la enfermedad en ese period, IN*easos nuevos en un pero de tempo Poblacién en riesgo al inicio de ese periodo La Incidencia acumulada se puede relacionar con la prevalencia Sega las siguientes fSrmulas Pv 10%: xdluracién media de la enfermedad Pus 10%: IxD) 1x) Densidad de incidencia se define como el mimero de casos nuevos ‘dela enfermedad que se procicen en un perioda de tiempo, tenien- do en cuena la informacién que aperta el sumatorio de riesgo de ‘eada uno de los inlviduos, Ns casos nuevos bi= Personas x tempo Personas x tiempo: es una uni de medida de Ia poblacién en riesgo, Se obtiene sumando la cantdad de tiempo que cada inlvi- ‘duo ha estado expuesto al factor de estudio. Fjemplo: 1 1 afo 2 ats a Sais 4 Datos 5 Bares 1: factor de riesgo (FR). + RR = 1: inliferente: la incidencta es gual en expuestes y en no expuestos + RR < 1 factor de proteccion, Incidencia en expuestos Ineldencia en no expuestos RR + locidencia en expuesios: | =afa-+ + Incidencia en no expuestos: = ce + alae dedaebeced ‘bla 3.Cieatodel 4,2. Odds ratio (raz6n de desventaja) (OR) Leds ratio es una a26n, Consttuye la media bisica defo estos ‘casos-controles, Su significado es ievico a del RR, aunque no puede ‘alcularse coma este, ya que en lo estos casos-convoles no es pos bie waloar a incidencia de la enfermedad. Para que la OR sea un buen estimador dl RR es necesaro que los controles scan representalivos de la placin ce la cual han suid los casos y que la enfermedad tenga tuna prevalencia baja initio al 10%. Oks de expesiciin cee we ‘cnloscisin__ sor no expuesios ids de expesiiin Contos expestos en fos comtroles Contos no expuesos En un estudio de seguimiento a largo pazo de pacientes con Mllacion suricularer6nica en Ia précie clniea habitual, se ha documentade un riesgo relative de padecer una hemorraginitracraneal pata anticoagu- nts orale (on comparacén cn antiagregantesplaquetaios de 3(n- torvalos de confanza del 95% 15-5). .Cuil de as sigulencesafirmaciones 1) Loe interes de confana del ego telat estinado confiman ques ‘ierneas no season a signiiczcion estate 2) El iesgoelatio estimado significa que la ncdenca de emotaga- traranea 8 un 3% super en e grupo tatado con antcoogulantes 3). eso relat estimad sgntica ue ese un alt proporcn supe: 2135) de paces ata con anucoagulantes oles que presentaron hemoragia incre 4) FL nexgo rao estado significa que la icidencia de hererraola Intraranel entre ls pacientes atados con ancoaguantes aes ha sido res veces superior a de os tratados con antigregantesplaqueta 10 ena re 2 » ab NoFR c 4 cod TOTAL ave bed sabres Tabla 4. ciclo dels OF oR = 4.3. Raz6n de prevalencia La razéin de prevalecencia es la medida de asociacion de fos estuog transvesales, Su interpretacién e similar a la del riesgo reatvo, es de ie el simero de veces mas que padecen la enfermedad os expuesty Frente a los no expuestes. p= __fnfermos expuesox Fnfemos no expuestos Casos cl ees SAN) Para determina sila ingest total de auido reduce el esgo de padecor ‘chncer de vlign urna, studi durante 10 aos I frecuencia de este “ince nun grupo de 47.909 hombres que nol enananici de estudio De todos ellos habla obtnid informacén sobre el consume de quidos, 1 se compar la frecuencia de enfermedad segn el volamen de quis Consumes, agrupado por quintiles. Etre ls resultados, destacaba quo Ia Ingest toa deiguidor asc cone cancer de velga, de formaque para ‘fun superior (ingestion > 2.591 ml de guides per da) se calelé un ego relative de 051 (iterate de confanza a 95%0,323 0,80) al comps- rarlocon quit infer [<1.290 ml por). efile respuesta correcta: 1) Loseutoreshanislza un estudlo de sony contol 2), valor dep obtenido a partir del estadistico de Ia comparacién de las reese frecuencla de cnce ce vega env es dos grupos de Ingest fades debe sermayor de 0.05. 2). Soh detecado un menor fesgo de padecer cnc de eign ens peso esque conaumion mayor volumen de quis po a 4) Crintervlo de confines noe ds una idea delgado do pred estes el estud, de forma que cuanto misao mens errr alate, reaEstadistica y epidemiologia snd los est go rclatvo, es des dad os expueson : lesgo de padecer ecaenda de este Inco detestudo, samo de auido, amen de auido destacaba que la lefrma que pare a scale un reas en ls peso- recs entadsticn x lato,MEDIDAS DE IMPACTO O DEL EFECTO LNT sempre se pregunta de Is misma forms: ‘o cudntes pacientes Se debeia watar para conseguir tineventr" INTs tao mor clnormenase. “a, La RR y a RAR sven para cuanter I eevanca dina de uno medida erapéutc, Su clulo 50 realea tego sr et NNT, a mediante una resta de incidencias. EIRAylaFAEcuamtiicancudnte dels enfermedad ze debe aun actor de riesgo, en grupo da suets expuestos pal adcho factor. 5.1. Diferencia de incidencias 0 riesgo atribuible (RA) {Es una med qu informa sobre el exceso de riesgo ens indvdos expuesos rentals no expuestes al iator ‘deesg. Indica la incidencia acumulac en el grupo de expuestos que se debe excasivamenteal facto de esp. Represent el descens ene mero de casos mievos ete ls expestos si se evita ol FR Bambee 5.2. Fracci6n atribuible en expuestos (FAE) 0 fraccién etiolégica del riesgo La fraccién atibutible en expuestes es Ia proporcién de la enfermedad que se debe a la exposicin; es decir, ln proporcién de casos nuevos de enfermedad, entre los expuestos, que se evitara si se eliminase fl factor de riesgo. Por tanto, estas dos medidas son muy importantes a la hora de evaluar, en términos de salud pablica, cudl puede ser el impacto con determinadas medidas, calular los costes y determinar prioridades, 35.3. Reduccién absoluta del riesgo (RAR) Cuando se evaia una medida preventva, como un factor protector 0 el resullado de un férmaco fentea placebo en un ensayo clinica, el e- mefcio de dicha medida se cuantifia como una reducci6n del ine de enfermos nuevos. Este concepto ests representado por la reduc absolut del esgo (RAR) 5.4, Reduccién relativa del riesgo (RRR) De nuevo se emplea para calcular el beneicio de una medida pre ESET 05 - Mecicias de impacto o del efecto nese caso se expresa com porcentaje de casos evitads por haber sido expuests a dicho factor protector: 5.5. Numero de sujetos necesario para tratar ‘A pane de los pardmettos anteriores, puede calcularse el nimero de) ‘jetos que deberian exponerse al factor prevent o terapéutico para conseguiruna curacién. 10 nurs 100 lone Casos clinicos representativos _Enun ensayo clinic controlae, sleaterizadoyenmascarados dobe ego ‘en pacientes con hipertnsin arterial, se comparé el rego de aparcion ‘de ecidente vascular cerebral (AVC) en un grape tratado con clrtatidona ‘yenotto atadoconplacsbe. Als cnco aos ene grupo tratado con lo- {atdone,al compari on grupo placebo, se constatéunareduecindel esgo de AVC det Mo, unareducl6nrelatva del isgo del 34% un ‘ies relative de 066. Suponiendo que estos datos se pudevon etrapolar ‘nla prtica habitual a. custospacinte y durante cso tempo debe- Flames trata con cortalidona para ovitar un AVC “4 1) AsDpacentes durante una 2) A4pacentes durante cnc ns 3) ASOpscentes duane cinco aos. 49, AM padentes durante cinco aos. fea Eiear) Shoat denn SuinoeEstadistica y epidemiologia TIPOS DE ESTUDIOS EPIDEMIOLOGICOS Aspectos esenciales Los extusosexprimentles sn quotes on los que nestigaor forma pare "ethat del esd al asian de esto Ls aleatorancon de lamuestoes ta condo ndspansabe. Los ext obsrvacionas son agus en os que el nvesigador eka observer alos sues enermossanos (ert csory controls wsuetosexpuestorneexpustoscohrts}oacbservarcusnos sues estan eners fenuna comunidad (wars, Lo etsor ce chores fon pospecvos porque se empieza part dl factor de riesgo (FA hacia enfermesad Es ecg ave tempo 0, nade presenta el evento al de eu Son los meres etiios de ete los servants por veifcar causal La media dasolacidn es FR Los estudlos ce caoe controler on etrorpactvos pore la selecion de paints se hace en frcion de sastin tnfernr on enfermedad hale neste etude lempo 09a hay sues patadores del evento fia de est ‘Go.Sonlos mejores ps enfresaaeysrncplimtacin er neat aids poate para cometer ‘Segos Le medi de asoccone5 OR Les studios transversal 6 prevaloncla se caactrizan pra ausanca de saguimisno. En estos estado slo's ve" ‘losses una Unica ver Lamesa de feevenla ce entered ela preven e el niimero de eraputico para [panes ques mien 6.1, Estudios descriptivos Los objetivos de los estos descriptivos son los siguientes: + Descrbir las caracorsticasy la frecuencia de un problema de salud, en funcién de ls caractristicas de la persona (edad, sexo, estado civil.) del lugar Gea geogrstica..) del tiempo de aparcion del problema y su tendencia, Serie de base para estudios analiticos Los tpos de extudios descriptivos son los que se cian a continuacie: ‘Series de casos clnicos desriben las caractersticas de un grupo de enferms. Son estudis longtuinales {ya que contienen informacién adit alo largo del tiempo. Su peincipal venaja es que permiten generar ruc hipStesis, ventas que el mayor inconveniente es que no presentan grupo conto, por lo que cual ‘uier FR puede ser un hallazgo casual Estuios ecoldgicos los conglometados pueden estar consituidos por grupos poblacionales, comunidades, regiones,o paises, La caracteritica principal de este tip de estdios es que se cuenta con informacion sobre la exposicin oe! evento para el conglomerada en su totale, desconacigndose la informacién a nivel in «dividual para cada uno de los miembros del grupo, San estudos en los que la unidad de andliss son grupos de indivicuos, no individu (pore: clases de una escuela, cludes, regione Som tiles cuando no se pueden hacer mediciones de exposicién individuales(contaminacin del ar, rui- dos, et.) En este tipo de estudios es comin asigna la misma exposicién (exposicién promedio) a todo el conglomerado, no considerando la varacién individual de cada mvembro dle! mismo. Igual sucede con Ia mediciin del evento; dado que sé se cuenta con el numero de eventos regisrados para ef conglomea, no es posible discemi los eventos que se prosentaron en los sujelos expuestos de fs que ocurteron en los ro expuestos, por lo que es frecuent aribuir la otalidad de eventos ala exposiciin promesto quesereysr6 «nel interior del conglomerado, tos estucis ecldgicos permiten esucarsrandes grupos poblacionales en poco tiempo y can an cose relat ‘samente muy bajo ya que, en general, lizan estadistieasexstentes recolectadas con otros fines. Sin embargo, dado que son uno de Ios peores estos en a escala de eauslidad, eben ser consieradosGnicament para suger ipotesis, que tenden necesriamente que ser verficadas mediante ors estos mis igurosos de base individual, ealizados posteriorment, 15 oea 06 -Tipos de estudios epidemiolégicos ‘Ventajas:pouitoncescribir diferencias en polaciones que haben de ser estudadas con mis dsalleposterioete. Limitaciones: los dats son promedis de poblaciones. Se usan| medidas aproximadas de exposiciin (impuestos por aleobol, ventas de caetils de cigars.) y de enfermedad imoralidad fen vez de incidencia..), 1o que limita el valor de los hallazgs. Los principales problemas de ete tipo de estudios son que se igora la varabilid individual de los integrates de los congo: -merados que no es posible corre por dierencias en otras va tiables que pusioran estar también asociadas con la expasicién yet evento en estudio + Estudios transversales o de prevalencia: son estuios descriptivos Y tansversales, ya que analizan Ia relacion entre una enfermedad y algunas variables en un momento concrete de! tiempo. Buscan ha Har una posible relacién entre un FR y una enfermedad, que luego habe de sor verificada poe estuis analiticos. ~ Caractristicas: es de “corte o transversal, ya que enfermedad y hace sobre ls lad y la eficaci aleatorizada de cientes con Vik cia de una me. is caros que los « ividuos. Las prin ampafa de acu « tque no hay asi: + ies sda de ls ens srada en una co ola frecuencia de Féamaco (0 med ompaa cl resulta * ués tienen la ver inconveniente ls resultados son * o antes y dos and as es carcpata ientes no disp a mics) yal oto (que adems son dislipémicos), IECA mas estatnas ‘Navi na hay asignacinaleatorizada, sino que la inclusién en uno W ‘io grupn de estudio se ha hecho tomando como base los factres dfeesgo que presentan los pacientes Estudios analiticos observacionales Lostijosdestdosanaltico observacionales son los que seentmeran Estudios de cohorts (Figura 1) Partiendo de un grupo de individuos expuestos al factor de riesgo {coharle expuesta), y de otto conjunto comparable en todo pero ‘uyos individuos no estin expuestos al FR (eohorte no expuesta, ‘Se estudia la incideneia de la enfermedad en ambas cohores. Por tjemplo, se sigue a un grupo de fumadoresy a otro de no fumado- esa lo largo del tiempo, obseevando el némero de casos nuevos de cancer de pulmén que aparecen en cada grupo de pacientes. Caracterstias: Son estudos longitudinales, de seguimient, Fs prospectivo (excepto en los estudios de cohortes histér- «as. Va de la causa al efecto (enfermedad) Ventajas sel mejor estudio para comprobar hipdtess previa de causal «dad cuando, por razoneséticas, noes posible realizar un estudio experimental [sel mejor para el estado de a “muitefetividad del factor de riesgo todos los efectos del actor de riesgo) La posblidad de sesgos es baja Sirve para el estudio de expesicionesraas Inconvenientes: ‘No es buena para estuto de enfermedades ras ‘Noes adecuado para el estudio de enfermedades de largo pero td de ineubacisn, £1 caste es alto, No sirve para el estudio de la “multicausalidad de la enter edad Es difclmente reproducible. Analisis de las medidas de la enfermedad: los estudios de cohores son los que permiten saber cule la incidencia de la enfermedad, Las me: Aids que se obtienen sn Ricsgo relator es la medida de la fuerza dela asociacién. + Diferencia de incidencias o riesgo atribuible: informa sobre el ex ce de riesgo de enters Fraccin atribuible: estima la proporciéin dela enfermedad entre los lexpuestos que es debidaal factor de riesgo. Estadistica y epidemioiogia + trees Figura. radio de cohorts studios de cohortes historias (retrospectivas) LH investigador identifica, mediante eegistos, una cohorte expuesta en cl pasado aun factor de riesgo, y otra cohore no expuesa, Medlante dichos registas (pore. historias clinica) sigue la evolucion de ambas ‘cohorts, comparando los resultados. Por ejemplo, se selecciona una mucsra de 100 historia cinicas de un hospital ques lve en ds grupos en funcin del antecednte de aba ‘quismo ono. Se observa en cada grupo la frecuencia de cncer de larnge Estudio de casos-controles (Fgura 2) Partiendo de un grupo de individuos enfermos (casos, y de oto com. parable ellos en tado, pero que no tienen la enfermedad (controle, se eatudia [a exposiién, en ambos a dstintos factores de riesgo. Por ‘\jemplo, se comparan los factores de riesgo los que ha estado expues- to un grupo de pacientes con encer de pancreas frente a los faces Fos que ha estado un grupo de individuos sans. Caractritias = Esun estudio longitudinal. Es retrospectivo, ~ Va del efecto (enfermedad) ala causa. + Ventajas: ede cotta duraci, ~ Es deal para el estulo de enfermedades raras. sel mejor para el estudio de enfermedades de largo periodo ce Indueciso, El coste es bajo, sel mis adecuado para el estudio dela muiticausalided de la enfermedad (ls pesbles factores de riesgo de una determinads| enfermedad) Es el mejor para formular nuevas hipotessetiolgcas + Inconvenientes: 'No es bueno para comprobarhipotesisprevias de causaldad, Nopermite el estuto dela “maltefctvidd del factor de riesgo’ La posibilidad de sesgos es muy aka, su conto fl Anilss de las medidas de la enfermedad: en los estos de casos ‘contol no es posse obtener informacién sobre Ia inedencia de la ‘eniermeelad, ya que se pare de una poblacion seleccionada. Tampoco ‘se tene informacién acerca dela prevalenca,ya que el niimeto de pax ‘lentes slo depende de los queseeljan. Debi a ello, la forza de la ”ATMEL 06 - "pos ve estudios epidemioldgicos asociacion no se pucde calcula diectamente, como en el estuco de ‘caletes, sno de forma intecta mediante a od rato. | Figura 2. sco caer contler En a Tabla 5 se exponen las diferencias fundamentales enre los dos tips de estudio analticos observaionals. ‘compararon con madres de telénnacios sanos en cuanto alos anece- ‘ntes de toma de benzodacepinas. cual e tipo de dseho de estutlo cempleador 1 Cassy conto 2) std de cohore. 3) Ensayo cnc alecrzad, 4) rd esagin fet nas te Definida Poblacion en eg0 Gilodeloincenca | st srerctnainaa [i [tw a on aestudiar “ Exposiciones amas } Mag ti j se uni io Evidence 26 en 1949 para identifica factores, ‘enel que de entre 10.000 personas que vivian e comprendidas entre los 30 os 59 aos, sselecconé una muestra repre- ‘sentative de ambos sexo, reexamindndose cada dos aos en busca de se- false enfermedad coronaria? 1) Ensayocico. “ 2) Esudlodecohortes 3) Exudlodeprevalerc 4) estudio decasosyconvotes nz ge ety A study without manipultin in the man variable, that starts with poe swithout sense sat ‘i 1) perimental study = 2) Calpine ud. 18 +) Cohoresady, Hiolipt) Hey thew 4) ceseconal study. conrectanswer3hl mm() / “VALIDEZ Y FIABILIDAD DE LOS ESTUDIOS _EPIDEMIOLOGICOS Ds eleareseesccaretelo (rr acest ers ruts ola on in fia de prec satan valerie canaumrantaumie ounce: : xtra eins {BI Loseroressitensics sss ose deen fc avalide enon scorgen erence cnt aaa Mee ee [B_tosssos de elecin eden hecho dla a a muna dl et be oreo conte hosp *2ctetoalpr aan epos css erste sada cept nn Deny or eae Seer Los eores de cosfiacion se deben a un err a nla ls pacientes en ls eiferantes grupos de estudia ya sea ntativos pore cs anes one bo atti ef rr de esse lege de rao e pra ean 3 Pe ereeercaeente inna {Bl trxenyos cinco sep cnt sno cexia mada reid enmaxaanin Tale tyler demlce pore dase. andacla {Bl sess de contin debe a exten den cor coving tecnico que aa ‘Guinean nes er po eee Sled yu ve done cloner on est ben busca de se- perteaes } {Shans de conn se concn xan anak lenin prams retin, ni matntey tratoeethrda e Cuando se realiza un estudio de investigacién clinica, casi munca 50 trbsja con oblacones completa. Lo {ques hoe es patondo de cbseracones elas an un gro redcido de persona (amas moc} Eeerazro exrapolr ls resultados eros a colectivos mis ampli €l hecho de que no se wabaje con Poblacines complet sno con muesa, puede intoducr nls obtvacioneeeores pois por 23, ts ques sama cores aleatron isten adoms otc pos de eres o relatnadon con el hecho de Bt ih letersi herbi 7.1. Tipos de error Los tpos de error son los siguientes + Error aleatorio cs cl ero que puede aribuirse a la variabilidad aleatoria que conlleva siempre un proceso de muestreo. El azar hace que la muestra con la que se va a a trabajar no sea representativa, El error aleatorio no afecta a la validez intoma de un estudio, pero reduce la posibilidad de elaborar conclusiones sobre larelacién expeosicién-enfermedad, aunque no alter el sentido de a asaciacién. Los cerrores aleatoris, a diferencia do ls e1oressistemsticos, se pueden minimizar aumentando el tama de la mucsta + Errore sistemticos o sesgos son los crores producidos cuando hay un fallo en el dseio a en la jee del estudio que hace que los resultados de la muestia sean diferentes de la poblacidn de la que proceden. No se relacionan con el tamafo de la muestra y, cuando no se controlan, tendon a ivalidar las Con- diciones de un estudio; es decir, la exstencia de sesgos conduce a la elaboraciéa de conclusiones ROM a i Serre ae os sexgosacontacenhabtusimente en | incorrectas sobre la rela enlwe una exposicion los ests de casas convolasetospectvos yuna enfermedad|| AATTSEPASNN 07 -Valicier y iabilidad de los estudios epidernilgicos Tipos de errores sistematicos Sesgo de sleccién Se produce cuando se asignan sujetos al grupo contol que clifie- ren significavamente, en alguna caracterstca clave, del grupo problema. Este tipo do sesgas se puede controlar mediante un pro cceso de aleatorizacién en la constitucién de los distintos grupos de estudio, S0n ejemplos de este tipo de sesgo los siguientes: + Sesgo de autoselecciéno del voluntato: Ia participacn autode- Fivaciin del individvo al estudio compromete su validez + Sesyo diagnéstico 0 sesgo de Berkson: es cl que so-produce ‘cuando, para saber qué ocurre en la poblacién, se elige una muestra hospitalaria de esa poblacién y el factor de riesgo que se esti estudiando se asocia a una mayor probabilidad de hos- pitalizacin. También se incluye en este tipo de sosgo aquel que pode surgir al seleccionar como contol a pacientes con alg na enfermedad que también se asocia al factor de exposicién cestudiado, Sesgo del obrero san: la alc del abajo enferma del mereada lnboral compromet la validez del estudio. Falacia de Neyman: se produce en los estudios de casos-contoles al seleccionar casos prevalentes (ya existentes) en vez de casos in identes (casos nuevos). Eto conlleva queen ls casos sea menos ‘recuente la exposicin a aquellos FR que disminuyen la supervi- ‘veri esto e, ls casos representarian a indivicios con rasgo de mayor resistencia ala enfermedad 0 formas menos graves de Por ejemplo: se quiere estudiar sila actividad fica tiene algdin eee to sobre la frecuencia de la insficencia coronaria. Se compara a personas con actividad y a personas sedentaras. Un sesgo de selee- in seria cuando la inaetvidad de los sedemaros fuese a conse- ‘euencia de padecer la enfermedad cardiaca ‘Sesgo de informacién iene lugar cuando hay un ectorsistemtco en la mesicién de algu- na variable clave del estudio, La clasificacin incorrecta puede 0 90 afectar de igual manera a todos los grupos de estudio. Los sesgos deo Informacién debidos al investgador oa ls participantes en el estucio ‘se controlan mediante téenicas de enmascaramien\o Clasficacién incorrecta diferencial: la probabilidad de clasiica cin entnea de la exposicion (en un estudio de easos-contoles) afecta de forma desigual a sanos yenfermoso la casficacin de en fermo o no enfermo (en un estudio de cohorts) se hace de manera lstnta, seginse estéo no expuesto al factor de estudio, Este tipo de Sesgo produce una subestimacién 0 sobreestimacién del efecto de factor de expesicion en Ia enfermedad. Dentro de este grupo cabe sestacar: = Sesgo de memoria: se produce en los estudios de casos-con twoles. El hecho de padecer la enfermedad hace que se esté sis motivado para recordar posbles antecedents de expos ci, Seago de atencién o efecto Hawthome: los participantes en un estudio pueden modificar su comportamientos saben que extn slendo observados, + Clasifieacién incorrecta no diferencia: la probsbilidad de clasfica idm errénea ocuree en tad os grupos de estudio de foxma silat. 20 El errr de clasficacién no diferencial acasiona una infaestimacig thace que la medida de asociacién tienda a1) del elect del fact, de exposicién estutiado en la enfermedad Por ejemplo: se quiere estudiar el efecto del tabaco sobre | aparicién de bronauitis crénica, compardndase a un grupo 4” fumadores y a otto de no fumadores. Exste la posibilidad q ‘que los fumadores sean diagnosticados mas fécilmente de bron {quits erénica que los no fumadores, simplemente por el Rec ‘de que fumar se considera que esti asociado a esta patolog) (abla 6) Simca Ineoegible | Impredecle | NO ‘ amefie mucsval Exile por tonto Segoe cauteatn Prdecbie | gy Factor de contin Prevenién ‘ewoiacion yeonvol fowtewnieno Porepidemiotogia Festecion Etienin Ps mua “hb pos deer Factor de confusion (confounding) Un factor de confusin es una variable extaiaal estudio que modi os resultados que se abtienen, Todo factor de confusién debe cumpl tres condiciones: + Ser un factor de riesgo pa la enfermedad + Estar asociado con la exposicion, + Noe un paso intermedio ene la exposicin y la enfermedad. fara preven los segos de confi, extn distin nics + "Fase de ef: letorizactn estas experiments, apareamil toy reictin + Fase de ana estas: ans eaten se vin os to bales en ds grupos sen I presen 0 0 del actor € contusion] y anslisis multivarante, | jemplo: se desea saber s existe relacién entre el aleahol ye efncee€ pulmén, La OR eruda es de 24 ‘Se sospecha que el tabaco pucde actuar como factor de confusién. ‘stattcar, se oaserva lo siguiente: ‘OR crud: 24, + ORen fumadores: 15. (OR en no farmadores 15. EH tabaco es un factor de confusién, puesto que el valor de la OR sel ‘meclficado en los esratos (de 2, 1,5), La veedadera OR entre aleoe ¥ cancer de pulmén es de 1,5 ; | 7.2. sedetinen cuond dali Valid sulla los de Fabia el gradod estudio ddoertor 4 17.3. V4 Para conoced ios com los siondbe El Jacionan con La prueba o “comunidad ¢ nun eta esta deal de tabaco sari de condor 1) Unt 2) Unse 3) Unset 4) Unse En un esta eae como de to de fr 1 Sei 2 Ses esna infraestimacy efecto del 7,2. Nalidez y fiabilidad ce a un BrUpo @)” gad de ausencia de err sistemitico, También recibe el no iImente de broy ente por el heck ) a esta patolog. Fiabildad es el prada de reprductbilidad de un esto, es decir, {grado desimilitud que presentaran los resultados ise reptise el ‘eco en condiciones similares, Es decir, es el grad de ausencia manorial | deesoraleatrio, wigodnsucesn 7.3. Validez de un test diagndstico esoracon eo de casein amoxil p cxncer un pbs dagnica © tse compen ss et sco afi ols dea pha i aca como pan de lr (gold serena pod en el qu secs do ap evalua se coe Ste” jo on es defense enomne vader deri ge tiismatvoran | uci de referencia debe habe sido aceptads como tl por la ‘comunidad eientfica, se ha de apicara toda la serie de casos estu- tudo que mode isin debe cum En etudlo de casos y controle se enconteé una asecacén etre la in- ‘gests deaechol yl dessrollo de ince exotica Ded que el consumo de aac seenconté azacado tanto ala ngesta de alcohol come a de- ‘role de cénce de e6fago consume de tabaco en este stu debe Ineniermedad. considers come: nals), apareamie) 1 Un factor (se90) de cons 2) Unsesgodeiniormacn. 3) Unsesgo dememoria (se dividen los dh Unsesge de flaca eolica ‘no del factor & Fe hol yl cdncord nun estudio de cass controls 20 ertudia la rolacin ante cncer do ‘avidad bucal efecto} y consumo de bebidas alechélias (expos). {imo define el Fendmeno que puede producirel hecho de qua cl hi- ‘to de fumar se azocie ala aparcién de chncer bucal y también un ‘mayor consumo de bebidas acohélcas? or de confusién. 4 1 Sesqodeinfrmacion 2) sesgo por factor de confusion falor dela OR se) ‘OR entre alc Estadistica y epidemiologia diados y no puede incomporarinformacién procedente de Ia prucbsa ‘que eval, valor real de la prueba s6lo pode ser establecido se estudio se lleva a cabo en condiciones semejantes a la prcticaelfniea habitual {6 decir, incorporando un amplio espectro de pacientes a los que en ‘condiciones normales se les aplicaria dicho procedimiento diagnés- ico i + z oa : ° + * * * Z* > oy a "a e* Preis faba VALIDEZ ‘Gro de ssenda de sagoe Figura Valery abn Casos clinicos representativos 3) Uneroraesor. 4) Seago deobseracn ‘Sponge quan letra de un ensayo cinco cya variable principal de respuesta sa mortalldad a cinco af, observa usted que ls pacentes de ‘un grupo tonan una med de edadalinil del watamlento de 68 aos ylos dol otro de 52 aos, no slr etadstiament sigifiativas ests eferen- ‘da, Cho ree que poi afectarestehecho alos resultados del ensayo? 1). eninguna forms, ya quel feercsincales en a exdsedeben acs, 2) malted, yequelosrupse denen ile nznopronétca, 3) ald lest, ye que signin quelaasignacin al azar dos panes aos ups aleatoriacsn noha produ grupos ntnente homoge ‘eos, por tata ha so ncorrecta. 4), Hara neetro titan alguna térica etal que permite compara a rmotadad entre grupos telondoen cuenta ls poses deena nt ‘sloven is aracterteas basis. fea 2Estadistic ay, spidemicl oe 2 ausem 08 ENSAYO CLINICO IG lees objets da) del ny clinica a ceterminr ls propiedad armacosnamicas dl mac ascomo lado tena demir. numa false establecela dove de tirmsco, Lajos ise ceracerzs pores compara ls aaca de ot armaco conde queve ets investiganda Tas esate, tltamacoseinroduce en elmerado, fae Vo a fe de a fmacovilanl En et as 0 ets pan de efectos secu ines La notin ena practin cc do ptble evs everson se ela eda ata ai Lacoreca ecu en en ensayo cinco 1 Wepacentercumpen bs ctv deinduiny acs, 21. Firman sleosentmente formas Gabends ave psblemente ean plasba sure dor atiertos e 4). Seanasgnador uno ota grupo delsevencon (eerenretermednte sett) Unaspco important manera pds que produce nun ensayo cco meres tenes revistasa po St inane poculcen sein conenente rebar nav etc etme appl. sn embargo, notodas asp tissectn delgual nares a EC Sis pare se rodocen anes degra cel factor eesti no necesramento ‘vestcad valde misma al conta qued se prodice despa etal asgacn. or Cee denen 1.” Pragsteos sta heterogéncayexpcatvosimuesta omegénea) 2 indo oom isos taro conan pe elroy pia adn np det ‘rent tora un on arse 3, Porinenlon deo odes sujetor nds en lest son anatzads) por protect lose analiza os ve falean el esta). 44. Betamere predeterminado (se conacen eri el amate dba mu ovine alestizhoproresivamentl 5 Besupondad interest demon ous un hrmaco emo ov) de nveoidad( supone na eats ‘iro vent del nue nace at mst tne ne aamrsracon mist.) 6. mascaados ean rekzad ecias de lego psa evo 53908 ¢ alos no enmisaraes. fs) secuanciles os paconte van nce 8.1. Introduccién Un ensayo clinio es un experimenta cuidadosa y éicamente diseiado com el fin de dar respuesta a pregun tas que tenen que ver con la utlidad de pracedimentos diagnésticos,letapéuticos y profiicticos en el ser humane, os ensyos clinicos son estos prespectvasy experimentales en los que, una ver selectionaa la musta, se vide aleatriamente en dos grupos de prondstico comparable que idealmente slo se dterencian en la intesvencion terapéatca que van a rec. Teniendo en cuenta los objetivos perseguidos en el desarcollo de un medicamento, se distinguen cuatro fase ‘say en fase esa primera vez que un facose acini a haranos.Generalmente, erealiza con volntarios sans n= 20-90 y sin pup conto. Sueken ser EC abies, no aleatorizaos y, muchas veces, ro comparative. Et principal objetivo es evalu la onicdad y conocer a dos nica acepable no txica. Se limita a een exper- rental yo sus efectos farmacocnticos y frmacodiinicos, Ensayo en fase Hel principal objetivo es aportar infarmacién sobee la relacién dosivespuesta,proporcio: nando una informacién preliminar acerca de la eficaia. Se lleva a cabo en pacientes n= 100-200). No hecesaiamente tienen que ser comparativos. Generalmente, ese tipo de EC es controlado y con asigna 23| SED 05 3290 Linico én aleatoria del tratamiento, Algunas clasificacionesdistinguen su vez una fase la (estudio piloto realizado en pocos pacientes ‘on esiterios de inclusinlexclusién mas estictos) y una fase Ib (que eval la eficaciay la seguridad en un mayor niimero de pa cients y representa una demostracién més rigutosa de la eficacia del nueva compuesto). + Ensayo en fase IIL: es el prototipo del ensayo clinico. Suele ser comparativo con la terapéutica de referencia 0 con un placebo, Ela investigacién elinica mas extensa yrigurosa sobre un trata rmlento médico. Sirve para establecer la eficacia de un nuevo fr ‘maco y la existoncia de efectos adverss frecuentes. Un paciente debe conocer que probablemente ha recibido placebo, pero no 5i lo ha tecibido con certeza o no. Lo ideal es comparar frente al mejor tratamiento, a la mejor alternativa existente. Se realiza fen un grupo mayor de pacientes (varias decenas de miles), se- leccionados con unos criterias de inclusién/exelusién mis laxos, {que normalmente se encuentran polimedicadas y que permitan hacer una exrapolacn de los resultados al resto de la pobla- cién (validez externa). Es posible, a su vez, distinguir las fases Ila y IMB, La primera incluye EC que se llevan a cabo una ver determinada la eficacia terapéutica, pero antes de ser enviada a las Autoridades Reguladora la soicitud de aplicacién del nuevo ‘compuesto, y consttuyen la evidencia de efectividad terapéutica {que se exige para la tramitacin del expediente del nuevo com puesto. Con frecuencia son considerades como pivotal trials. La segunda comprende estudios que se realizan una vez aceptada Ia tramitacion y antes de la aprobacién y comercializacién del nuevo compuesto. Ensayo en fase 1V: también se denomina farmacovigilancia, y cconsiste en el seguimiento, posterior a la comercalizacion do {irmaco, de un numero muy elevado de pacientes con el fin de detoctar efectos adversos poco recuentes 0 de aparicin tarda, La fase tV también sive para evalua interacciones entee medica menos y sugerir nuevas indicaciones de firmacas ya aceptados para otro fin, Asi, la farmacovigilancia es la recogida de datos sobre seguridad de femacos una vez que se autoriza su comercilizacién. Su objetivo es detect reaceiones adversas poco frecuentes que no an sido identi cada durante el desarollo del ensayo, dad que este se ha realizado {en una poblacié limitada (generalmente n< 2.000) En general, se acepta cualquier eaccién adversa, Sin embargo, las de ‘mayor interés son las Feacciones adversas graves, inesperadas © raras ¥ aguellas de firmacos de comercializacién reciente (menos de tres aos). 8.2. Etapas en la realizacién de un ensayo clinico ‘A contain se desollan los pasos a seguir para la realizacin de un ‘ensayo clinica en fae Il condos grupos de interven, Seleccién de la cohorte de estudio Consisteen la eleccidn de un grupo de sujetosadecusdos para la eva Iuscin del medicamento, de los cuales se erapolarin los resultados del ensayo clinica. Mediante a formulacién de ls cfiteios de inc fin eileen lt cece eniony sisocmnos aera los pacientes en os que se emplearé el rmaco. Los eitros de @) lusin se wsan para rechazat a aquellos pacientes con eters deig) SS ‘lusin pera que presentan alguna containdiacién, condiciones qu les ueden afeca a la variable resultado o alguna caractrisica que hag, a complica esti + Alat En fncin de os erierios de inlsin, se puede vir los Cen dy On ‘andes grupos: fe tos EC pragmstcas: se acerca lo ms posible ala poblacion general. Le criterios de inclusin son muy laxos (précticamente fs tnicos los diagnésticos) C eapliatvs: es resis de inclusia son muy eres, por lo que | muestra noes exacamente igual al poblacin general | Silos criterias de inclusin son muy estictos, el EC presenta una muy tra mis homogénen y se necesita menor tamano muestra para dot tar las diferencias. Adem, hay mayor validez interna. Sin embargg texite una clara imitacin ala hora de generalizar ls resultados y reclutara ls pacientes. Se uilizan, sobre todo, en las fases iy I ‘cambio, evanda no son estrctos, el eclutamiento se vera failitado, dein generalizar ls resultados con mayor faclidad y tens may ‘olidez externa. Sin embargo, la mucsta sori heterogéne, por lo Qa Se nocesta un mayor tamafio muestal y los resultados son confuse Si s6lo es eficaz en subgrupos de pacientes, Se emplean en las fase ny. Fama Envi ops, también Hay que deeriar el taraio mucstal Esto En genera dk ser ufc para obey un IC de 95% dea efcacla cuyos its efor sean cliicament elevate, fevreducl inatemaig trata inasignad te que au ¥ Is per La mein de variables basles conte en determinar una serie seven ‘arabes en ls sietos que cumple lo rterios de incsin y os pace hon acetadopatiiar en el eto (consentinentoifoemado, crsecvencia Peder rope ic +” asin earacteritcas de plac ala que pode extapotad de se estado del ensayo cine i deal ‘porter una serie do dts cu pein oseronment vera leatriza la aleatorizacién ha sido eficaz y hacer el anilisis estratiticado (pase lleva a ‘ejemplo: por edad), en caso de diferencias entre los dos grupos. mente, op Demos que lever rest, cna frecuencia se pretend ari bran wine rmaco estado, noes preset a comenzo delete Resistor pres redcores el event inte, demo uc uc val su ineractn com erro esd ia alentorizacin #AHTCA loss homoaineaert ens dso gps deeie Medici6n de variables basales Fs importa pes ce eu vencisn, Aleatorizacién five lam La aleatorizacién conse en asignar por azar, sin que inlay ningSP8MO mo factor ls pacientes de la muesta alos dor propos de itenercin d&2ramient ‘mock que, i el tamaro muestra es sufcientemente grande, se coasigt Simple tna dsrbucién homeénea de as variables preictras en ambos gr, a pos Se puedo vetrar de te oma leone + Doble ci ‘Aleatorizacin simple: cada pacientetene la misma probabiida, ‘tad de ser asgnado a cualquiera des gropos de vatamiento. Con eit Tile cl modo, existe riesgo de desigualdad numérica ene grupos. be el xtr ftevios incl, denogiticas + eiteios de nvctterios dein, condiciones que eristica que hag, Alestoriacién por bloques: se establecen bloques de aleatorza ‘in, de modo que en cada uno de ellos ta ata de los pacientes teciba el tatomionto experimental y Ia of mitad, el contol. Com tee tio de aleatorzacién se evita la desigualdad numézica ene fos distintos grupos, por lo que es expecialen rnaio mestal na es muy grand, «+ Aleatorizacin estraifieada fos pacientes son divides en gros pos (states) homogéncos respecto a alguna variable de interés pronésico y posteiormente soa asignadosaleatoriamente ti ls dos grupos de intervenciin (Figura 4}. il cuando elt dir os £C on doe cin general. Lay te los dniens 501, ios, polo quel, | f etal para detec, | na, Sin embaugs, ys tesultaos yk | fees iy vers aciiodo, diy ton’ mayo 9 0° TO i | dos son confuse, ean 60 pon sada esl ste En goer a aleotoiactin debe conseguir signa ls tatamien aca cays lini ts de ona desonocid ompredetle iene quer Un proceso repedacble y esr documenta, ha de basarse en prepress Items conockas, no debe sor pei Ta sacveel des | morons, lc, de er pose detec tos alos de “te que qulen decide la Inclston de los pacientes en el ensayo } h pesona que leva a cabo I sleatoreacion desconozen sar ua ser Sacuencin de leatorizacion has que se apque a exda uno de icin ye ls pets rettades. En eso me hacese oculneién de a orm co ens de sletoracion, este tn posiidne de select incectament a es sts del ensayo perder Is corpora pote expo dade Tos de rapes de tatamien'. a ecacin de Ta seca in lentoraacn se puede consume un ser Se sracioncontatizaca en in lage isto 424 en St ates lina» eo el ensayo mediate ses numero sostenc sos rupee epacs y acraos, ue contngan ol atone y ae sha “sprain 2 atan oso enn del pete el E mite est ris pa dalesonacton Aplicacién de la intervenci6n sgips de esi nente weir ou “£3 importante evar que tamo investigadores como o'tos proveedo- “fos de cuidados traten do foams diferante alos dos gras ee inter _Yencidn. Para evtar este echo, llamado sesgo de cointerenci6n, y | ue Is medicign de la variable resultado pela estar sesgeda pore! je inluya ning "8M motivo, se utiliza el enmascaramiento. Los tipos de enmas de raervenién siento son ios siguientes grande, se consig.” Simple ciegor el pacionte desconace el yrupo de watamiont al que 35. en ambos cient, personal sania y evaluaor de I variable estado le desconacen, sma probabil Triple ci nie grupos, 3 adems de los anteriores, el analsia de Ws datos no ‘bio tipo de tratamiento de cada une de les grapes, Estadistica y epidemiologio Tanto lis reacciones adversas ospecificas como la falta de eficacia ¥ 10s cambios analticos especificns pueden desenmascarar un EC ‘Ota aspecto a considerar en esta fase del ensaya clinica es que siempre que exisla un tratamiento eficaz, hay que administario al ‘grupo control, asf que lo que st descrminars con el ensaya clinica seri la efcacia relativa del nuevo férmaco En caso de no exisir altemativa terapéutica previa, se medité la effcacia en términos abselutos. Anilisis de los resultados (rabia 7) En este pun se dehven tener en cuenta ls siguientes aspectos Laspéridas de sujetosincluidosen el ensayo cliico ocurichs ates deb alestorizaclin van a afectara la capacidad de gevealizacién de os resultados, mientas que las pérlidas postaleatorizacion pueden dectaa a valider interna + lanilss esadiico de los ensays clinics es muy parecide al de Tos estuos de cohortes, pero es mis recuente el uso de métodos no paraméticas y, a tener impontancia no s6lo que ocura la variable resultado, sino cused ocure, recuente el empleo de ani de sspendvencin + Comparaciones miltipies: al aumentar el nimero de compara ciones, se incremeata le posibilidad de resultados falsamente positives + Analisis de subgrupos: puede ocasionar problemas, especial mente cuando no se tiene previsto desde ol principio. Produce comparaciones miltiples, aumenta le probabilidad de resultados ‘spuriasy, por tanto, sus resultados deben intrpretase con pre Andlisis por ineneién de tral rete 2 aniss por protocol: Por protacolo: inclaye sdio a aquellos pacientes que han cumplide las requisitos del protocoto yfo han finalizado et studio. Por intencién de tata: el anlisisincluye a todos ls pacientes ‘que an sido seleccionadosy en el grupo en el que fueran asi rads, aunque no ayan finalizado el estado o ayan eambiad | se gr. Los andlisis intormedios se ralizan durante ls fases Hl y IV del estudio, Estinjusiicados para evilar que los pacientes del gruno tconol no se benefcien del tatamienta. Sin embargo, el reall Zar muchos anlissinletmedis aumentae! siesgo de cometer un tor tiga |, debe estar previsio en ef protacolo del esti, se ha de mantener Ia confidencialidad oe los resuitacos y tiene que haber una penalizacién estadistica porque, de nuevo, se exin 19- Hizando comparaciones milipes La magritud dal efecto del ratamionto wn fos ensayas clinicos se puede expresar de varias forms EH riesgo relativo:cociente cote el isgo de sufi un determina dd evento en el grupo expuerto aun dterminada tatamento y tl de sufi el mismo evento en el grape contol ino expuesto al tratamiento La reduceién absoluta del vespo (RAR: que cla iferenciaen- tee poreentae de evenios en el grupo contol y al mismo por mniaje en el grupo experimental La reduccin reativa dl riesgo (RRR: se define como la ferencia ene el porcentaje de evertos en el grupo conta! y of mismo porcenaje en et grupo experimental, vidio por el poreentaje de eventos en el grupo comal 1H ndimero necesario de pacientes atratar (NNT): que se ctiene cam of inversa de In RAR multiplicado por 100, y ese dimer 25ATEN 08620 cinco se pacintes que se deen tratarparaprevenirun sucesoindese ble adicional UZADO Cada grupo tore amos macs Sols anaizan ot que termina lesa Gear een ‘corporacion progres scene aes Prentice [implode tence cla para var e908 “a7. Catan delosensyos cos 8.3. Tipos de ensayos clinicos Los tpos de ensayoselinicos son los siguientes: Diseiio clisico 0 en pataelo: ef gyupe control recibe el trata mmiento a la vez que el grupo experimental can el fin de convo lar el efecto de factores pronésticos que pudieran cambiar a lo lag del tiempo. El andlisis de los datos consiste en comparar la liferencia en la variable resultado entre ambos grupos con la ‘ariabilidad esperable dentro de cada grupo por el mera efecto del azar. Es muy apropiacla en los casos de enfermedades agudas (Figura 5). + Diseio cruzado intrapaciente: consiste en que un mismo pacionte ‘va a recibir los ds tatamientos objeto de comparacién en dos mo _mentos dstintos, le melo que el propio pacient sive de contol as ‘mismo, lo que permite evar a cabo el esutio con un tamaio mus tral menor al del cso lisico al recur la variaildad (Figura 6 Uno de los problemas cs el efecto avy-over o de arate (ol efecto ‘de no puede inflir sabre la toma del ctr}, por la que debe haber ‘un perioda de lava entre a administacin ce ambos firmacos, 0 cent las imtervenciones terapéuticas, de modo que el primero hay sido totalmente aclarado del organism antes de administra ot se- agundo, — ston estado gua. sao cinco paralelo = ‘ipo de Fa dls nisi protocg son ei pretaci 8.4. Esti Invrenclon Interven A rg os estudlis comparacén objetivo es la = os formulaci Figwa Ensayo clnkocuzado racidn de sus En a mayorta Disefo secuencia:consisteenintioducir pares de pacientes aleata,¢ os ul de rizados 0 los dos tatamientos hasta que la eierencia ente los i dos secuencia tints tratamients favorezca a uno oto (exceso de preferencias) ‘momento en ol que el ensayo cliico se detene. Con el fin de si factorial nese tpn de dseo se evalan simulkineamen yi participa {os tratamientos cstntos en una misma muestra he sujtos Sig compara ‘indose aleatoriamene a 10s sujetos a uno de los cuatro grUPOH el ramano de posible: A,B, A+ By placebo (Tabla ). Con este dseRo es posible farmacuctnetc ‘evaluar Ia interaecién entre los dos tratamiento, aunque hay UK plexa previon asumir que entre ambos no hay interacciones. La evaluacién de do: ‘0 ms intervenciones puedg hacerse mediante un dsesio de tip 1 demestrac paralelo, iin de os pe Sin embargo, esto es posible que requiera un gran tamafo muesta| il, despa ‘sea inefciente especialmente sihay tambien interés en considera er que canta ‘combinaciones de las intervenciones disco mis apropindo en esta stuacin es de tipo factorial donde se pueden asignar de manera aleatoria dos o mis inervenciones 1 procemien forma independiente, de tal modo que los sujetes pueden no retbi nuesiras de sa ninguna intervencidn, una de ellas © eventualmente todas 1 largo del ti ‘eeminacin del 8.5, Ensé : : FE ensayo clini mento de un Aelerminada de Disefio de no-infeioridad: habitualmente los ensayos elivicas ¢efieacia 0 no de tealizan con el fin de dernsiar la superiridad de un fmaco ea respecto a ofr, Sin embargo, puede ser itil probar que dos femiComo en este ‘cos 0m al menos igualmenteeficaces, con lo cual e packs empled Con otros, por K ‘por ejemplo, el mis barato. Es decit, importa que NO sea infer! mismo paciet ‘de manera que si e® igual o superior se considera que el [im Nlempo el trata ‘co experimental “no-interioe” comparado con el grupo contro Unita experimy Se denomina equivalents teapéutico aun firmaco diferente en €ompara la ec ‘estructura quimiea det original, pero del que se espera un efec Supuesto, la sec terapéutica un peril de efectos adversos similares cuando se af€cnicas de em > Fvaluar ot “baa Ensayo cinco deseo factor minis 2.un paciente a equivalencia terapéutica ve define a paride los studios de a inferiordd, En estas estucos es importante tener en cuenta aspects: : Valor deta: cl msima ferencia elinica que se acepa para d fiir dos watamientos como equvalente, que es cinta para cal se haya enco nes, come En aquelas Findivical ef mento com oi .tio de timaco analizado, Habiualentese considera un 25.50% dolas diferencias dtectadas en estos de superior previos. ‘nls de las variables: el anilisis que suce realizarse es "pot protocolo’, Este ani permite aumentr las ierencias entre los ynienos, lo que dieulta poder concluir que dos watamientos ‘on equivalentes, manteniend la posicin mas cauta en a ine prtacin de ls resultados. : 8.4, Estudios de bioequivalencia spore ephnemdasct meg thinaren wt \eisno sla demontain de asia en dpe ad os formulaciones de un mismo principio active a partir de a compa- cn de sus caracteristicas farmacacinéieas. Enla mayors de los cates, eset de fos estos de boequvaen- pacientes aeao sl de un ensayo clnico cuzadoy con asignacinalestoia do ia entre fs go sec ra de tami ce prekrecis Con el finde educa variabiiad dela musa, se sucenelegi simulineamens para participa en el esto wauntaros ars om persigu, porta de ues, 8 fo, cmparr Ia facia de dos fon de Yatamento, depend los cuatro supe mato de a rnesta de la vara irtrndvidnl erent cisco es sbi amacocintica pra cada sujeto) que se haya obsevad em studios aunque hay ple previ calc de dr i defo de ti La demsacn de bioequivalncia se obtone meant la compara- cin de os pees famaocinios de los macs esudad. Para tama esta ll, despa ceca mula, es neces sa crs considera erg anda ce mao exe en lrg yc va vara 3 lug del emp. racial, dod interenciones dl pocrinieno mis habitual comin saben de sucess de pueden nore mucsias dente. Es cho menos ecu que sea neces a de- metedss. —_|emnacion dl aco en ona oem os muestas Hogs. Ensayo clinico de tamajio tinico “El ensayo elisica de tamafe cinco (: 1) se hasa en modifica el ta- tamionio de una enfeemedad de un paciene a lo largo de una serie eteminada de periodos de Hepa. Elfin del estudio es confirma la nsayos clncos sefcacia ono del tratamiento en uy dnico paciente Se un firmaco co} dar que dos firma|Como en este caso hay un nico paciente, no es posible compararlo se pod emplea Con otros, por lo que aq se comparan periods de tratamiento para 1 NO sea inferia’ el misma paciente. Por ejemplo, el paciente (.G. recibe durante un fra que el fem tempo el tratamiento A y luego el BFS dit, en un ensayo n: 1, la vel grupo conto Unc experimental es el period de tratamiento yn0 el paciente. Se co lferente en $\compara la efcacia del atarento A frente al B en el sear I, Por ‘espera un elec supuest, la secuencia de tratamiento puede hacerse al azar y con aes cunndo sea €Chcas de enmascaramiento, El ensayo clinica m: 1 es muy dil para Faluar el tratamiento sintomsitica en enfermedades en las que no Shaya encontado una intervencin eficaz en ensayos convencio: ales, coma par ejemplo en enfermedades raras. Fnaquellas stuacianes en las que exsta una gran varabilidad inte- “individual en la respuesta al tratamiento, camo en el caso de tala Mienio con dicumaroices. los estudios den ner en cuenta = se acep para dh s dtinta para Estadistca y epidemiotogia Tratamiento sintomstico de enfermedades con importante compo: nenie subjetivo, com por ejemplo migraias, dolores ariculares en la aos, fibromialga, Es necesario que la condicinestudiada sea crdnica, con sntomas r- patios pero reversibies y con respuesta a ratamiento evaluable pore! paciente (pore, cefalea tensional, Se evala, poe tanto, un tratamlen- to sintomético y no euratvo, Por las caracteriticas del estudio es evidente que las conclusiones ob- tenidas no son genealizables a todos los pacientes con la misma en- ferme o sintoma, 8.6. Recomendaciones para la publicacién de ensayos clinicos (recomendaciones CONSORT) Los estudios aleatorizados representan el patrén de referencia para conocer la efcacia de un determinada tratamiento, Sin embargo, la calidad de los studios puede no ser éptima, La declaracién CON- SORT (Consolidated Standards of Reporting Trias) persigue mejorar la metodologia de los ensayos elinicos, ya que permite presentar de fons sistematizada y con total transparencta ls resultados para me Jotar su valdez. Se basa én ol seguimiento de una Hsia de variables fn Tuncién de la evidencia (Tabla 9) y un diagrama de flujo (Figura 7) durante el proceso de escitia,revisién y anlisis de los ensayos elinicos. Se ha demostrado que la implementaciin de los criteios CONSORT mejora la calidad de la iformacin publicada en los estudios ale 3 Pers sguimiento (ane fr=.) Intrvenlon n onus) In) t 4 soatzados ne) uc ee ania) om) ‘igura7. Diagrama de fujo de los suetos participates en ls cferentesfases ‘deumerucnleterzad (1 Period deinausion 2) Asgracion ‘laievencie (3) Segunsen (@) ArasMENTE 08 95290 clinico ne) Tiley rerun (0) [feveesenies or |Farpanes nerverones Obet05 (5) “Inroduei | [Como sign los pacers al intevencii asgnacén aletozada‘leatorzadoo“augnados | Sestorament’ atececnte cenit expec dea hips Cries de eg de ks partiipanesstuscn gar dane bs datos se obtwiron ets peo de sinevendones lanes en cd grup yma cdo se reizron sinente estado 6 Defintn dar de os bjetos de vlan de eur primatioysecundaris ensues fe oumetoros leads poe meat lca ds meds (pa -ebseNactones mip, ertenamient delorvsorasres) Tafa de muesva) | mstodoe ‘cutacon | Arstoviacén gels asgnaion Fnpementacin (10) eee ‘Geganonte enmascranientol 1) ‘ikodoseaditeos 12) | Hj parcipotes (13) Swain (a) Datos bles (5) ~ | todo estadsticosutzdos para comparaa variable de valvacn de estado prinario eet que definaniosprodos de seecin seuimiet émoe determin el tomare muss aly env eat, wxpleacin de clguer als ren colts patos flac del esto outa pare general secuenda de aslgradion leatrs,inchyendo fos dl resncclon (pore logue, esata) ie Moot para plement secuea depron aloes coves rameados central tectonic) especheando asec pnmenace ocwatasiel memes del ac alantevenciin | ‘ain geneo a secencio de asignacn, len inhi ls pacipantesyqun aig als partipantes Expect sibs pains is prone aus ealizone aon aevercny as quevalronlas renatdos concn ue rtboeaban agape Ena centr, ora se veel to dl ‘els grup, todos empladoen los ani adionaies como tos ass subgrpos yes Flige de portcpanes en oda acl etd bx racomiendaencarekronte sun dgar) Dorn spies se dete detoren cade rupoelnumerode pacts aigados a cada tatamint, [era cern tatent peusta es qu competaron protocol de stud os queen Moluados pra ovorable prince de estado Desert ceataiones del wooo lly 208 | Grecia dao y cinta bles dead up Resultados | Nameosanazados (16) [efukadosyentntelanee 77) [Rolie secundvos (1) nerpretacen 20) Pecuson | enerabiiad I) [vide global 27 Tabla 9. Ls de vrables CONSORT [acest ea) ire de perticpantesdenominado decd spa nckido en ada Sis epeccando sel mabe elle porsenctnde ata Ses po, earls resutados con riers acho: poe: 129, n0 SDN) rca vviae de vakoacndevenlodo priori secundaria resuridament ls restados en Eada grupo ia estacin det mportna dal fectay desu preci pore: IC del 2%). Valor pence mulls resentndo csiqule to ails read nuendo dis dissubgrosy astes nando ls gus ueron preepacicadorylordecacterexporaione | Inc tobs bs acocecinienios adver imertnte ects ecndrioe ada pupa de iene | Intepretacn de este nls quese tenga on cuentas pots del es is posbles fuentes leseajovo inpecvones yx ples sacindo con a multisidod de assy de esltades Genetabiid hz extera de os resus delestudo, nterpretacién genes defo resultados evel context de ls evden actuaimenie disponible (Ero Hee fale Nes) RSE LILLE Ae nun est seguimient larg plaze de ‘auricular en lo pricticsclinia habitual, se ha documentado un resg0 {elatve de padecer un accidente vascular cerebral, para aticoagulan- ‘te oraes (en comparacin con antagregantes plaquearios), de confianza at 95% 0,400.80). La Incdencia de accidante (interval ‘vascular cerebral durante los dos primeros aos ee ee Be ee coe ance emecnnerienecarrdl aa ena ees am ed eden ecpeinen aan a Si sctsua Sedgley jemi eae eae cnlamrniegeateatacenecseesmmared Poesy tor 057 de seguieinto es de tin 296 y un 25% respectivamente. Suponiond que estos resultados > los, ga cunts pacientes habria que tratar con anticoagulan- {es orales en lugar de antiagregantes, para evtarun acident vascular 2 1» 5060 2) 6070, 3) 7080, 9) 9000, m2 28 La vader det estudio pola se cds ye. que a peda de pacientes ta ‘ver stead con os efectos ceo eatarentos. ‘e ninguna farms enel eho estudlo ehabian prev ls pas portant, inl un rier de pints mayer pea compensa ‘Aumentando le probabidad de un resultado nogato floored ues pero sn que este hecho arenes posidades de esos. Sietesudo era dbl deg elhechon ene mparanca per elie ‘dor conoc e ratamio de ca pact, ntonces pod bere lores feaalo os squetioron Estadistica y epidemiologia“NIVEL CIENTspidemiologia. Sones _Sstaditcay NIVELES DE CALIDAD DE LA EVIDENCIA CIENTIFICA oleracea od [Bl Emetanstis es yn eds en que 4 ene unacombinacin estates de ls resuitads de ensayosprevios Siesteatzad conecameneeselestuo que aorta mayor evidence cia, a [B_Lnatimtacionimporante se debe aque soo se pubtian resultados tories 90 de publeacon) 9.1, Metandlisis EH metanslisis es un andisisestadtco que combina o integra los resultados de varios ensayos clinicos indepen lentes que el analista considera que se pueden combina. Afadeya la mera revision de ls datos, un anliss | ‘Stadio de los mismos para dar un resultado eanjunto de todos ls estuciosrevisados. Fs un estudio obser ‘vacional (de ensayosclnicos, lo que implica que est sometide a los mismos sespos de ls itados estos. No puede tener mayor fortaleza metodoligica que los estos primavos. Si analiza ensayoselinieos (EC) de lnuena calidad, obtend resultados fables y viceversa, Métodos estadisticos para la combinacién de los resultados de diferentes estudios Los métodos estadsticos mis uilizados en la prctica pueden clasiticarse en dos grupos, segin se tenga en cuenta ono la heterogeneidadl entre estudios en el ani: los madelos de efectos js y los modelos de efectos aleatoros Movllos de efectos fos Enel modelo de efctos ios se asume que no existe heterogencidad entre los esti ineluidos en a evs ‘de morlo que tos ells estiman el mismo eect, y las diferencias abservadas se daben nicamente a azar. El efecto global puede estimarse como un promedio ponderado de los efectos inivduales de cada esto. Mosdlos de efectos aleatorios Por el contri, con un modelo de efectos aleaorios se asumne que los estos ineludos en la revsin const tuyen una muestra aleatria de todos los estudios existentes, Del mismo mado queen el modelo de cfecos fis, cl efecto global se estima aqui como una mada ponderada de los estimadores individuals Mena que algunos autres dfienden I tlizacin del modelo de elects aletoris en tos los cass, rs hacen incapien sus posible diciencias, como el hecho de que es menos reco, proporcionando intealos de conan za mii amplios que el modelo de eleto js i as dicropanezs son muy grandes el mode de efectos aleaorios _ :RENTER RENIN 09 - Niveles cle calidad dea evidencia cientifica se conviet en l alleatva al malo mis sencillocon efectos jos para ‘ombinar les resultados Enel de efectos fis, la gereaizacin se limita 5 ls pablacin de studios caractersticas similares alos inclidos ene Inetanls, tn el morlelo de efectos aati, pore conta, ks res tad pusden peneralizarsea una pablaciée mayor de poses estos. 9.2. Factores determinantes de la calidad de la evidencia cientifica Los aspectos del dsefo de un estudio epidemiokigico que extn aso ciados a una mayor calidad ytgoe cienico son los siguientes: sentido prospectivo del estudio (ecuencia temporal {La asignacinaleatoria a los grupos experimental y contol La exstencia de un grupo contol concurrente El enmascaramiento de pacientes einvestigadores participants. La inclusin en el estudio de un nde suficiente de pacientes ‘como para detecar, en caso de haberas, diferencias estadsica- mente sigifcaivas entre los cstntos grupos del estudio, “bla 10. Fuerza de ecomendacin lina basada en fos ies ce evden Erdencla ober ‘Gade Tabla 1, Gradsibn de evencia cena 32 denis obtenida a port de exude de chores (a: prospect 2: eespectvo) pte mips series omparads en elem, can osn gro conto nluye esta prrenpermentos no ontolados poe, pnslna en loses caret) Opiniones xadas en expend clinics sus desriptvsolnfomes de comiesde tea 9.3. Escalas de gradacién de la evidencia cientifica So ee eS TAL) La calidad de a evidencia cent se lasiia en tres grads dere rmendacion para la adopcin de una medida saitava cfuena (grado A): existe adecada evidencia cientfica para ceomendar 0 desaconsejar la adopeiin del procedimiento mé dco. soto + Regular (grado By: hay cieta evikeciacientifca ino concluyen, age rmtn te) para recomendar 0 desaconsja la adopein del procedimvent os ara midico. ‘ala (grad €): exist inslcienteevidenca cienifca para reco rmendaro desaconsear la adopcid del proceimiento médico, BY wae 5 ste adeciadn evidncia cnt par adopt una price 8 ‘rst cra even para recomendar la prticn c ay nsufeionte evden pn econendr no recomend apres a fo > ust dra evden pono recemendat apr (eae ‘nt adecuadn evident cnt para no adopt a prtcn [Gado | ‘fvdencaobtnida partie a menos unensnyo cink aleatozadoycontolade bien dead Frei tena a part de eneyosclincos ne leatorzadosy bien dadsESTADISTICA. GENERALIDADES ce sty presen, os como el est sal. La medicina la maestria ele icas disponibles EG eletaeseesotete los {H]_Lrebtencon de una musts parce a poblcin puede hcerse de forma prbeblisia (melada po larly no probable, [Bl Lestpos de mucsteoprbablstcn son elmuestieo akeatr simple esata el ssemitco y orconlomera- os resvaticado debe ealzarsecuane haya enka masta una prt variable rondtca que pudlra har en s prados de lerfica para rel redimiento nese ona slo haya She te cwetnen on sm concen Er dessa deb ara te procediieta Wo (]_ ss sarties son caracterstcascierables Puede ser cunntatvos cuits en frién de quel vara ara : oo Sapmelconikon someon fais nou sas cen pa eo jaromcica, | ca) Se ne eatin come el tne ennui Gv ee ne cn es cys carécte esencal ela variabildad 10.1. Tipos de estadistica Enisten dos tipos de estadlistica Estaistica dseriptiva:organizacién, presentacin y sntesis de los datos de una manera cientficay 1gica *Estaditieainferencial: bases ldgicas meslante las cuales se establecen conclusiones relacionadas con poblaciones, a partir de ls resultados obtenidos en muestas;trabaja con los datos que le proporciona la festatica descripivay es la parte de a etaditica fundamental para la medicina clinica. Se basa en dos pilaresbisicos, que son el contrasted hipotessy a estimacion de intervalos de confianza, “preducidos 10.2. Poblacién y muestra La poblacin es cf conjunto de todos ls inividuos,goneralmenteinaccesile, que tienen en comin alguna caractersica observable y del que se pretende obtener una serie de conclusiones, Se denomina muestra al conjunto menor de individuos, accesible y limitado, sobre el que se ealiza el estudio ‘am idea de abtener conclusones generalizables a la poblacién. 1 proceso de seleccién de los individuos se puede realizar mediante distintastéenicas de muestre. Los tips {de mucstreos ve detallan a continuacion, Es importante conocer que el tipo de muestreo ms importante es el ‘muestreo probabilistic, en ol que todos los elementos de la poblacin tienen la misma probabilidal de ser ineluidos en la muestra: + Muesteeos probabilisticos en ellos se conoce la probabil! de que un indviduo sea elegio para a mues- tra Son interesante: para usar estadtiea matemstica con ellos, La elecién de a muestra se hace aleatoria ‘mento. La estadistica inferencialexige este tipo de mucstreo. + Muestreos no probabilisticos: en ellos no se canace la probabllidad, Son muesteos que muy posiblemente | ‘esconden sesgos. En principio, no se pueden extrapolar los resultados a la poblacktn Los muesteos con la menor posblida de sesgo(probabiliticos) son ls siguientes aleatori simple, sistem 0, estratificado y por grupos o conglomerados :10-Estacstica, Generalcades, + Mucstreo aleate ‘eat intviduo tene fas misnas posalidads cle ser leg para formar parte de la muestra + uestre aeator tron a ues esraificado: en él la poblaciin se divide en es se ollie selenide cada es proporcional ala poblacién que represena, Con ese fp de ues treo ve asegura que fa rues tenga la misma proporcin de unas} ‘adablets) que la poblacién de la que procede y que pod ratase de una variable pronistico diferente en ls grupos de estuci. Musto sistemitio: ol proceso de sleccin empleai ss hasa en alguna ropa sistemstica simple, camo por ejemplo, elegir uno de am indices, ‘Muestreo por conglomerados: en este tipo, Ia seleccin se eax 1a fundamentalente con el objetivo de reducie costes, uifizando ‘como base del muesteo al grupa ce sets Por dltimo,individuo seré cada una de los componentes de la pablo ign y dela muesia, Al nimero de individvos que forma la mucsta se fe laa tama muestra 34 10.3. Variables 1 tuna murs ends, pacendo tonardierertes salves ES TAD) episodes deasmalsom, Tabi 12. Tor do vriblesEstadistica y epidemiologia Tr ese ous) ESTADISTICA DESCRIPTIVA BB etraekeessare elo La forma de rpreentacdh gris va a dpe de po de varie Para a catatvas yas cuaitatas cea ‘a emmplea el agama sectoral ye agrama de Bar, Pr I cunnatascontnuas se tia el NStograma y dese eee rere ficiin ara efi corectamente una variable en una muesta se necestaré un parémetro que sv pa aghnar todos os Ce nd Valse sdche mos gaimeteseendercconbyceoaa iva pen amar da}oageresrone gueeso lop vaerespaarets de sper. [po de datbucén mie ecuent so normal ode Gauss, que e sida En estibucones Stic se sas oo parametode tendenca central lames y de dpersion ln desvalen pea Enaltbucines aides amie a madlan cme parmttode tendenca central yl rango como parkmtro espe, nia dstibucén de Gauss. media mean y moda eneden en el msmo aor. cst de varlacn es parématro que empl pae dec s una dstbucn es homegénes 0 dspers, Ade ‘mis infos de cl de rive dor dutbuclones masta una mayer vara asprin, Se puede considerar la estadtica desriptiva como el conjunto de téenicas que fcilitan la organizacion,resu ren y comunicacién de datos. 11.1, Representacién grafica La representacin grfica de los tos obtenids en cualquier estucio facilita un andliss visual. Seg Ia natura leza de las variables esti, se utilizan diferentes tipas de ropeesentacion, Variables cualitativas Se emplean: 1 Diagrama de baras (Figura 8) os + Diagrama sectoral (pastel (Figura. En ambos cases, se debe cum lpn 2 ‘pio de proporcionalidad de las reas a fas frecuenclas absoltas. En los dia 0 ‘amas de sectores, el éngulo cental €s proporciona a la flecuenciaabsolu 'a correspondiente, por lo que también 7 los su dren, Los dlagramas de baras | tienen una base constants y una altura « —_ proporcional ala recuenciaabsoluta co- | eee naar respondent (ambidn su rea loesala | frecuencia absolut) Fgura Diagram de bares »‘1+ Estadistica descriptiva ties Figua9.Digrama sectoral Variables cuantitativas discretas DDiagrama de barras: en un dgrama, sobre el valor que puede to ‘mar la variable, se levanta una hava cuya altura mide exactamente la frecuencia absoluta del valor, También es posible representa a frecuencia relaiva yo los porcentjes. Variables cuantitativas continuas (gua 10) Histograma: es un grfica que ess formad por rectingulos adya ‘centes que tienen por base Cada uno de los intervalosy por altura, las frecuenciasabsoluta. La superficie de cada rectingulo es pro porcional ala frecuencia de cada una de las clases ef rea total lo ser al nimero de inviduos en la muestra Poligono de frecuencia: es uns linea quebrada que une los pun- tos medios de las baras superiones de los rectingulos del histo rama, Fgura 10 Hstosramay plieno de Fecuncias 11.2. Sintesis de los datos Medidas de localizaci6n o tendencia central Las medidas le centtalizaciénindican alrededor de qué valores agrupan los datos observads. Se dsinguen las siguentes: Media aritmética: es la medida de certralizacin més comin, calcula sumando fos valores nueicos de todas las observacinfgu 1- Oi ¥ dividiendoel total poe el nmero de observaciones. iMedidas d Ey Junto a las med saiailidad com ble ndican sil La media aritmetica verfca la propiedad de equilbcar las desvi an alrededor cl cones postvas y negatvas de los datos respecto a su valor, es di» Rango 0 red cit, (5-8) =0. Aca, por tanto, como cent geomético 0 cen de “avert” para el canjunta de puntos. Mediana: es el valor numéico que divide al conjunto de datos 9 denadlos en dos partes iguales, es decir, ol 50% de los datos se ‘menor que ella el resto, mayor. En una dstbuciin simétrica, + Desviacién 4 ‘edlana coincide con la media aritmética, pero no asf en una a) media arte ‘Moda: es el valor mis cortenteo et valor de la variable que sep senta'con mayor frecuencia, Pueden exist cstribuciones con me de una mod, + Pardmetros de posicién: cuales, deciles, percentiles. Son valon ‘que dividen el canjunto de las observaciones en cuatio, diez 0 ci Vavianza se pares iguales,respecivamente. Por ejemplo: delos elemer Q2= D5 = Pes0= mediana 150% de as obseraciones ser inferior al segundo cunt, quino dec ‘0 percent 5, ‘Media geométrica: muy utlzada en Micraiologfay Serologia, ct Desviacion t ys dats tienen una marcada asimetiapostiva hacia la derechs) lanza. E, ju Por ejemplo: uos de anticuerpos «i nparactén de medidas de centralizacin Aunque desde un punto de vista puramente descrptivo, estas medi proporcionan informacién complerentari, sus propiedades son mi) Unniede Sa {istiotas: la media utiza todos los datos yes, por tanto, pefrible sil] _ valor core datos son homoggéneos: tiene el inconvenient de que es muy sensi Peto wnnisor a observacionesatipcas, y un ertor de datos 0 un valor anormal pu rmodficala totalmente. 1) esd 2) tino pes Pore contrario, la mediana emplea menos informacién que la med) 3) €75%4e ya que soo tiene en cuenta el orden de fos datos y no su magni) no ten pero, en contopatda, no seve alterada si una observacin (0, en) nhosdesu neral una pequea parte de observaciones) es extrema o contiene ef res grandes de medida 0 de tanseripcin. fs En consecuencia, es siempre recomendable calcular la media ¥ ‘mediana, puesto que ambas medidas dieriin mucho cuando lad) En estudo de 145pacten teibucién sea muy asimeérica (Figura 11), lo que sugire ete ncidad en los datos. genie Seecia central le que valores n mis comén las observacion ila las desi 1a su valor, es eométrica 0 ce junto de datos of ‘de los datos sa icidn simetica, ro asfen una 2 aiable que sep buuciones con ms niles. Son valve cuatt, diez oc can quod say Sevologia thacia la derecha tivo, estas med spedales son m no, prefer il ein sos soe anormal pue icin que la medi no su magni srvacibn (0, en 8) tla la media y icho cuando lad > susiere hetero) Figur Dist asidca Medidas de dispersién o variabilidad Junto las medidas de tendencia central, las medidas de clispersin 0 {avablidad completa la informacién sobre la dstribucién dea varia bie indian silos valores de a misma esin muy dsperss ose concen tran alrededor de la medida de centalizacién) (Tabla 13) Fang recorride: diferencia entre el valor maximo y el minimo ‘bsrvado en una serie R= Mix. Min. + Desviacién media: es la media de las desviaciones respecto a la media artic, ome 20H Vavianza: se define camo la mela del cuadkad de as desviaciones| de los elementos respect ala media aitmetica, Lig Desviacidn tipiea @ estinda cs laraizcuadada positiva de lava | Fanza Es, junto con esta, la medida de dispersion mas utilizads, Un node Sos peta 20g. Sogn la teblas de Tanner Whitehouse, ete ‘lor corresponde aprosimadamenteal percanti75 dels astbucin de eto enmiios de dicha edad, (Qué rgnfca st expresén? 1) £1759 de fos ites de Saha pesanaproximadamente 049. 2) {Irina pes un 75%ombs que el promedie dees ninos de su ec 3) £175H4de snes de Sates pesan menos ce 20kg. 4) niko tene un pero que es un 75% superior a meciana dl peso de os its de ned es nun estudio anol ual ha medio la lntensid de dolor on un grupo a Estadistica y epidemiologia foe [oe eae Ee {a desviacidn tipiea es una medida complementara de la media attic; mientras que esta da una idea de a maghitud general de Ia stribucidn, la desviaci estndar muestra cémo se cstibuyen fos valores alrededor de la med, + Rango intercarilie: en clierocia enrol percent 75 ye 25. Es Jumto con ef rango, la medica de dspesin usa para les dato asin + Covficiente de variacién (CV): es una medida de dispewsion adi ‘mensional. Se deine como el porcentaje que representa la des- siacién estindar sobre la media, Es el método de eleceiin para Ccomparar Ia variabilidad o dispersiin relativa de variables que ‘estén expresadas en las mismas 0 en diferentes unidaes x 100 r= ® an Eric rer Manatee Diticionhomogines | Ms Destindat Ditribucin asimétiea | Melana ango ntercareico “bl 15. Formas de medida Propiedades de media y varianza {Sia tados los valores de una dstibucin se les sara uns constant ‘media queda aumentada en ee vale, mies que su varanza no se oul, Sia todos los valores de una ditbueién se les muiiplica por una Constante, sti media y s desviaci tipica quedan multplicadas por la constante, mientras que sa varianza queda mukiplicada por ff cundrado de esa constant, tha de dolor 2 10 (dolor de int sad mina, se informa de que lame diana de. Cul significado de este valor? 1) Lama delos sues dela muesta tenn valores de neni de dolor gualesoiferores6. 2) alr inca antes de dolor que pede consderase norma enla ‘scala tized, valor 6 de a excala asda putuncdnobtnié on mayor ecuenda| porlssuyetas deta muesta valores media artic as puntaconesobtenies por loss tosela muestra a7PROBABILIDAD ES oksla oss sareeo) [stern dee sre debe oper curd pregunta cal sa probebidad de que ocua un evento voto [pr tempo probable de que un suet tenga cancer de pumon ode ing®) [B)_Lamustipiacon sapien cuando se pregunta pra prbabldad de que ocura un evento lotro (robaildnd de ‘ue un aueto tenga nce ce pulmény delainge eel ie ep Tee ence Sma, ue wrehemyad e figs 12.1. Probabilidad ‘Se supone una pablacién fnta con N’ elementos, & de los cuales tienen la caracterstica A, Se conace como probablidad dela caracteristica Aen la poblacicn a P(A) = A/V, La probabildad se define, desde un punto de ‘sia Gptimo, en términos de frecuencia relativa, cay = —__Nimeso de veces qe oeureA ‘Numero de veces que puede ocuri A [De esta forma asosfavorables ‘Casos posibles Propiedades trig 12) + La probabilicad es un valor ent 0y 1, 8 docs, O< PIA) 1 + Seliama suceso seguro Fal que ocurre siempre, entonces: P(E Si ese suceso complementario de A que sucede siempre que To hace A, entonces: P(A) = 1 ~ P(A). Dos sucesos son mutuamente excluyentes Gncompatibles) cuando no pueden ocurie ala vez (por ey Ser mujer y tener cincer de préstat). + Dos sicesos son independientes cuando la probabilidae de aparicin de uno de ellos no esté rela cionada 6 no se modifica por la aparicién del otra (pore), efectos secundarios de un férmaco en dos pacientes), Pan B)= Pay’RENEE 2 Pobabiidad 12.2. Probabilidad condicionada La probabilidad de 4 condicionad a la pcurencia de se define con siderando snicamente los easos en los que aparece 8, y viendo en ‘cusintos de esos casos tiene lugar el suceso A. Fs la probabilidad de «que suceda A, una ver que ya ha sucedido 8. PANS) __ PAX PIBIA) Pa) 12.3. Regla de la multiplicaci6n fsa poli de que scan Ay PIA rit) = PAB) x PB) | eg eto mabpeasn any Figura 12 Res dele probablad Si ds sucesos son independents, entonces: PiAr B) = PIA) x PIB) 12.4. Regla de la suma {sta rela nos indica la probabilidad de que suceda A o de 4 suceda B: PAU B) = PIA) + P(B)- PAB) sie a dear ‘npr Si dos sucesos son mutuamenteexcluyenes (0 bien se da A obi fm cure By, entonces PrALB) = PLA) + PB) aya sueinon ee13 Estadistica y epidemiologia PRINCIPALES LEYES DE DISTRIBUCION DE VARIABLES ALEATORIAS a Ea nsec A bid Saran on PSelsacerksereurse lo a dtibucén normal de Gass eur cua de probabil continu conforma decampana, Los wes pacimetrosceendenca cena media, medanay moda clnciden nel mismo valor. a a [Bos timites de cicha campana son + 0 y su drew es 1 [siempre secumpie queen eltervalo media /-1 98 einai 95% dela musta, 13.1. Principales leyes de distribucién de variables aleatorias Una vez que se ha elegido la muestra recogid los datos, el siguiente paso es infrirlas propiedades de la jpoblacin a parr ela muestra, El nsrurento conceptual que permit esa generalizacin es un modo de Ja poblacin, es decir, una representacién simbélica de su comportariento. Esxisten tes lees teGricas que tienen la particular de ser seguidas por una inmensa mayora de los ferdime: nos bioldgicos habtuals; estas leyes sm las siguientes + Distribueidn binomial (disribuciones discret) + Distibucién de Poisson o de os sucesos aro lstibuciones dscretas, + Distbucién normal o de Gauss (istibuciones continua). 13.2. Distribuci6n binomial Es una ley teérica de aplicacin siempre que se conozca, de entrada, la probabilidad de aparicién de un fends ‘meng biokgica(p. El resultado es dicotémico y puede ser evaluad Como “éxito o con fracaso La variable de interés s el aimero de éxitosaleanzados en prucbas. La distibucion binomial constituye siempre un diagrama ce barras discontinuo se aplica a variables dls 13.3. Distribucién de Poisson En general, se empleard la dsribucidn de Poisson como aprosimacién de experimentos binomials donde et ‘imero de pruebas es muy ato, per la probabilidad de éxito muy baja Es, por consiguiente a ley adecuada para los “sucosos ares", cuando p< 0,1 yaxp <5. a| NENTS 3 ites tyes estan de vrablesaleatovis 13.4. Distribucién normal o de Gauss ste tipo de distibucién ex seguida por una inmensa camtdad de varia bles biokigicas cuyas medics se ayupan alrededor de un valor cen tral, y que presenta ana frecuencia cada ver menor a medida que se alejan de dicho vale, Caracteristicas Las caractriticas de a dstrbucién normal o de Gauss son las siguientes CComesponclea variables cuanttativas continuas + Se caracteriza por dos medidas: media y dsviacin tpiea + fSunimodal + Fs simética alrededor de la media. Por tanto, media, mediana y ‘oda coinciden, Tiene forma acampanada, sin un pico excesivo. Va desde 20 a+ 2 (asiticaal eje de abscisas deca bajo la curva tiene un valor igual a 150% de las observaciones se encuentran por debajo de la media attic ye 50% por encima. £1 68% de las mismas estin dent de inewalo x + 5; el 95% dent del intervalo x 8 1,96s y ol 99% dentro el interval x 2,575 Tipificacién {a ditribucin normal viene definida por la media y por la desviacin tip ‘a pueden ex, por tanto, infin cuvas dees ipo, tanta como valo- es pcan tomar la media y la desc pica Fgura 13 La dsb ‘oral ipiicada tiene una mei igual a0 y una desvaci tipcac valares [NG ye ence abulada, Es posible ransiornar curly ‘arable aleatoria que se dstibuya nmmalmesite a una noma tpt mediante a siguiente ecuacin: ESTI ESTA! Figura 13. Distibudioa norma ER Re a eo MKS OLA SeAUAL LSND Enunamuestraaeatoriaxtraia de poblacn senase encuentra queuna ‘erable boquimica iene como media 90 y como desvlain tiple 10. La _afrmacin:“aproximadamente 195% dels inviduossanostiene un vi lor dese variable comprendido entre70y 110" es corecta: 1) sempre 2) Nunca 3) Stott varale lene dstibucdn normal 4) Sélosila variable tne esbucén normaly muesta es sfcenterents ede. Fea nun estulo sobre 275 mujeres premenopéusias, se informa de ques o- dice de masa corporal MC] sigue una stbucién normal con una media do 27 yuna desvincéntiplea de, us dele siguientes airmecioneses erta? 1) rango de valores de INC observa ens 275 mujtesva desde 23231. 2), Crango de valores de IMC observa ons 275 mujeres va desde 19235, 3) Aerorimadament, 195% de as mujeres estas lanen valores NC sinadosentre 19735, “4 eonidarente1 95% de as meres stad ene yale de INC situadosentre23 31, rca Un estudio realizado sobre una muestra de 200 suet informa de que ‘edad media 0s 645 ais con una desvaconestndar de 8 aos. eles siguientes afrmacionesescorecta? 1) Lamayoria de sujetes enen ene 37y 53 ae 2) Rprximadoment, 195% dels sets tenn entre 2961 aos. 3) Setiene un 95%de confanza de quelaverdadra edad meds sen 29 61 aos, 4) Setiene.un 95% de confanan de quelaverdadraedod eds stent 37 yS3aos nea ¢i. os 4 5 a Estadistica y epidemiologia. = rsteror cal vents’ ESTIMACION DE PARAMETROS. |ESTADISTICA INFERENCIAL ES teers nesta ineenil analtica se encarg dea partido a muestra, oxtapolar dats poblacion pormetra de dsprsion que semen pra el aco de os intervals deconanza de eds es err estndr elameda, Lacuna de probable de lor intervals de confarza sie oa curva de Gauss por lo qua se puede dec que, ‘enellotervlo mach +2 eem estar induieameia poblacional con una probabiidad el 95% Los ners asl obtenidos se denominan interaos de confone det 95%, 150 restate esta probabldad de quel neva et al estimado Aeste ero slelama La torea fundamental de la estaditicainfetencial es hacer inforenias acerca de la poblacién a partir de una muestra extra de la misma, 14.1, Estimacién de medias En este caso, se quiere conocer la media poblacional a partie de 1a media muestra Para ello, se pueden apliear: + Estimacién puntual: Ia modia mucsral es un buen estimad de la mesa poblacional Estimacién por intervalos: cl valor numérico de los estimadores puntuales determinados en muestras diferentes puede varar. Es decir, si se repiten los edleulos con otra muestta distnta de la misma por blacién, el resultado de la media muestral podria ser diferente. Por tanto, seria mejor que, ademés, se senen vires de WE Aaportase un intervalo que presumiblemente incluya también el parimeto de la poblacién. Por ello, fs preferible Ia estimacién por intewvalos, ya que eatonces se indian limites de valores dentro de los stinen vale NC cuales el pardmetro poblacional tiene la probabilidad de esta. Al intervalo alrededor del estadistico ‘muestra se le denomina inervalo de contianza, y 2 sus limites, limites de confianza. £1 céleulo de los limites de confianza comprende el empleo del ertor estindae de la media y las principios de la disteibu cid normal El nivel de confianza 1 -a da la probabil que hay de que la media poblacional,j, pertenezca a ese in terval es frecuente expresarlo en porceniajs, Son equivalents las expresiones“ivel de confianza 1 ~«"y tor informa de ave “significacion a; as, suele hablase de obtener un intervalo con un nivel de convianza del 95% o para una nda de 8 aio. 108) signiicacién« ~ 0,05 ese valor de a indica la probabilidad que hay de errr en la estimacibn. A weces esa ‘probabilidal se indica con la letra Pt te 29 51 aos, Error estandar de la media dodaci este dadiadiase see De una poblacién pueden extracrse infinitas muesias, cada una deelas con su media. Este conjunto de medias se distrbuye segin una curva normal cuya moda, In media de las mecls, os la media poblacional yy euya ‘desviaciontipica se conoce coma “error estindar dela media"; por tanto, es la dispersion de las medias murs trales con respecto ala media poblacional Se calcula mediante laféemula (Figura 14) 43ASOT 4 inscivn de parsmetros.estadisticainferencial Ver 19 = desviacin tipica poblacional Si se construye un interval de confianza del 95%, se concluye que en 195% de las ocasiones la media poblacionalestaré entre: 41.96% nt ‘Mientras que en un 53 de las ocaslonesestaré equivocado. Si se-sta- biece el nivel de confianza en ef 99%, la media poblacional se situa ‘en un 99% de las ocasiones ene: neasrn En el caso de que se desconozca ol valor del parimeto 6 (que es lo ris habitual en la pectiea) © cuando 9 < 30, los Kites de eonfianza secalcularian siguiente: gir 14 lel dl enor entices media Donde el valor ¢ corresponde a los valores tabula de la isi id tesiica Ide Stent. sree sits media in toeccceen tas ee" alededordelamednpebedona ss 3 a 14.2. Estimacidn de un porcentaje .* nc2 Si se estudia una variable cualtatva, l objetivo seréaplicar a la pb ian el porcenajeo proporcidn obtenidoen la muesta con un ma de toleranca Gintervalo de confianza) En caso de mucstas poquefia (n < 100) la estimacidn de un porcens poblacional sigue una distibucién binomial su edleulo ests an fn cao de estas grandes > 100) sin xp > 5 y 9x (0 25a dtc bom ep spon lou normaly Ia estimacin de porcentjepablaiona se: +186 xcep- p< 005 +257 xeep, p=O0, donde: +p proporein (en tanto por uno} hallada en a muestra ‘ep errr estindar del porcentje. pul cep = a 14.3. Estimacién de medidas de asociacién Independientemente del tipo de estudio epidemioligico y del metro tilizado para medit la fuerza de asociacién (RR, OR, RE Ia estimacin de las medidas de asociacin ha de ser extrapolada la poblacién goneral mediante la construccién de un intervalo ¢ contianza resultado no significa SielICincluye ol 1 (efecto neutro del factor de estudio), se habla “|re de la dist dolavaablode seeds mies entaje wplicara la pobl| racon un marge ide unporcent ulo es tabulada) >Synxii-p) ala distibuctén {seria rstta, ol6gico y del ie RR, OR, RI “ser extrapolad le un intervalo fio, se habla de Estadistica y epidemiologia Casos clinicos representativos Sila metas 25, a desvacién etindar or 5y ol tamao muestra es de 101, gua ser el ror estindar dela media? 0 8. 2) sno. 3) 105 4) 00s, pea Sila mei es 25, la desvincién estindar es 5 yo tamafo muestra e de 101 Cul sade intervale que nya el verdadero valor poblacional con una probobilidad del 9592 0 2321, 2) 235265, 3) 2426 9B. rca 45Ee ae eet be 815 (daca SASS GO GEOL CONTRASTE DE HIPOTESIS PS else ee Kee od contaite de hips se basa nintntarrechaar aha eens) para al capa, exten eferencia ‘unauier eutado ebserade nun esto puede tbe aa llr deo nivel de cacti a Ia probebiled de que el azar explque un estado oben. Sitap <005.s ote poe potaibdd de aay entonces se habla de qu hay vers exalscaent sig fest Sila > 005 te robbed de atr esdemasado grande como pra ue se afe ae hay dleencs gnats nloreniade siento ta probobde ae ext de que yo afme ue hay erences. cuando eneadad as ay. Uva ala probabil adpyse lama eer ao ipo ore contrargsverdaderamente een dferecis yn e detects est icine de nuevo enn eo. ave fmesecatoerelpotpor ‘Ambos sores 7B sn os formas rents deers letoros poo que se porn ec ss aurea tt Siverdodramente hay detec lesen los reads obtenidsy ets erences son detectada porte once se ete a uscon de cea queseconoe core pode poenc delet. Lostestesudticosqe evra empl perv del pode vate que se haya itz: ‘ils cilen ened, ‘Cuan cil otic te Student quent no part: cron Ude Mann itn. {cuant-+ cul no eon: ANOVA enalete no arama: krsal Wal, Fan. ‘tar ent cele Paron evant no prams Spearman, Lostes pramticos son mejores, peo slo peeden reatzarie cand csc de xtc sa neat tecsetemaes cages Sirerocsy 89 15.1, Hipétesis nula, hipotesis alternativa y grado de significacion estadistica Para a comprension de este concepto, se partir de un caso prictico. Se compara un tratamiento nuevo IN) contra la HTA con uno tradicional 7) en dos series de individuos. Tras cierto tiempo, N controla al 70% de los individuos y Tal 30% E problema consiste en saber si este hecho es debido a una mayor eicaca real de N © lo es simplemente por diferencias que el azar puede establecerWvariaclanes aleaorias del muesre), sin que ‘exisan difecncias reales en el contal de hipertensos entre ambos tratamientos, | Para aberedar exe problem, se consideran dos hipstess ipétess mula (H,): no existon diferencias entre los dos watamientos (N = D. Hipdtessaltemativa (Hi existe diferencias ene los dos tratamientos (N #7). Estas dos hiptesis son mutuamente excluyentes, de forma que sélo hay dos decisones posbles | + Rechazar Hy -» aceptar H, No rechazar H, -> no poder aceplarH, Previamente al ensayo de una hipdtsis, se fj la probabiliadl maxima de que los resultados diferentes ob- servados entre los dos grupos puedan sor debidos simplemente al azar (H, cert), que sucle ser por convenio i °SENT TAEN 15 Contraste de hipotesis del 59%, A continuacién, se ealeula cus es la probabilidad de que las tlierencias que se han abservado pueda ser explicadas por azar. Esta probabilidad es e valor de lap 0 “grado de significacion estastica”, ‘Asi, cuanto mene sa pes deci, cuanto mis baa sea la probabiidad de que ol azar sea el responsable dela diferencias, mayor ser ta ev tdencia contra Hy ya favor de H, De tal forma, si: + p-<0,05 -» diferencias reales, Poca probabidad de que se dan fl azar. Se acepta H,, El esultac es estadsticamente signiticativo. Rechazo de H, + p> 0,05 > no existe suficien bos tratamientos son distintos, Las diferencias pucden deberse al azar, con una probabildad mayoral nivel de exigencia. No se re chaza Hy cevidencia como para deci que am 15.2. Errores wy B Eo tip se echza send cata ae que ay in Sica sige quem lo es Se denarii de Carnet elena tipo Eva de peo con probabil de nnd ev lor disnton frupor 6 eso s com fave mis de una vatable fe verulindo, suena pestbilod de revladon Ramee postiver Fa evry se incrementa la | ee ecigoncia dl nivel eg os pe 12° de comparaciones / | ie cconurar¥ Error tipo Hl: no so recha ecciaela Cur 2a Hy esta es falsa (0 $e | Magen acepian las diferencias y sf las hay). Seria como un fal- so negative: se da como 90 sigificativo algo que lo es. Se denomina fa la proba bilidad de cometeruneror | fate tipo Sond Feder 0 potencia del test to. complementario del crore In “potencia © camera como la capacidad que 2 aan ka Sits existe en realidad eg | ‘toca memetes mee |. probabilidad que se ‘do demostar Ia hipstesis ands det arana alteativa, siendocerta Tabla 14h Figur 15 Puchas de eacactinestadten 8 ens NOEXSTE Resultados | PeshaeoH, } Gate [Nona | Tabla 14. Contaste de ipso 15.3. Pruebas de significacién estadistica (Figura 15) ‘Asociacién estadistica entre dos variables el objetivo es cemosira ‘ono la asociacion estaditica entre dos variables observadas en un DICoTOMICAS ia depensen deo | ee SS emo =e aaa rorens | > cuant.+ pico, —> | SMestuBent ON cuants 52.0» Gg Datosap, renciasig conte Varia MeNq Vari Varia para Test nop ion de (iguea 16 toma lav bas de ma sdomosta neralmen anilii de limita aes las pobla cand del carict tle 30, nog Anais aplica cuaNO EXISTE DiFERENCIA der avo es demostal soservackis on uy ene clon relapoblcn ou RANGO ene menos Datos apareados: en una inca muestra se estudia si existence renciasignficativa en la variable resultado antes y despues dealin eontecimiento relevant, Variable resultado cuallativa de dos a mis categorias: test de McNemar. ‘Variable resultado cuanttatva: de Stunt apareadk. \Vaviable esukad cantata vatas medias repetids): ANOVA, pra medidas repetidas, ‘est no paramétricos: son pruchas que no dependen de la distibu cn de Ia variable y no precisan condicion previa de normalidad {Fgura 161. Estas pruchas no manejan los valores cuantitativos que toma la variable en cues, sino Gnicamente sus ranges. Sn prue bas de menor precisén que las paramitricas, pr lo que solamente demostrarin come signficatvas diferencias mayores. Por tan, ge reralmente se prefiore utilizar pruebas paraméticas (de Student anuisis dela varianza, et) yl usa de fs test no paramétricos se Tinta a estudios con tamarios muestales menores de 30, en los que las poblaciones no puedan ser cansderadas como normale, bien cuando a variable represente nicamente una medida aproximada tel carter, sin una valoracin exacta, Si las muestra son mayores tle 30, no existe inconveniente en utilizar pruebas paramétricas. Aniliss multivariante: es un conjunto de test estadsticns que se aplica cuando se intentaestablecer la asaciacién estadsticaen- CC. | osesnaman Fue 6 Testo pramétcas Un invcstigador est intresado en determina i enlste una asdiacin ‘rr as irs do tensén arterial dasttica moda em mm de Hg) yor ‘ves cd colestera medidos en mgim!).Para le ha eallado estasme ‘cones 230 volutes. Qué prusba estate Ia ms apropida era xamina dich asocacint Estadistica y epidemiologia tue dos variables, pera contolanda el efecto de tercers factores {que posifan actdar como factores de confusién, Un tipo de test multivariate fecuentementeemplead es el tes! ce regresion lor sistca Por ejemplo: se desea saber s existe una relacin entre la infec de herida quirirgica y el ipo de ciugia, contolando que la profi- laxis aribidtica empleada no acti como factor conser, Anilisis de supervivencia: en ocasiones, para saber si por ejemplo un fmaco es mejor que oto se necesita conocer Ia idea dinsinica ‘de co fallecen los pacientes includas en uno ott grupo de tra- tamiento a lo largo del lempo. Es deci, no slo importa sfallecen ‘01na, si n0 ol tiempo en el que se produce en evento. Fsta idea es extrapolale a ottassituaciones como por ejemplo, tiempo hasta que se produce la curacn, tiempo hasta que desapa- recen los sintomas... Une de los andlisisesadisticas mis fecuente- mente empleados es el de Kaplan-Meier. La caractrsica cstintva del andlisis con este meétodo es que la proporcién acumulada que sobrevive se calcula para cl tiempo de supersivercia individual de «ada paciente. Para saber i hay diferencias en el tiempo en el que ‘se procluce ol evento para los dos grupos de tratamiento hay que usar test especificos para tal fin como son el test de Breslow o el Logrenk, La Figura 17 esume los test estadisticos mis empleados. 1 | Figur 7 Testestadstios mis empeatos eS ek Heelan leCe es Mese Tal eked 1) Regestn logic 2) Prusbadelat. 3} Prucbade chicuadado. 4) Conan de Pearson Rea 4916 ANALISIS DE CORRELACION Y DE REGRESION ‘8 Estadistica y epidemiologia Pas a ORNS) Los test de coelacony de regreion ven pata etblecer stolen entre dor vale cuantatnas ands de vest de conelacion bas ena lnterpretacn del oem, lvalor de st comprendi entie 1y#1-Un valor posto signifi qua sla variable 7 aumenta, [avaible "thar ambien elvaor absolute Aelaresablece fuerte o dé dela corelcién, cansderandose fuerte cuando ta es mayo de 07 Una 1 9 de-1implia una contain cup ube de cispersion se apron ane ret Cuando a corelacon as fuerte, pod entonces haces ltt de eres nc formule y= donde Reslapndlentede a rectay acl punto decortede ests en ele de ordenadas. 16.1. Anilisis de correlacién y de regresién Los andlisis de correlacin y de regresién sven para estudiar a elaci6n entre dos variables cuanitativs. ‘Analisis de regresion: es ail para determina Ia posible forma de relaciin ente variables y, por tanto, se puede usoe pata hacer predicciones o para estimar el valor de una variable que corresponde para Lun valor de la ota. En este anliss se dispone de dos variables de interés xe y. La variable x se llama variable independiente o explicativa y es controlada por el investigador, La variable y se denomina dependiente, Con el andliss de regzesin lineal, se obtiene una ecuacién del ip yoarBr donde ay son los coelicients de represi, i EH cocficiente & representa el punto en el que la | linea cota el eje vertical (valor dey para x=0). EL | coeticiente Pes la pendiente dela recta que mues - tea la cantidod que varia y por una unidad de cam- bio de x. Larecta de regres es mis potent para hace pre- dicciones cuando el coeficiente de coracién () Gti proximo.at T0a-1 TTambin es mis eficaz cuando la prediccién se Figura 18 Recaderesesié nal ‘obtiene a partir de valores de x préximos la me- cla (Figura 18) + Anilss de correlacién:estudia también I elacién entre dos variables cunnitativas, aunque aq no se ha bla de variable dapendiente ni independiente. El oeficiente de corelacién de Pearson mide a intend! de la telacida lineal ent las dos variables cuantitaivas. Las eaacteistcas del coeticiente de correlacién son Ine siguientes Varia ente-ty +1 >1seset Para r= 1, hay una relacin perfecta entre xe y, es decir, todos los puntos (x. estin en una Kine 51 aATT 16 «iis ve correlaciny de vegresion Un valor postive de r indica que a medida que aumenta una va- == Oindica que no hay conelacin lineal Fiabe, lo hace la oa, 0 que conforme dsminuye una, también lo hace in ott. Un coeficente de corelacion negative denola que La Figura 19 resume los dlstntostipos de relacign entre las varia, medida que disminuye una variable, aumenta la oa 0 viceversa. les. | o » | — | | | | | | ' cats econo | | wane j " ® (EH Casos clinicos representativos papro- 3) Elconsumade taco la causa del HOL Col pore conelacon es el Un estudio elaconalasconcentracones de colestera liga ‘inas de alta densidad (HOL-CoN con a nimero de igartlosfumadosen ——_nepaiva. Inactuadad, on una muestra de 100 Indivduos. El coefiientede correla. 4) Soha observed una dil comeacién nega, extadicamente igi lin 4-015 (p< 005) Cus dea igulentes afemacones es correcta? a, 1) eonsumo de taco es Incas dee dsm HOL Cob ra 2) Econo do tabaco esa aus de sminucén del HOLCol poraue “conslacin ex esacetcamente scan. 52if 7 : Estadistice yenicemiclogia TAMANO MUESTRAL Aspectos esenciales tae {torneo ae sede lune prensa tao msl concer ssa duet de Ieee ran sine a eicersaiian masanen nese canes {BSc wtce nieve conan etoncesse deb oc tata dn arse cata ropa @ ScinatstnInedi toibo ss espe enesearanay pete conor se i trseaattaeeleaodek popoton ncaa cance apoio espn om, eee fara Briones conse debpstsslosasactrmisinpries ster enclose aay ta ce TUE tml steweanacecer rent sent peer acre elo etn ons {perepundeina cos traiertoy u proporonde per ane a 17.1, Tamafio muestral Para realizar un estudio sobre una poblacién es necesaro taba con una muestra, ya que abarcara todos los ‘miembros de una comunidad es précticamente imposible. : 1 amafo de la mucstra se determina en el dsefo del estudio de motlo que sea apropiado para los objetivo bbuscados en ef misma y con los condiconamientos que se est dspuesto a asumir. Un meso insuficiente de paticipontesimpedirs encontrar las diferencias huscadas, concluyendo erréneamente que no exsten, mientras ‘que un nimero excesvo, aumenta innecesriamenteel caste Manejar muesses mis brat, pd, tcl y sufi precio y exhaust que manga poblacones. ntativos To ee ee Ei pea ciel aiiardaclte panto eaclias on ura mina prbablldd de err (5% habalment acon Fay ds campos nl lfrencaestadisca doe eva a desaol l cilcuo dl amafo rues: arene pc 1 fatmacion de pardmetros: el tamatodepenterd dela vaiablcad del permet quese desea estar {esa ha de ser prevamerse conecids, 9 blenaproxnarse apart de datos preesstentes 0 estudn pilots), dela pret con que se pretena obtener la etna fmplitid desea del itervalo de vonfianza trend en conta ques mayor precision, se neces un nero ms alo de sujet y del nivel de confanza Para estar una proprctn se debe conocer: eld conflonzao sero) Pra una epi del 95 Laprecbién sue se dose para el tio «Une teat lo proxtmado dal parieto que se quire med, restr la ata as extution provio n easo ce no tener deka irormac, se emplear lax p= 0.05 (54). En ee cao, ne Cesta mayor, pe grantzaré una mejor estinacén pra una seguridad del 9994 = 2.6 jemplo::A cunts personas se tendian que estudiar para conocer la prevalencia de esquizorenia en un sea Fesidencial de Madkid? Sepuridad = 95% precisién = 5%; proporcién esperada = proxi al 10% (2! xpx qve=(4x0,1 x 0,990,05? = 144 donde 53 oooESET 17 temano muestral 54 = ya que la seguridad ex del 95%, Proporcidn esperada (en este C0, 10% = 0,1) q= 1 ~ploneste caso 1 -0,1 = 09) ecisin fen este caso, se desea un 5%: 0,05). Para estimar una media se debe conocer: nivel de confianza o seguridad (1-2), habitualmente 95%. La precisién con que se desea estima el parimeto Una idea dela varianza dela variable eusntitativa que se supone existe en ln pablacisn Fjemplor Si se desea conocer la media de ls colesterolemia basal ‘de una poblacidn, con una seguridad del 95% y una precision de +4 mpl se ene informacién por un estudio piloto 0 revision biblogrtiea de que la varianza es de 300 mg/l me 300)/42 = 75 ERD pred esa en el denominadr yal custado lo que sigica que tanto mis prec se pretenda s,s pequeho srs el numer del leominadory por elle tamato mvestalequeida er mae grande {CUEROA nis estimacin da parametos, NO enacostaconacer lear pat et imreltomatomuesta. ‘alelar l nimero minimo de suotos que os ncesari neuen un ‘studio sobre a prevalencia dum problema desad,sehan de realzariae siguientes asuncones, EXCEPTO: 1) Proportion de sets que se espera encontrarcon el problema sl 2) Herorpot utiliza para estudos compartivos y, eng {lamar dea muestra incica el mero aproximado de ses gy ‘4 necesita para detect una diferencia deterinada, si exist, cy unos margenes de eer previamente defnidos. Los factors 2 tena cen cuenta pata determinar el tamao muestra son lo siguientes La magritud de a eferencia a detecar quo tong inter clinicam te relevant. Se pueden comparar dos proporcioneso dos medias, Tener una idea aproximada de los pacimetos dela vaiable se estucia bidlogatia estudios provios). La variabilidad de a variable principal La seguridad del estudio (riesgo de cometer un cero a: 5%. EL poder estaistico (1-8: 80% al menos) (riesgo de cometery ‘error B:0,1- 0,2) Laproporcin de pacientes n los citintos grupos que respond 1 a cada tratamiento, La proporcidn de pérldas (a: se deers mulipicar el am ‘aleulado por: 1 - a. | definicién des la hipotesls va a ser unilateral o bilateral Bilateral: cualquiera de los dos pardmetras a comparar( dias © propocciones) puede ser mayor © menor que el ota [No se establece dieccién.H, dierent de 4, » Unilateral: cuando se considera que uno de fs parimeta debe ser mayor que el oto, indicando, por tanto, una di id de las diferencias. Solo H,> 0H, La hipétess bilateral es una hiptesis mis conservadoa y disminuye @ ‘exgo de cometer un eror de po Casos clinicos representativos 5) ELnimere de no respuests exper. 9) Elerortipol. Ra . :