VALIDEZ Y PRECISIN. ERRORES (SESGOS), CONCEPTO, TIPOS.

INTRODUCCIN Objetivo de los diseos epidemiologicos La meta fundamental que debe perseguir un estudio epidemiolgico es la agudeza en la medicin: estimar el valor del parmetro que es objeto de medida con poco error. Los conceptos epidemiolgicos que se persiguen se definen como precisin (fiabilidad) y validez (exactitud). Precisin La precisin de una medicin es la concordancia el realizar varias determinaciones repetidas. El llamado error aleatorio (error debido al azar) disminuye la precisin. Validez La validez de un estudio se puede dividir en dos componentes: La validez interna es la capacidad del estudio de inferir los resultados obtenidos a los propios integrantes de la muestra. La validez externa es la generalizacin de los resultados a la poblacin de donde se obtiene la muestra. La validez interna es un requisito imprescindible para que pueda darse la validez externa. Los errores sistemticos o sesgos disminuyen la validez de los estudios epidemiolgicos. Por orden de importancia, la validez interna es el objetivo prioritario seguida de la precisin y de la validez externa. ERROR ALEATORIO El error aleatorio es esa parte de nuestra experiencia que no podemos predecir. Tiene muchos componentes entre los que destaca el error muestral, que se origina al realizar la seleccin de los sujetos que formaran parte de la muestra. Incluso si se pudiera seleccionar toda la poblacin esta representara una muestra de si misma en un momento dado. Como evaluar el papel del azar Existen dos mtodos, muy relacionados, para evaluar el papel del azar en nuestros resultados: el contraste de hiptesis y la estimacin de los intervalos de confianza. 1. Contraste de hiptesis El contraste de hiptesis implica realizar un test de significacin estadstica para cuantificar el grado en que la variabilidad de la muestra justifica los resultados de un estudio en particular. El contraste de hiptesis requiere que definamos la hiptesis nula (Ho) y la hiptesis alternativa (H1). La Ho asume que no existe relacin entre la exposicin estudiada y la enfermedad,

la H1 asume que si existe dicha asociacin. En un estudio de cohortes la Ho sera que el riesgo relativo (RR) es igual a uno, y la H1 que el RR es distinto de 1. Existen muchos test de significacin estadstica (T de Student, Chi cuadrado, etc..) para el contraste de hiptesis, el test a utilizar depender de la hiptesis que sea evaluada y del tipo y caractersticas de los datos recogidos. Sea cual sea el test empleado el resultado ser siempre el valor de . La se interpreta como la probabilidad de que, por culpa exclusiva del azar, se produzca un resultado igual o ms extremo que el obtenido, asumiendo que no existe relacin entre los factores estudiados. El valor de que consideramos estadsticamente significativo es arbitrario. En la investigacin medica, se suele aceptar, por convenio, un valor de 0,05. Una 0,05 indica que la probabilidad de encontrar una asociacin tan grande o mayor que la observada en nuestro estudio y debida exclusivamente al azar (aceptamos la hiptesis nula) es como mximo de un 5%. Por lo que resulta lgico pensar que difcilmente el azar ser el responsable de dicha asociacin. El valor de es funcin de dos factores: la magnitud de la diferencia entre los grupos estudiados o fuerza de la asociacin, y el tamao de la muestra. Consecuentemente es posible que diferencias muy pequeas puedan resultar significativas si la muestra es suficientemente grande y, a la inversa, que diferencias muy grandes no resulten significativas si la muestra es pequea. Por esta razn, el valor de debe ser considerado como un indicador, ms que como un criterio rgido, al valorar el papel de una exposicin. Si en un estudio pequeo obtenemos una de 0.06, no significativa, resulta sensato pensar que posiblemente en un estudio con una muestra ms grande hubiera sido si significativa 2. Estimacin de los intervalos de confianza El intervalo de confianza (IC) representa los limites entre los que verdaderamente oscila la magnitud del efecto, con un determinado grado de seguridad. Es una medida mucho ms informativa que el valor de para evaluar el papel del azar. Si en un estudio de cohortes obtenemos un RR de 1,9 con un intervalo de confianza de 1,3 a 2,8 para una seguridad del 95% , podemos afirmar que el test de significacin seria menor de 0,05, ya que el intervalo no incluye el valor nulo del RR (1). Por otro lado la anchura del (IC) es til al interpretar los resultados de estudios no estadsticamente significativos. Un IC estrecho sugiere que realmente lo ms probable es que no exista asociacin, independientemente del tamao de la muestra, mientras que un IC ancho sugiere que el tamao de la muestra no era suficiente para tener el poder estadstico necesario para poder excluir el azar como posible responsable de los resultados. Al igual que con los test de significacin existen muchas frmulas para el calculo de los intervalos de confianza. Consideraciones al interpretar el IC 1. Ningn valor de por pequeo que sea excluye completamente al azar como posible responsable de la asociacin, de igual manera, ningn valor de por grande que sea, permite afirmar que el azar es el nico responsable de la asociacin; tan solo que el azar no ha podido ser excluido como una causa probable de la misma.

2. La aparicin de una asociacin estadsticamente significativa entre una exposicin y una enfermedad debe ser distinguida de su significacin a nivel clnico y biolgico. 3. Los valores de y los IC pueden conducir a la conclusin de que el azar (error aleatorio) es una explicacin improbable de los resultados obtenidos, pero no proporcionan absolutamente ninguna informacin sobre la posibilidad de que otros tipos de sesgos o factores de confusin sean responsables de las asociaciones observadas. Mtodos para reducir el error aleatorio Podemos reducir el error aleatorio se utilizando dos estrategias fundamentales: 1. Aumentar el tamao de la muestra La principal manera de reducir el error aleatorio, incrementar la precisin en un estudio epidemiolgico, es aumentar el tamao de la muestra. El error alfa es el que se produce cuando rechazamos la hiptesis nula siendo esta la verdadera. La probabilidad de cometer el error alfa es igual al valor de . El error beta se comete al no rechazar la hiptesis nula cuando la verdadera es la hiptesis alternativa. 2. Diseos ms eficientes. Modificando el diseo podemos aumentar la eficiencia con que se obtiene la informacin de los sujetos sometidos a estudio. Por ejemplo, si quisiramos ver la relacin entre el consumo diario de aspirina y la mortalidad cardiovascular y escogemos una muestra de 100.000 sujetos de los que solo 100 consumen aspirina de forma diaria, estamos realizando un diseo muy poco eficiente y la precisin de los resultados ser baja. SESGO DE SELECCIN Se conocen como sesgos de seleccin todos aquellos que se producen en el proceso de seleccin de la poblacin de estudio y que conducirn a una estimacin del efecto, entre los sujetos incluidos en el estudio, distinta del estimado obtenible para la poblacin entera, tericamente considerada diana del mismo. Sesgo de autoseleccin La autoseleccin supone una fuente de sesgo tanto en la autoinclusin como en la autoexclusin. Sesgo del trabajador sano Se produce cuando escogemos como grupo control a poblacin trabajadora, es debido a que el poder trabajar exige un grado de salud que es mayor que el que tiene la poblacin general. Sesgo o paradoja de Berkson Es tpico de los estudios de casos y controles. Aparece cuando escogemos controles de la poblacin hospitalaria, se debe a que la frecuencia o probabilidad de acudir al hospital es mayor en los expuestos que en los no expuestos . Sesgo de deteccin

Puede producirse cuando los sntomas o signos de una enfermedad estn influenciados por la exposicin a un agente que, por si solo, ya constituye un posible factor de riesgo. Control del sesgo de seleccin La prevencin y el control de los sesgos potenciales debe realizarse mediante un diseo cuidadosamente planeado, se deben intentar identificar todos los posibles orgenes de sesgos e intentar controlarlos. El sesgo de seleccin no suele ser controlable en la fase de anlisis. SESGOS DE INFORMACIN Los sesgos de informacin aparecen cuando existen diferencias sistemticas en la manera en que los datos sobre la exposicin o el efecto son obtenidos en los diferentes grupos de estudio. Si los datos son incompletos o imprecisos, se producirn asociaciones espurias solo si esta imprecisin o incumplimiento afecta a los grupos de estudio de manera desigual. Sesgo de memoria Aparece por que generalmente los individuos que padecen un efecto negativo para su salud recuerdan y comunican sus exposiciones previas de forma diferente a los no afectados o cuando los sujetos sometidos a una exposicin recuerdan o informan de forma diferente sobre el efecto de la misma que los sujetos no expuestos. Este sesgo puede conducir tanto a sobrestimar como a infraestimar la asociacin entre la exposicin y el efecto. Sesgo del entrevistador Se produce cuando la informacin es solicitada, recogida, o interpretada de manera sistemticamente distinta en los grupos de estudio. Suele producirse cuando el investigador conoce la situacin del sujeto en estudio respecto a la exposicin o al efecto. Sesgo por las perdidas de seguimiento Afecta a los estudios prospectivos. Para que se presente el sesgo los sujetos perdidos en el seguimiento deben diferir de los que permanecen respecto a tanto la exposicin como el efecto. Si realizamos un estudio prospectivo mediante cuestionarios enviados por correo, para establecer la relacin entre el consumo de tabaco y la aparicin de infarto de miocardio y observamos que aquellos que fuman y padecen infarto son ms o menos dados a responder que los no fumadores que sufren un infarto se producira un sesgo de informacin. Sesgo de clasificacin Se produce cuando los sujetos son clasificados de forma equivocada respecto a la exposicin o el efecto. El sesgo de clasificacin puede ser de dos tipos: 1. No diferencial. Ocurre cuando al clasificar nos equivocamos por igual en los grupos a comparar. 2. Diferencial. Si al clasificar nos equivocamos ms en un grupo que en el otro. Control del sesgo de informacin

Los sesgos de informacin son difciles de predecir y de cuantificar, deberemos esforzarnos en el diseo y en el seguimiento meticuloso del estudio para intentar minimizarlos. Algunos ejemplos de mtodos tiles para reducir estos sesgos son: El sesgo de memoria podra reducirse si se consigue que el sujeto desconozca su situacin respecto a su estatus y el objetivo del estudio tanto como sea ticamente posible. El sesgo del entrevistador puede evitarse cuando el entrevistador desconoce la situacin respecto a la exposicin o al efecto del sujeto entrevistado. Tambin puede ser til obtener los datos de registros ajenos al estudio. El sesgo debido a perdidas en el seguimiento se puede reducir seleccionando poblaciones con un alto riesgo de desarrollar el efecto, ya que su grado de compromiso ser probablemente mayor que el de la poblacin general. Los sesgos de clasificacin se pueden reducir con unas definiciones claras y precisas de exposicin y de efecto. En caso de producirse se debe intentar identificar la direccin y la magnitud de su influencia. CONCLUSIONES Los errores sistemticos o aleatorios, deben considerarse siempre como una posible explicacin de cualquier asociacin estadstica observada, tanto si es positiva, negativa o nula. Los estudios de casos y controles son especialmente susceptibles a sesgos de seleccin y el de memoria. Los estudios de cohortes prospectivos a sesgos debidos a perdidas en el seguimiento y los retrospectivos a sesgos de seleccin. Todos los diseos pueden verse afectados por los sesgos de clasificacin.