Medicion de variables ‘Medi es asignar valores a una variable. Algunas ‘variables son sencillas de medit. La sensibilided ‘deun microorganismo aun antibistico 0 ol peso de ‘una persona no presentan grandes dificultades ido conceptualizacion ni de medicién, Esta varia bles se denominan objeivas, ya que su definieién ces clara, deja poco margen la interpretacin por parte del sujeto del investigador y se dispone de ‘un buen instrumento para medirlas. Sin embar- 120, muchos de los problemas que se investigen fen ciencias de la salud son dificles de medi. La ‘gravedad de le enfermedad, a intensidad del door, ‘01 propio concepto de salud ode ealidad de vide son vatiables subjetinas para las que no existe uns \definicién ni un proceso de medicién universal ‘mente aceptados. En cualquier estudio, el equipo investigador debe segura la validezylaiablidad de las medidas que ‘utiliza (fig. 18.1). La valides expresa el grado en {que el valor que se abtiene con el proceso de me- dicion se eorresponde con el verdadero valor de 1a ‘variable en un suet, es decir, que no existe un sesgo {error sistemitico) en el proceso de medicisn. Ejomplo 18.1. Supongamos que se pretende estimar la prevalencia de obesidad en una comunidad. Para cello, se pesa a una muestra de sujetos y se regis tra para cada uno de ellos si es abes0 0 no, consi derando obesa aquella persona cuyo peso supere los 75kg, Este proceso de medicién de la obesidad cearece de vaidez, ya que pueden existrsujetos que ppesen menos de 75kg y sean obesos, aunque de baja ‘stature, y otros que pesen mis de 7Skg pero que no sean obesos por ser de mayor estatra 1 flabildadexpresa cl grado en que se obtendian valores similares al aplicar el proceso de medici (02013. Elsevier Espa, .L. Reservade todos los derechos Capitulo | 418 | cen mis de una ocasién, concepto muy relacionado com el de varabilidad aleatoria, Elemplo 18.2. Supongamos que se utiliza una tra reactiva colorimétria para determinar la intensidad {de una proteinuria en une muestra de 20 sujetos, Dos observadoresindependientes ls evalian y eoin- ciden tan glo en cinco de ella, La determinacié ela proteinuria por este método no es fiable por la gran variabilidad hallada entre los observadores. FIABILIDAD EE término Fiablidad es sinénimo de precision Si, por ejemplo, el resultado de la medicién de la concentracién rérica de colesterol en wa sujeto es de 180 mg/dl y, acto seguido, una segunda medicién ‘efectuada con la misma téenica y en el mismo in ividuo, proporeiona el resuado de 240mp/d, de inmediato se ereeré que el proceso de medieidn es poco Gable, Cusnta menor vaiabilidad se obtenga repelir una medicién, mas iable seri cl proceso, El que una medida sea may precisa no significa {que tenga gue sr vida. Un ejemplo sencillo seria pefar dos veces consecutivas aun mismo individuo ‘en una bdscula mal calibrada; seguramente se obten- Avian resultados similares, pero no vslidas, ya. que la blanza proporcionatfa mediciones inexactas Fuentes de variabilidad La fabilidad de una medida no es una propiedad intinseca de ella sino més bien de un instrumento ‘cuando se eplica en una muestra de individuos con- crea, en unas condiciones dadas. La medieién de un 173Error aleatorio Valor verdadero 130 150 170 mma mtg mtg ok aj precision = Ninguno de fs § obsenvadores coincide en el resultado No error setemitico = Elvalr medio de las S obeenvacones ve eres alvaior verdasero Tamato dela muestra = Aaumentar el tamafo ela muestra, ls estimacion Serd mds precisa ‘enémeno elinco est sujet ava individual, del observador 0 del rstrument wile ‘ado, Asi, si dos médicos tomas la presion arterial de un paciente y no obtienen el mismo resultado, puede deberse ala propia variacién de la tensibn arterial entre una medicion y otra, a que el esfigmo- ‘manémetroutlizado proporciona resultados varia- bles, aque os clinicos difiren en ta forma de medir ¥ registrar Ia presi6n arterial, a una combinecién do todas estas czcunstancias Aunque se deseribirs ‘cada una de las Fuentes de variaeiéa por separedo, et la prictice todas ellas aetian deforma simultinea Variacién individual ‘La mayoris de los fendmenos bioldgicos varian de ‘un momento a otro, Una medicién realizada en un ‘momento dado puede considerarse una muestra de todas las posibles mediciones de este fenémeno ‘durante un periodo determined y no tiene por qué representar su verdadero valor. Ejomplo 18.3. Las varaciones del colestral sérico en ‘un mismo individu pueden se lo suficientemente ‘andes como para que sea difel evalua su riesgo 474 \3] | Elaboreln de prefocle de eu Error sstemtico Valor verdadero 130 150 170 mmg mm mg or @ 03 oa Os Aa precsion| = Lo 5 abservadorescoinciden en el resukado ror sitemstico = Elvalor medio se ale mucho del verdadero vlor Tama de la muestra ~ Aungue e aumente e tamatio Ge a muestra, persstrd el eror sisterstco ria y err sistematica. Medici dela presién atrial sistica 04 y 05). cardiovascular en una sola determinacién. Para poner de relieve este hecho se realiz6 un tabajo en el que se analizaba el colesterolsérico de un indi viduo en ayunas eada 20 minutos durante 6 horas (Natelson etal, 1988). Los valores de colesterol variaron desde un minimo de 189mgdl hasta un maximo de 211 mgidl. De las 19 muestras extraidas, 8 presentaban valores por encima de 200mg/dl. Por consiguiente, i el crterio de inclusion en un estudio fora precisamente tener unos valores superiores a 200mp/dl, esta persona hubiera podido no ser ‘andidata,segin la muestra considerada. Igual te, es posible que un individvo presente valores mis bajos o mis altos de colesterol una vez finalizado ‘un estudio, con independencia de le mtervencin practicada, Ejomple 18.4. Enun estudio en el que se analizaban los registros de & tomas de Ia presign arterial de 30 individuos se observé una gran variabilidad i traindividuo. La variabilidad media de la presion sistélice fue de 13,2 mmHg (desviacién estindar [DE]: 6.) y dela presion diestlica de 8,8mmilg (DE: 4,6) uilizando un esfigmomanémetro de mer- curio (Cuesta y Gomez Moro, 1987), Los autores{¢Bhevier Fotocopiar sin ‘observaron también una diferencia significativa en tee [a presion sistlica del brazo derecho respecto & ls ebservada simalineamenteen el braza izqicrda, Las cifras diastélicas no mostraron diferencias de ‘uno a otro brazo. a estratogia consiste en repetir la medicid varias veees y utilizar elguna medida promedio de los resultados. Sin embargo, antes de ponerla en ‘marcha hay que considera el este y las dificultades ricticas que implica, Variacién causada por el instrumento Por intrumento se entiende cualquier vehicuo iil para recoger datos de una forma organizada; por ‘ejemplo, un esfigmomanémetro, un autoanaliza- ddoro un cvestionario. Siempre pueden presentarse varlaciones al aplicar un instrumento de medida y ‘en la técnica empleada, Por ejemplo, al tomar la presi6n arterial, la presion del brazal ola posicin del estetoscopio pueden cambiar, lo que origina inconsistencias en las mediciones. Por ello, es impor tante estandarizar ls procedimientos y seleecionar ¢linstrumento que presente menor variabilidad. Variacién causada por el observador La tereera fuente de varabiidad ese observador. Las personas que llevan a cabo la medicién de la pre sin arterial pueden varia; por ejemplo, el dngulo de observacién, las condiciones en que reaizan las ‘ediciones, 6 aumentar su experiencia a medida ‘que progresa el estudio Para reducir la variabilidad debida alos observ dores es neveserio entrenarlos debidamente antes de iniciar el estudio y clegir medidas lo més obje tives posible, ya que, cuanto més subjetivas sean, mayor es la probabifidad de que exists varabilidad ‘de una medicién a otra y entre los distintos obser vadores. Por iltimo, siempre que sea factible, es ‘convenicnteevalusr la varisbilidad interobservador cc intracbservador, Evaluacién de la fiabilidad La fisbidad se evaliarepitiendo et proveso de me dicién, con el fin de snaizar Ia concordancia entre las distintas medidas. El indice mas wilizado pare cello, en caso de variables cualitativas, es el indice kappa, que cortige la concordancia observada por la que se esperaria simplemente por azar (anexo 4). las variables son cuantitativas, se utiliza el coc: ficiente de correlacién intaclase, que combina un Medidin devarisce EIEN 1:0: anilisis de Ia correlacién de las medidas con una prueba de la diferencia de las medias enre elas, e1 rétodo grifico de Bland y Altman (anexe 4) Deben estudiarse diferentes aspectos de la fia- bilidad: la repetibilidad (fabilidad test-retest), la concordancia intraobservador y la concordancia interobservador: Repetibilidad ‘La evaluacion de a reptibilidad tiene por objetivo <éeterminar si una prucba da los mismos resultados ‘similares cuando se aplica a una misma persona en ‘nis de una ocasién. Require que las condiciones de splieacién sean iguales en ambas oeasiones. EI hecho de aplicar la misma prueba en mis de una ocasin en la misma muestra de individos conlleva algunos problemas, ya que algunas earac- teristics pueden varir con el tiempo. Exel caso de tuna medida sobre el estado fsico ode salad de una persona; cuanto ms tiempo transcurra entre amas pruebas, mayor es la probabilidad de que hayan ‘ccurride cambios reales en su estado de salud, o de que su opinin o actitud hacia un problema de salud haya cambiado. En esta situacién, la fiabilidad Ge la prucba serd infravalorada. Esta dificultad se puede subsanar al menos parcialmente, efectuando la segunda medicién poco tiempo después de la primera. Sin embargo, sel interval de tiempo entre la aplicacién de las dos pruebas es breve, es posible que el resultado obtenido en la segunds oeasibn st influida por el aprendizaje adqurid la primera vez. En otras palabras, ambas mediciones no som independiente y el coeficiente de fiabilidad estar srtificiaimente clevado, Cabe la posibilidad de que los participantes no sceedan a que se les efecte la misma prucha més ‘de una vez en poco tiempo, en especial cuando sea dojorosa o molest, o implique mucho tiempo de realizaciéno desplazamiento, lo cual significa que se perderé mucha informacion, ya que sun individuo so ha completado las dos pruebas no serd itil para cl andliss Concordancia intraobservador e interobservador a concordancia intraobiervador se rofieve al grado 4e consistencia de un observador consiga mismo al leer o interpretar un resultado. Al igual que con la repetibilidad, las dos medidas que realiza cada cobservador deben ser independientes una de otra, lo que puede ser muy dificil de conseguir cuando Ia observacion de interés es un hallazgo Fisica que equiere la presencia directa del pacients, ya que el 175recuerdo de Ia primera exploracién puede condi- cionar el resultado de la segunda. Esta diftcultad queda soslayada sila observacién es, por ejemplo, ‘una radiograia oun electrocardiograma. Por concordanciainterobservador se enticnde la cconsistencia entre dos observadores independientes sobye una medida practicada en el mismo individuo, Para asegurar la independencia de las medias en- tre ambos observadores, uno no debe conocer el resultado proporeionade por el otro (observadores ciegos) ‘Con frecuencia, la concordancia itreobservador ¢ interabservador se evalda en un mismo estudio. En este caso, hay que asegurar Ia independencia de todas las medidas, para lo que puede ser muy ‘til aplicartéenicas como la sleatoriedad en la se- ‘euencia de aplicacion de las medidas y las enieas de enmascaramiento, anilisis de la concordancia interobservador © intraobservador es, en muchas ocasiones, un paso previo sla validacion de una nueva prucha diagnse- tica, ya que, si los distintos observadores discrepan «en los resultados, Ia prucba, aunque tedricamente ‘pueda ser vilida, tendta poca utilidad clinica Consecuencias de una medida poco fiable La fiabifidad de las medidas nose ha de analizar en cada estudio, Sélo es necesario cuando se desarolle tuna nueva medida o como control de la calided de lasmediciones. Sin embargo, al planifcar un trabajo de investigacin es imprescindible considerar las posibles medidas altemativas de las distintas variae bles y eseoger los que hayan demostrado ser mas Fables en estadios anteriores, Sila medicin de la variable de respuesta tiene poca fabilidad, a consecuencia directa es que Ia festimacién del efecto que se obtenga ser poco precisa, es decir, su intervalo de confianza seré muy Aamplio. Este problema puede soslayarse aumen tando el tamaio de la muestra, ya que el nimero de sujetos necesario depende, entre otros fictores, de Ia variabilided de las medidas, aunque ello supone un incremento de la complejidad y el coste del estudio, VALIDEZ El término valides se refiee al grado en que una variable mide realmente aquello para lo que esti destinada, Es un concepta ligado al de error siste- ‘mateo. Coanto menos vslida sea una medida, mis probabilidades hay de cometer un seseo, 476 3] | Eaoreln de prefocle de oetuto Unas variables son mas vitidas que otras. Por ejemplo, la hemoglobina glucesilada representa mejor el grado de control de un diabético que una medicién aislada de Ia glucemia. Los responsables del estudio deben procurar escoger siempre las me didas mas vidas, en especial cuando se rata de las variables importantes del estudio. Las posibles fuentes de error sistemitio son las mis. que las enumeradas en el apartado destinado fiabilda, Error causado por el individuo curse evando el error en la medicién de un fe rnémeno se introduce a causa de los partiipantes en el estudio. El ejemplo mis sencillo es el seseo dde memoria, Los pacientes que sospechen que el probleme de salud que padecen esté relacionado con alguna variable en estudio, es posible que recuerden con mucha més exactitud su historia ppasada de exposicién que aquellos participantes libres de la enfermedad, Este diferente recuerdo se traduce en un error en la medicién de Ia variable en estudio, Elemplo 18.5. Supongamos que para investigar tos posibles efectos teratogénicos de un firmaco se realiza un estudio de easos y controle. Los casos son los recién nacidos eon malformaciones, y los controle, recién nacidos sin malformaciones. Si se pregunta a las madres por el consume de fir. rmacos durante el embarazo, & muy probable que las madres de nifios con malformaciones tiendan 3 recordar con mas detalle todo lo avurrdo durante embarazo, ineluidos los irmacos que tomaron, que Jas madres de nis sin malformaciones. En otras ocesiones los participantes pueden fl sear de forma deliberada las respuestas simplemente ‘para complacer al entrevistador o porque piensen que una determinada respuesta no esti bien vista socialmente, por ejemplo, cuando se interroga sobre Jos habitos toxicos de una persona, Error causado por el observador (curre cuando el abservador mide una variable de forma errénea, por ejemplo, al utilizar una técnica ‘incorrect para la toma de la presin arterial (mala pposicin del brazal, tomaria en et braza inadecua- do, ec.) oal administrar un eucstionari de forma exronea,{¢Bhevier Fotocopiar sin En os estudios analiticos puede ocurir también ‘cuando el observador mide sisteméticamente wna variable de forma distnta en un individu t otro, segiine! grupo de estudio al que pertenece. Siu in ‘vestigador supone que los pacientes que reciben un testamiento presentan con més frecuencia un deter. rminado efecto secundario, e posible que incluso de forma ineonseiente, lo busque eon mayor insisten {eon preguntas mis freewentes 9 con més pruebas ‘complementarias) en aquellos que lo reeiber que ‘en los partiipantes del otro grupo, Error causado por el instrumento ‘Gute cuando la medida empleada no es la ade- euada para el fen6meno que se quiere snalizar, 0 cen el caso de que el instrumento utilizado no esté bien calibra, Evaluacién de la validez Pra evaluar la validez de una medida se comparaa, ‘sus valores con los obtenidos con una tSenica de referencia objetiva, able y ampliamente aceptads ‘somo una buena medida del fenémeno de interés (valides de ertero ‘Cuando la variable es dicotémica, los indices de validez de erterio més usados son Ia sensibilidad y la especificidad (anexo 3) La sensiildad se define como la probabilided de que una persona que presente la caracteristica tea clasifieada correc tamente por la medida empleada en el estudio, La especificidad se define como la probabilidad ‘de que una persona que no tenga la earacteristica sea correctamente elasficada por la medida utili zada. Para que una medida sea itil deberd ser lo ims sensible y especifica posible. Sila variable ‘es cuantitativa, una forma de evaluar la validez es o andlisis de las diferencias individuales entre los valores que proporcions Ia medida que se est ut lizando y la obtenida con el método de referencia, sintetizadas en su media y desviacién estindar {anexo 4), ‘A veces es dificil disponer de un eriterio de refe rencia adecuada, bien porque no existe 0 porque no estéalalcance del investigadar: En estos casos, procedimiento més empleado es evaluar la valide: dle coneiructo 0 de concepto, que analiza la corte. cin de Ia medida con otras variables que se cree ‘que estin relacionadas con ella faldes convergente) y la correlacién con otras que se sospecha que no tienen relecién alguna (valde: divergent). Sila ‘correlacin es alta en el primer caso y baja en el segundo, puede considerarse que la medida tiene validez de constructo, Medisin devarises EINEM +0: Otro aspecto que se debe tener en cuenta es la evaluacién de la valider de contenido de la medida, es ecir, si contempla o abarea todas las dimensiones el fenémeno que se quiere medi. Por ejemplo, la concentracisn de tglicéridos puede ser una medida cil de definit, lable y con efras muy exactas por parte del laboratorio. Sin embargo, puede no ser una medida vilida de arteriosclerosis. Fs eonveniente bordar estos problemas en la fase de diseio de un estudio, ya que después esta informacién ayudar. a ‘matizar los reeultados. Consecuencias de una medida poce valida La ulilzacién de medidas poco vilidas conduce a na respuesta errénea I pregunta de investigacin. Sise rata de un estudio deserptive que estime, por ejemplo, I frecuencia de una enfermedad, se obten- rd una prevalencia exrénea. Si se tata de estudios analiticos ls sesgos de informacin conducirin a tuna estimacin ernnea del efecto del factor de estu- io, Enexte tipo de estudios convene distinguir en- tee Ios errors diferenciales y los no diferencales. Error no diferencial [sel eror que ocurre al medir el factor de estudio ylo la variable de respuesta y que se produce por ‘gual en todos los participantes, con independencia el grupo al que pertenecen o del valor de cualquier ‘otra variable. En otras palabras, signifies que euando la variable es cuslitativa, Ja sensibilidad y la espe- cificidad para medirla permanecen constantes en todos ls participantes al margen de otros Factores. Sila variable es continua, lo que permanece cons- tante es la diferencia entre la modia observada ya verdadera medi Ejomple 18.6. Consideremos un estudio en el ‘que un 60% de los individuos del grupo A desa- rrollan la enfermedad, mientras que en el grupo B, Ia incidencia es slo del 20%, La verdadera razn de incidencias es igual a 3. Supongamos que la prucba que se aplica para detectar la enfermedad sione una sensibilidad del 85% y una especiticidad del 90% en ambos grupos. Aplicando estos valores se obtienen los datos dela tabla 18.1. Por ejemplo, nel grupo A se esperaria que de las 60 personas con Ia enfermedad, la prueba identifiara correctamente St (600,85), y ue 36 (40 0.90) seclasifcaran corectamente como que no la tienen grupo A a disminuido del 60a! $5%, mientras que 173] | Eaoreln de prefocle de oetuto Tabla 18.4 Estudio hipotétice que lustra un error sistemético no diferencal (ejemplo 18.7) Grupo A Enfermedad Resultados de Proser Ausente otal la prueba Pocitvos ot 8 Ineldencia observa Negatives 2 38 6 Total 6 40 100 55% Incidencia acum verdadera: 60%, Sensibilidad de la prueba: 85%. Especiidad de la pruabe: 90%, Grupo 8 Enfermedad Resultados de Prosente Prosente ‘Total prueba Posives 7 25 Inadenca observed Negatives 3 1s Total 20 100 25% Incidencia acunulada verdadera: 20% Raz6n de incideneas verdadera: 3 Sonsibilda de as pruobas: 85%. RRazon de incidencas obsorada: 22 Especticidad de las prusbas: 9% ‘nel grupo B ha aumentado del 20 al 25%. Esto es asi porque cuando la incidencia6 a prevaleneia no ‘es muy alta, como sueede en el grupo B, incluso wna pequedia proporen de falsos positives puede con pensar uns mayor proporcién de flsos negatives. Si se calcula la razén de incidencias, se observa que ha disminuido de 3.» 2,2 como resultado de ‘usa mala clasficacia no diferencial ‘Cuando se comparan dos grupos y se usa una me- ida poco vilida que afecta a todos los patcipantes ‘por igual, se introduce un etrox no diferencial que ‘conduce # una infaestimacin del verdadero efeeto Cuando el efecto real es de gran magnitud, esta infraesimacién no tiene una gran tascendencia. Sin ‘embargo, en aquellos estudios que no encuentran ‘un efecto, el investigador dobe valorarlaposibilided dde que a prueba empleada sea paco sensible o es- pecifia y que éta sea la verdadera causa de que no se haya encontrado ninguna asociacin, “Macos autores tienden # asumir que los errores que cometen en la medicién de las variables son de natureleza no diferencial, pero en ocasiones festa asuncion es dificil de mantener (por ejemplo, [porque existe correlaciGn de errores entre los tems ‘den euestionario, o debido a efectos no comtro- 478 Jados de otras covariables). Hay que tener presente ‘que pequedas desviaciones en la asuncién de inde ppendencia de Tos errores puede conduct un sesgo en cualquier dizeccién, Error diferencia! (curr cuando la medicion de factor de estudio ylo variable de respuesta depend del valor de ora vs Fable, afeeta de modo diferente alos partcipantes el estudio segin el grupo al que pertenecen. ‘Cuando la medida es poco vss, y la sensbilidad y laespeciicidad de la prueba son diferentes en cada grupo, a mala elasifiacién que resulta puede sesear Jos resultados en cualouierdieccién, Una verdadera ssociacién puede quedar enmascarada, dieminida ‘ aumentada, o bien puede encontrarse un efecto que en realidad no existe Ejemplo 18.8. En un estudio similar al del ejem plo 18.7 se utiliza una prueba de deteccién de la enfermedad que tiene la misma especificidad en ambos grupos (98%), mientras que la sensibilidad 5 del 98% en el grupo A y sso del 70% en el B. EL resultado es que se sobestima la verdadera razon de ‘ncidencias, ue de 3ha pasado 3,75 (abla 18.2).: : : ET 1: ‘Tabla 182 Estudio hipotético que lustra un error sistemtico aiferencial(ajemplo 18.8) Grupo A Enfermeda Resultados de presente ‘ausente Total la prueba Peaitvoe 9 00 Incldencia beervada Negatvos 1 0 Total 2 100 60% Ineidencia acumulada verdadera: 60%, ‘Sonsiiidad de'aprucba: $99, Expected dela prueba: 98%, Grupo B Enfermedad Resultados de Total eee. Prosente Prosente Pesitvos 4 6 Ineidencla observa Negatives 6 a4 Tota 20 100 16% Ireidencia acumulada verdadero: 20%, ‘Sensibilidad ¢e las pruebas: 70%. Especicdad de as prubas: 38%. Un ejemplo elisico de eror diferencia es el sesgo ‘de memoria en los esudios de casos y controls, ene {que el conocimiento de la enfermedad infuye sobre cl ecuerda dela exposicién (ejemplo 18.5). Otro _jemplo sn los estudios prospectivos en los ue no se aplican ono es posible aplicarténicas de ciego: eco nocimiento de laexposicién (ol incervencibm) pode condicionar fa bisqueda, conseiente 0 inconsciente, dew efecta en este individuo, de forma diferente & la reaizada en otro individvo no expuesto, En ambos ‘ceo, la medicidn no se realiza independientemente ¥y puede sobrevalorarseo infaestimars la verdadera ‘magnitud del efecto ode a asociacién. ESTRATEGIAS PARA AUMENTAR LA FIABILIDAD Y LA VALIDEZ Las cinco primerasestrategias tienen efecto sobre la validezy sobre a precisién; la sexta s6lo mejor fiabilidad, mientras que las restantessirven para aumenta la validez de la medic, 4. Seleccionar las medidas mis objetivas posible. Sila variable de respuesta es, por ejemplo, la moral dad total, no existirén variaciones en su determi ‘avin por parte de los observadores. Si, por el contrari, es la aperii6a 0 l alivio de un sinto- ma, es mis probable que la evaluacién se llevea cabo de forma dispar entre los abservadores: Estandarizar la defnicin de las variables. Es imn- prescindible que las variables estén dfinidas de forma operativa en el protocolo o en el manual de instrucciones, para que todos los investiga- doresutilieen los mismos eriteris incluso ante situaciones dudosas. Formar a ls obcersadores, Su entrenamicnto 20 permit controlar totalmente la variacibn entre un observador y oto, pero sireducirla Uniizar a mejor técnica posible. Por ejemplo, si se tiene la posbilidad de escoger entre un aparsto anotoide y otro de mereurio para medit Ia pre- sidnarteria, se elepird este time, ya que es mais Table Uniizar instruments automticos. Sis facie, ye instramento automatizado es més preciso, per- ‘mits reducir la vriablidad interobservador. (Otten varias medicines dena variable. El prome- dio de varias medidas iende a ser més preciso que ‘una medide aslada, El ejemplo més clisico es la resin arterial: dado que es una medida muy va- ‘able la prctca mas habitual es tomarla ex mis de una ocasién y obtener la media de las distintas ‘mediciones. Dela misma forma, se obtendri una 1793 cestimacién més precisa de un fendmeno como la calidad de vide si se realigan varias preguntas relacionadas con el ema en un cuestionaro, Esta ‘estategiasélo mejora la precisin, no la validez 7. Eimpleartéenicas de enmascaramiento (lego). E's ‘esayos cinicos cantrolados con placebo donde ‘es posible utiliza las tSenicas de enmascaramien- to, y més eoneretamente las de doble ciego, es ‘muy dtl inourrr en un error diferencia, ya que ni los observadores ni los paticipantes conocen ln intervencién que estin recibiendo. En algunos ‘studios observacionales es factible mantenet ciegos a los observadores, pero no asia los par~ ticipantes. En esta situacin se elimina el ersor potencial qu se deriva de las expectatvas de los ‘observadores, pero no el que puede provenir de BIBLIOGRAFIA DE LOS EJEMPLOS Elaboracién del protocolo de estudio los participantes, De todos modos, las téenicas de ciego no evitan los errores no diferenciales 8. Calbrar los instrumentos. El ejemplo 18.4, corres. pondiente a un estudio sobre la calbracién de los tesfigmomandmets,sustra le que puede ocurir sino se toma esta precauein. Hay que calibrar Jos instrumentos con el fin de evitar medidas sess, La puesta en marcha de todas las estrategias simulténeamente es muy dificil. No obstante, la cstandarizacién dela variables y a formacidn de los lobservadares debe ralizase siempre, La aplicacion del resto de estrategias dependera de las caracte ristcas de las variables que se estén estudiando, e1 Aisefo empleade y Ia isponibilidad de recursos. (Cuesta V, Gémez Moro MB. autométios, Rev Chia Esp. TORT: 180825, [Natebon B Tapp W, Mansi A, Bums W, Fuetuting serum Precis en la toma de tenn ereral:efeacia de los esfigmomansmetros BIBLIOGRAFIA cholesterol: implications for coronary prevention. Lancet, 1988234085 ‘Amutrong BK, Whit, Sarace Bland J, Altman DG. TR. Principles of exposure ‘mcasurement in epidemiology. (Oxford: Oxford University Press, 1994 p. 5 Barbara AM, Loeb M, Dolovieh L, ‘BrailK, Russell ML Pate self-report and medical sccords: measuring agreement for binary data. Can Fars Physiciaa. 2011;57(6); Bre. pide Bare JW, Frost C. Reliability, ‘repeatability and reproducibly: analysis ‘of meaeurement errors {in continous varcbles. Uiasound Obstet Gynecol 2008;31(4) 466-75, Bland JM, Altman DG. Comparing ‘wo methods of clnieal ‘measurement: a personal bistor. Int Epidemiol. 1995:24(Suppl1):S7-Sis. Band JM, Alto DO. nero and "Measure come 996.313 180 Measurement ear, BMJ. 1996;312:1654. Band JM, Altman DG, Measurement error proportional othe mean, BMI 1996;313:106 ‘Chyou PH. Pattems of bas due to “ferential misclasifistion bby case-control status in ease control stay. But 3. 2007:22():7-17, Gresnland §, Gustafson P “Accounting for independent nondiffeental misclasfication mix ‘docs not inerease certainty that an observed association i inthe correct direction Am Epidemiol. 2006,164(1)65.8 Jménce Villa. Comparacisn ‘de métodos cuant ‘medida, FMC, 1994;104-10, Jarek AM, Greenland S, Maldonado G. Haw fr from ‘non-differental docs exposure ‘or disease misclassfication have to be to bis measures ‘of sociation away from the nul? Int Epidemiol. 2008;37(2):382-5. Kuadel HL, Polansky M ‘Measurement of observer agreement. Radiology, 2008;228:308:8 Latour J, Abmira V, Cabelo 1B, pez Sincher J Las rmediciones clinics en ardiolgia: valid y erorse ‘de matic. Rev Esp Caria. 1997; S0:117-28 Pekanen J, Suny J Chinn S, Nondferetial disease siietion may Dis imeidence nak ration avy from the nll. J Clin Fiero 2006;59(3)281-9. Sim, Wright CC. Tae kappa ‘tatstic in reliability stu: tse, interpretation, and sample size requirements Phys Ther 2005;85(3) 21-68 ‘Viera Al, Garet JM. Understanding Imerobserver agreement the kappa statistic: Fam Med, 2008:37(5) 3603, wos deCapitulo | 19 | Selecci6n y definicion de las variables SELECCION DE VARIABLES La seleccién debe guiarse por una norma senci ‘recogertantas variables como sean necesarias y tan ppocas como sea posible. Cuando existan dudas so- ‘rela petinencia de ineluir una variable, debe con- trastarse su utlidad con a dificulad de sv medicién, Las variables se pueden agrupar en cinco grandes Dloques (cuadro 19.1). Esta lista es orientativa y deberd edecuarse a cada situacin conereta [El primer grupo hace referencia ala variables que ppermiten evaluar la aplicabilidad det protocolo, se ‘corresponden con los eriteios de inclusion y x ‘lusin, y sirven para determinar sin individ es ‘eandidato para pertciparen el estudio, Fs til reo: ‘gery archiva esta informacin, ya que iteresré co ‘nocer los motivos de las exclusiones para evaluar de forma adecuada la capecidad de generalizacién de los resultados EI sogunda grupo corresponde a das elementos ‘ya especificadas en la formulacién de! objetivo. Por un Tado, el factor de estudio, Si se tata de una ‘exposieisn, interesard medi el tipo, la intensidad yy la duracién, Si se trata de una intervencin, el tipo, la dosis, a pautay la duracin. Por otro lado, la variable de respuesta, que permitia estimar la ‘existencia y la magnitud del efecto observado. Estas ‘dos variables doben ser defindas y medidas con la ‘maxima fabilidad y validez, ya que el objetivo de! ‘estudio os cuantificar la relacin entre ells Las variables del tere grupo seideifcan a pstt ‘del anliss del modelo tesrica en el que se enmatca la investigacién, Corresponden a los potenciales factores de confusién, es deci, las variables que se sabe, © se sospecha, que estin asociadas tanto al factor de estudio como a la variable de respuesta. (02013. Elsevier Espa, .L. Reservade todos los derechos ‘Cuadko 19.1 Variables que deben ser ‘medidas en un trabajo de investigacién + Variables que permitan evalua la aplicabildac Gel protocolo(rtros de sleccén} Variables que permitan medi el factor 0 los factores de estuso,ylavarable 0 variables de respuesta ‘Variables que puedan actuar como: = Posblesfacores de confusion Posies variables mosificadoras del efecto = Pasos incermedios de a cadena causal ‘Variables universalesdesciporas de les suetos estulados (tras variables de interés (cubgrupas de Poblacén, preguntas secundatas, medias Ge tempo, etc} ‘Su modicién permitia controlar su efecto en el andlisis. También es importante medi ls variables {que puedan actuar como modificadoras del efecto, pera conocer y deseribir mejor el efecto del factor {e estudio, Por dltimo, es interesante recoger datos sobre los pasos intermedios de la eadena causal, para evaluar cémo han evalucianado y emo se han comportado ante el resto de los fatores. EI cuarto grupo lo forman las variables que des- criben ls caracteristcas de los sujtosestudiados, de ‘Forma que pueda evaluase Ia capacidad de gencrali- zacion de ls resultados a ottos grupos de sujetos o poblaciones, Son variables la casificacion de la en- ermedad, el empo de evolucién y los tratamientos previ, entre otras. También se inclayen variables que podbrian lamarse universales, ya que se recogen en la ‘mayoria de los studios, como el sexo ola edad. 181EI timo grupo correspond a las variables que ‘complementan la medieién del efecto o la asocia- ign, deinen subgrupos de sujetos de especial inte- és 0 son necesarias para responder alas preguntas secundarias ‘Una buena prictica es claborar una lista de las variables contenidas en cada una de ests categorias ¥ dehatrla entre todo el equipo investigador para valorar Ia pertineneia de su recogida, DEFINICION DE LAS VARIABLES Es conveniente adoptar definiciones estindar, uti- lizadas y validadas por otos investigadores, con la ‘nalidad de poder comparar los resultados eon los de otros trabajos Elomplo 19:1. En una revisisn de los ensayos cini= ‘cos que evalian las intervenciones de apoyo 8 los ccuidedores de pacientes con demencia, Thompson y Briggs (2000) ponen de manifesto que tanto el tipo de as intrvenciones evaluadas como eld las variae ‘les de respuesta y sus definiciones son distintas en Ja mayoria de los estudio, lo cual difieulia enorme ‘mente tanto la comparacion de Ios resultados como su interpretacién conjunta Las definiciones han de ser claas, operatvas y no ddeben dojar lugar 2 la ambigedad; ademés, deben prever todas las situaciones posibles, Por ejemplo, on Ja defiicion de visita: ;seincluyen las de enfer= ‘meria?, jy ls eonsultasteefnieas?, co ls debidas motivos burvcriticos?, co las consultas sobre el paciente realizadas por sus familiares’ ara muchos conceptos se utilizan mediciones aproximadas. Por ejemplo, al definir la profesion de un sujeto deberd decidire si inteesa la ejercida ‘on la actualidad o la habitual, Si se estéestudiando ‘usa determinada exposicion labora, interesa més Ia historia ocupacional que la profesi, ‘A menudo no existe una variable dniea que, por si sola, exprese toda la complejidad del fendmeno {que se desca medi. En estas situaciones pueden ilizarse diferentes variables, de manera que cada luna de ells refleje un aspecto diferente de dicho ‘fonémeno, y que después puedan agruparse en una scala comiinada, Ejemplo 19.2. Paro evaluar Ia calidad de vida puede utilizarse un cuestionario como el SF-36 (Short-Form-36 Heath Survey) validado en Espa ‘(Alonso etal, 1995), que consta de 3 didos en una eseala ordinal y que abarca 8 dimen- siones: estado fisico, limitaciones por problemas 182 \3] | Elaboreln de prefocle de eu fsicos, dolor, salud mental, limitaciones de vidas causa de problemas emocionals, vialidad, energis o fatiga y percepcién de le salud general En ocasiones es necesario descomponer un fens ‘meno complejo en diferentes aspectos que se miden por variables separadas. Un ejemplo es el electo eardiogeama, cuya valoracién requiere estudiar el patrén QRS, cl segmenta ST, Ia onda T, el itm y la frecuencia, entre otros. ESCALAS DE MEDIDA [La escala de medida determinard el andlisis estas 0 que por realizase, Lamas simple eorresponde a Jas variables nominales, cyos valores son categoras no numérieas bien definidas, come por ejemplo, el tipo de tratamiento de la diabetes mellitus codif cado como dicta sola, dicta mis hipoglucemiantes rales, dicta mis insulin, y otras combinaciones, En ‘caso conereto de que slo exstan dos valores pos bles stino, presentelausente, masculino/femenino, te.) se habla de verablesdiconimicas. En las variables ordinales la eategorias pueden cordenarse de alguna forma légica. Po ejemplo, Ia codificacién del dolor, en ausente, leve, moderado o grave ‘Las variables coantitativasdiseretas pueden adop- tar lo cirtos valores (en general, nimerosenteros), ‘como ocurre eon el nimero de hijos o el de ingresos hhospitalarios. Las variables cuantitaivas continuas ‘pueden adoptar cualquier valor numérico, en gene- ral dentro de un rango; por ejemplo, e peso, Ta edad la glucemia basal En muchas ocasiones, la propia definieién de la variable leva impliita la escala de medida, pero en ‘tras puede ser necesario escoger entre diversas po- sibilidades El consumo de tabaco puede expresarse como una variable nominel(s/no, 9 bien nunca ha fumado‘fumadoriex fumador), ordinal (no!Fume dor levelfumador moderado'Tumador importante) & incluso cuaniativa (nimero de cigarillos o gros ‘de nicotina diarios). Come norma general, es prefe ribleescoger la escala continua, ses posible. En pr ‘mer lugar, porque contiene més informacion lo cual ‘permite utilizar prushas estadisticas mas potenes (la tabla 19,1 enumera las esealas por orden ereciente de informacién que eontienen). En segundo lugar, porque, a partir de Tos datos cuanttativos, puede agruparse como categorias eualitativas, incluso sewin diferentes criterias, mientras que el proceso ‘verso no et posible. Sin embargo, debe valorarse la dificultad de recogida de la informacién necesaria frente al{¢Bhevier Fotocopiar sin SLE io) ‘Tabla 19.1 Escalas de medida de las variables Escala Ejemplos = Cualava + Nominal ‘eyo: masculinoffemenina elaiea sina Tabace: sino Via de adrsistracon dt farmaco * Ordinal ‘Clase socal, MV Protea: <4, 44, 4 Cefalea no, love, moderada, grave Tabaco: no, famador madras, gran fumador = Cuaniatvas + Discreta Numero de hos [Numer de ingresoshospitalaros [Numero de episodios de una enfermedad Numero de vistas an el atina ao, * Continua Peso {Givcemia basa ‘Consumo de acohol (fs) Prenn ateral beneficio esperado. Si se desea medir el consumo de aleohol, el cileulo de los gramos consumidos ddariamente requicre un esfuerzo suplementario. Si ‘sta variable tiene un interés marginal enel estudio, ‘puede bastar con meditla con una esela ordinal (sin consume/consume moderadofeonsume importa te), mucho més fil de obtener. Pero si la variable es importante, debe medirse con le mayor precisién {y cuaniitalivamente, si es posible Ejemplo 19.3. Existen diversos métodos para medic la intensidad de dolor. Ls esealas descriptivas sim piles resultan poca sensibles. Se han desarrollada ‘otras téenieas, ente las que destacan los métodos _griticos y las escalas analdgicas visuals, y estas ‘itimas son las que se han mostrado més sensibles, Consisten en representaciones grificas en forms de linea recta cuyos limites se definen come ls li ‘mites extremos de a senstciin que se quiere medi. El paciente marca en la escala el punto que, as juicio, representa la intensidad de su sintoma. Es recomendable que la linea no contenga sehales ni ‘puntos intermedios de referencia, ya que puede conicionar Ia respuesta, convirtiendo una escala inicialmente cusntitativa en una pricticemente ‘categérica, como se ilustra en la figura 19.1. Las cescalas analdgicas visuales no sélo se utilizan en Ia valoracion del dolor, sino tambien de otros sintomas percibidos por el paciente mas o menos subjetivamente, Una buens ecala deberia cumplir los eriterios cenumerados en el cuadro 19,2. FUENTES DE INFORMACION Las fuentes de obtencién de datos pueden casticase en eineo grupos (cuadro 19:3), Algunas variables pueden medirse utilizando diferentes fuentes. La cleceiin de lamas adecuads se basa en el tipo y la vae lidez de i informacién que pueden proparciona, los recursos necesarios para obtenerl, la aceptabilidad {del mStodo por los sujetos y la probabilidad de que proporcione una cobertura adecuada a todos ellos. Elemplo 19.4. Un estudio comparé la informacién proporcionada por les mujeres respecto a la realiza- cign previa de pruchas de Papanicolaou mediante entrevista y la registrada en las historias clinicas (Walter eta, 1988). Los datos procedentes de la entrevista indicaban usa mayor cantidad de prucbas realizadas en los $ aos previo, una fecha més re- conte del itima exploracion, una mayor presencia 4e sintomatologiay na gran diserepancia en Tos re- sullados de la prueba. Un estudio similar comparé la informacién obtenida mediante entrevista sobre el consumo de anticonceptivos orales con la repstrada cn las historias clinieas (Rosenberg et al, 1983). En Ia entrovisa se utilizaron relevantes y fotograias detodo gritco Maxine dor Ne cbenacons cine g Fa 2 Medeado 24 16 le oR 2 : sido 4] 7 3 37 Escala analégica visual iain dolor 5 ge obseracones 2 Si dolor T3337 3] | Eaoreln de prefocle de oetuto Moderado Grave er) Reautadas de 100 medciones consecutive a Resultados de 100 medcionesconsecutvas [FREI] todos ce reprevertacin grfics del dolor (lero 79.) ‘Cuadro 19.2 Caracteristicas de una buena ‘scala de medida ‘Apropiaca para su uso eno estudio, de acuerdo on los objetiosy la defini de la var abe + Viable, de acuerdo con los métedes que podtin tloase para recoger la informacion Con suficentepotencia para acanzar los objets oe estuclo Categorias claramente definidas Numero suiiente de categor3s, pero no Innecesaramenteelevado Exhaustva en su canjunto para permite Clasfiartocas as stuacones ponbies Categorias mutuamente excayentes (cada sluacén debe dasticare en una Unica categoria) Categorias ordenadas jerdrquicamente {apacidas para mecir taco la mejor como e! ‘empeoramiento de! sintoma ola enfermedad en cestuclo el mercado, Se obtuvo una concordancie bastante ‘buena (90%) en la dracién en meses del consume, pero bastante menor en cuanto a la duracién y le ‘marca (62%) y la dosis (54%). 184 CCuadto 19.3 Fuentes de informacion, + Observacion crea: = Bxporacon sca ~ Beplracionescomplementarias Entrevstas y cvestionaros Resist ae catos pore propio pacente Informador increcto Resists y documentos ya exstentes (datos secundarios): ~ Datos indviduales ~ Datos agregados Observacién directa LL ulilidad del examen fisico ode las medidas bio logicas depende, principalments, de su estabilidad enc! tiempo. En un exiremo se encuentran variables como el grupo sanguinco, que permanccen fijas durante toda la vida, yen el oto, variables como el monéxido de earbono, que indican el consume de tzbaco en las horas que preceden su medicion, Fn una situacion intermedia estarian, por ejemplo, el peso ola presién arterial,{¢Bhevier Fotocopiar sin ‘Un problema que se puede presenter con las me- didas bioldgicas ex que su valor se modifique por la presencia de una enfermedad, Ejomplo 19.5. Supongamos un estudio de casos y ‘controles en el que se estudiaa el riesgo de padccer infarto agudo de miocardio (IAM) asociado a la presencia de hipereolesterolemia, En las horas in mediatas despues de padecer un TAM se observa un ‘descenso de ls cifras de colesterol, por lo que si kt valoracién de la colesterolemia se hace en fneién dena medicién de las cifras de colesterol alas po- ‘ces horas de padecer el IAM, se produc un error de medicin yun sesgo en la estimacin desu efecto sobre el riesgo de desartllar la enfermedad, Cuando las mediciones corresponden a pricbas dd laboratorio 0 pruebas complementaias, es im- portanteasegurarse de que los valores no dependen dl observador, que los aparatos de medida estén ‘bien calbrados, que las unidades de medida son las de referencia y que sis valores normales son con: fides y comparables entre los laboratorios partici panies en el estudio, ‘Muchas variables se pueden modificar median. le una intervencién preventiva o terapéutic, Esta ‘consideracin es importante en los diseios trans versales de asociacién cruzada, por ejemplo, entre la presién arterial y la edad, en el supuesto de que los individuos hipertensos hayan reeibido alguna inte. ‘vencién para reducir su eittas de presign arterial Entrevistas y cuestionarios Permiten obtener informacién tanto sobre expo: siciones ocurrdas en el pasado como en la actua lidad. Son la fuente de informacin de elecsién cuando se requieren grandes cantidades de datos, en especial, ise refieren prineipalmentea exposiciones ppasadas y que han tenide un gran impacto en le Vida del individuo, Los eapitulos 20 y 21 de esta ‘obra se dediean al divefio de cuestionarios y su validacin, (Cada vez es mis frecuente que ls variables de res puesta tanto de los ensayos clinicos como de los ‘studios observacionsles sean medidas de la calidad de vide relacionada con a salud (CVRS). Bl desaro lloy el uso ereciente de los instrumentos dela CVRS. viene dado por la convieeién de que las medidas de resultado tradicionales, como la tasa de mortalidad, zo son lo suficientemente sensibles pare analizar las posibles diferencias entre tratamiento, y que igunos de ells, s bien aumentan la supervive ‘pueden tener un impacto negative sobre la cal de vida de paciente, Registro por el propio paciente Serefierea un registro detallada y prospective levae {do cabo por los propios sujetos del estudio, Ll de- tall (y la duracin del registro) con que se recoge la informacién esta definida por el investigador. En la mayoria de ls ocasiones el registro es diario y su ‘duracin es de poeos dias o semanas Al ser regstros prospectivos, no dependen de Ia memoria de los sujetos, y son muy tiles para expo- siciones muy frecuentes y que tengan, por ejemplo, poco impacto en la vida de los individuos. Se han uusado para medir Ia actividad fsia, le actividad se- ‘xual, el consumo de alcohol ola deta, Porro lado, al registrar las actividades a medida que se realizan, permite conacerlas con detalle, lo que supone una ventaja frente otras fuentes de informacién que recogen simplemente la actividad habitual La principal limitacién es que slo se pueden registrar variables que se observan durant la real zacién del estudio. Por tanto, no sirven para medit luna exposicién en el pasado, a no ser que esé muy correlacionada con Ia actual, Ademas, los darios equieren mis tiempo de dedieacién por parte de Tes sujet incluidos en el estudio, pr lo que éstos eben estar motivados par Tlevar& cabo el registro, Alecoger gran cantidad de dato, tienen elincon- vveniente afadido de una mayor diticultad de cod ficacién y provesamiento de dichos dates. Por todas estas difcultades,su uso ha sido muy limitado, en ‘come eriterio de referencia para estudios {Se validacién de euestionarios u otos métodos de recogida de datos. Las principales fuentes de ertor {Se este ipo de regis se resumen en el cuaro 19.4 Informador indirecto La entrevista a personas proximas alos sujetos in- cluidos en el estudio se usa evando éstos no son (Cuadro 19.4 Errores frecuentes en el uso de los registros por el propio paciente + El sempo de cobertura cel registro puede no ser suficente para refjar la verdaderaexoosiion lind registro puede no refijr ls variacones en la exposiion con el tiempo + EL hecho de mantener un registo dia ovede afectar (cambiar ei comporiamiento de os participants en relaccn con la exposiin + Tpexactituces de los participants al recoger os datos + Erroresenlacoficacin 185capaces de proporcionar la informacién necesaria, Las cass mis frecuentes de esta incapacidd son la defuncién del individvo seleccionado, la presencia dd enfermedades mentals ola edad ‘Son muy ails en estudios de casos y controles sobre una enfermedad de elevada letalidad y cuando la serie de casos es muy pequefa. Fa estas eitcuns- tancias, la falta de informacion de los individuos «que han muerto puede causar un sesgo importante por consiguiente sil el estudio de lahistoria de ‘exposicién a través de sujetosproximos a él. Su uso puede aumentar el nimero de sujetos disponibles y ‘conseguir una mucstra mis representative Este méioda de obtencién de informacién pre- senta Timitaciones afadidas alas de las entrevistas personales. Es posible que la persona que responde tno sepa con exactitud la historia de expesieién del individvo, Ademés, si In razén por Ia cual ha de responder es por la muerte de una personae posible ue este hecho pueda alterar las respuestas Con ef fin de atemuar estos erores, es convenicnte gue los informadores indirestos sean personas muy prdximas al individuo inchuido en el estudio, a fiabilidad de los datos proporeionados por un informadorindieeto varia en funeion de Ta variable sobre la que se recoge la informacién. Por ejem- plo, In Fiabilidad es alta cuando se pregunta sobre los estudios, y moderada si es sobre el consumo de tabaco o ia dita, En ocasiones, el uso de una persona préxima puede proporcionar informacién ms fiable que el propio sujeto, por ejemplo, si se inetroga a una ma- ‘dre sobre Ia historia de as enfermedades padecidas or su hijo en Ia infancia Registros previos Los registros previos contienen datos obtenidos para otto propésito que no es el del estudio de in- vestigacidn, y se denominan dato securdarios, por ‘oposici6n a los datos primarios, revogidos diresta- ‘mente pare larealizacin del estudio. Eleuadro 19.5 presenta algunos ejemplos de registros uilizados frecuentemente en investigacién ‘Sus principales venajasradican en que son fuen- tes de datos pias, sencillsy esondmicas, Ademés, silos registros son exhaustivas, no habré pérdidas de informacion debido a las no respuestas. Sila informacida que contienen se ha registrado prospec tivamente, se minimizan errores de memoria ‘Tienen importantes limitaciones relacionadas fun- damentalmente con su validez y calidad. Los datos {que contienen han sido recogides por multiples personas, que pueden haber ublizado definiciones y ‘métodos diferentes. Ademis, aunque Tos datos sean 186 3] | Eaoreln de prefocle de oetuto Cuadto 19.5 Ejemplos de datos ‘secundarios Censo poblacional Entadstieas de moralidad Estadisticas de nataidad Estadisticas demogrieas Regios laborales Encuestas poblacionales Registos de malformaciones Estadisticas de centros de contol epiderilsg co Enfermedades de decaracén abligatoria. ‘Alta hosptalrias Registra hosptalarios Regios de actividad dels centios de salud Historias cinicas Datos de estucos previos homogéneos, pueden no corresponder a a defini cin concreta que el investigador desea utilizar. Por ‘jemplo, en muchas historias clinicas no se registra el rimero de cigarrillos que fuma habitualmente una persona o los gramos de alcohol que bebe. Existen problemas afadidos relacionados con Ia ilegibilidad de algunas calgrafias o la difcutad para encontrar ‘dterminada informacién enmasearada entre otros ‘muchos datos irelevantes para el estudio, Las bases de datos se mantienen habitwalmente com finalidades clinicas 0 administrativas, pero no de investigacion, por lo que no suclen recogerse con debida meticulosidad. Una decision que debe to ‘marse con Ia informacion que falta es se debe con siderar que el individuo no tiene Ia exposicion o Ia enfermedad, o si se debe considerar une pérdida de informacié, En enfermedades (0 exposiciones) graves poco frecuentes, se puede asumir quel falta de informacion es equivalente ala ausencia de la condicién. Por ejemplo, en un trabajo en el que se estudian los aneurismas de aorta, sila informacion no especifica claramente que cl individuo tiene esta enfermedad, se puede codificar como que no Ta tiene, Por el contraro, si se tata de exposieion frecuentes, como el consumo de tabaco, la falta de informacion debe ser tratada como tal y no como scl individuo no fumara, ‘Antes de utilizar una determinada hase de datos, ddeben conocerse las definiciones empleadas, el étodo de reeogida y procesamiento de los datos -ysu valde Pueden diferenciarse das grandes tipos de datos secundarios * Datos individuals, que proporcionan informa cin separadamente para cada sujet. Provienen( EeverFotocopiae sin atorzacion es un det sobre todo de la documentacién clinica de los hospitales y los cenros de salud, de registos de determinadas enfermedades © procesos, 0 de datos recogidos en estudios previos. azo: agregados, que proporcionan informacién sobre grupos de individuos, pero no de forma BIBLIOGRAFIA DE LOS EJEMPLOS separada pera eada uno de ellos. Su principal inconveniente radics en la posbilidad de ineutir cen una facia ecolbgica, ya que las asociaciones ‘observadas en los datos agregados no son nece- sariamente ciertas individualmente ‘Nonso J, Prieto, Ant IM. La ‘erin espaol del SF-36. Health Survey euestonario de Selud SF-36) un instrumento ara la medida de resultados ‘linicos. Med Clin (Bar). 1995:104:771-6 Rosenberg MI, Layde PM, ‘Ory HW, Strauss LT, Rooks BIBLIOGRAFIA 1, Rubin GL, Agreement between women's histories of oral contraceptive use and physician records. Int Tepidemiol. 198312 47 aompson C, Briggs M. Support Tor eaer of people with Alvhcimer's ype dementia, Cochrane Database Syst Rev, 2000;(2); CDo004S4 SD, Clarke EA, Hatcher J, Suit LW. A comparison of physician and patient reports 'f Pap smear histories. Clin bpidemsiol. 1988541 40-10 Wal Anmstrong BK, White E, Saree R. Principles of exposure measurement in epidemiology Oxford: Oxford University Press 1994, adi X, Salamero M, Alonso J. 1a medida dela slud: guia de scala de medicion en espa Sed. Barcelo: Edie; 2002, Doyle JR, Doyle JM, Measurement ‘ror Measirement er is that which we have not yet explained. BMI. 1997 04 17-148, Howe GR. Use of computerized record linkage in cohort studies Epidemiol Rev. 1998;20:112-9. Hyland ME. A brief guide tothe selection of quality of ie instrament Health Qual Life Outeomes.2008;1(1):24 Latour J, Abrira V, Caballero 1B, Lopez Sinchez J Las rmedicionesclinies en ardologia: valde y erores Ade meen Rev Fsp Cardia 1997;50:117-28, Michels KB. A renaissance for ‘measurement eror Int Epidemiol. 2001;30:421-2, Moran LA, Guyatt GH, Norman ‘GR. Fsiblishing the minial ‘number of items for a responsive, valid, healib-elated ‘yay of ie instrament. Clin Upidemi.2001;54:571-9, Mutoz A, Gange Si “Methodological issues for biomarkers and intsrmediate ‘outcomes in cohort studies, Epidemiol Rev. 199820: 22 Nelson LM, Longstreth Je WT, oops TD, Van Belle 6, Proxy respondent in epidemiologic teseareh, Epidemiol Rev 1990;12:71-86, Philips CV. Quantifying and reporting uncertainty from systematic eros. Epidemiology 2005;18:459-66, Stang A. Appropriate epidemiologic methods as a prerequisite fr vali study results. Eur J Epidemiol 2008;23(12)-761-5 White B, Hunt JR, Casto D. Exposure measurement in cohort studies the challenges orprospective deta collection. [Epidemiol Rev. 1998:20:43-56, 187