TAMAÑO DEL EFECTO

Jessica Hanae Zafra Tanaka MD, MSc(c)

j.zafra.t@gmail.com
Objetivos

• Conocer cómo se presenta el tamaño

del efecto en los ECA
• Estudiar conceptos básicos sobre
inferencia estadística
• Estudiar conceptos básicos sobre
confusión
¿Qué necesito saber para entender
los resultados de un ECA?
• Los ensayos clínicos aleatorizados (ECA) son
estudios experimentales que buscan responder una
pregunta PICO.
• En un ECA se toma una muestra y se intenta
concluir sobre una población -> inferencia
• Un ECA busca estimar el efecto de un tratamiento
usando medidas que evalúan el tamaño del efecto
• Las medidas de asociación suelen presentarse junto
a un intervalo de confianza
Ejm: OR: 1.40 (IC95%: 1.10 – 2.27)
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
 Risk Ratio / Riesgo Relativo (RR)
Un ECA se evaluó el efecto Control No control Total
de brindar sustancia X en glicémico glicémico
el control glicémico Sustancia X 100 400 500
(HbA1C < 7%) en pacientes (Intervención)
con diabetes tipo 2. Placebo 90 410 500
(Control)
Total 190 810 1000
• Población: Pacientes con
DM2 Probabilidad o incidencia de alcanzar control
• Intervención: Sustancia X glicémico:
• En el grupo intervención = 100/500= 20%
• Comparador: Placebo
• En el grupo control = 90/500 = 18%
• Desenlace: control
glicémico RR= probabilidad de alcanzar el outcome en el grupo
intervención
probabilidad de alcanzar el outcome en el grupo
control
RR = 20% / 18% = 1.11
Risk Ratio / Riesgo Relativo (RR)
• El RR es una medida relativa que nos indica cuánto más o
cuánto menos es la probabilidad de presentar el outcome
en el grupo intervención, con respecto al grupo control
• RR puede tomar valores entre 0 e infinito
• RR = 1 significa que no existe asociación

La probabilidad disminuye (menos) La probabilidad aumenta (más)

0.3 0.5 0.8 1 1.2 1.5 2.5
0.2 (20%) 0.2 (20%)

0.5 (50%) 0.5 (50%)

0.7 (70%) 1.5 (150%)

Interpretando un RR
 Risk Ratio / Riesgo Relativo (RR)
• Población: Pacientes con DM2
• Intervención: Sustancia X
• Comparador: Placebo
• Desenlace: control glicémico
Interpretar los siguientes RR:
RR = 1.11 “En pacientes con DM2, la probabilidad de alcanzar el control
glicémico (HbA1C<7%) fue 11% mayor en el grupo que recibió
sustancia X en comparación con el grupo placebo”

RR = 3.50 “En pacientes con DM2, la probabilidad de alcanzar el control

glicémico (HbA1C<7%) fue 250% mayor en el grupo que recibió
sustancia X en comparación con el grupo placebo”

RR = 0.65 “En pacientes con DM2, la probabilidad de alcanzar el control

glicémico (HbA1C<7%) fue 35% menor en el grupo que recibió
sustancia X en comparación con el grupo placebo”
 Intervalos de confianza al 95% (IC 95%)
Un ECA se evaluó el
efecto de brindar
sustancia X en el control
glicémico (HbA1C < 7%)
en pacientes con
diabetes tipo 2.
Interpretación:
• IC95%: Tenemos 95% de
confianza de que el rango de
1.01 a 1.50 incluye al RR
real/poblacional
• Interpretación práctica: Si el
IC95% incluye el valor de no
efecto (RR=1), entonces diremos
que no hubo diferencias
estadísticamente significativas
entre los grupos (intervención y
control)
RR: 1.11 (IC 95%: 1.01 – 1.50)
Muestreo
Población
IC 95%:
1.01 – RR=1.11
1.50
Muestra
Inferencia
Inferencia: determinar características de
una población a partir de las
características de la muestra
Otra forma de evaluar inferencia es
usando el valor “p”. Si p<0.05, entonces
diremos que sí hubo diferencias
estadísticamente significativas
Inferencia: ejercicio
Identificar si los siguientes resultados son
estadísticamente significativos:
• RR: 3.45 (IC95%: 2.31 – 6.93) Estadísticamente significativo

• RR: 0.20 (IC95%: 0.01 – 0.50) Estadísticamente significativo

• RR: 1.11 (IC95%: 0.90 – 1.75) No estadísticamente significativo

• RR: 0.5 (IC95%: 0.4 – 1.8) No estadísticamente significativo

• P=0.34 No estadísticamente significativo

• P=0.01 Estadísticamente significativo

• RR: 1.32 (IC95%: 0.98 – 2.0) No estadísticamente significativo

 Risk Ratio / Riesgo Relativo (RR)
Un ECA se evaluó el efecto Control No control Total
de brindar sustancia X en glicémico glicémico
el control glicémico Sustancia X 100 400 500
(HbA1C < 7%) en pacientes (Intervención)
con diabetes tipo 2. Placebo 90 410 500
(Control)
Total 190 810 1000
• Población: Pacientes con
DM2
RR = 1.11 (IC95% 0.90 – 1.75)
• Intervención: Sustancia X ¿Cómo se interpretará el IC95%?
• Comparador: Sustancia X
“En pacientes con DM2, la probabilidad de
• Desenlace: control
glicémico alcanzar el control glicémico (HbA1C<7%)
fue 11% mayor en el grupo que recibió
sustancia X en comparación con el grupo
placebo. Este resultado no fue
estadísticamente significativo”
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
 Odds Ratio / Razón de momios (OR)
Un ECA se evaluó el efecto Control No control Total
de brindar sustancia X en glicémico glicémico
el control glicémico Sustancia X 100 400 500
(HbA1C < 7%) en pacientes (Intervención)
con diabetes tipo 2. Placebo 90 410 500
(Control)
Total 190 810 1000
• Población: Pacientes con
DM2 Odds de alcanzar control glicémico:
• Intervención: Sustancia X • En el grupo intervención = 100/400= 0.25
• En el grupo control = 90/410 = 0.22
• Comparador: Placebo
OR= odds de alcanzar el outcome en el grupo
• Desenlace: control
intervención
glicémico
odds de alcanzar el outcome en el grupo
control
OR = 0.25 / 0.22 = 1.14
Interpretando un OR: Similar
que el RR, salvo un detalle
 Interpretando OR
• Población: Pacientes con DM2
• Intervención: Sustancia X
• Comparador: Placebo
• Desenlace: control glicémico

Interprete el siguiente OR = 0.85 (IC95%: 0.44 – 1.18)

“En pacientes con DM2, el odds de alcanzar el

control glicémico (HbA1C<7%) fue 15% menor en el
grupo que recibió sustancia X en comparación con
el grupo placebo. Esto no fue estadísticamente
significativo”
OR vs RR
• Una probabilidad es más fácil de entender que un odds
• Entonces, el RR es más fácil de entender que el OR
• Sin embargo, las fórmulas usadas para obtener el IC95%
funcionaban mejor para OR que para RR, por lo cual muchos aún
usan OR en vez de RR
• Solución: podemos interpretar el OR como si fuera un RR, cuando
la probabilidad de presentar el desenlace en el estudio sea <10%
(pues el OR y el RR son muy similares a ese nivel)
• ¿Qué pasa cuando la probabilidad de presentar el outcome
sobrepasa el 10%? El OR sobreestima el RR
¿Cuánto es la probabilidad de presentar el
outcome en este estudio?

Murió No murió Total

Intervención 10 490 500
Control 9 491 500
Total 19 981 1000
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
Medidas de asociación vs medidas
de impacto
Medidas de asociación:
• RR, OR, HR
• Brindan el efecto relativo, por lo cual se pueden
comparar entre estudios

Medidas de impacto:
• RA, NNT
• Brindan el efecto en términos de pacientes, por lo
cual son usados para tomar decisiones
• Solo es necesario interpretarlas cuando la medida
de asociación fue estadísticamente significativa
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
 Riesgo Atribuible / Attributable Risk (RA)
Un ECA se evaluó el efecto Control No control Total
de brindar sustancia X en glicémico glicémico
el control glicémico Sustancia X 100 400 500
(HbA1C < 7%) en pacientes (Intervención)
con diabetes tipo 2. Placebo 90 410 500
(Control)
Total 190 810 1000
• Población: Pacientes con
DM2 Probabilidad de alcanzar control glicémico:
• Intervención: Sustancia X • En el grupo intervención = 100/500= 20%
• En el grupo control = 90/500 = 18%
• Comparador: Placebo
• Desenlace: control RR = 20% / 18% = 1.11
glicémico
Calculamos el RA (asumiendo que el RR fue
estadísticamente significativo):
RA = 20% - 18% = 2%
Para 1000 personas: 2% de 1000 = 20 personas
En caso de 1000 pacientes:
RR = 1.11 Interpretación: “Si 1000 pacientes
hubieran recibido la sustancia X en lugar
del placebo, 20 personas más hubieran
logrado control glicémico”

RA = 20
pacientes
200 logran control
180 logran control glicémico
glicémico

1000 pacientes en el grupo 1000 pacientes en el

Control (Placebo) grupo intervención
(Sustancia X)
Interpretando un RA
 Sin intervención
RA vs RR Intervención

• Se sabe que el RR = 1.5 para cierta Población 3

Pc: 40%
intervención
RA = 200 por mil
• Pero yo tengo tres poblaciones con diferente
probabilidad de presentar el desenlace en su
grupo control (Pc)

600
Población 2
Población 1 Pc: 2% 400
Pc: 1% RA = 10 por mil
RA = 5 por mil

20 30
10 15

Conclusión: Con el mismo RR podría tener diferentes RA

(se pueden beneficiar muy pocas personas, o muchas personas)
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
 Número necesario a tratar (NNT)
Un ECA se evaluó el efecto Control No control Total
de brindar sustancia X en glicémico glicémico
el control glicémico Sustancia X 100 400 500
(HbA1C < 7%) en pacientes (Intervención)
con diabetes tipo 2. Placebo 90 410 500
(Control)
Total 190 810 1000
• Población: Pacientes con
DM2 Probabilidad de alcanzar control glicémico:
• Intervención: Sustancia X • En el grupo intervención = 100/500= 20%
• En el grupo control = 90/500 = 18%
• Comparador: Placebo
• Desenlace: control RA = 20% - 18% = 2%
glicémico Para 1000 personas: 2% de 1000 = 20 personas
RA = 20/1000
NNT = inversa del RA
NTT = inversa de 20/1000 = 1000/20 = 50
 Interpretando un NNT

Interpretación: En pacientes con DM2, es necesario brindar sustancia X en

lugar de placebo a 50 personas para que una más logre el control glicémico.
Número necesario a tratar
(NNT)
¿Será mejor un NNT de 5 o un NNT de 50?
 Cómo evaluar el tamaño del efecto
La medida usada para evaluar el tamaño del efecto,
depende de la naturaleza del desenlace (outcome):
Outcomes dicotómicos Outcomes numéricos
(ejm: muerte) (ejm: peso en kg)

Medidas de asociación: • Diferencia de medias (DM)

Riesgo Relativo (RR) • Diferencia de medias
Odds Ratio (OR) estandarizada (SMD)
Hazard Ratio (HR)
Medidas de impacto:
Riesgo atribuible (RA)
Número necesario a tratar (NNT)
Diferencia de medias (mean
difference) (MD)
Actividad
física (AF)
(min/día)
Grupo intervención 17.6
Grupo control 14.2

• MD = 17.6 - 14.2 = 3.4

• “El grupo intervención presentó 3.4min más de
AF en comparación con el grupo control”
• Si MD = 0, No hay asociación
 IC 95% para MD:
Actividad física (AF) fue MD: 4 min (IC 95%: 1min – 10min)
4min mayor en el grupo
Muestreo
intervención en Población

comparación con el grupo

control, con un intervalo de
confianza de 95% de 1 a 10 IC 95%: 1
minutos. – 10 min MD:
Interpretación:
4min
• Diferencia de medias en Muestra
Inferencia
la muestra: 4 minutos
• Tenemos 95% de
confianza de que el rango Otra forma de evaluar inferencia es
de 1 a 10 minutos incluye usando el valor “p”. Si p<0.05, entonces
el MD real/poblacional diremos que sí hubo diferencias
estadísticamente significativas
Diferencia mínima clínicamente
importante (DMCI)
Actividad física (AF) (min/día)
Grupo intervención 17.6
Grupo control 14.2

• Interpretación: “El grupo intervención presentó 3.4min (IC95%:

0.2 a 5.8) más de AF en comparación con el grupo control
(p<0.05)”
• Es estadísticamente significativo, ¿pero es clínicamente
importante?

DMCI (¿cuánto es lo mínimo que debe cambiar mi

variable para representar algún beneficio para el
paciente?)
Diferencia mínima clínicamente
importante (DMCI)
• PICO:
• P: artrosis
• I: distintos medicamentos
• C: placebo
• O: SMD de dolor
• Se consideró un DMCI de 0.37 SD (-0.37 y +0.37)

Resultados:
Fármaco 1: SMD = -0.05 (-0.22 a +0.20)
Fármaco 2: SMD = -0.38 (-0.50 a -0.26)
¿El resultado fue clínicamente importante?
______________________________
______________________________

Fármaco 3: SMD = -1.54 (-2.13 a -0.95) ______________________________

Tema final: Confusión
Un estudio observacional ha encontrado que aquellos que consumen café
tienen más cáncer de pulmón (RR = 3.5). Entonces, ¿existe una relación
causal (causa → efecto) entre fumar y cáncer de pulmón?
En dicho estudio, nos damos cuenta que aquellos que toman café suelen
fumar.

Fumar

Consumo Cáncer de
de café pulmón

Fumar es un confusor: está confundiendo nuestra asociación, por lo cual es

necesario limpiarlo del análisis.
Realizamos un análisis ajustado, que nos arroja un RR de 1.0
Gracias!