Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Medicina y Cirugía
1. ed.
a
Sí
o
?
U4
££
Oí
ESTADÍSTICA Y EPIDEMIOLOGÍA
Residentado PERÚ
J Grupo CT )
Editorial
Manual CTO
de Medicina y Cirugía
1. ed.
a
ESTADÍSTICA Y EPIDEMIOLOGÍA
Residentado PERÚ
Autores
Antonio Martín Conejero
Jos é Ignacio Leal Lorenzo
Gonzalo Martínez- Alés García
Toni Soriano Colomé
Director de la obra
Juan José Rí os Blanco
Grupo CTO
EditólaI
NOTA
La medicina es una ciencia sometida a un cambio constante . A medida queja investigació n y la experiencia
clínica amplían nuestros conocimientos, son necesarios cambios en los tratamientos y la farmacoterapí a.
Los editores de esta obra han contrastado sus resultados con fuentes consideradas de confianza,
en un esfuerzo por proporcionar información completa y general, de acuerdo con los criterios aceptados
en el momento de la publicación. Sin embargo, debido a la posibilidad de que existan errores humanos
o se produzcan cambios en las ciencias mé dicas, ni los editores ni cualquier otra fuente implicada
en la preparación o !a publicación de esta obra garantizan que la información contenida en la misma sea
exacta y completa en todos los aspectos, ni son responsables de los errores u omisiones ni de los resultados
derivados del empleo de dicha información. Por ello, se recomienda a los lectores que contrasten dicha
información con otras fuentes. Por ejemplo, y en particular, se aconseja revisar el prospecto informativo
que acompaña a cada medicamento que deseen administrar, para asegurarse de que la información
contenida en este libro es correcta y de que no se han producido modificaciones en la dosis recomendada
o en las contraindicaciones para la administración. Esta recomendación resulta de particular importancia
en relación con fármacos nuevos o de uso poco frecuente. Los lectores también deben consultar
a su propio laboratorio para conocerlos valores normales.
No está permitida la reproducción total o parcial de este libro, su tratamiento informá tico, la transmisión
de ningún otro formato o por cualquier medio, ya sea electr ónico, mecá nico, por fotocopia, por registro
y otros medios, sin el permiso previo de los titulares del copyright .
ESTADÍSTICA Y EPIDEMIOLOGÍA
Residentado PERÚ
Grupo CTO
Edítonaf
Estudio de un test. 06. Tipos de estudios epidemiológicos 13
Parámetros de uso 1 6.1. Tipos de estudio 13
4.2. Odds ratio ( razó n de desventaja) 9 9.2. Etapas del metaná lisis 28
VI
/
Indice
ESTADÍSTICA Y EPIDEMIOLOGÍA
Vil
Estudio de un test.
Parámetros de uso
1
01 ESTADÍSTICA Y EPIDEMIOLOGÍA
dad de que sea sano. Interesa, por tanto, que este par á metro sea siem - Variación de S y E en las variables
pre menor de 1 ( aparecido un negativo ser á má s probable que venga de cuantitativas, en función de
un sano ), y cuanto má s peque ño, mejor. cambios en el punto de corte
VN d
VPN = X
VN + FN c+d x
X
* Valor global ( eficacia ) del test, indica la proporció n de resultados váli 0 1-E 100
dos entre el conjunto de resultados .
Una prueba sin ningú n valor sigue la diagonal que va del á nguEo inferior
VP + VN a+d izquierdo al á ngulo superior derecho ( cada incremento de la sensibilidad se
VGT = asocia a una p é rdida de igual magnitud de la especificidad ) . De esta forma, la
VP + VN + FP + FN Total sensibilidad y ia especificidad son valores interdependientes, de manera que
si aumenta la sensibilidad, disminuye la especificidad y viceversa.
* Sensibilidad +- tasa de falsos negativos = 100%,
* Especificidad + tasa de falsos positivos = 100% . Si se adoptan criterios de diagnó stico muy estrictos, decrece la sensibilidad ( hay
menos enfermos que cumplen estos criterios ), y paralelamente se incrementa
RECUERDA la especificidad [ pocos sanos cumplen los criterios citados ).
La sensibilidad y la especificidad clasifican a los sujetos en
funció n del estatus de enfermedad . Los valores predictivos
lo hacen en funci ón del resultado del test.
2
Manual CTO de Medicina y Cirugí a, 1.a edici ó n 01. Estudio de un test, Parámetros de uso
Por el contrario, si la prevalencia de una enfermedad es muy peque ña, se cuenta los criterios dependientes de la enfermedad, del test y de la pobla
puede tener una alta probabilidad de realizar test que den resultados fal- cióri diana que se detallan a continuación.
sos positivos, porque en 3 a mayor parte el test se estar á aplicando sobre
individuos sanos, incluso con cifras de buena sensibilidad del test, el VPP Criterios dependientes de la enfermedad
disminuye, en ocasiones notablemente. Por eso es tan importante conocer
no s ólo los valores de sensibilidad y especificad sino e! á mbito en el que se Los criterios dependientes de la enfermedad son los siguientes:
aplican para entender los conceptos de VPP y VPN. * La enfermedad debe ser com ú n y grave.
* Ha de conocerse la historia natural de la enfermedad,
Por el contrario, si ! a prevalencia de la enfermedad decrece, aumenta el * El tratamiento, en el estado presintom ático, tiene que reducir la morbi-
valor pred í ctivo negativo y se reduce el valor predictivo positivo . mortalidad en mayor medida que el tratamiento después de la aparici ón
de los s í ntomas.
RECUERDA
Cribado
Evaluación de la concordancia
El cribado o screening es una estrategia de detecci ón precoz de la enferme-
dad. Lo ideal es aplicar primero un test muy sensible ( que detecta todos los
casos posibles de enfermedad; por tanto, se obtienen muchos FP y pocos Coeficiente de correlación intraclase
FN ) y en una segunda fase, aplicar un test muy específico ( con el que se
confirma el diagn ó stico de esos posibles enfermos; se obtienen muy pocos Para el caso de variables cuantitativos, es habitual que el an á lisis de la
FP ) . En la puesta en marcha de un programa de screening deben tenerse en concordancia se aborde mediante té cnicas estadísticas inapropiadas.
3
01 ESTADÍSTICA Y EPIDEMIOLOGÍA
Con frecuencia, se ha utilizado el c á lculo de ! coeficiente de correlació n el grado de acuerdo que se ha observado puede atribuirse enteramente a !
lineal ( r ) de Pearson como í ndice de concordancia, así como la correla - azar; si Ea diferencia es positiva, ello indica que el grado de acuerdo es mayor
ción de Spearman. Sin embargo, é stas no resultan una medida adecuada que el que cabr ía esperar si solo estuviera operando el azar y viceversa : en
del grado de acuerdo entre dos mediciones, ya que si dos instrumentos el caso ( ciertamente improbable) en que Ea diferencia fuera negativa, enton-
miden sistem á ticamente cantidades diferentes uno del otro, la correla - ces los datos estarían exhibiendo menos acuerdo que el que se espera s ólo
ción puede ser perfecta (r = 1), a pesar de que la concordancia sea nula. por concepto de azar.
Como se analizara má s adelante, el coeficiente de correlació n de Pearson
no proporciona informaci ón sobre el acuerdo observado, y solamente Una situació n especial es aquella en las que las variables cualitativas son
mide la asociació n lineal entre dos variables. ordinales. En este caso es apropiado el empleo del í ndice kappa ponderado .
Sup óngase que las categor ías de clasificació n son, por ejemplo, "sano" "posi-
Desde eí punto de vista matem á tico, el í ndice má s apropiado para cuan- blemente enfermo" y "claramente enfermo" A la hora de valorar el grado de
tificar la concordancia entre diferentes mediciones de una variable discrepancia entre dos observadores, no es lo mismo que uno clasifique a un
num é rica es el coeficiente de correlació n intraclase ( CCI ) . Como toda sujeto como "posiblemente enfermo" y el otro lo declare "sano" a que uno
proporción, los valores de ! CCI pueden oscilar entre O y 1, de modo que lo clasifique como "sano" y el otro como "claramente enfermo" La "distan-
la má xima concordancia posible corresponde a un valor de CCI = 1. En cia" entre ambas discrepancias no es la misma. El í ndice kappa ponderado
este caso, toda la variabilidad observada se explicar ía por las diferencias tiene en cuenta el peso de las diferencias entre las distintas categor ías de la
entre sujetos y no por las diferencias entre los mé todos de medición o los variable ordinal.
diversos observadores. Por otro lado, el vafor CCI = O se obtiene cuando
la concordancia observada es igual a la que se esperar ía que ocurriera No obstante, existen limitaciones del estad ístico kappa :
s ó lo por azar. * Eli valor de kappa se ve afectado por la prevalencia del rasgo estudiado.
Por tanto, es necesario ser cuidadoso a Ea hora de generalizar los resul-
Coeficiente kappa tados de comparació n de observadores en situaciones con prevalencias
diferentes; esto quiere decir que kappa es un estad ístico descriptivo ú til,
El í ndice kappa ( kappa de Cohén ] relaciona el acuerdo que exhiben los obser- pero de limitada validez externa.
vadores, m á s all á del debido al azar, cuando la variable de aná lisis es cuali- * Kappa es dependiente del n ú mero de categor ías. Cuartas má s se estén
tativa. Se calcula la diferencia entre la proporción de acuerdo observado y considerando, má s difícil ser á clasificar correctamente jos sujetos de
la proporció n de acuerdo esperado por azar; si é sta es igual a O, entonces observación, lo que habitualmente implica valores de kappa m á s bajos.
Ideasclave
La sensibilidad y la especificidad se refieren respectivamente a la capaci- Las curvas COR representan la relació n recíproca entre sensibilidad y
dad del test para detectar correctamente a los individuos enfermos y a los especificidad. Cuanto mayor es el á rea bajo la curva COR, mejor ser á el
sanos. La sensibilidad y la especificidad no dependen de la prevalencia . test.
Los valores predictivos dependen de la prevalencia. El VPP se refiere a La prevalencia va a determinar el tipo de test má s útil en una comuni-
la probabilidad de ser enfermo cuando el test es positivo, y el VPN a la dad. Si la preva lencia es alta, se realizar á un test sensible. Si es baja, uno
probabilidad de estar sano cuando el test ha sido negativo. especifico.
Los test sensibles sirven para descartar enfermedad . Los espec í ficos,
para confirmar enfermedad.
La probabilidad preprueba de padecer cá ncer de mama en mujeres mayo - Si se hace el diagnó stico de insuficiencia renal cr ónica con un aclaram í ento
res de 50 a ños es de! 20%, mientras que es del 10% en las que tienen má s de creatinina plasmática de 60 en vez de 80, se habrá hecho un test con
de 40 años. Señ ale la correcta : mayor :
4
Conceptos y uso
de la epidemiología
5
o2 » ESTADÍSTICA Y EPIDEMIOLOGÍA
• Mullica usa!. Postula que hay pluralidad de causas y multiplicidad Causa necesaria. Es la que debe estar presente inevitablemente
de efectos, formando redes causales, de forma que diferentes cau- para que se produzca el efecto. Por tanto, ha de formar parte de
sas producen el mismo efecto y una ú nica causa ocasiona varios todas las causas suficientes de una enfermedad.
efectos .
* Determinista modificado (Rothman ) |P03 ). En este modelo se distin-
guen tres tipos de causas: Ideasclave
Causa suficiente. Es aquélla que inevitablemente produce el efecto
La demostración experimental supone la mejor evidencia de causalidad .
cuando se presenta .
Causa complementar ía o contribuyente. Son aquellas causas que / El principal inconveniente de la demostración experimental son los
forman parte de una causa suficiente. problemas éticos.
6
Medidas de frecuencia
de la enfermedad
• Tasa. Mide la ocurrencia de un suceso durante un periodo de tiempo en una Durante el seguimiento de 10 sujetos expuestos aun factor de riesgo,
población determinada. Es un cociente en el que el numerador está incluido se ha observado :
en el denominador, pero donde, a diferencia de la proporción, el tiempo tam-
bién esta incluido en éste (P01). Tiene, portanto, dimensión temporal. Sujeto Aparece la enfermedad Tiempo de seguimiento
F órmula : T = a / persona x tiempo. 1 No 5
Ejemplo : 300 cá nceres de pulmón / 100.000 personas-ano .
2 No 5
3 Sí 4
4 No 3
Medidas de frecuencia de la enfermedad 5 Sí 5
ó Sí 1
Las medidas de frecuencia de la enfermedad se llevan a cabo con los siguien- 7 Sí 3
tes indicadores:
Prevalencia [ Pv). Es el n ú mero total de casos entre e! total de la pobla - 8 No 5
*
ci ón. No hace distinci ón entre casos antiguos y casos nuevos y describe 9 No 5
la situación en un momento determinado del tiempo. Su valor es má s
10 No 5
alto a mayor incidencia y duraci ón de la enfermedad ( P02 ).
N .° total de casos de enfermedad Se puede comprobar que 4 sujetos han desarrollado la enfermedad,
Pv = pero que no todos los incluidos en el estudio han tenido e! mismo
Población en ese momento
tiempo de seguimiento, por Eo que la densidad de incidencia ser á :
* Incidencia acumulada (IA]. Se define como ei n úmero de casos nuevos DI = 4 casos nuevos / ((ó x 5) + ( 1 x 4) + (2 x 3) + ( 1 x 1 )).
de una enfermedad que se producen en un periodo de tiempo . Es la pro-
babilidad de que un individuo desarrolle la enfermedad en ese periodo La forma de calcular la DI es, por tanto, dividir el n ú mero de eventos
(P03, PÜ4, POS ). nuevos durante el per íodo de estudio, entre el tiempo total observado
7
03A> ESTADíSTICA Y EPIDEMIOLOGíA
RECUERDA
para todas las personas del estudio. Por ejemplo, 10 casos porcada 1.000 Hay que observar que en las preguntas en las que a partir de
personas/a ño serí a el resultado de encontrar 10 casos en 1.000 personas datos se pide calcular incidencias, en el denominador habr á
seguidas durante un a ño o en 500 personas seguidas durante 2 a ños. que restar los enfermos al inicio del periodo, mientras que
La densidad o tasa de incidencia, por tanto, expresa los casos nuevos no habr á que restarlos si lo que se pregunta es la prevalencia .
de enfermedad que se producen en un periodo de tiempo que corres -
ponde a í sumatorio de los periodos individuales de riesgo. A modo de resumen de í o explicado, la Tabla 2 enumera las medidas de fre
Este concepto se conoce tambi é n con el nombre de fuerza de la mor - cuencia de la enfermedad.
bilidad.
^ fabla 2__
^^
Medida de frecuencia Significada
Preva í encia Casos existentes Proporció n de individuos enfermasen una població n en un momento concreto
Poblaci ó n total
Incidencia acumulada Casos nuevos observados Riesgo individual de enfermar
Población susceptible a í comienzo del periodo
Densidad de incidencia Casos nuevos observados Velocidad con que determinada enfermedad aparece en una poblaci ó n
Suma de los periodos de riesgo
Medidas de frecuencia de La enfermedad
sclave
La incidencia es sinó nimo de riesgo, porque se refiere a los nuevos
casos debidos a una enfermedad. Como incidencia es riesgo, todos los
par á metros que incluyen el t é rmino riesgo (RR, RAE, RRR, RAR ) se cal-
culan utilizando incidencias .
8
JO.V
Medidas de asociación
X
íK¡
ET/EPI
Para que la OR sea un buen estimador del RR, es necesario que los controles
El riesgo relativo ( RR ) es la medida de asociaci ón en los estudios de cohortes. sean representativos de la població n de la cual han surgido los casos y que la
Mide la 'Tuerza de la asociaci ón" entre el factor de riesgo y [ a enfermedad enfermedad tenga una prevalencia baja, inferior al 10% .
(Tabla 3 ). Puede variar entre 0 e infinito .
Casos expuestos
Odds de exposición
El RR responde a la pregunta: ¿cu á nto má s frecuente es la enfermedad
en los casos Casos no expuestos
entre ios expuestos a un factor de riesgo respecto a los no expuestos ? OR =
Odds de exposición Controles expuestos
Su significado var ía dependiendo del valor que tome ( P01, P02 ) : en los controles
Controles no expuestos
* RR > Ir factor de riesgo ( FR ] .
* RR = 1: es indiferente; la incidencia es igual en expuestos yen no expuestos.
RR < 1: factor de protecci ón. Tabla 4
*
Casos (enfermos) Controles (sanos)
Incidencia en expuestos
RR = FR a c a+b
Incidencia en no expuestos
No FR b d c+d
Tabla 3
Enfermos Sanos
FR a b a+b
Razón de prevalencia
NoFR t d c+d
Total a+c b+d a+b+c+d
La razó n de prevalencia ( RP ) es la medida de asociación de los estudios
Cá lcuLo del RR
transversales . Su interpretaci ón es similar a la del RR, es decir, el n úmero
9
04 » ESTADÍSTICA Y EPIDEMIOLOGÍA
de veces m á s que padecer la enfermedad los expuestos frente a los no placebo produce un RR de 4, significa que el fá rmaco es 4 veces mejor que
expuestos. el placebo. Si se tratara de un estudio de casos y controles y se encuentra
una OR de 3 entre tabaco y cá ncer, se dir á que el grupo de fumadores tiene
Enfermos expuestos 3 veces el riesgo de c á ncer del no fumador
RP =
Enfermos no expuestos
Este tipo de resultados se suele acompa ñar del intervalo de confianza [IC ),
que es la expresión de lo que la variabilidad debida al azar puede hacerlo
oscilar en la poblaci ón real [ expresa los l í mites que con una cierta seguridad
contendr á n ese verdadero valor ) .
interpretación de las medidas Generalmente los ICse calculan con una seguridad deil 95%, y solo deja una pro-
babilidad del 5 % de que el verdadero valor de la OR no se halle en ese intervalo .
de asociación
¿Có mo se sabe si es estadísticamente significativo ? Los intervalos de con-
fianza no son significativos si se incluyen en valor nulo, que en el caso de las
La lectura de una OR, un RR y una RP es id é ntica y basta con aplicar las pala - medidas de asociació n es el 1, o valor que no permite saber si el factor de
bras "veces má s" o "por cada 1" por ejemplo, si un f á rmaco con respecto al estudio es protector o de riesgo.
Ideasclave
El RR es la medida de asociación de los estudios prospectivos, es decir, Cuando en una pregunta, ademá s del RR, se proporcione un intervalo
de cohortes y de los ensayos clínicos. de confianza, hay que fijarse en este último. Si el intervalo incluye el 1,
entonces se dice que el RR no ha sido significativo .
Es importante conocer los valores posibles, así como el significado de
RR menor, igual o mayor de 1. La OR es la medida de asociaci ó n de los diseños retrospectivos o de ca -
sos y controles . Su mayor utilidad es cuando la enfermedad de estudio
es poco prevalente .
En un estudio sobre el c áncer de pulm ón y la exposición al sílice se han La incidencia de hepatocarc í roma en un determinado pa í s, en sujetos al-
obtenido ios siguientes resultados: riesgo relativo de padecer c á ncer de cohólicos, es de 10 casos nuevos por cada 1.000 bebedores. Sin embar-
pulmó n por exposició n a sílice en no siIic óticos: 0,96; IC 95 % ( 0,81-1,15 ) . go, el riesgo de hepatocarcinoma es de 2 por cada 2.000 no bebedores.
Riesgo relativo de padecer cá ncer de pulmó n por exposición a sí lice en ¿ Cuá nto má s riesgo de hepatocarc í roma tienen ios alcohólicos con res-
silic óticos : 2, 37; IC 95 % ( 1,98 - 2,84 ) . Usted concluye que: pecto a ios no alcohólicos ?
RC: 3
10
k
*
Diferencia de incidencias o riesgo atribuible Reducción relativa del riesgo
El riesgo atribuible ( RA) es una medida que informa sobre el exceso de riesgo De nuevo se emplea para calcular el beneficio de una medida preventiva.
en los individuos expuestos frente a los no expuestos al factor de riesgo { P01), En el caso de la reducci ón relativa del riesgo [ RRR ), se expresa como por-
Indica la incidencia acumulada en el grupo de expuestos que se debe exclu- centaje de casos evitados por haber sido expuestos a dicho factor protector.
sivamente ai factor de riesgo. Representa el descenso en el n ú mero de casos
nuevos entre los expuestos si se evitara el FR.
RRR =
RA = I& - I ü
La fracció n atribuible en expuestos ( FAE) es la proporció n de la enferme- A partir de los par á metros anteriores, puede calcularse el n ú mero de suje-
dad que se debe a la exposici ón, es decir, la proporción de casos nuevos de tos que deberían exponerse al factor preventivo o terap é utico para con -
enfermedad, entre los expuestos, que se evitar í a si se eliminase el factor de seguir una curación, esto es, el nú mero de sujetos necesario para tratar
riesgo. Por tanto, estas dos medidas son muy importantes a la hora de eva - ( NNT).
luar, en términos de salud pú blica, cuá l puede ser el impacto con determina -
das medidas, calcular los costes y determinar prioridades. 100
NNT =
FAE =
Número de sujetos
Reducción absoluta del riesgo necesario para dañar
Cuando se evalúa una medida preventiva, como un factor protector o ei El NND ( o numbers needed to harm, NN!H en inglé s ), se calcula de forma simi-
resultado de un f á rmaco frente a placebo en un ensayo cl í nico, el beneficio lar al NNT pero, a diferencia de este último, se emplea para conocer cu á ntos
de dicha medida se cuantifíca como una reducció n del n úmero de enfer- sujetos se deben tratar para que aparezca un efecto adverso .
mos nuevos. Este concepto est á representado por la reducción absoluta del
riesgo ( RAR ). En este sentido, mientras que el NNT interesa que sea peque ño, el NNH inte
RAR = resar á que sea grande.
11
05 » ESTADÍSTICA Y EPIDEMIOLOGÍA
calcular con una seguridad del 95 %. ¿Cómo se sabe si es estad ísticamente sig-
nificativo ? Los intervalos de confianza no son significativos si incluyen el valor
Significación de las medidas de impacto nulo, que en el caso de las medidas de impacto es el 0.
Como en las medidas de asociaci ón, en las medidas de impacto los resultados
se suelen acompa ñar del intervalo de confianza ( 1C ). Generalmente, los IC se
IFI?s c l a v 3
El NNT siempre se pregunta de la misma forma : ¿ a cu ántos pacientes se La RRR y la RAR sirven para cuantifí car la relevancia clínica de una medi-
debería tratar para conseguir un evento? da terap éutica . Su cá lculo se realiza mediante una resta de incidencias.
j El MIMT es tanto mejor cuanto menor sea. / El RA y la FAE cuantí fican cu á nto de la enfermedad se debe aun factor
de riesgo, en el grupo de sujetos expuestos a dicho factor.
C a s o s c lín i c o s
En un ensayo clínico que compara un anorexigénico frente a placebo en la 1} 2.
reducción de IAM, se ha comprobado un riesgo de un 5% de infarto en ios 2) 5.
que tomaban el f á rmaco, mientras que era del 10% en los que recibieron 3) 10.
placebo. Calcule cuá ntos sujetos deben tomar el f á rmaco para evitar un 4) 20.
IAM:
RC: 4
12
Tipos de estudios
epidemiológicos
13
06 » ESTADÍSTICA Y EPIDEMIOLOGÍA
Características sobre ios individuos. Es el mejor para demostrar causalidad y la eficacia de
una actuació n . Por ejemplo, la asignación aleatorizada de un antirretroviral
Es de "corte" o transversal, ya que enfermedad y caracter ísticas se miden o un placebo a un grupo de pacientes con VIH ( para ampliar el estudio, se
simultá neamente. remite al lector ai Capítulo 08 ) .
Ventajas RECUERDA
No siempre que se eval úan dos tratamientos se est á ante
No tienen problemas éticos, son de duració n mínima, su coste es bajo y son un ensayo cl í nico. Si los pacientes no fueron asignados por
de fá cil reproducibilidad. Son ú tiles para el estudio de enfermedades cr óni - el investigador y é ste no introdujo el factor de estudio, se
estar í a ante un estudio de cohortes.
cas en la población.
No es ú til para estudiar enfermedades raras, ya que no permite ver el meca - Es un estudio que valora la eficacia de una medida preventiva . En general,
nismo de producción de la enfermedad y no sirve para comprobar una hip ó- estos estudios son m á s caros que los ensayos clí nicos y requieren mayor
tesis previa de causalidad [ es imposible conocer la secuencia temporal porque n ú mero de individuos . Las principales diferencias respecto a los ensayos clí-
la información sobre el factor de riesgo y la enfermedad se recogen a la vez ). nicos son:
* Se hacen sobre individuos sanos.
Análisis de las medidas de enfermedad * Valoran la eficacia de las medidas preventivas.
Con el estudio de prevalencia, la medida que se obtiene es la raz ón de preva - Por ejemplo, la evaluación de la eficacia de una campa ña de vacunaci ón en
lencia de individuos expuestos. 10.000 ni ños, de forma que 5.000 reciben aleatoriamente una vacuna y los
otros 5.000, un placebo .
Los estudios analíticos intentan establecer una relación de causalidad entre Ensayo comunitario de intervención
el factor de riesgo y la enfermedad; se pueden clasificar en experimentales
y observacionales . En los primeros es el investigador el que asigna el factor Es una variedad de los ensayos de campo:
de estudio ( que f á rmaco, vacuna, campa ñ a de educació n..., cuá nto tiempo, * Se trabaja con individuos sanos .
cuá ndo, cuá nta dosis recibir á n los individuos...), mientras que en los segun- * Valora la eficacia de medidas preventivas.
dos, el investigador se limita a observar qué es lo que sucede en un grupo de * No se aplica aleatorizaci ón individual.
individuos, sin manipular el estudio.
Por ejemplo, una campa ñ a sanitaria de agua fí uorada en una comunidad y
Estudios analíticos experimentales de agua clorada en la otra, comparando la frecuencia de caries en los dos
grupos.
Se dice que un estudio es experimental cuando cumple las dos condiciones
siguientes : Ensayos antes- después
* Asignaci ón por parte del investigador del factor de estudio.
* Aleatorización de la muestra de modo que los participantes son adscri- En este tipo de estudios, el f á rmaco ( o medida en general ] se administra
tos al azar a uno u otro grupo de estudio . a los individuos y se compara el resultado con la situación basal. Los estu-
dios antes-despué s tienen la ventaja de que son má s fá ciles de hacer, pero
Limitaciones. Los problemas éticos son el principal inconveniente de este poseen el inconveniente grave de que, al no disponer de grupo de control,
tipo de estudios. No es admisible exponer a unos sujetos a un factor de los resultados son difíciles de interpretar.
riesgo que presumiblemente es el causante de una enfermedad .
Por ejemplo, a un grupo de pacientes cardi ópatas se les administra un IECA,
Ventajas: comparando la presión arterial ( PA) media en el conjunto antes y despu é s de
* Son los estudios que mejor valoran la utilidad de una intervención y administrar el tratamiento.
aportan mayor evidencia causal (PÜ2 J.
* Permiten un gran control sobre cualquier efecto que no sea el estudiado. Estudios controlados no aleatorios
* Posibilitan el empleo de té cnicas de enmascaramiento.
Se realizan cuando la asignaci ó n aleatoria no ofrece ventajas o no se puede
Los tipos de estudios anal í ticos experimentales se exponen a continuación . hacer. Por ejemplo, se quiere hacer un ensayo en pacientes cardi ópatas. A
un grupo se le administra IECA ( se trata de pacientes no d í slipidémicos ) y
Ensayo clínico aleatorio al otro [ que adem á s son dislipid émicos), IECA m á s estatinas. Aquí no hay
asignación aleatorizada, sino que la inclusión en uno u otro grupo de estudio
Es, con mucho, el estudio experimental m á s frecuente . La asignaci ón aleato- se ha hecho tomando como base los factores de riesgo que presentan los
rizada del factor de estudio ( un fá rmaco o una intervención sanitaria) se hace pacientes.
14
f ET
/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó na
06, Tipos de estudios epidemiológicos
Enfermos
FR ©
(no expuestos) FR © Sanos
Sanos (controles)
FR ©
Inido
* Inicio
15
06 » ESTADÍSTICA Y EPIDEMIOLOGÍA
Análisis de las medidas de la enfermedad. En los estudios de En la Tabla 6 se exponen las diferencias fundamentales entre los dos tipos de
casos -controles no es posible obtener informació n sobre la incidencia estudios analíticos observacionales.
de la enfermedad, ya que se parte de una poblador seleccionada .
Tabla 6
Tampoco se tiene Informació n acerca de la prevalencia, pues el
n úmero de pacientes s ólo depende de los que se elijan . Debido a ello, Características Cohortes Casos-controles
la fuerza de la asociaci ón no se puede calcular directamente, como en Poblaci ó n en riesgo Definida Indefinida
el estudio de cohortes, sino de forma indirecta mediante la odds ratio.
Cá lculo de íaintidenda Sí No
del profesor
Ideasclave
Los estudios experimentales son aquellos en ios que el investigador Los estudios de casos - controles son retrospectivos porque la se -
forma parte "activa" del estudio al asignar el factor de estudio. La lecci ó n de pacientes se hace en funci ó n de si est á n enfermos o no
aleatorización de la muestra es otra condici ón indispensable. ( enfermedad hacia FR ). En este estudio a tiempo 0, ya hay sujetos
portadores del evento final de estudio. Son los mejores para enfer-
Los estudios observacionales son aquellos en los que el investigador medades raras y su principa ! limitaci ó n es la relativa validez por la
se limita a "observar" a los sujetos enfermos-sanos ( estudio de ca - facilidad para cometer sesgos . La medida de asociaci ó n es la OR .
sos - controles), a sujetos expuestos -no expuestos ( cohortes ), o a obser-
var cuá ntos sujetos est á n enfermos en una comunidad [ transversal ) . Los estudios transversales o de prevalencia se caracterizan por la au
sencia de seguimiento. En estos estudios solamente "se ve" a los suje
Los estudios de cohortes son prospectivos porque se empieza a partir del tos una ú nica vez . La medida de frecuencia de enfermedad es la pre
factor de riesgo ( FR hacia enfermedad). Es decir, que a tiempo 0, nadie pre- valencia.
senta el evento final de estudio. Son los mejores estudios de entre ios ob -
servacionales para verificar la causalidad. La medida de asociación es el RR .
r
Casoscl í nicos
Para tratar de establecer una relació n causal entre el consumo de tali- Se realiza un muestreo aleatorio de historias clí nicas para estudiar fa
domida durante el embarazo y el riesgo de focomelia, se seleccionaron relació n entre tabaco y cá ncer de pulmó n. Dichas historias clasifican ini-
madres de recién nacidos con focomelia y se compararon con madres de c í a í mente segú n ei antecedente personal de tabaquismo . ¿ De qué estu-
recié n nacidos sanos, en cuanto a los antecedentes de toma de tal í domi- dio se trata?
da. ¿Cuá l es el tipo de diseño de estudio empleado ?
1) Casos-controles.
1} Casos - controles. 2) Estudio de cohortes.
2) Estudio de cohortes. 3) Ensayo clí nico aleatorizado .
3) Ensayo cl í nico aleatorizado. 4) Estudio ecológico .
4 } Estudio ecol ógico.
RC: 2
RC: 1
16
Validez y fiabilidad
de los estudios
epidemiológicos
Cuando se realiza un estudio de investigación clí nica, casi nunca se trabaja Son ejemplos de este tipo de sesgo los siguientes :
con poblaciones completas. Lo que se hace es, partiendo de observaciones * Sesga de autoselección o de! voluntario. La participación o autoderiva -
realizadas en un grupo reducido de personas ( 3 a llamada muestra), generali- ci ó n del individuo al estudio compromete su validez.
zar o extrapolar los resultados obtenidos a colectivos m á s amplios . El hecho * Sesgo diagnóstico o sesgo de Berkson. Es el que se produce cuando, para
de que no se trabaje con poblaciones completas, sino con muestras, puede saber qué ocurre en í a población, se elige una muestra hospitalaria de esa
introducir en las observaciones errores producidos por el azar, a los que se población y el factor de riesgo que se est á estudiando se asocia a una mayor
les llama errores aleatorios. Existen adem á s otros tipos de errores no rela - probabilidad de hospitalización. También se incluye en este tipo de sesgo
cionados con el hecho de trabajar con muestras, y que son conocidos como aquel que puede surgir al seleccionar como control a pacientes con alguna
errores sistemáticos o sesgos . enfermedad que también se asocia al factor de exposici ón estudiado.
* Sesgo del obrero sano. La salida del trabajador enfermo del mercado
labora! compromete la validez del estudio.
* Falacia de Neyman. Se produce en los estudios de casos - controles al
seleccionar casos prevalentes ( ya existentes ) en vez de casos incidentes
Tipos de error ( casos nuevos). Esto conlleva que en los casos sea menos frecuente la
exposici ón a aquellos FR que disminuyen la supervivencia; esto es, los
casos representar ían a individuos con rasgos de mayor resistencia a la
Los tipos de error son Eos siguientes: enfermedad o formas menos graves de é sta .
* Error aleatorio. Es el error que puede atribuirse a la variabilidad alea - Por ejemplo, se quiere estudiar si 3 a actividad í f sica tiene algú n efecto
toria que conlleva siempre un proceso de muestreo . El azar hace que la sobre la frecuencia de la insuficiencia coronaria. Se compara a perso -
muestra con la que se va a trabajar no sea representativa . El error alea - nas con actividad y a personas sedentarias . Un sesgo de selecci ó n ser ía
torio no afecta a ta validez interna de un estudio, pero reduce la posibili- cuando la inactividad de los sedentarios fuese a consecuencia de pade -
dad de elaborar conclusiones sobre la relación exposición-enfermedad, cer la enfermedad cardí aca .
aunque no altera el sentido de la asociaci ón. Los errores aleatorios, a
diferencia de los errores sistem áticos, se pueden minimizar aumen- Sesgo de información
tando el tama ño de la muestra .
* Errores sistemá ticos o sesgos. Son los errores producidos cuando Tiene lugar cuando hay un error sistem á tico en la medici ón de alguna varia -
hay un fallo en el diseñ o, o en la ejecuci ó n del estudio, que hace que ble clave del estudio. La clasificación incorrecta puede o no afectar de igual
los resultados de la muestra sean diferentes de la población de 3 a que manera a todos los grupos de estudio. Los sesgos de información debidos al
proceden. No se relacionan con el tama ño de la muestra y, cuando investigador o a los participantes en el estudio se controlan mediante té cni-
no se controlan, tienden a invalidar las condiciones de un estudio; es cas de enmascaramiento.
decir, la existencia de sesgos conduce a la elaboraci ón de conclusio- * Clasificación incorrecta diferencial. La probabilidad de clasificación
nes incorrectas sobre la relaci ó n entre una exposició n y una enfer- erró nea de la exposici ón ( en un estudio de casos-controles) afecta de
medad. forma desigual a sanos y enfermos o la clasificación de enfermo o no
enfermo ( en un estudio de cohortes) se hace de manera distinta, segú n
RECUERDA se está o no expuesto al factor de estudio. Este tipo de sesgo produce
La mayor ía de los sesgos acontecen habitualmente en los una subestimación o sobreestimación del efecto del factor de exposi-
estudios de casos- controles ( retrospectivos) . ci ón en la enfermedad. Dentro de este grupo cabe destacar :
Sesgo de memoria. Se produce en ios estudios de casos - controles.
El hecho de padecer la enfermedad hace que se esté má s motivado
Tipos de errores sistemáticos para recordar posibles antecedentes de exposici ón.
Sesgo de atención o efecto Hawthorne. Los participantes en un
Sesgo de selección estudio pueden modificar su comportamiento si saben que está n
siendo observados.
Se produce cuando se asignan sujetos al grupo control que difieren signifi-
cativamente, en alguna caracter ística clave, del grupo problema . Este tipo * Clasificación incorrecta no diferencial . La probabilidad de clasificaci ón
de sesgos se puede controlar mediante un proceso de aleatorización en la errónea ocurre en todos los grupos de estudio de forma similar. Et error
constitución de Eos distintos grupos de estudio. de clasificación no diferencial ocasiona una infraestimacíón (hace que la
17
>
07> ESTADÍSTICA Y EPIDEMIOLOGÍA
18
07 , Validez y fiabilidad ET/EPI
Manual CTO de Medicina y Cirug í a, 1 . edición a
de los estudios epidemiológicos
Figura 4
Fiabilidad (precisión) / Los errores aleatorios son errores producidos por el azar. Son una falta
de precisión, no afectan a la validez interna y se corrigen aumentando
O el tama ñ o de la muestra .
/
en los diferentes grupos de estudio, ya sea porque los sanos ( contro-
V « »-
3i
.- * -
les) no recuerdan el antecedente de la exposición ( sesgo de memoria ),
í
*>
o porque var ían su comportamiento al sentirse observados.
Validez o exactitud Fiabilidad o precisión
Grado de ausencia de sesgos Grado de ausencia de error aleatorio
No aumenta al crecer n Aumenta al crecer n / En los ensayos clí nicos se pueden controlar los sesgos de clasificaci ón
mediante las té cnicas de ciego o enmascaramiento; y los de selección,
Validez y fiabilidad por medio de la aleatorizaci ón.
r Casoscl í n i c o s
En un estudio de casos - controtes se encontr ó una asociació n entre la in- En un estudio de cohortes se compara la eficacia de dos terapias antirretro-
gesta de alcohol y el desarrollo de cá ncer esofá gico. Dado que el consumo vlrales en la reducción de la carga viral de VIH. Para saber si !a coinfección
de tabaco se encontr ó asociado tanto a la ingesta de alcohol como al de- por virus C puede ser un factor que determine la respuesta antí rretroviral,
sarrollo de cá ncer de es ó fago, el consumo de tabaco en este estudio debe usted NO deber á hacer :
considerarse como :
1} Aleatorización.
1) Un factor ( sesgo ) de confusión. 2) Apareamiento,
2) Un sesgo de informaci ón. 3) Restricción,
3) Un sesgo de memoria . 4) An á lisis multivariante.
4) Un sesgo de selección .
RC: 1
RC: 1
19
Ensayo clínico
Tabla 8
Característica principal Objetivo
Fasel Primeros pasos en la investigación de un fá rmaco - Estimaci ón inicial de tolerancia, seguridad, * Habltus ímente sólo pocos vol úntanos sa nos
en seres humanos farmacocinética y farmacodiná mica ( n = 20 - 80)
- No estimaci ó n de eficacia * No suelen tener grupo control ni enmascaramiento
Fase II* Ensayo terap éutico, pero s ólo exploratorio Información preliminar sobre eficacia, patr ó n * Ensayos peque ñ os ( n = 100 - 200) en pacientes
dosis-respuesta, tolerancia y a mpliación de los datos con la enfermedad de inter és
de seguridad obtenidos en fase I * Preferentemente con grupo control
Fase III - El m ás frecuente en publicaciones m édicas * Demostrar un efecto terapé utico [eficacia) * Muestra má s a mplia de pacientes con una única
- Dirigido a lograr la aprobaci ó n o comercializaci ó n * Valorar la seguridad de] nuevo fá rmaco enfermedad concreta
del fá rmaco frente a alternativas disponibles * Controlados y aleatorizados
Fase IV Vigilancia poscomercializació n y a largo plazo Evaluar seguridad y efectividad, nuevas indicaciones, Preferentemente controlados y aleatorizados
efectos secundarios, morbilidad y mortalidad a largo plazo
^ Algunos autores dividen la fase II en lia y llb. En general, durante 3a fase lia se realizan estudios piloto con pocos participantes y criterios de inclusi ón/ exclusió n muy estrictos. Se evalú a el efecto
farmacológico, y pueden participar tanto individuos enfermos como sanos. En la fase llb se incluye un mayor número de participantes; ej objetivo es medir el patrón dosis- res puesta y lo fundamental
es valorar !a eficacia,por lo que só lo se incluyen sujetos enfermos
Tipos de ensayos clí nicos según La fase de investigación
20
ET/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
08 , Ensayo clínico
estudios que se realizan una vez aceptada la tramitaci ón y antes de la En funci ón de los criterios de inclusió n, los EC se pueden dividir en dos gran-
aprobació n y comercializació n del nuevo compuesto. des grupos :
* Ensayo en fase IV. También se denomina farmacovigilancia (P03 ), y * EC pragmáticos. Se acercan \ o má s posible a la población general . Los
consiste en el seguimiento, posterior a la comercialización del fá r- criterios de inclusión son muy taxos ( pr á cticamente los ú nicos son los
maco, de un n ú mero muy elevado de pacientes con el fin de detectar diagnó sticos).
efectos adversos poco frecuentes o de aparició n tard ía . La fase IV tam - * EC explicativos. Los criterios de inclusión son muy estrictos, por lo que
bié n sirve para evaluar interacciones entre medicamentos y sugerir ia muestra no es exactamente igual a la pobfacióri general.
nuevas indicaciones de fá rmacos ya aceptados para otro fin .
As í, la farmacovigilancia es la recogida de datos sobre seguridad de Si los criterios de inclusi ón son muy estrictos, el EC presenta una muestra
fá rmacos una vez que se autoriza su comercializació n. Su objetivo es má s homogénea y se necesita menor tama ño muestral para detectar ias
detectar reacciones adversas poco frecuentes que no han sido identi- diferencias . Adem á s, hay mayor validez interna . Sin embargo, existe una
ficadas durante e! desarrollo del ensayo, dado que é ste se ha realizado clara limitación a la hora de generalizar los resultados y de reclutar a los
en una població n limitada ( generalmente n < 2.000) . pacientes. Se utilizan, sobre todo, en las fases II y III . En cambio, cuando no
son estrictos, el reclutamiento se ver á facilitado, se podr á n generalizar los
Pero los EC fase IV no son la ú nica forma de evaluaci ó n poscomerciah- resultados con mayor facilidad y tendr á mayor validez externa. No obstante,
zaci ó n. Se entiende por ERA ( estudio postautorizaci ón ) cualquier estu- la muestra ser á heterogé nea, por lo que se necesita un mayortama ño mues-
dio realizado con medicamentos seg ú n su ficha t é cnica, en condiciones tral y los resultados son confusos si s ólo es eficaz en subgrupos de pacientes.
normales de uso . Como se ha comentado en ocasiones, son EC, pero lo Se emplean en las fases III y IV.
habitual es que se trate de estudios observacionales en los que el inves -
tigador se limita a observar la realidad del f á rmaco en condiciones habi- En esta etapa, tambié n hay que determinar el tamañ o muestraf . É ste ha de
tuales de uso . ser suficiente para obtener un IC deli 95% de la eficacia cuyos lí mites sean
clínicamente relevantes.
Los objetivos fundamentaos de los ERA persiguen lograr, en condiciones reales:
* Determinar la efectividad del fá rmaco. Medición de variables básales
* Conocer la efectividad percibida por ei paciente.
* Identificar factores de riesgo. Consiste en determinar una serie de variables en los sujetos que cumplen los
* Establecer nuevas indicaciones. criterios de inclusión y que han aceptado participar en el estudio ( consenti-
miento informado ), con los siguientes prop ósitos:
El Sistema Espa ñ ol de Farmacovigilancia recibe información de diferentes * Definir las caracter ísticas de la població n a la que podra extrapolarse el
fuentes, entre ellas, y principalmente, de la notificación espontá nea de reac- resultado del ensayo cl í nico .
ciones adversas.É sta supone la recogida y la notificación, mediante las tarjetas * Aportar una serie de datos que permitan posteriormente verificar que
amarillas, de las reacciones adversas que aparecen durante la pr á ctica clínica . la aleatorización ha sido eficaz y hacer el an á lisis estratificado [p . ej ., por
edad ), en caso de diferencias entre los dos grupos.
En general, se acepta cualquier reacción adversa. Sin embargo, las de mayor * Demostrar que el evento resultado, cuya frecuencia se pretende dis-
inter é s son las reacciones adversas graves, inesperadas o raras y aqué llas minuir con el fá rmaco estudiado, no está presente al comienzo del
de f á rmacos de comercializació n reciente ( menos de 3 añ os ). El programa estudio.
de notificación espont á nea está dirigido especialmente a mé dicos, aunque + Registrar posibles predictores del evento inter és, de modo que se
incluye a otros profesionales sanitarios. pueda evaluar su interacció n con el fá rmaco estudiado, si la aleatoriza -
cíó n no los ha distribuido homogéneamente entre los distintos grupos
de estudio.
Aleatorización
Etapas en la realización
La aleatorización consiste en asignar por azar, sin que influya ningú n factor,
de un ensayo clínico los pacientes de la muestra a ios dos grupos de intervenció n, de modo que,
si el tama ñ o muestral es suficientemente grande, se consiga una distribución
homogé nea de las variables predictoras en ambos grupos. Se puede realizar
En los siguientes apartados se desarrollan los pasos a seguir para la realiza de tres formas diferentes:
cíón de un EC en fase III con dos grupos de intervención. * Aleatorización simple .. Cada paciente tiene la misma probabilidad de ser
asignado a cualquiera de los grupos de tratamiento. Con este método,
Selección de la cohorte de estudio existe riesgo de desigualdad numérica entre grupos.
* Aleatorización por bloques. Se establecen bloques de aleatorizació n,
Consiste en la elecci ó n de un grupo de sujetos adecuados para la eva - de modo que en cada uno de ellos la mitad de los pacientes reciba el
luaci ón del medicamento, de los cuales se extrapolar á n los resultados tratamiento experimental y la otra mitad, el control . Con este tipo de
del EC. Mediante la formulaci ón de los criterios de inclusi ó n, se esta - aleatorizaci ón se evita la desigualdad num é rica entre los distintos gru-
blecen las caracter ísticas cl í nicas y sociodemogr á ficas de los pacientes pos, por lo que es especialmente útil cuando el tama ñ o muestra ! no es
en los que se emplear á el fá rmaco . Los criterios de exclusi ó n se usan muy grande .
para rechazar a aquellos pacientes con criterios de inclusi ó n pero que * Aleatorización estratificada. Los pacientes son divididos en grupos
presentan alguna contraindicaci ó n, condiciones que pueden afectar a ( estratos) homogéneos respecto a alguna variable de inter é s pronóstico
la variable resultado o alguna caracter í stica que haga complicado su y posteriormente son asignados aleatoriamente a uno de los dos grupos
estudio. de intervenci ón (Figura 5 ).
21
o8>; ESTADÍSTICA Y EPIDEMIOLOGÍA
En general, la aleatorizaci ó n debe conseguir asignar los tratamientos de Análisis de los resultados aabiagj
forma desconocida e impredecible, tiene que ser un proceso reprod ú-
cele y estar documentado; ha de basarse en propiedades matem á ticas En este punto se deben tener en cuenta los siguientes aspectos:
conocidas, no debe ser prevista la secuencia de los tratamientos y, final- * Las p érdidas de sujetos incluidos en el EC ocurridas antes de la aleatori-
mente, ha de ser posible detectar los fallos de la asignaci ó n. Para evitar zación van a afectar a la capacidad de generalizaci ón de los resultados,
sesgos en la aleatorizaci ón, es importante que quien decide la inclusió n mientras que las pérdidas postaleatorizaci ón pueden afectara fa vaJidez
de los pacientes en e ! ensayo y la persona que lleva a cabo la aleatoriza - interna .
ci ón desconozcan la secuencia de aleatorizació n hasta que se aplique a * El aná lisis estadístico de los EC es muy parecido al de los estudios de
cada uno de los pacientes reclutados . En caso de no hacerse ocultaci ó n cohortes, pero es m á s frecuente el uso de métodos no param étricos y, a !
de la secuencia de aleatorizaci ó n, existe la posibilidad de seleccionar tener importancia no s ó lo que ocurra la variable-resultado, sino cuá ndo
incorrectamente a los sujetos del ensayo y perder la comparabil í dad de ocurre, es frecuente el empleo de aná lisis de supervivencia .
los dos grupos de tratamiento . La ocultaci ó n de la secuencia de aiea -
Tabla 9
torizaci ó n se puede conseguir mediante un sistema de aleatorizaci ó n
centralizado en un lugar distinto a aqu é l en el que se lleva a cabo el Pragmáticos Muestra heterog énea, validez externa
ensayo, o mediante sobres numerados secuencialmente, opacos y lacra - Explicativos Muestra homogénea, validez interna
dos, que contengan el tratamiento y que s ólo se abran tras la incius íó n Cruzado Cada grupo toma ambos fármacos con periodo de lavado
del paciente en el EC.
Paralelo Cada grupo toma un único fármaco
Figura 5 Por intención de tratar Todos los sujetos incluidos son analizados
Por protocolo Soto se analizan los que terminan el estudio
De tamaño Tamañ o muestral conocido a prior!
Pacientes totales
predeterminado
Y i Incorporaci ón progresiva de pacientes al estudio
Obesos No obesos De superioridad Demostrar que un fármaco es mejor que otro
Y I Y Y
De no inferioridad Se supone una eficacia similar, el nuevo
fá rmaco tiene otras ventajas
Tratamiento A Tratamiento B Tratamiento A Tratamiento B
Enmascarados Empleo de té cnicas de ciego para evitar sesgos
Abiertos No enmascarados
Clasificación de tos ensayos clí nicos
Aleatorización estratificada
22
\
ET/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
08 , Ensayo clínico
Reducción relativa del riesgo ( RRR ). Se define como la diferen- Este diseñ o no es posible cuando la nueva terapia es quir ú rgica o el pri-
cia entre el porcentaje de eventos en el grupo control y el mismo mer trata miento está dirigido a curar definitivamente la enfermedad ( p.
porcentaje en el grupo experimental, dividido por el porcentaje de ej., en enfermedades agudas).
eventos en el grupo control. Resulta difícil adjudicar los efectos secundarios tard í os.
Nú mero necesario de pacientes a tratar ( NNT ) . Se obtiene como El aná lisis estad ístico es m á s complejo que para grupos paralelos y
el inverso de la RAR multiplicado por 100, y es el n ú mero de requiere el uso de m é todos apareados o de medidas repetidas.
pacientes que se deben tratar para prevenir un suceso indeseable
adicional. Figura 7
Participantes
+
Asignación aleatoria
Tipos de ensayos clínicos t
Grupo 1 Grupo 2
Participantes
Diseño secuencial
í
Asignación aleatoria Consiste en introducir pares de pacientes a í eatorfzados a los dos tratamien-
T
tos basta que la diferencia entre los distintos tratamientos favorezca a uno
Grupo 1 Grupo 2
u otro ( exceso de preferencias ), momento en el que el ensayo cl ínico se
i
Intervenci ón A
t
Intervención B
detiene.
i i Diseño factorial
Resultado 1 Resultado 2
En ese tipo de diseñ o se eval úan simult á neamente dos tratamientos dis-
Comparación tintos en una misma muestra de sujetos, asign á ndose aleatoriamente los
sujetos a uno de los cuatro grupos posibles: A, B, A + B y placebo [ Tabla
10].
Ensayo clí nico paralelo
En los ensayos factoriales, los placebos que se utilizan tienen que pare -
Diseño cruzado o intrapaciente cerse externamente al tratamiento activo asignado en cada secuencia. Es
la razón por la que se habí a de "placebo de A" y "placebo de B" para los
Consiste en que un mismo paciente va a recibir los dos tratamientos dos tratamientos, A y B respectivamente .
objeto de comparación en dos momentos distintos, de modo que el propio
paciente sirve de control a si mismo, lo que permite llevar a cabo el estudio El dise ñ o factorial habitualmente se utiliza cuando se quiere estudiar la
con un tama ñ o muestral menoral del diseñ o cl á sico al reducir la variabilidad eficacia de terapias combinadas. En este caso, ios medicamentos utiliza -
(Figura 7 ), dos pueden tener efectos diferentes cuando se combinan, y al final intere -
sar á comparar por separado los tres grupos con algú n tratamiento activo
La principal ventaja del ensayo cruzado es eliminar la variabilidad entre-indi- frente a ! que s ólo recibe placebos (Figura 8 ) , {
viduos en la respuesta a la intervenció n, pues estos ensayos valoran el efecto
Tabla 10 U
intra-individuo. Sus inconvenientes son:
* Al observar el efecto de un tratamiento se asume la ausencia de efec- Tratamiento A Placebo
tos residuales del tratamiento anterior ( carryover ). Debe existir un
B A+B B
periodo de blanqueo o lavado suficientemente largo como para asegu-
rar que no permanecen los efectos residuales del primer tratamiento Placebo A Placebo
asignado . Cada paciente se asigna a uno de los 4 grupos resultantes
* La secuencia con la que se administran los diferentes tratamientos
puede asociarse a respuestas diferentes ( efecto periodo). Ensayo clí nico de diseño factorial
23
o8>; ESTADÍSTICA Y EPIDEMIOLOGÍA
Figura 8 Figura 9
1,5
Alegorizados Tratamiento experimental superior
Tratamiento experimental superior
}
Tratamiento experimental no inferior
i
| .
i i ji
r 1 i ni
+
Tratamiento B
( Ay B)
Placebo B
( no tratamiento)
Tratamiento B
(solo B)
*
Placebo B
(no tratamiento)
Tratamiento experimental no inferior
No demostrada í a no-inferioridad
del tratamiento experimental
Ejemplo de asignaci ón de tratamiento en eL ensayo clí nico factorial Interpretación de los resultados del estudio de no -inferioridad
Diseño de no-inferioridad #s / V i tu J
interpretación de la no-inferioridad
Habitualmente los EC se realizan con el fin de demostrar la superioridad de y de la equivalencia terapé utica
un f á rmaco con respecto a otro. Sin embargo, puede ser útil probar que dos
f á rmacos son al menos igualmente eficaces, con lo cual se podrá emplear,
por ejemplo, el m á s barato. Es decir, importa que NO sea inferior, de manera
que si es igual o superior se considera que el fá rmaco experimental es " no-in-
ferior" comparado con el grupo control. del profesor
O
El objetivo es demostrar que la diferencia entre la nueva terapia y la con- Con el fin de reducir la variabilidad de la muestra, se suelen elegir para par-
vencional estar á completamente dentro de ese margen. Se calcular á un ticipar en el estudio voluntarios sanos ( no persiguen, por tanto, comparar
intervalo de confianza al 95 % para la diferencia entre ambos grupos, y se la eficacia de dos formas de tratamiento .
demostrar á la igualdad siempre y cuando ese intervalo de confianza de
la diferencia entre tratamientos est é totalmente incluido dentro del mar- La demostraci ón de bioequivalencia se obtiene mediante la comparació n de
gen delta, que suele ser muy pequeñ o . Debido a este planteamiento, los los perfiles farmacocinétieos de los fá rmacos estudiados. Para ello, despué s
ensayos de equivalencia requieren mayortama ñ o muestral, pues a mayor de la administración de cada formulación, es necesario saber qué cantidad
tama ño muestral m á s estrecho será el intervalo de confianza. de fá rmaco existe en el organismo y c ómo va variando a lo largo del tiempo.
El procedimiento m á s habitual consiste en la obtenció n de sucesivas mues-
Los ensayos de equivalencia intentan probar que una nueva terapia tras de sangre . Es mucho menos frecuente que sea necesaria la determina -
obtiene un resultado similar al tratamiento est á ndar, esto es, que el ción del f á rmaco en orina o en otras muestras biológicas.
efecto del nuevo tratamiento est á entre - delta y +delta. Los ensayos de
no -inferioridad intentan probar que la nueva terapia es igual, o si fuese Como medida de la cantidad de fá rmaco absorbido se utiliza el á rea bajo la
peor que el tratamiento habitual, la diferencia entre ambos ser í a muy curva concentración-tiempo (AUC, del inglés oreo under curve ) , y como indi-
pequeña e inferior a delta. cador de la velocidad de absorci ón se mide la concentración máxima [ Cmax )
alcanzada en la curva concentració n -tiempo y el tiempo que tarda en alcan-
Tal y como se ha comentado, la equivalencia terap éutica se define a partir zarse (Tmax ). Se entiende por bioequivalencia entre dos productos cuando
de los estudios de no -inferioridad. En estos estudios es importante tener en presentan una biodisponibilidad comparable en condiciones experimentales
cuenta dos aspectos [ Figura 9 ): apropiadas.
* Valor delta. Es la m á xima diferencia: clínica que se acepta para definir
dos tratamientos como equivalentes, que es distinta para cada tipo de De acuerdo con las normas de consenso ( EMEA , FDA ), se considera que
fá rmaco analizado. dos formulaciones son bioequivalentes cuando la diferencia en la velo -
* Aná lisis de las variables. El aná lisis que suele realizarse es "por pro- cidad y la magnitud de la absorción entre ellas es inferior al 20% ( dife-
tocolo". Este an á lisis permite aumentar fas diferencias entre los tra - rencias medias entre formulaciones comprendidas entre 0,8 -1,2 ], en
tamientos, lo que dificulta poder concluir que dos tratamientos son t érminos del intervalo de confianza ( IC 90%) para la proporció n entre las
equivalentes, manteniendo la posición má s cauta en la interpretaci ón medias de las dos formulaciones comparadas { AUC test /AUC referencia y
de los resultados. Cmax test /Cmax referencia ) ( Figura 10 y Figura 11) .
24
ET/EPI
Manual CTO de Medicina y Cirug í a, 1 . edición a
08 , Ensayo clínico
Figura 1Q Es necesario que la condición estudiada sea cr ó nica, con s í ntomas repetidos
pero reversibles y con respuesta a í tratamiento evaluable por el paciente
Bioequivalencia
( cefalea tensional ). Se eval úa, por tanto, un tratamiento sintom á tico y no
curativo .
Y
Formulació n
Formulación test Por las caracter ísticas del estudio es evidente que las conclusiones obteni-
de referencia
das no son generalizadles a todos los pacientes con la misma enfermedad o
Y
s í ntoma .
Velocidad de absorción Velocidad de absorción
Cantidad absorbida Cantidad absorbida
Á
I t
Perfil concentraci ón-tiempo Perñl concentradón-tí empt> Recomendaciones para la publicación
140
120
140
130 de ensayos clínicos
100 ico -
80 80
£ 60
Ci
£ 60 (recomendaciones CONSORT)
40 40
20 20
0 0
0 4 e 12 16 20 24 23 32 0 4 3 12 16 20 24 23 32
Tiempo (h ) Tiempo ( ti} Los estudios aleatorizados representan el patr ón de referencia para conocer
la eficacia de un determinado tratamiento. Sin embargo, la calidad de los
Efecto referencia Efecto test estudios puede no ser óptima . La declaraci ón CONSORT [ ConsolidatedSton-
dards of Reporting Tri áis [Normas consolidadas para las publicaciones de
Principios para un estudio de bioequivalencia EC ] } persigue mejorar la metodología de los ensayos clínicos, ya que permite
presentar de forma sistematizada y con total transparencia los resultados
Figura 11 para mejorar su validez,
c=X
(Tabla 11) y un diagrama de flujo [ Figura 12) durante el proceso de escritura,
P. basal
revisió n y aná lisis de los EC. Los puntos de la lista de comprobación concier-
nen al contenido del tí tulo, resumen, introducción, mé todos, resultados y
Tratamiento T Tratamiento T
comentarios ( discusió n ).
Figura 12
Dise ño de un ensayo de bioequivalencia
Como en este caso hay un ú nico paciente, no es posible compararlo con otros, Aleatorizados fn = . ) ,
25
o8>; ESTADÍSTICA Y EPIDEMIOLOGÍA
Tabla 11
A [ble (número)
Título y resumen (1) Cómo se asignaron a los pacientes a la intervenci ón ("'asignaci ón a leatorizada" "a leato riza dos" o "asigna dos aleatoria mente")
Introducció n Antecedentes (2) Antecedentes científicos y explicaci ó n de la hipótesis
M étodos Participantes (3 ) Criterios de elegibil idad de los participantes, así como situaci ó n y lugar donde se obtuvieron los datos
Intervenciones ( 4) Detalles precisos de las intervenciones planeadas en cada grupo, y cómo y cu á ndo se realizaron finalmente
Objetivos (5 ) Objetivos e hip ótesis específicos
Resultados (6) Definició n clara de los objetivos de valoración de resultados primarios y secundarios y, en su caso, de los m étodos utilizados para
mejorar la calidad de las mediciones ( p. ej., observaciones múltiples, entrenamiento de los va íoradores )
Tama ñ o de muestra ( 7) Cómo se determinó el tama ñ o muestral y, en su caso, explicaci ó n de cualquier an á lisis intemo y de las reglas para la finalizació n
det estudio
Aleatorizaci ón Generación M étodo utilizado para generar la secuencia de asignaci ó n aleatoria , incluyendo los detalles de cualquier restricción
de la consecuencia (8) (p. ej., bloques, estratificació n)
Ocultaci ó n M étodo utilizado para implementar la secuencia de asignaci ó n a í eatoria (sistemas cerrados numerados, central telefó nica )
de la asignación (9) especificando si la secuencia permaneció oculta hasta el momento de la asignaci ó n a la intervenció n
Implementaci ón (10] Qui én gener ó la secuencia de asignaci ó n, quié n incluyó a ios participantes y qui é n asign ó a los participantes a sus grupos
respectivos
Cegamiento (enmascaramiento) ( 11) Especificar si los participantes, las personas que realizaron o asignaron la intervención y las que valoraron los resultados
conoc ían a qué grupo estaban asignados los pacientes. En caso contrario, có mo se valor ó el éxito del enmascaramiento
Métodos estadísticos (12) M étodos estadísticos utilizados para comparar la variable de valoració n de resultado primaria entre los grupos. Mé todos
empleados en los aná lisis adicionales, como los aná lisis de subgrupos y ajustes
Resultados Flujo de participantes ( 13 ) Flujo de participantes en cada fase del estudio (se recomienda encarecidamente usar un diagrama). De forma específica se debe
detallar en cada grupo e í número de pacientes asignados a cada tratamiento, los que recibieron el tratamiento previsto, los que
completaron e! protocolo de estudio y los que fueron analizados para la variable principal de resultado. Describir las desviaciones
del protocolo inicial y sus razones
Setecclón (14) Fechas que definan ios periodos de selecci ó n y seguimiento
Datos bá sales (15) Características demográficas y cl ínicas b á sales de cada grupo
Números analizados (16) N úmero de participantes (denominador) de cada grupo incluido en cada aná lisis, especificando si el an á lisis se realizó
por "intencíón de tratar" Si es posible, indicarlos resultados con números absol utos (p. ej., 10/20 , no 50%)
Resultados y estimaciones (17) Para cada variable de valoraci ó n de resultado primaria y secundaria, indicar resumidamente los resultados en cada grupo
y la estimaci ó n de la importancia del efecto y de su precisión ( p. ej., fC del 95 % )
Aná lisis secundarios (18) Valorar la presencia de multiplicidad presentando cualquier otro an á lisis realizado, incluyendo an á lisis de subgrupos y ajustes,
indicando los que fueron preespecificados y ios de car á cter exploratorio
Acontecimientos adversos (19) indicar todos los acón te cimientos adversos importantes o ios efectos secundarios en cada grupo de intervención
Discusi ó n Interpretación (20 ) Interpretaci ón de resultados en la que se tenga en cuenta la hipótesis del estudio, las posibles fuentes de sesgos o imprecisiones
y los peligros asociados con la multiplicidad de aná lisis y de resultados
Generabilidad (21) Generabilidad (validez externa ) de tos resultados del estudio
Evidencia global (22) interpretaci ón general de los resultados en el contexto de la evidencia actualmente disponible
Lista de variables CONSORT
26
ET/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
08 . Ensayo clínico
h
Ideasclave
/ El objetivo de la fase l del EC es determinar las propiedades farmacodi embargo, no todas Jas perdidas afectan de igual manera al EC. Si las
n á micas del f á rmaco, así como la dosis tóxica del mismo. p érdidas se producen antes de la asignaci ón del factor de estudio, no
necesariamente se ve afectada la validez del mismo, ai contrario que si
/ En una fase It se establece la dosis eficaz del fá rmaco. se producen despu é s de tal asignaci ó n.
/ La fase III se caracteriza porque se compara Ea eficacia de otro f á rmaco / Los EC se dividen en:
con la del que se está investigando . Tras esta fase, el f á rmaco se intro- - Pragmáticos ( muestra heterogénea) y explicativos ( muestra homo -
duce en el mercado. génea) .
- Cruzados ( cada grupo de sujetostoma los dos fá rmacos con un tiem -
/ La fase IV es la de farmacov í gilancia . En este caso, se registra la aparición po de lavado ) y paralelo ( cada grupo de tratamiento toma un ú nico
de efectos secundarios infrecuentes. La notificació n en la pr á ctica cl í ni - f á rmaco ).
ca de posibles eventos adversos se realiza mediante la tarjeta amarilla. - Por intenció n de tratar ( todos los sujetos incluidos en el estudio
son analizados) y por protocolo ( s ó lo se analizan los que finalizan
/ La secuencia correcta en un ECes: el estudio) .
1. Los pacientes cumplen los criterios de inclusió n y exclusión. - De tama ño predeterminado ( se conoce a priori el tama ño de la
2. Firman el consentimiento informado [ sabiendo que posiblemente muestra ) o secuencia í es ( los pacientes van incorpor á ndose al estu-
rec í ban placebo, si uno de los tratamientos lo es ). dio progresivamente).
3. Sean asignados a uno u otro grupo de intervenció n ( preferiblemente De superioridad ( interesa demostrar que un fá rmaco es mejor que
mediante aleatorizació n) . otro ) y de no - inferioridad ( se supone una eficacia simiiar, la ventaja
del nuevo fá rmaco es ser má s barato, tener una administraci ón
Un aspecto importante es manejar las p é rdidas que se producen en un m á s fá cil... ) .
EC . Lo mejores tenerlas previstas a priori . Si aun as í se produjeran, se - - Enmascarados ( se han realizado té cnicas de ciego para evitar ses -
r í a conveniente realizar un nuevo estudio con el tama ño apropiado. Sin gos ) o abiertos ( no enmascarados ).
Casosclínicos
Un equipo de investigadores realiz ó un estudio prospectivo para evaluar En un ensayo cl í nico se evalúa la no inferioridad de dopidogrel ( exper í *
la eficacia de dos alternativas terapéuticas ( té cnica A frente a t é cnica B ) mental ) frente a AAS ( control ). El f ímite clí nicamente relevante es - 5 %
en el tratamiento de las fracturas subcapitales de cadera. Los pacientes en la incidencia de ictus isquémico en pacientes con estenosis carotídea
fueron asignados a uno u otro grupo de tratamiento de manera aleatoria . severa. Los resultados mostraron una diferencia absoluta de eficacia de
¿ De qu é estudio se trata ? +1%; IC 95% ( -8% a +12%). Señ ale la respuesta correcta :
RC: 4 RC: 3
27
Análisis de la heterogeneidad
introducción Un metan á lisis consiste en un aná lisis estadístico que combina o integra
los resultados de varios ensayos cl í nicos independientes entre sí pero
que el analista considera"combinables". Una de las mayores dificultades
El objetivo de una revisión sistem ática es presentar un resumen imparcial y y limitaciones consiste en decidir que es o no combinable . Claramente
exhaustivo de las investigaciones { publicaciones ) existentes, permitiendo la toma resultar í an combinables s ó lo aquellos estudios en los que la hip ótesis
de decisiones acerca de una determinada intervención o tratamiento, basada en de investigación coincide por completo . Pero, desafortunadamente, los
todos los estudios relevantes y de adecuada calidad existentes acerca del tema . estudios difieren en los tipos de pacientes estudiados, gravedad de la
enfermedad, etc. Es por ello que todo metan á lisis debe analizar la can-
Algunas revisiones sistem á ticas asocian adem á s un an á lisis estad ístico tidad de heterogeneidad existente entre ios estudios incluidos, esto es,
nuevo, combinando los diferentes estudios incluidos en la revisi ón: esto es debe contar con un an á lisis de heterogeneidad. Existen varios m étodos
un metan á lisis. estadísticos y gr á ficos para evaluar el grado de heterogeneidad.
Ani identificaci ón
de ib lid d
* crl .r
icií jflr aplicación
del profesor
Core v .^
FPCOnr r’idac
28
Manual CTO de Medicina y Cirugí a, 1.a edición 09 . Metanálisis
un
1 0 1-
> Metaná lisis un
OI
1 CP -
!S!S-2
Metaná lisis
•»¡; GiSSI t
Diagrama de bosque o forest plot ül
u 103 - u 103 -
CL _
¡U
~
o D
"
. i O2 i ! = . 1 G2 -
*
*
O
.«
*
10 r 10 r
0,1 1 10 0,1 1 10
del profesor Odas ratio Odds milo
Asim étrico Sim étrico
29
O9 » ESTADÍSTICA Y EPIDEMIOLOGÍA
Ideasclave
El metaná lisis es una t é cnica estad ística que combina los resultados de La vafidez de un metaná lisis depende, entre otros, de la calidad de la
estudios independientes, en general, ensayos clínicos aleatorlzados. revisión sistem á tica que lo acompa ña .
/ Los metaná lisis se utilizan, en general, para evaluar la efectividad de de - Un buen metan á lisis pretende incluir todos los resultados de los estu-
terminadas intervenciones -tratamientos, generando estimaciones m á s dios relevantes sobre un tema, buscar ta presencia de heterogeneidad
precisas que los estudios incluidos de forma individual y contando con en ellos y explorar La robustez de los hallazgos principales mediante un
mayor potencia estadística que ellos. an á lisis de sensibilidad .
asoscíínicos
A continuación se muestran los resultados de un metaná lisis.
.
Cilost izol Contiol RisK Diffet ettce Risk Diftaeuce
Stutly o í SiilMjioup Eveots Totol Events Tot¿ WeitjhT M-H, Fixeil, 95* * Cl .
M-H FiXttl, 95% C í
Lida 2008 12 63 20 64 32.1% - 0.12 ( 0.27 , 0.03
Lida. 2013 14 93 34 98 48.2% .
- 0.20 ¡- 0 32 - 0 08]
Soga . 2009 5 39 12 39 19.7% - 0.181- 0 36 , - 0.00]
Total < 95% C 0 195 201 100.0 % -0.17 [ 0.25, -0.09]
Total events 31 66
Helerogeneity: ChP = C. 60 , df = 2 (P = 0.74); P = 0% i i + 1
-1 - 0.5 0 0.5 1
Test for overall effect : Z = 4.01 (P < 0.0001) FavorsCilostazol Favorsbetter
A la vista de ellos, se puede concluir lo siguiente: 3 ) El estad ístico I indica que existe un 0% de heterogeneidad
4 ) Los estudios incluidos no pueden combinarse entre sí.
1} Presumiblemente se ha utilizado un modelo de efectos aleatorios, al
contar con estudios muy heterogéneos. RC: 3
2 ) El resultado del metaná lisis no es estadísticamente significativo .
30
Niveles de calidad
de la evidencia científica
ííijí * Mala (grado C). Existe insuficiente evidencia cientí fica para recomendar
o desaconsejar la adopci ón del procedimiento m é dico .
Factores determinantes de la calidad Tabla 13
Escalas de gradación
Tipos de estudios y evidencia
de la evidencia cientí fica asociada
Todas las escalas de gradación son muy similares entre sí y presentan al meta -
ná lisis de ensayos clínicos controlados y aleatorizados como el estudio m á s
riguroso y que aporta mayor evidencia causal. La medicina basada en la evi-
dencia persigue la integraci ón de la maestría clínica individua! con las mejores del profesor
evidencias científicas disponibles (Tabla 12 y Tabla 13 ).
Tabla 12
Fuerza de la recomendación
A Existe adecuada evidencia científica para adoptar una prá ctica Ul- H4:
6 Existe cierta evidencia para recomendar la pr áctica La mayor evidencia cientí fica se obtiene de los diseñ os experimentales.
C Hay insuficiente evidencia para recomendar o no recomendar la práctica III
Se considera que un metaná lisis de ensayos clí nicos no sesgado es el
D Existe cierta evidencia para no recomendar la prá ctica I estudio que aporta un mayor nivel de evidencia .
E Existe adecuada evidencia científica para no adoptar la prá ctica I
En cuanto a calidad del estudio, el orden es ( de mejor a peor ) : expe
Fuerza de recomendación clí nica basada en los niveles de evidencia
rí mental, observacional prospectivo, observacional retrospectivo, des
criptivo.
La calidad de la evidencia cientí fica se clasifica en tres grados de recomenda -
ción para, la adopci ón de una medida sanitaria:
* Buena {grado A ). Existe adecuada evidencia cientí fica para recomendar
o desaconsejar la adopció n del procedimiento mé dico.
* Regular (grado B), Hay cierta evidencia científica ( no concluyente ) para
recomendar o desaconsejar la adopción del procedimiento m é dico .
31
10>> ESTADÍSTICA Y EPIDEMIOLOGÍA
Casoscl í nicos
Indique cu á l de los siguientes dise ñ os epidemioló gicos se asoc í e con una 3 ) Ensayo de campo,
peor calidad en la relaci ó n causa efecto entre una exposici ón y un evento:
- 4 ) Estudio de tendencias temporales.
32
Estadística .
Generalidades
Una variable es una caracter ística observable que se desea estudiar en una
muestra de individuos, pudiendo tomar diferentes valores . Los diversos tipos
de variables está n recogidos en IB Tabla 14 (P02 ).
Tabla 1«
del profesor
Variable
Cualitativa - Nominal dicot ó mica - Sexo
- Nominal no dicotcmica - Raza
El proceso de selección de los individuos se puede realizar mediante distintas téc- - Ordinal - Nivel sodoecon ó mico
nicas de muestreo que se detallan a continuación. Es fundamental conocer que e\
Cuantitativa * Discreta * Nep isod i os de asma /sema ira
tipo de muestreo má s importante es el probabil í stico, en el que todos los elemen-
* Continua (P03J
tos de la població n tienen la misma probabilidad de ser Incluidos en la muestra.
- Uricemia
* Mué streos probabilístí cos. En ellos se conoce la probabilidad de que un
individuo sea elegido para la muestra. Son interesantes para usar esta - Tipos de variables
33
11 ESTADÍSTICA Y EPIDEMIOLOGÍA
Ideasclave
La obtención de una muestra a partir de la poblaci ón puede hacerse de El estratificado debe realizarse cuando haya en la muestra una hip óte
forma probabílístí ca ( mediada por el azar ) y no probabilísima. tica variable pronostica que pudiera influir en el desarrollo de la enfer
medad.
Los tipos de muestreo probabilístico son el aleatorio simple, el aleatorio
estratificado, el sistemático y por grupos o conglomerados . Las variables son caracter ísticas observables. Pueden ser cuantitativas o
cualitativas, en funció n de que la variable analizada pueda cuantificarse
o expresarse en funci ón de una caracter ística.
Ií n i c o s
Sí se identifican las á reas sanitarias de una provincia, se eligen tres de 1} Aleatorio simple.
ellas al azar, y a partir de cada una de las elegidas se selecciona un n ú- 2 ) Aleatorio estratificado.
mero determinado de sujetos, también al azar, se estar á realizando un 3 ) Sistem á tico.
muestreo: 4 ) Por conglomerados.
RC: 4
34
Estadística descriptiva
ím furopa
7%
Variables cualitativas Af * tu
Se emplean: An'rric J
• Diagrama de barras {Figura 15 ) . - m
tambi én lo es su área . * Diagrama de barras. En un diagrama, sobre el valor que puede tomar
la variable, se levanta una barra cuya altura mide exactamente la fre -
Los diagramas de barras tienen una base constante y una altura proporcional cuencia absoluta del valor. También es posible representar la frecuencia
a la frecuencia absoluta correspondiente [ tambié n su á rea lo es a la frecuen- relativa y /o los porcentajes.
cia absoluta) .
Variables cuantitativas continuas (Figura n)
Figura 15
Figura 17
0,S - 14 -
C.4 -
U-
U-
-
10
H
-i *
6H
o,i H 4 -
2 -i
O Y i
S D ú
1 M X J V
35
12 ESTADÍSTICA Y EPIDEMIOLOGÍA
* Hí stograma. Es un gr áfico que está formado por rectá ngulos adyacen- En consecuencia, es siempre recomendable calcular la media y la mediana,
tes que tienen por base cada uno de los intervalos, y por altura las fre - puesto que ambas medidas diferir án mucho cuando la distribución sea muy
cuencias absolutas. La superficie de cada rectá ngulo es proporcional a asim étrica ( Figura 18 ), lo que sugiere heterogeneidad en los datos.
la frecuencia de cada una de las clases, y el á rea total lo ser á al n úmero
de individuos en la muestra . Figura 18
* Polí gono de frecuencias. Es una lí nea quebrada que une los puntos
medios de las barras superiores de los rect á ngulos del histograma.
Mediana
Medidas de localización o tendencia central Distribuci ón asimétrica
El 50% de las observaciones ser á inferior al segundo cuartil, quinto decil * Desviación típica o estándar. Se define como la ra í z cuadrada positiva
o percentil 50. de la varianza. Es, junto con ésta, la medida de dispersió n má s utilizada.
• Medí a geom étrica. Muy utilizada en microbiología y serologí a, cuyos
datos tienen una marcada asimetr í a positiva [ hacia la derecha ) . Por
i
ejemplo, títulos de anticuerpos. é- s)
It
s= s n
V
Comparación de medidas de centralización
Aunque desde un punto de v í sta puramente descriptivo, estas medidas pro- La desviaci ón típica es una medida complementaria de í a media aritm é-
porcionan información complementaria, sus propiedades son muy distintas: tica; mientras que é sta da una idea de la magnitud general de la distri-
la media utiliza todos los datos y es, por tanto, preferible si los datos son bución, la desviación está ndar muestra c ómo se distribuyen los valores
homogé neos; tiene el inconveniente de que es muy sensible a observa - alrededor de la med í a .
ciones atípicas, y un error de datos o un valor anormal puede modificarla * Rango intercuartílico. Es la diferencia entre el percentil 75 y el 25 . Es,
totalmente . Por el contrario, la mediana emplea menos informaci ón que la junto con el rango, la medida de dispersió n que se utiliza para los datos
media, ya que s ólo tiene en cuenta el orden de los datos y no su magnitud, asimétricos.
pero, en contrapartida, no se ve alterada si una observación ( o, en general, * Coeficiente de variación ( CV). Es una medida de dispersión adimensio-
una peque ña parte de observaciones) es extrema o contiene errores grandes nal. Se define como el porcentaje que representa la desviació n est á ndar
de medida o de transcripció n. sobre la media . Es el método de elecci ón para comparar la variabilidad
36
\
X
ET/EPI
Manual CTO de Medicina y Cirug í a, 1 . edición a
12 . Estadística descriptiva \
o dispersió n relativa de variables que est é n expresadas en las mismas o Curtosis (apuntamiento)
en diferentes unidades.
Esta medida determina el grado de concentración que presentan los valores
s en la región central de la distribució n. Por medio del coeficiente de curto-
CV = x 100
x sis es posible identificar si existe una gran concentració n de valores ( lepto-
c ú rtica), una concentración normal ( mesocurtica ) o una baja concentraci ón
{ platic ó rtica) (Figura 20).
Tabla 15
Medida Medida Figura 20
de centralízadón de dispersión Leptoc ú rtica
/
/ \ \
y r
/
/ X
V
\ \ X.
Propiedades de la media y la varianza
/
/ /
y /
Coeficiente de curtosis
* Si a todos los valores de una distribuci ón se tes suma una constante, su media
queda aumentada en ese valor, mientras que su varianza no se modifica .
* Si a todos los valores de una distribución se les multiplica por una constante, El valor g2 representa el coeficiente de curtosis . Si g2 = 0, entonces la distri-
su media y su desviaci ón típica quedan multiplicadas poria constante, mien- buci ón es mesocurtica. Al igual que en la asimetr í a, es bastante difícil encon-
tras que su varianza queda multiplicada por el cuadrado de esa constante. trar un coeficiente de curtosis de cero ( 0), por lo que se suelen aceptar los
valores cercanos ( ± 0,5 aproximadamente).
* Si g2 > 0, la distribució n será leptoc ú rtica.
* Si g2 < 0, la distribució n será platicúrtica.
* Si g2 = 0, í a distribución será mesoc úrtica .
Asimetría y curtosis
Cuando la distribució n de datos tiene un coeficiente de asimetr ía ( gl = ± 0,5)
y un coeficiente de curtosis ( g2 = ± 0,5), se denomina curva normal.
Asimetrí a
Para calcular la asimetr ía, una posibilidad es utilizar el llamado coeficiente
de Fisher que se representar á como gl. Segú n sea el valor de gl, se dirá que
La forma de representació n grá fica va a depender del tipo de variable.
la distribució n es asimétrica a derechas o positiva, a izquierdas o negativa, o
Para las cualitativas y las cuantitativas discretas, se emplea el diagrama
simé trica, es decir ( Figura 19 ):
sectorial y el diagrama de barras . Para tas cuantitativas continuas, se
* Si gl > 0, la distribuci ón ser á asim é trica positiva o a derechas ( despla - utiliza el histograma y el polígono de frecuencias.
zada hacia la derecha ).
* Si gl < 0, la distribució n será asimétrica negativa o a izquierdas ( despla - Para definir correctamente una variable en una muestra, se necesitar á
zada hacia la izquierda ). un par á metro que sirva para aglutinartodos los valores de dicha mues -
* Si gl = 0, la distribución ser á simétrica . tra [ par á metro de tendencia central) y otro que sirva para informar de
lo agregados o no que está n ios valores ( par á metro de dispersión ) .
Figura 19
El tipo de distribuci ón m á s frecuente es la normal o de Gauss, que es
Curva da asimetr ía simétrica. En distribuciones sim é tricas se usar á como pará metro de
negativa
tendencia central la med í a, y de dispersión, la desviaci ón tí pica .
J- XX
Curva sim é trica
En distribuciones asimé tricas, se emplea la mediana como pará metro
v Curva de asimetr í a de tendencia central y el rango como par á metro de dispersió n.
V
/ \ positiva
V
V X En la distribución de Gauss, media, mediana y moda coinciden en el
mismo valor.
Eje de simetr ía
1\ El coeficiente de variación es el par á metro que se emplea para decir
Eje de simetrí a
y
\ si una distribución es homogénea o dispersa . Adem á s, informa de cu á l
de entre dos distribuciones tiene una mayor variabilidad ( dispersión ).
Eje de simetr í a
La asimetr ía de una distribució n mide la desviació n "horizontal" desde
Estados de La asimetrí a la curva normal.
37
12 ESTADÍSTICA Y EPIDEMIOLOGÍA
Casoscl í n i c o s
De los siguientes estadísticos de tendencia central y dispersió n, indique Las medidas de tendencia central informan sobre los valores centrales hacia
aqu él que puede tomar varios valores diferentes dentro de una misma los que tiende la distribución, mientras que ías medidas de dispersión dan
distribución : una idea de cómo de agrupados o dispersos está n los valores de la muestra
respecto a tos pará metros centrales. Un estudio pretende comparar la dis-
1} Media aritmética . persión relativa del peso y talla de un grupo de ancianos. ¿Qu é medida de
2) Mediana. dispersión emplearía ?
3) Moda .
4} Varianza . 1) Varianza.
2) Desviaci ón tí pica .
RC: 3 3) Rango.
4) Coeficiente de variación.
RC: 4
38
Principales leyes
de distribución
de variables aleatorias
Una vez que se ha elegido la muestra y recogido los datos, el siguiente paso i §
Existen tres leyes te ó ricas que tienen la particularidad de ser seguidas por una Apuntes
inmensa mayor í a de los fenómenos biológicos habituales; estas leyes son:
* Distribució n binomial ( distribuciones discretas).
del profesor -
fO
* Distribució n de Poisson o de los sucesos raros ( distribuciones discretas).
* Distribució n normal o de Gauss ( distribuciones continuas ) .
Caracterí sticas
Í Ffí Las caracter ísticas de la distribuci ón normal ( Figura 21) o de Gauss son las
siguientes :
Distribución binomial * Corresponde a variables cuantitativas continuas.
* Se caracteriza por dos medidas : media y desviació n típica .
* Es unimodal .
Es una ley te ó rica de aplicaci ón siempre que se conozca, de entrada, la pro- * Es sim étrica alrededor de la media . Por tanto, media ,, mediana y moda
babilidad de aparici ón de un fen ómeno bioló gico (p). El resultado es dicot ó- coinciden.
m íco y puede ser evaluado como "éxito o con fracaso". La variable de inter é s * Tiene forma acampanada, sin un pico excesivo.
es el n ú mero de éxitos alcanzados en n pruebas. * Va desde -co a +® ( as í nt ótica al eje de abscisas ).
+ El área bajo la curva tiene un valor igual a 1.
La distribució n binomial constituye siempre un diagrama de barras discontí
nuo que se aplica a variables discretas. Figura 21
Distribución de Poisson
39
1 3>> ESTADÍSTICA Y EPIDEMIOLOGÍA
RC: 4
J
40
Estimación de parámetros.
Estadística inferenciaI
ET/EPI
J
1 I '
l
i
i
I
4 K
íúrí
i
y I
'
1¡
r1
« *
\ *2
Estimación de medias
p
'
i >
h
I I
I >
r
l
i
r
i
( a
I
I L
!
'i
En este caso, se quiere conocer la media poblacional a partir de la media
I
i
!
i
I
¡ g
eem
* Estimación puntual * La media muestral es un buen estimador de la X
media poblacional ( p) . V
* Estimación por intervalos. El valor num érico de los estimadores pun - 4
p'
'
ti
'I
- v
miblemente incluya tambié n el par á metro de la població n. Por ello, ' I I
w
I"
V
es preferible la estimaci ó n por intervalos, ya que entonces se indican
X Xca
3
l í mites de valores dentro de los cuales el par á metro poblacional tiene
la probabilidad de estar. Al intervalo alrededor del estadístico mues- C á lcuLo deí error está ndar de la media
tral se le denomina intervalo de confianza, y a sus lí mites, l í mites de
confianza. El cá lculo de ios l í mites de confianza ( IC ), comprende et Si se construye un IC del 95%, se concluye que en el 95% de las ocasiones la
empleo del error est á ndar de la media y los principios de la distribu - media poblacional estará entre:
ci ón normal.
El nivel de confianza 1- a indica la probabilidad que hay de que la s
x ± 1 ,96 x
media poblacional, p, pertenezca a ese intervalo; es frecuente expre -
sarlo en porcentajes. Son equivalentes las expresiones "nivel de con - 'i n
fianza 1- a" y "significaci ó n a"; así, suele hablarse de obtener un
intervalo con un nivel de confianza del 95% o para una significación Mientras que en un 5% de las ocasiones estar á equivocado. Si se establece
a = 0,05 ( este valor de a indica la probabilidad que hay de errar en la el nivel de confianza en el 99%, la media poblacional se situar á en un 99% de
estimación. A veces, esa probabilidad se indica con la letra P ). las ocasiones entre:
De una població n pueden extraerse infinitas muestras, cada una de ellas con n
su med í a . Este conjunto de medias se distribuye seg ún una curva normal
cuya media, la media de las med í as, es la media poblacional ( p) y cuya des- En el caso de n < 30, los l ímites de confianza se calcular ían siguiendo la fórmula:
viació n tí pica se conoce como "error está ndar de la media"; por tanto, es la
dispersión de í as medias mué strales con respecto a la media poblacional. Se s
X ±tX
calcula con la siguiente fó rmula ( Figura 22 ):
n
o
eem =
r Donde el valor t corresponde a los valores tabulados de la distribución te ó
< n rica t de student .
41
14 ESTADÍSTICA Y EPIDEMIOLOGÍA
< i i
Ideasclave
La estadística inferencial o anal í tica se encarga de, a partir de la mués
Distribución normal, muestral
tra, extrapolar datos a la población.
y distribución de medias muéstrales
/ El par á metro de dispersi ón que siempre se emplea para el c á lculo
de los intervalos de confianza de medias es eí error está ndar de la
media .
Apuntes
del profesorr / La curva de probabilidades de los intervalos de confianza sigue otra
JO curva de Gauss, por lo que se puede decir que, en el intervalo media
T
± 2 eem, estar á incluida la media poblacional con una probabilidad
del 95 %.
RECUERDA
Los intervalos así obtenidos se denominan intervalos de confianza del 95%.
No tiene nada que ver í a desviación típica de los valores de la
variable de la muestra o en la población con el error est á ndar
/ El 5% restante es la probabilidad de que el intervalo esté mal estimado.
de las medias mué strales alrededor de la media poblacional.
A este error se le llama a.
Independientemente del tipo de estudio epidemiol ó gico y del par á metro uti- 1) Los intervalos de confianza que se calculan para la media poblacional
lizado para medir la fuerza de asociaci ón ( RR, Ü R, RP ), la estimación de las son independientes de la variaci ón en el muestreo .
medidas de asociación h a d e ser extrapolada a la población general mediante 2) El error está ndar de la media es independiente del tama ño de la muestra.
la construcció n de un IC. Si el IC incluye el 1( efecto neutro del factor de estu- 3) La distribución de medias mué strales tiende a ser una distribución nor-
dio), se habla de un resultado no significativo. mal siempre que las muestras sean todas del mismo tama ño, procedan
aleatoriamente de la misma población y se mida una variable cuantita -
tiva continua.
4) Un intervalo de confianza del 99% supone un nivel de significació n de
p < 0,05.
RC: 3
42
Contraste de hipótesis
43
15 ESTADÍSTICA Y EPIDEMIOLOGÍA
Tab a 16
Realidad
Existe diferencia HCifalsa No existe diferencia H cierta
^
Resultados del test * Hay diferencias significativas 1-B Error tip o l o error a
* Rechazo H o * Poder estadístico o potencia del test
* No hay diferencias significativas Error tipo II o error p 1- a
Friedman Cuantitativa I
> 2 grupos. NP. AP 2 categorí as
Más de 2 categor í as
{ variables dkotóm kas)
Cuantitativa Cuantitativa Regresión lineal
Correlaci ó n de Pearson T
U de Mann-Whitney
I
Test de Kruskal Wallis
-
Correlaci ó n NP Test de Wilcoxon Test de Friedman
de Spearman ( tanto para datos apareadas ( si datos apareados)
como no apareados)
Regresión müí tipfe Muftivariante
Cualitativa Tiempo hasta KaplaivMeier Método descriptivo Ordinal con ordinal
cualitativa
(supervivencia)
Log-Rank Compara curvas
de supervivencia
I
Rho de Spearman
+
Tau de Kendall
Breslow Compara curvas
de supervivencia
Test no para m é tricos
Regresión de Cox Muftivariante
AP: datos apareados. NP : no paramétrico
Análisis multivariante. Pretende establecer la relació n entre dos varia -
Pruebas de contraste de hip ótesis má s habituales en medicina bles teniendo en cuenta la influencia de otras. Tiene sentido utilizar este
an á lisis en medicina, al encontrarse muchas caracter ísticas relacionadas
Las pruebas de significació n estad ística o test de contraste de hip ótesis pre- unas con otras . Por ejemplo, si se quiere valorar la existencia de asocia -
tenden demostrar o no la asociación estadística entre dos variables obser- ci ón entre la hipertensi ón arterial y el riesgo de ACV, habr á que contro -
vadas en una muestra, generando un valor de p . Obviamente, dependiendo lar ( o analizar ] el efecto que pueda tener la presencia o no de diabetes,
del tipo de variables que se tenga que analizar, se debe utilizar un test de dislipidemia, el sexo o í a edad . Se desarrollar á m á s ampliamente este
contraste de hip ótesis u otro. concepto en ei Capítulo 16.
44
ET/EPl
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
15. Contraste de hipótesis
* Aná lisis de supervivencia. En ocasiones, para saber si, por ejemplo, La Figura 25 resume los test estadísticos que má s se emplean y que se han
un fá rmaco es mejor que otro se necesita conocer la idea dinámica comentado anteriormente.
de cómo fallecen los pacientes incluidos en uno u otro grupo de trata -
miento a lo largo del tiempo . Es decir, no só lo importa si fallecen o no, si Figura 25
no el tiempo en el que se produce el evento. Cualitativa con cualitativa
Esta ¡ dea es extrapolable a otras situaciones como, por ejemplo, tiempo
t
hasta que se produce la curació n, tiempo hasta que desaparecen los s í n-
Chi-cuadrado Test exacto de Fisher
tomas ... Uno de los an á lisis estadísticos má s frecuentemente empleados ( si datos apareados, ( si pequeño tamañ o
.
es el de Kaplan- Meier ( Figura 24) La caracter í stica distintiva de! an á lisis test de McNemar) muestral)
con este m étodo es que la proporci ón acumulada que sobrevive se cal-
cula para el tiempo de supervivencia individual de cada paciente. Para Cualitativa con cuantitativa
saber si existen diferencias en el tiempo en e! que se produce el evento
para los dos grupos de tratamiento, hay que usar test específicos para
i T
2 categor í as
tal fin, como son el de Breslow o el Log -Rank (Tabla 18) . ( variables dí cotó micas)
Figura 24 \ \
t de student (si datos apareados, ANOVA [an á lisis de la varianza]
1,0 t de student para datos (si datos apareados A NOVA
m: m
apareados) para datos apareados)
"
O
u
jc
\
Oí
> Coeficiente
> 0,6 - Regresíón
Of
de correlación de Pearson
CL
3 h
Test estadí sticos m á s empleados
a 0,4 -
T3
ffl
T3
_Q
_o
ü
0,2- Edad < 60
O
- 60 Edad < 69
70 Edad < 79
0,0 -
— Edad SO Pruebas a una cola y a dos colas
I I r r r
0,0 2,0 4 rG 6,0 8,0
Tiempo de supervivencia (años)
Lo habitual de la pr á ctica clínica es que cuando se comparan, por ejemplo,
EjempLo de test de KapLan-Meier (KM) que evalúa la probabilidad dos tratamientos, pueda ocurrir que A es mejor que B, pero tambié n que B
de supervivencia según La edad de Los pacientes es mejor que A [hip ótesis alternativa bilateral) . En determinadas circunstan-
cias, sin embargo, casi con toda probabilidad solo cabe la opción A mejor que
l 1 \ B ( p. ej ., al comparar un antihipertensivo con placebo, hip ótesis alternativa
Aná lisis de supervivencia unilateral).
Los test estad í sticos a dos colas ( en el casos de HL bilateral ) dan siempre
valores de p mayores [ en consecuencia menos significativos) que los de
a una cola [ en caso de H1 unilateral ). Por tanto, cuando una prueba bila -
teral es significativa, tambi é n lo ser á la unilateral . Hacer un test a una
del profesor . -O
o dos colas depende fundamentalmente de los conocimientos previos
( se comparan dos tratamientos o se comparan con placebo); si se tienen
dudas de qu é test ser í a conveniente emplear, se deber ían usar pruebas
a dos colas.
Tabla 18
Chi-cuadrado Sig.
Log Rank
-
15,572 3 0 ,001
Breslow ( Wikoxon generalizado) 12,298 3 0,006
Test estadí sticos para comprobar diferencias en KM tai y como
se muestran en el programa SPSS
45
15 ESTADÍSTICA Y EPIDEMIOLOGÍA
Ideasclave
/ El contraste de hip ótesis se basa en intentar rechazar H,. ( no hay diferen Ambos errores ct y p son dos formas diferentes de errores aleatorios,
cias ) para así aceptar Hi ( sí existen diferencias ). por lo que se podr á n reducir si se aumenta el tama ño de la muestra.
Cualquier resultado observado en un estudio puede atribuirse al azar. El Si verdaderamente hay diferencias reales en los resultados obtenidos
valor de pf o nivel de significaci ón, se refiere a la probabilidad de que el y estas diferencias son detectadas por el test, entonces se está en la
azar explique un resultado obtenido. situación de acierto, que se conoce como poder o potencia del test..
Si p < 0,05, se admite poca probabilidad de azar, y entonces se habla de Los test estadísticos que se van a emplear depender án del tipo de varia -
que hay diferencias estad ísticamente significativas. Si p > 0,05, la proba - ble que se haya utilizado :
bilidad de azar es demasiado grande como para que se afirme que hay - Cuali + cuali : chi-cuadrado,
diferencias significativas en los resultados obtenidos. Cuanti -rcuali dicot ómica: t de student ( equivalente no paramétrico:
Wilcoxon, U de Mann-Whitney).
La probabilidad que existe de que se afirme que hay diferencias, cuando Cuanti + cuali no dicot ómica: ANOVA [equivalente no param é trico:
en realidad no las hay, equivale a la probabilidad p y se llama error a o Kruskal-Wallis; Friedman) .
tipo I. Cuanti + cuanti: correlació n de Pearson ( equivalente no param étri-
co : Spearman ) .
Por el contrario, si verdaderamente existen diferencias y no se detectan,
se estar á incurriendo de nuevo en un error, que en este caso es el p o Los test paramétricos son preferibles, pero ú nicamente pueden reali
tipo II. zarse cuando la distribución de estudio sea la normal.
Se realiza un estudio para comparar el efecto de dos nuevos antih í perten- En un ensayo cl ínico se comparan cifras de glucemia al final de un estudio
sivos, Ay B, sobre la tensió n arterial. Para ello se dise ña un ensayo cl ínico, con tres brazos de aleatorizadon, cada uno de ellos utilizando un tipo di-
correcto en su ejecución, y se realiza un contraste de hipótesis, partiendo ferente de insulina ( detem í r frente a glargina frente a NPH ) . SI se quiere
de la hip ótesis nula de igualdad . Despu é s de aplicar el modelo estad ístico contrastar la hipótesis de la diferencia entre las medias de los tres grupos,
necesario, se concluye con la aceptación de la hip ótesis nula . Anos m á s asumiendo que la variable glucemia se distribuye de forma normal en to-
tarde, y después de revisiones exhaustivas de í ensayo, nos percatamos de dos ellos, se utilizar á :
la existencia de errores en los cá lculos, que seguramente ocurrieron por
azar, siendo en realidad cierta , en aquel escenario, la hip ó tesis alternativa . 1) Coeficiente de correlación í ntracllase.
El error que se cometi ó en aqué l entonces fue : 2) Coeficiente de correlación de Pearson .
3) Prueba de la t.
1} Un error tipo I. 4) An á lisis de la varianza .
2) Un error tipo II .
3) Un sesgo de selecci ó n. RC: 4
4) Un sesgo de confusió n.
RC: 2
46
Análisis de correlación
y de regresión
Tabla 19 |
Tipo de variable
Cualitativa Cuantitativa Supervivencia
Análisis multivariante dependiente
Ejemplo IAM sí/no Carga viral Tiempo hasta
oclusi ó n
Es un conjunto de test estad í sticos que se aplica cuando se intenta establecer
deunsM/BP
la asociación estadística entre dos variables, pero controlando el efecto de ( datos de
terceros factores que podr ían actuar como factores de confusió n o modifi-
supervivencia )
cadores del efecto .
Test estad í stico Regresión log ística Regresión lineal Regresi ó n de Cox
Por ejemplo, se desea saber si existe una relación entre la infecci ón de múltiple
herida quirú rgica y el tipo de cirugía, controlando que la profilaxis antibi ótlca
Medida Odds rotio Hozardratio
empleada no act ú e como factor de confusión . Para ello se tratar ía de esta -
de asociaci ó n Riesgo relativo
blecer una expresi ón l ó gica como la siguiente :
Tipos de análisis muLtivariantes
* El riesgo de infección de herida quir ú rgica DEPENDE DE tipo de profilaxis
Y tipo de cirugía.
Incluso se podrían a ñadir otras muchas variables [ de ahí el nombre de
multivariante ) como las siguientes .
• El riesgo de infecci ó n de herida quir ú rgica DEPENDE DE tipo de profi-
mm
laxis Y tipo de cirugía Y edad del paciente Y tiempo de cirug í a J I B Regresión lineal tF¡gUra 26»
Se debe expresar esta relació n de forma matemá tica, resultando
algo así:
La ecuación de regresión lineal m á s sencilla ( o regresi ón lineal simple ) tiene
Probabilidad (INFECCIÓN DE HERIDA) = Profilaxis + Tipo cirugía 4- la forma siguiente :
+ Edad + Tiempo de cirugía
y = a -\- fix
Siempre que se relacione matemá ticamente, en forma de una ecua -
ci ó n, una variable con otra u otras, se est á generando una ecuació n de Donde a y |3 son los llamados coeficientes de regresi ón, y es la variable
REGRESI Ó N. La variable que se coloca antes del igual ser á la variable dependiente y x la variable independiente .
DEPENDIENTE, puesto que sus valores depender á n de los valores que
tomen las variables que está n despu é s del signo igual, o variables INDE - El coeficiente a representa el punto en el que la l ínea corta el eje vertical
PENDIENTES. ( valor de y para x = 0) . El coeficiente p es la pendiente de la recta ( puesto que
la figura que genera la ecuación es una recta ) que muestra la cantidad que
Existen muchos tipos de regresiones que vienen determinados por la natu- var ía y por una unidad de cambio de y.
raleza de la variable dependiente, esto es, si es cuantitativa, cualitativa, etc.
( Tabla 19). Por ejemplo, se quiere plantear la existencia de asociaci ón entre el índice de
masa corporal ( IMG) y la colesterolemia plasm ática. Se generar á una ecua -
Al final, lo que se consigue al formular una ecuaci ón de regresió n con los ción como é sta :
datos de un estudio es generar un modelo matemá tico que pretende expli-
car el comportamiento de las variables incluidas. IMG = a + p x Colesterolemia
Al terminar el an á lisis, el modelo de regresió n proporcionará una estima - Imagínese un resultado hipotético como este : IMG = 0,25 + 1,36 xColesterolemia.
ció n del riesgo asociado a cada una de las variables, y este riesgo ( en forma El coeficiente pse interpretaría de esta forma : cada unidad que aumenta la coles-
de OR, RR o HR ) es independiente para cada una de ellas. terolemia ( p. ejv de 200 a 201 mg/dl) el IMG aumentar ía 1,86 puntos [Figura 27).
47
Figura 26
A B
Regresión logística
4
*
m
4-
4
é
* *
. *
J
- '
*
f
4 É
4
* m i
La ecuación de regresió n logística es matem á -
- -i . a *
*
»
¥
* * #
4
V
»
a
*
* 4
4
4
a
* #
4
4 m
ticamente mucho m á s compleja, pero desde
*
y y 4
y
#
* * \ T* *m
J
; f a *
4
'4
un punto de vista conceptúa !, es exactamente
#
a 4
4
a
* * a-
4
* Relació n lineal 4
4 * * 4 a Falta igual a la regresió n lineal salvo por el tipo de
a 4
4
* -
s
4
4
a 4 positiva 4 * de relaci ón variable dependiente, que es cualitativa dico -
m
i
4
I
4
*
-
*
a
4
-
3
^
H * . *
4
4
*
4
4 9i
4
4
4 -
K 4 4
4
* » 4 Exp ( B) y sus IC, puesto que representar í an el
y “
T < y 4
4
4
a
r 4
Figura 27
J J
f £ M
-> r (i
|
m W
i
del profesor*
O
Éste mide la intensidad de la relación lineal entre fas dos variables cuanti- Edad - 2,156 ,211 , 225 1,024 0,733 1,034
tativas. Las caracter ísticas del coeficiente de correlaci ón son las siguientes:
Tiempo de cirugía 4, 109 ,537 , 000 4, 118 1,740 9,650
* Var í a entre -1 y +1 — > - l < r < +1.
Para r - ± 1, hay una relació n perfecta entre x e y , es decir, todos los
Modelo de presentació n de tos resultados de un aná lisis de regresió n logí stica
puntos (x, y ) está n en una l ínea recta .
* Un valor positivo de r indica que a medida que aumenta una variable, lo
hace la otra, o que conforme disminuye una, tambié n lo hace la otra . Un
coeficiente de correlació n negativo denota que a medida que disminuye
una variable, aumenta la otra o viceversa .
r = 0 indica que no hay correlació n lineal. Regresión de COX
En general, si se tiende a realizar primero un aná lisis de correlaci ón, y de
é ste resulta una asociació n fuerte entre variables, se intentar á formular una Podr ía considerarse un caso particular de regresión logística en la que la varia-
ecuación de regresi ón lineal. ble dependiente incluye el tiempo hasta que se produce un evento de í nteres
48
\
ET/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
16. Análisis de correlación y de regresión
Jr
( datos de aná lisis de supervivencia ) . Su resultado ser í a eí mismo que el expre- anterior en la que los valores de Exp ( 8 ) corresponderí an a hazard ratí o ( HR ),
sado para la regresión logística, esto es, podr í a ser una tabla semejante a la una medida de asociaci ón que se puede interpretar igual que una OR .
Los test de correlación y de regresi ón sirven para establecer asociaci ón Una r de 1 o de -1 implica una correlació n cuya nube de dispersi ón se
entre dos variables cuantitativas. aproxima a la l í nea recta.
Eí aná lisis del test de correlación se basa en la interpretació n del coefi- Cuando la correlación es fuerte, podr á entonces hacerse el: test de re -
ciente r. El valor de r est á comprendido entre -1 y +1.. Un valor positivo gresió n lineal, cuya fórmula es y = a + px, donde [3 es la pendiente de la
significa que si la variable n aumenta, la variable m lo har á también. Eí recta y a el punto de corte de ésta en el eje de ordenadas.
valor absoluto de í a r establece lo fuerte o débil de la correlación, con -
sider á ndose fuerte cuando é sta es mayor de 0,7 .
En un ensayo clí nico que estudió el riesgo de infarto agudo de miocardio 1) t de student.
asociado a fá rmacos se pretende valorar la influencia de la edad, el sexo y 2) Correlació n de Pearson .
el há bito tabá qu í co en este desenlace. 3) Regresi ón lineal m ú ltiple
4) Regresi ón logística.
¿Qué test estadí stico emplear í a para tal efecto ?
RC: 4
49
Tamaño muestral
Donde:
* 2?t ya que la seguridad es del 95%.
Tamaño muestral * p = proporció n esperada ( en este caso 10% = 0,1) .
* q = 1- p ( en este caso 1- 0,1= 0,9 ) .
* d = precisió n ( en este caso se desea un 5% = 0,05 ) .
Para realizar un estudio sobre una població n, es necesario trabajar con una
muestra, ya que abarcar a todos los miembros de una comunidad es prá cti- Para estimar una media se debe conocer:
camente imposible. * El nivel de confianza o seguridad (1- ct), habítualmente 95%.
* La precisi ón con que se desea estimar el pará metro .
El tama ño de la muestra se determina en el diseñ o de! estudio, de modo * Una idea de la varianza de la variable cuantitativa que se supone existe
que sea apropiado para los objetivos buscados en el mismo y con los con- en la población.
dicionamientos que se está dispuesto a asumir. Un n ú mero insuficiente de
participantes impedir á encontrar las diferencias buscadas, concluyendo Por ejemplo, si se desea conocer la media de la colesteroiemia basal de una
err óneamente que no existen, mientras que un n ú mero excesivo, aumenta población, con una seguridad del 95% y una precisión de ± 4 mg /dl, y se
innecesariamente eí coste. tiene informació n por un estudio piloto o revisió n bibliográ fica de que la
varianza es de 300 mg /dl:
Manejar muestras es m á s barato, r á pido, f á cil y suficientemente preciso y
exhaustivo que manejar poblaciones. Los datos obtenidos en la muestra se n = { 22 X 3Q0) / 42 = 75
generalizar á n a la poblaci ón original utilizando ciertas pruebas estadísticas
con una mínima probabilidad de error ( < 5% habitualmente ). RECUERDA
La precisi ón est á en el denominador y al cuadrado, lo que
Hay dos campos en la inferencia estadística donde se va a desarrollar el c á l - significa que cuanto m á s preciso se pretenda ser, má s pe -
culo del tama ñ o muestral: estimació n de par á metros y contraste de hip ótesis. queño ser á el n ú mero del denominadory, por ello, el tama -
ño muestral requerido ser á m á s grande.
50
ET/EPI
Manual CTO de Medicina y Cirugí a, 1. edici ó n a
1 7 , Tamaño muestra!
* La proporci ón de p érdidas ( d ) : se deber á multiplicar el tama ñ o calculado Unilateral. Cuando se considera que uno de los par á metros debe
por 1 / (1- d) . ser mayor que el otro, indicando, por tanto, una direcció n de las
* La definición de si la hip ó tesis va a ser unilateral o bilateral. diferencias. Só lo H0 > o < H1.
Bilateral, Cualquiera de los dos par á metros a comparar ( medias o La hip ótesis bilateral es una hip ótesis m á s conservadora y disminuye el
proporciones) puede ser mayor o menor que ell otro. No se esta - riesgo de cometer un error de tipo I.
blece direcció n. H0 diferente de H1.
Ideasclave
Lo primero que se debe hacer cuando se pregunte sobre tama ñ o rmues - [a proporci ón, se necesitar á conocer la proporció n esperadle y en el de
tral, es conocer si se trata de una estimación de pará metros o de un í as medias, la varianza esperable.
contraste de hip ótesis, para as í saber qué es lo que se necesita en el
estudio a realizar. En los casos de contraste de hip ótesis, los aspectos m á s importantes a
tener en cuenta son los errores a y 3 del estudio, la magnitud de la dife-
Si se trata de un intervalo de confianza, entonces se debe conocer si rencia a detectar clínicamente relevante, la proporci ón de pacientes en
se trata de una variable cualitativa ( proporci ón ) o de una cuantitativa los distintos grupos que responder á n a cada tratamientoy la proporción
( media). En ambos casos es preciso conocer el nivel de confianza y la de perdidas .
precisión con la que se desea el estudio . Evidentemente, en el caso de
Casoscl í nicos
Se quiere realizar un estudio para estimar la prevalencia de diabetes melli- 3 ) La variabilidad de la diabetes melfitus en ta población.
tus en ía población joven de Barcelona . Para determinar el n ú mero de su - 4 ) La potencia necesaria .
jetos necesario a estudiar, se tendr á en cuenta todo lo siguiente, excepto :
RC: 4
1} Prevalencia estimada de diabetes mellitus en la poblaci ón.
2) El nivel de precisió n que se desea para ta estimació n.
51
Bibliografía
Dawson B, Trapp R. Bioestadística m édica, 4.a ed. Manual Hernández Aguado I, et ai. Manual de Epidemiolog ía y Salud
Moderno, 2005. Pú blica, 2.a ed. Editorial Mé dica Panamericana, 2011.
Greenberg RS. Epidemiolog ía m édica\, 4.a ed. Manual Moderno, Martí nez-Gonzá lez MA, S ánchez Villegas A, Faulin Fajardo FJ.
2005 . Bioestadística amigable, 3 .a ed. Elsevier, 2014.
Grupo CTO. Manual CIO de Estadística y epidemiología, 9.a ed. Ruiz M, Morillo LE. Epidemiología clínica: investigaci ó n clínica
CIO Editorial, 2014. aplicada. Editorial Mé dica Panamericana, 2004.
52
ISBN: 978-84-17311-47-6 ISBN:978- 84-17311 -38-4
"
9 788417 311476 9 788417 ' 311384