Diseños 

observacionales

Dr. José Miguel Morales

Facultad de Ciencias de la Salud
 Estudios observacionales
Prof. JM Morales
jmmasen@uma.es

Sí ¿Hay grupo de No

Analítico comparación? Descriptivo

Clinimétricos
¿Dirección? Validación
Ecológico
Individual

pruebas Dx

Series de
casos,
Exposición y seguimiento de
Exposición Desenlace desenlace al mismo cohortes,
Desenlace Exposición tiempo transversales
Cohortes CyC Transversal descriptivos
(Asociación cruzada)
Morales Asencio JM. Tipos de diseños observacionales. Universidad de Málaga. 2009
 Series de casos
Prof. JM Morales
jmmasen@uma.es

Fin descriptivo

Situaciones de las 
que se tiene poca 
información

Revisión de casos 
atendidos

Muestras 
pequeñas
Prof. JM Morales
jmmasen@uma.es
Estudios ecológicos

• No emplean datos de individuos, sino 
de agrupaciones de sujetos:
– Poblaciones agregadas a distintos 
niveles: país, región, ciudades, 
hospitales, colegios, etc.
• Muy empleados en análisis 
epidemiológicos comparativos por la 
disponibilidad de datos 
administrativos

Borja-Aburto VH. Estudios ecológicos. Salud Pública de México. 2000;42(6):533–538.

Prof. JM Morales
jmmasen@uma.es
Estudios Ecológicos
• Exploratorios
– Se comparan datos descriptivos agregados entre 
varias poblaciones, sin indagar en asociaciones entre 
variables
• Analíticos
– Se evalúa la asociación entre la exposición a algún 
factor y la/s variables de estudio

• Ambas modalidades se pueden analizar de forma 
transversal o longitudinal
 Estudio ecológico exploratorio 
Prof. JM Morales
jmmasen@uma.es
transversal

Mortalidad por accidentes de tráfico vial en 2007

 Un dato individual…puede que 
Prof. JM Morales
jmmasen@uma.es
sólo lo tengamos a nivel ecológico

http://ec.europa.eu/health/tobacco/docs/eurobaro_attitudes_towards_tobacco_2012_en.pdf
 Ejemplos: estudio ecológico 
transversal analítico
Prof. JM Morales
jmmasen@uma.es

Esperanza de vida y gasto en salud por países

Prof. JM Morales
jmmasen@uma.es

n=128 países

 $US 1000 (low);  $US 1000–3999 (lower middle);  $US 4000–11 999 (upper middle); $$US 12 000 (high).

Siervo M, Montagnese C, Mathers JC, Soroka KR, Stephan BC, Wells JC. Sugar consumption and global
prevalence of obesity and hypertension: an ecological analysis. Public Health Nutr. 2013 Feb 18;1–10.
Prof. JM Morales
jmmasen@uma.es
Publicaciones científicas y PIB

Source: The World Bank, 2009

 Estudio ecológico “longitudinal” 
analítico
Prof. JM Morales
jmmasen@uma.es

También se les denomina series temporales

Esperanza de vida y gasto en salud por países: 2007-2010

Prof. JM Morales
jmmasen@uma.es
Series temporales…

No debería haber discontinuidades en las observaciones de las

variables de interés ni intervalos de observación de distinto tamaño

Saez M, Pérez-Hoyos S, Tobias A, Saurina C, Barceló MA, Ballester F. Métodos de series temporales en los
estudios epidemiológicos sobre contaminación atmosférica. Revista Española de Salud Pública 1999;73(2):133-143.
Prof. JM Morales
jmmasen@uma.es

Humphreys DK, Eisner MP, Wiebe DJ. Evaluating the impact of flexible alcohol trading hours on violence: an
interrupted time series analysis. PLoS ONE. 2013;8(2):e55581.
Prof. JM Morales
jmmasen@uma.es
Estudios ecológicos: precauciones
• Falacia ecológica (o sesgo de 
agregación):
– Error que se comete cuando se aceptan 
asociaciones entre eventos cuando en 
realidad no existen, siguiendo el supuesto 
de que los resultados obtenidos a partir de 
un estudio ecológico serían los mismos 
que se obtendrían de un estudio basado 
en observaciones de individuos
Prof. JM Morales
jmmasen@uma.es
Falacia ecológica: ejemplo
Relación entre nivel de renta y accidentes de tráfico:

Datos agregados

Datos individuales
Ingreso medio de los accidentados: $13,230
Ingreso medio para los no accidentados:
$32,310
Diez-Roux AV. Bringin context back into epidemiology: variables and fallacies in multilevel analysis. Am J
Public Health, 1998; 88: 216-222
Prof. JM Morales
jmmasen@uma.es

14 años
Prof. JM Morales
jmmasen@uma.es
Transversal

14 años 0 años
Prof. JM Morales
jmmasen@uma.es
Prospectivo

0 años

14 años
Prof. JM Morales
jmmasen@uma.es
Retrospectivo

14 años

0 años
 Prof. JM Morales
jmmasen@uma.es

Estudios transversales
JM Morales
 Estudios observacionales: 
Prof. JM Morales
jmmasen@uma.es TRANSVERSALES

Morales Asencio JM. Tipos de diseños observacionales. UMA. 2009

Prof. JM Morales
jmmasen@uma.es
Observacionales: transversales
• Ideales para medir la frecuencia de un fenómeno en 
un momento dado: prevalencias.
• La presencia del factor de exposición o del factor de 
riesgo y su desenlace se observan de forma 
simultánea.
• Se hacen en poco tiempo y pueden contener 
muestras grandes y representativas de la población
• Débiles para establecer causalidad.
Prof. JM Morales
jmmasen@uma.es
Observacionales: transversales

• ERRORES SISTEMÁTICOS 
MÁS FRECUENTES:
–Sesgo de no respuesta
–Sesgo de supervivencia
Prof. JM Morales
jmmasen@uma.es
Observacionales: transversales
Observación,
Encuesta,
Expuestos o con elEntrevistas…
factor de riesgo, sin el desenlace

NO expuestos o sin el factor de riesgo, sin el desenlace

Expuestos o con el factor de riesgo, con el desenlace

NO expuestos o sin el factor de riesgo, con el desenlace

Prof. JM Morales
jmmasen@uma.es
Transversales correlacionales
• Evaluación en una muestra transversal de la 
correlación entre varias variables, evaluadas 
simultáneamente.
• Correlación: relación lineal entre dos variables 
cuantitativas.
• Se mide con un coeficiente que oscila entre ‐1 y 1: 
– Si r=1 correlación positiva perfecta. Cuando una variable 
aumenta, la otra también lo hace en proporción constante. 
– Si 0<r< 1 correlación positiva
– Si r=0, no existe relación lineal. 
– Si ‐1 < r < 0 correlación negativa
– Si r=‐1 correlación negativa perfecta.
 Correlación
Prof. JM Morales
jmmasen@uma.es

Leutwyler H, Hubbard EM, Jeste DV, Miller B, Vinogradov S. Associations of Schizophrenia Symptoms and
Neurocognition With Physical Activity in Older Adults With Schizophrenia. Biol Res Nurs. 2014;16(1):23–30.
Prof. JM Morales
jmmasen@uma.es
Correlación
Insomnio Insomnio

r>0
r<0
Edad Edad

Insomnio

r=0
Edad
 Estudios correlacionales…no necesariamente 
Prof. JM Morales
requiere correlación como prueba estadística
jmmasen@uma.es
 Observacionales: transversales 
Prof. JM Morales
jmmasen@uma.es
analíticos
Observación,
Encuesta,
Expuestos o con elEntrevistas…
factor de riesgo, sin el desenlace

NO expuestos o sin el factor de riesgo, sin el desenlace

Factor 1 Factor 2

Expuestos o con el factor de riesgo, con el desenlace

NO expuestos o sin el factor de riesgo, con el desenlace

Factor 4 Factor 3
Prof. JM Morales
jmmasen@uma.es
Transversales analíticos
• Permiten estudiar dos o más 
variables en un momento del tiempo
• Permiten conocer asociación entre 
factores de un fenómeno de interés
Prof. JM Morales
jmmasen@uma.es
Prof. JM Morales
jmmasen@uma.es
Prof. JM Morales
jmmasen@uma.es
Prof. JM Morales
jmmasen@uma.es
 Razón y diferencia de 
Prof. JM Morales
jmmasen@uma.es
prevalencias
• Cuando comparamos dos prevalencias en dos 
muestras distintas, podemos calcular la razón 
de prevalencias, que es similar a la razón de 
incidencias (o RR):
• RP=Pa/Pb
• O la diferencia de prevalencias:
• DP=Pa‐Pb
 Prof. JM Morales
jmmasen@uma.es

Estudios de Casos y Controles
JM Morales
 Estudios observacionales: casos y 
Prof. JM Morales
jmmasen@uma.es
controles
Casos

Expuestos No expuestos

Expuestos No expuestos
Controles
Prof. JM Morales
jmmasen@uma.es
¿Cómo se diseñan?
1. Definición de qué son “CASOS”
2. Definición de cómo se seleccionarán los 
“CONTROLES”
3. Determinar qué se considerará “EXPOSICIÓN” 
y si casos y controles están igualmente 
expuestos
4. Comparar la asociación mediante la medida 
correspondiente: ODDS RATIO
5. Determinar la posibilidad de factores de 
confusión y de análisis estratificado
Prof. JM Morales
jmmasen@uma.es
Ejemplo

Fuente de datos: información contenida en el Registro de accidentes de tráfico

con víctimas de la Dirección General de Tráfico.
Población de estudio: conductores involucrados en aquellas colisiones entre
turismos en las que sólo uno de los conductores implicados cometió alguna
infracción.
CASOS: conductores infractores
CONTROLES: los no infractores (controles emparejados)
 Exposición residencial a pesticidas 
Prof. JM Morales
jmmasen@uma.es
y leucemia infantil
¡13 estudios de casos y controles!

I2: 73%

Van Maele-Fabry G, Lantin A-C, Hoet P, Lison D. Residential exposure to pesticides and childhood leukaemia: a systematic review
and meta-analysis. Environ Int. 2011;37(1):280–91.
 Trabajar en turnos nocturnos y Ca ovario
Prof. JM Morales Female residents of 
jmmasen@uma.es
Washington State who 
were diagnosed with a 
primary invasive or 
borderline epithelial 
ovarian tumor from 2002 
through 2009 were 
considered eligible as 
cases. The cases were 
identified through a 
population‐based cancer 
registry, the Cancer 
Surveillance System 
(CSS).
Controls were selected 
by random‐digit‐dialing 
using stratified sampling 
in 5‐year age categories, 
1‐year calendar intervals 
and two county strata. 
From 2002–2005, a 2:1 
ratio of controls to 
women with invasive 
ovarian cancer was 
selected

Bhatti P, Cushing-Haugen KL, Wicklund KG, Doherty JA, Rossing MA. Nightshift work and risk of ovarian cancer. Occup Environ Med. 2013;70(4):231–7.
 Principios básicos (que no 
Prof. JM Morales
jmmasen@uma.es
siempre son posibles)
Representatividad

• Los casos y controles representan todos los posibles 
casos y controles en un tiempo determinado y 
proceden del mismo marco muestral.

Homogeneidad

• Controles seleccionados independientemente de la 
exposición en estudio.

Simultaneidad

• Selección en el mismo marco temporal
Prof. JM Morales
jmmasen@uma.es
Población “base”
Los controles deben representar a la
población en la que se originan los casos

Definir ANTES la fuente

Definir la población base de casos y DESPÚES
ANTES de seleccionar identificar la población
casos y controles: base base, para seleccionar
primaria controles: base
secundaria
Prof. JM Morales
jmmasen@uma.es
Base primaria
• Disponemos de un registro de pacientes 
vacunados de gripe de base población (censo 
de población del Centro de Salud)
• Podemos extraer los vacunados que han 
tenido ingreso por neumonía (casos) y los que 
no (controles) y analizar quiénes se vacunaron 
y quiénes no.
Prof. JM Morales
jmmasen@uma.es
Base secundaria
• Seleccionamos los casos de pacientes con 
neumonía que acuden a Urgencias (casos) y 
determinamos si se vacunaron o no de la gripe
• Extraemos los controles de pacientes que 
acuden a Urgencias por otra razón y 
analizamos si se vacunaron o no de la gripe 
(en caso de neumonía también habrían 
acudido a ese hospital).
Prof. JM Morales
jmmasen@uma.es
Definir “el CASO”

• DEFINICIÓN CONCEPTUAL
– Desde el uso de criterios explícitos (clínicos, 
diagnósticos, “consenso”…)  hasta la 
posibilidad de que “no existan” 
• DEFINICIÓN OPERATIVA:
– Todos los sujetos han de tener igual probabilidad 
de ser seleccionados
– No pueden entrar “falsos casos”
Prof. JM Morales
jmmasen@uma.es
Definición

•CASOS: DESGARRO PERINEAL SUPERIOR AL

SEGUNDO GRADO
Desgarro que causa cualquier interrupción del
esfínter anal externo, con exposición o daño
del músculo (desgarro de tercer grado) con o
sin afectación de la mucosa anal y/o el epitelio
circundante (cuarto grado).

•CONTROLES: SELECCIÓN ALEATORIZADA DE

MUJERES CON PARTO NO INSTRUMENTAL O CON
MANIPULACIÓN VAGINAL.

Am J Obst Gynec. 2005; 192: 875–81

Prof. JM Morales
jmmasen@uma.es
¿Dónde conseguir casos?
• Registros de mortalidad
• Registros de defunción
• Programas de cribado
• Listados de pacientes distintos vistos
• Listados de ingresos en hospitales
• Casos de base poblacional (todos los casos 
que ocurren en una población determinada)
 Casos incidentes vs casos 
Prof. JM Morales
jmmasen@uma.es
prevalentes
• Casos incidentes:
– Información más veraz (más reciente)
• Casos prevalentes (“viejos” o
“supervivientes”)
– Pueden tener características diferenciales
respecto a los debutantes (con el tiempo “han
ocurrido cosas”)
Prof. JM Morales
jmmasen@uma.es
¿Y los controles?

• “Tienen que salir del mismo sitio”
• Población con el mismo riesgo a 
priori que los casos.
 Representatividad: población 
Prof. JM Morales
jmmasen@uma.es
base
• Principio básico
• Los controles deben representar a la 
población en la que se originan los casos
• Si los sujetos fueran “casos” en vez de 
“controles”, ¿se les hubiera incluido en 
el grupo de “casos”?”
Prof. JM Morales
jmmasen@uma.es
Selección de controles
• Criterios de inclusión/exclusión
– OJO con sesgos de selección
• Información comparable en ambos 
grupos
– OJO con el sesgo de información
• Exposición y factores idénticos
– OJO con el sesgo de confusión
Prof. JM Morales
jmmasen@uma.es
Tipos de controles
• Lo ideal: selección aleatoria (no siempre es 
posible)
• Controles de frecuentación (ingresos 
hospitalarios,  visitas a CS, a Urgencias…)
• Controles “colegas”: compañeros de clase, de 
trabajo, vecinos…
• Controles con procesos similares
• Controles poblacionales
• Controles de Registros (mortalidad, etc)
 Estudios de casos y controles. 
Prof. JM Morales
jmmasen@uma.es Ventajas
• Permiten estudiar muchos sujetos en períodos cortos de 
tiempo.
• Permiten estudiar sucesos poco frecuentes.
• Ofrecen potenciales factores etiológicos.
• Exigen menos tiempo que los de cohortes.
• Permiten evaluar varias exposiciones (factores de riesgo) 
simultáneamente.
• Factor imprescindible: comparabilidad de los grupos
– Procedencia
– Fuentes de exposición
– Ratio mínima 1:1 (se pueden aumentar los controles para mejorar el 
poder del estudio, hasta 1:4)
 Estudios de casos y controles. 
Prof. JM Morales
jmmasen@uma.es
Inconvenientes
• No se pueden calcular incidencias, porque los sujetos se han 
seleccionado cuando ya se ha desarrollado el resultado.
• Sólo permiten calcular la OR (si la frecuencia del fenómeno es 
baja, se asimila al RR, pero, si es alta no)
• La población en riesgo NO siempre está definida con claridad.
• Ciertas exposiciones poco frecuentes a veces no es fácil poder 
compararlas.
• Las exposiciones se obtienen “reconstruyendo” el pasado…y a 
veces, supone sesgos de información.
• Sólo permiten evaluar un desenlace.
 Estudios de casos y controles: 
Prof. JM Morales
jmmasen@uma.es
sesgos de selección
• Selección
– Criterios de inclusión/exclusión que contienen 
posibles errores.
• Ej.: queremos ver asociación entre Alcohol y RCV: casos 
sujetos que ingresan por IAM, controles sujetos que 
ingresan en Digestivo por hepatopatía.
– Sesgo de no respuesta  en los casos o en los controles
– Selección preferencial de casos o de controles
– Selección de casos prevalentes: seleccionamos a los 
sujetos que sobreviven…pero no a los que murieron.
 Estudios de casos y controles: 
Prof. JM Morales
jmmasen@uma.es
sesgos de información
• Métodos inapropiados para identificar o 
clasificar adecuadamente los desenlaces.
• Dificultad en la “recuperación” de la 
información sobre la exposición en el pasado: 
memoria, registros deficientes…
• Sesgos inducidos por el entrevistador o quien 
recoge los datos
 Estudios de casos y controles: 
Prof. JM Morales
jmmasen@uma.es
sesgos de confusión
• Exposiciones adicionales en los casos o 
en los controles (conocidas o no).
• Presencia de posibles confusores no 
detectados a priori o analizados 
mediante ajuste a posteriori.
 Prof. JM Morales
jmmasen@uma.es

Estudios de Cohortes
JM Morales
 Estudios observacionales: 
Prof. JM Morales
jmmasen@uma.es
cohortes

Desenlace

No desenlace
Expuestos

Desenlace

No desenlace
No expuestos
Prof. JM Morales
Estudios observacionales: cohortes
jmmasen@uma.es

• Permiten averiguar la incidencia de un 
fenómeno
• Requieren un período de seguimiento
• Idóneos para determinar el pronóstico y 
evolución de fenómenos
• Caros y poco útiles en caso de 
fenómenos poco frecuentes
– Cohortes retrospectivas: solución 
intermedia
Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes
• Observacional / analítico
• Secuencia: exposición  desenlace
• Siempre se seleccionan sujetos que no presentan el 
desenlace
• Seguimiento a través del tiempo para ver la 
INCIDENCIA de desenlaces
• Permiten calcular:
– Incidencia
– Riesgo relativo
– Fracción atribuíble
– Diferencia de incidencias como medida de impacto 
potencial al eliminar la exposición
 Ejemplos: Ca Pulmón y exposición 
Prof. JM Morales
jmmasen@uma.es
ambiental al humo del tabaco

Environ Health Perspect. 2011; 119(11): 1616–1621.

Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes: tipos

SEGUIMIENTO
Comienzo del estudio

COHORTES PROSPECTIVO

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes: tipos

SEGUIMIENTO
Comienzo del estudio

COHORTES
RETROSPECTIVO

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes: tipos

SEGUIMIENTO

Comienzo del estudio

COHORTES
AMBISPECTIVO

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes: tipos

SEGUIMIENTO
Entrada de sujetos

COHORTES cerradas

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
Estudios de cohortes: tipos

SEGUIMIENTO
Entrada de sujetos
Entrada de sujetos Entrada de sujetos

COHORTES dinámicas

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
¿Cerradas o dinámicas?
• A veces, no es posible elegir
• Las cohortes cerradas pueden tener tendencia 
a sesgos de selección, ya que ciertos sujetos 
con mayor exposición han podido desarrollar 
el desenlace
• En la cohorte dinámica se seleccionan en el 
mismo momento de la exposición
Prof. JM Morales
jmmasen@uma.es
Definición de las cohortes
• La selección puede hacerse con arreglo a 
test, análisis, parámetros 
antropométricos, cuestionarios, registros 
de cualquier tipo…
• DEBE PERMITIR CLASIFICAR DE ALGÚN 
MODO A LA POBLACIÓN
Prof. JM Morales
jmmasen@uma.es
Identificación de cohortes
• Interna
– Se estudia una sola cohorte general y en ella se 
distinguen 2 cohortes como consecuencia de la 
exposición o no. La procedencia es la misma en 
ambas cohortes (mejor comparabioidad)
• Externa
– La cohorte de no expuestos se selecciona entre 
sujetos no pertenecientes a la cohorte general
Prof. JM Morales
jmmasen@uma.es
Identificación de cohortes
• Seleccionar sujetos con una alta 
probabilidad de presentar el desenlace
• Excluir a los que ya lo tienen o que no 
pueden desarrollarlo
• Las pruebas para determinar la 
exposición han de ser fáciles, seguras y 
baratas
Prof. JM Morales
Identificación de cohortes: expuestos
jmmasen@uma.es

• Población general
– Útil para relacionar uno o varios factores de riesgo 
y una o varias enfermedades frecuentes en la 
población
– Seleccionar áreas geográficas con población 
estable y con centros sanitarios fácilmente 
identificables
– Buena validez externa, caros y con altas pérdidas 
en el seguimiento
Prof. JM Morales
Identificación de cohortes: expuestos
jmmasen@uma.es

• Grupos especiales de exposición frecuente
– Útiles para exposiciones poco frecuentes en 
población general
– Se seleccionan sujetos que trabajan en un mismo 
entorno, o que están agrupados por una 
característica especial
– Poca probabilidad de pérdidas, alta disponibilidad 
de registros, más baratos y operativizables 
(muestras más pequeñas)
Prof. JM Morales
Identificación de cohortes: expuestos
jmmasen@uma.es

• Grupos especiales que facilitan el 
seguimiento
– Grupos de profesionales o colectivos 
fácilmente monitorizables (médicos, 
universitarios, etc)
– No representativas de la población general
 Identificación de cohortes: 
Prof. JM Morales
jmmasen@uma.es NO expuestos
• La cohorte de referencia ayuda a estimar la 
frecuencia del desenlace en la población de donde 
provienen los individuos de la cohorte expuesta, si 
no existiera la exposición
• Si la frecuencia es igual en ambos grupos, no existe 
relación probable
• La cohorte de no expuestos debe ser comparable a la 
de expuestos a excepción del factor que se está 
estudiando
• A veces, se seleccionan cohortes externas a partir de 
registros generales (mortalidad, censos, etc). 
Permiten escasas comparaciones
Prof. JM Morales
jmmasen@uma.es
Medición del desenlace
• Objetiva y definida operativamente
– Pruebas diagnósticas
– Test o índices
– Consensos
• Debe realizarse de igual forma en las dos cohortes
• Si la evaluación es ciega, mejor.
• Puede tratarse de una situación indetectable 
clínicamente…¡OJO!
• Si se usan registros clínicos, deben tenerse en cuenta las 
diferencias en el acceso a la atención sanitaria, la variabilidad 
en el registro, etc
Prof. JM Morales
jmmasen@uma.es
Seguimiento
• Lo más difícil porque:
– Ha de ser homogéneo en ambas cohortes
– Completo
– Con los mismos criterios de detección de 
desenlace en ambos grupos
– Suficientemente largo para que aparezca el 
desenlace
– Intervalo entre mediciones justo para detectar 
apariciones de desenlaces
Prof. JM Morales
jmmasen@uma.es
Seguimiento: reducir pérdidas
• Excluir sujetos que puedan presentar otros 
problemas de salud, cambios de domicilio, etc
• Obtener datos de acceso de los sujetos fiables 
(móvil, correo electrónico, domicilio, etc)
• El contacto periódico ayuda al seguimiento (teléfono, 
cartas, etc)
• Usar a proveedores de salud (médico o enfermera de 
familia) como “enlaces” para el seguimiento
Prof. JM Morales
jmmasen@uma.es
Seguimiento

Entrada de sujetos

SEGUIMIENTO Pérdida

SEGUIMIENTO Muerte

SEGUIMIENTO

Exposición Desenlace
Prof. JM Morales
jmmasen@uma.es
Sesgos
• Selección
– Selección inadecuada (voluntarios, etc)
– Pérdidas y abandonos
– Ausencia de datos al inicio
• Información
– Poca sensibilidad en la detección del efecto (incidencia 
difuminada)
– Instrumentos de evaluación distintos en cada grupo
• Confusión
– Controlable en la fase de análisis
– Una variable de confusión debe tener capacidad 
predictora sobre el desenlace
Prof. JM Morales
jmmasen@uma.es
Confusión
• Situación en la que se observa una asociación 
entre una exposición y un desenlace, que ocurre 
como consecuencia de la influencia de una 
tercera variable (variable "confusora") que, NO 
debe estar en la cadena causal entre exposición y 
desenlace
• Puede que cronológicamente, sea anterior a la 
asociación entre exposición y desenlace (ocurre 
en el tiempo independientemente de cuándo 
tiene lugar la exposición y desenlace).
Prof. JM Morales
jmmasen@uma.es
Confusión

Nivel de Salud 
 riesgo 
Actividad  de 
sexual morir

Smith GD. Sex and death: are they related? Findings from the Caerphilly
cohort study. BMJ 1997;315:1641
 Peluqueros y Ca Pulmón
Ajuste x Edad Ajuste x Tabaquismo
Prof. JM Morales
jmmasen@uma.es

Metaanálisis sin ajustar por tabaquismo:  OR en mujeres  1.65 (1.16, 2.35)

Metaanálisis ajustado por tabaquismo: OR en mujeres  1.12 (0.75, 1.68)
Olsson AC, Xu Y, Schüz J, Vlaanderen J, Kromhout H, Vermeulen R, et al. Lung cancer risk among hairdressers: a pooled
analysis of case-control studies conducted between 1985 and 2010. Am J Epidemiol. 2013 Nov 1;178(9):1355–65.
 Interacción o modificación de 
Prof. JM Morales
jmmasen@uma.es
efectos
• Aparece cuando la fuerza de 
asociación o relación entre dos 
variables (exposición y desenlace) 
depende de la presencia de una 
tercera variable, a la que se 
denomina "modificadora de efecto".
Prof. JM Morales
jmmasen@uma.es
Interacción

Cardiopatía 
Consumo de  EDAD isquémica
tabaco
Prof. JM Morales
Control de variables confundentes
jmmasen@uma.es

• Esfuerzos para identificar y medir posibles 
confundentes ANTES DE HACER EL ESTUDIO: 
– Bibliografía: confundentes conocidos
– Confundentes desconocidos 
– Discutir validez de las mediciones
– Verificar fuentes de los datos
• Métodos para para valorar las diferencias en la 
distribución de confundentes , DESPUÉS DEL 
ESTUDIO:
– Pruebas de significación de diferencias.
– Tamaño de los efectos de las variables confundentes.
– Regresión, estratificación, matching, análisis de 
sensibilidad.

Klein-GeltinkJE, Rochonb PA, Dyer S, Laxer M, Anderson GM. Readers should systematically assess methods used to
identify, measure and analyze confounding in observational cohort studies. J Clin Epidem. 2007; 60(8):766
 Actividad física y mortalidad: 40 años 
Prof. JM Morales
jmmasen@uma.es de seguimiento

Gulsvik AK, Thelle DS, Samuelsen SO, et al. Ageing, Physical Activity and Mortality—a 42-Year
Follow-up Study. Int. J. Epidemiol. 2012;41(2):521–530.
 La cohorte de 
Prof. JM Morales
jmmasen@uma.es Hertfordshire

•3225 sujetos nacidos en 1931‐39 que

todavía viven en el Condado.
•Estilos de vida, frecuentación, salud
músculo‐esquelética, …
•Iniciado por una matrona a principios
del siglo XX

Denison DJ et al. The Hertfordshire Cohort Study: from historical to high-

tech studies of musculoskeletal ageing in men and women entering their ninth
decade. Int J Epid. 2012;41:386–389