CLASE 6 – TAREA 13

1. Marcar los objetivos de investigación de los artículos que eligió como referencia para su
trabajo final
2. Identificar el verbo utilizado e intentar definir su nivel de complejidad

1.
2. Determinar

TAREA 14

1. Escribir en su bitácora el objetivo general de su trabajo final

Determinar si existe relación entre la presencia de estrés académico en estudiantes que

realizan actividad física y en los que no

12/05/21

CLASE 7

Materiales y métodos

Estructura

1. Tipo y diseño del estudio, tiempo de ejecución

2. Información demográfica sobre los pacientes o sujetos de estudio (población de estudio y
universo de trabajo)
3. Consideraciones éticas (consentimiento informado)
4. Criterios de inclusión, exclusión, eliminación
5. Intervenciones y tratamientos (si es el caso)
6. Recolección de datos: Materiales (instrumentos de medición, registros, fuentes
secundarias) y Métodos de medición (Tipo de muestreo, tamaño de muestra, descripción
operacional de las variables de estudio, técnicas, instrumentos de recolección de datos)
7. Método estadístico (técnicas, procedimientos, análisis estadístico, test y software
estadístico)

Métodos de investigación

En principio podemos identificar aspectos según el tipo de evento y las bases biológicas o
psicológicas de la perspectiva de análisis

Podemos distinguir métodos cualitativos y cuantitativos

Métodos cualitativos

Es el tipo de recopilación más empleado en las ciencias sociales. Se trata de métodos de base
lingüísticos-semiótica. Emplean técnicas tales como entrevistas abiertas, grupos de discusión, o
técnicas de observación participante
Aspira a recoger los discursos completos sobre un tema específico, para luego interpretarlo,
enfocándose así en los aspectos culturales e ideológicos del resultado

Los más accesibles: Cohorte, corte transversal y caso-control

CLASE 8

Materiales y métodos

Sumaremos a esta sección:

1. Descripción de la población y la muestra con el método de muestreo

2. Lineamientos éticos (consentimiento)
3. Instrumentos de medición y variables
4. Confección de base de datos y análisis estadísticos

Población o POBLACIÓN OBJETIVO: conjunto total de individuos, objetos o medidas a los que se
extrapolarán los resultados de la investigación. Los miembros de una población contienen
características comunes observables en un lugar y momento determinado

Características q debe tener

a) HOMOGENEIDAD: que todos los miembros de la población tengan las mismas

características según las variables que se consideren en el estudio o investigación. Esto se
logra estableciendo criterios de inclusión/exclusión/eliminación

Si incluye personas, es necesario incluir características sociodemográficas (edad, sexo, raza, etc.)

CRITERIOS DE INCLUSIÓN, EXCLUSIÓN, ELIMINACIÓN

b) TIEMPO: el período de tiempo donde se ubicaría la población de interés. Determinar si el

estudio es del momento presente o si se va a estudiar una población de cinco años atrás o
si se van a entrevistar personas de diferentes generaciones
c) ESPACIO: se refiere al lugar donde se ubica la población de interés
d) CANTIDAD: tamaño de la población. Es sumamente importante, determina o afecta el
tamaño de la muestra q se vaya a seleccionar, además que la falta de recursos y tiempo
también limita la extensión de la población que se vaya a investigar. CENSO O MUESTREO

No se puede gralmente abarcar toda la población, por eso se recurre a una muestra: un
subconjunto fielmente representativo de la población

Muestra

ALEATORIA: cuando se selecciona al azar y cada miembro tiene igual oportunidad de ser incluido

ESTRATIFICADA: cuando se subdivide en estratos o subgrupos según las variables o características

q se pretenden investigar.

SISTEMÁTICA: cuando se establece un patrón o criterio al seleccionar la muestra. Ej: se

entrevistará un estudiante por cada 10 q se detecten

La mayoría realizará un muestreo simple

Fuente de los datos

Se debe seleccionar el tipo de método de recolección

1. INDIRECTO: los datos se obtienen de formas secundarias (historias clínicas, bases de datos,
etc); la información ya existe antes de iniciar la investigación
2. DIRECTO: la información se obtiene a través de fuentes primarias; es decir, cuando es
planeada por el investigador y se obtendrá de los individuos involucrados en el estudio.
(encuesta, entrevista, observación, etc)

Mediciones

En este proceso, el instrumento de medición o de recolección de datos tiene un papel central

Los instrumentos deben tener algunos requisitos:

1. CONFIABILIDAD O CONSISTENCIA: grado en que el instrumento reproduce los mismos

resultados cuando se aplica de forma repetida al mismo sujeto, por el mismo observador y
se puede reproducir con otro observador, o incluso con otro sujeto, dando resultados
similares
Ej. si se toma la temperatura al mismo sujeto con el mismo termómetro en varias
ocasiones seguidas deberá marcar la misma Tº

2. VALIDEZ O CERTEZA: grado en que el instrumento en verdad mide la variable que se busca
medir. Hay varias subcategorías

a) Validez de contenido: grado en que un instrumento refleja un dominio específico de

contenido de lo que se mide. Ej. una balanza deberá medir desde el mínimo hasta el
máximo que una persona promedio pesa

b) Validez de criterio: se establece al validar un instrumento de medición al compararlo con

algún criterio externo que pretende medir lo mismo. Por ej. se desea validar la FC medida
con reloj y estetoscopio frente a la tomada mediante electrodos y un monitor
cardiorrespiratorio

Este principio es sencillo: si diferentes instrumentos o criterios miden la misma variable,

deberán dar resultados similares

c) Validez de constructo: debe explicar el modelo teórico-empírico que subyace la variable

de interés. Un constructo es una variable medida y que tiene lugar dentro de una teoría o
hipótesis, no aislado sino en relación con otros, no se puede medir pero se puede inferir
de la evidencia que proviene de las puntuaciones de los instrumentos utilizados

d) Validez total: validez de contenido + validez de criterio + validez de constructo

TAREA 18
TAREA 19

CLASE 9

La estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad e

incertidumbre forman parte de su naturaleza

La bioestadística […] ayuda y enseña a investigar en todas las áreas de las Ciencias de la Vida
donde la variabilidad no es la excepción sino la regla

Nos ayuda a organizar la información que nos dan los datos de manera de detectar algún patrón
de comportamiento

Nos presenta los datos de modo tal que sobresalga su estructura

Estadística

 DESCRIPTIVA: Conjunto de métodos para manejar la obtención, presentación y análisis de

observaciones
 INFERENCIAL: Relacionada con el proceso de utilizar datos para tomar decisiones o
concluir acerca de una población a partir de una muestra de la misma

TAREA 22

1. Variables observadas:
Edad: variable cuantitativa continua discreta
Género: variable cualitativa nominal

2. Completar la información faltante de la tabla

Niños Adultos Total

Femenino 82 66 148
Masculino 161 123 284
Total 243 189 432

TAREA 23

1. 120-128mmHg tiene mayor frecuencia

2. Mm
3. 312 pacientes tienen PAS mayor a 148mmhg
4. Mm no

CLASE 11

Jejeje completar

TAREA 25
1. Calcular superficie inicial promedio y la mediana de la lesión en estos 5 pacientes
2. Calcular la superficie promedio y la mediana de la lesión a los 25 días de estos 5 pacientes
3. Agregue una columna llamada superficie de reducción y calcule la medida descriptiva que
considere más adecuada

1. El promedio es de 23.64cm2

21.2 – 22.7 – 22.8 – 25.6 – 25.9

La mediana es 22.8

2. El promedio es de 16.28cm2

8.1 – 15.3 – 17.5 – 19.3 – 21.2

La mediana es de 17.5

Paciente Superficie inicial Superficie a 25 días Superficie de

(cm2) (cm2) reducción
1 22.8 15.3
2 22.7 19.3
3 25.6 17.5
4 21.2 21.2
5 25.9 8.1

CLASE 12

PROBABILIDAD
Conocer la probabilidad de ocurrencia de un evento permite diseñar estrategias de
prevención, organizarnos y buscar opciones para enfrentarlo

Definimos algunos conceptos

 Experimento estadístico: En estadística, se utiliza para definir a cualquier proceso que

genere un conjunto de datos. P ej. lanzar una moneda al aire
 Espacio muestral: Conjunto de todos los resultados posibles de un experimento
estadístico. Se simboliza con la letra S. P ej. cara, cruz en el caso del experimento de la
moneda
 Eventos o sucesos: Subconjunto del espacio muestral. P. ej. registrar la cantidad de veces
que se obtiene cara al lanzar la moneda
PRUEBAS DIAGNOSTICAS: SENSIBILIDAD Y ESPECIFICIDAD

La medicina es una ciencia de probabilidad y un arte de manejar la incertidumbre.

Dicha incertidumbre se extiende no solo a actividades preventivas, terapéuticas y pronósticas sino

también a las diagnósticas

En las fases del proceso diagnóstico intervienen la HC, examen físico y pruebas complementarias

La realización simultánea de varias pruebas complementarias se denomina pruebas

complementarias en paralelo y la realización de pruebas complementarias según los resultados de
otras previas, se denomina pruebas complementarias en serie

Pruebas en paralelo:

 Aumenta la probabilidad de diagnosticar a un enfermo (verdaderos positivos)

 Aumenta la probabilidad de considerar como enfermo a un sano (falso positivo)

Pruebas en serie:

 Baja proporción de falsos positivos

 Aumenta la probabilidad de no diagnosticar a un enfermo (falso negativo)

Claramente una buena prueba diagnóstica es la que ofrece: Resultados positivos en efermos y
negativos en sano

Sensibilidad

Es la probabilidad de clasificar correctamente a un individuo enfermo

Es la probabilidad de que para un sujeto enfermo se obtenga en la prueba un resultado positivo

La sensibilidad es, por tanto, la capacidad del test para detectar una enfermedad

Especificidad

Es la probabilidad de clasificar correctamente a un individuo como sano

Es la probabilidad de que para un sujeto sano se obtenga un resultado negativo

Es la capacidad para detectar a los sanos

CLASE 15

SIGNIFICANCIA ESTADÍSTICA

 Un estudio clínico epidemiológico pretende (muchas veces) poner de manifiesto si existe o

no asociación entre las variables analizadas
 Esta asociación puede realmente existir o puede ser producto del azar, de la presencia de
sesgos o de variables confusoras (covariables)
 En el proceso inferencial, siempre existe el riesgo de error o imprecisión ya sea por el azar
o la variabilidad biológica del fenómeno a estudiar
  La carencia de error aleatorio debido al azar se conoce como precisión
 Cuanto mas grande el tamño muestral, mayor es la precisión y la variabilidad explicada por
el azar disminuye. Esta posibilidad de error o falta de precisión, se corrige aumentando el
tamaño de la muestra (siempre q no existan sesgos o variables de confusión)

 Desde el pt. De vista clínico la significancia estadística no resuelve todos los interrogantes
a responder

 Una asociación estadísticamente significativa puede no ser clínicamente relevante

 Una asociación estadísticamente significativa puede no ser causal

CAUSALIDAD O CASUALIDAD?

Cuando se realizan análisis estadísticos hay una regla que siempre debe tenerse en cuenta:
CORRELACIÓN NO implica causalidad

El término “estadísticamente significativo” invade la literatura médica y se percibe como una

etiqueta de “garantía de calidad”

El término significativo implica utilizar técnicas comparativas de 2 hipótesis

Los test de hipótesis son test de significancia estadística que cuantifican hasta q punto la
variabilidad de una muestra (azar) puede ser responsable de los resultados de un estudio en
particular

Contraste de Hipótesis

En el campo de la inferencia estadística se dispone de métodos estadísticos que permiten inferir

acerca del comportamiento de una variable en la población a partir de la información contenida en
una muestra aleatoria.

En muchas situaciones interesa conocer algún valor que resuma el comportamiento de una
variable en su población. P ej. la proporción de hipertensos, concentración promedio de colesterol
sérico, etc. A estos valores se los denomina PARÁMETROS (puesto que son valores verdaderos y
únicos). Lamentablemente, conocerlos es imposible ya que la población a la que pertenecen es
muy grande o infinita

A raíz de esto, surge la Teoría de la Estimación y las pruebas de hipótesis, ramas de la Estadística
Inferencial dedicada a estimar o contrastar valores de los parámetros, utilizando medidas
calculada con los valores de la variable observados en una muestra, seleccionada de la población
mediante algún método de muestreo aleatorio (ej encuestas)

Hacer una prueba de hipótesis estadística paramétrica implica plantear conjeturas acerca de los
valores q podría tener un parámetro poblacional
Una H Estadistica puede ser rechazada o no, según la muestra proporcione evidencia de una alta o
baja probabilidad de q ocurra lo propuesto en la hipótesis

El algoritmo de la prueba se basa en calcular la probabilidad con q ocurriría el valor del estadístico
muestral observado si el valor del parámetro fuera el fijato en la H0. En función de esto se decide
q hacer:

Si la probabilidad (p) es alta, entonces se acepta el valor propuesto en la H0. Si es bajo, se rechaza

DOS HIPÓTESIS:

1. H0 (hipótesis nula): El investigador la asume como cierta e intenta rechazarla. Representa

la afirmación de que no hay asociación entre las 2 variables estudiadas
2. Ha (hipótesis alternativa): Afirma que hay algún grado de relación o asociación entre las 2
variables

El proceso de rechazo o no de la H0 lleva implícito un riesgo de equivocación que se cuantifica con

el valor “p”

Valor “p”: indica la probabilidad de rechazar la H0, cuando esta es cierta

Cuando rechazamos la H0, es decir, afirmamos que hay asociación, estamos diciendo en otras
palabras que es muy poco probable (menos de 5 en 100 para a = 0,05) que el azar fuese
responsable de dicha asociación

El valor establecido como “corte” o “frontera” a partir del cual se establece si se rechaza o no la H0
recibe el nombre de SIGNIFICANCIA ESTADÍSTICA

Una seguridad del 95% lleva implícito una significancia de 0,05

Una seguridad del 99% lleva implícita una significancia de 0,01

Si p>0.05 decimos que el azar no puede ser excluido como explicación de dicho hallazgo
afirmamos H0, no asociación entre las variables

 La H0 siempre se asume como cierta o verdadera

 Es la q el investigador intenta rechazar con datos experimentales
 La H0 NO se acepta… se rechaza o NO.
 El p-value indica la probabilidad de obtener un resultado como el observado si asumimos
que la H0 es cierta

Dos tipos de errores:

Error tipo 1 (alfa): rechazar falsamente la H0 (P ej. condenar a un inocente)

Error tipo 2 (beta): NO rechazar la H0 cuando es falsa (P ej. liberar a un culpable)

Recomendaciones para disminuir error alfa:

  Disponer de una teoría q guie la investigación, evitando “salir de pesca” con el ordenador
buscando asociaciones entre variables
 Utilizar valores alfa (significancia) mas reducidos (0,01 o 0,001)
 Aumentar tamaño muestral
 Reproducir el estudio

Recomendaciones para disminuir el error beta:

 Incrementar tamaño muestral

 Incrementar tamaño del efecto a detectar
 Incrementar valor alfa
 Utilizar test paramétricos

CLASE 17

DETERMINACIÓN DEL TAMAÑO MUESTRAL

Todo estudio que conlleve un análisis estadístico que involucre una muestra proveniente de una
población lleva implícito en la fase de diseño la determinación del tamaño muestral necesario para
la ejecución del mismo

El no tener en cuenta este proceso, puede llevar a 2 situaciones desfavorables:

1. Que realicemos el estudio sin la cantidad de individuos adecuados. Esto trae incluido, la
perdida de la precisión en la estimación de parámetros y también, la NO DETERMINACIÓN
de diferencias significativas cuando estas realmente existen

2. La segunda está determinada con el estudio (muestreo) de un número innecesario de

individuos. Esto puede ocasionar mal versión de recursos (tiempo, dinero, personal, etc.)
con la consiguiente pérdida de calidad del estudio, es decir, se vería afectado
negativamente.

Para una proporción (población infinita)

Para estimar una proporción, debemos tener en cuenta:

 El nivel de confianza o seguridad (1-alfa). El nivel de confianza prefijado da lugar a un

coeficiente (Z-alfa-2)
 La precisión que deseamos para nuestro estudio
 Una idea del valor aproximado del parámetro que queremos medir (en este caso una
proporción)

El tamaño muestral se puede medir mediante la siguiente ecuación

N = Z * p * q / d2
CLASE 25

ASOCIACIONES

Establece una asociación estadística es el primer paso para evaluar el efecto de un evento. Antes
de aplicarlo en la práctica médica deberemos establecer si existe significación clínica

SIGNIFICANCIAS

La SIGNIFICANCIA ESTADÍSTICA de una asociación implica determinar la probabilidad (p) de que la

misma sea debida al azar

La SIGNIFICANCIA CLÍNICA de una asociación implica determinar su “importancia médica” que

puede inferirse por la fuerza de dicha asociación (magnitud)

VALIDEZ

En cualquiera de los casos se debe siempre analizar la validez de las asociaciones

Una vez determinada la presencia de asociación debemos preguntarnos

Si repito la investigación en la misma población, tratando de aplicar la misma metodología, el

resultado que obtendría acerca de la asociación entre las variables ¿sería el mismo o fue
simplemente azar?

ERRORES

Para poder responder la pregunta anterior, debemos recordar que cuando investigamos podemos
cometer diferentes tipos de errores. De la magnitud e importancia de los errores cometidos
depende la validez y confiabilidad de nuestra investigación

Muchos de estos errores son inveitables

Lo importante es que sepamos qué significa error y reconozcamos los distintos tipos de errores
que se pueden cometer, para poder asi minimizar su ocurrencia durante el diseño y desarrollo de
la investigación

MEDICIONES CONFIABLES Y VALIDAS

Una medición de cualquier tipo es confiable cuando es capaz de lograr el mismo resultado en
distintas mediciones realizadas del mismo modo. Para ser confiable debe estar libre de error por
azar

Una medida de cualquier tipo es valida cuando mide todo lo que desea medir y solo esoque desea
medir. Para ser válido debe estar libre de cualquier factor que desvía los resultados en una
dirección particular.

TIPOS DE ERROR

Error: Toda diferencia entre el valor medido, observado o calculado y el verdadero valor.

Si bien existen innumerables fuentes de error en la realización de cualquier estudio, se deben

evitar fundamentalmente 3 tipos de errores:
 1. Error por Azar
2. Error Sistemático
3. Error por el Efecto Confusión

ERRORES POR AZAR

Simplemente debido a cuestiones de azar, ocurre inevitablemente el error muestral o error por
azar

Depende fundamentalmente del tamaño de la muestra y del método que utilizamos para
seleccionarla

Cuanto mayor es el error, menor es la confiabilidad

Para la confiabilidad es la repetitibilidad, es decir, la habilidad de lograr el mismo resultado en

distintas medidas realizadas

Es posible conocer y controlar la probabilidad de ocurrencia de error en la investigación

El error aleatorio es imposible de eliminar pero el conocimiento de su cuantía permite emitir

juicios considerando su magnitud al evaluar los resultados de la inv.

El investigador debe decidir cuál es el nivel máximo de error tolerable para, por ejemplo,
implementar una medida preventiva o una de control en una población

ERRORES SISTEMÁTICO

Es un error caracterizado por ocurrir siempre en una misma dirección

P. ej. si está indagando a las personas respecto del alcoholismo y pregunta:

“…Ud. No es de beber, ¿no?...”

Esta forma de preguntar induce en el encuestado una respuesta negativa. El error al recolectar el
dato ocurre siempre en la misma dirección (induce al “no”), y por eso se denomina “sesgo”

Si en una investigación prevalecen muchos errores sistemáticos, entonces, se encuentra

amenazada la validez de la misma

Sesgo durante la selección de grupos: ocurre en el proceso de la identificación de las poblaciones

en estudio

Para evitar cometer este sesgo debe observar si el grupo de estudio y de control son comparables;
esto es si son tan idénticos como sea posible excepto por la característica estudiada

Sesgo durante la recolección de datos: puede ser debido a un error de quien es entrevistado o del
entrevistador

1. Sesgo introducido por el entrevistado:

Información obtenida inexacta, gralmente. debido a la diferente capacidad de recordar
antecedentes de una exposición determinada en los grupos de estudio y de control
 También es probable que se introduzca un sesgo en la investigación, si la información que
se busca es personal o muy delicada. Esto introduce un sesgo importante, ya que los
métodos de recolección de info. Deben ser comparables con el grupo de estudio y de
control

2. Sesgo introducido por el entrevistador o investigador:

La posibilidad de un sesgo de este tipo existe en todos aquellos casos en que la recolección de
datos acerca de la exposición está influenciada por el conocimiento por parte del
entrevistador el evento estudiado en los participantes. Si esta valoración no se realiza en
forma ciega (por ej. desconociendo el investigador la enfermedad de las personas que
entrevista) entonces, probablemente, cometa un error sistemático.

Sesgo durante el seguimiento

Si durante el seguimiento, se pierden datos de un gran numero de pacientes la validez del

mismo se encuentra seriamente amenazada.

Los estudios prospectivos (aquellos que observan la ocurrencia del evento en las mismas
personas en diferentes momentos) son especialmente susceptibles a presentar sesgo

PARA EVITAR ERRORES:

Imprescindible que la fuente de información sean comparables en el grupo de estudio y de

control

En los estudios prospectivos de larga duración deben extremar las precauciones para que se
pierda el menor número de sujetos durante la etapa de seguimiento

EFECTOS DE CONFUSIÓN E INTERACCIÓN

En toda investigación epidemiológica corresponde al análisis de resultados considerando la

participación de variables que pudieran ejercer algún efecto sobre la relación encontrada

Esto podría manifestarse a través de una distorsión del efecto observado respecto al efecto
real debido a una desigual distribución de una variable extraña en los grupos estudiados
(efecto de confusión)

VARIABLES CONFUNDENTES

Es una variable externa a la relación principal que se evalúa y anterior en el tiempo al posible
factor de estudio, aunque de alguna manera relacionada tanto con él como con la variable
dependiente, de forma que su presencia distorsiona la medida de asociación entra la variable
dependiente y la independiente

EFECTO DE CONFUSIÓN

Un factor de confusión puede ejercer suficiente influencia, incluso para cambiar la dirección
de una asociación

a. Puede observarse un efecto donde en realidad no existe (relación espúrea)

b. Puede hallarse una exageración de una asociación real (confusión positiva)
c. Puede encontrarse una atenuación de una asociación real (confusión negativa)
d. Excepcionalmente puede incluso alterar el sentido de la asociación real, invirtiéndolo
(efecto paradójico)

VARIABLES MODIFICADORAS DE EFECTO

Interactúan con la variable independiente modificando su efecto sobre la variable

dependiente

A veces aumenta el efecto del factor de estudio, hablándose de efecto sinérgico

Otras veces reduce, elimina o invierte el efecto del factor en estudio, y se habla de
antagonismo, efecto supresivo o efecto antagónico

VARIABLES NO CONTROLADAS

Cualquier variable que tiene efecto o asociación con la variable dependiente pero que no
está relacionada con el factor en estudio o variable independiente.

INTERACCIÓN Y CONFUSIÓN

Así como en presencia de confusión el objetivo es eliminar una distorsión de la medida de

asociación objeto de la investigación, ante la presencia de interacción el objetivo es
describir mejor un fenómeno

INTERACCIÓN modificadora de efecto

Se habla de interacción biológica entre 2 o más factores causales cuando existe una
interdependencia entre sus mecanismos de acción para causar, prevenir o controlar una
enfermedad, de manera que la incidencia de enfermedad atribuible a este conjunto de
factores causales es diferente de la incidencia esperable de sus efectos individuales

Ej. Exposición ocupacional  Cáncer de pulmón

TABAQUISMO

Dieta  colesterol  infarto de miocardio

En este caso colesterol es una variable “intermedia”. No es confundente.

CAUSALIDAD
 El hecho de que 2 variables estén asociadas (en un grado “estadísticamente significativo”)
no implica que una de ellas sea causa de la otra.

En 1945 Sir Auston Bradford Hill, considerado padre de la estadística moderna, enunció 9
criterios para examinar si la asociación de 2 variables implica causalidad
1. Fuerza de la asociación
2. Consistencia de los resultados
Es la correspondencia y homogeneidad de la asociación en diferentes estratos de la
población estudiada. Por ej. hombres y mujeres, en mayores y menores de 50 años
3. Especificidad del efecto
Por ej. tabaquismo: cáncer de pulmón y otros canceres, bronconeumopatia,
cardiopatía isquémica.
4. Secuencia temporal
Garantía de que la exposición al factor de riesgo fue anterior a la enfermedad
Aunque este criterio parezca obvio, no siempre lo es, sobre todo cuando se estudian
enfermedades crónicas, con un curso subclínico prolongado antes de dar lugar a algún
síntoma, como arterioesclerosis o Parkinson
5. Gradiente biológico o Relación dosis-respuesta
La frecuencia o la gravedad de la enfermedad en estudio debe guardar relación con la
dosis o duración de la exposición al factor de riesgo considerado
6. Plausibilidad biológica
Es decir, la concordancia de la asociación encontrada con los conocimientos biológicos
y clínicos sobre la exposición de interés.
7. COHERENCIA
8. EXPERIMENTACIÓN
La posibilidad de aplicar una intervención y comprobar si da lugar al efecto
sospechoso de ser producido por ella. (En este contexto, el término “intervención”
equivale en sentido amplio a “ensayo clínico”).
Este criterio es éticamente aplicable cuando un primer estudio observacional ha
sugerido que una determinada intervención es preventiva o curativa: si un estudio
sugiere que una determinada intervención podría prevenir una enfermedad, se puede
probar a ponerla en práctica y comprobar si realmente tiene el efecto preventivo
sospechado
9. RAZONAMIENTO POR ANALOGÍA

De manera consciente o inconsciente, en medicina la toma de decisiones reposa sobre un

razonamiento inductivo: a partir de las observaciones clínicas se establecen conjeturas que van
saiendo descartadas o confirmadas con sucesivas observaciones ordenadas de manera más o
menos sistemática

Por el contrario, la lógica de investigación usa sobre todo razonamientos deductivos

Cuando un paciente q se encuentre en un estado A progresa a un estado diferente (estado B) tras

tomar un medicamento, interesa saber si este cambio se debe a la intervención objeto de estudio
El estado A podría ser una enfermedad y el estado B –el desenlace- poodria ser la curación o
simplemente un alivio sintomático (en ocasiones las opciones son mas complejas y las elecciones
mas difíciles)

Los postulados de Bradford Hill se basaban en la creencia de que para enunciar una afirmación
inequívoca de causalidad, era necesario q la causa propuesta fuera a la vez necesaria y suficiente.

Sin embargo, la expansión de los conocimientos médicos obliga a considerar mas bien la nocion de
causa contributiva (ha contribuido a modificar el estado de salud inicial A), aquella debe haber
precedido el efecto y en algunos casos (si no son de esperar efectos irreversibles) la modificación o
eliminación de la intervención debe modificar consecuentemente la magnitud o incluso la
naturaleza del efecto

Sin embargo, debido a la variabilidad interindividual a menudo no es posible aislar una sola
variable y estudiarla de manera individualizada, de manera q en biología la causa contributiva es
didentificada como un valor probmedio, q no es necesariamente observable en todos los
indidivudos y a veces ni tan solo en la mayoría de ellos

Asi, no todos los pacientes sometidos a uan causa contributiva manifestaran el efecto esperado. O,
dicho de otro modo, no todos los pacientes tratados con un fármaco de “eficacia demostrada”
responderán favorablemnete a su administración

En la medicina contemporánea se utilizan diversas estrategias de investigación para proponer,

investigar y comprobar relaciones de causa y efecto. Si se registran observaciones similares en
varios pacientes, la “fuerza” de la posible relación de causalidad es mayor

JUICIO A LA CAUSALIDAD

“Establecer si una asociación estadísticamente significativa y valida, es una asociación causal

implica evaluar una serie de condiciones ninguna de las cuales es suficiente para establecer
causalidad, aunque la evidencia a favor de una asociación ncausal es mayor cuantas mas de éstas
condiciones se encuentran presentes.

Solo una de ellas es una condición necesaria: la secuencia temporal” Greenland S. (1987)
refiriéndose al artículo publicado por Bradford Hill.

CLASE 26 (ÚLTIMA)

ERRORES DEL INVESTIGADOR:

LA CALIDAD DE LA INVESTIGACIÓN:

La calidad de investigación puede considerarse entre dos perspectivas, una que representa
cuestiones metodológicas y la otra que trata de la utilidad de trabajo.

Estos 2 puntos están conectados, porque es probable que un estudio de calidad superior sea de
mayor validez y por tanto, más útil. Aun así, un estudio imperfecto puede ser de gran relevancia
Por tanto, debemos abordar el difícil equilibrio entre ser un defensor de políticas particulares y ser
un científico escéptico de la torre de marfil

LOS PECADOS

Los vicios tienen una larga historia en religión, literatura y psicología, a menudo referidos como los
siete pecados capitales

Aunque interrelacionados, algunos pecados pueden parecer más fundamentales y graves que
otros, y su secuencia es una cuestión de elección.

El orgullo es una forma de autoengaño, donde la realidad de quienes somos es sustituida por
ilusiones grandiosas. Cualquier imperfección en nuestro propio nombre es ignorada, mientras que
ese presta una atención exagerada con altos estándares metodológicos al juzgar el trabajo de
otros

El orgulloso epidemiólogo, que destaca con exceso de celo las dificultades metodológicas, o la
incapacidad de alcanzar la significación estadística, al mismo tiempo también ignora las tendencias
innatas de sesgo hacia la hipótesis nula

Quizás el síntoma más generalizado del orgullo en epidemiología es la actitud condescendiente

hacia los estudios epidemiológicos de otros países o culturas, que con mayor frecuencia se refleja
como un énfasis en las principales revistas de epidemiología y literatura en inglés

La autocitación es un fenómeno relacionado

La envidia conduce a ingratitud y falta de reconocimiento de otros colegas, ya sea en términos de

primacía, primera autoría o valores p más bajos. El investigador envidioso exagerará los errores
percibidos cometidos por un colega particularmente exitoso y aplicará mal los criterios
metodológicos para descartar sus hallazgos

La ira se despierta cuando un investigador sufre un daño real o percibido, y el dolor se transforma
en venganza.

La lujuria: el investigador se obsesiona buscando satisfacción y busca atención y reconocimiento

frecuentes e ilimitados, incluidos los más altos títulos académicos y premios. También afecta la
elección de los temas de estudio hacia aquellos que están vinculados a recompensas a corto plazo.

La gula es el deseo relacionado con un exceso de cualquier cosa, en nuestro caso sobre todo un
apetito desmesurado por credenciales y publicaciones. Implica la preocupación por producir y
publicar en exceso, lo que lleva a la apatía social.

La codicia (o avaricia) es el deseo de posesiones materiales y prestigio. El prestigio, honores

académicos y el floreciente currículum se convierten en medios para lograr, ejercer y mostrar el
poder personal.

El investigador codicioso trata de intimidar o controlar a los demás, reforzando asi sus propias
ilusiones y sentimientos de éxito.
La pereza en epidemiología es la indiferencia hacia salud pública y el bienestar de los demás. El
investigador perezoso no hace que sea una prioridad servir a la SP y aparece como insensible y
carente de cuidado. Eventualmente, la pereza resulta en la alienación del epidemiólogo, que no se
preocupa por otras opiniones y, por lo tanto, nunca cuestiona si tiene razón o no.

LAS VIRTUDES

Para contrarrestar las deficiencias o vicios de la investigación epidemiológica, propone el Principio

de Precaución (PP) que facilita la toma de decisiones cuando hay una necesidad de actuar para
reducir un peligro potencial incluso antes de que haya pruebas sólidas de daño, es decir, a pesar
de las incertidumbres que prevalecen en la epidemiología.

El PP tiene como objetivo evitar posibles daños futuros asociados con riesgos ambientales
sospechosos, pero no concluyentes.

PONDERACIÓN DE LA EVIDENCIA

La evidencia epidemiológica debe considerarse a la luz de las fortalezas y debilidades, teniendo en

cuenta también la información de otras disciplinas.

Un fallo metodológico puede, por supuesto, debilitar el apoyo a una asociación en particular, pero
la mera aparición de alguna debilidad científica no prueba la ausencia de un riesgo.

ESTRATEGIAS DE INVESTIGACIÓN

El comportamiento “pecaminoso” puede afectar todo el proceso de investigación desde el

encuadre de la pregunta de investigación hasta la interpretación y el informe de los resultados.
Con el fin de limitar la incertidumbre, la epidemiología a menudo se centra en cuestiones
estrechamente definidas, lo que resulta en reduccionismo, potencial de errores del tipo III e
información incompleta solo sobre peligros próximos.

Se necesita visión y coraje en la elección de los temas de investigación y los métodos de

investigación. A menudo se puede justificar con un grado equilibrado de replicación, pero la falta
de atención a decenas de peligros potencialmente graves para la salud es inexcusable.

La ausencia de datos epidemiológicos complica la toma de decisiones, y el suministro incluso de

datos preliminares puede facilitar la toma de decisiones basada en PP