Clase 6 Tópicos de investigación

Estudios descriptivos
- Reporte de casos
- Serie de casos
- Ecológicos o poblacionales
- Corte transversal o prevalencia

Reporte de casos

Es cuando el investigador hace la descripción de un caso o de un grupo de

casos observados con un número de menos de 10 casos..

Por ejemplo:
- Que se haya presentado un efecto colateral raro de una droga en un
paciente, se describe el caso.
- Otro podría ser la asociación poco frecuente entre 2 enfermedades o la
descripción de una enfermedad extraña.
- En la actualidad hay una alerta mundial respecto de unas hepatitis
fulminantes en niños, cuando se produzca algún caso en chile,
rápidamente alguien lo va a reportar, publicar, porque como aún es algo
poco frecuente, caería en esta categoría.

Reporte de casos es una fuente útil de información sobre aspectos de las

ciencias básicas que puede ser útil en las ciencias clínicas, como en el primer
ejemplo que trata de farmacología.

Serie de casos

Es un estudio de un grupo de sujetos, más de 10 casos, afectados por un

problema o patología común. Y se presenta esta serie de casos como por
ejemplo una experiencia personal.

Ejemplos:
- Experiencia de un kinesiólogo con sus últimas 35 terapias manuales, y
quiere presentar como le ha ido con ellos.
- 65 pacientes tratados en el último año por pancreatitis hemorrágica en un
determinado hospital.

Esta serie de casos es bastante frecuente que los presenten los médicos en un
congreso científico, sin necesidad de que sean investigadores profesionales.
Se van a encontrar siempre en las revistas científicas, estas revistas publican por
área: serie de casos, trabajos epidemiológicos, ensayos clínicos, que los dividen
dentro de su editorial en cada revista, agrupados en esta naturaleza.

Va a permitir formular hipótesis de posibles factores de riesgo, pero por

supuesto que este tipo de estudio no va a permitir probarlas. Por ejemplo: un
investigador analiza cómo se han comportado sus pacientes, se verá cómo esto se
comportará en un estudio completo, con una muestra representativa, que sea de
valor importante, que tenga significación.

Este tipo de estudio va a permitir obtener frecuencias, y también reportar el

inicio o presencia de una epidemia (todas las epidemias han iniciado así).

Ecológicos o poblacionales

La unidad de análisis u observación, corresponde a poblaciones, conjuntos,

grupos, comunidades, no es una persona, geográficas bien delimitadas. Por
ejemplo: cuánto es la tasa de mortalidad en una comuna.

En ellos es posible analizar la frecuencia de la enfermedad o problema de salud

que se está estudiando.

Se clasifican en:
- De mapas
- Series temporales
- Correlación

En estos estudios la unidad de observación y análisis puede seleccionarse según

diferentes niveles de agregación: colegios, comunidades pequeñas (municipios),
ciudades, regiones, países o inclusive zonas completas del planeta.

a) Descriptivos o de mapas:

Comparan la incidencia o prevalencia de un determinado problema en varias

áreas, buscando la detección de patrones de tipo geográfico.

Ejemplo: la tendencia de mortalidad por cáncer de próstata a seguir un patrón de

distribución; da pie a hipótesis sobre factores genéticos, dietéticos o culturales y
de hábitos de vida, que puedan estar vinculados a este tipo de cáncer.

Por ejemplo, en la imagen se observa una

típica forma de presentar el resultado de
un estudio ecológico de mapa, donde está
achurada la mortalidad en costa rica por tuberculosis, donde cada color
representa un índice de mortalidad distinto, de cada área. de esta manera, se
analiza el porqué en las áreas más oscuras, donde hay mayor índice de
mortalidad, se da mayor la tuberculosis, y el porqué en las áreas más claras, el
índice es menor. qué factor genético, ambiental o social podría fundamentar este
hallazgo.

b) Estudios de series temporales:

Describe el comportamiento que tiene los problemas a largo plazo (a lo largo

del tiempo), ya sea buscando patrones estacionales así como tendencias o
cambios de tendencia a más largo plazo.

En estos gráficos se ven estaciones del año o por años y se busca algún patrón a lo
largo del tiempo que esté relacionado con alguna estación, es típico de las
enfermedades respiratorias que aumentan en invierno, bajan en primera verano y
vuelven a aumentar en otoño invierno.

También se ven tendencias a largo plazo, por ejemplo, como el cáncer ha ido
evolucionando a lo largo de los años, ya sea en Chile, latinoamérica o el mundo lo
que ayuda a ir pensando que si se van produciendo cambios en cómo estas
tendencias se van dando ya sea al alza o la estabilización, ahí surgen preguntas de
porque esto podría estar sucediendo.

c) Estudios de correlación ecológica:

Analizan el grado de relación entre niveles promedio de exposición y el

comportamiento del efecto hipotético

En el área de la salud se utiliza el término de correlación para identificar este tipo

de estudio o para medir la correlación de Pearson, pero esta no necesariamente
se efectúa en un estudio de tipo ecológico correlacional, también se puede
utilizar en otro tipo de estudio como una medición.

En el área de la salud no se relaciona la palabra correlación con asociación, la

primera solo se utiliza en los casos ya mencionados.

Resultados:
Los resultados se expresan con el cálculo del coeficiente de correlación. Esa
correlación se mide con la correlación de pearson demostrado con el signo de
letra “r”
(r = +1 ← 0 → -1)
El valor que se puede encontrar del coeficiente de correlación va a fluctuar entre +
1 y -1 pasando por 0.

Coeficiente de correlación

● Medida de acercamiento de las variables alrededor de su promedio,

siempre y cuando su promedio sea una línea recta.
● No demuestra causalidad; solo cuantifica que tanto los datos son
compatibles con una idea de causalidad.

El la imagen se muestran
distintos gráficos de
correlación:

● En el gráfico C se
muestra una
correlación positiva
perfecta, es
directamente
proporcional, tanto X
como Y suben en la
misma proporción. Es
poco común encontrar
este gráfico en los
estudios.

● En los estudios es más común encontrar una correlación fuertemente

positiva como el gráfico F, donde hay una nube de puntos que se tiende a
alinear como una correlación positiva perfecta, pero no lo es, porque existe
una dispersión.

● En la correlación fuertemente negativa del gráfico A, se produce una

inversamente proporcional, es decir, a medida que aumenta X el valor de Y
disminuye.

● También es posible encontrar correlaciones más dispersas que es caso del

gráfico B, donde se produce una correlación positiva moderada, pero
como existe mayor dispersión se denomina moderada, lo mismo ocurre
para el efecto negativo en el gráfico D con una correlación negativa débil.
● Por último en el gráfico E no existe ninguna conexión de correlación

Ejemplo:
En la tabla se presenta el consumo de alcohol por
litros/años/persona en persona de 14 y más años de edad,
el país en donde el consumo es de esa magnitud y cuál
es la tasa de mortalidad por cirrosis hepática en cada uno de esos países.
● En Francia el consumo per cápita es de 24.7 litros en las personas y la
mortalidad es de 46.1 por 100.000 habitantes y así con cada país.

Si los resultados de la tabla son

reflejados en un gráfico, en el eje
X (independiente) se ponen los
datos de consumo de alcohol y
en el eje Y (dependiente) los
niveles de mortalidad. Ambas
deben ser cuantitativas.

En el gráfico se ve como existe

una tendencia a una correlación
más bien positiva. Por lo tanto,
de este gráfico se puede decir que el consumo de alcohol está correlacionado de
manera positiva con la mortalidad.

Si se calcula el r (correlación) da un valor de 0,93. Si el gráfico daba una línea

oblicua recta, el valor de r sería 1, entre mayor dispersión r se aleja de 1 y si el valor
es -1 es porque se da en el sentido contrario.

Otro ejemplo para ver si existe la correlación ecológica podría ser:

● Consumo de cigarrillos de un país y ver las tasas de cáncer de pulmón de
ese país.
● También podría ser la prevalencia de obesidad y enfermedades
cardiovasculares, ver si a medida que aumenta la obesidad también se
genera un aumento de las enfermedades cardiovasculares.
● El consumo de grasa con enfermedades cardiacas, se puede calcular el
consumo per cápita de grasa de una población determinada y medir los
niveles de enfermedades cardiacas.

Limitantes:
● Imposibilidad de estudiar las variables independiente y dependiente con
cada individuo porque el valor es de un grupo.
● No se pueden controlar variables confundentes1.
● No se puede establecer causalidad, pero sí puede dar una idea (ej: obesidad
con enf. cardiovascular/ aumento enf. respiratoria y aumento de consumo
de inhaladores).

1
Se explicará más adelante.
Estudios de corte transversal o de prevalencia

Es un corte/momento o periodo de
tiempo, se encuentra en el presente en
un determinado momento.

Existen estudios de corte transversal:

● Puntual: En un punto.
● Lápsica: En un lapso de tiempo.

Mide simultáneamente la prevalencia

de la exposición (variable
independiente) y del efecto (variable
dependiente).
- Recordar: Es en un solo momento temporal (situación puntual) y se miden
ambas variables de forma simultánea.

Características:
● Permite estimar la magnitud (cuántos están enfermos) y distribución de
una enfermedad o daño en un momento dado.

● Unidad de análisis corresponde a individuos, 1 dato = 1 persona.

● Se dispone de información de todos los individuos estudiados.

● Se define una población y se describe qué ocurre al interior de ella.

● Proporciona información útil para la planificación y gestión.

● Constituyen una fuente generadora de hipótesis, igual qué en los otros

estudios pero aquí hay más sustento cuantitativo.

● Si se quiere evaluar algo rápido en un determinado momento, este tipo de

estudio es el más útil.

● Equivalen a una foto instantánea en el tiempo. → se cuantifica lo qué hay en

el momento: tantos tantos hombres, mujeres, enfermos, sedentarios, etc. Y
permite describir el grupo de estudio.
Repaso:

El balde es la población.
-Casos nuevos → incidencia.
-Cantidad de personas enfermas en
determinado momento, sin importar si los
casos son nuevos o antiguos → Prevalencia
(cuántos hay)

En el eje de las ordenadas del gráfico superior hay 7 individuos que se están
estudiando, los cuales van a ser seguidos durante 7 años. El área achurada
significa que la persona estaba sana y el área azul significa que la persona estuvo
enferma.

El individuo 3 estuvo aproximadamente 2 años sano y luego se enfermó,

finalmente falleciendo, como se demuestra en el gráfico. Los individuos 6 y 7
también estuvieron sanos por algunos años y luego enfermaron (área azul).
El individuo 5 estuvo sano y después se cambió de residencia (área naranja), por lo
que se perdió el seguimiento.

Entonces, cuando ya se tiene el estudio de la población y se quiere calcular la

prevalencia en el 4º año de seguimiento, se debe ver en el cuarto año cuántos
individuos enfermos hay. En el caso del gráfico, al 4º año, habiendo 6 individuos
presentes (el 5 ya no está presente porque se perdió), hay 2 individuos enfermos,
Por lo tanto, la prevalencia en el 4º año de seguimiento sería 2 y la tasa de
prevalencia sería 2/6, es decir, 0,33 o 33%.
● Número de personas enfermas = 2
● Número de personas observadas en ese momento = 6
● Tasa de prevalencia: 2/6 = 0,33 → 33 casos por 100 personas

Sesgos

En este tipo de estudio se pueden producir varios sesgos, es decir, errores que se
pueden tener en un diseño. Hay diseños que son más propensos que otros a
ciertos tipos de errores. Por ejemplo, en el corte transversal:

1.- Sesgo de selección:

● Datos incompletos, menor o mayor exposición y/o negativa de participar.
● Por ejemplo, si en un estudio se aplica un cuestionario en 2º año de
medicina, y solamente 5 personas quieren participar, se va a tener un sesgo
ya que esa cantidad no va a ser representativa de todo el curso. O si se
aplica un cuestionario en un curso y la mitad de los encuestados
solamente responde la mitad del cuestionario, entregándolo incompleto.
Todo esto producirá un sesgo de selección.

2.- Sesgo de información:

● Cambio en el nivel de exposición a través del tiempo.
● Si se está midiendo algo en enero, no necesariamente se va a tener el
mismo resultado en julio. Por ejemplo, si se miden enfermedades
respiratorias en verano, la frecuencia va a ser baja, pero si se miden en
invierno, la frecuencia será muchísimo más alta. Por lo tanto, no se puede
concluir que la magnitud del problema sea igual durante todo el año, sino
que en estos tipos de estudio solamente es aplicable al momento del año
en el que se realizó el estudio. No es aplicable a cualquier momento del
año, no se pueden sacar conclusiones generalizadas.

3.- Sesgo de memoria:

● Las personas no recuerdan todo de su enfermedad al momento del
estudio. Puede que se les haya olvidado o que no lo tengan claro.
En este tipo de estudio se pueden encontrar estos errores, por lo que se deben
tomar las precauciones y encontrar la estrategia para que la mayoría del curso
participe y para que todos respondan de forma completa sin dejar preguntas en
blanco. Se deben tener claras las estrategias para poder controlar los sesgos.

En todo estudio, siempre hay alguien que entrega algo incompleto, por más que
se prevenga, por eso el sesgo puede controlarse pero muchas veces no se puede
evitar, por lo que la idea es minimizarlo al máximo posible.

Para que el sesgo de la memoria no ocurra, se podrían buscar otras fuentes,

como los familiares. También se podría buscar en la ficha clínica del paciente o
hacer preguntas más dirigidas y claras, porque cuando se realiza una pregunta se
tiende a pensar que se está realizando de forma correcta, pero sin embargo
puede entrar en errores y contradicciones.

Lo importante antes de hacer cualquier cuestionario es revisar las preguntas

para validarlas. Siempre es importante validar las preguntas, por ejemplo: si fue
hecho en España y lo queremos aplicar en Chile, tenemos que acomodarlo a la
forma genérica de cómo se habla en Chile.

Entonces se deben validar siempre el instrumento, se pueden validar con juicios

de expertos vistos en la clase anterior. Habitualmente cuando se hace el
cuestionario se puede acudir a un juicio de expertos sobre algún tema y
preguntarle su opinión acerca de la concordancia, consistencia, claridad y
distintas dimensiones, incluso se puede calcular índices de concordancia o
distintos índices respecto de los cuestionarios.

Diseños de corte transversal con componente analítico

Los estudios de corte transversal son estudios eminentemente descriptivos, pero

tienen excepciones que son bastante frecuentes, este puede tener un
componente analítico, de aquí se puede acercar de forma híbrida.

Cuando estás en un estudio de corte transversal en donde, tanto están enfermos,

tienen obesidad o tantos tienen enfermedades, son un componente descriptivo,
pero un estudio de corte transversal puede transformarse y puede tener un
componente analítico.

Se tiene la población, en la cual se encontrarán siempre estas 4 categorías:

● Tiene a enfermos expuestos al factor de riesgo
● Enfermos no expuestos al factor de riesgo
● Sanos expuestos al factor de riesgo
● Sanos no expuestos al factor de riesgo

Esto se puede trasladar a lo que se llama una tabla 2x2.

Por una parte tenemos los que tienen la
enfermedad (ENF +) y por otra los que no
la tienen (ENF -), también se observa el
factor de riesgo y los que no están
expuestos al factor de riesgo.

En la siguiente tabla se observa las

categorías expuestas anteriormente,
entonces esto va a permitir en este caso
de la letra A sería enfermos expuestos, en
la letra C enfermos no expuestos, la
letra B sanos expuestos y la letra D
sanos no expuestos
● A+C es el total de enfermos
expuestos al factor de riesgo y
no expuestos al factor de riesgo
● B+D es la suma de los sanos.
● A+B es la suma de sanos
expuestos y enfermos
expuestos, o sea, cuando el
factor de riesgo está presente
en el enfermo y el sano.
● C+D es el total de los no expuestos.
● n es la población total

Entonces si se hace un estudio descriptivo, en la población que se estudia, A+C es

la población enferma, B+D la población sana, A+B es la población que tiene el
factor de riesgo y C+D es la población que no tiene el factor de riesgo presente.

Entonces se puede calcular lo siguiente:

● Prevalencia global de la enfermedad: En la población, cuántos enfermos

hay.
𝐴+𝐶
P: 𝑛

● Prevalencia de la enfermedad en expuestos al factor de riesgo: De todos

los que están expuestos, cuántos están enfermos.
𝐴
P: 𝐴+𝐵

● Prevalencia de la enfermedad en no expuestos al factor de riesgo:

𝐶
(Po) = 𝐶+𝐷
 ● Prevalencia del factor de riesgo
𝐴+𝐵
(Pfr) = 𝑛

Ahí es donde se va a tener el estudio descriptivo. Pero si se avanza un poco más

en el análisis, se puede calcular en la “tabla de 2 x 2” un concepto en el cual se
ahondará más adelante en los estudios de casos y controles (también se puede
aplicar en un estudio de corte transversal), este es la Odd ratio que equivale a
calcular el riesgo estimado, permite establecer cuántas veces más frecuente está
el daño presente en los expuestos, en relación a los no expuestos, al aplicarlo se
introduce en el estudio el componente analitico.

Nota: es importante entender la tabla y conceptos, y no aprenderlos de memoria.

Ventajas:

A continuación se presentan las ventajas de los estudios de corte transversal:

● Rápidos y económicos
● Miden la prevalencia de la enfermedad y la prevalencia de los factores de
riesgo
● Evalúa asociaciones de factores de riesgo y enfermedad, estableciendo
hipótesis para desarrollar estudios de cohortes o de casos y controles, esto
se da al introducir el factor analítico al estudio descriptivo.
● Se pueden estudiar varias enfermedades a la vez. Por ejemplo se puede
preguntar si tiene rinitis, resfrío, presión alta, diabetes, etc; se pueden
preguntar muchas enfermedades.

Desventajas:

● No se puede medir la incidencia (recordar que es una foto en el tiempo) y

por lo tanto no se puede calcular el riesgo relativo.
● No se puede medir la evolución.
● No se puede establecer causalidad.
● No son muy útiles en enfermedades raras.
● Existe un problema de temporalidad al asumir relaciones de causa-efecto,
porque no se puede saber lo que estaba antes y después, ya que se mide
simultáneamente el factor de riesgo y la enfermedad; no se tiene la certeza
de que el factor de riesgo precedía a la enfermedad o no, es decir no se
puede asumir que estaba antes, se debe comprobar.
● Dan poca información sobre el pronóstico e historia natural de la
enfermedad, no se está haciendo un seguimiento.
Medición de prevalencia

Se puede hacer una medición del estudio

de corte transversal en todo el universo,
suponiendo que se mide la presión
arterial en toda la población adulta de
viña del mar, a toda se le toma la presión
arterial y se calcula que hay un 15% de la
población total que tiene HTA.

Tomarle la presión a toda la población es

muy complejo, a no ser que el universo
sea pequeño, como por ejemplo medirles
la presión arterial a todos los estudiantes
de medicina de la UNAB de Viña del Mar, eso es más factible.

Supongamos que le medimos la presión arterial a toda la población adulta de

Viña del Mar, y sale que la HTA tiene una prevalencia del 15%, en ese momento el
15% de la población se presentó con HTA.

Entonces, como esto es bastante complejo de hacer, uno utiliza una muestra, por
lo que sí se realiza el mismo estudio en la ciudad de Viña del Mar, pero se hace
con una muestra que sea representativa de toda la representación. Por
ejemplo, nos puede dar el valor de 14,5%, pero además cuando se calcula la
prevalencia en una muestra, se calcula lo que se llama Intervalo de confianza.

Los intervalos de confianza se calculan cuando se trabaja con muestras, si trabajo

con el universo no es necesario calcular intervalo de confianza por que se tiene
toda la población.

Entonces, ese intervalo de confianza da dos valores, un valor mínimo y un valor

superior, que en el caso del ejemplo da 12% y 17%, entonces, ¿Qué significa ese
intervalo de confianza entre 12% y 17%?

Se dice que se hizo un estudio de PA, en una muestra representativa de Viña del
Mar, el valor de la prevalencia fue 14,5% y su intervalo de confianza 95% dio entre
12% y 17%.

Ese intervalo de confianza significa que si vuelvo a repetir este estudio en una
muestra representativa en la comuna de Viña del Mar, los valores que voy a
encontrar de prevalencia de HTA me van a fluctuar entre 12% y 17%, ese intervalo
me está diciendo que tantas veces que repita este estudio, los valores que voy a
encontrar de prevalencia van a fluctuar entre esos valores, ahí va a estar el valor
del universo.
*Nota: el 95% se verá más adelante.
En síntesis, en los estudios de corte transversal, hay un momento dado y
simultáneamente mido la variable dependiente e independiente, se puede medir
varios factores de riesgo y varios daños que permiten describir la población, pero
también puedo buscar asociaciones entre la variable independiente y la variable
dependiente si yo le introduzco un componente analítico, los cuales son muy
útiles porque son rápidos y son económicos, pero tienen ciertas limitantes que no
nos permiten calcular incidencia, no nos permiten establecer causalidad, no
puedo ver temporalidad, y si estos estudios yo los efectúo en el universo, el valor
que me da es el valor final, mientras que si yo lo efectúo en una muestra, ese valor
o esa prevalencia va a ir siempre acompañado de un intervalo de confianza que
me va a mencionar los valores entre los cuales va a fluctuar la prevalencia de esa
población tantas veces yo repita el estudio.
Casos y Controles

Tenemos una población que vamos a

estudiar y de esa población se van a
obtener los casos, que van a ser las
personas que tienen la enfermedad, es
decir, las personas dañadas.

Además, se van a extraer los controles

que son las personas sin la enfermedad,
osea las personas no dañadas.

Y de estos casos y controles vamos a ir

hacia el pasado si estuvieron expuestos o no expuestos al factor de riesgo, esa es
la estructura global del diseño de casos y controles

Definición de casos

Una de las mayores dificultades de este tipo de estudio es definir claramente lo

que se va a considerar caso.

Un ejemplo de esto se ha observado durante la pandemia, lo que se considera

caso covid positivo ha ido variando a lo largo de ella. Generalmente se establece
como caso algo previamente establecido de la enfermedad ya sea por la OMS o
por alguna sociedad científica. Sin embargo, también se puede crear un nuevo
concepto de caso con fines del estudio que se va a realizar.

Definición de controles

La definición de control es igual de importante, ya que en el fondo es el clon del

caso pero sano, es decir, lo contrario al caso, todo lo que no sea caso será control.

Ejemplo → Se tiene de caso una mujer de 30 años con diabetes, el control será una
mujer de una edad similar sin diabetes. Ambos son equivalentes en condiciones,
lo que los diferencia es sólo la presencia de la enfermedad.

Selección de controles

Los controles se pueden obtener de la misma área geográfica de los casos, es

decir de un mismo hospital o centro de salud. El investigador define de dónde y
cómo los va a elegir, eso está incluido dentro de materiales y métodos.
Encontrar los controles no es tan fácil como parece, ya que la gente no siempre
tiene la disposición de participar. Con los casos, lo que se suele hacer es ir
juntando personas con la enfermedad a estudiar y una vez listos se les ubican sus
controles.

Este diseño se suele usar para estudiar enfermedades raras, por lo que puede
que tome un tiempo reunir los casos y ahí se ubican los controles. Sin embargo no
es exclusivo para estas enfermedades, se puede usar con otras más frecuentes.

Identificación de factores de riesgo o protectores

Este tipo de estudio es muy útil para identificar factores que inciden en la
enfermedad, se puede elaborar una gran lista de riesgos y protecciones para un
solo daño, y luego preguntar por ellos a los casos y controles, indagando en varios
a la vez, esta es una de las mayores ventajas de este modelo de estudio.

Recolección de la información:

● Cuestionario: Se puede realizar un cuestionario a los casos y controles

● Fichas clínicas: Se puede obtener la información directamente de las
fichas clínicas de los casos y controles. El problema con este método es que
por la reglamentación de derechos y deberes del paciente no siempre se
tiene acceso a ella, es necesario que el paciente firme un consentimiento
informado. Sumado a ello, la ficha podría estar incompleta, por ejemplo no
siempre se encuentra ahí si el paciente fuma o no, si no aparece no se
puede asumir que no fuma.

Problema con las mediciones: sesgo en los sujetos de estudio

Un problema que se puede enfrentar en la medición es el sesgo en los sujetos de

estudio, para evitarlo:

1. La hipótesis del estudio no debe ser conocida ni por los controles ni por
los controles, ya que esto puede inducir respuestas.
2. Casos y controles deben tener igual incentivo para recordar eventos del
pasado. Un clásico ejemplo es en mamás con hijos con síndrome de Down
en relación a mamás que no tuvieron hijos con Sd de Down, las primeras
van a tener un mayor incentivo de recordar con mayor precisión y detalle
aspectos de factores que pudieron haber influido en que se generará el Sd
de Down, tales como: el medicamento que tomó, la dosis, etc; en cambio, la
madre que no tuvo hijo con Sd de Down no se va a acordar de tanto
detalle. A esto se refiere a que casos y controles deben tener el mismo
incentivo.
Pregunta: La madre que tuvo hijos con Sd de Down, ¿recuerda más porque la
impactó de otra manera?
Sí. Sí me encuentro enferma de algo, y me preguntan sobre cosas del pasado, y
estando enferma, voy a quedar recordar con mayor precisión, se hace un esfuerzo
mental por recordar con mucha precisión a diferencia si no estuviera enferma, se
toma de manera más superficial la pregunta

Por eso este tipo de sesgos se deben tener presentes antes de elaborar un estudio
de esta naturaleza, para poder prevenir como se veía en los estudios de corte
transversal.

3. Sesgo del recuerdo: Al igual que en los estudios de corte transversal, es el

sesgo que más influye. Es muy importante, porque se le está preguntando
a casos y controles en un momento determinado, sobre factores de riesgo
que pudieron o no estar expuestos en el pasado, entonces, el problema es
con cuánta precisión es capaz de recordar lo que se le está preguntando y
si es que es capaz de recordar.

Problemas con las mediciones: sesgo del observador.

Pueden haber problemas con las mediciones por parte del que está haciendo el
registro y aplicando el cuestionario o el observador, porque:

1. Los entrevistadores o recolectores de información deberían ser ciegos

para la hipótesis, es decir, no deberían conocer la hipótesis, es lo ideal.
Muchas veces, en los estudios para abaratar costos y no se puede contratar
entrevistadores, uno mismo aplica la encuesta y se debe hacer con mucha
técnica para que no me lo vayan a impugnar después como un sesgo

2. La información debería ser recolectada de un modo objetivo. Si es un

cuestionario autoadministrado es fácil lograr eso, pero si hay una entrevista
de por medio, el entrevistador puede inducir o insistir preguntando por
ejemplo, “¿pero ud está segura que no le dolió?”, “¿está segura que no le
pasó?”, se insiste mucho, entonces puede haber influencias por parte de la
persona que haga la entrevista, tiene que tener presente si se hará con
entrevista, debe ser muy neutra, con un libreto, sin salirse de él, de tal
manera de que a otros casos y controles de los entrevistadores que estén
recolectando la info, se esté llevando a cabo de la misma manera.
 3. Cuestionario y procedimientos estandarizados: lo mejor que hay para
disminuir el sesgo del observador.

4. El mismo instrumento de recolección debe ser usado para casos y

controles: no puede haber uno distintos

Ventajas de estudios de casos y controles:

● Relativamente menos costosos.

● Relativamente rápidos.
● Pueden investigar un amplio rango de factores de riesgo y protección.
● Útil para enfermedades raras.
● No hay pérdidas de sujetos durante el estudio (a diferencia de cuando se
hace un estudio de seguimiento).

Desventajas de estudios de casos y controles:

● Está el sesgo del recuerdo (muy importante).

● Sesgo de selección de casos y controles.
● Posible sesgo en las mediciones.
● No es útil para investigar factores de riesgo poco comunes.
● No se puede estimar incidencia (al igual que los de corte transversal).
● No se puede determinar temporalidad, aunque yo pregunte por un
aspecto que sucedió en el pasado, si yo no lo presencié durante la
investigación, no estoy respetando el ámbito de la temporalidad.

Entonces de la población, se sacan los

casos y controles, que pueden ser
expuestos o no.

¿Podría tener 2 controles por 1 caso?

Me podría permitir comparar de

mejor manera, cuando se tiene 1 caso
y 1 control, el cual es un buen control,
un clon del caso, a lo mejor basta 1:1,
pero cuando se tiene dificultad para encontrar “clones”, a lo mejor se pueden
tener 2, 3, 4 controles por cada caso, se pueden tener varios. Eso queda definido
en el diseño, en materiales y métodos.
Se puede tener más de un control y un estudio de casos de controles pareados.
Control de casos de controles pareados:
- EJ: en un caso de una mujer de 30 años, se tiene un control mujer de
30 años; en un caso de un hombre de 50 años, se tiene un control
hombre de 50 años.
- Se parea por variable y se puede parear por más de una variable, por
ejemplo, por sexo, edad, nivel socioeconómico, urbano o rural, etc.
- Mientras más cantidades de variables se introduzcan en el pareo,
más difícil es encontrar el control.
- Ejemplo: si se parea por sexo, se anula la posibilidad de analizar el
estudio según sexo (porque ya está pareado).2
- Dependiendo de los objetivos del estudio, se parea o no.
- Observación: en los estudios de casos y controles, este esquema se
puede llevar a la tabla 2x2.

ODD RATIO (OR)3

● Al tener la tabla con los resultados del estudio de casos y controles, se

puede calcular la Odd ratio (OR).
● También llamada razón de disparidad o razón de productos cruzados.
● Fórmula para su cálculo:

2
Lo mismo pasa con las otras variables.
3
Nombre usado internacionalmente. Este es el que se usará.
 ● Concepto de ODDS → el odds de un evento o suceso de interés, puede
definirse como la razón entre la probabilidad de que ocurra el evento (p)
y la probabilidad de que no ocurra (1-p).

Cálculo de Odds para llegar a la OR

Casos
1. La probabilidad de exposición en los casos = A / (A+C).
2. La probabilidad de que no estén expuestos los casos = C / (A+C).
3. El odds (la disparidad) de exposición en los casos es: A / (A+C) : C / (A+C)

Lo que es = A / C.

Controles
1. La probabilidad de exposición en los controles = B (B+D).
2. La probabilidad de que no estén expuestos =n D / (B+D).
3. El odds (la disparidad) de exposición en los controles es: B / (b+d) : D / (B+D)

Lo que es = B / D.

Ahora la Odds Ratio

● Odds de exposición casos: A/C.

● Odds de exposición controles: B/D.
● Odds ratio entre ambos; A/C : B/D.

𝐴𝑥𝐷
OR (RD) = 𝐵𝑥𝐶

Aquí es en donde nace la fórmula de los productos cruzados, del cálculo de cada
una de las odds (de los casos y controles).
- Enfermedad coronaria y hábito de fumar.

● OR: (122 x 224) / (65 x 176)

● El odd ratio es: 2.2

Entonces se lee como “las personas que fuman tienen 2,2 más riesgo de sufrir una
enfermedad coronaria que aquellos que no fuman”. Esto se conoce como riesgo
estimado porque mediante este cálculo estamos estimando el riesgo.

El riesgo relativo (se verá en estudios de cohorte) es diferente, ahora con los casos
controles se va a calcular la OR o riesgo estimado. En un estudio de corte
transversal podemos calcular la OR, es porque ahí le estamos introduciendo el
componente analitico, cuando buscamos asociaciones, como el hábito de fumar
a desarrollar la enfermedad coronaria.

Con la tabla y OR, a esta última le

debemos calcular un intervalo de
confianza (IC), así, establecemos el
límite inferior (LC) y superior (LS)
de la OR.

*Fórmulas solo para saber que es

algo matemático.
- Adolescentes sobrepeso y obesidad v/s lactancia materna exclusiva

En el estudio se comparó a los adolescentes que tuvieron lactancia materna con

los que no, este dato se recopiló probablemente preguntándole a la madre, lo que
implica que hay un sesgo de memoria. Se consideró menos de 3 meses y más de
3 meses para hacer este estudio.

El resultado de la OR = 5,8, esto se lee

como: “aquellos lactantes que tuvieron
una lactancia materna de menor de 3
meses, en su adolescencia tiene 5.8
más riesgo de tener sobrepeso y
obesidad que aquellos que tuvieron
por más de 3 meses”.

Se agrega el intervalo de confianza siendo este 2,52 (límite inferior/odd ratio

inferior) y 13,8 (límite superior/odd ratio superior).

¿Qué pasa si se hace el cuociente en (53 x 107)/(8x22) y la odd ratio da un valor 1?

¿Qué significa que de un valor 1? Significa que no hay riesgo o que el riesgo es
similar en ambos grupos, es decir, ese factor de riesgo no está haciendo la
diferencia.

Cuando se calcule un intervalo de confianza para un factor de riesgo, ¿qué se

esperaría del límite inferior para que sea significativo este hallazgo? Hasta el
momento se sabe que el hallazgo es 5,81 y con este intervalo de confianza se
determinará si este odd ratio es significativo o no, o fue por el azar.

Entonces, ¿qué valor tiene que tomar el intervalo de confianza del límite
inferior para que sea esto realmente significativo? Tendría que ser un valor
mayor a 1 porque si se incluye el 1, deja de ser significativo porque existiría la
probabilidad de que si se repite el estudio, puede aparecer una odd ratio igual a 1
o menor a 1. Si el intervalo de confianza fuera 0,8 a 10, se dice que no es
significativo porque existe la probabilidad de que pueda caber 1 en algún
momento.
Entonces, aquí la OR es 5,8 y el límite inferior es sobre 1 (bastante sobre 1) por lo
que se podría decir que está odd ratio es significativa. En cambio, si el límite
inferior fuera 1 o menor a 1, deja de ser significativo.

- Mujeres entre 50 y 81 años que presentan fractura de cadera y con terapia

hormonal de reemplazo (THR)

La odd ratio es 0,39 por lo que es un valor menos de 1.

Si en mujeres entre 50 y 81 hay uso de terapias de reemplazo hormonal, se ve que

los casos de fracturas son menores, por lo que se tiene este es un factor protector.
Entonces, cuando se calcula una odd ratio, va a dar 0,39 si es que lo que se está
estudiando es un factor protector.

Los factores de riesgo siempre van a ser mayores que 1 y los factores
protectores siempre van a ser menores que uno.

Si se hubiera dado vuelta esto y se hubiera puesto el no uso de terapia hormonal

arriba y el uso de terapia abajo en la tabla, habría pasado que habría dado un valor
de 2,5 y ahí se podría haber dicho que las mujeres que no usan terapia hormonal
de reemplazo, tienen 2,5 veces más riesgo de tener una fractura que aquellas que
la usan.

Ahora si se cambia de lugar esto y se pone tal como está en la tabla y da el valor
0,39, es porque se está obteniendo un valor protector, es decir, ese factor no es un
factor de riesgo sino que protector.

¿Cómo se lee el factor protector?

Una forma fácil de leer esto es de la siguiente manera: 1-0,39 x 100 = 61%. Esto
significa que el uso de terapia hormonal protege en un 61% de fractura de cadera.
Entonces, la forma fácil de leer ese factor protector es: 1 - odd ratio x 100 y
expresar el resultado en porcentaje.
Cuando se tiene un factor protector, ¿qué valor de intervalo de confianza será
importante para que este valor sea significativo?
Este valor será el superior que no debe ser mayor a 1.

Cuando se analiza la OR, es decir, que se tiene un factor de protección y se quiere

saber si es significativo o no, es necesario fijarse en el límite superior y que este no
sea mayor a 1 porque, por ejemplo, si el valor fuera 1,5 no sería significativo, ya que,
en el intervalo de confianza se incluye a 1.

La lectura del ejercicio es: “El uso de la terapia hormonal de reemplazo protege en
un 61% de fractura de cadera”.

Tabla resumen: Interpretación

del valor de odds ratio.

➔ Si la Odd Ratio da
como valor 1 → No hay
evidencia en la
asociación.
➔ Si la Odd Ratio es
mayor a 1 es un factor
de riesgo, mientras el
límite inferior sea
mayor a uno y el
superior también →
Factor de riesgo significativo.
➔ Si la Odd Ratio es mayor que 1 pero su límite inferior es menor a 1 → No es
una asociación significativa.
➔ Si la Odd Ratio es menor a 1, el límite inferior es menos que 1 y el superior
también → factor de protección significativo.
➔ Si la Odd Ratio es menor a 1, osea que es un factor protector pero el
límite superior es mayor que 1 → No es una asociación significativa.

Pregunta: ¿Cuando se calcula el intervalo de confianza para el factor riesgo hay

que fijarse en límite inferior y para los factores protectores hay que fijarse en el
límite superior?
Hay que fijarse que el límite superior sea menor que 1 (factor protector) y que el
límite inferior sea mayor que 1 (factor de riesgo)

Pregunta 2: ¿Qué significa que un factor sea “significativo”?

Cuando una asociación es significativa significa que no es producto del azar, y
cuando no es significativa es porque exista la probabilidad de que sea por el azar.
En este sentido las probabilidades son muy importantes. La probabilidad se
expresa en todos los papers con un concepto llamado “Valor de P” o en inglés
“P-Value”. Al hacer la sección de materiales y métodos el valor de P se fija,
habitualmente a un nivel de significancia de un 5%. Entonces, si se fija a un 5%, al
calcular las probabilidades, y la probabilidad de la asociación, osea, el valor de la
OR Ratio es, por ejemplo, menor al 5%, se va a decir que el hallazgo que
encontre SI es significativo del punto de vista estadístico.

Se dirá que NO es significativo cuando la probabilidad de que eso se deba al

azar es de un valor p de más del 5%, y ese valor es un acuerdo internacional, si es
menor o igual del 5% si es significativo estadísticamente.

Al hablar de intervalos de confianza y significancia se relaciona con lo mismo, si se

debe o no al azar. Es obligatorio poner no solo el valor de confianza sino también
el valor de p.