Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudios descriptivos
- Reporte de casos
- Serie de casos
- Ecológicos o poblacionales
- Corte transversal o prevalencia
Reporte de 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.
Serie de casos
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.
Ecológicos o poblacionales
Se clasifican en:
- De mapas
- Series temporales
- Correlación
a) Descriptivos o de mapas:
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.
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
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.
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.
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.
Características:
● Permite estimar la magnitud (cuántos están enfermos) y distribución de
una enfermedad o daño en un momento dado.
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.
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:
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.
Ventajas:
Desventajas:
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.
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
Definición de casos
Definición de controles
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
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.
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:
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.
Pueden haber problemas con las mediciones por parte del que está haciendo el
registro y aplicando el cuestionario o el observador, porque:
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).
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.
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.
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.
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.
Los factores de riesgo siempre van a ser mayores que 1 y los factores
protectores siempre van a ser menores que uno.
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.
La lectura del ejercicio es: “El uso de la terapia hormonal de reemplazo protege en
un 61% de fractura de cadera”.
➔ 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.