Algunas consideraciones sobre la incidencia Especificación del denominador. El denominador debe de estar definido y correctamente enumerado. Hay dos puntos importantes con respecto al denominador en las tasas de incidencia a) como la incidencia cubre un periodo de tiempo el número de sujetos en riesgo va a modificarse. La solución mas practica es tomar como denominador a la población existente a la mitad del periodo de observación
Algunas consideraciones sobre la incidencia b) Como la incidencia se refiere a casos nuevos, solo deberíamos incluir a las personas en riesgo de adquirir la enfermedad. El denominador no debe incluir a aquellos sujetos que ya la tienen o que no están en riesgo de hacerlo. Usualmente sin embargo esta corrección al denominador nunca se hace pues técnicamente es muy difícil hacerlo; además suele carecer de significancia estadística
Algunas consideraciones sobre la incidencia Periodo de observación siempre se debe definir el periodo exacto de observación. En general es un año, pero puede ser cualquier otro periodo de tiempo
Algunas consideraciones sobre la incidencia Periodos de observación de duración no uniforme Denominadores de persona-tiempo Vamos a suponer que un grupo especifico de individuos esta siendo observado prospectivamente para determinar la incidencia de úlcera péptica y el estudio se va a prolongar 3 años
Algunas consideraciones sobre la incidencia Durante el seguimiento algunos de los pacientes se pierden, se mudan a otra región o fallecen. Además, los pacientes ingresan al estudio en diferentes épocas después de que este se ha iniciado Todo esto trae como consecuencia periodos de observación de diferente duración, lo que hará que los sujetos contribuyan en forma desigual al cálculo de la población en riesgo
Algunas consideraciones sobre la incidencia Con el propósito de utilizar todos los casos y poder balancear la contribución en tiempo de observación de cada uno de los participantes, vamos a utilizar una unidad de tiempo persona, Vg. año-sujeto para el denominador Por ejemplo, en este estudio hipotético de incidencia de úlcera péptica, 12 sujetos son observados por periodos de tiempo de diferente duración
En conjunto las 12 personas fueron observadas por un total de 66 años Si entre estos doce sujetos se desarrollan 3 casos de úlcera péptica, la incidencia sería de 3 en 66 años de seguimiento o 4.5 por 100 años-sujeto de observación
Denominador tiempo-persona Es válido únicamente bajo 3 condiciones: el riesgo de enfermedad es constante durante todo el periodo de seguimiento (habitualmente no es así) la tasa de enfermedad/muerte entre los que se pierden a seguimiento debe ser la misma que para los que siguen bajo observación. Esto requiere tratar de determinar que sucedió con los sujetos que se perdieron
Denominador tiempo-persona si la enfermedad es rápidamente fatal algunos individuos se observaran por periodos inferiores a la unidad de tiempo y esto hará que la tasa sea artificialmente alta (contarán como un caso en el numerador, pero como menos de una unidad tiempo-persona en el denominador)
Usos de la incidencia y prevalencia La prevalencia es útil particularmente en el estudio de enfermedades crónicas; también es útil para planear las cargas de trabajo y las necesidades de equipamiento Cuando no existe información para calcular la incidencia las tasas de prevalencia pueden utilizarse para estimar la importancia de una enfermedad en la población sin olvidar sin embargo que la prevalencia no es un buen estimador de la incidencia
Usos de la incidencia y prevalencia Las tasas de incidencia son la herramienta fundamental para el estudio de la etiología de enfermedades tanto agudas como crónicas Como nos dan una determinación directa de la tasa de enfermedad en una población, nos permite establecer el riesgo de enfermedad
Usos de la incidencia y prevalencia Al comparar las tasas de incidencia de una enfermedad entre grupos poblacionales que difieren en uno o mas factores identificables podemos probar por medio de estudios analíticos si un factor afecta el riesgo de adquirir la enfermedad, e incluso podemos establecer una hipótesis sobre la magnitud del efecto
Usos de la incidencia y prevalencia La incidencia constituye una determinación directa del riesgo En contraste, una prevalencia elevada no necesariamente indica un alto riesgo; quizás solo refleje un incremento en la sobrevida Por el contrario una prevalencia baja puede deberse a un proceso rápidamente fatal, una recuperación rápida o una incidencia baja
Usos de la incidencia y prevalencia Una limitante de la prevalencia es que nos da una imagen sesgada de la enfermedad ya que favorece la inclusión de casos crónicos sobre los agudos La diferencia entre casos incidentes y prevalentes puede ser una fuente importante de sesgo
Esta diferencia es fundamental para comprender los resultados de un programa de tamizaje El primer rastreo poblacional va a detectar casos prevalentes e incidentes; un segundo rastreo detectará ya solo los casos incidentes que se desarrollaron a partir del primer rastreo
Usos de la incidencia y prevalencia
Otra limitante de la prevalencia es evidente en estudios de corte seccional, en donde la presencia de un factor de riesgo y la presencia de enfermedad se miden simultáneamente, esto es, la causa y el efecto se miden al mismo tiempo Usos de la incidencia y prevalencia
Usos de la incidencia y prevalencia Para poder considerar que un factor tiene una asociación causal con un padecimiento, el factor debe anteceder al padecimiento Es decir, la variable independiente debe anteceder a la variable dependiente, lo que no es posible establecer en un estudio de corte seccional
Usos de la incidencia y prevalencia Es importante reconocer este aspecto pues frecuentemente se utiliza información de un estudio de corte seccional para desarrollar inferencias causales, sobre todo porque es mas fácil determinar la prevalencia
Usos de la incidencia y prevalencia La determinación de la incidencia requiere de por lo menos dos determinaciones en los mismos individuos: primero una encuesta para identificar a los individuos que no tienen la enfermedad una segunda evaluación de estos individuos sanos para determinar cuantos se enfermaron a partir de la primera encuesta
Usos de la incidencia y prevalencia Esto queda demostrado en el estudio clásico de Framingham sobre enfermedades cardiovasculares (ECV) Se llevo a cabo un estudio de CS para determinar la prevalencia de ECV Dos años después fueron evaluados los sujetos inicialmente libres de ECV para determinar la incidencia
La explicación a esta discrepancia es el diferente curso que sigue la enfermedad en ? y ? jóvenes En los ? jóvenes la ECV se manifestaba como IAM y muerte súbita En las ? jóvenes era mas común que se manifestara como angina de pecho
Dada la mayor duración de la enfermedad en ?, la prevalencia en estas se incrementa e iguala a la de los ? a pesar de la mucho mayor incidencia de ECV en el ?
Ajuste de tasas Las tasas crudas se refieren a toda una población Son tasas que pueden ocultar el hecho de que uno o mas subgrupos de esa población presenten un riesgo significativamente diferente
Ajuste de tasas Por ejemplo, la población total no es un denominador ideal para una tasa de mortalidad ya que las personas en diferentes grupos de edad difieren con respecto a su riesgo de muerte
(Gp:) Misma tasa de mortalidad específica
Ajuste de tasas La tasa cruda de mortalidad es un promedio balanceado de las tasas de mortalidad específicas por grupo de edad (el balance lo dan las proporciones de cada grupo)
Ajuste directo de las tasas La diferencia en la composición de la edad de dos grupos puede ser eliminada para permitir una comparación justa de las dos poblaciones. Los pasos a seguir son los siguientes: Seleccione una población estándar
(Gp:) Combinamos la población A con la población B
(Gp:) Multiplicamos las columnas 1 ? 2 y 1 ? 4
Esto responde a nuestra pregunta ¿Cuál seria el número de muertes esperadas en la población estándar si las persona estuvieran muriendo con las tasas observadas para cada grupo específico de población (A y B)
LA RESPUESTA OBVIAMENTE ES FICTICIA
E número de muertes esperadas (74) es el mismo para ambos grupos A y B y las tasas ajustadas por edad (74/10,000=7.4/1,000) son también iguales ¿Porque ocurre esto? La población A y B tienen la misma tasa de mortalidad específica por grupos de edad; una vez eliminada la diferencia en la composición de las poblaciones al utilizar una población estándar, las tasas se vuelven idénticas
Ahora vamos a suponer que las tasas de mortalidad ya no son idénticas La tasa para la poblacion A= 74/10,000 ó 7.4 por 1,000 La tasa para la poblacion B= 92/10,000 ó 9.2 por 1,000
La población estándar a utilizar puede ser seleccionada en forma arbitraria, esto es en lugar de combinar A+B, pueden utilizarse los datos demográficos de algún censo
1.34 1.89 20.55 Población, muertes de residentes y tasas de mortalidad por edad para las poblaciones A y B, 1960 Población A Población B (Gp:) ¿Porque?
49.8% (Gp:) 19.5%
Ajuste indirecto de tasas ¿Que podemos hacer cuando: el número de muertes es muy pequeño lo que lleva a cálculos inestables de las tasas de mortalidad específica por grupo de edad se desconocen las tasas de mortalidad específica por grupo de edad
Ajuste indirecto de tasas Con el método indirecto, las tasas de la mayor de las dos poblaciones se utiliza como estándar debido a que sus tasas son mas estables
Ajuste indirecto de tasas El ajuste indirecto de las tasas de mortalidad se basa en las tasas de mortalidad especifica por grupo de edad mas que en la composición por edad Equivale a preguntarnos cual seria la mortalidad en la población mas pequeña si las tasas de muerte específicas por edad fueran las mismas que las de la población estándar
se tomaron rx de tórax para detectar TB; se evaluaron para anomalías CV población total 24,884 (24,772 normales +112 con ECV) la mortalidad en el grupo ECV es de 17.9 la mortalidad en el grupo sin ECV es de 1.15 la mortalidad cruda es 15.6 veces mayor en el grupo con ECV
la distribución por edad es muy diferente en el grupo de ECV el 58% de la población es >55 en el grupo sin ECV solo el 9.1% es >55 ES NECESARIO AJUSTAR POR EDAD
el grupo con ECV solo tuvo 20 muertes vs. 286 del grupo sin ECV sus tasas de mortalidad específica por grupo de edad son muy inestables
Por ejemplo…
En cambio…
¿Como calculan las muertes esperadas? 15-34 23 ? 0.25/100 = 0.057 = 0.01 (muertes observadas= 1) 35-54 24?1.15/100 = 0.27 = 0.3 (muertes observadas= 5) 55+ 65?6.61/100 = 4.29 = 4.3 (muertes observadas= 14)
Aun después del ajuste la tasa de mortalidad es mayor para el grupo ECV+ que para el grupo ECV- (4.25 vs.1) Esto es, tuvieron mas muertes que las esperadas si tuvieran las mismas tasas de mortalidad especifica por grupo de edad que la población estándar
Una forma común de evaluar el ajuste por el método indirecto es el relacionar el total de muertes esperadas y observadas
(Gp:) Tasa de mortalidad estandarizada (Gp:) = (Gp:) Total de muertes observadas
Total de muertes esperadas
Tasa de Mortalidad Estandarizada Si la TME es >1 indica que hay un mayor número de muertes que las esperadas Si la TME es < 1 indica que hay un menor número de muertes que las esperadas
Análisis de la mortalidad por cohorte En todos los grupos de edad la incidencia ha ido disminuyendo En todos los grupos es similar: alta en la infancia baja en la adolescencia incrementa de ahí en adelante
Análisis de la mortalidad por cohorte La curva de 1960 da la impresión de que el riesgo de mortalidad por TB se va incrementado con la edad Esto sin embargo no es cierto
Cuando la frecuencia de la enfermedad cambia con el paso del tiempo, se recomienda analizar la información agrupando a los sujetos por su fecha de nacimiento Los grupos resultantes se conocen como cohortes de nacimiento Análisis de la mortalidad por cohorte
Análisis de la mortalidad por cohorte
Análisis de la mortalidad por cohorte
(Gp:) Curva de corte seccional
Curva de cohorte
Por el contrario, cuando la frecuencia de la enfermedad aumenta con el paso del tiempo, las curvas de corte seccional muestran un aparente decremento con la edad Análisis de la mortalidad por cohorte
Mortalidad por cáncer broncogénico
Estimación de riesgo Los estudios analíticos están diseñados para determinar si existe una asociación entre un factor y una evento de salud y si es así, determinar la intensidad de dicha asociación
Estimación de riesgo Un estimador muy importante del grado de asociación que analiza la tasa de incidencia de la enfermedad en cuestión en sujetos con y sin el factor de riesgo de interés es el llamado riesgo relativo (Gp:) tasa de incidencia en expuestos tasa de incidencia en no expuestos (Gp:) Riesgo relativo=
Estimación de riesgo Los estudios prospectivos permiten el cálculo directo de las tasas de incidencia de enfermedad en poblaciones expuestas y no expuestas Esto se debe a que ambos grupos representan una población definida en cuanto al riesgo y pueden ser seguidos para determinar el desarrollo de enfermedad
En los estudios retrospectivos las tasas de incidencia no pueden ser determinadas porque carecemos de un denominador apropiado (población en riesgo)
Debido a la forma en que se integran los grupos en un estudio retrospectivo, estos no representan al total de la población expuesta y no expuesta A pesar de ello, si es posible determinar en forma alternativa una estimación de riesgo si se satisfacen ciertos requisitos
Razón de riesgo Los controles son representativos de la población general Los casos son representativos de todos los casos en la población general La frecuencia de enfermedad es baja
Razón de riesgo Si se satisfacen estos requisitos se puede realizar una estimación del riesgo denominada tasa de momios (o razón de momios)
Razón de momios
La razón de riesgo (algo similar a la incidencia) seria igual a: (Gp:) P1
P1+ P2 (Gp:) P3
P3+ P4 (Gp:) ?
(Gp:) de los que tienen el factor cuantos están enfermos
(Gp:) de los no que tienen el factor cuantos están enfermos
Si como es lo habitual, la frecuencia de enfermedad en la población es baja, P1 será pequeño en relación a P2 y P3 será pequeño en relación a P4 por lo que podemos reducir los denominadores a P2 y P4 (Gp:) P1
P2
(Gp:) P3
P4
? (Gp:) P1 P4
P2 P3
La expresión:
se denominada tasa o razón de momios porque el resultado se puede considerar como la probabilidad de tener la enfermedad con el factor presente y ausente respectivamente
(Gp:) P1
P2 (Gp:) P3
P4 (Gp:) ?
Por ejemplo Hace algún tiempo se pensó que la amigdalectomía podía asociarse al desarrollo subsiguiente de la enfermedad de Hodgkin Se reunieron 101 casos de enfermedad de Hodgkin y 107 controles libres de Hodgkin y se investigó si tenían historia de amigdalectomía
Amigdalectomía y Enf. Hodgkin AMIGDALECTOMIA
(Gp:) 67
43 (Gp:) 64
34 (Gp:) ? (Gp:) OR= (Gp:) =2.9
La razón de momios mostrara:
este estudio estimó que el riesgo de desarrollar Hodgkin después de una amigdalectomía era 3 veces mayor que en los sujetos no amigdalectomizados
Este método es adecuado para aquellos estudios en donde los controles no han sido apareados Un problema inherente en estos casos va ser el de la existencia de factores de confusión
Factores de confusión Una “variable de confusión” es aquella que que se sabe que puede estar asociada tanto con el factor de riesgo de interes como causalmente con la enfermedad bajo estudio Es importante controlarlos ya que nos pueden llevar a asociaciones espurias o sesgadas entre el factor de interés y la enfermedad
Por ejemplo la edad, el nivel de educación y el nivel socioeconómico son variables de confusión comunes porque cada una suele estar asociada con los factores de riesgo y la enfermedad bajo estudio Existen dos formas de controlarlos: por apareo de los controles por métodos estadísticos (estratificación o regresión) Factores de confusión
Apareo de los controles Método sencillo para controlar los factores de confusión Consiste en elegir los controles de manera que sean similares a los casos en ciertas características Las variable mas frecuentemente apareadas son la edad, el género y la raza
Apareo de los controles Cuando se aparean los controles, el apareo debe mantenerse durante el análisis estadístico Si no se tiene esta precaución suele resultar en una subestimación del riesgo
Hay que tener cuidado en solo aparear las variables que puedan constituir un factor de confusión Obviamente no podemos investigar el efecto de una variable que ha sido apareada Apareo de los controles
Apareo de los controles El aparear demasiadas variables tiene inconvenientes: pudiera incluirse una variable con importancia causal incrementa el costo (se requiere seleccionar mas controles) si no se encuentran controles apropiados pudieran perderse algunos casos
Apareo de los controles En un estudio de C y C con apareamiento la unidad de análisis es el par: caso expuesto-control expuesto (a) caso expuesto-control no expuesto (b) caso no expuesto-control expuesto (c) caso no expuesto-control no expuesto (d)
Controles Casos a y d son pares concordantes y no contribuyen al análisis
Por lo tanto la razón de momios será b/c Un ejemplo lo constituye el estudio sobre la asociación de el uso de estrógenos y el cáncer de endometrio Se incluyeron 451 casos y 888 controles apareados por hospital, raza, edad (+5 a.) y fecha de ingreso (+6 meses)
Controles Casos Razón de momios = 76/10 = 7.6
Riesgo atribuible Es el grado en que la incidencia de enfermedad puede ser atribuida a un factor de riesgo Puede calcularse de dos formas:
(Gp:) RA= (Gp:) [incidencia en la población general]-[incidencia en los no expuestos] (Gp:) incidencia en la población general
Por ejemplo si la incidencia en la población general es de 2.5/1,000 y la incidencia en la población no expuesta es de 1/1,000, la proporción de la incidencia de enfermedad atribuible a la exposición es de: [2.5] – [1.0]/2.5 = 0.60 es decir, el 60% de los casos son atribuibles al factor de riesgo en cuestión Riesgo atribuible
También el riesgo atribuible se puede definir como la diferencia aritmética o absoluta en las tasas de incidencia entre los sujetos expuestos y no expuestos
| Página siguiente |