La precisión de un estudio tambión mejora si se garantiza un tamaño relativo adecuado de los grupos. Este tema suele ser importante en los estudios de casos y controles cuando se necesita decidir el número de controles a elegir por cada caso. No hay una norma definitiva para determinar la razón ideal entre número de controles y número de casos, ya que hay que considerar el costo relativo de la recolección de casos y controles. Si hay escasez de casos y abundancia de controles, es conveniente aumentar la proporción entre ambos, Por ejemplo, en el estudio de casos y controles sobre los efectos de la talidomida (pAgs. 4041), se compararon 46 niños afectados con 300 niños normales. Sin embargo, como regla general tiene poco interes disponer de más de cuatro controles por cada caso. Es importante comprobar que hay similitud suficiente entre los casos y los controles cuando se analizan los datos por ejemplo, respecto a edad o clase social; si la mayor parte de los casos y solo algunos controles corresponden a grupos de edad avanzada, el estudio resultará una pérdida de tiempo quizá grande.
Error sisternático
En epidemiologia se habla de error (o sesgo) sistemático cuando existe una tendencia a obtener resultados que difieren de forma sistemática de los valores verdaderos. Si un estudio tiene un error sistemático pequeño su exactitud se considera elevada. La exactitud no depende del tamafio de la muestra.
El error sistemático es un riesgo particular, porque los epidemiólogos, a diferencia de los científicos que trabajan en el laboratorio, no suelen tener control sobre los participantes en los estudios. Además, a menudo resulta dificil obtener muestras que sean representativas de la población originaria. Algunas variables de interés en epidemiología son especialmente difíciles de medir; es lo que ocurre por ejemplo con el tipo de personalidad, los hábitos de consumo de alcohol y las exposiciones previas a condiciones ambientales que cambian rápidamente, dificultades todas que pueden dar lugar a errores sistemáticos.
Las posibles fuentes de error sistemático en epidemiología son muchas y variadas, de manera que se han identificado más de 30 tipos de sesgos específicos. Los principales son:
• sesgo de selección;
• sesgo de medición (o clasificación).
El fenomeno de confusión, que da lugar a cálculos erroneos del efecto, no es estrictamente un sesgo, ya que no es consecuencia de un error sistemático en el diseño del estudio. Surge debido a que la distribución no aleatoria de factores de riesgo en la población originaria tambión ocurre en la población estudiada.
Sesgo a selección
El sesgo de selección se produce cuando existe una diferencia sistemática entre las caracteristicas de la población seleccionada para un estudio y las características de la población no seleccionada. Un sesgo de selección evidente es el que se produce cuando los participantes se seleccionan a sí mismos para el estudio, bien debido a que no se encuentran bien, bien porque están especialmente preocupados por una exposición. Por ejemplo, es bien sabido que las personas que responden a una invitación para participar en un estudio sobre los efectos de fumar tienen hábitos de consumo de tabaco distintos a los de las personas que no responden; estos últimos suelen ser grandes fumadores. En los estudios de salud infantil en los que se necesita la cooperación de los padres, también puede haber sesgo de selección. En un estudio de cohorte de recién nacidos (Victora et al., 1987), la proporción cuya evolución pudo seguirse satisfactoriamente durante 12 meses varió según el nivel de ingreso de los padres. Si las personas que entran o permanecen en un estudio tienen caracteristicas distintas del resto, se produce un cálculo sesgado de la asociación entre exposición y resultado final.
Un sesgo de selección importante es el que se produce cuando la misma enfermedad o factor que se investiga hace que las personas que la presentan no sean detectables para el estudio. Por ejemplo, en una fábrica en la que los trabajadores están expuestos al formol, los que sufren mayor irritación ocular es probable que dejen ese trabajo por voluntad propia o por consejo médico. Los demás trabajadores estarán menos afectados y un estudio de prevalencia en el lugar de trabajo sobre la asociación entre exposición al formol e irritación ocular puede dar resultados muy engañosos.
En epidemiología ocupacional siempre existe, por definición, un sesgo de selección muy importante, el llamado efecto del trabajador sano (cap. 9): los trabajadores han de estar lo suficientemente sanos para poder realizar sus tareas; los que están gravemente enfermos o incapacitados quedan habitualmente excluidos del trabajo. De la misma forma, un estudio basado en exámenes Ilevados a cabo en un centro de salud sin seguimiento de la evolución de los participantes que no vuelven al mismo puede producir resultados sesgados: los pacientes enfermos pueden hallarse encamados en su domicilio o en un hospital. Todos los diseños de estudios epidemiológicos han de tener en cuenta este tipo de sesgo de selección.
Sesgo de medición
Cuando las mediciones o clasificaciones individuales de la enfermedad o de la exposición son inexactas (es decir, no miden correctamente lo que se supone que debe de medir) se produce un sesgo de medición. Son muchas las fuentes de sesgos de medición y sus efectos tienen una importancia variable. Por ejemplo, las determinaciones bioquímicas o fisiológicas nunca son completamente exactas y a menudo diferentes laboratorios producen resultados distintos con una misma muestra. Si las muestras de los grupos expuestos y de control son analizadas aleatoriamente por distintos laboratorios con procedimientos conjuntos de garantía de calidad insuficientes, los errores serán aleatorios y potencialmente menos graves para el análisis epidemiológico que si todas ]as muestras del grupo expuesto se analizan en un laboratorio y todas las del grupo control en otro. Si los laboratorios producen resultados sistemáticamente diferentes cuando analizan una misma muestra, la valoración epidemiológica estará sesgada.
Una forma de sesgo de medición especialmente importante en los estudios retrospectivos de casos y controles es el Ilamado sesgo de recuerdo, que se produce cuando existe un recuerdo, o información diferencial entre casos y controles; por ejemplo, puede ser que los casos recuerden mejor la exposición pasada, sobre todo si saben que la misma se asocia a la enfermedad en estudio (por ejemplo, la falta de ejercicio y las enfermedades cardiacas). El scsgo de recuerdo puede exagerar el grado de efecto asociado con la exposición (como sucede en los pacientes cardiacos, que es más probable que reconozcan haber Ilevado una vida sedentaria) o puede reducirlo (cuando la probabilidad de negar la exposición pasada es mayor en los casos que en los controles).
Si el sesgo de medición aparece por igual en los grupos que se comparan (sesgo no diferencial), se produce casi siempre una infravaloración de la verdadera fuerza de la relación. Esta forma de sesgo puede justificar algunas discrepancias aparentes entre los resultados de distintos estudios epidemiológicos.
Fenómeno de confusión
En un estudio de la asociación entre la exposición a una causa (o factor de riesgo) y la ocurrencia de la enfermedad, puede producirse un fenómeno de confusión cuando en la población estudiada existe otra exposición asociada tanto a la enfermedad como a la exposición sometida a estudio. El problema se plantea cuando este factor extraño (en si mismo determinante o factor de riesgo para el resultado final de salud o enfermedad) tiene una distribución distinta entre los subgrupos de exposición. El fenómeno de confusión ocurre cuando los efectos de dos exposiciones (factores de riesgo) no se diferencian y se Ilega asf a la conclusi6n incorrecta de que el efecto se debe a una variable y no a la otra. Por ejemplo, en un estudio sobre la asociación entre consurno de tabaco y cáncer de pulmón, la edad sería un factor de confusión si el promedio de edad de los grupos de no fumadores y de fumadores en la población estudiada fueran muy distintos, ya que la incidencia del cdncer de pulmón aumenta con la edad.
El fenómeno de confusión puede tener gran influencia e incluso puede cambiar la dirección aparente de una asociación. Una vez controlado el fenómeno de confusión, una variable que parezca protectora puede resultar realmente nociva. Lo más preocupante del fenómeno de confusión es que puede crear la apariencia de una relación causaefecto que en realidad no existe. Para que una variable sea un factor de confusión, debe estar asociada con la exposición en estudio y ser por si misma un determinante de la enfermedad (es decir, debe ser tin factor de riesgo). Por tanto, en un estudio de exposición al radón y cáncer de pulmón, el tabaco no es un factor de confusión si los hábitos de consurno de tabaco son idénticos en el grupo expuesto al radón y en el grupo control.
En los estudios epidemiológicos, la edad y la clase social suelen ser factores de confusión. Una asociación entre hipertensión y cardiopatía isquímica puede representar verdaderamente el cambio simultáneo de las dos variables al aumentar la edad; hay que tener en cuenta el efecto potencial de confusión de la edad y, cuando así se hace, se observa que de hecho la hipertensión incrementa el riesgo de cardiopatia isquimica.
Otro ejemplo de factor de confusión es el que muestra la figura 3.10. El fenómeno de confusión podría explicar la relación demostrada entre consurno de café y riesgo de cardiopatía isquímica, ya que se sabe que el consurno de café se asocia al de tabaco: las personas que toman café tienen mayor probabilidad de fumar que las personas que no lo toman. También se sabe que el consumo de tabaco, es causa de cardiopatía isquímica. Por tanto, es posible que la relación ente consurno de café y cardiopatía isquímica sea un mero reflejo de la conocida asociación causal del tabaco con la enfermedad. En este ejemplo, el tabaco confunde la aparente asociación entre consurno de café y cardiopatia isquímica.
Control del fenómeno de confusión
Hay varios métodos para controlar el fenómeno de confusión mediante el diseño del estudio o durante el análisis de los resultados.
Los métodos habitualmente utilizados para controlar el fenómeno de confusión en el diseño de un estudio epidemiológico son:
• asignación aleatoria o aleatorización;
• restricción;
• aparearniento.
En el estadio de análisis, el fenómeno de confusión puede controlarse mediante:
• estratificación;
• aplicación de un modelo estadístico o "modelado" estadistico.
Fig.3.10. Fenómeno de confusión: consumo de café, consumo de tabaco y cardiopatía isquímica
La asignación aleatoria o aleatorización, aplicable solo a los estudios experimentales, es el método ideal para garantizar que las posibles variables de confusión están distribuidas por igual entre los grupos que van a compararse. Los tamaños de las muestras han de ser lo suficientemente grandes como para que sea posible evitar una maldistribución aleatoria de dichas variables. La aleatorización evita la asociación entre variables que pueden actuar como potenciales factores de confusi6n y la exposición que estd siendo objeto del estudio. La restricción limita el estudio a personas que tienen caracteristicas especiales. Por ejemplo, en un estudio sobre los efectos del CAM en la cardiopatia isquÍmica, el estudio podria limitarse a no fumadores, con lo que se eliminaría el efecto potencial de confusión del tabaco.
Cuando se controla el fenómeno de confusión mediante apareamiento, los participantes en el estudio se seleccionan de manera que las potenciales factores de confusión se encuentren distribuidos de forma similar en los dos grupos que van a compararse. Por ejemplo, en un estudio de casos y controles sobre ejercicio y cardiopatía isquímica, cada paciente con cardiopatía puede aparearse con un control o testigo de igual edad y sexo; asi se garantiza que no habrá fenómeno de confusión debido a la edad o el sexo. El apareamiento se usa mucho en los estudios de casos y controles, pero puede dar lugar a problemas en ]a selección de los controles cuando los criterios de aparearniento son demasiado estrictos o demasiado numerosos, lo que se denomina hiperapareamiento o sobreapareamiento.
El apareamiento puede resultar costoso y prolijo, pero es especialmente útil cuando hay riesgo de que los casos y los controles no se corresponden, como sucede cuando los casos son probablemente de edad más avanzada que los controles.
En estudios grandes suele ser preferible controlar los fenómenos de confusión en la fase analítica y no en la fase de diseño. De esta forma pueden controlarse los factores de confusión mediante estratificación, o sea, midiendo la fuerza de las asociaciones en categorías bien definidas y homogéneas (estratos) de la variable de confusión. Si la edad es uno de estos factores, la asociación puede medirse, por ejemplo, en grupos de 10 en 10 años; si el sexo o la raza pueden ser factores de confusión, se medirá por separado la asociación en varones y mujeres o en los distintos grupos étnicos. Hay métodos para calcular la asociación global mediante un promedio ponderado de las estimaciones en cada uno de los estratos.
Aunque la estratificación es conceptualmente simple y relativarnente fácil de Ilevar a cabo, a menudo esta limitada por el tamaño del estudio y no ayuda a controlar simultáneamente muchos de los factores de confusión, como a menudo es necesario. En estos casos, se necesita un modelado estadistico (de variables múltiples) para calcular la fuerza de la asociación y al mismo tiempo controlar las diversas variables que actidan como factores de confusión; este tipo de análisis puede llevarse a cabo mediante diversas técnicas estadisticas (Dixon y Massey, 1969).
Validez
La validez expresa el grado en que la prueba puede medir realmente lo que pretende medir. Un estudio es válido si sus resultados corresponden a la verdad; para elio no debe existir ningún error sistemático (pág. 50) y el error aleatorio debe ser lo más pequeño posible. En la figura 3.11 se indica la relación entre el valor verdadero y los valores medidos para distintos grados de validez y fiabilidad. Cuando la fiabilidad es baja y la validez es alta, los valores medidos se diseminan, pero la media de estos valores se mantiene cercana al valor verdadero. Por otra parte, una fiabilidad alta (o repetibilidad) de las mediciones no asegura su validez, porque todos los valores pueden estar lejos del verdadero. Existen dos tipos de validez: interna y externa.
Fig. 3.11. Validez y flabilidad
Validez Interna
La validez interna es el grado en que los resultados de una observación son correctos para el grupo específico de personas objeto del estudio. Por ejemplo, las determinaciones de hemoglobina sanguinea deben permitir diferenciar con exactitud a los participantes con anemia, tal como se haya definido en el estudio. El análisis de la sangre en un laboratorio distinto quizá produzca resultados diferentes debido al error sistemático, pero la valoración de las asociaciones con la anemia tal como fue medida en un laboratorio, puede seguir siendo internamente válida.
Para que un estudio tenga alguna utilidad, debe ser internamente válido, aunque un estudio de perfecta validez interna puede no sea útil si sus resultados no son comparables con los de otros estudios. La validez interna resulta cuestionada por todo tipo de errores sistemáticos, pero puede mejorarse si se dispone de un buen diseño y se presta atención a los detalles.
Validez extema
La validez externa o capacidad de generalización es el grado en que los resultados de un estudio pueden aplicarse a personas que no han formado parte de 61 (o, por ejemplo, a laboratorios que no han participado). La validez interna es necesaria para que exista validez externa, aunque no la garantiza. La validez externa requiere a la vez un control externo de la calidad de las mediciones y un juicio racional sobre el grado en que los resultados del estudio pueden extrapolarse. Esto no requiere que la muestra estudiada sea representativa de una población de referencia. Pot ejemplo, probar que el efecto de la reducción del colesterol sanguíneo en varones es también aplicable a mujeres requiere un juicio racional de la validez externa del estudio en varones. Los diseños en los que se estudia una hipótesis claramente expresada en poblaciones bien definidas contribuyen a que los estudios correspondientes tengan validez externa.
Las normas generales para la realización de investigaciones biomédicas se encuentran en la Declaración de Helsinki* y en Ethics and epidemiology: international guidelines, publicado pot el Consejo de Organizaciones Internacionales de Ciencias. Eticas (Bankowski et al., 1991). La práctica de la epidemiologia obliga a seguir los principios básicos de la ética biomédica y supone obligaciones especiales respecto a las personas y las comunidades, no solo hacia los participantes en los estudios, sino también hacia las personas cuya salud podra protegerse o mejorarse al aplicar los resultados. Las personas que han estado expuestas a un peligro para su salud deben darse cuenta de que los estudios epidemiológicos en los que han participado pueden no mejorar su situación personal, pero sí ayudar a proteger a miles de personas.
Los participantes en los estudios deben dar consentimiento libre e informado y han de conservar su derecho a abandonar la investigación en cualquier momento. Sin embargo, puede resultar poco práctico obtener consentimiento informado para acceder a las historias clínicas habituales. Los epidemiólogos deben respetar la intimidad y la confidencialidad personal en todo momento. Tienen la obligación de comunicar a las comunidades lo que están haciendo y sus motivos, y transmitir los resultados y el significado de sus estudios a las comunidades implicadas. Las propuestas de estudios epidemiológicos deben ser examinadas por comités de ética adecuadamente constituidos antes de comenzar los trabajos.
Autor:
Maximo Contreras
| Página siguiente |