La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

1 Diseño de estudios casos-controles Dos grupos son seleccionados, uno de personas con la enfermedad (casos), y el otro de personas con las mismas características.

Presentaciones similares


Presentación del tema: "1 Diseño de estudios casos-controles Dos grupos son seleccionados, uno de personas con la enfermedad (casos), y el otro de personas con las mismas características."— Transcripción de la presentación:

1 1 Diseño de estudios casos-controles Dos grupos son seleccionados, uno de personas con la enfermedad (casos), y el otro de personas con las mismas características generales pero sin la enfermedad (controles) Compare la exposición en ambos grupos

2 2 Diseño de estudio de casos-controles Población objetivo Enfermos (Casos) No Enfermos (Controles) Expuesto No Expuesto Expuesto No Expuesto

3 3 Diseño de estudio de casos-controles Limitantes: No se puede obtener tasas de incidencia debido a que los sujetos son seleccionados en base a el resultado Una estimado de la razón de tasas de incidencia o riesgos(RR) es obtenido por el cálculo de razón de momios (OR)

4 4 Cálculo de la Razón de Momios (OR) B / D Probabilidad de exposición para controles = Razón de momios A / C Probabilidad de exposición para casos Resultado D B Controles C No expuestos A Expuestos Casos Exposición (estima el riesgo relativo)

5 5 Comparando OR y RR Resultado Controles 30 Not Exposed 70Exposed Casos Exposición OR = AD/BC = 5.44 RR = I e /I n = 4.41

6 6 Señalando los resultados OR = 5.44 Aquellos con la enfermedad son 5.44 veces más probable que tengan la exposición que aquellos sin la enfermedad RR = 4.41 Aquellos con la exposición son 4.41 veces más probable que desarrollen la enfermedad que aquellos sin la exposición

7 Resúmen de fuerzas y limitaciones de los estudios cohorte prospectivos y casos controles Limitaciones: Sesgos posibles en medición factores de riesgo después de que la enfermedad ha ocurrido Sesgo posible en la selección el grupo control Identificar casos pueden no representar exposición de todos los casos Limitaciones: Poco útil para enfermedades raras Relativamdente caro Relativamente resultados lentos Fuerzas: Util para enfermedades raras Relativamente barato Relativamente resultados rápidos Fuerzas: Oportunidad para medir factores de riesgo antes de que la enfermedad ocurra. Produce tasas de incidencia y estimaciones del riesgo relativo Caso-ControlCohorte prospectivo

8 8 Estudios Clínicos Aleatorizados (RCT) El estándar dorado Estudio Cohorte

9 9 Esquema de un estudio clínico Aleatorización Intervención onuevo tratamiento Mejoría Población del estudio No participantes Participantes No mejoría Control Tratamiento Control MejoríaNo mejoría

10 10 Diseño cruzado Sujetos son aleatorizados para una secuencia de dos o más tratamientos Cada sujeto sirve como su propio control GrupoSequencia Periodo 1 Lavado Periodo 2 IA, BAB IIB, ABA

11 11 Diseño factorial Dos o más tratamientos son evaluados simultáneamente en el mismo grupo de sujetos usando diferentes combinaciones de tratamientos Aleatorización Placebo Tratamiento A Placebo Tratamiento B Placebo Tratamiento B

12 ¿Cómo evaluamos si estudios de cáncer son válidos? Entendiendo sesgo y confusores

13 13 Probando para una verdadera asociación Examine la metodología para sesgos Examine el análisis para confusores Examine los resultados para significancia estadística

14 14 Examine el diseño del estudio para sesgos Sesgo de selección Errores en el proceso de identificación de la poblacjón del estudio y en la selección de los sujetos Sesgo de información/del observador Errores en las mediciones de la exposición o status de la enfermedad

15 15 Confusores Confusión es una aparente asociación entre enfermedad y exposición causado por un tercer factor no tomado en consideración

16 16 Ejemplos de confusores Estudio A encontró una asociación entre juego y cáncer de pulmón. El resultado puede estar confundido por tabaquismo. Estudio B encontró una mayor tasa cruda de mortalidad en Florida que en Alaska. La tasa puede estar confundida por diferencias en la estructura etárea de la población.

17 17 Proibando para confusores 1. Calcule la tasa cruda 2. Calcule una tasa ajustada para la variable confusora 3. Compare las dos mediciones Las dos mediciones serán diferentes si la variables es un confusor (en la práctica, cuando las mediciones cruda y ajustada difieren por al menos 10%)

18 18 (3) x (4) = (5) (4) (1) / (2) = (3) (2)(1) 288, ,500,000 xxx45,000115Total 171,419 25,700, por , , ,300, por , ,500 60,500, por , Esperado N° de muertes Población estándar EUA 1980 ASR Población en riesgo Muertes por cáncer Edad Tasa ajustada por edad (288,039 / 226,500,000) x por 1,000 Tasa cruda (115 / 45,000) x por 1,000 Edad es un confusor para muerte por cáncer No igual

19 19 Evaluando significancia estadística La probabilidad de que obtengas tus resultados como resultado sólo del azar es el valor de p Un valor de p bajo ( < 0.05 ) dice que el azar no es la probable explicación de tus resultados El intervalo del confianza al 95% (CI) es el rango de valores donde el verdadero valor será localizado 95% de las veces Grandes tamaños de muestra producirán intervalos de confianza estrechos Pequeño tamaño de muestra producirán amplios intervalos de confianza

20 20 Evaluando resultados RR = 1: No hay diferencia de la enfermedad entre los grupos expuestos y no expuestos OR = 1: No hay diferencia de exposición entre casos y controles Ejemplos: RR = 1.8 (1.6, 2.0) es estadísticamente significativo RR = 1.8 (0.8, 2.9) no es estadísticamente significativo OR = 0.7 (0.6, 0.8) es estadísticamente significativo OR = 0.7 (0.4, 1.2) no es estadísticamente significativo

21 ¿Cómo evaluamos si asociaciones entre cáncer y factores de riesgo son causales? Entender criterios de causalidad

22 22 Mostrar causa Enfermedad crónica y condiciones complejas requieren que usemos los postulados de Hill 1. Fuerza de asociación 2. Consistencia de la asociación 3. Especificidad de la asociación 4. Temporalidad 5. Gradiente biológico 5. Plausibilidad 6. Coherencia 7. Experimentación 8. Analogía

23 ¿ Cuánto de la morbi-mortalidad por cáncer puede ser prevenida por algúna intervención? Entienda el impacto de la educación y de los programas de monitoreo

24 24 Principios de monitoreo Validez Sensibilidad: correctamente identificar aquellos con la enfermedad Especificidad: correctamente identificar aquellos sin la enfermedad Valor predictivo +: proporción de prueba verdaderas positivas Valor predictivo - : proporción de pruebas correctamente negativas Confiabilidad: habilidad de la prueba para dar resultados consistentes Producción: cantidad de enfermedad no reconocida bajo tratamiento por el monitoreo

25 25 Calculando mediciones de validez a+b+c+db+da+cTotal c+dd c Negativo a+bbaPositivo Total No enfermo Enfermo Resultado de la prueba Diagnóstico verdadero Valor predictivo positivo = a/(a+b) Valor predictivo negativo = d/(c+d) Sensibilidad = a/(a+c) Especificidad = d/(b+d)

26 26 64,81064,633177Total 63,69563,65045Negativo 1, Positivo TotalNo enfermoEnfermo Resultados de mamografía Sensibilidad = 132/177 = 74.6% Especificidad = 63,650/64,633 = 98.5% Valor predictivo positivo = 132/1,115 = 11.8% Valor predictivo negativo = 63,650/63,695 = 99.9% Ejemplo: monitoreo de cáncer de mama

27 27 Claves para monitoreo Sensibilidad: detectar un suficiente número de casos preclínicos par ser de utilidad Prevalencia: monitoreo de poblaciones de alto riesgo Frecuencia: monitoreo de una vez no permite conocer diferencias en riesgo individual o diferencias en ataque Participación: pruebas inaceptables para la población objetivo no serán utilizadas Seguimiento: aquellos con pruebas positivas necesitar ser provistos con un plan de acción

28 28 Consejos para la lectura de la literatura Identifique el diseño del estudio Entienda cómo los sujetos fueron seleccionados Entienda como es definida la exposición Evalúe sesgos y confusores potenciales Determine si la evaluacióne estadística es apropiada Haga decisiones acerca de si la medición del resultado son estadísticamente significativas y/o clínicamente importantes Uso de buen juicio

29 Fin


Descargar ppt "1 Diseño de estudios casos-controles Dos grupos son seleccionados, uno de personas con la enfermedad (casos), y el otro de personas con las mismas características."

Presentaciones similares


Anuncios Google