La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

¿Quién es Betty C Jung? Revise mi sitio Web en:

Presentaciones similares


Presentación del tema: "¿Quién es Betty C Jung? Revise mi sitio Web en:"— Transcripción de la presentación:

1 Una breve introducción a la epidemiología - X (Diseño de estudios epidemiológicos: Estudios cohorte)
¿Quién es Betty C Jung? Revise mi sitio Web en: <A HREF=“http://www.bettycjung.net/index.htm”> Algunas páginas de interés que te gustaría explorar: <A HREF=“http://www.bettycjung.net/Episites.htm”>Epidemiology Index</A> <A HREF=“http://www.bettycjung.net/Statsites.htm”>Biostatistics and Statistics Sites</A> <A HREF=“http://www.bettycjung.net/Phsitea.htm”>Public Health Sites A - Z</A> <A HREF=“http://www.bettycjung.net/Study.htm”>Research Resources on the Internet</A> <A HREF=“http://www.bettycjung.net/Sesites.htm”>Search Engines</A> Traducción al Español por Dr. Nicolás Padilla, Facultad de Enfermería y Obstetricia de Celaya, Universidad de Guanajuato, México. Betty C. Jung, RN, MPH, CHES

2 Objetivos de aprendizaje/ a alcanzar
Desarrollar el entendimiento de: Qué son los estudios cohorte El avlor de tales estudios La metodología básica Pros y contras de tales estudios Esta conferencia busca ofrecer un entendimiento básico de estudios cohorte, el tipo más usado por los epidemiólogos. Adicionales libros de texto pueden ser encontrados en la bibliografía anotada, en mi sitio Web: <UL> <LI><B><A HREF= “http://www.bettycjung.net/Biostats.htm”> Annotated Biostatistics Bibliography </A></B></LI> <LI><B><A HREF= “http://www.bettycjung.net/Epi.htm”>Annotated Epidemiology Bibliography </A></B></LI> <LI><B><A HREF=“http://www.bettycjung.net/Methods.htm”>Annotated Research Methods</A></B></LI> <LI><B><A HREF=“http://www.bettycjung.net/Research.htm”>Annotated Research Practice (A - L)</A></B></LI> <LI><B><A HREF=“http://www.bettycjung.net/Researc1.htm”>Annotated Research Practice (M - Z)</A></B></LI> <LI><B><A HREF=“http://www.bettycjung.net/Stats.htm”>Annotated Statistics Bibliography </A></B></LI></LI></UL> Fuentes para esta conferencia, incluye: L. Gordis (1996) Epidemiology, R.M. Page, G.E. Cole & T.C. Timmreck (1986) Basic Epidemiological Methods and Biostatistics, W.H.O. (1990) Basic Epidemiology, and University of Alberta’s PHS596/CarrollCassidyPHS596Oct15.ppt

3 Introducción Epidemiología estudia la distribucipon de enfermedad en varias formas. Las dos principales categorías de estudio epidemiológicos son: Observacionales y Experimentales. La mayoría de loes estudios epidemiológicos son observacionales. Mientras la epidemiología es el estudio de la distribución de la enfermedad, los métodos de investigación usados y desarrollados por epidemiólogos han sido usados para estudiar temas “relacionados a la enfermedad”. Por ejemplo, investigadores de servicios de salud observan como los servicios de salud difieren para diferentes poblaciones. Investigadores en educación en salud observan como la gente reacciona a la enfermedad y como esas conductas impactan la calidad de vida. Así, los hllazgos en estudios epidemiológicos deberían servir como los cimientos para investigación en educación en salud, políticas de salud, etc., debido a que un mejor entendimiento de cómo la enfermedad impacta poblaciones, es crucial para que podamos pensar en como mejorar la oferta de los servicios, educar a las personas acreca de conductas saludables y desarrollar políticas en salud razonadas.

4 Diseño de estudios epidemiológicos
Estudios observacionales - examinana asociaciones entre factores de riesgo y resultados (Analítico - determinantes y riesgo de enfermedad, y descriptivos - patrones y frecuencia de enfermedad) Estudios intervencionales - exploran la asociación entre intervenciones y el resultado (estudios experimentales o ensayos clínicos). Semejante a como se percibe la investigación en general, no hay clara tipología del diseño de estudios epidemiológicos. Esto hace difícil explicar estos estudios en una forma simple. Puede decirse, en general, que hay dos tipos principlaes de estudios: Estudios observacionales son aquellos en los cuales los investigadores no interfieren ni manipulan cualquiera de los factores en estudio. Registran sus observaciones de que está sucediendo, y excplican loq ue observan con medidas de asociación. Estudios intervencionales son cuando los investigadores intentan mostrar que A causa B manipulando aquellos factores que piensan tienen algo que ver en la causalidad de algún resultado. Generalmente buscan qué tan bien trabaja un tratamiento. En salud pública, es difícil mostrar que un factor específico causó un resultado en particular, cuando estamos hablando de poblaciones. Hay generalmente muchos factores que pueden resultar en un resultado en particular. Y debido a que no es ético conducir pruebas en sujetos humanos sin el consentimiento informado, conducir investigaciones en la población general es poco posible. Así desde el punto de vista de la viabilidad, estudios observacionales son más comunes, y si son bien realizados, nos provee un panorma de cómo controlar la enfermedad y mejorar la calidad de vida.

5 Diseños epidemiológicos de investigación analítica
Diseño de estudios transversales ecológicos Estudio de casos y controles Estudios cohorte Los diseños de estudios más comunes en epidemiología, son: Estudio cohorte - estándar dorado cuando se explora la asociación entre un factor de riesgo o participación en un programa de salud, y resultados del status de salud o eventos de salud. Estudio de casos y controles - más comunmnete usado, menos costoso, cuando el resultado de interés es raro, y una muestra aleatoria de la población que produjo los casos. Involucra una evaluación retrospectiva de exposición diferencial entre dos grupos de comparación. Datos de toda la población - considerados como transversales, ya que la colección de datos de la exposición y el resultado son en un mismo punto del tiempo. Se consideran datos de prevalencia. Una relación entre exposición y resultado es la razón de dos tasas de prevalencia, o la relativa prevalencia. Diseños ecológicos - Datos de la exposción y la enfermedad son usados en forma conjunta y no pueden ser unidos al nivel individual.

6 Estudios cohorte “Estudios en movimiento” (Paffenbarger, 1988)
Observan hacia delante. Los estudios observacionales más poderosos. Siguen grupos de individuos libres de la enfermedad a través de un periodo de tiempo. Cuantifica el riesgo relativo / las incidencias de tasas / riesgo atribuible. Estudios cohorte son también conocidos como estudios de incidencia o de seguimiento. Inician con un grupo de personas (cohorte) libre del efecto de interés (enfermedad o resultado de interés). Estos grupos son clasificados de acuerdo a la exposición a una causa potencial de la enfermedad o resultado. El cohorte es seguido para ver si se desarrollan nuevos casos de la enfermedad (o resultado de interés) entre los grupos con y sin la exposición. Las variables de interés son especificadas y medidas para la cohorte. Estos estudios son estudios longitudinales ya que reunen datos en diferentes puntos del tiempo. También se les llama estudios prospectivos, refiriéndose al tiempo de colección de datos, y no a la relación entre exposición y efecto.

7 Ejemplos de estudios cohortes
Estudio de corazón Framingham Distribución de grasa corporal y riesgo de muerte en 5 años en mujeres de edad avanzada (1993) - incremento de 15 unidades en el perímetro cintura/cadera estuvo asociado con 60% mayor riesgo de morir. Razón de la circunferencia cintura/cadera es un mejor marcador que índice de masa corporal en la incidencia de riesgo de morir en mujeres de edad avanzada. Vasectomía y cáncer de próstata - aquellos que tuvieron vasectomía y sin ella. Aumento del riesgo relativo con vasectomía - incremento del riesgo de cáncer de próstata.

8 Estudios cohorte históricos
Cohorte formada en el pasado con un periodo de seguimiento que, también termina en el pasado. Usado en lugares de trabajo donde los registros de población están disponibles Ejemplo: sobrevivientes a la bomba atómica Mientras el estudio cohorte histórico es el mejor conocido tipo de estudio cohorte, hay otros tipos de estudios cohorte. El estudio cohorte de incidencia evalúa la incidencia de enfermedad y busca identificar los factores de riesgo para el ataque de la enfermedad. Responde la pregunta: “¿es mayor la incidencia en aquellos expuestos que en los no expuestos?”. El estudio cohorte de pronóstico sigue una cohorte enferma para evaluar factores asociados con el resultado. El resultado puede ser recuperación o muerte. El propósito primario es identificar todos los factores explicativos para el resultado. Tales factores explicativos son conocidos como factores pronósticos. El estudio controlado aleatorizado puede también ser considerado un tipo especial de estudios cohorte.

9 Valor Estándar dorado para estudiar la asociación entre un factor de riesgo y el resultado Util para estudiar incidencia, factores de riesgo, historia natural o pronóstico Util para estudiar mútiples resultados Util para observar múltiples exposiciones y sus interacciones. Estudios cohorte son estudios descriptivos que describen la incidencia de resultados sobre el tiempo. También hay estudios analíticos en que ayudan a determinar las relaciones causales entre resultados y factores explicativos. Los factores explicativos pueden ser factores de riesgo o factores pronósticos. Estos estudios son costosos y toman tiempo así que las enfermedades estudiadas no deberán ser raras. O la enfermedad debería tener un elevado riesgo atribuible. Riesgo atribuible es la diferencia entre dos proporciones. Cuantifica el número de ocurrencias de un resultado de salud que es debido a, o atribuido a, la exposición o factor de riesgo. Es usado para evaluar el impacto de eliminar un factor de riesgo.

10 Diseño de estudio cohorte
Tiempo Dirección del estudio Expuestos Enfermo Pesonas sin enfermedad Población No enfermo No expuestos Enfermo No enfermo

11 Diseño de estudios cohorte
Actual 1995 Retrospectivo 1975 Defina población No aleatorizado 2005 1985 Expuesto No expuesto 2015 1995 Enfermedad No enfermedad Enfermedad No enfermedad

12 Metodología Inicia con personas teniendo la causa presumida (antecedente oi exposición). PERO libre del efecto (enfermedad), y luego esperar para que desarrollen el efecto. Grupo de comparación - también libre de la enfermedad, pero quienes, también NO TIENEN la causa presumida.

13 Metodología Cohorte - grupo de personas quienes tienen características antecedentes en común y observan el desarrollo o no desarrollo de un resultado de salud dao. Se comparan con aquellos libres de la enfermedad o del resultado en estudio. Se debe tomar en cuenta el riesgo de un episodio repetido

14 Medidas en estudio cohorte
Incidencia acumulada - # nuevos casos / la población en riesgo Densidad de incidencia - # nuevos casos / persona-tiempo en riesgo Medidas de asociación Riesgo relativo Razón de momios

15 Fuerza de asociación Riesgo Relativo;(Prevalencia); Razón de momios Fuerza de Asociación Ninguna Débil Moderada Fuerte < >10.0 Acercándose al infinito Fuente: Handler,A, Rosenberg,D., Monahan, C., Kennelly, J. (1998) Analytic Methods in Maternal and Child Health. p. 69. Recuerde que la asociación no significa causalidad. Pero dado que la asociación está estrechamente relacionada a causalidad, podemos observar la fuerza de asociación. Así, midiendo la magnitud, tenemos una forma de priorizar nuestras observaciones. Podemos decir que si la asociación es fuerte, entonces es más prometedora para adicional investigación que una asociación débil.

16 Pros Podemos estudiar situaciones donde la aleatorización no es posible La secuencia temporal fortalece la inferencia acerca de la causa (relación tempral entre la exposición y el resultado) Unica forma de establecer la incidencia basada en poblaciones

17 Pros Medición directa de la incidencia (riesgo) y pronóstico (historia natural) La incidencia de tasa no es influenciada por la presencia del efecto (resultado/enfermedad) al inicio del estudio La magnitud del efecto de un factor de riesgo puede ser cuantificado Puede estimar la contribución relativa de diferentes (múltiples) causas a la ocurrencia del efecto (enfermedad o resultado)

18 Pros Puede contar el número de casos prevalentes, y nuevos casos así como el número y proporción de casos que pudieron ser prevenidos Sesgo de información está minimizado (recuerdo selectivo/memoria) Mide mejor el impacto de la confusión

19 Pros (Estudios cohorte históricos)
Fácil para crear la cohorte Medidas basales disponibles Seguimiento ya ha ocurrido Menos costoso y menos uso de tiempo

20 Contras Costoso No bueno para enfermedades con baja incidencia (raras)
No bueno para enfermedades crónicas con largos periodos de latencia Se necesita tiempo para conducir estos estudios Cambios inesperados del ambiente pueden influenciar la asociación de enfermedad y posibles causas, en el tiempo

21 Contras Sesgo de no respuesta/migración - “pérdida de seguimiento”
Sesgo de selección – tiempo cero no definido ( sesgo de tiempo) Sesgo de muestreo Sesgo de evaluación (puede minimizarse cegando)

22 Contras Sesgo de información – datos son diferentes (diferentes hospitales) - deberán ser comparables para expuestos y no expuestos Sesgo de confusión Sesgo de medición - misclasificación Sesgo de observador / analítico – como los datos son analizados e interpretados

23 Contras (Estudios cohorte históricos)
Grupo de datos incompletos No hay control sobre la calidad de las mediciones que están disponibles Control incompleto de confusión

24 Referencias Para recursos en internet sobre los temas cubiertos en esta conferencia, revise mi sitio Web:

25 Medidas de asociación: Diferencia de medidas
Dos medias independientes Dos proporciones independientes El riesgo atribuible Diferencia entre medias, proporciones y tasas, pueden teoricamente ir desde menos infinito a más infinito, con sus esperados valores, asumiendo que la no asociación es 0. Si una de las medias (o proporciones) siendo comparadas es infinitamente menos o infinitamente superior, a la otra y si las dos medias (o proporciones) son iguales, luego la diferencia entre ellas será cero. La distribución de una diferencia de medidas es casi normal si el tamaño de muestra es razonablemente grande. Pruebas estadísticas, por lo tanto, pueden usualmente estar en los valores conocidos de la curva normal estándar.

26 Riesgo atribuible (RA)
La diferencia entre dos proporciones Cuantifica el número de ocurrencia de un resultado de salud que es debido a, o puede ser atribuido a, la exposición o factor de riesgo Se usa para evaluar el impacto de eliminar un factor de riesgo Para aplicar esta interpretación, la relación entre el factor de riesgo y el resultado, deberá ser causal. Desde la perspectiva de salud pública, es más útil re-definir el riesgo atribuible en términos de toda la población. Esta medida modificada es llama el riesgo atribuible en la población (RAP) En lugar de comparar los resultados para aquellos con y sin el factor de riesgo (como es hecho para probar hipótesis y Riesgo atribuible), el RAP compara los resultados para toda la población con aquellos sin el factor de riesgo. Porcentaje de riesgo atribuible (%RA) - convierte el RA en el porcentaje de resultados adversos prevenibles en el grupo con el factor de riesgo. %RAP - convierte el riesgo atribuible en la población en el prcentaje de resultados adversos prevenibles en toda la población en riesgo. La conversión en porcentajes hace a estas medidas más entendibles y significativas.

27 Fuerza de asociación Riesgo Relativo;(Prevalencia); Razón de momios Fuerza de Asociación Ninguna Débil Moderada Fuerte < >10.0 Acercándose al infinito Fuente: Handler,A, Rosenberg,D., Monahan, C., Kennelly, J. (1998) Analytic Methods in Maternal and Child Health. p. 69. Recuerde que la asociación no significa causalidad. Pero dado que la asociación está tan cercana, podemos pensar en algo remotamente parecido a la causalidad, por lo que tenemos que observar la fuerza de asociación. Así, midiendo la magnitud, tenemos una forma de priorizar nuestras observaciones. Podemos decir que si la asociación es fuerte, luego la relacións erá más pomisoria para investigación adicional que una relación cuya fuerza de asociación es débil.

28 Referencias Para recursos en Internet sobre los tópicos cubiertos en esta conferencia, revise mi sitio Web. Páginas específicas pueden ser de interés: <A HREF=“http://home.beseen.com/technology/bcjung/Annbib.htm”>Annotated Bibliography Index</A> <A HREF=“http://home.beseen.com/technology/bcjung/Episites.htm”>Epidemiology Index</A> <A HREF=“http://home.beseen.com/technology/bcjung/Practice.htm”>Public Health Practice</A>


Descargar ppt "¿Quién es Betty C Jung? Revise mi sitio Web en:"

Presentaciones similares


Anuncios Google