Mediciones y observaciones clínicas y epidemiológicas Preparado por: Dr. Juan José García García.

Presentación del tema: "Mediciones y observaciones clínicas y epidemiológicas Preparado por: Dr. Juan José García García."— Transcripción de la presentación:

1 Mediciones y observaciones clínicas y epidemiológicas Preparado por: Dr. Juan José García García

2 “La meta fundamental que debe perseguir un estudio epidemiológico (y clínico) es la agudeza en la medición: estimar con poco error el valor del parámetro que es objeto de la medida.” “La meta fundamental que debe perseguir un estudio epidemiológico (y clínico) es la agudeza en la medición: estimar con poco error el valor del parámetro que es objeto de la medida.”  Rothman K. Epidemiología moderna

3

4 Medición: Concepto Es la calificación o cuantificación de una variable. Es la calificación o cuantificación de una variable. Es la asignación de números o valores a las observaciones, de modo que estos sean susceptibles de análisis de acuerdo con ciertas reglas. Es la asignación de números o valores a las observaciones, de modo que estos sean susceptibles de análisis de acuerdo con ciertas reglas.

5 Calidad de la medición Hay dos características fundamentales que debe tener toda medición: Validez Validez Confiabilidad Confiabilidad

6 Conceptos Validez Validez Grado en el que una medición o estudio alcanza una conclusión correcta. Medir lo que se quiere medir Grado en el que una medición o estudio alcanza una conclusión correcta. Medir lo que se quiere medir Validez interna Validez interna Grado en el que los resultados de una investigación reflejan con precisión la situación verdadera de la población en estudio Grado en el que los resultados de una investigación reflejan con precisión la situación verdadera de la población en estudio Validez externa Validez externa Grado en el que es posible aplicar los resultados de un estudio a otras poblaciones. Generalización. Grado en el que es posible aplicar los resultados de un estudio a otras poblaciones. Generalización.

7 Al atributo que permite obtener igual medición, respuesta o interpretación cuando el mismo fenómeno es evaluado en condiciones similares por un segundo observador, o por la misma persona, se le denomina concordancia, repetibilidad, precisión, reproducibilidad, confiabilidad, o consistencia. Al atributo que permite obtener igual medición, respuesta o interpretación cuando el mismo fenómeno es evaluado en condiciones similares por un segundo observador, o por la misma persona, se le denomina concordancia, repetibilidad, precisión, reproducibilidad, confiabilidad, o consistencia.

8 Tipos de error en la medición: Aleatorio Aleatorio Sistemático Sistemático

9

10 Error aleatorio o falta de precisión Debido a variaciones producidas por azar, las características de las personas en una muestra concreta son diferentes a las de otras en la población de la cual fueron tomadas. Debido a variaciones producidas por azar, las características de las personas en una muestra concreta son diferentes a las de otras en la población de la cual fueron tomadas. La variación aleatoria tiene tanta probabilidad de resultar en observaciones por encima del valor real como por debajo. Como consecuencia, la media de observaciones no sesgadas proveniente de muchas muestras, tiende a corresponder con el verdadero valor en la población, aun cuando los resultados de pequeñas muestras individuales no lo hagan. La variación aleatoria tiene tanta probabilidad de resultar en observaciones por encima del valor real como por debajo. Como consecuencia, la media de observaciones no sesgadas proveniente de muchas muestras, tiende a corresponder con el verdadero valor en la población, aun cuando los resultados de pequeñas muestras individuales no lo hagan.

11 La magnitud del error de muestreo se estima a través del valor del error estándar. La magnitud del error de muestreo se estima a través del valor del error estándar. La principal manera de aumentar la precisión de una estimación, es, entonces, con un mayor tamaño muestral. La principal manera de aumentar la precisión de una estimación, es, entonces, con un mayor tamaño muestral. Una decisión clave es la obtención de una buena precisión frente al costo de una muestra que puede ser grande. Una decisión clave es la obtención de una buena precisión frente al costo de una muestra que puede ser grande.

12 Por tanto, otro aspecto a considerar con respecto a la precisión es la eficiencia del estudio. Por tanto, otro aspecto a considerar con respecto a la precisión es la eficiencia del estudio. Esta puede ser juzgada según la relación del contenido total de la información deseada con el número total de sujetos requeridos o estudiados, o según contenido de dicha información con el costo de adquirirla. Esta puede ser juzgada según la relación del contenido total de la información deseada con el número total de sujetos requeridos o estudiados, o según contenido de dicha información con el costo de adquirirla.

13 Sesgo o falta de validez Un sesgo es un error sistemático en un estudio que conduce a una distorsión de los resultados. Corresponde a una medición en una misma dirección, fuera del valor real. Un sesgo es un error sistemático en un estudio que conduce a una distorsión de los resultados. Corresponde a una medición en una misma dirección, fuera del valor real. No se reduce con un mayor tamaño de muestra. No se reduce con un mayor tamaño de muestra.

14 Procedimientos de recolección (medición) de información: Métodos Métodos – Censos – Encuestas – Sistemas de registro Técnicas Técnicas – Entrevista – Cuestionarios o formularios – Observación – Mediciones instrumentales Por ejem.: peso, talla, tensión arterial, temperatura, condiciones bioquímicas, imagenología Por ejem.: peso, talla, tensión arterial, temperatura, condiciones bioquímicas, imagenología

15

16 Fuentes potenciales de variabilidad en las mediciones Características del individuo Características del individuo –Cambios relacionados con edad, sexo, alimentación, ejercicio... –Variación diurna: ritmos circadianos –Disposición a colaborar, tendencia a mentir Características de las mediciones Características de las mediciones –Calibración deficiente del aparato, reactivos en mal estado... –Falta de precisión inherente al instrumento –Preguntas mal formuladas en un cuestionario Características del observador Características del observador –Lectura o registro erróneo: experiencia, disposición, cansancio, problemas de agudeza visual o auditiva

17 Formas de reducir la variabilidad en las mediciones. Ejemplos Características de los sujetos: Características de los sujetos: –Condiciones uniformes al realizarlas: Ayuno Ayuno Posición corporal Posición corporal Descubrir la región o segmento corporal por explorar Descubrir la región o segmento corporal por explorar –Solicitar su cooperación y máxima veracidad en las respuestas –Garantizar confidencialidad de la información proporcionada

18 Características de los instrumentos: Características de los instrumentos: –Calibración con la frecuencia determinada por el fabricante –Mantenimiento del equipo. Cuidado, conservación, limpieza, reparación –Definiciones claras y precisas acerca de la presencia de enfermedad o exposición –Validación de cuestionarios

19 Características de los observadores: Características de los observadores: –Estandarización u homologación de la forma en que se ha de llevar a cabo la medición. –Cegamiento respecto a la identidad del entrevistado en términos del grupo al que pertenece, ya sea de enfermos, sanos, expuestos o no expuestos. –Motivación respecto a la relevancia de su participación –Corrección de problemas de agudeza visual o auditiva

20 Tipos de sesgo De selección De selección De información De información De confusión De confusión

21 Medición de la concordancia Observador 1Total PresenteAusente Observador 2Presenteaba + b Ausentecdc + d Totala + cb + dn

22 Índice kappa K = Co – Ce K = Co – Ce ______ ______ 1 – Ce 1 – CeDonde: Co = (a + d) / T Ce = (a + c) (a + b) + (b + d) (c + d) n 2 n 2 n 2 n 2

23 Medición de la concordancia Observador 1Total PresenteAusente Observador 2Presente14052192 Ausente69725794 Total209777986

24 Criterios de interpretación: Landis y Koch Valor de kappa Concordancia < 0 Pobre < 0 Pobre 0 a 0.20 Reducida 0 a 0.20 Reducida 0.21 a 0.40 Aceptable 0.21 a 0.40 Aceptable 0.41 a 0.60 Moderada 0.41 a 0.60 Moderada 0.61 a 0.80 Notable 0.61 a 0.80 Notable 0.81 a 1 Casi perfecta 0.81 a 1 Casi perfecta

25

26

27 Sesgo de selección Ocurre cuando se realiza una comparación entre grupos que no son similares en sus características, diferentes de las variables estudiadas que influyen sobre el resultado. Puede ser resultado por ejemplo: de patrones diferenciales de búsqueda, acceso o referencia al sistema de atención médica; puede ser producto de la pérdida de sujetos durante el seguimiento.

28 Sesgo de medición o información Aparece cuando la medición de las variables se realiza de una forma que es sistemáticamente diferente entre los grupos que se comparan. Entre los errores más frecuentes de este tipo se encuentran aquellos introducidos por el observador, por el observado, y los generados por los instrumentos empleados.

29 Un sesgo de información implica un problema de clasificar erróneamente a los sujetos estudiados en cuanto a si se encuentran o no expuestos a un factor de riesgo que se analiza, y/o en cuanto a si presentan o no un determinado efecto. Un sesgo de información implica un problema de clasificar erróneamente a los sujetos estudiados en cuanto a si se encuentran o no expuestos a un factor de riesgo que se analiza, y/o en cuanto a si presentan o no un determinado efecto. Este error puede ser diferencial o no diferencial. Este error puede ser diferencial o no diferencial.

30 Un error de clasificación diferencial es más grave, en términos de que no puede predecirse el resultado de su presencia, pues puede exagerar u ocultar una relación entre la exposición estudiada y el efecto, en tanto que un error de clasificación no diferencial siempre tenderá a minimizar la posible asociación existente ente ambos eventos. Un error de clasificación diferencial es más grave, en términos de que no puede predecirse el resultado de su presencia, pues puede exagerar u ocultar una relación entre la exposición estudiada y el efecto, en tanto que un error de clasificación no diferencial siempre tenderá a minimizar la posible asociación existente ente ambos eventos.

31 Sesgo de confusión La confusión se refiere a la mezcla del efecto de una variable externa con los de la exposición y la enfermedad que interesa La confusión se refiere a la mezcla del efecto de una variable externa con los de la exposición y la enfermedad que interesa Para que una variable se considere un potencial confusor debe reunir dos condiciones: Para que una variable se considere un potencial confusor debe reunir dos condiciones: –Que se relacione con la enfermedad de interés en ausencia de exposición al factor analizado –Que se relacione con la exposición, pero no como un resultado de esta

32 Circunstancias en que ocurre un sesgo de confusión a bc E F D E F D E F D En los diagramas (a) y (b) la exposición E se relaciona, sin que sea su causa, con la variable ajena F o Confusor, y esta a su vez condiciona, aún en los no expuestos, el desenlace D, o se asocia de manera no causal con este, diagrama (c)

33 Control de factores de confusión durante el diseño: Pareamiento Ventajas Ventajas Puede eliminar las influencias de los factores de confusión constitucionales Puede eliminar las influencias de los factores de confusión constitucionales Puede eliminar las influencias de factores difíciles de medir Puede eliminar las influencias de factores difíciles de medir Puede incrementar la precisión al equilibrar el número de casos y controles en cada uno de los estratos Puede incrementar la precisión al equilibrar el número de casos y controles en cada uno de los estratos Puede facilitar la selección de los controles Puede facilitar la selección de los controles Inconvenientes Inconvenientes Puede ser lento, caro y menos eficiente que incrementar el número de individuos Puede ser lento, caro y menos eficiente que incrementar el número de individuos Puede tener efectos adversos sobre la fase de análisis Puede tener efectos adversos sobre la fase de análisis Debe definirse cuáles variables son predictoras y cuáles de confusión Debe definirse cuáles variables son predictoras y cuáles de confusión No puede evaluarse el papel de las variables como predictoras No puede evaluarse el papel de las variables como predictoras Requiere un análisis pareado Requiere un análisis pareado

34 Control de factores de confusión durante el diseño: Restricción Ventajas Delimita a los individuos de la muestra en relación con la pregunta que se investiga Delimita a los individuos de la muestra en relación con la pregunta que se investigaInconvenientes Limita la generalización Limita la generalización Puede ser difícil obtener un tamaño muestral apropiado Puede ser difícil obtener un tamaño muestral apropiado

35 Control de factores de confusión durante el análisis: Estratificación Ventajas Flexible o reversible; se pueden elegir las variables según las cuales se va a estratificar Flexible o reversible; se pueden elegir las variables según las cuales se va a estratificarInconvenientes El número de estratos está limitado por el tamaño de la muestra necesario para cada uno de ellos El número de estratos está limitado por el tamaño de la muestra necesario para cada uno de ellos Se pueden considerar pocas covariables Se pueden considerar pocas covariables La existencia de pocos estratos por cada covariable hace que el control de los factores de confusión sea menos completo La existencia de pocos estratos por cada covariable hace que el control de los factores de confusión sea menos completo Deben haberse medido antes las covariables Deben haberse medido antes las covariables

36 Control de factores de confusión durante el análisis: Ajuste estadístico Ventajas Pueden controlarse simultáneamente múltiples factores de confusión Pueden controlarse simultáneamente múltiples factores de confusión Puede utilizarse toda la información obtenida con las variables continuas Puede utilizarse toda la información obtenida con las variables continuas Es tan flexible y reversible como la estratificación Es tan flexible y reversible como la estratificaciónInconvenientes El modelo puede no ser adecuado: El modelo puede no ser adecuado: –Control incompleto de los factores de confusión –Estimaciones inexactas de la fuerza del efecto Los resultados son difíciles de comprender Los resultados son difíciles de comprender Deben medirse previamente las covariables relevantes Deben medirse previamente las covariables relevantes