Sesgos y errores en la investigación epidemiológica

Presentación del tema: "Sesgos y errores en la investigación epidemiológica"— Transcripción de la presentación:

1 Sesgos y errores en la investigación epidemiológica
¿Quién es Betty C Jung? Revise mi sitio Web, en: <A HREF=“ Páginas Webque pudieran ser de interés: <A HREF=“ Index</A> <A HREF=“ and Statistics Sites</A> <A HREF=“ Health Sites A - Z</A> <A HREF=“ Resources on the Internet</A> <A HREF=“ Engines</A> Traducción al Español, por Dr. Nicolás Padilla, Facultad de Enfermería y Obstetrcia de Celaya, Universidad de Guanajuato, México

2 Introducción El propósito primario de la investigación es conducir una investigación científica o académica de un fenómeno o responder una pregunta importante. Igual que otras disciplinas científicas, salud pública apoya el trabajo de los investigadores en su campo. Como otras disciplinas académicas, salud pública incluye muchas áreas de especialidad cada una conduciendo su propia investigación , por ejemplo, educación en salud, políticas en salud, etc. Pero si tienen que elegir un área que es la más cercana a la esencia de la salud pública es la epidemiología. Mientras epidemiología es el estudio de la distribución de la enfermedad, los métodos de investigación usados y desarrollados por epidemiólogos han sido usados también para estudiar aspectos “relacionados a salud”. Por ejemplo, investigadores de servicios de salud observaron como los servicios de salud difieren para diferentes poblaciones. Investigadores en educación en salud observaron como las personas reaccionan a la enfermedad y como esas conductas impactan la calidad de vida. Así, los hallazgos de estudios epidemiológicos deberían servir como los cimientos para la investigación en educación en salud, políticas en salud, etc. Debido a un mejor entendimientode cómo la enfermedad impacta a las poblaciones, es crucial antes de pensar en como mejorar los servicios, pensar en como educar a la gente acerca de conductas saludables y desarrollar políticas de salud racionales.

3 Limitantes de la investigación basada en el método científico
Cada estudio de investigación tiene errores. Ningún estudio único aprueba o rechaza una hipótesis. Aspectos éticos pueden limitar a los investigadores. Control adecuado es difícil de mantener en un estudio. Mientras que el método científico es un buen formato para conducir investigaciones, debemos recordar que la investigación es conducida por huamnos, cada uno con sus ideas (hipótesis) de por qué las cosas son como son. Esto introduce sesgos que afectan la interpretación de los resultados. Por lo tanto, es importante conocer de dónde “vienen los investigadores” Otros sesgos pueden introducirse por otros factores. Un factor principal es el financiamiento de la investigación. Si los patrocinadores se beneficiarán o perjudicarán de los resultados de la investigación, da lugar a preguntas de la validez de los hallazgos. Inalmente, buenos reportes de investigación siempre notificarán a los lectores las limitantes del estudio. Esto ayuda a los lectores a decidir que tan importante son las conclusiones del estudio.

4 Validez y precisión Validez:
Capacidad del estudio para estimar un parámetro lo mas cercano posible al verdadero valor. Dos tipos: Interna – grado al cual los resultados de una observación son correctos para el grupo estudiado en particular. Externa (generalizabilidad) – extensión a la cual los resultados pueden ser aplicados más allá de la muestra en estudio. Validez interna - Si un estudio es útil, deberá ser válido internamente. Pero si el estudio es internamente válido, algunas veces no puede compararse con otros estudios. Error sistemático es el que trata principalmentecon validez interna. Buen diseño y atención a los detalles es importante para asegurar la validez interna. Validez externa - La validez interna es necesaria para la validez externa, facilitandola. La validez externa requiere control de calidad externo de las mediciones y juicios acerca del grado en el cual los rsultados pueden ser extrapolados. Esto no requiere que la muestra sea representativa de la población de referencia. Buen diseño e hipótesis claramente señalada y una población bien definida contribuyen a la validez externa.

5 Validez y precisión Precisión:
Se refiere al grado de dispersión que tendrian mediciones repetidas del parametro, alrededor de un valor determinado. Validez interna - Si un estudio es útil, deberá ser válido internamente. Pero si el estudio es internamente válido, algunas veces no puede compararse con otros estudios. Error sistemático es el que trata principalmentecon validez interna. Buen diseño y atención a los detalles es importante para asegurar la validez interna. Validez externa - La validez interna es necesaria para la validez externa, facilitandola. La validez externa requiere control de calidad externo de las mediciones y juicios acerca del grado en el cual los rsultados pueden ser extrapolados. Esto no requiere que la muestra sea representativa de la población de referencia. Buen diseño e hipótesis claramente señalada y una población bien definida contribuyen a la validez externa.

6

7 Explicaciones para asociaciones artificiales
Sesgo de información Sesgo de selección Fracaso para controlar variables confusoras Falacia ecológica Variablidad de muestreo o azar Cuando observalos los hallazgos de un estudio, necesitamos asegurarnos que las asociaciones encontradas fueron reales y no asociaciones artificiales. Todas las explicaciones para asociaciones artificiales son realmente errores que debemos conocer e intentar corregir para prevenir que los resultados del estudio pasen el escrutinio.

8 Errores en estudios epidemiológicos
Error aleatorio Cálculo de tamaño de muestra Error sistemático Sesgo de selección Sesgo de medición Confusión Validez Validez interna Validez externa Principales errores encontrados en estudios epidemiológicos son del tipo aleatorio o sistemático. Otro factor a considerad al revisar un estudio epidemiológico es su validez.

9 Error aleatorio Las mediciones repetidas en el mismo sujeto o en diferentes de la misma población varían de forma no predecible. Da lugar a disminución de la precisión en la medición de la asociación. Error aleatorio puede minimizarse con medición cuidadosa de la exposición o resultado. Esto hará a las mediciones individuales tan precisas comos ea posible. Nunca eliminaremos completamente error aleatorio debido a que sólo estudiamos una muestra de la población. Error de muestreo ussualmente ocurre como parte del proceso de selección de los participantes en el estudio quienes son siempre una muestra de una población mayor.La mejor forma de reducir el error de muestreo es incrementar el tamaño de muestra. Y, si los individuos difieren, ninguna medicióne s completamente segura.

10 Error aleatorio Fuentes de error aleatorio Error de muestreo
Variación biológica Error de medición Error aleatorio puede minimizarse con medición cuidadosa de la exposición o resultado. Esto hará a las mediciones individuales tan precisas comos ea posible. Nunca eliminaremos completamente error aleatorio debido a que sólo estudiamos una muestra de la población. Error de muestreo ussualmente ocurre como parte del proceso de selección de los participantes en el estudio quienes son siempre una muestra de una población mayor.La mejor forma de reducir el error de muestreo es incrementar el tamaño de muestra. Y, si los individuos difieren, ninguna medicióne s completamente segura.

11 Cálculo de tamaño de muestra
Variables a considerar Nivel requerido de significancia estadística del resultado esperado. Oportunidad aceptable de no encontrar el efecto real. Magnitud del efecto en investigación. Cantidad de enfermedad en la población. Tamaños relativo de los grupos siendo comparados.

12 Errores sistemáticos (sesgos)
Ocurre cuando hay una tendencia de producir resultados que difieren de manera sistemática de los verdaderos valores. Un estudio con un error sistemático pequeño es considerado altamente seguro Error sistemático es un problema mayor con los estudios epidemiológicos debido a que los epidemiólogos no tienen control sobre los participantes en el estudio. Es también difícil obtener una muestra representativa de las poblaciones de interés. También, algunas variables de interés, son difíciles de medir, y hay consideraciones ambientales que tomar en cuenta. Hay casi 30 tipos de sesgos que pueden resultar en error sistemático en diseño de investigaciones. Los dos principales los sesgos de selección y de medición. Estimaciones erróneas del efecto pueden dar lugar a confusión. Aunque no es un sesgo, por sí, es un resultado de la distribución no aleatoria de factores de riesgo en la población en estudio y en el universo.

13 Errores sistemáticos (sesgos)
Validez no es afectada por el tamaño de muestra Sesgos principales Sesgo de selección Sesgo de medición (clasificación) Confusión Error sistemático es un problema mayor con los estudios epidemiológicos debido a que los epidemiólogos no tienen control sobre los participantes en el estudio. Es también difícil obtener una muestra representativa de las poblaciones de interés. También, algunas variables de interés, son difíciles de medir, y hay consideraciones ambientales que tomar en cuenta. Hay casi 30 tipos de sesgos que pueden resultar en error sistemático en diseño de investigaciones. Los dos principales los sesgos de selección y de medición. Estimaciones erróneas del efecto pueden dar lugar a confusión. Aunque no es un sesgo, por sí, es un resultado de la distribución no aleatoria de factores de riesgo en la población en estudio y en el universo.

14 Sesgo de selección Ocurre cuando hay una diferencia sistemática entre las características de las personas seleccionadas para un estudio y las características de aquellas que no lo fueron. Distorsión del efecto que resulta de la forma en que los participantes son aceptados en los estudios. Cuando los participantes son voluntarios para participar en un estudio, no se sabe que tan representativos son de la población de interés. Si tales individuos entran o permanecen en el estudio mostrando diferentes asociaciones de aquellos quienes no, una estimación sesgada de la asociación entre la exposición y el resultado es producido. Algunas veces, las personas que queremos estudiar pueden no estar disponibles para el estudio. Esto puede suceder en lugares de trabajo donde los trabajadores expuestos sufriendo s+intomas son los que nos gustaría estudiar, pero pueden estar incapacitados o dejaron el trabajo. Aquellos que permanecen son los menos afectados. El efecto del trabajador saludable - aquellos severamente afectados o incpacitados están excluídos de la fuerza laboral.

15 Sesgo de selección Efecto del trabajador saludable. riesgo para cierta enfermedad en poblaciónes laborales industriales, más bajo que en la población en general. Perdidas al seguimiento en los estudios de cohorte. Selección de voluntarios. Cuando los participantes son voluntarios para participar en un estudio, no se sabe que tan representativos son de la población de interés. Si tales individuos entran o permanecen en el estudio mostrando diferentes asociaciones de aquellos quienes no, una estimación sesgada de la asociación entre la exposición y el resultado es producido. Algunas veces, las personas que queremos estudiar pueden no estar disponibles para el estudio. Esto puede suceder en lugares de trabajo donde los trabajadores expuestos sufriendo s+intomas son los que nos gustaría estudiar, pero pueden estar incapacitados o dejaron el trabajo. Aquellos que permanecen son los menos afectados. El efecto del trabajador saludable - aquellos severamente afectados o incpacitados están excluídos de la fuerza laboral.

16 Fuentes de sesgo de selección
Voluntarios para un estudio son casi siempre selectivo. Participantes pagados pueden ser diferentes de la población general

17 Fuentes de sesgo de selección
Datos de hospitales y clínicas están basados en una población selectiva Enfermedad o factor en investigación hace a las personas no disponibles para el estudio.

18 Sesgo de información Es una distorsión en la estimación del efecto de interés que resulta de una medición sistematicamente equivocada de la exposición o el evento. Diferencia entre el valor de la magnitud del verdadero efecto o exposición y el valor encontrado en la medición. “SESGO DE MALACLASIFICACION”

19 Sesgo de información “Sesgo de malaclasificación no diferencial”
Cuando el error tiene la misma magnitud para todos los grupos que se están comparando. Lleva a que el parámetro de interés se subestime. Sesgo del parámetro hacia el valor nulo

20 “Sesgo de malaclasificación diferencial”
La magnitud del error es mas grande en un grupo que en el otro u otros. Es decir los expuestos tienen una mayor probabilidad de ser mal clasificados o viceversa. “Sesgo de memoria” Puede llevar el valor del parámetro hacia el valor nulo o inflar su valor.

21 Efecto de la malaclasificacion no diferencial sobre la enfermedad
Expuestos No expuestos Enfermos 400 200 No enfermos 600 800 Sensibilidad en expuestos = 0.8 Sensibilidad en no expuestos = 0.8 Especificidad en expuestos = 0.9 Especificidad en no expuestos = 0.9

22 Efecto de la malaclasificacion no diferencial sobre la enfermedad
Estado verdadero (Expuestos) Clasificación del estado por la prueba Enfermos No enfermos 320 60 80 540

23 Efecto de la malaclasificacion no diferencial sobre la enfermedad
Estado verdadero (No expuestos) Clasificación del estado por la prueba Enfermos No enfermos 160 80 40 720

24 Efecto de la malaclasificacion no diferencial sobre la enfermedad
Tabla resultado de la malaclasificación Expuestos No expuestos Enfermos´ 380 240 No enfermos´ 620 760 RR=?

25 Causas del sesgo de información
Instrumento mal diseñado Errores u omisiones en el protocolo por el uso del instrumento Pobre ejecución del protocolo durante la recolección de los datos Limitaciones debidas a características del sujeto (mala memoria) Errores en la entrad de datos y el análisis

26 Errores en el diseño del instrumento
Falta de cobertura de todas las fuentes de la exposición o el evento en un cuestionario. Inclusión de exposiciones que no tienen el verdadero agente. El instrumento mide un período de tiempo que no es el de interés real. Mal fraseo de las preguntas que llevan a mal entendimiento

27 Errores u omisiones en el protocolo para el uso del instrumento
Fallas para especificar el protocolo en suficiente detalle Fallas para especificar un método que permita manejar situaciones no anticipadas consistentemente Fallas para estandarizar el instrumento periódicamente a través de la colección de los datos

28 Pobre ejecución del protocolo del estudio
Falla del recolector de los datos para seguir el protocolo de la misma manera para todos los sujetos. Falla de los sujetos de estudio para leer las instrucciones en los cuestionarios auto-administrados Manipulación o análisis inapriopiado de especimenes biológicos. Influencia de la personalidad, sexo o raza del entrevistador sobre el entrevistado.

29 Limitaciones debidas a las características del sujeto
Limitaciones de memoria de los sujetos incluyendo un recuerdo inadecuado de la exposición y la influencia de las exposiciones recientes en el recuerdo de exposiciones pasadas. Limitaciones en el conocimiento y el recuerdo sobre las exposiciones del sujeto por parte de familiares o amigos. Tendencia de los sujetos a sobre-reportar conductas deseables socialmente y sub-reportar las contrarias. Variabilidad alta en las características biológicas.

30 Errores durante la entrada de los datos y el análisis
Errores de digitación. Errores en las tablas de conversión usadas para convertir las respuestas de los sujetos a unidades del agente activo. Errores de programación al crear las variables para el análisis. Categorización inadecuada de variables continuas

31 Reducción del sesgo de mala clasificación
Uso de medidas múltiples o de diversas fuentes de información. Se examinan las totalmente concordantes y las totalmente discordantes y se excluyen las otras. Se pide una tercera opinión.

32 Reducción del sesgo de mala clasificación
Procedimientos de control de calidad Diseño del instrumento Preparación de la recolección de datos. Control de calidad durante la recolección de datos. Control de calidad durante el procesamiento de datos.

33 Confusión Ocurre cuando otra asociación existe en la población en estudio y está asociada con la enfermedad y con la exposición siendo estudiadas Cuando los efectos de dos exposiciones (factores de riesgo) no han sido separados, y conclusiones incorrectas son extraídas de que el efecto es debido a una y no a la otra variable.

34 Confusión Puede crear la apariencia de una relación causa-efecto que realmente no existe Para que una variable sea confusora, deberá ser un determinante (factor de riesgo) de la enfermedad y la exposición siendo estudiados Edad y clase social son confusores comunes

35 Controlando confusión con el diseño del estudio
Aleatorización. Restricción - limita el ingreso en el estudio a aquellos con características particulares Emparejando por variables potencialmente confusoras.

36 Controlando confusión durante el análisis
Estratificación. Categorías bien definidas y homogéneas (estratos) de la variable confusora. Modelaje estadístico (Analisis multivariable). Se controlan múltiples confusores al mismo tiempo.

37 Falacia ecológica El error que ocurre al asumir que debido a dos o más características expresadas como índices del grupo ocurren juntas, y que por lo tanto están asociadas. A menos que estudios ecológicos puedan crear tasas específicas para subpoblaciones, no son origen de una asociación. Ejemplo - Como la mayoría de una población tiene una característica en particular y una mayoría de la población también tiene la enfermedad, puede ser asumido que la característica está asociada a la enfermedad.

38 Errores de revisiones sistemáticas y meta-análisis
Algunos estudios pueden ser omitidos si los autores están interesados es apoyar un punto de vista en particular. Sesgo de publicación - estudios con efectos negativos pueden no ser publicados, y por lo tanto excluidos. Una revisión sistemática es un encuesta de un tema. Incluye todos los estudios primarios del más alto nivel de evidencia que han sido identificados, evaluados y luego resumidos de acuerdo a criterios específicos. Un meta-análisis es una encuesta que incluye los resultados de estudios estadísticamente similares. Estos resultados luego, son combinados y analizados como si fueran un solo estudio. Estos estudios son rankeados alto en la jerarquía de la evidencia, y si son hechos adecuadamente, son más útiles para la práctica que los estudios individuales.

39 Referencias D Kleinbaum et al. Epidemiological methods.
Hernandez Avila et al. Sesgos en estudios epidemiológicos. Otras páginas Web en las que pueda estar interesado: <UL> <LI><B><A HREF=“Study.htm”>Research Resources on the Net</a></B></LI> <LI><B><A HREF= “ Annotated Biostatistics Bibliography </A></B></LI> <LI><B><A HREF=“ Epidemiology Bibliography </A></B></LI> <LI><B><A HREF=“ Research Methods</A></B></LI> <LI><B><A HREF=“ Research Practice (A - L)</A></B></LI> <LI><B><A HREF=“ Research Practice (M - Z)</A></B></LI> <LI><B><A HREF=“ Statistics Bibliography </A></B></LI></LI></UL>