Sesgo, confusión y el papel del azar Principios de Epidemiología Conferencia 5 Dona Schneider, PhD, MPH, FACE Traducción realizada por Dr. Nicolás Padilla, Facultad de Enfermería y Obstetricia de Celaya, Universidad de Guanajuato, México

Para mostrar causalidad usamos... Postulados de Koch para enfermedades infecciosas Postulados de Hill para enfermedades crónicas y cuestionamientos complejos Fuerza de asociación Credibilidad biológica Especificidad Consistencia con otras asociaciones Secuencia temporal Relación dosis-respuesta Analogía Experimento Coherencia

Para demostrar una asociación estadística válida Necesitamos evaluar: Sesgo: si error sistemático ha sido introducido en la planeación del estudio Confusión: si un factor externo está relacionado a la enfermedad y a la exposición Rol del azar: cuan probable es que lo que encontramos es un hecho verdadero

Sesgo Error sistemático introducido en la planeación del estudio Sesgo de Selección Sesgo de Información

Tipos de sesgo de selección Sesgo Berksoniano – Puede haber una asociación espuria entre enfermedades o entre una característica y una enfermedad debido a las diferentes probabilidades de admisión a un hospital para aquellos con la enfermedad, sin la enfermedad pero con la característica de interés Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics 1946;2:47-53

Tipos de sesgo de selección (cont.) Sesgo de respuesta – aquellos que aceptan estar en un estudio pueden ser de alguna forma diferentes a los que rehusan participar Voluntarios son diferentes de aquellos enlistados

Tipos de sesgo de información Sesgo del entrevistador – el conocimiento de un entrevistador puede influenciar la estructura de preguntas y la manera de presentarlar, lo cual puede influenciar las respuestas Sesgo de recuerdo – aquellos (as) con una exposición o resultados particulares pueden recordar eventos más claramente o ampliar sus pensamientos sobre el evento

Tipos de sesgo de información (cont.) Sesgo del observador – observadores pueden tener expectativas preconcebidas de lo qu deberían encontrar en un exámen Pérdida de seguimiento – aquellos que son perdidos en el seguimiento o quienes se retiran del estudio pueden ser diferentes que aquellos seguidos por todo el estudio

Sesgo de información (cont.) Efecto Hawthorne – un efecto primeramente documentado en la planta manufactora Hawthorne; las personas actúan diferentemente si saben que están siendo observadas Sesgo de vigilancia o monitoreo – el grupo con la exposición o el resultado puedens er seguidos más estrechamente o por más tiempo que el grupo de comparación

Sesgo de information (cont.) Sesgo de misclasificación – errores son hechos en clasificar el status de la enfermedad o de la exposición

Tipos de sesgos de misclasificación Misclasificación diferencial – Errores en la medición son sólo de una forma Ejemplo: Sesgo de medición - instrumentación puede ser muy insegura, tal como usar el mismo brazalete para medir la presión arterial de niños y adultos

Sesgo de misclasificación (cont.) Clasificación verdadera Casos Controles Total Expuesto 100 50 150 No expuesto 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación diferencial - Sobreetimación de exposición por 10 casos; tasas infladas Casos Controles Total Expuesto 110 50 160 No expuesto 40 50 90 150 100 250 OR = ad/bc = 2.8; RR = a/(a+b)/c/(c+d) = 1.6

Sesgo de misclasificación (cont.) Clasificación verdadera Casos Controles Total Expuesto 100 50 150 No expuesto 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación diferencial - Subestima la exposición para 10 casos, reduce las tasas Casos Controles Total Expuesto 90 50 140 No expuesto 60 110 150 100 250 OR = ad/bc = 1.5; RR = a/(a+b)/c/(c+d) = 1.2

Sesgo de misclasificación (cont.) Clasificación verdadera Casos Controles Total Expuesto 100 50 150 No expuesto 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación diferencial - Subestima exposición para 10 controles, incrementa las tasas Casos Controles Total Expuesto 100 40 140 No expuesto 50 60 110 150 250 OR = ad/bc = 3.0; RR = a/(a+b)/c/(c+d) = 1.6

Sesgo de misclasificación (cont.) Clasificación verdadera Casos Controles Total Expuesto 100 50 150 No expuesto 50 50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación diferencial - Sobreestima la exposición para 10 controles, reduce las tasas Casos Controles Total Expuesto 100 60 160 No expuesto 50 40 90 150 250 OR = ad/bc = 1.3; RR = a/(a+b)/c/(c+d) = 1.1

Sesgo de misclasificación (cont.) Misclasificación no diferencial (aleatoria) – errores en la asignación del grupo sucede en más de una dirección Esto diluirá los hallazgos del estudio - Sesgo hacia la nulidad

Sesgo de misclasificación (cont.) Clasificación verdadera Casos Controles Total Expuesto 100 50 150 No expuesto 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación no diferencial - Sobreestima exposición, en 10 casos 10 controles, sesgo hacia 1 Casos Controles Total Expuesto 110 60 170 No expuesto 40 80 150 100 250 OR = ad/bc = 1.8; RR = a/(a+b)/c/(c+d) = 1.3

Controles para sesgos Ejemplo: use más de un grupo control Sea propositivo en la planeación del estudio para minimizar la oportunidad de sesgos Ejemplo: use más de un grupo control Defina, quien es un caso o qué constituye una exposición, para que no se superpongan Defina categorías dentro de grupos claramente (grupos de edad, agregados de personas-años) Señale estrictas guías para la colección de datos Entrene a observadores o entrevistadores para obtener datos de la misma manera Es preferible usar más de un observador o entrevistador, pero no demasiados de tal forma que no puedan ser entrenados de una manera idéntica

Controles para sesgos (cont) Aleatoriamente situe las tareas de colección de datos para observadores/ entrevistadores Instuya un proceso de cegado, si es apropiado Estudio con ciego simple – los sujetos no saben de si ellos están en el grupo experimental o en el control Estudio doble ciego – el sujeto y el observador no saben la situación del sujeto. Estudio triple ciego – el sujeto, el observador y el analista de los datos no saben de la situación del sujeto. Construya métodos para minimizar la pérdida de sujetos en el seguimiento