¿Que es la epidemiología? El estudio de la distribución y determinantes de enfermedad y lesiones en poblaciones humanas

¿Que es la epidemiología? La epidemiología es algo mas que el total de los hechos establecidos. Incluye el ordenamiento metódico de estos en cadenas de evidencia que se extienden mas allá de los limites de observación directa John Snow, 1854

John Snow (1813-1858) Obstetra Anestesiólogo Epidemiólogo aficionado

¿Que es la Epidemiología-Clínica? Es la ciencia de hacer predicciones acerca de los pacientes individuales contando eventos clínicos en grupos de pacientes similares y utilizando métodos científicos establecidos para asegurar que las predicciones son correctas. Robert W. Fletcher, MD, MSc 1996

Bases de la Inferencia en Epidemiología Clínica Nació hace 300 años en 1701 Bases de la Inferencia en Epidemiología Clínica Inferencia Bayesiana para Medicina Basada en Evidencia ESTE CURSO NO ES DE EPIDEMIOLOGIA CLINICA Pero como son médicos lo vamos a incluir!!

Incidencia y prevalencia Todas las diferentes tasas de morbilidad que se manejan en epidemiología pueden clasificarse como tasas de incidencia o de prevalencia

Incidencia y prevalencia La tasa de incidencia mide la probabilidad de que una persona sana desarrolle enfermedad durante un periodo específico de tiempo Es decir, representa el número de casos nuevos de enfermedad en una población durante un periodo de tiempo definido La tasa de prevalencia mide el número de personas en una población que en un momento dado tienen la enfermedad

Incidencia y prevalencia Las fórmulas para calcular estas tasas son: Incidencia = número de casos nuevos en un periodo de tiempo población en riesgo Prevalencia = número existente de casos en un punto en el tiempo población total en riesgo

Incidencia y prevalencia La prevalencia nos indica la cantidad de personas que tienen la enfermedad en un punto en el tiempo y depende de dos factores: Los sujetos que han estado enfermos La duración de la enfermedad

Incidencia y prevalencia La relación entre prevalencia e incidencia y la duración de la enfermedad se expresa por la formula: PI  d que indica que la prevalencia varía directamente con la incidencia y la duración de la enfermedad

Algunas consideraciones sobre la incidencia Periodos de observación de duración no uniforme Denominadores de persona-tiempo Vamos a suponer que un grupo especifico de individuos esta siendo observado prospectivamente para determinar la incidencia de úlcera péptica y el estudio se va a prolongar 3 años

Algunas consideraciones sobre la incidencia Durante el seguimiento algunos de los pacientes se pierden, se mudan a otra región o fallecen. Además, los pacientes ingresan al estudio en diferentes épocas después de que este se ha iniciado Todo esto trae como consecuencia periodos de observación de diferente duración, lo que hará que los sujetos contribuyan en forma desigual al cálculo de la población en riesgo

Algunas consideraciones sobre la incidencia Con el propósito de utilizar todos los casos y poder balancear la contribución en tiempo de observación de cada uno de los participantes, vamos a utilizar una unidad de tiempo persona, Vg. año-sujeto para el denominador Por ejemplo, en este estudio hipotético de incidencia de úlcera péptica, 12 sujetos son observados por periodos de tiempo de diferente duración

Relación entre incidencia y prevalencia Prevalencia = Incidencia * Duración incidencia Prevalencia mortalidad Curación

En conjunto las 12 personas fueron observadas por un total de 66 años Si entre estos doce sujetos se desarrollan 3 casos de úlcera péptica, la incidencia sería de 3 en 66 años de seguimiento o 4.5 por 100 años-sujeto de observación

Denominador tiempo-persona Es válido únicamente bajo 3 condiciones: el riesgo de enfermedad es constante durante todo el periodo de seguimiento (habitualmente no es así) la tasa de enfermedad/muerte entre los que se pierden a seguimiento debe ser la misma que para los que siguen bajo observación. Esto requiere tratar de determinar que sucedió con los sujetos que se perdieron

Denominador tiempo-persona si la enfermedad es rápidamente fatal algunos individuos se observaran por periodos inferiores a la unidad de tiempo y esto hará que la tasa sea artificialmente alta (contarán como un caso en el numerador, pero como menos de una unidad tiempo-persona en el denominador)

Usos de la incidencia y prevalencia Ejemplo en estudio clásico de Framingham sobre enfermedades cardiovasculares (ECV) Se llevo a cabo un estudio de CS para determinar la prevalencia de ECV Dos años después fueron evaluados los sujetos inicialmente libres de ECV para determinar la incidencia

La explicación a esta discrepancia es el diferente curso que sigue la enfermedad en ♀ y ♂ jóvenes En los ♂ jóvenes la ECV se manifestaba como IAM y muerte súbita En las ♀ jóvenes era mas común que se manifestara como angina de pecho

Dada la mayor duración de la enfermedad en ♀, la prevalencia en estas se incrementa e iguala a la de los ♂ a pesar de la mucho mayor incidencia de ECV en el ♂

Estudios epidemiológicos

Los estudios epidemiológicos pueden ser descriptivos o analíticos Los estudios descriptivos se utilizan para conocer la distribución de un evento de salud en una población con respecto a persona, tiempo y lugar Generan hipótesis

Tipos de estudio Descriptivos Reporte de un caso Reporte de una serie de casos Ejemplo, gpo de pc. Con TB-MFR en un hospital Estudios de corte seccional o transversal

Estudios Ecologicos Primer paso para determinar si existe una asociación puede llevarse a cabo en un grupo Puede inclusive hacerse para comparar países i.e. ingesta de lípidos promedio en la población e incidencia de cáncer de mama entre países

“Falacia Ecológica”

Estudios de corte seccional En este tipo de estudio, tanto el factor de riesgo como la enfermedad son evaluados al mismo tiempo Se evalúa co-ocurrencia de variable y enfermedad Se registra prevalencia, nunca incidencia No determina relación temporal causa-efecto

Diseño: Corte Transversal It is easy to describe a cross-sectional study as a sample of a population at one point in time, a cross-section of that population. What is perhaps not so well appreciated is the point illustrated in this graphic from the text by showing the design in the setting of a hypothetical cohort. It demonstrates the prevalent nature of the sample. In other words, only those individuals who were present at the time of the cross-sectional sample have a chance to be included. So, for example, in the illustration there are two members of the cohort who were diagnosed with the disease outcome who did not survive to the time of the sample. Cross-sectional sampling, then, will only capture prevalent cases of disease, which means that the probability of inclusion is related to the length of disease duration or survival. It will over-represent those cases of the disease with longer disease duration or survival times. Likewise, those without disease are also “prevalent,”meaning that persons with certain characteristics may be more or less likely to be represented in the cross-sectional sample. This would be the case if the individuals who left the population, represented by the arrows in the schematic, differed on characteristics of interest from those who remained to the time of study.

Estudios analíticos observacionales Existen dos métodos principales disponibles para el estudio observacional de la etiología de una entidad: estudios retrospectivos estudios prospectivos Cohorte o prospectivo Casos y controles

Estudios CC Vamos a comparar a los casos (sujetos con la enfermedad bajo estudio) y los vamos a comparar con los controles (sujetos sin la enfermedad) Casi siempre retrospectivo No se puede determinar incidencia o prevalencia Puede ayudar a determinar relación causal Es útil en eventos con baja incidencia o prevalencia

Enfermos No-enfermos (casos) (controles) Expuestos No-expuestos Probabilidad de Probabilidad de Exposición Exposición Razón de Momios

Muestreo: Casos y Controles Anidados en una Cohorte Base = Cohorte In incidence density sampling the selection of controls is governed by the diagnoses of cases. Every time a case is diagnosed one or more controls are selected from other members of the cohort who, at that time, do not have the diagnosis. The term incidence density comes from the fact that the time of follow-up and the incidence of new disease are involved in determining eligible controls. In our example of conserving resources by not testing all of the cohort members, the investigator would test stored biological samples only on those subjects chosen as controls. If the predictor variable were a questionnaire item everyone in the cohort had already answered, there wouldn’t be any point in selecting controls as the data is already available on the entire cohort. The text book (and a number of others) call this design a “nested case-control study,” but nested is a imprecise term. It seems that it should more properly refer to any case control studies selecting controls from within a cohort study. In other words, all three of the sampling methods we are describing can be viewed as “nested” within a cohort. Los controles son seleccionados cada vez que se diagnostica un caso

Diseño: Casos-cohorte: Controles seleccionados a partir de una Cohorte “Case-cohort” is type of design you may not be acquainted with as it is relatively new and still has not been used frequently. It was first described by the statistician Ross Prentice in the 1980’s. It seems odd at first to realize that you will likely be sampling future cases as well as controls when you take a random sample of a cohort at its baseline. This means that a subject may be included both as a case and a control. But this is also true of incidence density sampling since a subject selected as a control at one time point may later become a case. This troubles many new to these sampling designs and results in their thinking that the best design must be to wait until the end of follow-up to select controls so that the investigator can be sure they will not be cases. We will spend some time trying to demonstrate why this is not the right way to think about it. For starters, becoming a case is an artifact of the follow-up period of the cohort. The investigator cannot know whether many of the controls will be diagnosed with the study outcome the day after the study ends. This is made even clearer by the example of the cohort study that uses death as an outcome, as some do. Everyone is eventually a case. In summary, when we are looking for (i.e., sampling) controls, we do not necessarily have to guarantee that these are subjects who will never become cases. All that is needed is to be sure that they are not cases at the time of control sampling.

Diseño Casos y Controles utilizando “controles prevalentes” This is the design that most neophytes are drawn to, as discussed in the notes on the previous slide on case-cohort design. When we discuss the measures of association linked to each of these sampling designs in future lectures, we will show more formally why this is not a good design. For now, it will suffice to note that there is an obvious source of potential bias in waiting until the end of follow-up to select controls because factors that influence loss to follow-up will influence the selection of controls. If those factors are associated with both your predictor variable and the outcome, the measure of association will be biased.

Estudios prospectivos (longitudinales, cohorte, de incidencia) Estos pueden ser experimentales o no Selección del grupo cohorte en un estudio prospectivo un cohorte sin la enfermedad (y generalmente sanos) es seguido hacia el futuro para determinar el desarrollo o no de la enfermedad Se puede determinar incidencia y relaciones causales Debe de seguir a la cohorte por tiempo suficiente para que ocurra la incidencia Permite la observación de múltiples padecimientos o exposiciones

Diseño: Prospectivo o Cohorte D = disease occurrence; arrow = losses to follow-up The main advantage of case-control designs is that it allows you to sample the experience of the study base most efficiently. Stated in other words, case-control designs allow you to make measurements on far fewer subjects than cohort studies but still get the same answer. The reason to do this is to conserve resources, something that is becoming more and more important these days as funding is drying up. A typical example is when expensive testing on stored biological samples are required for an analysis. It is often prohibitively costly to test everyone in the cohort. Si no se estudia a toda la cohorte, se puede hacer un diseño mixto De casos-cohorte o casos y controles anidados en una cohorte (ver antes)

Características de un estudio experimental

“¡Me gustaría que dejaran de prender la luz del cinturón de seguridad “¡Me gustaría que dejaran de prender la luz del cinturón de seguridad! Cada ves que la prenden se zangolotea el asiento.