Sesgo, confusión y el papel del azar Principios de Epidemiología Conferencia 5 Dona Schneider, PhD, MPH, FACE

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

Epidemiology (Schneider) 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

Epidemiology (Schneider) 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

Epidemiology (Schneider) 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

Epidemiology (Schneider) 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

Epidemiology (Schneider) 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

Epidemiology (Schneider) 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

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

Epidemiology (Schneider) 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.) No expuesto Expuesto TotalControlesCasos OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera No expuesto Expuesto TotalControlesCasos OR = ad/bc = 2.8; RR = a/(a+b)/c/(c+d) = 1.6 Misclasificación diferencial - Sobreetimación de exposición por 10 casos; tasas infladas

Sesgo de misclasificación (cont.) CasosControlesTotal Expuesto No expuesto OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto No expuesto OR = ad/bc = 1.5; RR = a/(a+b)/c/(c+d) = 1.2 Misclasificación diferencial - Subestima la exposición para 10 casos, reduce las tasas

Sesgo de misclasificación (cont.) CasosControlesTotal Expuesto No expuesto OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto No expuesto OR = ad/bc = 3.0; RR = a/(a+b)/c/(c+d) = 1.6 Misclasificación diferencial - Subestima exposición para 10 controles, incrementa las tasas

Sesgo de misclasificación (cont.) No expuesto Expuesto TotalControlesCasos OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto No expuesto OR = ad/bc = 1.3; RR = a/(a+b)/c/(c+d) = 1.1 Misclasificación diferencial - Sobreestima la exposición para 10 controles, reduce las tasas

Epidemiology (Schneider) 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.) CasosControlesTotal Expuesto No expuesto OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto No expuesto OR = ad/bc = 1.8; RR = a/(a+b)/c/(c+d) = 1.3 Misclasificación no diferencial - Sobreestima exposición, en 10 casos 10 controles, sesgo hacia 1

Controles para sesgos 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

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 Controles para sesgos (cont)