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

Presentación del tema: "Sesgo, confusión y el papel del azar Principios de Epidemiología Conferencia 5 Dona Schneider, PhD, MPH, FACE."— Transcripción de la presentación:

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

2 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

3 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

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

5 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

6 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

7 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

8 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

9 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

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

11 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

12 Sesgo de misclasificación (cont.) 250100150 10050 No expuesto 15050100 Expuesto TotalControlesCasos OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera 250100150 905040 No expuesto 16050110 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

13 Sesgo de misclasificación (cont.) CasosControlesTotal Expuesto10050150 No expuesto50 100 150100250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto9050140 No expuesto6050110 150100250 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

14 Sesgo de misclasificación (cont.) CasosControlesTotal Expuesto10050150 No expuesto50 100 150 100 250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto10040140 No expuesto5060110 150100250 OR = ad/bc = 3.0; RR = a/(a+b)/c/(c+d) = 1.6 Misclasificación diferencial - Subestima exposición para 10 controles, incrementa las tasas

15 Sesgo de misclasificación (cont.) 250 100 150 10050 No expuesto 15050100Expuesto TotalControlesCasos OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto10060160 No expuesto504090 150100250 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

16 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

17 Sesgo de misclasificación (cont.) CasosControlesTotal Expuesto10050150 No expuesto50 100 150100250 OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3 Clasificación verdadera CasosControlesTotal Expuesto11060170 No expuesto40 80 150100250 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

18 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

19 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)