DISEÑOS DE ESTUDIO EN EPIDEMIOLOGIA

Presentación del tema: "DISEÑOS DE ESTUDIO EN EPIDEMIOLOGIA"— Transcripción de la presentación:

1 DISEÑOS DE ESTUDIO EN EPIDEMIOLOGIA
Dra. Pilar Jiménez M. Salubrista

2 Diseños Descriptivos Diseños Analíticos

3 METODO EPIDEMIOLOGICO
Observación sistemática y descripción de la realidad Elaboración de hipótesis explicativas Verificación de la validez de la hipótesis Conclusión Intervención

4 DISEÑOS DESCRIPTIVOS Tienen por finalidad describir una situación de salud y reunir información que permita plantear una futura hipótesis. Por lo tanto permiten realizar las dos primeras partes del método epidemiológico Tipos de estudios descriptivos : estudios transversales

5 DISEÑOS ANALÍTICOS Son aquellos estudios en que el objetivo es someter a comprobación una hipótesis Se dividen en dos grupos. Estudios observacionales (transversales, ecológicos, casos y controles cohorte) y estudios experimentales (ensayos clínicos controlados, pruebas de campo, estudios de intervención comunitaria)

6 Diseño transversal Diseño observacional de base individual. Se caracteriza porque la variable de exposición y la variable resultado se miden en un sólo momento. Ej. Relación entre exposición a contaminantes intradomiciliarios (v. exposición) y síntomas de asma (v. efecto).

7 IMPORTANTE Es necesario definir la unidad de observación del estudio, esto es la unidad básica sobre la cual se captará la información, ej: los individuos, familias, hogares o escuelas

8 Tamaño de muestra: Criterios fijados por el investigador
Datos que el investigador debe conocer Selección de la muestra: Por conveniencia Probabilístico. Muestreo aleatorio simple Misma probabilidad para la población Debe poderse listar a todos los elementos de la población Muestreo estratificado Muestreo para cada estrato Sistemáticas Muestreo cada n elementos de la población

9 Cálculo del tamaño de muestra
Prevalencia estimada del fenómeno Nivel de confianza que se le asignará a la muestra Potencia del estudio

10 Medición de las variables
Cuestionarios (autoaplicados o aplicado por encuestador, cara a cara o teléfono). Fichas médicas. Variables antropométricas (peso, talla, etc). Registros laborales. Biomarcadores (saliva, orina, sangre, pelo, etc). Etc.....

11 Importante Muestra seleccionada debe reflejar las características de la población base que se quiere estudiar. Participación voluntaria se puede relacionar con mayor exposición de los casos (sesgo selección). Determinar si exposición cambia o NO con el tiempo. Si la exposición produce alta letalidad, la frecuencia de exposición en casos será baja.

12 Variables de estudio Característica observable y medible, que tiene diferentes valores y representan los conceptos que se quieren investigar. Previo al inicio del estudio definir operativamente las variables de exposición, de resultado y variables de control. Conocer la escala de medición de las variables permite definir el tipo de análisis estadístico de los datos.

13 Recolección de la información.
En caso de utilizar cuestionarios evaluar: Precisión (o confiabilidad): que el instrumento sea capaz de entregar resultados similares en distintos momentos. Validez: capacidad del instrumento para medir la variable que realmente se quiere medir. Ambas características se pueden evaluar a través de un estudio piloto.

14 Sesgos: error en la medición.
Afectan la estimación de la prevalencia o de la asociación entre exposición y efecto, afectando la validez del estudio. Sesgo de selección. Sesgo de memoria. Sesgo de información.

15 Análisis de estudios transversales
El análisis de datos depende del objetivo y de la escala de medición de las variables. Iniciar análisis con estadística descriptiva.

16 Estadística descriptiva: Frecuencia y distribución de características de interés.
Variables categóricas: distribución de frecuencias, frecuencias relativas, proporciones. Variables continuas: medidas de tendencia central y de dispersión.

17 Análisis… a) Si el objetivo es establecer el grado de relación (Fuerza de asociación) que existe entre la variable respuesta y la variable de exposición, las medidas de asociación utilizadas en este diseño son: la razón de prevalencia (RP) y la razón de posibilidades (OR) SOLO CUANDO LA PREVALENCIA DE LA ENFERMEDAD ES BAJA.

18 Cálculo de RP Enfermos No enfermos a b c d RP = a / a + b c / c + d
Los datos deben resumirse en una tabla tetracórica Enfermos No enfermos Expuestos No exp. a b c d a + b c + d RP = a / a + b c / c + d

19 a+c= número de enfermos de la población
(a+c)/(a+b+c+d)=prevalencia de enfermedad en la poblaciòn a/(a+b)= prevalencia de enfermedad en los expuestos c/(c+d)=prevalencia de la enfermedad en los no expuestos

20 INTERPRETACIÒN Si el valor de la RP = 1, se interpreta como igual la prevalencia entre los expuestos y los no expuestos. RP>1, la prevalencia es mayor en los expuestos que en los no expuestos RP<1, la prevalencia es mayor en los no expuestos que en los expuestos

21 Otra medida de asociación que es posible calcular en los estudios transversales cuando la prevalencia de la variable en estudio es menor a 10% es el Odds ratio (O.R.), cuando la prevalencia se asemeja a la incidencia. El OR expresa cuántas veces ocurriría el efecto en la población expuesta en relación a la no expuesta OR= axd bxc

22 TEST DE HIPÓTESIS Para evaluar si una asociación encontrada entre dos variables se debe al azar o no recurrimos a pruebas estadísticas Esta prueba permite constrastar si la relación observada entre las variables puede ser simplemente atribuida al azar

23 Por ejemplo H1= Existe asociación
Prueba de X2 H0= no existe asociación H1= Existe asociación Con un nivel de significancia de 0,05(probalilidad que los resultados sean debido al azar), <0,05 es estadísticamente significativo Confianza 95% la asociación encontrada si se repite 100 veces el estudio, 95 veces se obtendrá el mismo valor

24 INTERVALO DE CONFIANZA
Sirve para determinar si el parámetro calculado en nuestro estudio es real en la población. Se define mediante dos valores ( un límite superior y otro inferior) entre los cuales se encuentra el parámetro con un cierto grado de confianza (95%) El intervalo de confianza no debe contener el valor nulo (1) ya que éste representa la no existencia de diferencia o asociación.

25 EJEMPLO Se desea conocer la asociación entre Ca pulmonar y consumo de cigarrillos. La RP=4 ¿es importante este mayor riesgo en los expuestos? IC va entre 1,5 a 3,5

26 Podemos decir con un 95% de confianza que el verdadero valor de esta asociación en el universo se encontrará dentro de este intervalo. Además podemos concluir que la asociación es verdadera ya que al repetir 95 veces el experimento el valor tiene el mismo sentido (mayor a 1)

27 INTERVALOS DE CONFIANZA DE MEDIDAS DE ASOCIACIÒN
1 Factor protector 0.5 (0,3-0,98) No es posible concluir o No hay asociación 1,48 (0,4-1,28) 1,5 (1,03-2,28) Factor de riesgo

28 VENTAJAS Bajo costo y rapidez
Permite explorar mùltiples exposiciones y efectos Genera datos útiles para la planeación y gerencia de los servicios de salud Permite realizar mediciones de carga de enfermedad

29 LIMITACIONES Limitada utilidad para estudiar enfermedades de corta duración o poco frecuentes Imposibilidad de establecer causalidad Falta de temporalidad de la asociación exposición-efecto Trabaja con casos prevalentes e incidentes a la vez

30 FIN