MÁSTER EN INVESTIGACIÓN MÉDICA, CLÍNICA Y EXPERIMENTAL

Presentación del tema: "MÁSTER EN INVESTIGACIÓN MÉDICA, CLÍNICA Y EXPERIMENTAL"— Transcripción de la presentación:

1 MÁSTER EN INVESTIGACIÓN MÉDICA, CLÍNICA Y EXPERIMENTAL
Infecciónes nosocomiales Tema 2. Metodología de estudios en infección nosocomial Jesús Rodríguez Baño. Hospital U Virgen Macarena

2 Preguntas habituales ¿Cuáles son los factores de riesgo para desarrollar una infección o adquirir un microorganismo? ¿Cuál es el mejor tratamiento para la infección o el microorganismo X? ¿Cuál es el impacto de una intervención para reducir la incidencia de la infección ó el microorganismo X? ¿Cuál es el impacto de una intervención para mejorar el manejo de una infección X?

3 Estudios observacionales Estudios experimentales
Tipos de diseños epidemiológicos No intervención Intervención Estudios observacionales Estudios experimentales Descriptivos Serie de casos Analíticos Ecológicos Prevalencia Casos y controles Cohorte Cuasiexperimental Ensayo clínico aleatorizado Individual Grupos

4 Epidemiología analítica
En el fondo, siempre nos preguntamos si la exposición a un factor se asocial con la ocurrencia de un efecto Exposición a una variable o factor (F) Ocurrencia de un efecto (E)

5 El factor puede ser El efecto puede ser
Un factor de riesgo para desarrollar una infección Un tratamiento para la curación Una intervención para mejorar la atención Etc El efecto puede ser Que ocurra la infección en un estudio de factores de riesgo Que se cure en un ensayo terapéutico Que mejore el manejo en una intervención

6 Estudios ecológicos Se utilizan datos agregados Ejemplo:
Incidencia de cáncer de pulmón - consumo de tabaco Incidencia de R – consumo de ATBs Problema: la relación ecológica puede no existir a nivel individual (“falacia ecológica”) Sencillos Sirven para generar hipótesis

7 Incidencia de S.pneumoniae resistente a penicilina y consumo de betalactámicos en países europeos

8 Estudios de casos y controles
F noF Casos Controles F a b noF c d OR= = axd/bxc a/c b/d

9 Ejemplos de utilidad de casos y controles
Estudio de factores de riesgo de una infección o microorganismo en Brotes (necesidad de disponer de datos rápidamente) Poblaciones grandes con número de casos pequeño

10 Estudios de cohortes E F noE E noF noE a/a+b RR= c/c+d E noE F a b noF

11 Ejemplos de utilidad de cohortes
Factores de riesgo para adquirir un patógeno en la UCI Factores de riesgo de muerte tras desarrollar una infección Comparación observacional de la eficacia de dos antibióticos (F1 vs F2)

12 Confusión Confusión: la relación encontrada entre F1 y E no es debida a F1 sino a otro factor llamado de confusión (FC) que También se asocia con E Se distribuye de forma distinta entre los expuestos y no expuestos a F1

13 Ejemplo de confusión Comparamos dos antibióticos (A y B) para ver si alguno se asocia con menor mortalidad en el tratamiento de la neumonía nosocomial; la exposición a A ó B es la variable de exposición F1; la mortalidad es el E. Los tratados con A tienen menos mortalidad; eso significa que hay asociación entre F1 y E Sin embargo, hay otra variable que se asocia con E, que es el padecer cáncer (F2). Los pacientes con neumonía que tienen cáncer también tienen más mortalidad. Por tanto, hay relación entre F2 y E. Comprobamos que los pacientes con cáncer se han tratado mayoritariamente con el antibiótico A y los que no tienen cáncer con el B. La mayor mortalidad con el antibiótico A no se debe a que sea peor que B, sino a que se usa en pacientes que ya de por sí tienen mayor riesgo de cáncer. Por tanto, F2 es un factor de confusión para la asociación F1 y E.

14 Control de la confusión: métodos básicos
Estratificación Evaluar la mortalidad con los antibióticos A y B de forma separada en pacientes con y sin cáncer Problema: los tamaños muestrales de los estratos son más pequeños Análisis multivariante Fórmula matemática que explica la probabilidad de morir si se usa el tratamiento A ó el B considerando si tienen o no cáncer (u otras variables)

15 Ensayo clínico controlado
Muestra Aleatorización Asignación tratamiento A Asignación tratamiento B %Respuesta %Respuesta

16 En los ensayos aleatorizados se supone que no hay confusión porque todas las variables se distribuyen de manera similar en ambos grupos por efecto del azar

17 Estudios cuasiexperimentales
La asignación de la intervención no se aleatoriza Por motivos éticos Por imposibilidad Por conveniencia Comparación con Grupo externo sin aleatorización Grupo histórico Frecuentemente en grupos por Imposibilidad Riesgo de “contaminación”

18 Cuasiexperimentales más habituales
Antes-después Medimos la variable resultado (E) antes y después de la intervención Hay que intentar controlar la confusión de otras variables Series temporales Medimos E en muchos momentos antes y después de la intervención para valorar La tendencia (slope) previa y posterior La frecuencia (level) previa y posterior

19

20