Interpretación de Estudios Epidemiológicos

1. Interpretación de Estudios
Epidemiológicos
Deving Arias Ramos
Estudiante Esp. Medicina Interna

4. Estudio de un TEST
• S = probabilidad de que un
enfermo tenga una prueba
positiva
• E = probabilidad que
alguien sano tenga prueba
Negativa
VPP =

5. • Los VP dependen de la prevalencia de la enfermedad.
• Cuanto mayor la prevalencia tengo menos FP
• Cuanto menor es la prevalen tengo mayor numero de FP
• Una prueba muy S genera muchos FP = Tamizaje, luego un Test E.
• SENEDE - ESPOCO

6. Medidas de Frecuencia de enfermedad

8. Asociación
No es
Igual a
causalidad
Criterios de
Causalidad
• Fuerza de Asociación
• Secuencia Temporal
• Consistencia de los
resultados
(reproductibilidad)
• Ausencia de sesgos
Medidas de Asociación

9. El punto de partida para considerar causalidad es sospechar una
asociación, es decir, la ocurrencia conjunta de un evento, p.e., todas la
personas enfermas estuvieron en esa fiesta!

10. • RR mide la fuerza de asociación en los estudios
de cohorte y EC entre el factor de riesgo y el
evento (enfermedad)
• RA. De los casos nuevos, cuales se atribuyen
exclusivamente l factor de riesgo?
• NNT

11. • OR (odd ratio)
Para que sea válido los controles deben ser
representativos de la población de la cual se tomaron los
casos

12. Diseños epidemiológicos clásicos

17. Validez y Fiabilidad
• Se esta trabajando con muestras y no con la población total, por lo
tanto puede existir errores (producidos por el azar) y sesgos (errores
sistemáticos. Son más frecuentes en estudios restrospectivos.

18. • Ejecución, elaboración
desarrollo y conclusiones
del estudio. Es predecible
y corregible.

19. Validez: Se cuantifica lo que se propone medir
• Interna, es decir que los resultados del estudio tienen aplicación para los pacientes
• Externa: los resultados del estudio se pueden aplicar a la población por fuera del estudio
(inferencia estadística).
Falibilidad
• El estudio se puede reproducir y mostrar resultados similares

20. Edwaert Collier

21. Ensayos Clínicos
• Endpoint. El objetivo del EC es medir resultados
claves, desenlaces o endpoints.
• El más importante es el primary endpoint

22. Key Endpoints
• Overall survival (OS)
• …five-year survival
• …percentage of patients alive five years after diagnosis or treatment.
• Progression free survival (PFS)
• …patients who continue to live with a disease that is not getting worse
• Quality of life (QoL)
• Response rate (RR)
• Duration of response (DR)
• Disease control rate
• Time to progression (TTP)

23. Brazos del estudio
• Tratamiento A vs Tratamiento B
• Tienen diferencia significativamente
estadística
Mediana
• Cuando el 50% de los pacientes experimenta
un evento (muerte o recurrencia…)
Hazard ratio (HR) (cociente de riesgo)
• Es el RR de un evento que ocurre en un brazo
del ECC comparado con el otro brazo
• 1 = no hay diferencia; 2= doble riesgo; 0.5 =
mitad del riesgo.

24. Metanálisis
Aproximaciones para
resumir la evidencia
Metanálisis.
Combinación estadística
de los resultados de
diferentes estudios.
Revisión sistemática
(revisión exhaustiva y
sistemática)
Limitaciones
Heterogeneidad entre
los estudios. Estudios
con gran variabilidad
entre ellos.
Sesgo de publicación

25. Los
resultados
Modelo de
Efectos Fijos
“…el tamaño del estudio y
su propia varianza
(variabilidad intra-estudio)
son los únicos
determinantes de su peso
en el metanálisis”
Modelo de
Efectos
Aleatorios
Tiene en cuenta la posible
heterogeneidad:
Los efectos de la Exposición o
Intervención en la población son diversos
y que los estudios incluidos en la revisión
son solo una muestra aleatoria de todos
los posibles efectos.
Variabilidad Intra Estudio + Variabilidad
Entre Estudios

26. Forest Plot
• Representación gráfica de los resultados de un metanálisis
• Fácil y rápida interpretación
• Eje X representa la medida de efecto: RR, OR…
• Eje Y ubica los estudios generalmente en el orden del año de
publicación
• Cada estudio se representa según su estimación global del efecto y
su intervalo de confianza

27. EL RIESGO
En un estudio de
casos y controles
• Se compara la
proporción de
casos con el
factor de
riesgo vs la
proporción de
controles con
el factor de
riesgo.
En un estudio de
cohortes
• Se compara la
proporción de
expuestos que
enferman vs la
proporción de
no expuestos
que enferman.
En un ensayo
clínico controlado
• Se compara la
proporción de
los que
reciben el tt A
vs la
proporción de
los que
reciben el tt B
o el placebo.
• Es decir: medir
los «riesgos»
de mejorar
más.
Se utilizan tres
conceptos:
• Riesgo relativo
(RR)
• Riesgo
atribuible (RA)
• Desigualdad
relativa (OD)
El concepto de riesgo es fundamental para aceptar o negar causalidad

31. La medida del riesgo debe
ir acompañada de los
llamados intervalos de
confianza
• Ejemplo:
• En el siguiente caso el RR
fue de 0.88 (menor a 1)
pero con IC de 0.63 y 1.26

32. Si el RR es mayor a 1 y el intervalo de confianza (IC) no incluye a
1, el evento en estudio es SIGNIFICATIVAMENTE más probable en
el grupo tratado que en el grupo de control.

33. Si el RR es menor a 1 y el intervalo de confianza (IC) no incluye a 1,
el evento ES SIGNIFICATIVAMENTE menos probable en el grupo
tratado y que en el grupo de control

34. Si el RR es 1 o el intervalo de
confianza (IC) incluye a 1, NO
EXISTE una diferencia
significativa entre el grupo
tratado y el grupo de control.
Si el RR es mayor a 1 y el
intervalo de confianza (IC) no
incluye a 1, el evento en estudio
es SIGNIFICATIVAMENTE más
probable en el grupo tratado
que en el grupo de control.
Si el RR es menor a 1 y el
intervalo de confianza (IC) no
incluye a 1, el evento ES
SIGNIFICATIVAMENTE menos
probable en el grupo tratado y
que en el grupo de control.

35. SIGNIFICANCIA
¿Cuál es la probabilidad
de que la diferencia que
se ha encontrado en dos
resultados de un estudio
epidemiológico fue
debida al azar?
• Se requiere medir la
significancia de esa diferencia.
La probabilidad se
mueve entre la
probabilidad 0 y la
certeza total
(probabilidad 1 ó 100%).
Un evento que tenga
menos del 5% de
probabilidad de ocurrir
se considera poco
probable de que ocurra
al azar.

36. La curva normal y la probabilidad
• La curva normal o campana de Gauss es una distribución continua de
probabilidad.

37. Intervalo de Confianza 95%
Repetir el estudio
en las mismas
condiciones
arrojaría resultados
similares en un 95%
de las veces
Si el estudio no
tuviera sesgos, hay
un 95% de
probabilidad que el
efecto se encuentre
en los limites del
intervalo.
IC muy estrecho =
alta precisión / IC
muy amplio = baja
precisión
Medición del error
aleatorio
•Ejemplo: En un EC el RR de muerte fue de 0,5 con un IC95% de 0,35
a 0,8. Esto significa que hay una reducción del 50% de la
mortalidad en el grupo intervenido y se tiene una certeza del 95%
que el efecto se encuentra entre estos límites 0,35 (reducción del
65% del riesgo) y 0,8 (reducción del 20% del riesgo).

38. Medición de la significancia
Se requiere
• Una hipótesis nula y una hipótesis alternativa
• Los datos a comparar.
• Una prueba estadística adecuada.

39. Ambas hipótesis son excluyentes
una de la otra.
Rechazar Ho = Aceptar H1
Rechazar H1 = Aceptar Ho.
Los resultados se deben al azar, la probabilidad de que las diferencias de los resultados se
deban al azar es mayor del 5% (p > 0.05).
La probabilidad de que las diferencias encontradas
en los resultados hayan sido debidas al azar es menor
del 5% (p < 0.05).

40. Los errores tipo I y II son aleatorios y se pueden
disminuir aumentando el tamaño de la muestra

41. Pruebas Estadísticas
Pretenden calcular la probabilidad
de la comparación de las Ho de
dos o más eventos
Su resultado lo debemos
interpretar de acuerdo al
planteamiento inicial del diseño
epidemiológico.

43. • Análisis de supervivencia
• Representación dinámica de los resultados de un brazo A vs B en un ECC
• Kaplan Meier: el método más comúnmente usado para representar la supervivencia general (OS)
• Entre más separadas se encuentren las curvas, mayor es la diferencia entre ambos brazos
• Si los brazos se encuentran en un momento, indica que en ese punto del tiempo no hubo diferencia entre ambos tratamientos.

48. Evaluar la validez interna:
La metodología empleada
a. Identificar errores que puedan invalidar los resultados
b. Errores de medición: sesgo, variación por el azar
c. Importancia de los resultados y repetibilidad
No existe estudio perfecto, pueden haber fallas, pero su presencia no
necesariamente invalida los resultados.

49. Validez Interna
Pregunta Diseño
Causalidad/riesgo ECA, cohortes, casos controles Hay similitud en todos los
determinantes conocidos del
desenlace? El seguimiento fue
completo? Se midieron los desenlaces
de la misma forma en los dos grupo?
Diagnóstico Corte transversal test de interés vs
Gold Standar
Hay incertidumbre diagnóstica? Hubo
comparación con un gold standar? El
resultado influyó en la decisión de
practicar el gold estándar?
Terapia ECA El grupo control y el experimental
tenían el mismo pronóstico? Cambió
luego de iniciar el estudio?
Pronóstico Cohorte concurrente Muestra representativa y
homogénea? Criterios de desenlace?

50. • Pronóstico similar en los grupos comparados:
• Asignación aleatoria, análisis por intención de tratar, distribución equitativa
de las variables de pronóstico
• Los estudios sin asignación aleatoria siempre tendrán problemas para separar
el efecto del tratamiento que se investiga del atribuible a otras variables.
• Enmascaramiento (asignación ciega)
• El seguimiento debe ser igual en ambos grupos

51. • Resultados
• Los métodos son apropiados, miremos los resultados!
• Tamaño y precisión del efecto reportado (RR, IC)
• Cuanto mayor sea la muestra mayor será la credibilidad

52. • Validez externa
• La combinación de aspectos biológicos, socioeconómicos y epidemiológicos
determina si los resultados de un estudio son aplicables a un individuo.
• Mi paciente cumpliría con los criterios de inclusión del estudio que quisiera
extrapolar a su realidad?
• Qué tan importancia clínica tiene el desenlace y cual es su frecuencia
• Costos, beneficio (impacto: NNT, que idealmente debe ser un valor pequeño)

53. GRACIAS