sesgos

1. Validez y sesgo en Epidemiología
Andrés Herrera Rodríguez MD PhD

2. Validez
La validez expresa el grado en que la prueba
puede medir realmente lo que pretende
medir.
Puede definirse como la capacidad de un
estudio para reflejar la situación real.
Describe la dirección y la magnitud de un
riesgo real.

3. Errores potenciales en los
Estudios epidemiológicos
Existen dos tipos de validez
Validez interna
Validez externa

4. Validez en los
Estudios Epidemiológicos
Validez interna
Grado en que los resultados de una
observación son correctos para el grupo
específico de personas objeto del
estudio.
La validez interna es un requisito para
que un estudio tenga alguna utilidad.

5. Validez en los
Estudios Epidemiológicos
Validez externa
Validez externa o capacidad de
generalización es el grado en que los
resultados de un estudio pueden
aplicarse a personas que no han formado
parte él.

6. Validez en los
Estudios Epidemiológicos
Para que haya validez externa debe haber
validez interna.
La validez externa requiere un control
externo a la calidad de las mediciones y un
juicio racional sobre el grado en que los
resultados del estudio pueden extrapolarse.

7. Validez en los
Estudios Epidemiológicos
Las mediciones epidemiológicas no
siempre son fáciles existiendo muchas
posibilidades de error en ellas.
Hay dos tipos de errores:
1.Aleatorio
2.Sistemático

8. Validez en los
Estudios Epidemiológicos
1. Error aleatorio
Divergencia solo debida al azar, entre
una observación hecha en una
muestra y el verdadero valor que
corresponde a la población.

9. Validez en los
Estudios Epidemiológicos
El error aleatorio nunca puede eliminarse
por completo puesto que solo es
posible estudiar una muestra de la
población. Existen tres tipos de error
aleatorio: (grados de variabilidad)
1)individual
-variabilidad de los individuos (biológicas)
-variabilidad de la medición

10. • 2) Población
• Variabilidad genética entre individuos
• Variabilidad ambiental
• 3)Error de muestreo
• -variabilidad de medición
• -manera de muestraer
• -tamaño de la muestra

11. Validez en los
Estudios Epidemiológicos
Variación biológica individual y error de
medición
Siempre existirán variaciones individuales y
no hay medición alguna que sea
perfectamente exacta.

12. Validez en los
Estudios Epidemiológicos
Cómo reducir este tipo de error:
Hacer mediciones cuidadosas de la
exposición y del resultado final.
Hacer que las mediciones individuales
sean todo lo precisas que sea posible.

13. Validez en los
Estudios Epidemiológicos
Error de Muestreo
El error de muestreo forma parte del
proceso de selección de los participantes
en el estudio, que siempre son una muestra
de una población mayor.
La mejor forma de reducirlo es
aumentando el tamaño de la muestra que
se estudia.

14. Validez en los
Estudios Epidemiológicos
2. Error sistemático
Cuando existe tendencia a obtener
resultados que difieren de forma
sistemática de los valores verdaderos
Error sistemático pequeño: exactitud
elevada

15. Estrategia y fase donde
reducir
Errores aleatorios Errores sistemáticos
Estrategia en la fase de
análisis
Calcular la significación
estadística a los intervalos
de confianza
Tener un buen criterio (leer
un texto de epidemiología u
otro texto que aborde estos
temas)
Estrategia en la fase de
diseño y realización
Aumentar el tamaño de la
muestra o incrementar la
precisión del estudio.
Mejorar el diseño
Inferencia
Estrategias y fases donde reducir errores aleatorios y sistemáticos, aplicables
a la fase de diseño y análisis (Hulley SB, 1993)
Diseño y realización

16. Validez en los
Estudios Epidemiológicos
Fuentes de error sistemático
Sesgo de selección.
1. Sesgo de información u observación. (Medición)
2. Confusión.

17. Sesgos

18. • La trascendencia actual de los errores es mayor
ahora que en el pasado,
• Definición de sesgo:
“toda desviación de la verdad que se produce en
los resultados o en la inferencia de estos, o los
procesos que producen tal desviación.
Cualquier tendencia en la recolección, análisis,
interpretación, publicación o revisión de los
datos que pueden conducir a conclusiones que
son sistemáticamente diferentes de la verdad”

19. Clasificación de sesgo
Población base
Población de estudio
Recogida de los datos
Análisis
Confusion
Selección
Información selección
Mala especificación
Fase
de
un
estudio
Sesgos y fases de un estudio. (De. G. Steineck, Ahlbom A. Adeinition of
Bias founded on the concept of the study base.
Epidemiology 1992: 3:477-482

20. Tipo de sesgo Especificación
Sesgo de
confusión
Por la relación que las
variables mantienen, en la
población base, con la
exposición y el efecto
Sesgo de
selección
Cuando la población en estudio
no representa no representa la
población diana
Sesgo de
información
Cuando el error se comete en
la recogida de los datos
Sesgo de
especificación
Cuando el análisis es
inapropiado

21. Sesgos positivos y negativos
• Los sesgos pueden ser positivo o negativo o del tal sentido que cambien el
sentido de una asociación
• Sesgo positivo: un parámetro alcanza un valor superior al real.
Ejemplo: en el análisis entre el número de nevos y el melanoma cutáneo
puede estar presente un sesgo por exceso, si no se tiene en cuenta la
exposición solar. Esta variable aumenta el riesgo de melanoma y favorece
el desarrollo de nevos.
• Un sesgo es negativo: (es negativo por defecto hacia el efecto nulo)
cuando la estimación alcanzada por un parámetro es inferior a su valor real.
Ejemplo entre la terapia hormonal sustitutiva (THS) y el riesgo de cáncer
de mama se argumenta que las mujeres que han recibido THS tienen un
riesgo basal de cáncer inferior al resto de la mujeres.( parecen
menos proclives a desarrollar formas
letales de cáncer de ...
• Por tanto, se prefiere a los sesgos negativos que a los
positivos, ya que si a pesar del error se observa una relación entre dos
variables, la verdadera asociación es un más intensa.

22. Sesgo y significancia estadística
• La significancia estadística (valor arbitrario de P<5%
depende del tamaño muestral, mientras que la magnitud
de error oscila entre 0 e infinito.
• Con frecuencia se confía en la significación estadística
para identificar factores que distorsionan la comparación
entre grupos.
• -ejemplo una variable desigualmente representada en
los grupos que se comparan, con independencia del
valor de p, puede influir en el resultado final.

23. Fenómeno de Confusión
Existe fenómeno de confusión cuando en la
población estudiada existe otra exposición
asociada tanto a la enfermedad como a la
exposición sometida a estudio.
El fenómeno de confusión ocurre cuando los
efectos de dos exposiciones (factores de
riesgo) no se diferencian y se llega a la
conclusión incorrecta de que el efecto se
debe a una variable y no a la otra.

24. Fenómeno de confusión
consumo de café, consumo de tabaco y
cardiopatía isquémica
Exposición
Polvo en trabajo minero de
subsuelo
Enfermedad
Bronquitis crónica
Variable de Confusión
Consumo de Cigarrillos

25. Sesgo de confusion
• Se conoce con otros nombres que se usan muy pocos:
◊ Paradoja de Simpson (la describió Edward Simpson en
1951) (efecto G. udlyYule-Simpson, 1900 (UK)
◊ Sesgo de susceptibilidad
◊ Sesgo de especificación o asociación espuria

26. • La confusión, ante una selección y
recogida de datos correctas, es un sesgo
que se encuentra en la población de
referencia, producido por las relaciones
que mantienen las variables con la
exposición y con el efecto que se
investiga.

27. Sesgo de confusión
Ocurre cuando las poblaciones
expuestas y no expuestas incluidas
en el estudio, difieren en otro factor
adicional que afecta la probabilidad
de enfermar y o estar expuestos
Un factor de riesgo extraño se
sobrepone a la exposición en estudio
y afecta los hallazgos
Dicho factor de riesgo se denomina CONFOUNDER

28. Un confounder debe cumplir tres
requisitos
Debe ser un factor de riesgo por sí
mismo (debe ser un factor de riesgo del efecto,
independientemente de la exposición diana, o una variable
fuertemente correlacionada con un determinante no medido
del efecto)
Debe asociarse con la exposición problema en la
población de estudio
No debe ser un mecanismo de acción de la
exposición en estudio (No debe ser una variable
intermedia entre la exposición y el efecto)

29. • Por Randomización de la intervención
• Por Restricción de la selección
El sesgo de confusión puede controlarse:
Durante el diseño:
• Por equiparamiento de controles
• Por Análisis Especiales:
Estratificación
Ajuste de tasas
Análisis Multivariantes
Durante el análisis:

30. RANDOMIZACIÓN
Es diferente de muestreo aleatorio
Solo se da en estudios de intervención
Consiste en asignar la intervención
experimental al azar buscando una
distribución idéntica de otras variables
Es más efectivo en estudios grandes
Implica mantener una Ocultación de la
Secuencia de Aleatorización OSA

31. Restricción
Consiste en limitar la variabilidad del
confounding limitando la selección de
los sujetos elegibles a uno solo de
sus valores (Ej: Un solo grupo de
edad
En ocasiones no puede darse (cuando
reduce los elegibles)

32. Equiparamiento
Técnica de muestreo que consiste en seleccionar
los individuos del grupo de comparación,
asemejándolos a los sujetos seleccionados.
Se usa con tres propósitos:
Controlar un confounder
Mejorar la eficiencia (precisión de las
mediciones) del diseño
Mejorar la eficiencia administrativa
(reducir los costos) del estudio

33. El equiparamiento es de dos tipos:
Pareamiento individual (pareo)
Para cada sujeto se selecciona entre uno y tres
individuos “comparables” (1 a 1; 1 a 2; 1 a 3.
Pareamientos mayores no agregan valor al
diseño)
Equiparamiento por frecuencias
Para cada subgrupo se selecciona una
muestra comparable de tamaño similar

34. Condiciones del confounder
Debe estar asociado con la
Enfermedad y o la Exposición
Debe predecir la enfermedad
en no expuestos
No debe ser parte del
mecanismo causal
No debe ser afectado por la
exposición a la enfermedad

35. Técnica de análisis dirigida a controlar
sesgos de confusión (confounding)
Análisis estratificado

36. El RR crudo podría deberse a la variable
de confusión
Se conforman estratos donde la variable
de confusión sea igual (no cambie). Ej:
edad
Se calculan los RR por estrato
Si la exposición influye en el resultado,
las diferencias persisten al comparar los
estratos
Análisis estratificado del rr

37. Análisis Estratificado
• ¿Cuándo?
– Para controlar factores de confusión
– Evaluar efecto de modificación
(interacción)
• Objetivo
– Ajuste estadístico
– Obtener medidas sobre todos los
substratos e intervalo de confianza

38. Ventajas de Estratificación
• Ventajas
– Se entienden fácilmente
– Computaciones sencillas
– Análisis sencillo
• Consideraciones
– Suficientes participantes
– Factor causal categórico
– Factores de confusión
– Mantel-Haenzel

39. Sesgo de Selección

40. Sesgo de Selección
• Un sesgo (error) relacionado con el diseño del
estudio, esta dado por la forma en que se
selecciona la población de estudio
• Ocurre si: (ejemplos)
– Los controles no son parte de la población
– La selección depende de la exposición y enfermedad
– Mayor accesibilidad de un sector de población que otra a
los servicios de salud
– No se tiene o se preserva la aleatoriedad en la selección
de la población de estudio

41. Fuentes de sesgo de selección
• Formación de la población de estudio
• Error en la definición de la población elegible
-Sucesos comunitarios con enfoque comunitarios: sin grandes problemas
-Sucesos comunitarios con enfoque hospitalario: puede haber dificultades
-Sucesos hospitalarios (relacionados con el diagnostico-pronostico:
representatividad de los pacientes?
• Error en la selección de la población
-más frecuente en los estudios comunitarios
-uso de herramientas diagnosticas deficientes
• Recogida de información
-Perdida de sujetos durante el seguimiento
-Menor en estudio centrados en poblaciones hospitalaria que en las
comunidades
-Perdida selectiva de la información en cierto sujetos- especialmente
frecuente en estudios retrospectivos que usan poblaciones hospitalarias
(historias clínicas)

42. Control de sesgo de selección
1. En la planificación del estudio
2. Al recoger la información
3. En el análisis

43. • Sesgo de información

44. Sesgo de Medición (Información)
Cuando las mediciones o
clasificaciones individuales de la
enfermedad o de la exposición son
inexactas (no miden correctamente lo
que se supone que deben medir)
Diferencial o No diferencial

45. Ejemplo: existe un recuerdo o
información diferencial entre casos
y controles.
Los casos recuerdan mejor la
exposición pasada, sobre todo si
saben que la misma se asocia a la
enfermedad en estudio

46. Misclasificación
• Se produce por tres razones básicas
• Efecto:
– Casos clasificados como controles o
viceversa.
• Causa:
– Expuestos clasificados como no expuestos
o viceversa
• Errores al tomar datos, memoria, las
personas tienen información sobre la
relación enter causa y efecto, el efecto
afecta la medición de laboratorio

47. Como se evita
• Doble registro de datos
• Encuestas estandarizadas
• Repetir entrevistas
• Usar dos fuentes de información
• Usar un indicador biológico

48. Efecto de la misclasificación
• Diferencial
–Cualquier sentido
• No-diferencial
–Efecto nulo