ARTICLE IN PRESS

Gac Sanit. ]]]];](]):]]]]]]

Artculo especial

Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion

Jan P. Vandenbroucke a, Erik Von Elm b,c,, Douglas G. Altman d, Peter C. Gtzsche e, Cynthia D. Mulrow f, Stuart J. Pocock g, Charles Poole h, James J. Schlesselman i, Matthias Egger b,j y en nombre de la Iniciativa STROBE
a

Department of Clinical Epidemiology, Leiden University Medical Center, Leiden, The Netherlands Institute of Social & Preventive Medicine (ISPM), University of Bern, Bern, Switzerland Department of Medical Biometry and Medical Informatics, University Medical Centre, Freiburg, Germany d Cancer Research UK/NHS Centre for Statistics in Medicine, Oxford, United Kingdom e Nordic Cochrane Centre, Rigshospitalet, Copenhagen, Denmark f University of Texas Health Science Center, San Antonio, United States of America g Medical Statistics Unit, London School of Hygiene and Tropical Medicine, London, United Kingdom h Department of Epidemiology, University of North Carolina School of Public Health, Chapel Hill, United States of America i Department of Biostatistics, University of Pittsburgh Graduate School of Public Health, and University of Pittsburgh Cancer Institute, Pittsburgh, United States of America j Department of Social Medicine, University of Bristol, Bristol, United Kingdom
b c

R E S U M E N

Gran parte de la investigacion biomedica es de tipo observacional. Los informes de los estudios observacionales a menudo poseen una calidad insuciente, lo que diculta la evaluacion de sus fortalezas y debilidades para generalizar los resultados. Teniendo en cuenta la evidencia emprica y consideraciones teoricas, un grupo de expertos en metodologa, investigadores y editores de revistas cientcas, desarrollaron una lista de recomendaciones para aumentar la calidad de las publicaciones de los estudios observacionales: Strenghtening the Reporting of Observational Studies in Epidemiology (STROBE). La Declaracion STROBE consiste en una lista de vericacion de 22 puntos que guardan relacion con las diferentes secciones de un artculo: ttulo, resumen, introduccion, metodologa, resultados y discusion. De ellos, 18 puntos son comunes a los tres disenos de estudio: cohorte, casos y controles, y transversales; los otros cuatro son especcos para cada una de estas tres modalidades. La Declaracion STROBE proporciona a los autores informacion sobre como mejorar la calidad de los artculos sobre estudios observacionales y facilita a los revisores, editores de revistas y lectores su apreciacion crtica y su interpretacion. Este documento explicativo tiene el proposito de impulsar el uso, la comprension y la difusion de la Declaracion STROBE. Se presentan el signicado y el analisis razonado para cada punto de la lista de vericacion, proporcionando uno o varios ejemplos publicados en la literatura y, en lo posible, referencias de estudios empricos relevantes y literatura metodologica. Tambien se incluyen ejemplos de diagramas de ujo. La Declaracion STROBE, el presente documento y la pagina Web asociada ([Link] son recursos utiles para mejorar la divulgacion de la investigacion observacional. & 2007 Publicado por Elsevier Espana, S.L.

Strengthening the reporting of observational studies in epidemiology (STROBE): explanation and elaboratio
A B S T R A C T

Much medical research is observational. The reporting of observational studies is often of insufcient quality. Poor reporting hampers the assessment of the strengths and weaknesses of a study and the generalisability of its results. Taking into account empirical evidence and theoretical considerations, a group of methodologists, researchers, and editors developed the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) recommendations to improve the quality of reporting of observational studies. The STROBE Statement consists of a checklist of 22 items, which relate to the title, abstract, introduction, methods, results and discussion sections of articles. Eighteen items are common to cohort studies, case-control studies and cross-sectional studies and four are specic to each of the three study designs. The STROBE Statement provides guidance to authors about how to improve the reporting of observational studies and facilitates critical appraisal and interpretation of studies by reviewers, journal editors and readers. This explanatory and elaboration document is intended to enhance the use, understanding, and dissemination of the STROBE Statement. The meaning and rationale for each checklist item are presented. For each item, one or several published examples and, where possible, references to relevant empirical studies and methodological literature are provided. Examples of useful ow diagrams are also included. The STROBE Statement, this document, and the associated Web site (http:// [Link]/) should be helpful resources to improve reporting of observational research. & 2007 Published by Elsevier Espana, S.L.

Introduccion La practica racional del cuidado de la salud requiere del conocimiento sobre la etiologa, la patogenesis, el diagnostico, el pronostico y el tratamiento de las enfermedades. Los ensayos

Autor para correspondencia.

Correo electronico: strobe@[Link] (E. Von Elm). 0213-9111/$ - see front matter & 2007 Publicado por Elsevier Espana, S.L. doi:10.1016/[Link].2008.12.001

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
2 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

clnicos aleatorizados proporcionan una valiosa evidencia sobre los tratamientos y otras intervenciones. Sin embargo, gran parte del conocimiento clnico o de salud publica proviene de la investigacion observacional1. Nueve de cada 10 artculos de investigacion publicados en revistas de especialidades clnicas describen investigaciones observacionales2,3.

La declaracion STROBE Con frecuencia, la comunicacion de estudios observacionales no es lo sucientemente clara y detallada para evaluar las fortalezas y las debilidades de la investigacion4,5. Para mejorarla, desarrollamos una lista de vericacion de los puntos que se deben atender: la Declaracion STROBE, que recientemente se ha publicado en varias revistas cientcas6. Estos puntos se relacio nan con las secciones de ttulo, resumen, introduccion, metodos, resultados y discusion. Nuestro proposito es asegurar una presentacion clara de lo que se planeo, realizo y encontro en un estudio observacional. Hacemos enfasis en que estas recomendaciones no son recetas para planicar o conducir estudios y tampoco dictan la metodologa ni decretan una presentacion uniforme. La declaracion STROBE proporciona recomendaciones generales para estudios observacionales descriptivos y aquellos que investigan asociaciones entre variables de exposicion y resultados de salud. Comprende los tres tipos principales de estudios observacionales: de cohortes, de casos y controles, y transversales. Los autores utilizan terminologa diversa para describir estos disenos. Por ejemplo, estudio de seguimiento y estudio longitudinal se utilizan como sinonimos para el estudio de cohortes, y estudio de prevalencia como sinonimo de estudio transversal. Elegimos la actual terminologa porque es de uso

Recuadro 1Principales disenos de estudio tratados por STROBE. Los disenos de cohortes, casos y controles, y transversales, constituyen diferentes enfoques para investigar la ocurrencia de eventos relacionados con la salud en una poblacion y en un periodo de tiempo determinados. Estos estudios pueden abordar muchos tipos de eventos relacionados con la salud, incluyendo la enfermedad o su remision, la discapacidad o las complicaciones, la muerte o la supervivencia, as como la presencia de factores de riesgo. En los estudios de cohortes, los investigadores siguen a las personas durante un periodo de tiempo. Obtienen informa cion acerca de ellas y de su exposicion basal, dejan que pase el tiempo y posteriormente comprueban la presencia de eventos resultado. Los investigadores comunmente hacen comparaciones entre los individuos expuestos y no expuestos, o bien entre grupos de individuos con diferentes categoras de exposicion. Tambien pueden medir varios eventos diferentes y examinar variables de exposicion y eventos en diversos momentos durante el periodo de seguimiento. Las cohortes cerradas (por ejemplo, cohortes desde el nacimiento) reclutan un numero denido de participantes al inicio del estudio y los siguen de ah en adelante, a menudo a intervalos predeterminados, hasta una fecha nal tambien jada. En las cohortes abiertas, la poblacion en estudio es dinamica: las personas entran y salen del estudio en diferentes momentos en el tiempo (por ejemplo, los habitantes de una comunidad). Las cohortes abiertas cambian debido a muertes, nacimientos y migracion, pero la composicion de la poblacion respecto a variables

como edad y sexo puede permanecer aproximadamente constante,en especialmente en un periodo de tiempo corto. En una cohorte cerrada se pueden estimar las incidencias acumuladas (riesgos) y las tasas de incidencia; cuando se comparan los grupos de expuestos y no expuestos, es posible estimar la razon de riesgos o la razon de tasas. Las cohortes abiertas estiman tasas de incidencia y razones de tasas. En los estudios de casos y controles, los investigadores comparan exposiciones entre personas con una enfermedad particular (casos) y personas sin esa enfermedad (controles). Reunen casos y controles que sean representativos de una cohorte subyacente o de una muestra de una poblacion. Esa poblacion puede estar denida geogracamente, o provenir de la zona de inuencia del centro de atencion de salud. La muestra de casos puede ser del 100% o una fraccion grande de casos disponibles, mientras que la muestra de controles generalmente es solo una pequena fraccion de personas que no tienen la enfermedad en estudio. Los controles represen tan la cohorte o poblacion de personas de la cual surgieron los casos. Los investigadores calculan la odds ratio de las exposiciones para las supuestas causas de la enfermedad entre los casos y los controles (vease el Recuadro 7). Dependiendo de la estrategia de muestreo para casos y controles, y de la naturaleza de la poblacion estudiada, la odds ratio obtenida en un estudio de casos y controles se interpreta como la razon de riesgos, razon de tasas u odds ratio para la prevalencia16,17. La mayora de los estudios de casos y controles publicados muestrean cohortes abiertas, lo que les permite estimar directamente las razones de tasas. En los estudios transversales, los investigadores estudian a todos los individuos de una muestra en el mismo momento en el tiempo, y con frecuencia investigan la prevalencia de exposiciones, factores de riesgo o enfermedades. Algunos estudios transversales son analticos y estan dirigidos a cuanticar posibles asociaciones causales entre exposiciones y enfermedades. Tales estudios pueden analizarse como un estudio de cohortes mediante la comparacion de la preva lencia de enfermedad entre los grupos de exposicion. Tambien pueden analizarse como un estudio de casos y controles al comparar la razon de exposicion entre los grupos con y sin enfermedad. Un problema que puede surgir en cualquier diseno epidemiologico, pero que es particularmente evidente en los estudios transversales, es establecer que la exposicion precedio a la enfermedad aun cuando, algunas veces, el orden en el tiempo de la exposicion y el evento pueda estar claro. Por ejemplo, en un estudio en que la variable de exposicion es congenita o genetica, podemos estar seguros de que la exposicion precedio a la enfermedad, aunque estemos midiendo ambas al mismo tiempo.

comun. Desafortunadamente, con frecuencia estos terminos se utilizan de forma incorrecta7 o imprecisa8. En el Recuadro 1 describimos las caractersticas distintivas de los tres disenos de estudio.

El ambito de la investigacion observacional Los estudios observacionales sirven a una amplia gama de propositos: desde la informacion sobre un primer indicio de la posible causa de una enfermedad, hasta la vericacion de la magnitud de asociaciones previamente comunicadas. Las ideas para los estudios pueden surgir de observaciones clnicas o del renamiento del conocimiento biologico, as como de observaciones informales de datos que conducen a mayores exploracio nes. Del mismo modo que un clnico ve miles de pacientes y alguno llama su atencion, el investigador puede jarse en algo

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 3

especial en los datos observados. No es posible ni deseable corregir las interpretaciones mediante la revision multiple de los datos9, pero a menudo son necesarios nuevos estudios para conrmar o refutar las observaciones iniciales10. Los datos existentes se pueden utilizar para investigar nuevas ideas sobre posibles factores causales, y pueden ser sucientes para rechazar o conrmar una hipotesis. En otros casos, posteriormente se disenan estudios especcos para superar los problemas que pueden haberse encontrado en comunicaciones previas. Estos estudios recopilaran nuevos datos y se planicaran para ese proposito, en contraste con los analisis de datos existentes. Esto conduce a diversos puntos de vista, por ejemplo respecto a la formacion de subgrupos o a la importancia de un tamano de muestra predeterminado. STROBE intenta incluir estos diferentes usos de la investigacion observacional, desde el descubrimiento hasta la refutacion o la conrmacion. Cuando sea necesario indicaremos en que circunstancias especcas se aplican las recomendaciones.

hablamos de la comunicacion de resultados en puntos separados, pero reconocemos que los autores pueden tratar varios puntos dentro de una sola seccion del texto o en una tabla. Los puntos Ttulo y resumen

1 (a). Indique el diseno del estudio en el ttulo o en el resumen con un termino habitual Ejemplo Incidencia de leucemia entre trabajadores de la industria manufacturera de zapatos y botas: un estudio de casos y controles18.

Como utilizar este documento Este documento esta ligado a la version breve de la Declaracion STROBE, que presento en varias revistas6 la lista de puntos a vericar y forma parte integral de la Declaracion STROBE. Nuestra intencion es explicar como informar adecuadamente de la investigacion, no como esta debe llevarse a cabo. Ofrecemos una explicacion detallada para cada punto de la lista. Cada explicacion va precedida por un ejemplo de lo que consideramos un informe adecuado. Esto no signica que el estudio de donde se ha tomado el ejemplo este bien escrito en su totalidad, y tampoco que sus resultados sean ables, ni que posteriormente sean conrmados por otros estudios; signica solamente que este punto en particular esta bien escrito y comunicado. Ademas de explicacio nes y ejemplos, incluimos los recuadros 1 a 8 con informacion adicional. Estos recuadros estan dedicados a los lectores que deseen refrescar su memoria sobre algunos aspectos teoricos o quieran informarse rapidamente sobre detalles de cuestiones tecnicas. Su completa comprension puede requerir estudiar los libros de texto o los documentos metodologicos que se citan. Las recomendaciones de STROBE no tratan especcamente temas como estudios de asociaciones geneticas, modelos de enfermedades infecciosas, informes o series de casos11,12. Sin embargo, muchos de los elementos de STROBE pueden aplicarse a estos disenos, por lo que los autores que comuniquen tales estudios pueden encontrar utiles estas recomendaciones. Para los autores de artculos sobre estudios observacionales que traten especcamente pruebas diagnosticas, marcadores tumorales y asociaciones geneticas15, las recomendaciones STARD13, REMARK14 y STREGA pueden ser particularmente utiles.

Explicacion Los lectores deben poder identicar facilmente, desde el ttulo o el resumen, el diseno que se utilizo. Un termino explcito utilizado habitualmente para el diseno del estudio, ayuda tambien a asegurar la correcta indexacion del artculo en las bases de datos electronicas19,20.

1 (b). Proporcione en el resumen una sinopsis informativa y equilibrada de lo que se ha hecho y lo que se ha encontrado Ejemplo Antecedentes: la supervivencia esperada en los pacientes infectados por el VIH es de fundamental interes para la Salud Publica. Objetivo: estimar el tiempo de supervivencia y las tasas de mortalidad especcas para la edad de una poblacion infectada por VIH en comparacion con la mortalidad en la poblacion general. Diseno: estudio de cohortes de base poblacional. Contexto: todas las personas infectadas con VIH que recibieron atencion en Dinamarca de 1995 a 2005. Pacientes: cada miembro del estudio de la cohorte nacional danesa de VIH se emparejo hasta con 99 personas de la poblacion general segun sexo, fecha de nacimiento y lugar de residencia. Mediciones: los autores calcularon las tablas de vida de KaplanMeier con la edad como escala de tiempo para estimar la supervivencia desde los 25 anos. Se observo a los pacientes infectados con VIH y a las personas correspondientes de la poblacion general a partir de la fecha del diagnostico del VIH hasta su muerte, migracion o el 1 de mayo de 2005. Resultados: se incluyeron en el estudio 3.990 pacientes infectados por el VIH y 379.872 personas de la poblacion general, que produjeron 22.744 personas-ano (mediana 5,8) y 2.689.287 personas-ano (mediana 8,4) de observacion. Se perdio el 3% de los participantes durante el seguimiento. A partir de los 25 anos de edad, la mediana del tiempo de supervivencia para los pacientes infectados fue 19,9 anos (IC95%: 18,521,3), y 51,1 anos (IC95%: 50,951,5) para la poblacion general. Para los pacientes infectados, la supervivencia aumento a 32,5 anos (IC95%: 29,434,7) durante el periodo 20002005. En el subgrupo que excluyo a personas con coinfeccion por el virus de la hepatitis C (16%), la mediana de la supervivencia fue 38,9 anos (IC95%: 35,440,1) durante este mismo periodo. La tasa de mortalidad relativa para los pacientes con infeccion por VIH comparada con la de la poblacion general disminuyo con el aumento de la edad, mientras que el exceso de la tasa de mortalidad se incremento con la edad.

Los puntos de la lista de vericacion A continuacion comentamos y explicamos los 22 puntos de la lista de vericacion STROBE (tabla 1), y ofrecemos ejemplos publicados para cada uno de ellos. Algunos de estos ejemplos se han reproducido eliminando referencias o abreviaturas. Dieciocho de los puntos se aplican a los tres disenos de estudio, mientras que los otros cuatro son especcos. Los puntos con asterisco (por ejemplo el numero 8*) indican que la informacion se debe dar por separado para los casos y los controles en los estudios de casos y controles, y para los grupos expuestos y no expuestos en los estudios de cohortes y transversales. Aconsejamos a los autores tratar todos los puntos en alguna parte de su artculo, pero no indicamos una localizacion ni un orden exactos. Por ejemplo,

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
4 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Tabla 1 Declaracion STROBE: lista de puntos esenciales que deben describirse en la publicacion de estudios observacionales Ttulo y resumen Punto 1 Introduccion Contexto/ fundamentos Objetivos Recomendacion (a) Indique, en el ttulo o en el resumen, el diseno del estudio con un termino habitual (b) Proporcione en el resumen una sinopsis informativa y equilibrada de lo que se ha hecho y lo que se ha encontrado Explique las razones y el fundamento cientcos de la investigacion que se comunica Indique los objetivos especcos, incluyendo cualquier hipotesis preespecicada

2 3

Metodos Diseno del estudio Contexto Participantes

4 5 6

Variables Fuentes de datos/medidas Sesgos Tamano muestral Variables cuantitativas Metodos estadsticos

7 8 9 10 11 12

Presente al principio del documento los elementos clave del diseno del estudio Describa el marco, los lugares y las fechas relevantes, incluyendo los periodos de reclutamiento, exposicion, seguimiento y recogida de datos (a) Estudios de cohortes: proporcione los criterios de elegibilidad, as como las fuentes y el metodo de seleccion de los participantes. Especique los metodos de seguimiento Estudios de casos y controles: proporcione los criterios de elegibilidad, as como las fuentes y el proceso diagnostico de los casos y el de seleccion de los controles. Indique las razones para la eleccion de casos y controles Estudios transversales: proporcione los criterios de elegibilidad, y las fuentes y los metodos de seleccion de los participantes (b) Estudios de cohortes: en los estudios pareados, proporcione los criterios para la formacion de parejas y el numero de participantes con y sin exposicion Estudios de casos y controles: en los estudios pareados, proporcione los criterios para la formacion de las parejas y el numero de controles por cada caso Dena claramente todas las variables: de respuesta, exposiciones, predictoras, confusoras y modicadoras del efecto. Si procede, proporcione los criterios diagnosticos Para cada variable de interes, indique las fuentes de datos y los detalles de los metodos de valoracion (medida). Si hubiera mas de un grupo, especique la comparabilidad de los procesos de medida Especique todas las medidas adoptadas para afrontar posibles fuentes de sesgo Explique como se determino el tamano muestral Explique como se trataron las variables cuantitativas en el analisis. Si procede, explique que grupos se denieron y por que (a) Especique todos los metodos estadsticos, incluidos los empleados para controlar los factores de confusion (b) Especique todos los metodos utilizados para analizar subgrupos e interacciones (c) Explique el tratamiento de los datos ausentes (missing data) (d) Estudios de cohortes: si procede, explique como se afrontan las perdidas en el seguimiento Estudios de casos y controles: si procede, explique como se parearon casos y controles Estudios transversales: si procede, especique como se tiene en cuenta en el analisis la estrategia de muestreo (e) Describa los analisis de sensibilidad

Resultados Participantes

13

Datos descriptivos

14

Datos de las variables de resultado

15

(a) Indique el numero de participantes en cada fase del estudio; p. ej., numero de participantes elegibles, analizados para ser incluidos, conrmados elegibles, incluidos en el estudio, los que tuvieron un seguimiento completo y los analizados (b) Describa las razones de la perdida de participantes en cada fase (c) Considere el uso de un diagrama de ujo (a) Describa las caractersticas de los participantes en el estudio (p. ej., demogracas, clnicas, sociales) y la informacion sobre las exposiciones y los posibles factores de confusion (b) Indique el numero de participantes con datos ausentes en cada variable de interes (c) Estudios de cohortes: resuma el periodo de seguimiento (p. ej., promedio y total) Estudios de cohortes: indique el numero de eventos resultado o bien proporcione medidas resumen a lo largo del tiempo Estudios de casos y controles: indique el numero de participantes en cada categora de exposicion o bien proporcione medidas resumen de exposicion Estudios transversales: indique el numero de eventos resultado o bien proporcione medidas resumen (a) Proporcione estimaciones no ajustadas y, si procede, ajustadas por factores de confusion, as como su precision (p. ej., intervalos de conanza del 95%). Especique los factores de confusion por los que se ajusta y las razones para incluirlos (b) Si categoriza variables continuas, describa los lmites de los intervalos (c) Si fuera pertinente, valore acompanar las estimaciones del riesgo relativo con estimaciones del riesgo absoluto para un periodo de tiempo relevante Describa otros analisis efectuados (de subgrupos, interacciones o sensibilidad)

Resultados principales

16

Otros analisis

17

Discusion Resultados clave Limitaciones Interpretacion Generabilidad

18 19 20 21

Resuma los resultados principales de los objetivos del estudio Discuta las limitaciones del estudio, teniendo en cuenta posibles fuentes de sesgo o de imprecision. Razone tanto sobre la direccion como sobre la magnitud de cualquier posible sesgo Proporcione una interpretacion global prudente de los resultados considerando objetivos, limitaciones, multiplicidad de analisis, resultados de estudios similares y otras pruebas empricas relevantes Discuta la posibilidad de generalizar los resultados (validez externa)

Otra informacion Financiacion

22

Especique la nanciacion y el papel de los patrocinadores del estudio, y si procede, del estudio previo en que se basa su artculo

Nota: Se ha publicado un artculo que explica y detalla la elaboracion de cada punto de la lista, y se ofrece el contexto metodologico y ejemplos reales de comunicacion transparente. La lista de puntos STROBE se debe utilizar preferiblemente junto con ese artculo (gratuito en las paginas web de las revistas PLoS Medicine (http:// [Link]/), Annals of Internal Medicine ([Link] y Epidemiology ([Link] En la pagina web de STROBE (http:// [Link]) aparecen las diferentes versiones de la lista correspondientes a los estudios de cohortes, a los estudios de casos y controles, y a los estudios transversales. Proporcione esta informacion por separado para casos y controles en los estudios con diseno de casos y controles Si procede, tambien para los grupos con y sin exposicion en los estudios de cohortes y en los transversales.

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 5

Limitaciones: se asumio que las tasas de mortalidad observadas seran aplicables mas alla del tiempo maximo de observacion de 10 anos. Conclusiones: la mediana estimada del tiempo de supervivencia es de mas de 35 anos para una persona joven diagnosticada de infeccion por VIH en la ultima etapa del tratamiento antirretroviral de gran actividad. Sin embargo, se necesita un esfuerzo continuo para reducir mas las tasas de mortalidad de estas personas comparadas con la poblacion general21. Explicacion El resumen proporciona la informacion clave que permite al lector entender el estudio y decidir si lee o no el artculo. Los componentes tpicos incluyen la pregunta de investigacion, una breve descripcion de los metodos y los resultados, y una conclusion22. Los resumenes deben sintetizar detalles clave del estudio y presentar solamente la informacion que se proporciona en el artculo. Aconsejamos la presentacion de los resultados principales en cifras, incluyendo el numero de participantes, las estimaciones de asociaciones y las medidas apropiadas de la variabilidad y de la incertidumbre (por ejemplo odds ratio con intervalo de conanza). Creemos insuciente indicar solamente si una exposicion se asocia o no de manera signicativa con el resultado. Una serie de encabezados referentes a los antecedentes, el diseno, el desarrollo y el analisis del estudio pueden ayudar a los lectores a obtener rapidamente la informacion esencial23. Muchas revistas requieren estos resumenes estructurados, que tienden a ser de mayor calidad y mas informativos que los no estructurados24,25.

1970 para examinar las consecuencias socioeconomicas, educa tivas, sociales y psicologicas, en la edad adulta, de la obesidad infantil26. Explicacion Los antecedentes cientcos del estudio proporcionan un contexto importante a los lectores. Establecen la etapa en que se ubica el estudio y describen su proposito. Ofrecen una descripcion de lo que se sabe acerca del tema y que vacos del conocimiento actual se tratan en el estudio. La informacion de los antecedentes debe centrarse en estudios recientes y en todas las revisiones sistematicas de estudios pertinentes. cos, incluyendo cualquier 3. Objetivos: indique los objetivos espec hipotesis preespecicada Ejemplo Nuestros objetivos principales fueron: 1) determinar la prevalencia de la violencia domestica entre mujeres que solicita ron consulta medica en cuatro centros comunitarios de atencion primaria que atienden a pacientes de diversos estratos socioeco nomicos, y 2) identicar diferencias demogracas y clnicas entre las pacientes que sufrieron abusos recientemente y las que no27. Explicacion Los objetivos son los propositos detallados del estudio. Los objetivos bien elaborados especican la poblacion, las exposicio nes y los efectos, as como los parametros que seran estimados. Pueden formularse como hipotesis especcas o como preguntas que el estudio pretende abordar. En algunas situaciones los objetivos pueden ser menos especcos, por ejemplo en las etapas tempranas de una investigacion. Independientemente de ello, el informe debe reejar claramente las intenciones de los investiga dores. Por ejemplo, si durante el analisis de datos se distinguieron subgrupos importantes o se realizaron analisis no previstos con referencia al proposito original del estudio, es necesario incluir la descripcion correspondiente (vease tambien los puntos 4, 17 y 20).

Introduccion La seccion de introduccion debe describir por que se llevo a cabo el estudio y que preguntas de investigacion e hipotesis trata. Debe permitir que otros comprendan el contexto del estudio y que juzguen su posible contribucion al conocimiento actual. 2. Contexto/fundamentos: explique las razones y el fundamento cientcos de la investigacion que se comunica Ejemplo La preocupacion por el aumento de la prevalencia de la obesidad en ninos y adolescentes se ha centrado en las bien documentadas asociaciones entre la obesidad infantil y el aumento del riesgo cardiovascular y la mortalidad en la edad adulta. La obesidad infantil tiene considerables consecuencias sociales y psicologicas, tanto en la ninez como en la adolescencia; no obstante, poco se sabe sobre sus consecuencias sociales, socioeconomicas y psicologicas en la edad adulta. Una revision sistematica reciente no encontro estudios longitudinales sobre las consecuencias de la obesidad infantil, a excepcion de los efectos fsicos sobre la salud, y solamente dos estudios longitudinales sobre los efectos socioeconomicos de la obesidad en la adolescencia. Gortmaker et al. encontraron que mujeres norteamerica nas que haban sido obesas al nal de la adolescencia, en 1981, tenan menos probabilidades de estar casadas y menores ingresos siete anos despues que las mujeres que no haban tenido sobrepeso, mientras que los hombres que tenan sobrepeso era menos probable que estuvieran casados. En Gran Bretana, Sargent et al. encontraron que las mujeres, pero no los hombres, que haban sido obesas a los 16 anos en 1974, ganaban un 7,4% menos que sus pares no obesas a la edad de 23 anos. (y) Utilizamos datos longitudinales de la cohorte de nacimientos britanicos de

Metodos La seccion de metodos debe describir lo que se planeo y lo que se hizo con suciente detalle para permitir a otros entender los aspectos esenciales del estudio, para juzgar si los metodos fueron adecuados para proporcionar respuestas ables y validas, as como para evaluar si cualquier desviacion del plan original fue razonable. 4. Diseno del estudio: presente al principio del documento los elementos clave del diseno del estudio Ejemplo Usamos un diseno de casos alternantes o cruzados (case crossover), que es una variante del diseno de casos y controles util cuando una exposicion breve (uso del telefono mientras se conduce) causa un incremento pasajero en el riesgo de un desenlace de poca frecuencia (un accidente). Comparamos el uso del telefono movil por los conductores en el momento estimado de un accidente con los mismos conductores durante otro momento conveniente. Como los conductores son sus propios controles, este diseno tiene en cuenta algunas caractersticas del conductor que podran afectar la probabilidad de chocar, pero que no cambian en un periodo corto. Como es importante que los riesgos sean similares durante los periodos de control y los trayectos en que ocurre el accidente, comparamos el uso del

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
6 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

telefono durante el intervalo de riesgo (tiempo inmediatamente anterior al accidente) con su uso durante los intervalos de control (periodos equivalentes durante los cuales los participantes estaban conduciendo pero no chocaron) en la semana previa28.

5. Contexto: describa el marco, los lugares y las fechas relevantes, incluyendo los periodos de reclutamiento, exposicion, seguimiento y recogida de datos Ejemplo El Estudio de Cohortes Los Pasitos recluto mujeres embara zadas de las clnicas de mujeres, recien nacidos y ninos en Socorro y San Elizario, en el condado de El Paso, Texas, y de las clnicas materno-infantiles del Instituto Mexicano de Seguridad Social en Ciudad Juarez, Mexico, de abril de 1998 a octubre de 2000. Al inicio, previamente al nacimiento de los ninos incluidos en la cohorte, se entrevisto a las madres respecto al ambiente familiar. Para el estudio nos propusimos realizar examenes de seguimiento con intervalos de 6 meses, comenzando a los 6 meses de edad36. Explicacion Los lectores necesitan informacion sobre el entorno y la ubicacion para evaluar el contexto y la generalizacion de los resultados del estudio. Las exposiciones, los factores ambientales y los tratamientos pueden cambiar con el tiempo, as como tambien los metodos de estudio pueden evolucionar a lo largo del tiempo. Saber cuando tuvo lugar un estudio y durante que periodos fueron reclut ados y seguidos los participantes, situa al estudio en un contexto historico y es importante para la interpretacion de los resultados. La informacion acerca del marco incluye sitios o fuentes de reclutamiento (por ejemplo una lista electoral, una consulta externa, un registro de cancer o centros de tercer nivel). La informacion sobre el lugar se puede referir a pases, ciudades, hospitales o servicios clnicos donde tuvo lugar la investigacion. Aconsejamos indicar las fechas en vez de solo la extension de los periodos de tiempo. Pueden existir diferentes fechas para determinar la exposicion, la ocurrencia de la enfermedad, el reclutamiento, el comienzo y el n del alar que cerca del seguimiento, y la recogida de los datos. Cabe sen 80% de 132 artculos de revistas de oncologa que usaron analisis de supervivencia incluan las fechas iniciales y nales para la acumulacion de los pacientes, pero solo el 24% indicaba la fecha en que termino el seguimiento37. 6. Participantes 6 (a). Estudios de cohortes: proporcione los criterios de elegibilidad, as como las fuentes y el metodo de seleccion de los participantes. especique los metodos de seguimiento Ejemplo Las participantes en el Iowa Womens Health Study fueron una os muestra aleatoria de todas las mujeres de 55 a 69 an de edad obtenida de la lista de licencias de conducir del Estado de Iowa en 1985, que representaban aproximadamente el 94% de las mujeres de ese Estado en ese grupo de edad. (y) Los cuestionarios de seguimiento se enviaron por correo en octubre de 1987 y en agosto de 1989, para evaluar el estado vital y cambios de domicilio. (y) Se identicaron los canceres incidentes, excepto el cancer de piel tipo no melanoma, mediante el Registro Estatal de Salud de Iowa. (y) La cohorte del estudio fue emparejada con el Registro, con combina ciones de nombre, apellido y nombre de soltera, codigo postal, fecha de nacimiento y numero de la seguridad social38. 6 (a). Estudios de casos y controles: proporcione los criterios de elegibilidad, as como las fuentes y el proceso diagnostico de los casos y el de seleccion de los controles. indique las razones para la eleccion de casos y controles Ejemplo Se identicaron los casos de melanoma cutaneo diagnostica dos en 1999 y 2000 mediante del Registro de Cancer de Iowa. (y)

Explicacion Aconsejamos presentar al comienzo los elementos clave del diseno del estudio, en la seccion de metodos (o al nal de la introduccion), de manera que los lectores comprendan los fundamentos del estudio. Por ejemplo, se debe indicar que el estudio fue de cohortes, que siguio a los participantes durante un periodo de tiempo concreto, y describir al grupo de personas que integran la cohorte y su estatus de exposicion. Igualmente, si la investigacion uso un diseno de casos y controles se deben describir los casos y los controles, as como la fuente de la poblacion. Si se trata de una encuesta hay que mencionar la poblacion y el momento en que se tomo la muestra. Cuando se trate de una variante de los tres principales tipos de estudio, se requieren aclaraciones adicionales. Por ejemplo, respecto a un estudio de casos alternantes, que es una variante del diseno de casos y controles, en el ejemplo previo se ofrecio una breve descripcion de sus principios28. Recomendamos que los autores se abstengan de llamar simplemente a un estudio prospectivo o retrospectivo, porque estos terminos estan mal denidos29. Un enfoque es entender cohorte y prospectivo como sinonimos, y reservar la palabra retrospectivo para estudios de casos y controles30. Un segundo enfoque distingue los estudios de cohortes en prospectivos y retrospectivos, basandose en el momento en que surgio la idea del estudio y la temporalidad para recoger los datos31. Un tercer enfoque distingue estudios de casos y controles prospectivos y retrospectivos, dependiendo de si los datos acerca de la exposicion de interes existan cuando se seleccionaron los casos32. Algunos recomiendan no utilizar estos terminos33 o adoptar las opciones concurrente e historica para describir estudios de cohortes34. En STROBE no usamos las palabras prospectivo y retrospecti vo, ni opciones como concurrente e historica. Recomenda mos que, siempre que los autores utilicen estos terminos, denan su signicado. Mas importante aun, recomendamos que los autores describan exactamente como y cuando tuvo lugar la recogida de los datos. La primera parte de la seccion de metodos puede ser tambien el lugar apropiado para mencionar si el reporte es uno de varios otros derivados de un mismo estudio. Si un artculo esta en lnea con los propositos originales del estudio, normalmente se indica reriendose a una publicacion anterior y repitiendo de forma breve las caractersticas relevantes del estudio. Sin embargo, los propositos del estudio tambien pueden evolucionar con el tiempo. Con frecuencia los investigadores usan datos con propositos para los cuales no fueron planeados en principio, incluyendo, por ejemplo, estadsticas vitales que se elaboran principalmente con nes administrativos, preguntas de cuestionarios que original mente solo se incluyeron para hacer los datos mas completos, o muestras de sangre tomadas con otros propositos. Por ejemplo, el Physicians Health Study, un ensayo controlado aleatorizado de acido acetilsaliclico y carotenos, se utilizo posteriormente para demostrar que una mutacion puntual en el gen del factor V se asociaba con un mayor riesgo de trombosis venosa, pero no con infarto de miocardio ni con enfermedad vascular cerebral35. El uso secundario de datos existentes es una parte creativa de las investigaciones observacionales, y no necesariamente hace a los resultados menos crebles o menos importantes. Sin embargo, repetir brevemente los intereses originales del estudio puede ayudar a los lectores a comprender el contexto de la investigacion y las posibles limitaciones de los datos.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 7

Los controles, tambien identicados por el mismo registro, fueron pacientes con cancer colorrectal diagnosticados en el mismo periodo. Se seleccionaron controles con cancer colorrectal debido a que son frecuentes y tienen una supervivencia relativamente larga, y porque la exposicion a arsenico no se ha vinculado concluyentemente con la incidencia de cancer colorrectal39. 6 (a). Estudios transversales: proporcione los criterios de elegibilidad, y las fuentes y los metodos de seleccion de los participantes Ejemplo Identicamos retrospectivamente pacientes con un diagnos tico principal de infarto de miocardio (codigo 410) segun la Modicacion Clnica de la Novena Revision de la Clasicacion Internacional de Enfermedades. De los codigos designados se descartaron diagnosticos excluyendo aquellos codigos cuyo quinto dgito fuera 2, que indica un episodio de atencion subsecuente. (y) Se selecciono una muestra aleatoria de la cohorte completa de Medicare con infarto de miocardio de febrero de 1994 a julio de 1995. (y) Para ser elegibles, los pacientes tenan que presentarse en el hospital transcurridos al menos 30 minutos con dolor de pecho, pero menos de 12 horas, y haber tenido una elevacion del segmento ST de al menos 1 mm en dos derivaciones contiguas en el electrocardiograma inicial40. Explicacion La descripcion detallada de los participantes del estudio ayuda a los lectores a entender la aplicabilidad de los resultados. Los investigadores normalmente restringen la poblacion de estudio mediante la denicion de caractersticas clnicas, demogracas y otras, entre los participantes elegibles. Los criterios de elegibilidad tpicos se relacionan con la edad, el sexo, el diagnostico y las condiciones de comorbilidad. A pesar de su importancia, a menudo los criterios de elegibilidad no se describen adecuadamente. En un estudio sobre investigaciones observacionales sobre accidentes vasculares y cerebrales, 17 de 49 reportes (35%) no especicaron los criterios de elegibilidad5. Los criterios de elegibilidad se pueden presentar como criterios de inclusion y exclusion, aunque esta distincion no siempre es necesaria o util. No obstante, aconsejamos a los autores indicar todos los criterios de elegibilidad y describir el grupo del cual se selecciono la poblacion de estudio (por ejemplo la poblacion general de una region o pas), as como el metodo de recluta miento (por ejemplo referencia o autoseleccion mediante anuncios). Conocer los detalles sobre los procedimientos de seguimiento, incluyendo si estos minimizaron la no respuesta y las perdidas, as como si los procedimientos fueron similares para todos los participantes, permite juzgar la validez de los resultados. Por ejemplo, en un estudio que uso anticuerpos IgM para detectar infecciones agudas, los lectores necesitaban saber el intervalo entre los analisis de sangre para estos anticuerpos, de modo que pudieran estimar si se omitieron algunas infecciones debido a intervalos demasiado prolongados entre las pruebas41. En otros estudios en que los procedimientos de seguimiento dieran entre los grupos expuestos y no expuestos, los lectores podran reconocer un sesgo sustancial debido a una evaluacion desigual de los eventos a observar, a diferencias en la no respuesta o a perdidas en el seguimiento42. Por lo tanto, aconsejamos que los investigadores describan los metodos usados para el seguimiento, si fueron los mismos para todos los participantes y cuan completa fue la medicion de las variables (ver tambien punto 14). En los estudios de casos y controles, la eleccion de los casos y de los controles es crucial para interpretar los resultados, y el metodo de seleccion tiene implicaciones importantes para la

validez del estudio. En general, los controles deben reejar la poblacion de donde surgen los casos. Se emplean varios metodos para muestrear a los controles, todos con ventajas y desventajas: para casos que surgen de una poblacion general se emplean controles de muestras de listas de poblacion, marcacion de numeros telefonicos aleatorios, amigos o vecinos. Los controles de amigos o vecinos pueden presentar pareamiento intrnseco en la exposicion17. Los controles con otras enfermedades pueden tener ventajas sobre los controles de base poblacional, en particular para casos hospitalarios, porque reejan mejor la captacion poblacional de un hospital, tienen una mayor compa rabilidad recordatoria y son faciles de reclutar. Sin embargo, pueden presentar problemas si la exposicion de interes afecta al riesgo de desarrollar o ser hospitalizado por la condicion de control43,44. Para corregir este problema, con frecuencia se emplea una combinacion de controles con las enfermedades probable mente menos asociadas a la exposicion45. 6 (b). Estudios de cohortes: en los estudios pareados, proporcione los criterios para la formacion de parejas y el numero de participantes con y sin exposicion Ejemplo Para cada paciente que inicialmente recibio estatinas usamos un enparejamiento basado en la propension para identicar un control que no recibiera estatinas, segun el siguiente protocolo. Primero se calculo la puntuacion de propension para cada paciente en toda la cohorte basandose en una larga lista de factores potencialmente relacionados con el uso de estatinas o con el riesgo de sepsis. Segundo, cada usuario de estatinas fue emparejado con un grupo mas pequeno de no usuarios de estatinas por sexo, edad (71 ano) y la fecha ndice (73 meses). Tercero, seleccionamos el control con la puntuacion de propension mas cercana (dentro del 0,2 de desviacion estandar) para cada usuario de estatinas con una razon 1:1, y descartamos los controles restantes46. 6 (b). Estudios de casos y controles: en los estudios emparejados, proporcione los criterios para la formacion de las parejas y el numero de controles por cada caso Ejemplo Nos propusimos seleccionar cinco controles por cada caso entre individuos de la poblacion de estudio que no tuvieran diagnostico de autismo ni otro trastorno generalizado del desarrollo (TGD) registrado en su expediente de atencion primaria, y que estuvieran vivos y registrados como pacientes activos en la fecha del diagnostico del TGD del caso. Los controles fueron pareados individualmente con los casos por ano de nacimiento (hasta un ano mayor o menor), sexo y centro de atencion primaria. Para cada uno de los 300 casos se pudo identicar cinco controles que cumplieran todos los criterios de emparejamiento. Para los 994 restantes se excluyeron uno o mas controles47. Explicacion El pareamiento es mucho mas comun en estudios de casos y controles, pero en ocasiones los investigadores lo usan en los estudios de cohortes para hacer grupos comparables en el inicio del seguimiento. El pareamiento en los estudios de cohortes proporciona grupos directamente comparables por posibles confusores, y presenta menos complejidad que en los estudios de casos y controles. Por ejemplo, no es necesario tener en cuenta el pareamiento para la estimacion del riesgo relativo. Ya que en los estudios de cohortes el pareamiento puede aumentar la precision

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
8 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Recuadro 2Pareamiento en estudios de casos y controles. En cualquier estudio de casos y controles es necesario tomar decisiones razonables respecto a si usar pareamiento, y de ser as que variables parear, el metodo preciso para hacerlo y el apropiado analisis estadstico. El hecho de no parear por ninguna variable puede signicar que la distribucion de algunos posibles confusores ([Link]., edad, sexo) sea radical mente diferente entre casos y controles. Si bien en el analisis puede ajustarse por estas variables, es probable que haya una perdida importante de la eciencia estadstica. El uso del pareamiento en los estudios de casos y controles, as como su interpretacion, estan llenos de dicultades, especialmente si se parea por varios factores de riesgo, algunos de los cuales pueden estar asociados a la exposicion de interes50,51. Por ejemplo, en un estudio de casos y controles sobre infarto de miocardio y anticonceptivos orales, anidado en una gran base de datos farmacoepi demiologica, con informacion sobre miles de mujeres disponibles como posibles controles, los investigadores pueden estar tentados a elegir controles pareados con similares factores de riesgo por cada caso de infarto de miocardio. Un objetivo es ajustar por factores que pueden inuir en la prescripcion de anticonceptivos orales, y de esta manera controlar la confusion por indicacion. Sin embargo, el resultado sera un grupo control que deja de ser representa tivo del uso de anticonceptivos orales en la poblacion base: los controles seran mas viejos que la poblacion base debido a que los pacientes con infarto de miocardio tienden a ser mas viejos. Esto tiene varias implicaciones. Un analisis crudo de los datos puede producir odds ratios normalmente sesgadas hacia la unidad si el factor de pareamiento esta asociado con la exposicion. La solucion es realizar un analisis pareado o estraticado (vease el punto 12b). Asimismo, debido a que el grupo de controles pareados dejo de ser representativo de la poblacion, la distribucion de la exposicion entre los controles no puede usarse para estimar la fraccion atribuible poblacio nal (vease el Recuadro 7)52. Ademas, ya no se puede estudiar el efecto del factor de pareamiento, y la busqueda de controles bien pareados puede ser engorrosa, lo que hace preferible un diseno no pareado debido a que los controles no pareados seran mas sencillos de obtener y el grupo control puede ser mas grande. El sobrepareamiento es otro problema que puede reducir la eciencia de los estudios de casos y controles pareados, y en algunas situaciones puede introducir sesgos. La informacion se pierde y el poder del estudio se reduce si la variable de pareamiento esta estrechamente asociada con la exposicion. Por lo tanto, muchos individuos dentro de los mismos grupos pareados tenderan a tener identicas o similares exposiciones, y por lo tanto no contribuyen con informacion relevante. El parea miento irremediablemente introducira sesgos si la variable de pareamiento no es un confusor sino que se encuentra en la ruta causal entre la exposicion y la enfermedad. Por ejemplo, la fertilizacion in vitro esta asociada con un riesgo elevado de muerte perinatal, debido a un aumento de los nacimientos multiples y del bajo peso al nacer53. Parear por pluralidad o peso al nacer sesgara los resultados hacia la nulidad, y esto no se puede remediar en el analisis. El pareamiento es intuitivamente atractivo, pero la com plejidad que implica ha llevado a los metodologos a advertir contra la sistematizacion del pareamiento en los estudios de casos y controles. Recomiendan hacer una consideracion cuidadosa y juiciosa de cada posible factor de pareamiento, reconociendo que pueden ser determinados y usados como una variable de ajuste en lugar de parear por ellos. En consecuencia, ha habido una reduccion en el numero de factores de pareamiento utilizados y un uso creciente del pareamiento por frecuencia, lo que evita algunos de los problemas comentados anteriormente, as como mas estudios de casos y controles no pareados en absoluto54. El pareamiento continua siendo lo mas deseable, e incluso

necesario, cuando la distribucion de los confusores ([Link]., la edad) puede diferir radicalmente entre los grupos de comparacion no pareados48,49.

estadstica, los investigadores pueden permitir el pareamiento en sus analisis y ademas obtener intervalos de conanza mas estrechos. Los estudios de casos y controles pareados se realizan para incrementar la eciencia del estudio y asegurar la similitud en la distribucion de las variables entre casos y controles, en particular la distribucion de las variables potencialmente confusoras48,49. Puesto que el pareamiento se puede hacer de varias formas, con uno o mas controles por caso, se deben describir la justicacion para la seleccion de variables de emparejamiento y los detalles de los metodos utilizados. Las formas de emparejamiento comun mente usadas son por frecuencia (tambien llamado pareamiento o emparejamiento de grupo) e individual. En el pareamiento por frecuencia, los investigadores eligen controles de manera que la distribucion de las variables de pareamiento sea identica o similar que la de los casos. El pareamiento individual implica parear uno o varios controles a cada caso. Aunque intuitivamente es atractivo y algunas veces util, el pareamiento en los estudios de casos y controles tiene ciertas desventajas, no siempre es apropiado y debe tenerse en cuenta en el analisis (vease el Recuadro 2). Incluso procedimientos de paremiento simples en apariencia pueden ser mal comunicados. Por ejemplo, los autores pueden establecer que los controles se parearon a los casos dentro de un periodo de 5 anos o usando intervalos de edad de 5 anos. Esto signica que, si un caso tena 54 anos de edad, el respectivo control necesitaba estar en el intervalo de los 5 anos, de 50 a 54, o con una edad de 49 a 59, que esta dentro de los 5 anos a partir de la edad de 54? Si se elige un intervalo de edad amplio (por ejemplo 10 anos) hay riesgo de una confusion residual por edad (vease tambien el Recuadro 4), ya que, por ejemplo, los controles pueden ser en promedio mas jovenes que los casos. 7. Variables: dena claramente todas las variables, de respuesta, exposiciones, predictoras, confusoras y modicadoras del efecto. si procede, proporcione los criterios diagnosticos Ejemplo Solo se incluyeron en el analisis malformaciones congenitas importantes. Se excluyeron las anomalas secundarias segun la lista de exclusion de las Anomalas Congenitas del Registro Europeo (EUROCAT). Si un nino tena mas de una malformacion congenita importante en un organo, estas malformaciones fueron tratadas como un evento resultado en el analisis por sistema de organos. (y) En el analisis estadstico, los factores considerados como posibles confusores fueron la edad materna en el momento del parto y el numero de partos previos. Los factores considerados como posibles modicadores del efecto fueron la edad materna en el momento del reembolso del medicamento antiepileptico y la edad materna en el parto55. Explicacion Los autores deben denir todas las variables consideradas e incluidas en el analisis, de respuesta, exposiciones, predictoras y posibles confusoras y modicadoras del efecto. Las enfermedades resultado requieren una descripcion detallada y adecuada de los criterios diagnosticos. Esto es de aplicacion a los criterios para casos en un estudio de casos y controles, a los eventos de enfermedad durante el seguimiento en un estudio de cohortes, y a

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 9

la enfermedad prevalente en un estudio transversal. Son particularmente importantes las deniciones claras y los pasos tomados para adherirse a ellas para cualquier enfermedad de interes principal en el estudio. Para algunos estudios, determinante y predictor pueden ser terminos apropiados para variables de exposicion, y las de resultado pueden llamarse desenlaces. En modelos multivariados, algunas veces los autores usan variable dependiente para un resultado y variable independiente o variable explicatoria para la exposicion y las variables confusoras. Esto ultimo no es necesario, ya que no distingue la exposicion de los confusores. Si se han medido e incluido muchas variables en el analisis exploratorio en una fase temprana de la investigacion, considere proporcionar una lista con detalles sobre cada variable en un apendice, tabla adicional o publicacion separada. El International Journal of Epidemiology ha creado recientemente una nueva seccion con perles de cohortes, que incluye informacion detallada sobre lo que se midio en diferentes momentos en el tiempo en estudios particulares56,57. Finalmente, recomendamos a los autores que declaren todas las variables candidatas consi deradas para el analisis estadstico, en lugar de indicar selectiva mente solo las incluidas en los modelos nales (ver tambien el punto 16a)58,59. 8. Fuentes de datos/medidas: para cada variable de interes, indique las fuentes de datos y los detalles de los metodos de valoracion (medida). si hubiera mas de un grupo, especique la comparabilidad de los procesos de medida Ejemplo 1 Se calculo principalmente el consumo de cafena total usando las fuentes de composicion de alimentos del Departamento de Agricultura de Estados Unidos. En estos calculos se asumio que el contenido de cafena era de 137 mg por taza de cafe, 47 mg por taza de te, 46 mg por lata o botella de bebida de cola, y 7 mg por racion de chocolate. Este metodo de medida del consumo (cafena) mostro ser valido tanto en el estudio de la cohorte NHS I como en un estudio de una cohorte similar de profesionales de la salud varones. (y) Se hallo que el diagnostico auto rreportado de hipertension era able en la cohorte NHS I60. Ejemplo 2 Las muestras pertenecientes a los casos y los controles pareados se analizaron siempre juntas en la misma serie, y el personal del laboratorio no poda distinguir entre casos y controles61. Explicacion La forma en que se miden la exposicion, los confusores y los resultados afecta la abilidad y la validez de un estudio. El error de medida y la mala clasicacion de la exposicion o el resultado pueden hacer mas difcil detectar una relacion causa-efecto, o pueden producir relaciones falsas. El error en la medida de posibles confusores puede incrementar el riesgo de confusion residual62,63. Por lo tanto, es util que los autores comuniquen los hallazgos de cualquier estudio de validez o abilidad de las evaluaciones o medidas, incluyendo detalles del estandar de referencia que se utilizo. En lugar de simplemente citar los estudios de validacion (como en el primer ejemplo), aconsejamos que los autores proporcionen la validez y la abilidad estimadas que puedan utilizarse para un ajuste del error de medida o un analisis de sensibilidad (ver puntos 12e y 17). Ademas, es importante saber si los grupos que se estan comparando son diferentes respecto a la forma en que se recogieron los datos. Esto puede ser importante para analisis de

laboratorio (como en el segundo ejemplo) y otras situaciones. Por ejemplo, si un entrevistador primero entrevista a todos los casos y despues a los controles, o viceversa, es posible un sesgo debido a una curva de aprendizaje; soluciones como aleatorizar el orden de las entrevistas pueden evitar estos problemas. Tambien pueden aparecer sesgos de informacion si a los grupos de comparacion no se les aplican las mismas pruebas diagnosticas, o si un grupo recibe mas pruebas del mismo tipo que el otro (ver tambien punto 9). 9. Sesgos: especique todas las medidas adoptadas para afrontar posibles fuentes de sesgo Ejemplo 1 En la mayora de los estudios de casos y controles de suicidio el grupo control comprende individuos vivos, pero decidimos tener un grupo control de personas que murieron por otras causas. (y) Con un grupo control de individuos muertos, las fuentes de informacion utilizadas para evaluar los factores de riesgo son informantes que han experimentado recientemente la muerte de un familiar o de un conocido cercano, y por consiguiente son mas comparables con las fuentes de informacion del grupo de suicidas que si se usaran controles vivos64. Ejemplo 2 El sesgo de descubrimiento podra inuir en la asociacion entre diabetes mellitus de tipo 2 (DMT2) y glaucoma primario de angulo abierto (GPAA) si las mujeres con DMT2 estuvieran bajo una vigilancia oftalmica mas estricta que las mujeres sin esta condicion. Comparamos el numero promedio de exploraciones oculares referido por las mujeres con y sin diabetes. Tambien recalculamos el riesgo relativo de GPAA con un control adicional para covariables asociadas a una vigilancia ocular mas cuidadosa (autorreporte de cataratas, degeneracion macular, numero de exploraciones oculares y numero de exploraciones fsicas)65. Explicacion Los estudios con sesgos producen resultados que dieren sistematicamente de la verdad (vease tambien el Recuadro 3). Es importante para el lector saber que medidas se tomaron durante el desarrollo del estudio para reducir los posibles sesgos. Idealmente, cuando planean el estudio los investigadores consideran con sumo cuidado las posibles fuentes de sesgo. En la fase del informe, recomendamos que evaluen siempre la probabilidad de sesgos relevantes. Especcamente debe considerarse la direccion y la magnitud del sesgo, y si es posible estimarlo. Por ejemplo, en los estudios de casos y controles la informacion puede sesgarse, pero puede reducirse seleccionando un grupo control apropiado, como en el primer ejemplo64. En el segundo ejemplo65, las diferencias en la vigilancia medica de las participantes era un problema. Por consiguiente, los autores proporcionan mas detalles sobre los datos adicionales que recogieron para solucionar este problema. Se debe describir si los investigadores han establecido programas de control de calidad para la recogida de los datos, para contrarrestar un posible cambio en las medidas de las variables en estudios longitudinales o para mantener una mnima variabi lidad cuando se utilizan observadores multiples. Desafortunadamente, a menudo los autores no reeren los sesgos importantes al comunicar sus resultados. De 43 estudios de casos y controles y de cohortes publicados entre 1990 y 1994 que investigaban el riesgo de segundos canceres en pacientes con historia de cancer, el sesgo de vigilancia medica se mencionaba solo en cinco artculos66. Una encuesta de artculos sobre investigacion en salud mental publicados en 1998 en tres revistas psiquiatricas encontro que solo el 13% de 392 artculos

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
10 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Recuadro 3Sesgos. Un sesgo es una desviacion sistematica del valor verdadero del resultado de un estudio. Tpicamente se introduce durante el diseno o el desarrollo de un estudio, y despues ya no puede ser solucionado. Sesgo y confusor no son sinonimos. Un sesgo es el resultado de un defecto en la obtencion de la informacion o la seleccion de los sujetos, de manera que se encuentra una asociacion erronea. La confu sion produce relaciones objetivamente ciertas, pero que no pueden ser interpretadas como causales debido a que un factor subyacente, no considerado, esta asociado tanto con la exposicion como con el resultado (vease el Recuadro 5). Asimismo, es necesario distinguir sesgo de error aleatorio, que es una desviacion de un valor verdadero ocasionada por uctuaciones estadsticas (en cualquier direccion) en la medida de los datos. Se han descrito muchas posibles fuentes de sesgo usando una variedad de terminos68,69. Nosotros encontramos utiles dos categoras simples: sesgo de informacion y sesgo de seleccion. El sesgo de informacion ocurre cuando diferencias siste maticas en la completitud o la exactitud de los datos conducen a una mala clasicacion diferencial de los individuos con respecto a las exposiciones o a los eventos resultado. Por ejemplo, si las mujeres diabeticas son some tidas a examenes oculares mas regulares y minuciosos, el hallazgo de glaucoma sera mas frecuente que en las mujeres sin diabetes (vease el punto 9)65. Los pacientes que toman un medicamento que causa molestias estomacales inespeccas pueden someterse a una gastroscopia con mas frecuencia y tener mas ulceras detectadas que aquellos que no reciben el medicamento, aun cuando este no ocasione mas ulceras. Este tipo de sesgo de informacion tambien se conoce como sesgo de deteccion o sesgo de vigilancia medica. Una forma de evaluar su inuencia es medir la intensidad de la vigilancia medica en los diferentes grupos de estudio, y ajustar por esta en el analisis estadstico. En los estudios de casos y controles, el sesgo de informacion ocurre si los casos recuerdan las exposiciones pasadas con mas precision que los controles, o si tienen mejor disposicion para relatarlas (tambien llamado sesgo de recordatorio). El sesgo del entrevistador puede ocurrir si los entrevistadores conocen la hipotesis de estudio y, de manera consciente o inconsciente, recogen informacion selectiva70. Por tanto, resulta valioso cegar a los participantes del estudio y a los investigadores. El sesgo de seleccion puede introducirse en los estudios de casos y controles si la probabilidad de incluir casos o controles esta asociada con la exposicion. Por ejemplo, un medico que recluta pacientes para un estudio sobre trombosis venosa profunda es posible que diagnostique esta enfermedad en una mujer que tiene molestias en las piernas y toma anticonceptivos orales. Sin embargo, probablemente no la diagnostique en una mujer con molestias similares pero que no toma tales medicamentos. Este sesgo puede contrarrestarse usando casos y controles que sean remitidos de la misma forma al servicio donde se realice el diagnostico71. Del mismo modo, el uso de registros de enfermedades puede introducir sesgo de seleccion: si se conoce una posible relacion entre una exposicion y una enfermedad, los casos pueden resultar mas propensos a ser registrados si han estado expuestos al agente causal en estudio72. El sesgo de respuesta es otro tipo de sesgo de seleccion que ocurre si las diferencias en las caractersticas entre los que responden y los que no aceptan participar en un estudio afectan la estimacion de las prevalencias, las incidencias y, en algunas circunstancias, las asociaciones. En general, el sesgo de seleccion afecta la validez interna de un estudio. Esto es diferente de los problemas que pueden presentarse con la seleccion de los participantes para un estudio en general, lo cual afecta la validez externa mas que la interna (vease tambien el punto 21).

mencionaban el sesgo de respuesta67. Un trabajo sobre estudios de cohortes sobre accidentes vasculares cerebrales encontro que 14 de 49 (28%) artculos publicados entre 1999 y 2003 indicaron un posible sesgo de seleccion en el reclutamiento de los participantes del estudio, y 35 (71%) mencionaban la posibilidad de que algun tipo de sesgo pudiera afectar sus resultados5. 10. Tamano muestral: explique como se determino el tamano muestral Ejemplo 1 El numero de casos en el area durante el periodo de estudio determino el tamano de la muestra73. Ejemplo 2 Una encuesta sobre depresion posparto en la region haba identicado una prevalencia del 19,8%. Asumiendo que la depresion os en madres de nin con peso normal es del 20% y una odds ratio de os 3 para depresion en madres de nin con desnutricion, necesitabamos 72 conjuntos de caso y control (un caso por un control) con un poder del 80% y una signicacion del 5%74. Explicacion Un estudio debe ser lo bastante grande como para obtener una estimacion concreta con un intervalo de conanza sucientemente estrecho que conteste de manera signicativa la pregunta de investigacion. Se necesitan muestras grandes para distinguir una asociacion pequena. Los estudios pequenos a menudo proporcio nan valiosa informacion; sin embargo, los intervalos de conanza amplios contribuyen poco al conocimiento actual, comparados con los estudios que proporcionan estimadores con intervalos de conanza mas pequenos. Tambien se publican con mas frecuencia estudios pequenos que muestran asociaciones estadsticamente signicativas o interesantes que estudios pequenos que no tienen resultados signicativos. Aunque tales estudios pueden proporcionar una senal temprana acerca de una posible asocia cion, debe informarse a los lectores de sus posibles debilidades. La importancia de determinar el tamano de la muestra en los estudios observacionales depende del contexto. Si el analisis se realiza con datos que ya estaban disponibles para otros propositos, la pregunta principal es si el analisis de los datos producira resultados con la suciente precision estadstica para contribuir sustancialmente a la literatura, y las consideraciones del tamano de la muestra seran relativamente secundarias. El calculo formal, a priori, del tamano de la muestra puede ser util cuando se planica un nuevo estudio75,76. Tales calculos se asocian con una mayor incertidumbre que la que implica la sola cifra que generalmente se produce. Por ejemplo, las estimaciones de la tasa del evento de interes u otras suposiciones centrales para los calculos normal mente son imprecisas, si no meras conjeturas77. La precision obtenida en el analisis nal no puede determinarse de antemano, ya que se reducira por la inclusion de las variables de confusion en los analisis multivariados78, por el grado de precision con que se puedan medir las variables importantes79 o por la exclusion de algunos individuos. Pocos estudios epidemiologicos explican las decisiones sobre el tamano de la muestra4,5. Instamos a los investigadores para que describan el calculo formal pertinente del tamano de la muestra. En otras situaciones se deben indicar las consideraciones que determinaron el tamano del estudio (por ejemplo, una muestra disponible ja, como en el primer ejemplo de arriba). Se debe mencionar si el estudio se concluyo antes, cuando se alcanzo la signicacion estadstica. No importune a los lectores con justi caciones post hoc del tamano del estudio o con calculos de poder retrospectivos77. Desde el punto de vista del lector, los intervalos

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 11

de conanza indican la precision estadstica que nalmente se obtuvo. Hay que tener en cuenta que los intervalos de conanza solo reejan la incertidumbre estadstica, no toda la incertidum bre que puede estar presente en un estudio (vease el punto 20). 11. Variables cuantitativas: explique como se trataron las variables cuantitativas en el analisis. si procede, explique que grupos se denieron y por qu Ejemplo Se considera que los pacientes con una puntuacion menor de 8 en la Escala de Coma de Glasgow (GSC) presentan un dano grave. Una puntuacion GCS de 9 o mas indica una lesion cerebral menos grave. Investigamos la asociacion de estos dos valores GCS con la ocurrencia de muerte dentro de los 12 meses siguientes a la lesion80. Explicacion Los investigadores toman decisiones respecto a como recoger y analizar los datos cuantitativos sobre las exposiciones, los modicadores del efecto y los confusores. Por ejemplo, pueden agrupar una exposicion continua para crear una nueva variable categorica (vease el Recuadro 4). Las decisiones respecto al agrupamiento pueden tener consecuencias importantes para los analisis posteriores81,82. Recomendamos que los autores expliquen por que y como se agruparon los datos cuantitativos, incluyendo el numero de categoras, los puntos de corte y la media o la mediana de la categora. Siempre que los datos se presenten en forma de tabla debe proporcionarse el numero de casos, de controles, de personas en riesgo, de personas-tiempo, el riesgo, etc., para cada categora. Las tablas no deben consistir solamente en estimaciones de la medida del efecto o resultados del ajuste del modelo. Los investigadores podran modelar una exposicion como continua con el n de conservar toda la informacion. Al tomar esta decision, se necesita considerar la naturaleza de la relacion de la exposicion con el resultado. As como puede ser incorrecto asumir automaticamente una relacion lineal, tambien deben investigarse posibles desviaciones de la linealidad. Los autores podran mencionar los modelos alternativos que exploraron durante el analisis (por ejemplo, usando una transformacion logartmica, terminos cuadraticos o funciones articuladoras). Existen varios metodos para ajustar una relacion no lineal entre la exposicion y el resultado8284. Tambien puede ser informativo presentar ambos analisis, el continuo y el agrupado, para una exposicion cuantitativa de interes primario. En un estudio reciente, dos tercios de las publicaciones epidemiologicas incluyeron variables de exposicion cuantitativas4. En 42 de 50 artculos (84%), la exposicion se agrupo en categoras ordenadas, pero sin justicar esta decision. Quince artculos usaron asociaciones lineales para modelar la exposicion continua, pero solo dos vericaron la linealidad. En otro estudio sobre literatura de psicologa85, la dicotomizacion solo se justicaba en 22 de 110 artculos (20%). sticos 12. Metodos estad sticos, incluidos los 12 (a). especique todos los metodos estad empleados para controlar los factores de confusion Ejemplo Se calculo el riesgo relativo ajustado usando la tecnica de Mantel-Haenzel para evaluar la presencia de confusion por edad o sexo en los grupos de comparacion. Se estimo el intervalo de conanza (IC) del 95% del riesgo relativo ajustado, usando la varianza de acuerdo con Greenland y Robins, y Robins et al93.

Recuadro 4Agrupacion. Los datos continuos pueden agruparse por diferentes razones86. Cuando se recogen datos es mejor buscar una variable ordinal mas que intentar obtener una medida continua articialmente precisa para una exposicion que se basa en el recuerdo de varios anos atras. Las categoras tambien pueden ser utiles con propositos de presentacion, por ejemplo para presentar todas las variables en un estilo similar o para mostrar una relacion dosis-respuesta. Tambien puede ser util agrupar para simplicar el analisis, por ejemplo para evitar una suposicion de linealidad. Sin embargo, al agrupar se pierde informacion y se puede reducir el poder estadstico87, en especial cuando se usa la dicoto mizacion82,85,88. Si se agrupa un confusor continuo puede aparecer confusion residual, mediante la cual parte del efecto confusor de la variable permanece sin ajustar (vease el Recuadro 5)62,89. Aumentar el numero de categoras puede disminuir la perdida de poder y la confusion residual, y es especialmente apropiado en estudios grandes. Los estudios pequenos pueden usar pocos grupos debido a la limitacion en los numeros. Para nes practicos, los investigadores pueden elegir puntos de corte como criterios de agrupacion basandose en valores de uso comun que son relevantes para el diagnostico o el pronostico. Tambien pueden hacerlo por medio de criterios estadsticos. Pueden elegir igual numero de individuos en cada grupo usando percentiles90. Por otro lado, se puede ganar mas claridad en la asociacion con el evento resultante eligiendo grupos extremos y manteniendo el grupo o grupos intermedios mas grandes que los grupos de los extremos91. En los estudios de casos y controles es preferible derivar una distribucion del grupo control debido a su intento por representar a la poblacion base. Debe informarse a los lectores si los puntos de corte fueron seleccionados post hoc tras varias alternativas. En particular, si los puntos de corte fueron elegidos para minimizar un valor de p, la verdadera fuerza de una asociacion puede estar exagerada81. Cuando se analizan las variables agrupadas es importante reconocer su naturaleza continua subyacente. Por ejemplo, puede investigarse una posible tendencia en el riesgo a traves de grupos ordenados. Un abordaje comun es modelar el rango de los grupos como una variable continua. Tal linealidad en las puntuaciones de los grupos aproximara una asociacion lineal real si los grupos estan igualmente espaciados (por ejemplo, grupos con amplitud de 10 anos de edad), pero no de otra forma. Ilyasova et al92 recomiendan publicar las estimaciones tanto categorica como continua del efecto, con sus errores estandar, a n de facilitar el metaanalisis, as como proporcionar informacion intrnseca mente valiosa sobre dosis-respuesta. Un analisis puede informar sobre el otro y ninguno esta libre de asunciones. Con frecuencia los autores ignoran el orden y consideran las estimaciones (y los valores de p) por separado para cada categora, comparandolas con la de referencia. Esto puede ser util para nes descriptivos, pero puede no serlo para detectar una tendencia real en el riesgo a traves de los grupos. Si se observa una tendencia, un intervalo de conanza para una pendiente podra indicar la fuerza de la observacion.

Explicacion En general no hay un unico analisis estadstico correcto, sino que mas bien existen varias posibilidades que pueden atender a la misma cuestion haciendo diferentes suposiciones. Independien temente de esto, en el protocolo de investigacion los investiga dores deben determinar por anticipado al menos los analisis para los objetivos primarios del estudio. Con frecuencia se requieren

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
12 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Recuadro 5Confusion. Confusion signica literalmente confusion de efectos. Un estudio puede parecer estar mostrando una asociacion o una no asociacion entre una exposicion y el riesgo de una enfermedad, y en realidad la aparente asociacion o su falta se debe a otro factor que determina la ocurrencia de la enfermedad, pero que tambien esta asociado con la exposi cion. Ese otro factor se conoce como factor de confusion o confusor. Por tanto, la confusion da lugar a una evaluacion erronea de la posible asociacion causal de una exposicion. Por ejemplo, si a las mujeres que se acercan a la edad madura y desarrollan hipertension se les prescribe con menor frecuencia anticonceptivos orales, una comparacion simple de la frecuencia de enfermedad cardiovascular entre aquellas que usan anticonceptivos y las que no, puede dar la impresion equivocada de que los anticonceptivos protegen contra la enfermedad cardiaca. Los investigadores deben pensar de antemano en los posibles factores de confusion. Esto ayudara a elegir el diseno del estudio y permitira una recogida de datos adecuada, ya que al identicar los confusores sera mas sencillo guiar la busqueda de informacion detallada. Pueden usarse la restriccion o el pareamiento. En el ejemplo anterior, el estudio podra restringirse a mujeres que no tengan el confusor, la hipertension. Tambien se podra parear por la presion arterial, aunque no necesariamente es deseable (vease el Recuadro 2). En la fase de analisis, los investiga dores pueden usar un analisis estraticado o un analisis multivariado para reducir el efecto de los confusores. La estraticacion consiste en dividir los datos en estratos segun el confusor (por ejemplo, estraticar por presion arterial), evaluar la estimacion de la asociacion dentro de cada estrato y calcular la estimacion combinada de la asociacion as como un promedio ponderado de todos los estratos. El analisis multivariado logra el mismo resultado, pero permite con siderar otras variables simultaneamente. Es mas exible, pero puede implicar suposiciones adicionales acerca de la forma matematica de la relacion entre la exposicion y la enfermedad. En los estudios observacionales es de suma importancia tener en cuenta los confusores; sin embargo, los lectores no deben asumir que el analisis ajustado por confusores establece la parte causal de una asociacion. Los resultados todava pueden estar distorsionados por confusion residual (la confusion que permanece despues de intentos no exitosos de controlar por confusores102), por error de muestreo aleatorio, por sesgo de seleccion y por sesgo de informacion (vease el Recuadro 3).

proceso. Es util informar a los lectores de si una o dos covariables son causa de gran parte de la confusion aparente en un analisis de datos. Tambien se deben describir otros analisis estadsticos, como los procedimientos de imputacion, transformacion de datos y calculos de riesgos atribuibles. Se deben indicar las referencias de procedimientos novedosos o poco comunes, as como el software estadstico utilizado. Recomendamos que los metodos estadsticos se describan con suciente detalle para permitir al lector con conocimientos y acceso a los datos originales vericar los resultados comunicados100. En un estudio emprico, solo 93 de 169 artculos (55%) que indicaban ajuste por confusion establecan claramente como se introdujeron las variables continuas y categoricas en el modelo estadstico101. Otro estudio encontro que en la mayora de los 67 artculos en que los analisis estadsticos se ajustaban por confusores no estaba claro como se haban escogido estos4.

12 (b). Especique todos los metodos utilizados para analizar subgrupos e interacciones Ejemplo Se exploraron las diferencias por sexo en la susceptibilidad a tres factores de riesgo relacionados con el estilo de vida, mediante la comprobacion de la interaccion biologica segun Rothman: se redenio una nueva variable compuesta por cuatro categoras para la variable sexo y una exposicion de interes dicotomica (ab, ab+, a+b y a+b+), donde a y b indican ausencia de la exposicion. Se calculo el RR para cada categora despues de ajustar por la edad. Se denio efecto de interaccion por la aditividad de los efectos absolutos, y se calculo el exceso de RR causado por la interaccion (RERI): RERI RRa b RRa b RRa b 1 donde RR(a+b+) es el RR de aquellos expuestos a ambos factores y RR(ab) es la categora de referencia (RR 1,0). Se calcularon los intervalos de conanza del 95% como proponen Hosmer y Lemeshow. Un RERI de 0 signica que no hay interaccion103.

analisis adicionales motivados por los datos, ya sea en lugar o ademas de los que originalmente se previeron. Al comunicar un estudio, los autores deben mencionar si los analisis particulares se debieron a la inspeccion de los datos. Aunque la distincion entre analisis preestablecido y exploratorio a veces puede ser ambigua, los autores deben aclarar las razones para los analisis particulares. Si los grupos de comparacion no son similares respecto a algunas caractersticas, el ajuste se debe hacer para las posibles variables confusoras mediante estraticacion o regresion multi variada (vease el Recuadro 5)94. Con frecuencia el diseno del estudio determina la seleccion del tipo de analisis de regresion. Por ejemplo, la regresion de riesgo proporcional de Cox normal mente se usa en estudios de cohortes95, mientras que la regresion logstica es a menudo el metodo de eleccion en los estudios de casos y controles96,97. Los analistas deben describir totalmente los procedimientos especcos para la seleccion de las variables, y no solo presentar los resultados del modelo nal98,99. Si se comparan modelos para determinar una lista de posibles confusores que se incluiran en un modelo nal, tambien debe describirse este

Explicacion Como se comenta con detalle en el punto 17, el uso y el valor del analisis restringido de subgrupos de la poblacion de estudio es objeto de debate4,104. No obstante, es frecuente que se hagan analisis de subgrupos4. Los lectores necesitan saber que analisis de subgrupos se planicaron de antemano y cuales surgieron mientras se analizaban los datos. Tambien es importante explicar que metodos se usaron para examinar si los efectos o asociaciones eran diferentes entre los grupos (vease el punto 17). La interaccion se reere a la situacion en la cual un factor modica el efecto de otro (de ah la expresion modicacion del efecto). La accion conjunta de dos factores se puede caracterizar de dos maneras: en una escala aditiva en terminos de diferencias de riesgo, o en una escala multiplicativa en terminos de riesgo relativo (vease el Recuadro 8). Muchos autores y lectores pueden tener preferencias sobre la manera en que deben analizarse las interacciones, e incluso pueden estar interesados en saber hasta que punto el efecto conjunto de las exposiciones diere de los efectos separados. Hay acuerdo general en que la escala aditiva, que usa los riesgos absolutos, es mas apropiada para la toma de decisiones en salud publica y en la practica clnica105. Cualquier punto de vista que se adopte debe presentarse claramente al lector, como se hace en el ejemplo anterior103. Lo mas informativo puede ser una presentacion que muestre los efectos de ambas exposiciones por separado y su efecto conjunto, cada una respecto a la no exposicion. En el punto 17 se presenta el ejemplo de la

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 13

interaccion y en el Recuadro 8 se explican los calculos sobre las diferentes escalas. 12 (c). Explique el tratamiento de los datos ausentes (missing data) Ejemplo Nuestros procedimientos de analisis de datos ausentes se basaron en suposiciones de datos ausentes al azar. Usamos el metodo de imputacion multiple multivariada por ecuaciones encadenadas en STATA. Analizamos independientemente 10 copias de los datos, cada una con valores ausentes adecuadamente imputados en los analisis de regresion logstica. Promediamos las estimaciones de las variables para dar una sola media estimada y los errores estandar ajustados segun las reglas de Rubin106. Explicacion Los datos ausentes son comunes en la investigacion observacional. Las encuestas enviadas por correo a los participantes no siempre estan contestadas por completo, los participantes pueden no asistir a todas las visitas subsecuentes, y las fuentes habituales de datos, as como las bases de datos clnicos, a menudo estan incompletas. A pesar de su ubicuidad e importancia, pocos artculos informan con detalle sobre el problema de los datos ausentes5,107. Los investigadores pueden usar cualquiera de varios enfoques para manejar los datos ausentes. En el Recuadro 6 describimos algunas ventajas y limitaciones de diversos plantea mientos. Aconsejamos que los autores informen del numero de valores ausentes para cada variable de interes (exposicion, resultado, confusores) y para cada paso en el analisis. Si es posible, los autores deben dar las razones de los valores ausentes, e indicar cuantos individuos se excluyeron debido a datos ausentes al describir el ujo de participantes a lo largo del estudio (vease tambien el punto 13). Para los analisis que tengan en cuenta datos ausentes, los autores deben describir la naturaleza del analisis (por ejemplo, imputacion multiple) y las suposiciones que se hicieron (por ejemplo, perdida al azar; vease el Recuadro 6). 12 (d). Estudios de cohortes: si procede, explique como se afrontan las perdidas en el seguimiento Ejemplo En programas de tratamiento con seguimiento activo, aquellos que se perdieron en el seguimiento presentaron en la determinacion basal un recuento similar de celulas CD4 que aquellos con seguimiento a un ano (mediana de 115 celulas por ml y 123 celulas por ml), mientras que los pacientes que se perdieron en el seguimiento en programas sin procedimientos de segui miento activo tuvieron recuentos de CD4 considerablemente mas bajos que los que se siguieron (mediana de 64 celulas por ml y 123 celulas por ml). (y) Los programas de tratamiento con segui miento pasivo se excluyeron de los analisis subsecuentes116. Explicacion Los estudios de cohortes se analizan usando metodos de tablas de vida u otros enfoques basados en las personas-tiempo de seguimiento y en el tiempo para desarrollar la enfermedad de interes. Se asume que en los individuos que permanecen libres de la enfermedad al nal del periodo de observacion, la cantidad de tiempo del seguimiento no se relaciona con la probabilidad de desarrollar el resultado. Este sera el caso si el seguimiento concluye en una fecha ja o a una edad concreta. La perdida durante el seguimiento ocurre cuando los participantes abandonan el estudio antes de esa fecha, lo cual puede afectar la validez del estudio si la perdida del seguimiento ocurre selectivamente en

los individuos expuestos o en personas con alto riesgo de desarrollar la enfermedad (censura informativa). En el ejemplo anterior, los pacientes perdidos durante el seguimiento en programas de tratamiento sin seguimiento activo tenan menos celulas CD4 colaboradoras que aquellos que permanecieron bajo observacion y que por consiguiente presentaban un riesgo mas alto de morir116. Es importante distinguir a las personas que nalizan el estudio de aquellas que se pierden durante el seguimiento. Desafortuna damente, el programa estadstico no suele distinguir entre las dos situaciones: en ambos casos el tiempo de seguimiento es suspendido automaticamente (censurado) al nal del periodo de observacion. Por lo tanto, los investigadores necesitan decidir, idealmente en la fase de planicacion del estudio, como manejaran las perdidas durante el seguimiento. Cuando se pierden pocos pacientes, los investigadores pueden excluir a los individuos con seguimiento incompleto o tratarlos como si hubieran abandonado con vida en el momento de la perdida o al nal del estudio. Recomendamos a los autores que indiquen cuantos pacientes se perdieron durante el seguimiento y que estrategias de censura utilizaron. 12 (d). Estudios de casos y controles: si procede, explique como se parearon casos y controles Ejemplo Empleamos la prueba McNemar, la prueba t para muestras pareadas y el analisis de regresion logstica condicional para comparar la ocurrencia de embolias cerebrales espontaneas, enfermedad carotdea y desviacion de la circulacion venosa a la arterial en los pacientes con demencia y en sus controles pareados por factores de riesgo cardiovascular 117. Explicacion En los estudios de casos y controles pareados individualmente, el analisis crudo de la odds ratio, ignorando el emparejamiento, suele sesgar la estimacion hacia la unidad (vease el Recuadro 2). Por lo tanto, es necesario un analisis pareado. Intuitivamente esto puede entenderse como un analisis estraticado: cada caso se ve como un estrato con su conjunto de controles pareados. El analisis se basa en considerar si el caso esta expuesto mas a menudo que los controles, a pesar de ser muy parecidos respecto a las variables de pareamiento. Los investigadores pueden hacer tal analisis estraticado mediante el metodo de Mantel-Haenszel en una tabla pareada de 2 por 2. En su forma mas simple, la odds ratio se convierte en la razon de los pares discordantes para la variable de exposicion. Si el emparejamiento se hizo por variables como la edad y el sexo, que son atributos universales, el analisis no requiere retener el pareamiento individual, persona a persona, y un simple analisis por categoras de edad y sexo es suciente50. Sin embargo, para otras variables de pareamiento, como en el vecindario, la hermandad o la amistad, cada conjunto pareado debe ser considerado su propio estrato. En los estudios pareados individualmente, el metodo de analisis mas usado es la regresion logstica condicional, en la cual se consideran juntos cada caso y sus controles. El metodo condicional es necesario cuando el numero de controles vara entre los casos, y cuando se require ajustar el modelo por otras variables ademas de las de pareamiento. Para permitir a los lectores juzgar si en el analisis se tuvo en cuenta apropiadamente el diseno pareado, recomendamos que los autores describan con detalle los metodos estadsticos que emplearon para analizar los datos. Si al tener en cuenta el pareamiento tiene un efecto pequeno en las estimaciones, los autores pueden optar por presentar un analisis no pareado.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
14 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

12 (d). Estudios transversales: si procede, especique como se tiene en cuenta en el analisis la estrategia de muestreo Ejemplo Se calcularon los errores estandar (EE) usando el metodo de expansion de Taylor para estimar los errores de muestreo de los estimadores, basados en el diseno de muestra complejo. (y) Se encontro que el efecto de diseno general para la presion sangunea diastolica fue de 1,9 para los hombres y 1,8 para las mujeres, y para la presion sistolica fue de 1,9 para los hombres y 2,0 para las mujeres118. Explicacion La mayora de los estudios transversales utilizan una estrategia de muestreo preespecicada para seleccionar a los participantes de una poblacion fuente. El muestreo puede ser mas complejo que meramente tomar una muestra aleatoria simple; puede incluir varias etapas y grupos de participantes (por ejemplo, en distritos o pueblos). La estraticacion proporcional puede asegurar que los subgrupos con una caracterstica especca esten representados correctamente. La estraticacion desproporcionada puede ser util para sobremuestrear un subgrupo de particular interes. Una asociacion estimada basada en una muestra compleja puede ser mas o menos precisa que la derivada de una muestra aleatoria simple. Se deben corregir las medidas de precision, como el error estandar o el intervalo de conanza, usando el efecto de diseno, una medida de razon que describe cuanta precision se gana o se pierde si se usa una estrategia de muestreo mas compleja en lugar de un muestreo aleatorio simple119. La mayora de las tecnicas de muestreo complejas disminuyen la precision, resultando en un efecto de diseno mayor de 1. Aconsejamos que los autores expongan claramente el metodo empleado para ajustar por las estrategias de muestreo complejas, de modo que los lectores puedan entender como el metodo de muestreo elegido inuyo en la precision de las estimaciones obtenidas. Por ejemplo, con muestras conglomeradas, el inter cambio implcito entre una recogida de datos mas facil y una perdida de precision es transparente si se indica el efecto de diseno. En el ejemplo, el efecto de diseno calculado, de 1,9 para los hombres, indica que el tamano de la muestra real necesitara ser 1,9 veces mayor que con el muestreo aleatorio simple para que las estimaciones resultantes fueran igualmente precisas. 12 (e). Describa los analisis de sensibilidad Ejemplo Debido a que tuvimos una proporcion relativamente alta de pacientes muertas )perdidas* con datos insucientes (38/148 25,7%) en comparacion con las pacientes vivas (15/437 3,4%) (y), es posible que esto sesgara los resultados. Por consiguiente, se llevo a cabo un analisis de sensibilidad. Asumimos que la proporcion de mujeres que usan anticonceptivos orales en el grupo del estudio se aplica a todas (19,1% para muertas y 11,4% para pacientes vivas), y entonces se consideraron dos posibilidades extremas: que todas las pacientes perdidas expuestas usaron pldoras de segunda generacion o que todas usaron pldoras de tercera generacion120. Explicacion Los analisis de sensibilidad son utiles para investigar si los resultados principales son consistentes o no con los obtenidos con estrategias o suposiciones de analisis alternativas121. Los problemas que pueden examinarse incluyen los criterios para la inclusion en los analisis, las deniciones de exposiciones o resultados122, que variables de confusion requieren ajustarse, el

Recuadro 6Datos ausentes: problemas y posibles soluciones. Un planteamiento comun para tratar los datos ausentes es restringir el analisis a los individuos que tengan los datos completos de todas las variables requeridas para un analisis en particular. Si bien en muchas circunstancias los analisis con casos completos no estan sesgados, tambien pueden estarlo y siempre son inecientes108. El sesgo surge si los individuos con datos ausentes no son representativos de toda la muestra. La ineciencia puede ocurrir debido a una reduccion en el tamano de muestra que sera analizado. Emplear la ultima observacion en un diseno de medidas repetidas puede distorsionar las tendencias en el tiempo si las personas que intuyen el evento resultante abandonan selectivamente el estudio109. Insertar un indicador de dato ausente para un confusor puede aumentar la confusion residual107. La imputacion, en la cual cada valor ausente es remplazado por un valor asumido o estimado, puede conducir a una atenuacion o una exageracion de la asociacion de interes, y sin el uso de metodos sosticados, como los que se describen mas adelante, pueden producirse errores estandar muy pequenos. Rubin108,110 desarrollo una tipologa de problemas con datos ausentes basandose en un modelo para la probabilidad de que se pierda una observacion. Los datos se describen como ausentes completamente al azar si la probabilidad de que una observacion particular este ausente no depende del valor de ninguna otra variable observable. Los datos son ausentes al azar si, considerando los datos observados, la probabilidad de que la observacion este ausente es independiente de los valores verdaderos del dato ausente. Por ejemplo, supongamos que los ninos pequenos son mas propensos a medidas ausentes de espirometra, pero que la probabilidad de ausencia no se relaciona con la funcion pulmonar real no observada, despues de ajustar por la edad. As, la medida de la funcion pulmonar sera del tipo ausentes al azar en los modelos que incluyen la edad. Los datos son ausentes no aleatoriamente si la probabilidad de ausencia depende del valor ausente aun despues de tener en cuenta los datos disponibles. Cuando los datos son del tipo ausentes no aleatoriamente, para obtener inferencias validas se requieren suposiciones explcitas sobre los mecanismos por los cuales se perdieron los datos. Los metodos para tratar con datos ausentes al azar pueden ser de tres clases108,111: aproximaciones basadas en verosi militud112, estimacion ponderada113 e imputacion multi ple111,114. De las tres, la imputacion multiple es la mas usada y exible, en especial cuando diversas variables tienen valores ausentes115. Los resultados que se obtienen al utilizar cualquiera de estas tres opciones deben compararse con los derivados de analisis de casos completos, y comentar las diferencias importantes. La plausibilidad de las suposiciones realizadas en analisis con datos ausentes generalmente no puede vericarse. En particular, es imposible probar que los datos son ausentes al azar mas que ausentes no aleator iamente. Por tanto, tales analisis son mejor apreciados con base en el analisis de sensibilidad (veanse los puntos 12e y 17).

manejo de datos ausentes120,123, el posible sesgo de seleccion o los sesgos derivados de la medida imprecisa o inconsistente de la exposicion, la enfermedad y otras variables, as como decisiones de analisis especcas, como el tratamiento de las variables cuantitativas (ver el punto 11). Es creciente el empleo de metodos sosticados para modelar simultaneamente la inuencia de varios sesgos o suposiciones124126. En 1959, Corneld et al mostraron que un riesgo relativo de 9 para fumadores de cigarrillos y cancer de pulmon era sumamente

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 15

improbable que se debiera a cualquier confusor concebible, debido a que el confusor necesitara prevalecer por lo menos nueve veces mas en los fumadores que en los no fumadores127. Este analisis no excluye la posibilidad de que un factor estuviera presente, pero identica el predominio que tal factor necesitara tener. La misma aproximacion se utilizo para identicar probables factores confusores que podran explicar la asociacion entre la leucemia en la ninez y el vivir cerca de lneas de fuerza electrica128. Generalmente los analisis de sensibilidad pueden usarse para identicar el grado de confusion, el sesgo de seleccion o el sesgo de informacion requeridos para distorsionar una asociacion. Poco conocido, un uso importante del analisis de sensibilidad es cuando un estudio muestra una asociacion pequena o nula entre una exposicion y un resultado, y es plausible que esten ocurriendo confusion o sesgos hacia el valor nulo.

Resultados La seccion de resultados debe hacer un claro recuento de lo que se encontro, del reclutamiento de los participantes, de la descripcion de la poblacion del estudio y de los principales resultados del analisis. Ha de estar libre de interpretaciones e ideas que reejen las opiniones y los puntos de vista de los autores. 13. Participantes 13 (a). Indique el numero de participantes en cada fase del estudio; p. ej., numero de participantes elegibles, analizados para ser incluidos, conrmados elegibles, incluidos en el estudio, los que tuvieron un seguimiento completo y los analizados Ejemplo De la muestra de 105 bares y tabernas, 13 establecimientos ya no funcionaban como tales y 9 se localizaban en restaurantes, quedando entonces 83 negocios elegibles. En 22 casos, el propietario no pudo ser localizado por telefono despues de por lo menos seis intentos. Los propietarios de 36 bares rehusaron participar en el estudio. (y) Los 25 bares y tabernas que participaron empleaban a 124 camareros, 67 de ellos trabajaban por lo menos 24 horas a la semana. Cincuenta y cuatro de los camareros con horario diurno (81%) completaron la entrevista y la espirome tra basal; 53 de ellos (98%) terminaron el seguimiento129. Explicacion La informacion detallada sobre el proceso de reclutamiento de los participantes del estudio es importante por varias razones. Los incluidos en un estudio a menudo dieren de la poblacion diana a la cual se aplican los resultados. Esto puede resultar en estimaciones de la prevalencia o la incidencia que no reejan lo que ocurre en la base poblacional. Por ejemplo, la gente que acepto participar en una encuesta por correo sobre el comporta miento sexual asista a la iglesia con menor frecuencia, tena actitudes sexuales menos conservadoras y menor edad en su primera relacion sexual, y era mas probable que fumara y bebiera alcohol que la gente que rehuso participar130. Estas diferencias sugieren que las encuestas por correo pueden sobrestimar actitudes liberales y actividad sexual en la poblacion. Tal sesgo de respuesta (vease el Recuadro 3) puede distorsionar asociacio nes exposicion-enfermedad si las asociaciones dieren entre los elegibles para el estudio y los incluidos. Otro ejemplo es la asociacion encontrada entre una corta edad materna y el desarrollo de leucemia en los descendientes, que se ha observado en algunos estudios de casos y controles131,132 y ha sido explicada

por la participacion diferenciada de mujeres jovenes en el grupo de casos y el grupo de controles. Las mujeres jovenes con ninos sanos era menos probable que participaran que las madres jovenes con ninos enfermos133. Si bien la baja participacion no afecta necesariamente la validez de un estudio, la informacion clara sobre la participacion y las razones de la no participacion son esenciales. Del mismo modo, como no hay deniciones global mente aceptadas sobre participacion, respuesta o tasa de seguimiento, los lectores necesitan entender como los autores calculan tales proporciones134. Idealmente los investigadores deben especicar el numero de individuos considerados en cada fase del reclutamiento de los participantes del estudio y la seleccion de la base poblacional para la inclusion de los datos de los participantes en el analisis. Dependiendo del tipo de estudio, se puede incluir el numero de individuos considerados elegibles, el numero determinado por elegibilidad, el numero incluido en el estudio, el numero examinado, el numero seguido y el numero incluido en el analisis. Si el muestreo de los participantes del estudio se realiza en dos o mas etapas, como en el ejemplo de arriba (muestreo multieta pico), se puede requerir la informacion sobre diversas unidades de muestreo. En estudios de casos y controles, aconsejamos que los autores indiquen el ujo de participantes por separado para el grupo de casos y el de controles135. A veces los controles se pueden seleccionar de varias fuentes, incluyendo por ejemplo los pacientes hospitalizados y los habitantes de la comunidad. En tal caso recomendamos un recuento separado del numero de participantes para cada tipo de grupo control. Olson et al. propusieron directrices utiles para informar sobre los controles reclutados mediante seleccion aleatoria por numero de telefono y otros metodos136. Un trabajo reciente137 sobre estudios epidemiologicos publi cados en 10 revistas de epidemiologa general, salud publica y medicina, encontro que la informacion respecto a la participacion fue proporcionada en 47 de 107 estudios de casos y controles (59%), 49 de 154 estudios de cohortes (32%) y 51 de 86 estudios transversales (59%). La informacion incompleta o ausente respecto a la participacion o la no participacion en estudios epidemiolo gicos tambien ha sido documentada en otros dos artculos4,5. Finalmente, hay pruebas de que la participacion en estudios epidemiologicos puede haber disminuido en las ultimas decadas 137,138 , lo que subraya la necesidad de informes transparentes139. 13 (b). Describa las razones de la perdida de participantes en cada fase Ejemplo Las principales razones de la no participacion fueron que las participantes estaban demasiado enfermas o haban muerto antes de la entrevista (30% de los casos, o1% de los controles), sin respuesta (2% de los casos, 21% de los controles), rehusaron (10% de los casos, 29% de los controles) y otras razones (negativa de participar del medico especialista o medico de familia, no hablar ingles, problemas mentales) (7% de los casos, 5% de los controles)140. Explicacion La explicacion de las razones por las que la mayora de la gente no participo en un estudio, o de por que fueron excluidos del analisis estadstico, ayuda a los lectores a juzgar si la poblacion estudiada era representativa de la base poblacional y si posiblemente se introdujo un sesgo. Por ejemplo, en una encuesta transversal de salud, la no participacion debida a razones no relacionadas con el estado de salud (por ejemplo, la carta de invitacion no fue entregada porque la direccion era incorrecta)

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
16 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

afectara la precision de las estimaciones, pero probablemente no introducira un sesgo. Por el contrario, si muchos individuos optan por no participar debido a enfermedad o a percepcion de buena salud, los resultados pueden subestimar o sobrestimar la prevalencia de la mala salud en la poblacion.

13 (c). Considere el uso de un diagrama de fujo Ejemplo

Explicacion Un diagrama de ujo informativo y bien estructurado puede mostrar facil y claramente la informacion que, de otra manera, puede requerir una descripcion muy larga142, como en el ejemplo anterior. Un diagrama util puede incluir los principales resultados, tales como el numero de acontecimientos para el resultado primario. Recomendamos el uso de diagramas de ujo, particularmente para los estudios observacio nales complejos, pero no proponemos un formato especco para ellos.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 17

14. Datos descriptivos sticas de los participantes en el estudio 14 (a). Describa las caracter (p. ej., demogracas, clnicas, sociales) y la informacion sobre las exposiciones y los posibles factores de confusion Ejemplo Tabla adaptada de Osella et al143.
Caractersticas de la base poblacional en el momento del reclutamiento. Castellana G (Italia), 19851986 VHC negativo n 1458 Sexo (%) Hombres Mujeres Media de la edad al inicio (DE) VHC positivo n 511 Desconocido n 513

presentara mas factores de riesgo para esa enfermedad que el grupo control, tales como colesterol serico alto, tabaquismo y antecedentes familiares positivos146. Esto no inuye en la evaluacion del efecto de los anticonceptivos orales en tanto que su prescripcion no estuvo guiada por la presencia de los factores de riesgo, por ejemplo debido a que estos factores de riesgo se establecieron despues de ocurrido el evento (vease tambien el Recuadro 5). En los estudios de casos y controles, el equivalente de comparar la presencia de posibles confusores (como se hace en las cohortes) entre expuestos y no expuestos se puede realizar explorando la poblacion fuente de los casos: si el grupo control es sucientemente grande y representa a la poblacion fuente, los controles expuestos y no expuestos se pueden comparar con respecto a los posibles confusores121,147. 14 (b). Indique el numero de participantes con datos ausentes en cada variable de interes Ejemplo Tabla adaptada de Hay et al141.
Puntos sintomaticos terminales empleados en el analisis de supervivencia Tos Disnea (79%) (10%) (11%) (100%) 138 21 46 51 256 (54%) (8%) (18%) (20%) (100%) Somnolencia 171 24 11 50 256 (67%) (9%) (4%) (20%) (100%)

936 (64%) 522 (36%) 45,7(10,5)

296 (58%) 215 (42%) 52,0 (9,7)

197 (39%) 306 (61%) 52,5 (9,8)

Consumo diario de alcohol (%) Nada Moderadoa Excesivob

250 (17%) 853 (59%) 355 (24%)

129 (25%) 272 (53%) 110 (22%)

119 (24%) 293 (58%) 91 (18%)

VHC: virus de la hepatitis C. a Hombreso60 g de etanol /da, mujereso30 g de etanol/da. b Hombres 4 60 g de etanol /da, mujeres 4 30 g de etanol/da.

Sntoma resuelto Censurado Nunca sintomatico Datos ausentes Total

201 27 0 28 256

Explicacion Los lectores necesitan la descripcion de los participantes del estudio y de sus exposiciones para juzgar la posible generalizacion de los resultados. La informacion sobre los posibles confusores, incluyendo si se consideraron y como se determinaron, inuye en los juicios sobre la validez del estudio. Aconsejamos a los autores resumir las variables continuas para cada grupo de estudio mediante la media y la desviacion estandar, o si los datos tienen una distribucion asimetrica, como sucede a menudo, la mediana y el rango en percentiles (por ejemplo, percentiles 25 y 75). Las variables nominales formadas por una pequena cantidad de categoras (como las fases de la enfermedad I a IV) no se deben presentar como variables continuas; es preferible dar cantidades y proporciones para cada categora (vease tambien el Recuadro 4). En estudios que comparan grupos, las caractersticas y los datos descriptivos se deben presentar por grupo, como en el ejemplo anterior. Las medidas inferenciales, como los errores estandar y los intervalos de conanza, no se deben utilizar para describir la variabilidad de las caractersticas, y en las tablas descriptivas se deben evitar las pruebas de signicacion. Tampoco los valores p son un criterio apropiado para seleccionar por que confusores ajustar el analisis; incluso pequenas diferencias en un confusor que tenga un fuerte efecto sobre el resultado pueden ser importantes144,145. En estudios de cohortes puede ser util documentar como se relaciona una exposicion con otras caractersticas y con los posibles confusores. Los autores podran presentar esta informa cion en una tabla con columnas para los participantes en dos o mas categoras de exposicion, que permita evaluar las diferencias con respecto a los confusores entre estas categoras. En estudios de casos y controles, los posibles confusores no se pueden apreciar mediante la comparacion de los casos y los controles. Los controles representan la poblacion fuente y normalmente seran diferentes a los casos en muchos aspectos. Por ejemplo, en un estudio sobre anticonceptivos orales e infarto de miocardio, una muestra de mujeres jovenes con infarto

Explicacion Puesto que los datos ausentes pueden sesgar o afectar la generalizacion de los resultados, los autores deben informar a los lectores sobre la cantidad de datos perdidos para las exposiciones, los posibles confusores y otras caractersticas importantes de los pacientes (veanse tambien el punto 12c y el Recuadro 6). En un estudio de cohortes, los autores deben especicar la cantidad de perdidas durante el seguimiento (con sus razones), pues un seguimiento incompleto puede sesgar los hallazgos (veanse tambien los puntos 12d y 13)148. Recomendamos a los autores usar tablas y guras para enumerar los datos ausentes. 14 (c). Estudios de cohortes: resuma el periodo de seguimiento (p. ej., promedio y total) Ejemplo Durante el seguimiento de 4366 personas-ano (mediana 5,4, maximo 8,3 anos), 265 sujetos fueron diagnosticados como dementes, incluyendo 202 con enfermedad de Alzheimer149. Explicacion Los lectores deben saber la duracion y la extension del seguimiento de los datos disponibles acerca del evento resultado. Los autores pueden presentar un resumen del promedio de seguimiento incluyendo la media, la mediana o ambas. La media permite al lector calcular el numero total de personas-ano multiplicandola por el numero de participantes en el estudio. Tambien se deben presentar los tiempos mnimo y maximo, o los percentiles de la distribucion, para mostrar a los lectores la dispersion del tiempo de seguimiento. Deben especicar el total personas-ano de seguimiento o alguna indicacion de la proporcion de datos que fueron capturados con respecto al total posible148. Toda esta informacion sobre los participantes se debe presentar

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
18 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

separadamente en dos o mas categoras de exposicion. Casi la mitad de 132 artculos publicados en revistas sobre cancer (en su mayora estudios de cohortes) no presentaban algun resumen de la duracion del seguimiento37.

Ejemplo Tabla adaptada de Salo et al.152.

Prevalencia de asma actual y de ebre del heno diagnosticadas por nivel promedio de antgeno de Alternaria alternata en el hogar Nivel categorizado de Alternariaa Asma actual n 1er tercil 2o tercil 3er tercil 40 61 73 Prevalenciab (IC95%) 4,8 (3,36,9) 7,5 (5,210,6) 8,7 (6,711,3) Fiebre del heno diagnosticada n 93 122 93 Prevalenciab (IC95%) 16,4 (13,020,5) 17,1 (12,822,5) 15,2 (12,118,9)

15. Datos de las variables de resultado Estudios de cohortes: indique el numero de eventos resultado o bien proporcione medidas de resumen a lo largo del tiempo Ejemplo Tabla adaptada de Kengeya-Kayondo et al.150 Tasas de seroconversion VIH-1 por variables sociodemogracas seleccionadas: 19901993
Variable Personas-ano N.o seroconvertidos Tasa/1000 personas-ano (IC95%)

1er tercilo3,90 mg/g; 2o tercil 3,906,27 mg/g; 3er tercil X6,28 mg/g. Porcentaje (IC95%) ponderado por el diseno de muestreo polifasico de la Encuesta Nacional de Plomo y Alergenos en el Hogar.
b

Ano 1990 1991 1992 1993 1994

2197,5 3210,7 3162,6 2912,9 1104,5

18 22 18 26 5

8,2 6,9 5,7 8,9 4,5

(4,412,0) (4,09,7) (3,18,3) (5,512,4) (0,68,5)

Tribu Bugandesa Otras ugandesas Ruandesa Otra tribu

8433,1 578,4 2318,6 866,0

48 9 16 12

5,7 (4,17,3) 15,6 (5,425,7) 6,9 (3,510,3) 13,9 (6,021,7)

Religion Musulmana Otra

3313,5 8882,7

9 76

2,7 (0,94,5) 8,6 (6,610,5)

IC95%: intervalo de conanza del 95%.

Estudios de casos y controles: indique el numero de participantes en cada categora de exposicion o bien proporcione medidas resumen de exposicion Ejemplo Tabla adaptada de Mastrangelo et al151.
Exposicion entre casos de cirrosis hepatica y controles Casos (n 40) Cloruro de vinilo monomero (exposicion acumulada: ppm anos) o160 7 (18%) 160500 7 (18%) 5002500 9 (23%) 42500 17 (43%) Controles (n 139)

Explicacion Antes de establecer la posible asociacion entre las exposiciones (factores de riesgo) y los resultados, los autores deben proporcionar los datos descriptivos relevantes. Puede ser posible y signicativo presentar medidas de asociacion en la misma tabla que muestra los datos descriptivos (vease el punto 14a). En un estudio de cohortes con eventos como resultados, indique el numero de eventos para cada resultado de interes. Considere especicar la tasa del evento por personas-ano de seguimiento. Si el riesgo de un evento cambia durante el tiempo de seguimiento, presente las cifras y las tasas de eventos en intervalos apropiados del seguimiento, como una tabla de vida de Kaplan-Meier o de manera graca. Puede ser preferible realizar gracas de incidencia acumulada que partan de 0% en lugar de que disminuyan a partir del 100%, especialmente si la tasa del evento es menor, por ejemplo, del 30%153. Considere presentar esta informacion por separado para los participantes en diversas categoras de la exposicion de interes. Si un estudio de cohortes esta investigando otros resultados relacionados con el tiempo ([Link]., marcadores cuantitativos de una enfermedad, como la presion sangunea), presente medidas resumen apropiadas (por ejemplo, medias y desviaciones estandar) a lo largo del tiempo, quizas en una tabla o una gura. Para los estudios transversales recomendamos presentar el mismo tipo de informacion sobre eventos resultado prevalentes o medidas de resumen. Para los estudios de casos y controles se indicaran las exposiciones para los casos y los controles por separado, como frecuencias o medidas resumen cuantitativas154. Para todos los disenos, tambien puede resultar util tabular los eventos resultado o las exposiciones continuas en categoras, incluso si los datos no se analizan como tales.

38 40 37 24

(27%) (29%) (27%) (17%

16. Resultados principales 16 (a). Proporcione estimaciones no ajustadas y, si procede, ajustadas por factores de confusion, as como su precision (p. ej., intervalos de conanza del 95%). Especique los factores de confusion por los que se ajusta y las razones para incluirlos Ejemplo 1 Inicialmente consideramos las siguientes variables como posibles confusores mediante un analisis estraticado de Mantel-Haenszel: (y) las variables que incluimos en los modelos de regresion logstica nales fueron aquellas (y) que producan un cambio del 10% en la odds ratio despues del ajuste de MantelHaenszel155.

Consumo de alcohol (g/da) o30 3060 460

1 (3%) 7 (18%) 32 (80%)

82 (59%) 46 (33%) 11 (8%)

AgsHB/VHC Negativo Positivo

33 (83%) 7 (18%)

136 (98%) 3 (2%)

AgsHB: antgeno de supercie de la hepatitis B; VHC: virus de la hepatitis C.

Estudios transversales: indique el numero de eventos resultado o bien proporcione medidas resumen.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 19

Ejemplo 2 Tabla adaptada de Tilhonen et al156. Tasas relativas de rehospitalizacion por tratamiento en pacien tes de atencion primaria despues de la primera hospitalizacion por esquizofrenia o un trastorno esquizoafectivo
Tratamiento N.o de recadas Personas ano Tasa relativa bruta (IC95%) Tasa relativa ajustada (IC95%) Tasa relativa completamente ajustada (IC95%) 0,32 0,54 0,64 0,64 0,70 0,85 0,89 1,00 1,06 1,09 1,16 (0,220,49) (0,410,71) (0,480,85) (0,450,91) (0,510,96) (0,631,13) (0,691,16) (0,761,47) (0,761,57) (0,911,47)

Estudios recientes sobre la calidad de los artculos de estudios epidemiologicos han hallado que la mayora especican los intervalos de conanza4. Sin embargo, pocos autores explican la seleccion de sus variables confusoras4,5. 16 (b). Si categoriza variables continuas, describa los lmites de los intervalos Ejemplo Tabla adaptada de Sagiv et al161.
Bifenilos policlorados en suero de cordon umbilical Cuartil 1 2 3 4 Rango (ng/g) 0,070,24 0,240,38 0,380,60 0,6118,14 Cantidad 180 181 181 180

Perfenazina Olanzapina Clozapina Clorprotixeno Tioridazina Perfenazina Risperidona Haloperidol Clorpromazina Levomepromazina Farmacos no antipsicoticos

53 329 336 79 115 155 343 73 82 52 2.248

187 822 804 146 201 327 651 107 127 63 3.362

0,41 0,59 0,61 0,79 0,84 0,69 0,77 1,00 0,94 1,21 0,98

(0,290,59) (0,450,75) (0,470,79) (0,581,09) (0,631,12) (0,580,82) (0,600,99) (0,691,29) (0,841,73) (0,771,23)

0,45 0,55 0,53 0,83 0,82 0,78 0,80 1,00 0,97 0,82 1,01

(0,320,65) (0,430,72) (0,410,69) (0,611,15) (0,611,10) (0,591,03) (0,621,03) (0,711,33) (0,581,18) (0,801,27)

Ajustado por sexo, ano, edad al inicio del seguimiento, numero de recadas previas, duracion de la primera hospitalizacion y duracion del seguimiento (columna ajustada), y adicionalmente por una calicacion de la propension a iniciar un tratamiento diferente al haloperidol (columna totalmente ajustada).

Explicacion En muchas situaciones los autores pueden presentar los resultados del analisis sin ajustar o mnimamente ajustados, y analisis completamente ajustados. Recomendamos presentar los analisis no ajustados junto con los datos principales, por ejemplo el numero de casos y de controles expuestos y no expuestos. Esto permite que el lector comprenda los datos que estan detras de las medidas de la asociacion (vease tambien el punto 15). Para los analisis ajustados, indique el numero de personas en el analisis, ya que este numero puede diferir debido a valores ausentes en las covariables (vease tambien el punto 12c). Los estimadores se deben proporcionar con intervalos de conanza. Los lectores pueden comparar las medidas de asociacion no ajustadas con las ajustadas por posibles confusores y juzgar cuanto se modican y en que direccion. Pueden pensar que los resultados ajustados equivalen a la parte causal de la medida de asociacion, pero estos resultados no necesariamente estan libres de un error de muestreo aleatorio, un sesgo de seleccion o una confusion residual (vease el Recuadro 5). As, se debe tener mucho cuidado cuando se interpreten los resultados ajustados, ya que su validez a menudo depende crucialmente del conocimiento completo de los confusores importantes, de su determinacion precisa y de la especicacion apropiada en el modelo estadstico (vease tambien el punto 20)157,158. Los autores deben explicar todos los posibles confusores considerados y los criterios para excluir o incluir variables en los modelos estadsticos. Las decisiones acerca de la exclusion o la inclusion de variables se deben guiar por el conocimiento o por suposiciones explcitas sobre las relaciones causales. Las decisiones incorrectas pueden introducir sesgos, por ejemplo incluyendo las variables que estan en la lnea causal entre la exposicion y la enfermedad (a menos que el proposito sea evaluar que parte del efecto esta producida por la variable intermediaria). Si la decision para incluir una variable en el modelo se baso en un cambio en el estimador, es importante indicar que cambio se considero sucientemente importante para justicar su inclusion. Si se empleo una estrategia de modelado mediante eliminacion hacia atras o inclusion hacia adelante para la seleccion de los confusores, explique el proceso e indique el nivel de signicacion para rechazar la hipotesis nula en ausencia de confusores. Cabe destacar que nosotros, al igual que otros autores, no recomenda mos seleccionar los confusores basandose unicamente en la signicacion estadstica147,159,160.

Explicacion Categorizar datos continuos tiene varias implicaciones impor tantes para el analisis (vease el Recuadro 4) y tambien afecta la presentacion de los resultados. Empleando tablas, los resultados se deben mostrar para cada categora de la exposicion, por ejemplo como numero de personas en riesgo, personas-tiempo en riesgo, y si es relevantes por separado para cada grupo ([Link]., los casos y los controles). Los detalles de las categoras usadas pueden ayudar a la comparacion de estudios y a los metaanalisis. Si los datos se han agrupado usando puntos de corte convencionales, como los lmites del ndice de masa corporal162, los lmites grupales ([Link]., los intervalos de valores) se pueden derivar facilmente, con excepcion de las categoras mas altas y mas bajas. Si se utilizan categoras derivadas de percentiles, los lmites de la categora no se pueden deducir de los datos. Como mnimo, los autores deben indicar los lmites de la categora; tambien es util especicar el intervalo de los datos y la media o la mediana dentro de las categoras. 16 (c). Si fuera pertinente, valore acompanar las estimaciones del riesgo relativo con estimaciones del riesgo absoluto para un periodo de tiempo relevante Ejemplo Se estimo que el uso de terapia hormonal sustitutiva durante 10 anos resulta en cinco (IC95%: 37) canceres de mama adicionales por cada 1000 usuarias de preparaciones de estro genos solos y en 19 (1523) canceres adicionales por 1000 usuarias de combinaciones de estrogenos-progestagenos163. Explicacion Los resultados de los estudios que investigan la asociacion entre una exposicion y una enfermedad se presentan comunmen te en terminos relativos, como razones de riesgos, de tasas o de odds (vease el Recuadro 8). Las medidas relativas indican la fuerza de la asociacion entre una exposicion y una enfermedad. Si el riesgo relativo esta lejos de 1, es menos probable que la asociacion se deba a un factor de confusion164,165. Los efectos relativos o las asociaciones tienden a ser mas consistentes a lo largo de estudios y de poblaciones que las medidas absolutas, pero lo que a menudo tiende a ser el caso puede ser irrelevante en una situacion particular. Por ejemplo, se obtuvieron riesgos relativos similares para los factores de riesgo cardiovasculares clasicos para los hombres que vivan en Irlanda del Norte, Francia, Estados Unidos y Alemania, a pesar de que el riesgo subyacente de enfermedad

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
20 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

cardiaca coronaria vara sustancialmente entre estos pases 166,167. En cambio, en un estudio sobre la hipertension como factor de riesgo para la mortalidad por enfermedad cardiovascular, los datos eran mas compatibles con una diferencia de tasas constante que con una razon de tasas constante168. Los modelos estadsticos que mas se utilizan, incluyendo las regresiones logstica169 y proporcional de riesgos (Cox)170, se basan en medidas de razon. En estos modelos se distinguen facilmente las desviaciones de las medidas de efecto con respecto a la constante. Sin embargo, las medidas que evaluan desviaciones de la aditividad con respecto a las diferencias de riesgo, como el exceso de riesgo relativo de la interaccion (RERI, veanse el punto 12b y el Recuadro 8), se pueden estimar a partir de los modelos basados en medidas de razon.

Recuadro 7Medidas de asociacion, efecto e impacto. Los estudios observacionales solo se pueden llevar a cabo para describir la magnitud y la distribucion de un problema de salud en la poblacion. Pueden investigar el numero de personas que tienen una enfermedad en un momento particular (prevalencia) o que la desarrollan en un periodo de tiempo denido (incidencia). La incidencia se puede expresar como la proporcion de gente que desarrolla la enfermedad (incidencia acumulada) o como la tasa por personas-tiempo de seguimiento (tasa de incidencia). Se emplean terminos especcos para describir diversas incidencias; entre otros, tasa de mortalidad, tasa de natalidad, tasa de ataque y tasa de fatalidad de casos. Del mismo modo, los terminos como prevalencia puntual y de periodo, prevalencia anual o del curso de la vida, se utilizan para describir diversos tipos de prevalencia30. Otros estudios observacionales tratan relaciones de causaefecto. Su objetivo es comparar el riesgo, la tasa o la prevalencia del evento de interes entre expuestos y no expuestos al factor de riesgo en investigacion. Estos estudios a menudo estiman el riesgo relativo, el cual puede representar razones de riesgo (razones de incidencias acumuladas) o razones de tasas (razones de tasas incidencia). En los estudios de casos y controles, solo se incluye una fraccion de la poblacion base (los controles). Los resultados se expresan mediante odds ratio de las exposiciones entre casos y controles. Esta odds ratio aporta una estimacion de la razon de riesgos o la razon de tasas en funcion del muestreo de casos y controles (vease tambien el Recuadro 7)175,176. La razon de prevalencias o la odds ratio de prevalencia de los estudios transversales pueden ser utiles en algunas situaciones177. A menudo puede ser conveniente expresar los resultados tanto en terminos relativos como en terminos absolutos. Por ejemplo, en un estudio178 de medicos britanicos, la tasa de incidencia de muertes por cancer de pulmon a lo largo de un seguimiento de 50 anos fue de 249 por 100.000 y ano entre los fumadores, en comparacion con 17 por 100.000 y ano entre los no fumadores: una razon de tasas de 14,6 (249/17). Para la enfermedad cardiaca coronaria (ECC), las tasas correspon dientes fueron de 1001 y 619 por 100.000 y ano, una razon de tasas de 1,61 (1001/619). El efecto del tabaquismo sobre la mortalidad parece mucho mas fuerte para el cancer de pulmon que para la ECC. El cuadro cambia cuando consideramos los efectos absolutos de fumar: la diferencia en las tasas de incidencia fue de 232 por 100.000 y ano (24917) para el cancer pulmonar y de 382 para la ECC (1001619). Por lo tanto, entre los medicos que fumaban era mas probable que su tabaquismo causara una muerte por ECC que por cancer de pulmon. Cuanta carga de la enfermedad se podra prevenir en una poblacion eliminando una exposicion? Se han publicado estimaciones globales para el caso del tabaquismo: segun un

estudio179, el 91% de todos los canceres de pulmon, el 40% de las ECC y el 33% de todas las muertes de hombres en el ano 2000 se atribuyeron a este factor179. Generalmente se dene la fraccion atribuible poblacional como la proporcion de casos causados por una exposicion particular, pero existen varios conceptos (ninguna terminologa unicada), y a veces se utilizan aproximaciones incorrectas para ajustar por otros 172,180 . Cuales son las implicaciones para los artcufactores los? Las medidas relativas hacen enfasis en la fuerza de una asociacion, y son las mas utiles de la investigacion etiologica. Si se documenta una relacion causal con una exposicion y las asociaciones se interpretan como efectos, las estimaciones del riesgo relativo se pueden traducir en medidas convenientes del riesgo absoluto con el n de calcular el posible efecto de las polticas de salud publica (vease el punto 16c)181. Sin embargo, los autores deben ser conscientes de las fuertes suposiciones que se hacen en este contexto171. Se requiere cuidado a la hora de decidir que concepto y que metodo son apropiados para una situacion particular.

En muchas circunstancias, el riesgo absoluto asociado a una exposicion es de mayor interes que el riesgo relativo. Por ejemplo, si se centra la atencion en los efectos nocivos de un farmaco, se deseara saber el numero de casos adicionales por unidad de tiempo de uso (por ejemplo, das, semanas o anos). El ejemplo presenta el numero adicional de casos de cancer de mama por cada 1000 mujeres que utilizaron terapia hormonal de reemplazo durante 10 anos163. Medidas como el riesgo o la fraccion atribuible poblacional pueden ser utiles para estimar que proporcion de la enfermedad se podra prevenir si se elimina la exposicion. Estas medidas se deben presentar preferiblemente junto con una medida de incertidumbre estadstica (por ejemplo, intervalos de conanza como en el ejemplo). Los autores deben ser conscientes de las fuertes suposiciones que se hacen en este contexto, incluyendo una relacion causal entre un factor de riesgo y una enfermedad (vease tambien el Recuadro 7)171. Debido a la ambiguedad semantica y a la complejidad que implica, los autores deben indicar detalladamente que metodos utilizaron para calcular los riesgos atribuibles, idealmente presentando las formulas usadas 172. Un estudio reciente de los resumenes de 222 artculos publicados en las revistas medicas mas importantes encontro que en el 62% de los resumenes de ensayos aleatorizados que incluyeron una medida de razon se presentaban los riesgos absolutos, en comparacion con solo el 21% de los resumenes de los estudios de cohortes173. Una busqueda de texto libre en Medline de 1966 a 1997 mostro que 619 artculos mencionaron riesgos atribuibles en el ttulo o en el resumen, en comparacion con 18.995 que usaban solamente medidas de riesgo relativo u odds ratios, es decir, una proporcion de 1 a 31174. 17. Otros analisis: describa otros analisis efectuados (de subgrupos, interacciones o sensibilidad Ejemplo 1 Tabla modicada de Vanderbroucke et al182 por Botto183.
Analisis del uso de anticonceptivos orales Factor V de Leiden S S No No Anticonceptivos orales S No S No N.o de pacientes 25 10 84 36 N.o de controles 2 4 63 63 Odds ratio

34,7 6,9 3,7 1 (referencia)

Presencia del alelo factor V de Leiden y riesgo de tromboembolia venosa.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 21

Ejemplo 2 Tabla adaptada de Wei et al184.

Sensibilidad de la razon de tasas para un evento cardiovascular con respecto a un confusor no medido Prevalencia del confusor binario no medido en el grupo expuesto (%) 90 90 50 90 90 50 90 50 90 Prevalencia del confusor binario no medido en el grupo de comparacion (%) 10 50 10 10 50 10 50 10 50 Razon de tasas del confusor binario no medido 1,5 1,5 1,5 2 2 2 3 3 5 Razon de tasas para el nivel alto de exposiciona (IC95%) 1,20 (1,010,59) 1,43 (1,221,67) 1,39 (1,181,63) 0,96 (0,811,13) 1,27 (1,111,45) 1,21 (1,031,42) 1,18 (1,011,38) 0,99 (0,851,16) 1,08 (0,851,26)

Recuadro 8Interaccion (modicacion del efecto): el analisis de los efectos conjuntos. Existe interaccion cuando la asociacion de una exposicion con el riesgo de la enfermedad diere en presencia de otra exposicion. Un problema de la evaluacion y la comunicacion de interacciones es que el efecto de una exposicion se puede medir de dos maneras: como un riesgo relativo (o razon de tasas) o como una diferencia de riesgo (o diferencia de tasas). El uso del riesgo relativo conduce a un modelo multiplicativo, mientras que el uso de la diferencia de riesgo corresponde a un modelo aditivo187,188. A veces se distingue entre la interaccion estadstica, que puede derivarse de un modelo multiplicativo o aditivo, y la interaccion biologica, que se mide a partir de un modelo aditivo189. Sin embargo, los modelos aditivos y los multiplicativos no apuntan hacia un mecanismo biologico particular. Independientemente del modelo elegido, el objetivo principal es entender como el efecto conjunto de dos exposiciones diere de sus efectos separados (en ausencia de la otra exposicion). La Red de Epidemiologa del Genoma Humano (HuGENet) propuso un esquema para la presenta cion transparente de efectos separados y conjuntos, que permite evaluar diversos tipos de interaccion183. Se emplear on datos del estudio sobre anticonceptivos orales y mutacion del factor V de Leiden182 para explicar la propuesta, y este ejemplo tambien se ha empleado en el punto 17. Los anticonceptivos orales y la mutacion del factor V de Leiden incrementan el riesgo de trombosis venosa; sus efectos separados y conjuntos se pueden calcular de la tabla 2 4 (vease el ejemplo 1 del punto 17), donde la odds ratio de 1 denota la lnea basal de las mujeres sin el factor V de Leiden que no utilizan anticonceptivos orales. Una dicultad es que los disenos de algunos estudios, como los de casos y controles, y varios modelos estadsticos, como los logsticos o de regresion de Cox, estiman riesgos relativos (o razones de tasas) e intrnsecamente conducen a un modelo multiplicativo. En estos casos, los riesgos relativos se pueden traducir a una escala aditiva. En el ejemplo 1 del punto 17, las odds ratios separadas son 3,7 y 6,9, mientras que la conjunta es 34,7. Cuando estos datos se analizan con un modelo multiplicativo, se espera una odds ratio conjunta de 25,7 (3,7 6,9). El efecto conjunto observado, de 34,7, es 1,4 mayor que el esperado en una escala multiplicativa (34,7/25,7). Esta cantidad (1,4) es la odds ratio de la interaccion multiplicativa. Sera igual al antilogaritmo del coeciente estimado de la interaccion de un modelo de regresion logstica. Con el modelo aditivo se espera que la odds ratio conjunta sea 9,6 (3,7+6,91). El efecto conjunto observado se aleja fuertemente de la aditividad: la diferencia es 25,1 (34,79,6). Cuando las odds ratios se interpretan como riesgos relativos (o razones de tasas), la ultima cantidad (25,1) es el exceso del riesgo relativo de la interaccion (RERI)190. Esto se puede entender mas facilmente al imaginarse que el valor de referencia (equivalente a una odds ratio 1) representa una incidencia basal de trombosis venosa de, por ejemplo, 1/10.000 mujeres-ano, que aumenta en presencia de exposiciones separadas y conjuntas.

IC95%: intervalo de conanza al 95%. a Ajustada por edad, sexo, uso de farmaco cardiovascular y confusor binario no medido.

Explicacion Ademas del analisis principal, en los estudios observacionales a menudo se hacen otros analisis. Pueden referirse a subgrupos especcos, a la posible interaccion de factores de riesgo, al calculo de riesgos atribuibles o al uso de deniciones alternativas de las variables en estudio durante el analisis de sensibilidad. Hay un debate sobre los peligros asociados al analisis de subgrupos, y en general con la multiplicidad de analisis4,104. En nuestra opinion, tambien hay una tendencia muy acentuada a buscar evidencias de asociaciones especcas en subgrupos o de modicacion del efecto, cuando los resultados globales sugieren poco o ningun efecto. Por otra parte, puede ser valioso explorar si una asociacion global parece consistente en varios subgrupos, preferiblemente los preespecicados, en especial cuando un estudio es lo suciente grande como para tener bastantes datos en cada subgrupo. Un segundo tema de discusion son los subgrupos interesantes que aparecen durante el analisis de datos. Puede que sean hallazgos importantes, pero tambien puede que aparezcan por casualidad. Algunos argumentan que no es posible ni necesario informar al lector sobre todos los analisis de subgrupos llevados a cabo, ya que analisis futuros de otros datos indicaran en que medida estos primeros y estimulantes resultados pasan la prueba del tiempo9. Nosotros recomendamos a los autores senalar que analisis se planicaron y cuales no (veanse tambien los puntos 4, 12b y 20). Esto permitira que los lectores juzguen las implicaciones de la multiplicidad, considerando la posicion del estudio respecto al continuo que va del descubri miento a la vericacion o a la refutacion. Una tercera cuestion de debate es como se deben evaluar los efectos conjuntos y las interacciones de los factores de riesgo: en escalas aditivas o multiplicativas, o la escala se debe determinar por n el modelo estadstico que mejor ajuste? (Veanse tambie el punto 12b y el Recuadro 8.) Una opcion apropiada es indicar por separado el efecto de cada exposicion, as como el efecto conjunto, si es posible en una tabla, como en el primer ejemplo de arriba183 o como en el estudio de Martinelli et al185. Esta tabla ofrece al lector suciente informacion para evaluar tanto la interaccion aditiva como la multiplicativa (en el Recuadro 8 se muestra como se hacen estos calculos). Los intervalos de conanza para los efectos aislados y en conjunto pueden ayudar al lector a juzgar la potencia de los datos. s, Adema los intervalos de conanza de las medidas de interaccion, como el exceso del riesgo relativo de la interaccion (RERI), se relacionan con las pruebas de interaccion o de homogeneidad. Un

problema recurrente es que los autores utilizan comparaciones de valores p entre subgrupos, lo que lleva a suponer erroneamente una modicacion del efecto. Por ejemplo, una asociacion estadsticamente signicativa en una categora (hombres), pero no en la otra (mujeres), en s misma no proporciona evidencia de la modicacion del efecto. Del mismo modo, los intervalos de conanza para cada estimador concreto se utilizan a veces de forma inadecuada para inferir que no hay interaccion cuando los intervalos se solapan. Se consigue una inferencia mas valida evaluando directamente si la magnitud de una asociacion diere entre los subgrupos.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
22 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Los analisis de sensibilidad son utiles para investigar la inuencia de las decisiones que se toman durante el analisis estadstico, y para investigar la robustez de los hallazgos con respecto a los datos ausentes o a los posibles sesgos (vease tambien el punto 12b). Es necesario tener un criterio explcito acerca de la cantidad de informacion sobre tales analisis. Si se realizaron muchos analisis de sensibilidad, puede ser poco practico presentar los resultados detallados de todos ellos. A veces puede ser suciente senalar que se realizaron los analisis de sensibilidad y que fueron consistentes con los principales resultados presentados. La presentacion detallada es mas apropiada si el problema investigado es importante o si las estimaciones del efecto varan considerablemente59,186. Pocock et al.4 encontraron que 43 de 73 artculos que presentaban estudios observacionales contenan analisis de subgrupos. La mayora senalaba diferencias entre grupos, pero solamente ocho artculos presentaban una evaluacion formal de la interaccion (vease el punto 12(b)). Discusion La seccion de la discusion trata los temas centrales de la validez y el signicado del estudio191. Algunos trabajos han encontrado que las secciones de la discusion a menudo estan dominadas por evaluaciones incompletas o sesgadas de los resultados del estudio y de sus implicaciones, as como con retorica que apoya los resultados de los autores192,193. Estructurar la discusion puede ayudar a los autores a evitar la especulacion y la sobreinterpretacion injusticadas de los resultados, y al mismo tiempo orientar a los lectores a lo largo del texto194,195. Por ejemplo, Annals of Internal Medicine196 recomienda que los autores estructuren la seccion de la discusion presentando lo siguiente: 1) una breve sinopsis de los resultados clave; 2) una consideracion de los posibles mecanismos y explicaciones; 3) una comparacion con los resultados relevantes de otros estudios publicados; 4) las limitaciones del estudio; y 5) un breve apartado que resuma las implicaciones del trabajo para la practica y la investigacion. Otros han hecho sugerencias similares191,194. Los apartados sobre recomendaciones para la investiga cion y sobre las limitaciones del estudio deben relacionarse de forma estrecha uno con otro. Los investigadores deben sugerir modos de mejorar la investigacion subsecuente mas que simple alar que se requiere mas investigacion197,198. Recomenmente sen damos que los autores estructuren sus apartados de la discusion, incluso empleando subttulos convenientes. 18. Resultados clave: resuma los resultados principales de los objetivos del estudio Ejemplo Nuestra hipotesis era que pertenecer a una etnia minoritaria estara asociado con un mayor riesgo de enfermedad cardiovas cular (ECV), pero que la asociacion se explicara sustancialmente por el nivel socioeconomico (NSE). Esta hipotesis no se conrmo. Despues de ajustar por la edad y por NSE, siguieron existiendo diferencias altamente signicativas en el ndice de masa corporal, la presion sangunea, la diabetes y la inactividad fsica entre las mujeres blancas y las mujeres de raza negra, as como con las mexico-americanas. Ademas, encontramos grandes diferencias en los factores de riesgo para ECV por NSE, un hallazgo que ilustra la situacion de alto riesgo tanto de las mujeres en la etnia minoritaria como de las mujeres blancas con NSE bajo199. Explicacion Es una buena practica comenzar la discusion con un resumen breve de los principales hallazgos del estudio. Un resumen corto

recuerda a los lectores los hallazgos principales y les ayuda a evaluar si las interpretaciones subsecuentes y las implicaciones mostradas por los autores estan apoyadas por los hallazgos. 19. Limitaciones: discuta las limitaciones del estudio, teniendo en cuenta posibles fuentes de sesgo o de imprecision. razone tanto sobre la direccion como sobre la magnitud de cualquier posible sesgo Ejemplo Dado que la frecuencia del consejo aumenta con el mayor grado de obesidad, nuestros estimadores pueden sobrestimar la verdadera prevalencia de la busqueda de ayuda. Las encuestas telefonicas tambien pueden sobrestimar la verdadera prevalencia del consejo. Aunque las personas sin telefono tienen similares grados de sobrepeso que las personas con telefono, aquellas sin este servicio tienden a ser menos educadas, un factor asociado con menos consejo en nuestro estudio. Tambien llama la atencion el posible sesgo causado por los que rechazaron participar, as como por los que rechazaron responder a las preguntas acerca del peso corporal. Ademas, debido a que los datos se recogieron transversalmente, no podemos inferir que el consejo precediera al intento del paciente de perder peso200. Explicacion La identicacion y la discusion de las limitaciones de un estudio son una parte esencial del artculo cientco. Es impor tante no solo identicar el origen de los sesgos y de la confusion que pueden afectar los resultados, sino tambien comentar la importancia relativa de los diferentes sesgos, incluyendo la direccion y la magnitud de cualquier posible sesgo (veanse el Recuadro 3 y el punto 9). Los autores deben discutir tambien cualquier imprecision de los resultados. Esta imprecision puede surgir respecto a varios aspectos del estudio, incluyendo su tamano (punto 10) y la medida de la exposicion, los confusores y los resultados (punto 8). La incapacidad para medir con precision los verdaderos valores de una exposicion tiende a derivar en un sesgo hacia la unidad: cuanto menor sea la precision en la medida del factor de riesgo, mayor sera el sesgo. Este efecto se ha descrito como atenua cion201,202 y mas recientemente como sesgo de dilucion por la regresion203. Sin embargo, cuando los factores de riesgo correlacionados se miden con diferentes niveles de imprecision, el riesgo relativo ajustado asociado a ellos puede estar sesgado en la direccion o en contra de la unidad204206. Al comentar las limitaciones, los autores pueden comparar su estudio con otros de la literatura en terminos de validez, generalizacion y precision. Con este enfoque, cada estudio se puede ver como una contribucion a la literatura, no como una base autonoma para la inferencia y la accion207. Sorprendente mente, la discusion de las limitaciones importantes de un estudio a veces se omite en los artculos publicados. Una encuesta entre los autores que haban publicado artculos de investigacion original en la revista The Lancet encontro que los investigadores senalaban las debilidades importantes de los estudios en la encuesta, pero no en los artculos que haban publicado192. 20. Interpretacion: proporcione una interpretacion global prudente de los resultados considerando objetivos, limitaciones, multiplicidad de analisis, resultados de estudios similares y otras pruebas empricas relevantes Ejemplo Cualquier explicacion de una asociacion entre muerte por infarto de miocardio y uso de anticonceptivos orales de segunda

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 23

generacion debe ser una conjetura. No hay evidencia publicada que sugiera un mecanismo biologico directo, y no hay otros estudios epidemiologicos con resultados relevantes. (y) El incremento en el riesgo absoluto es muy pequeno y probablemente se aplique predominantemente a fumadores. Debido a la falta de evidencia que lo conrme, y considerando que el analisis se baso en cifras relativamente pequenas, se necesitan mas pruebas al respecto. No recomendaramos ningun cambio en la practica de prescripcion basandose en estos resultados120.

distintos tipos de anticonceptivos orales aumento enormemente por las diferencias en la coagulacion que se encontraron en un estudio clnico cruzado y aleatorizado214. Siempre se debe incluir una discusion de la evidencia externa de diferentes tipos de estudios, pero esto puede ser particularmente importante para aquellos que comuniquen pequenos incrementos en el riesgo. Ademas, los autores deben contextualizar sus resultados con estudios similares y explicar como el nuevo estudio afecta el cuerpo de evidencia existente, idealmente reriendose a una revision sistematica.

Explicacion El nucleo de la seccion de la discusion es la interpretacion de los resultados del estudio. La sobreinterpretacion es comun y de humanos; aun cuando nos esforzamos por ofrecer una evaluacion objetiva, con frecuencia los revisores nos senalan que fuimos muy lejos en algunos aspectos. Cuando se interpreten los resultados, los autores deben considerar la naturaleza del estudio basandose en la vericacion continua de los descubrimientos y en las posibles fuentes de sesgo, incluyendo las perdidas durante el seguimiento y la no participacion (ver puntos 9, 12 y 19). Se deben considerar adecuadamente el tema de la confusion (punto 16a) y los resultados relevantes del analisis de sensibilidad, as como el problema de la multiplicidad y el analisis de los diferentes subgrupos (punto 17). Los autores siempre deben tener en cuenta la confusion residual debida a variables no medidas o a una determinacion imprecisa de los confusores. Por ejemplo, el nivel socioeconomico se asocia con varios resultados en salud y a menudo diere entre los grupos que se comparan. Las variables que se utilizan para medir el nivel socioeconomico (ingresos, educacion u ocupacion) representan otras exposiciones no medidas y no denidas, y el verdadero confusor sera medido, por denicion, con error208. Los autores deben discutir el rango real de incertidumbre en los estimadores, el cual es mayor que la incertidumbre estadstica reejada en los intervalos de conanza. Esto ultimo no toma en consideracion otras incertidumbres que surgen del diseno, la implementacion y los metodos de medida del estudio209. Para guiar el juicio y las conclusiones respecto a la causalidad, algunos pueden encontrar utiles los criterios propuestos por Bradford Hill164 en 1965. Cuan fuerte es la asociacion con la exposicion? Precedio la exposicion al inicio de la enfermedad? La asociacion es consistente con observaciones en diferentes estudios y contextos? Hay evidencia que apoye los hallazgos provenientes de estudios experimentales, incluyendo estudios de laboratorio y en animales? Cuan especca es la exposicion para el efecto que se le imputa y existe una relacion dosis-respuesta? La asociacion es biologicamente plausible? No obstante, estos criterios no se deben aplicar mecanicamente. Por ejemplo, algunos han argumentado que un riesgo relativo por debajo de 2 o 3 se debe ignorar210,211. Esto es contrario a lo expuesto por Corneld et al127 acerca de la fuerza de los riesgos relativos grandes (ver punto 12b). Aunque un efecto causal es mas probable con un riesgo relativo de 9, no se puede deducir que uno por debajo de 3 sea necesariamente falso. Por ejemplo, el pequeno incremento en el riesgo de presentar leucemia en la ninez despues de haber recibido radiaciones intrautero es verosmil porque tiene que ver con un efecto adverso de un procedimiento medico, para el cual ninguna explicacion alternativa es obvia212. Ademas, los efectos cancergenos de la radiacion estan bien establecidos. El doble del riesgo de cancer de ovario asociado a comer 2 o 4 huevos por semana no es creble inmediatamente, puesto que los habitos alimentarios se asocian con un gran numero de factores del estilo de vida, as como con el nivel socioeconomico213. En contraste, la credibilidad de los ampliamente debatidos hallazgos epidemiologicos respecto a las diferencias en el riesgo de trombosis entre los

21. Generabilidad: discuta la posibilidad de generalizar los resultados (validez externa) Ejemplo Son aplicables nuestras estimaciones a otros pacientes infectados por el VIH-1? Esta es una pregunta importante, porque la precision de los modelos pronostico tiende a ser menor cuando se aplican datos distintos a los utilizados para el modelo. Nosotros tratamos este problema simplicando la complejidad de los modelos y escogiendo aquellos que mejor se generalizaran para las cohortes omitidas en el procedimiento de estimacion. Nuestra base de datos incluyo pacientes de muchos pases de Europa y Norteamerica que fueron tratados en diferentes contextos. La diversidad de pacientes fue amplia: se incluyeron hombres y mujeres, desde adolescentes hasta personas de edad avanzada, y las principales categoras de exposicion estuvieron bien represen tadas. La gravedad de la inmunodeciencia basal vario desde no medible hasta muy grave, y la carga viral desde indetectable hasta extremadamente alta215.

Explicacion La generabilidad, tambien llamada validez externa o aplicabilidad, se reere al grado en que los resultados de un estudio se pueden aplicar a otras circunstancias216. No hay validez externa per se; el termino solo es signicativo con respecto a condiciones especcas muy claras217. Se pueden aplicar los resultados a individuos, grupos o poblaciones que dieren de aquellos que participaron en el estudio en lo que se reere a edad, sexo, etnia, gravedad de la enfermedad y condiciones de comorbilidad? La naturaleza y el grado de las exposiciones son comparables, y la denicion de los eventos de interes es relevante para otros contextos o poblaciones? Los datos recogidos en estudios longitudinales varios anos atras siguen siendo relevantes hoy da? Los resultados de las investigaciones sobre servicios de salud en un pas son aplicables a los sistemas de salud de otros pases? Con frecuencia, la pregunta sobre si los resultados de un estudio tienen validez externa es una cuestion de juicio que depende del contexto del estudio, de las caractersticas de los participantes, de las exposiciones estudiadas y de los desenlaces evaluados. Por lo tanto, es crucial que los autores presenten a los lectores informacion adecuada respecto a las condiciones y el lugar del estudio, los criterios de elegibilidad, las exposiciones y como se midieron, la denicion del desenlace evaluado, as como el periodo de reclutamiento y de seguimiento. Tambien son relevantes el grado de no participacion y la proporcion de participantes no expuestos en que se desarrollo el resultado. El conocimiento del riesgo absoluto y de la prevalencia de la exposicion, que a menudo varan en las diferentes poblaciones, son de ayuda cuando se aplican resultados a otros ambitos o poblaciones (vease el Recuadro 7).

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
24 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

Otra informacion 22. Financiacion: especique la nanciacion y el papel de los patrocinadores del estudio, y si procede, del estudio previo en que se basa su artculo Explicacion Algunas publicaciones solicitan a los autores que declaren la presencia o ausencia de nanciacion y otros conictos de intereses 100,218 . Varias investigaciones muestran fuertes asociaciones entre el origen de la nanciacion y las conclusiones de los artculos de investigacion219222. Las conclusiones de algunos estudios clnicos aleatorizados han recomendado el farmaco en estudio como de eleccion con mucha mas frecuencia (odds ratio de 5,3) si el estudio estaba nanciado por organizaciones lucrativas, aun despues de ajustar por el tamano del efecto223. Otros estudios documentan la inuencia de las industrias del tabaco y de telecomunicaciones en las investigaciones que estas nancian224227. Tambien hay ejemplos de inuencia indebida cuando el patrocinador es el gobierno u organizaciones no lucrativas. Los autores o patrocinadores pueden tener conictos de intereses que inuyan en cualquiera de los siguientes aspectos: el diseno del estudio228, la seleccion de las exposiciones228,229, los desenlaces230, los metodos estadsticos231 y la publicacion selectiva de los resultados230 y de los estudios232. En consecuencia, el papel de los patrocinadores se debe describir con detalle: en que parte del estudio tienen responsabilidad directa (por ejemplo, el diseno, la recogida de los datos, los analisis, el borrador del manuscrito, la decision de publicar)100. Otras fuentes de inuencia indebida incluyen a los empleadores (por ejemplo, los administradores de la universidad en el caso de los investigadores academicos y de los supervisores del gobierno, especialmente los asignados por motivos polticos, para los investigadores gubernamentales), comites asesores, litigantes y grupos de interes especiales.

modicaciones en cuanto se acumulen nuevas evidencias y comentarios crticos. El sitio web de STROBE ([Link]-state [Link]) proporciona un foro de discusion y sugerencias para mejorar la lista, este documento explicativo y la informacion relacionada con la buena comunicacion de los estudios epide miologicos. Varias revistas ya solicitan en sus instrucciones para los autores que se siga la Declaracion STROBE (vease http:// [Link]/ para la lista actual). Invitamos a otras revistas a adoptar la Declaracion STROBE y a que nos lo hagan saber a traves del sitio web. Las revistas que publicaron las recomendaciones STROBE dan acceso libre. Por lo tanto, la Declaracion STROBE es ampliamente accesible para la comunidad biomedica.

Agradecimientos Estamos agradecidos a Gerd Antes, Kay Dickersin, Shah Ebrahim y Richard Lilford por su apoyo a la Iniciativa STROBE. Tambien queremos dar las gracias a las instituciones que han ofrecido sus instalaciones para las reuniones de trabajo del grupo de coordinacion: Institute of Social and Preventive Medicine (ISPM), University of Bern, Bern, Suiza; Department of Social Medicine, University of Bristol, Bristol, Reino Unido; London School of Hygiene and Tropical Medicine, Londres, Reino Unido; Nordic Cochrane Centre, Copenhage, Dinamarca, y Centre for Statistics in Medicine, Oxford, Reino Unido. Tambien queremos expresar nuestro agradecimiento a seis revisores que aportaron comentarios utiles a una version previa de este artculo y al traductor y revisores de la traduccion al espanol. Finanaciacion El seminario en el que se establecio la Iniciativa STROBE fue nanciado por la European Science Foundation (ESF). Se recibio tambien nanciacion del Medical Research Council Health Services Research Collaboration y del National Health Services Research and Development Methodology Programme. Contribuciones de autora Todos los autores contribuyeron en la redaccion del artculo. JPV, EvE, DGA, PCG, SJP y ME escribieron el primer borrador de diferentes secciones del artculo. EvE asume la mayor parte de las cuestiones practicas relativas a la coordinacion de STROBE. ME inicio el grupo STROBE y, junto con EvE, organizo el primer seminario. Miembros de la Iniciativa STROBE Las siguientes personas han contribuido a los contenidos y la elaboracion de la Declaracion STROBE: Douglas G. Altman, Maria ` Blettner, Paolo Boffetta, Hermann Brenner, Genevieve Chene, Cyrus Cooper, George Davey-Smith, Erik von Elm, Matthias Egger, France Gagnon, Peter C. Gtzsche, Philip Greenland, Sander Greenland, Claire Infante-Rivard, John Ioannidis, Astrid James, Giselle Jones, Bruno Ledergerber, Julian Little, Margaret May, David Moher, Hooman Momen, Alfredo Morabia, Hal Morgenstern, Cynthia D. Mulrow, Fred Paccaud, Stuart J. Pocock, Charles Poole, Martin Roosli, Drummond Rennie, Dietrich Rothenbacher, Kenneth Rothman, Caroline Sabin, Willi Sauerbrei, Lale Say, James J. Schlesselman, Jonathan Sterne, Holly Syddall, Jan P. Vandenbroucke, Ian White, Susan Wieland, Hywel Williams y Guang Yong Zou. Declaracion de conicto de intereses Los autores declaran que no existen conictos de interes.

Comentarios nales La Declaracion STROBE tiene como n ofrecer recomendacio nes que ayuden a la comunicacion de estudios observaciones en epidemiologia. Un buen artculo revela las fortalezas y las debilidades de un estudio, y facilita las interpretaciones sensatas y la aplicacion de sus resultados. La Declaracion STROBE tambien puede ayudar en la planicacion de los estudios observacionales, y guiar a los revisores y editores en la evaluacion de los manuscritos. Este artculo explicativo se escribio para comentar la importancia de un informe transparente y completo de los estudios observacionales, para explicar el fundamento que respalda los diferentes puntos incluidos en la lista y para dar ejemplos de artculos publicados que consideramos bien realizados. Esperamos que el material presentado ayude a los autores y editores a utilizar la Declaracion STROBE. Hacemos hincapie en que la Declaracion STROBE y otras recomendaciones sobre la comunicacion de investigaciones13,233,234 deben ser vistas como documentos que han de evolucionar, que requieren una evaluacion, un renamiento y, si es necesario, un cambio continuo235,236. Por ejemplo, la Declara cion CONSORT237 para la publicacion de estudios clnicos paralelos aleatorizados se desarrollo a mediados de los anos 1990. Desde entonces, los miembros del grupo tienen reuniones regulares para examinar la necesidad de revisar las recomenda ciones; en 2001 aparecio una version revisada233 y ya hay otra en desarrollo. Igualmente, los principios presentados en este artculo y en la lista de la Declaracion STROBE estan abiertos a

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 25

Copyright: & 2007 Los Autores. Hay mas detalles sobre el uso de este material en la pagina web STROBE ([Link] [Link]). Con el objetivo de fomentar la divulgacion de la Declaracion STROBE, este artculo tambien se ha publicado y esta accesible gratuitamente en las revistas PLoS Medicine, Epidemiology y Annals of Internal Medicine. La version en espanol ha sido traducida del artculo publicado en PLoS Medicine (PLoS Med 4(10): e297) y ha sido autorizada y aprobada por el grupo coordinador de la Iniciativa STROBE. El responsable de la traduccion es Mario E. Rojas-Russell y han colaborado Ma de los Angeles Aedo-Santos, Hernan Chivardi Olmos, Elsy A. Garca-Villegas, Elosa Coln-Ramrez, Reyna L. Pacheco-Domnguez, Manuel C. Ortega-Alvarez, todos ellos de la Facultad de Medicina de la Universidad Nacional Autonoma de Mexico. Los traductores agradecen a Miguel Klunder-Klunder y Clara Bellamy-Ortiz sus comentarios al texto. La traduccion ha sido supervisada por Malaquas Lopez-Cervantes, Carmen Com pany y Esteve Fernandez. Bibliografa
1. Glasziou P, Vandenbroucke JP, Chalmers I. Assessing the quality of research. BMJ. 2004;328:3941. 2. Funai EF, Rosenbush EJ, Lee MJ, Del Priore G. Distribution of study designs in four major US journals of obstetrics and gynecology. Gynecol Obstet Invest. 2001;51:811. 3. Scales Jr CD, Norris RD, Peterson BL, et al. Clinical research and statistical methods in the urology literature. J Urol. 2005;174:13749. 4. Pocock SJ, Collier TJ, Dandreo KJ, et al. Issues in the reporting of epidemiological studies: a survey of recent practice. BMJ. 2004;329:883. 5. Tooth L, Ware R, Bain C, et al. Quality of reporting of observational longitudinal research. Am J Epidemiol. 2005;161:2808. 6. Von Elm E, Altman DG, Egger M, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: guidelines for reporting observational studies. PLoS Med e296. 2007; doi:10.1371/journal. pmed.0040296. 7. Mihailovic A, Bell CM, Urbach DR. Users guide to the surgical literature. Casecontrol studies in surgical journals. Can J Surg. 2005;48:14851. 8. Rushton L. Reporting of occupational and environmental research: use and misuse of statistical and epidemiological methods. Occup Environ Med. 2000;57:19. 9. Rothman KJ. No adjustments are needed for multiple comparisons. Epidemiology. 1990;1:436. 10. Moonesinghe R, Khoury MJ, Janssens AC. Most published research ndings are false but a little replication goes a long way. PLoS Med 4. 2007:e28. 11. Jenicek M. Clinical case reporting. Evidence-based medicine. Oxford: Butterworth-Heinemann; 1999. 12. Vandenbroucke JP. In defense of case reports and case series. Ann Intern Med. 2001;134:3304. 13. Bossuyt PM, Reitsma JB, Bruns DE, et al. Towards complete and accurate reporting of studies of diagnostic accuracy: the STARD Initiative. Ann Intern Med. 2003;138:404. 14. McShane LM, Altman DG, Sauerbrei W, et al. Reporting recommendations for tumor marker prognostic studies (REMARK). Br J Cancer. 2005;93:38791. 15. Ioannidis JP, Gwinn M, Little J, et al. A road map for efcient and reliable human genome epidemiology. Nat Genet. 2006;38:35. 16. Rodrguez L, Kirkwood BR. Case-control designs in the study of common diseases: updates on the demise of the rare disease assumption and the choice of sampling scheme for controls. Int J Epidemiol. 1990;19:20513. 17. Rothman KJ, Greenland S. Case-control studies. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd ed. Filadela: Lippincott Raven; 1998. p. 93114. 18. Forand SP. Leukemia incidence among workers in the shoe and boot manufacturing industry: a case-control study. Environ Health. 2004;3:7. 19. Benson K, Hartz AJ. A comparison of observational studies and randomized, controlled trials. N Engl J Med. 2000;342:187886. 20. Gtzsche PC, Harden A. Searching for non-randomised studies. Draft chapter 3. Cochrane Non-Randomized Studies Methods Group, 26 julio 2002. Disponible en: [Link] (acceso el 10 de septiembre de 2007). 21. Lohse N, Hansen AB, Pedersen G, et al. Survival of persons with and without HIV infection in Denmark, 19952005. Ann Intern Med. 2007;146:8795. 22. American Journal of Epidemiology. Information for authors. Disponible en: [Link] (acceso el 10 de septiembre de 2007). 23. Haynes RB, Mulrow CD, Huth EJ, et al. More informative abstracts revisited. Ann Intern Med. 1990;113:6976. 24. Taddio A, Pain T, Fassos FF, et al. Quality of nonstructured and structured abstracts of original research articles in the British Medical Journal, the

25.

26.

27.

28.

29. 30. 31. 32.

33. 34. 35.

36.

37. 38. 39. 40.

41.

42.

43. 44. 45. 46.

47. 48. 49.

50. 51. 52. 53.

54. 55.

56. 57. 58.

59.

Canadian Medical Association Journal and the Journal of the American Medical Association. CMAJ. 1994;150:16115. Hartley J, Sydes M. Which layout do you prefer? An analysis of readers preferences for different typographic layouts of structured abstracts. J Inform Sci. 1996;22:2737. Viner RM, Cole TJ. Adult socioeconomic, educational, social, and psychological outcomes of childhood obesity: a national birth cohort study. BMJ. 2005; 330:1354. McCauley J, Kern DE, Kolodner K, et al. The battering sndrome: prevalence and clinical characteristics of domestic violence in primary care internal medicine practices. Ann Intern Med. 1995;123:73746. McEvoy SP, Stevenson MR, McCartt AT, et al. Role of mobile phones in motor vehicle crashes resulting in hospital attendance: a case-crossover study. BMJ. 2005;331:428. Vandenbroucke JP. Prospective or retrospective: whats in a name? BMJ. 1991;302:24950. Last JM. A dictionary of epidemiology. New York: Oxford University Press; 2000. Miettinen OS. Theoretical epidemiology: principles of occurrence research in medicine. New York: Wiley; 1985. p. 646. Rothman KJ, Greenland S. Types of epidemiologic studies. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd ed. Boston: Lippincott Raven; 1998. p. 745. MacMahon B, Trichopoulos D. Epidemiology, principles and methods. 2nd ed. Boston: Little, Brown; 1996. p. 81. Lilienfeld AM. Foundations of epidemiology. New York: Oxford University Press; 1976. Ridker PM, Hennekens CH, Lindpaintner K, et al. Mutation in the gene coding for coagulation factor V and the risk of myocardial infarction, stroke, and venous thrombosis in apparently healthy men. N Engl J Med. 1995;332:9127. Goodman KJ, ORourke K, Day RS, et al. Dynamics of Helicobacter pylori infection in a US-Mexico cohort during the rst two years of life. Int J Epidemiol. 2005;34:134855. Altman DG, De Stavola BL, Love SB, et al. Review of survival analyses published in cancer journals. Br J Cancer. 1995;72:5118. Cerhan JR, Wallace RB, Folsom AR, et al. Transfusion history and cancer risk in older women. Ann Intern Med. 1993;119:815. Beane Freeman LE, Dennis LK, Lynch CF, et al. Toenail arsenic content and cutaneous melanoma in Iowa. Am J Epidemiol. 2004;160:67987. Canto JG, Allison JJ, Kiefe CI, et al. Relation of race and sex to the use of reperfusion therapy in Medicare beneciaries with acute myocardial infarction. N Engl J Med. 2000;342:1094100. Metzkor-Cotter E, Kletter Y, Avidor B, et al. Long-term serological analysis and clinical follow-up of patients with cat scratch disease. Clin Infect Dis. 2003;37:114954. Johnson ES. Bias on withdrawing lost subjects from the analysis at the time of loss, in cohort mortality studies, and in follow-up methods. J Occup Med. 1990;32:2504. Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biom Bull. 1946;2:53. Feinstein AR, Walter SD, Horwitz RI. An analysis of Berksons bias in casecontrol studies. J Chronic Dis. 1986;39:495504. Jick H, Vessey MP. Case-control studies in the evaluation of drug induced illness. Am J Epidemiol. 1978;107:17. Hackam DG, Mamdani M, Li P, Redelmeier DA. Statins and sepsis in patients with cardiovascular disease: a population-based cohort analysis. Lancet. 2006;367:4138. Smeeth L, Cook C, Fombonne E, et al. MMR vaccination and pervasive developmental disorders: a case-control study. Lancet. 2004;364:9639. Costanza MC. Matching. Prev Med. 1995;24:42533. Sturmer T, Brenner H. Flexible matching strategies to increase power and efciency to detect and estimate gene-environment interactions in casecontrol studies. Am J Epidemiol. 2002;155:593602. Rothman KJ, Greenland S. Matching. En: Rothman KJ, Greenland S, editores. 2nd ed. Modern epidemiology. Boston: Lippincott Raven; 1998. p. 14761. Szklo MF, Nieto J. Epidemiology, beyond the basics. Sudbury (MA): Jones and Bartlett; 2000. p. 4051. Cole P, MacMahon B. Attributable risk percent in case-control studies. Br J Prev Soc Med. 1971;25:2424. Gissler M, Hemminki E. The danger of overmatching in studies of the perinatal mortality and birthweight of infants born after assisted conception. Eur J Obstet Gynecol Reprod Biol. 1996;69:735. Gefeller O, Pfahlberg A, Brenner H, Windeler J. An empirical investigation on matching in published case-control studies. Eur J Epidemiol. 1998;14:3215. Artama M, Ritvanen A, Gissler M, et al. Congenital structural anomalies in offspring of women with epilepsya population based cohort study in Finland. Int J Epidemiol. 2006;35:2807. Ebrahim S. Cohorts, infants and children. Int J Epidemiol. 2004;33:11656. Walker M, Whincup PH, Shaper AG. The British Regional Heart Study 19752004. Int J Epidemiol. 2004;33:118592. Wieland S, Dickersin K. Selective exposure reporting and Medline indexing limited the search sensitivity for observational studies of the adverse effects of oral contraceptives. J Clin Epidemiol. 2005;58:5607. Anderson HR, Atkinson RW, Peacock JL, et al. Ambient particulate matter and health effects: publication bias in studies of short-term associations. Epidemiology. 2005;16:15563.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
26 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

60. Winkelmayer WC, Stampfer MJ, Willett WC, et al. Habitual caffeine intake and the risk of hypertension in women. JAMA. 2005;294:23305. 61. Lukanova A, Soderberg S, Kaaks R, et al. Serum adiponectin is not associated with risk of colorectal cancer. Cancer Epidemiol Biomarkers Prev. 2006;15: 4012. 62. Becher H. The concept of residual confounding in regression models and some applications. Stat Med. 1992;11:174758. 63. Brenner H, Blettner M. Controlling for continuous confounders in epidemiologic research. Epidemiology. 1997;8:42934. 64. Phillips MR, Yang G, Zhang Y, et al. Risk factors for suicide in China: a national case-control psychological autopsy study. Lancet. 2002;360:172836. 65. Pasquale LR, Kang JH, Manson JE, et al. Prospective study of type 2 diabetes mellitus and risk of primary open angle glaucoma in women. Ophthalmology. 2006;113:10816. 66. Craig SL, Feinstein AR. Antecedent therapy versus detection bias as causes of neoplastic multimorbidity. Am J Clin Oncol. 1999;22:516. 67. Rogler LH, Mroczek DK, Fellows M, et al. The neglect of response bias in mental health research. J Nerv Ment Dis. 2001;189:1827. 68. Murphy EA. The logic of medicine. Baltimore: Johns Hopkins University Press; 1976. 69. Sackett DL. Bias in analytic research. J Chronic Dis. 1979;32:5163. 70. Johannes CB, Crawford SL, McKinlay JB. Interviewer effects in a cohort study. Results from the Massachusetts Womens Health Study. Am J Epidemiol. 1997;146:42938. 71. Bloemenkamp KW, Rosendaal FR, Buller HR, et al. Risk of venous thrombosis with use of current low-dose oral contraceptives is not explained by diagnostic suspicion and referral bias. Arch Intern Med. 1999;159:6570. 72. Feinstein AR. Clinical epidemiology: the architecture of clinical research. Philadelphia: WB Saunders; 1985. 73. Yadon ZE, Rodrigues LC, Davies CR, et al. Indoor and peridomestic transmission of American cutaneous leishmaniasis in northwestern Argentina: a retrospective case-control study. Am J Trop Med Hyg. 2003;68:51926. 74. Anoop S, Saravanan B, Joseph A, et al. Maternal depression and low maternal intelligence as risk factors for malnutrition in children: a community based case-control study from South India. Arch Dis Child. 2004;89:3259. 75. Carlin JB, Doyle LW. Sample size. J Paediatr Child Health. 2002;38:3004. 76. Rigby AS, Vail A. Statistical methods in epidemiology. II: a common-sense approach to sample size estimation. Disabil Rehabil. 1998;20:40510. 77. Schulz KF, Grimes DA. Sample size calculations in randomised trials: mandatory and mystical. Lancet. 2005;365:134853. 78. Drescher K, Timm J, Jockel KH. The design of case-control studies: the effect of confounding on sample size requirements. Stat Med. 1990;9:76576. 79. Devine OJ, Smith JM. Estimating sample size for epidemiologic studies: the impact of ignoring exposure measurement uncertainty. Stat Med. 1998;17: 137589. 80. Linn S, Levi L, Grunau PD, et al. Effect measure modication and confounding of severe head injury mortality by age and multiple organ injury severity. Ann Epidemiol. 2007;17:1427. 81. Altman DG, Lausen B, Sauerbrei W, et al. Dangers of using optimal cutpoints in the evaluation of prognostic factors. J Natl Cancer Inst. 1994;86:82935. 82. Royston P, Altman DG, Sauerbrei W. Dichotomizing continuous predictors in multiple regression: a bad idea. Stat Med. 2006;25:12741. 83. Greenland S. Avoiding power loss associated with categorization and ordinal scores in dose-response and trend analysis. Epidemiology. 1995;6: 4504. 84. Royston P, Ambler G, Sauerbrei W. The use of fractional polynomials to model continuous risk variables in epidemiology. Int J Epidemiol. 1999;28:96474. 85. MacCallum RC, Zhang S, Preacher KJ, et al. On the practice of dichotomization of quantitative variables. Psychol Methods. 2002;7:1940. 86. Altman DG. Categorizing continuous variables. En: Armitage P, Colton T, editores. Encyclopedia of biostatistics. 2nd ed. Chichester: John Wiley; 2005. p. 70811. 87. Cohen J. The cost of dichotomization. Applied Psychological Measurement. 1983;7:24953. 88. Zhao LP, Kolonel LN. Efciency loss from categorizing quantitative exposures into qualitative exposures in case-control studies. Am J Epidemiol. 1992;136: 46474. 89. Cochran WG. The effectiveness of adjustment by subclassication in removing bias in observational studies. Biometrics. 1968;24:295313. 90. Clayton D, Hills M. Statistical models in epidemiology. Oxford: Oxford University Press; 1993. p. 24960. 91. Cox DR. Note on grouping. J Am Stat Assoc. 1957;52:5437. 92. Ilyasova D, Hertz-Picciotto I, Peters U, et al. Choice of exposure scores for categorical regression in meta-analysis: a case study of a common problem. Cancer Causes Control. 2005;16:3838. 93. Berglund A, Alfredsson L, Cassidy JD, et al. The association between exposure to a rear-end collision and future neck or shoulder pain: a cohort study. J Clin Epidemiol. 2000;53:108994. 94. Slama R, Werwatz A. Controlling for continuous confounding factors: non and semiparametric approaches. Rev Epidemiol Sante Publique. 2005;53(Spec No 2): 2S6580. 95. Greenland S. Introduction to regression modelling. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd ed. Boston: Lippincott Raven; 1998. p. 40132. 96. Thompson WD. Statistical analysis of case-control studies. Epidemiol Rev. 1994;16:3350.

97. Schlesselman JJ. Case-control studies design, conduct, analysis. NY, Oxford: Oxford University Press; 1982. p. 23541. 98. Clayton D, Hills M. Statistical models in epidemiology. Oxford: Oxford University Press; 1993. p. 27181. 99. Altman DG, Gore SM, Gardner MJ, et al. Statistical guidelines for contributors to medical journals. BMJ. 1983;286:148993. 100. International Committee of Medical Journal editores. Uniform requirements for manuscripts submitted to biomedical journals. (Version electronica actualizada en febrero de 2006. Disponible en: [Link] N Engl J Med. 1997;336:30915. 101. Mullner M, Matthews H, Altman DG. Reporting on statistical methods to adjust for confounding: a cross-sectional survey. Ann Intern Med. 2002;136:1226. 102. Olsen J, Basso O. Re: Residual confounding. Am J Epidemiol. 1999;149: 290. 103. Hallan S, de Mutsert R, Carlsen S, et al. Obesity, smoking, and physical inactivity as risk factors for CKD: are men more vulnerable? Am J Kidney Dis. 2006;47:396405. 104. Gotzsche PC. Believability of relative risks and odds ratios in abstracts: cross sectional study. BMJ. 2006;333:2314. 105. Szklo MF, Nieto J. Epidemiology, beyond the basics. Sudbury (MA): Jones and Bartlett; 2000. p. 40830. 106. Chandola T, Brunner E, Marmot M. Chronic stress at work and the metabolic syndrome: prospective study. BMJ. 2006;332:5215. 107. Vach W, Blettner M. Biased estimation of the odds ratio in case-control studies due to the use of ad hoc methods of correcting for missing values for confounding variables. Am J Epidemiol. 1991;134:895907. 108. Little RJ, Rubin DB. Statistical analysis with missing data. NY: Wiley; 2002. p. 1923. 109. Ware JH. Interpreting incomplete data in studies of diet and weight loss. N Engl J Med. 2003;348:21367. 110. Rubin DB. Inference and missing data. Biometrika. 1976;63:58192. 111. Schafer JL. Analysis of incomplete multivariate data. London: Chapman & Hall; 1997. 112. Lipsitz SR, Ibrahim JG, Chen MH, et al. Non-ignorable missing covariates in generalized linear models. Stat Med. 1999;18:243548. 113. Rotnitzky A, Robins J. Analysis of semi-parametric regression models with non-ignorable non-response. Stat Med. 1997;16:81102. 114. Rubin DB. Multiple imputation for nonresponse in surveys. NY: John Wiley; 1987. 115. Barnard J, Meng XL. Applications of multiple imputation in medical studies: from AIDS to NHANES. Stat Methods Med Res. 1999;8:1736. 116. Braitstein P, Brinkhof MW, Dabis F, et al. Mortality of HIV-1-infected patients in the rst year of antiretroviral therapy: comparison between low-income and high-income countries. Lancet. 2006;367:81724. 117. Purandare N, Burns A, Daly KJ, et al. Cerebral emboli as a potential cause of Alzheimers disease and vascular dementia: case-control study. BMJ. 2006;332:111924. 118. Steyn K, Gaziano TA, Bradshaw D, et al. Hypertension in South African adults: results from the Demographic and Health Survey, 1998. J Hypertens. 2001;19:171725. 119. Lohr SL. Sampling: design and analysis. Pacic Grove (CA): Duxbury Press; 1999. cap. 7.5. 120. Dunn NR, Arscott A, Thorogood M. The relationship between use of oral contraceptives and myocardial infarction in young women with fatal outcome, compared to those who survive: results from the MICA casecontrol study. Contraception. 2001;63:659. 121. Rothman KJ, Greenland S. Basic methods for sensitivity analysis and external adjustment. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd. ed. Boston: Lippincott Raven; 1998. p. 34357. 122. Custer B, Longstreth Jr WT, Phillips LE, et al. Hormonal exposures and the risk of intracranial meningioma in women: a population-based case-control study. BMC Cancer. 2006;6:152. 123. Wakeeld MA, Chaloupka FJ, Kaufman NJ, et al. Effect of restrictions on smoking at home, at school, and in public places on teenage smoking: cross sectional study. BMJ. 2000;321:3337. 124. Greenland S. The impact of prior distributions for uncontrolled confounding and response bias: a case study of the relation of wire codes and magnetic elds to childhood leukemia. J Am Stat Assoc. 2003;98:4754. 125. Lash TL, Fink AK. Semi-automated sensitivity analysis to assess systematic errors in observational data. Epidemiology. 2003;14:4518. 126. Phillips CV. Quantifying and reporting uncertainty from systematic errors. Epidemiology. 2003;14:45966. 127. Corneld J, Haenszel W, Hammond EC, et al. Smoking and lung cancer: recent evidence and a discussion of some questions. J Natl Cancer Inst. 1959;22: 173203. 128. Langholz B. Factors that explain the power line conguration wiring codechildhood leukemia association: what would they look like? Bioelectromagnetics. 2001;5:S1931. 129. Eisner MD, Smith AK, Blanc PD. Bartenders respiratory health after establishment of smoke-free bars and taverns. JAMA. 1998;280:190914. 130. Dunne MP, Martin NG, Bailey JM, et al. Participation bias in a sexuality survey: psychological and behavioural characteristics of responders and nonresponders. Int J Epidemiol. 1997;26:84454. 131. Schuz J, Kaatsch P, Kaletsch U, et al. Association of childhood cancer with factors related to pregnancy and birth. Int J Epidemiol. 1999;28:6319.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]] 27

132. Cnattingius S, Zack M, Ekbom A, et al. Prenatal and neonatal risk factors for childhood myeloid leukemia. Cancer Epidemiol Biomarkers Prev. 1995;4: 4415. 133. Schuz J. Non-response bias as a likely cause of the association between young maternal age at the time of delivery and the risk of cancer in the offspring. Paediatr Perinat Epidemiol. 2003;17:10612. 134. Slattery ML, Edwards SL, Caan BJ, et al. Response rates among control subjects in case-control studies. Ann Epidemiol. 1995;5:2459. 135. Schulz KF, Grimes DA. Case-control studies: research in reverse. Lancet. 2002;359:4314. 136. Olson SH, Voigt LF, Begg CB, et al. Reporting participation in case-control studies. Epidemiology. 2002;13:1236. 137. Morton LM, Cahill J, Hartge P. Reporting participation in epidemiologic studies: a survey of practice. Am J Epidemiol. 2006;163:197203. 138. Olson SH. Reported participation in case-control studies: changes over time. Am J Epidemiol. 2001;154:57481. 139. Sandler DP. On revealing what wed rather hide: the problem of describing study participation. Epidemiology. 2002;13:117. 140. Hepworth SJ, Schoemaker MJ, Muir KR, et al. Mobile phone use and risk of glioma in adults: case-control study. BMJ. 2006;332:8837. 141. Hay AD, Wilson A, Fahey T, et al. The duration of acute cough in pre-school children presenting to primary care: a prospective cohort study. Fam Pract. 2003;20:696705. 142. Egger M, Juni P, Bartlett C. Value of ow diagrams in reports of randomized controlled trials. JAMA. 2001;285:19969. 143. Osella AR, Misciagna G, Guerra VM, The Association for the Study of Liver Disease in Puglia. Hepatitis C virus (HCV) infection and liver-related mortality: a population-based cohort study in southern Italy. Int J Epidemiol. 2000;29:9227. 144. Dales LG, Ury HK. An improper use of statistical signicance testing in studying covariables. Int J Epidemiol. 1978;7:3735. 145. Maldonado G, Greenland S. Simulation study of confounders election strategies. Am J Epidemiol. 1993;138:92336. 146. Tanis BC, van den Bosch MA, Kemmeren JM, et al. Oral contraceptives and the risk of myocardial infarction. N Engl J Med. 2001;345:178793. 147. Rothman KJ, Greenland S. Precision and validity in epidemiologic studies. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd. ed. Boston: Lippincott Raven; 1998. p. 1205. 148. Clark TG, Altman DG, De Stavola BL. Quantication of the completeness of follow-up. Lancet. 2002;359:130910. 149. Qiu C, Fratiglioni L, Karp A, et al. Occupational exposure to electromagnetic elds and risk of Alzheimers disease. Epidemiology. 2004;15:68794. 150. Kengeya-Kayondo JF, Kamali A, Nunn AJ, et al. Incidence of HIV-1 infection in adults and sociodemographic characteristics of seroconverters in a rural population in Uganda: 19901994. Int J Epidemiol. 1996;25:107782. 151. Mastrangelo G, Fedeli U, Fadda E, et al. Increased risk of hepatocellular carcinoma and liver cirrhosis in vinyl chloride workers: synergistic effect of occupational exposure with alcohol intake. Environ Health Perspect. 2004;112:118892. 152. Salo PM, Arbes Jr SJ, Sever M, et al. Exposure to Alternaria alternata in US homes is associated with asthma symptoms. J Allergy Clin Immunol. 2006; 118:8928. 153. Pocock SJ, Clayton TC, Altman DG. Survival plots of time-to-event outcomes in clinical trials: good practice and pitfalls. Lancet. 2002;359:16869. 154. Sasieni P. A note on the presentation of matched case-control data. Stat Med. 1992;11:61720. 155. Lee GM, Neutra RR, Hristova L, et al. A nested case-control study of residential and personal magnetic eld measures and miscarriages. Epidemiology. 2002;13:2131. 156. Tiihonen J, Walhbeck K, Lonnqvist J, et al. Effectiveness of antipsychotic treatments in a nationwide cohort of patients in community care after rst hospitalisation due to schizophrenia and schizoaffective disorder: observational follow-up study. BMJ. 2006;333:224. 157. Christenfeld NJ, Sloan RP, Carroll D, et al. Risk factors, confounding, and the illusion of statistical control. Psychosom Med. 2004;66:86875. 158. Smith GD, Phillips A. Declaring independence: why we should be cautious. J Epidemiol Commun Health. 1990;44:2578. 159. Greenland S, Neutra R. Control of confounding in the assessment of medical technology. Int J Epidemiol. 1980;9:3617. 160. Robins JM. Data, design, and background knowledge in etiologic inference. Epidemiology. 2001;12:31320. 161. Sagiv SK, Tolbert PE, Altshul LM, et al. Organochlorine exposures during pregnancy and infant size at birth. Epidemiology. 2007;18:1209. 162. World Health Organization. Body Mass Index (BMI). Disponible en: http:// [Link]/nutrition/20030507_1 (acceso el 10 de septiembre de 2007). 163. Beral V. Breast cancer and hormone-replacement therapy in the Million Women Study. Lancet. 2003;362:41927. 164. Hill AB. The environment and disease: association or causation? Proc R Soc Med. 1965;58:295300. 165. Vineis P. Causality in epidemiology. Soz Praventivmed. 2003;48:807. 166. Empana JP, Ducimetiere P, Arveiler D, The PRIME Study. Are the Framingham and PROCAM coronary heart disease risk functions applicable to different European populations? Eur Heart J. 2003;24:190311. 167. Tunstall-Pedoe H, Kuulasmaa K, Mahonen M, et al. Contribution of trends in survival and coronary-event rates to changes in coronary heart disease

mortality: 10-year results from 37 WHO MONICA project populations. Monitoring trends and determinants in cardiovascular disease. Lancet. 1999;353:154757. 168. Cambien F, Chretien JM, Ducimetiere P, et al. Is the relationship between blood pressure and cardiovascular risk dependent on body mass index? Am J Epidemiol. 1985;122:43442. 169. Hosmer DW, Taber S, Lemeshow S. The importance of assessing the t of logistic regression models: a case study. Am J Public Health. 1991;81: 16305. 170. Tibshirani R. A plain mans guide to the proportional hazards model. Clin Invest Med. 1982;5:638. 171. Rockhill B, Newman B, Weinberg C. Use and misuse of population attributable fractions. Am J Public Health. 1998;88:159. 172. Uter W, Pfahlberg A. The application of methods to quantify attributable risk in medical practice. Stat Methods Med Res. 2001;10:2317. 173. Schwartz LM, Woloshin S, Dvorin EL, et al. Ratio measures in leading medical journals: structured review of accessibility of underlying absolute risks. BMJ. 2006;333:1248. 174. Nakayama T, Zaman MM, Tanaka H. Reporting of attributable and relative risks, 196697. Lancet. 1998;351:1179. 175. Corneld J. A method of estimating comparative rates from clinical data; applications to cancer of the lung, breast, and cervix. J Natl Cancer Inst. 1951;11:126975. 176. Pearce N. What does the odds ratio estimate in a case-control study? Int J Epidemiol. 1993;22:118992. 177. Rothman KJ, Greenland S. Measures of disease frequency. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd ed. Boston: Lippincott Raven; 1998. p. 445. 178. Doll R, Hill AB. The mortality of doctors in relation to their smoking habits: a preliminary report. 1954. BMJ. 2004;328:152933. 179. Ezzati M, Lopez AD. Estimates of global mortality attributable to smoking in 2000. Lancet. 2003;362:84752. 180. Greenland S. Applications of stratied analysis methods. En: Rothman KJ, Greenland S, editores. Modern epidemiology. 2nd. ed. Boston: Lippincott Raven; 1998. p. 2957. 181. Rose G. Sick individuals and sick populations. Int J Epidemiol. 2001;30: 42732, discussion 4334. 182. Vandenbroucke JP, Koster T, Briet E, et al. Increased risk of venous thrombosis in oral-contraceptive users who are carriers of factor V Leiden mutation. Lancet. 1994;344:14537. 183. Botto LD, Khoury MJ. Commentary: facing the challenge of gene environment interaction: the two-by-four table and beyond. Am J Epidemiol. 2001;153: 101620. 184. Wei L, MacDonald TM, Walker BR. Taking glucocorticoids by prescription is associated with subsequent cardiovascular disease. Ann Intern Med. 2004;141:76470. 185. Martinelli I, Taioli E, Battaglioli T, et al. Risk of venous thromboembolism after air travel: interaction with thrombophilia and oral contraceptives. Arch Intern Med. 2003;163:27714. 186. Kyzas PA, Loizou KT, Ioannidis JP. Selective reporting biases in cancer prognostic factor studies. J Natl Cancer Inst. 2005;97:104355. 187. Rothman KJ, Greenland S, Walker AM. Concepts of interaction. Am J Epidemiol. 1980;112:46770. 188. Saracci R. Interaction and synergism. Am J Epidemiol. 1980;112:4656. 189. Rothman KJ. Epidemiology. An introduction. Oxford: Oxford University Press; 2002. p. 16880. 190. Rothman KJ. Interactions between causes. Modern epidemiology. Boston: Little Brown; 1986. p. 31126. 191. Hess DR. How to write an effective discussion. Respir Care. 2004;49:123841. 192. Horton R. The hidden research paper. JAMA. 2002;287:27758. 193. Horton R. The rhetoric of research. BMJ. 1995;310:9857. 194. Docherty M, Smith R. The case for structuring the discussion of scientic papers. BMJ. 1999;318:12245. 195. Perneger TV, Hudelson PM. Writing a research article: advice to beginners. Int J Qual Health Care. 2004;16:1912. 196. Annals of Internal Medicine. Information for authors. Disponible en: http:// [Link]/shared/author_info.html (acceso el 10 de septiembre de 2007). 197. Maldonado G, Poole C. More research is needed. Ann Epidemiol. 1999;9: 178. 198. Phillips CV. The economics of more research is needed. Int J Epidemiol. 2001;30:7716. 199. Winkleby MA, Kraemer HC, Ahn DK, et al. Ethnic and socioeconomic differences in cardiovascular disease risk factors: ndings for women from the Third National Health and Nutrition Examination Survey, 19881994. JAMA. 1998;280:35662. 200. Galuska DA, Will JC, Serdula MK, et al. Are health care professionals advising obese patients to lose weight? JAMA. 1999;282:15768. 201. Spearman C. The proof and measurement of association between two things. Am J Psychol. 1904;15:72101. 202. Fuller WA, Hidiroglou MA. Regression estimates after correcting for attenuation. J Am Stat Assoc. 1978;73:99104. 203. MacMahon S, Peto R, Cutler J, et al. Blood pressure, stroke, and coronary heart disease. Part 1. Prolonged differences in blood pressure: prospective observational studies corrected for the regression dilution bias. Lancet. 1990;335:76574.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001

ARTICLE IN PRESS
28 J.P. Vandenbroucke et al / Gac Sanit. ]]]];](]):]]]]]]

204. Phillips AN, Smith GD. How independent are independent effects? Relative risk estimation when correlated exposures are measured imprecisely. J Clin Epidemiol. 1991;44:122331. 205. Phillips AN, Smith GD. Bias in relative odds estimation owing to imprecise measurement of correlated exposures. Stat Med. 1992;11:95361. 206. Greenland S. The effect of misclassication in the presence of covariates. Am J Epidemiol. 1980;112:5649. 207. Poole C, Peters U, Ilyasova D, et al. Commentary: this study failed? Int J Epidemiol. 2003;32:5345. 208. Kaufman JS, Cooper RS, McGee DL. Socioeconomic status and health in blacks and whites: the problem of residual confounding and the resiliency of race. Epidemiology. 1997;8:6218. 209. Greenland S. Randomization, statistics, and causal inference. Epidemiology. 1990;1:4219. 210. Taubes G. Epidemiology faces its limits. Science. 1995;269:1649. 211. Temple R. Meta-analysis and epidemiologic studies in drug development and postmarketing surveillance. JAMA. 1999;281:8414. 212. Greenberg RS, Shuster Jr JL. Epidemiology of cancer in children. Epidemiol Rev. 1985;7:2248. 213. Kushi LH, Mink PJ, Folsom AR, et al. Prospective study of diet and ovarian cancer. Am J Epidemiol. 1999;149:2131. 214. Kemmeren JM, Algra A, Meijers JC, et al. Effect of second- and thirdgeneration oral contraceptives on the protein C system in the absence or presence of the factor V Leiden mutation: a randomized trial. Blood. 2004; 103:92733. 215. Egger M, May M, Chene G, et al. Prognosis of HIV-1-infected patients starting highly active antiretroviral therapy: a collaborative analysis of prospective studies. Lancet. 2002;360:11929. 216. Campbell DT. Factors relevant to the validity of experiments in social settings. Psychol Bull. 1957;54:297312. 217. Justice AC, Covinsky KE, Berlin JA. Assessing the generalizability of prognostic information. Ann Intern Med. 1999;130:51524. 218. Krimsky S, Rothenberg LS, editors. Conict of interest policies in science and medical journals: editorial practices and author disclosures. Sci Eng Ethics. 2001;7:20518. 219. Bekelman JE, Li Y, Gross CP. Scope and impact of nancial conicts of interest in biomedical research: a systematic review. JAMA. 2003;289:45465. 220. Davidson RA. Source of funding and outcome of clinical trials. J Gen Intern Med. 1986;1:1558. 221. Stelfox HT, Chua G, ORourke K, et al. Conict of interest in the debate over calcium-channel antagonists. N Engl J Med. 1998;338:1016. 222. Lexchin J, Bero LA, Djulbegovic B, et al. Pharmaceutical industry sponsorship and research outcome and quality: systematic review. BMJ. 2003;326: 116770.

223. Als-Nielsen B, Chen W, Gluud C, et al. Association of funding and conclusions in randomized drug trials: a reection of treatment effect or adverse events? JAMA. 2003;290:9218. 224. Barnes DE, Bero LA. Why review articles on the health effects of passive smoking reach different conclusions? JAMA. 1998;279:156670. 225. Barnes DE, Bero LA. Industry-funded research and conict of interest: an analysis of research sponsored by the tobacco industry through the Center for Indoor Air Research. J Health Polit Policy Law. 1996;21:51542. 226. Glantz SA, Barnes DE, Bero L, et al. Looking through a keyhole at the tobacco industry. The Brown and Williamson documents. JAMA. 1995;274:21924. 227. Huss A, Egger M, Hug K, et al. Source of funding and results of studies of health effects of mobile phone use: systematic review of experimental studies. Environ Health Perspect. 2007;115:14. 228. Safer DJ. Design and reporting modications in industry sponsored comparative psychopharmacology trials. J Nerv Ment Dis. 2002;190:58392. 229. Aspinall RL, Goodman NW. Denial of effective treatment and poor quality of clinical information in placebo controlled trials of ondansetron for postoperative nausea and vomiting: a review of published trials. BMJ. 1995;311: 8446. 230. Chan AW, Hrobjartsson A, Haahr MT, et al. Empirical evidence for selective reporting of outcomes in randomized trials: comparison of protocols to published articles. JAMA. 2004;291:245765. 231. Melander H, Ahlqvist-Rastad J, Meijer G, et al. Evidence b(i)ased medicine selective reporting from studies sponsored by pharmaceutical industry: review of studies in new drug applications. BMJ. 2003;326:11713. 232. Scherer RW, Langenberg P, von Elm E. Publicacion de resultados inicialmente presentada en resumen. Cochrane Database of Systematic Reviews, Tomo 2. Art. No.: MR000005. Disponible en: [Link] [Link] (acceso el 10 de septiembre de 2007). 233. Moher D, Schulz KF, Altman DG. The CONSORT statement: revised recommendations for improving the quality of reports of parallel-group randomised trials. Lancet. 2001;357:11914. 234. Stroup DF, Berlin JA, Morton SC, et al. Meta-analysis of observational studies in epidemiology: a proposal for reporting. Meta-analysis of observational studies in epidemiology. JAMA. 2000;283:200812. 235. Altman DG, Schulz KF, Moher D, et al. The revised CONSORT statement for reporting randomized trials: explanation and elaboration. Ann Intern Med. 2001;134:66394. 236. Moher D. CONSORT: an evolving tool to help improve the quality of reports of randomized controlled trials. Consolidated standards of reporting trials. JAMA. 1998;279:148991. 237. Begg C, Cho M, Eastwood S, et al. Improving the quality of reporting of randomized controlled trials. The CONSORT statement. JAMA. 1996;276: 6379.

Como citar este artculo: Vandenbroucke JP, et al. Mejorar la comunicacion de estudios observacionales en epidemiologa (STROBE): explicacion y elaboracion. Gac Sanit. 2009. doi:10.1016/[Link].2008.12.001