TEMA 1: HISTORIA DE LA SALUD PÚBLICA Y DE LA EPIDEMIOLOGÍA

INTRODUCCIÓN

A partir de la II Guerra Mundial:

• Aparente desaparición de las epidemias de las enfermedades infecciosas

• Descenso de la mortalidad materna e infantil
• Aumento de la esperanza de vida
• Desarrollo de la seguridad social y del SNS (Sistema Nacional de Salud)
• Mejora general de las condiciones higiénico-sanitarias, tanto en el ámbito poblacional como en
el asistencial
• Mejora de las condiciones nutricionales, avance en el descubrimiento de fármacos

EL IMPACTO DE LA SALUD PÚBLICA EN LA SALUD COLECTIVA

El nivel económico condiciona mucho la salud de un individuo.

S. XVIII:

• Reducción mortalidad 80-90%, descenso muertes por infecciones.

• Primera revolución agrícola= más acceso a alimentos

2ª mitad S.XIX: mejora considerable de la higiene.

La mayor parte de los descensos de mortalidad por TB, bronquitis, neumonía e influenza, tos ferina y
enfermedades transmisibles por agua o alimentos ocurrieron antes de disponer de inmunizaciones o
tratamientos. La vacunación contra la viruela se asoció a menos del 2% del descenso de la mortalidad
entre 1848 y 1871.

• Transición epidemiológica: de enfermedades infecciosas a enfermedades cardiovasculares,

cáncer y otras patologías.

McKeown, mayores contribuciones a la salud en Inglaterra y Gales:

1. Limitación del tamaño familiar
2. Aumento en el aporte de alimentos
3. Ambiente físico más sano
4. Medidas preventivas y terapéuticas específicas
No podemos confundir la salud pública/colectiva, que busca mejorar la salud global de la población, con
la salud individualista, que busca la salud individual de cada individuo.

Salud pública: toda actividad encaminada a mejorar el estado de salud de la población.

• Perspectiva poblacional
• Proteger, promover y restaurar la salud de los habitantes de la comunidad
• Promover las condiciones para que la población sea saludable

¿CÓMO HEMOS LLEGADO A LA SALUD PÚBLICA (SP)?

Paso de salud individual a salud pública determinado por Johann Peter Frank (estudió la relación entre
pobreza y enfermedad)

Rudolf Virchow: “la política es medicina en gran escala”. Importancia de la democracia

Edwin Chadwick: impulsó Leyes de Salud Pública. También protección sanitaria a indigentes y medidas
de saneamiento.

SALUD

OMS: la salud no es solo la ausencia de enfermedad, sino también el estado de bienestar somático,
psicológico y social del individuo y de la colectividad. “Estado de bienestar”

Terris: componente objetivo y subjetivo en la salud. Diferentes grados de salud y enfermedad.

La salud absoluta no existe. Continuo (salud-enfermedad).

DETERMINANTES DE LA SALUD
Círculo de la pobreza: cuanto más pobre, más enfermo; cuanto más enfermo, más pobre.

Determinantes salud, Lalonde (1974)

• Biología humana (27%)
• Medio ambiente (19%)
• Estilo de vida (43%)
• Asistencia sanitaria (11%)
HISTORIA NATURAL DE LA ENFERMEDAD Y NIVELES DE PREVENCI ÓN

EPIDEMIOLOGÍA

Epi: sobre / Demos: población / Logos: conocimiento. “Conocimiento sobre la población”.

M.Last: estudio de la distribución y los determinantes de los estados o acontecimientos relacionados

con la salud de determinadas poblaciones; aplicación de este estudio al control de los problemas
sanitarios.

Miettinen (1985): el estudio de la frecuencia de los fenómenos de interés en el campo de la salud.

HISTORIA

• Prehistoria: Hipocrates (460-322 a.C)

• Estadísticas sanitarias
o John Graunt (1620-16749: tablas vida/muerte.
o James Lind (1747): cura escorbuto.
o Alexandre Louis (1787-1872): leyes naturales, método numérico, grupo de referencia.
o John Snow (1814-1858): distribución cólera en Londres entre 1845 y 1854.
• Era microbiológica: Pasteur y Koch. Microorganismos causa necesaria, pero no suficiente.
• Era de las enfermedades crónicas: la epidemiología dota de herramientas para combatir un
proceso aunque no se conozcan sus detalles moleculares (caja negra). Dicha exposisción puede
producir un efecto.
 ¿PARA QUÉ VALE? FUTURO
• Magnitud y distribución de la • Multidisciplinariedad
Salud-Enfermedad • Uso de datos sanitarios masivos para tomar
• Determinantes de la salud decisiones
• Identificar nuevas enfermedades • ¿Big Data? CPS study. 1.000.000 personas.
• Completar cuadros clínicos, • Contextualización en la toma de decisiones
describir la Hª natural de la sanitarias
enfermedad y los determinantes • Principio de coste-efectividad y de recursos
en su curso. finitos.
• Valorar pruebas diagnósticas • Aumento de la esperanza de vida en buenas
• Evaluar la eficacia/efectividad de condiciones
intervenciones sanitarias • de salud.
• Planificación sanitaria • Interacción gen-ambiente.
• Ayudar a la enseñanza y valoración • Colaboración con las especialidades clínicas.
crítica • La globalización en la diseminación de
• Metodología de la investigación enfermedades.
• Nuevos factores de riesgo • El entorno del paciente condiciona la
enfermedad.
• Nunca debe dejarse de lado el
pensamiento crítico
TEMA 2: INTRODUCCIÓN A LA DEMOGRAFÍA. DEMOGRAFÍA ESTÁTICA Y DINÁMICA.

INTRODUCCIÓN A LA DEMOGRAFÍA

Demografía: ciencia que tiene por objeto el estudio de las poblaciones humanas, analizando su
dimensión, estructura y evolución, considerados principalmente desde el punto de vista cuantitativo.

Población humana: conjunto de personas que habitualmente residen en un ámbito geográfico

determinado en un momento dado.

INTERÉS Y APLICACIONES
• Elaboración de tasas y otros indicadores de salud
• Estudios en epidemiología
• Planificación de la salud pública
• Planificación de producción alimentaria
• Planes generales de desarrollo nacionales y regionales
• Proyecciones de las poblaciones para cualquier propósito

DEMOGRAFÍA ESTÁTICA VS DINÁMICA

ESTÁTICA DINÁMICA
Momento determinado A lo largo del tiempo
Estructura población Evolución de la población
Edad Crecimiento
Sexo Previsiones muy útiles para la SP
Nivel de estudios
Actividad económica
Fotografía Película

DEMOGRAFÍA ESTÁTICA: FUENTES DE DATOS

PADRÓN CENSO
Ayuntamientos INE
Administrativo (público) Estadístico (privado)
Gestión continua Cada 10 años (1981-1991-2001)
Anual (antes quinquenal) Universal, individualizado, obligatorio y secreto
Público Recorrido exhaustivo por el territorio
Cuestionario exhaustivo y único
(vivienda/hogar)
Sexo, edad, lugar de nacimiento, nivel de Variable: fácil, neutra, relevante
instrucción, nacionalidad estadísticamente

CENSO
Censo: proceso de reunir y analizar datos demográficos, económicos y sociales de todos los habitantes
de un país en un momento determinado.

Programa censo 1974 de la ONU: al menos un censo por país.

 Personas Demográficas Sexo, fecha y lugar de nacimiento, nacionalidad, estado civil
Estructura del hogar Relaciones entre personas
Migraciones Lugar de residencia hace 10 años, 1 año, última migración
Educación Nivel de estudios, sector de estudios y lugar
Actividad económica Ocupación, situación laboral, lugar de trabajo
Hogares Régimen de tenencia, vehículos de motor, plazas de garaje, segunda vivienda

OTRAS FUENTES
• Encuesta de población activa: mensualmente.
• Censo parcial o por muestreo: censo 2011.
• Encuesta nacional de salud: exposición a prácticas de riesgo y las prácticas preventivas.
Bianualmente.
• Encuesta de fecundidad: encuestas de salud y hábitos sexuales (análisis de conductas de
riesgo).

EXPRESIÓN Y ANÁLISIS DE DATOS

La pirámide de población es una forma gráfica de representar datos estadísticos básicos: sexo y edad.

• Comparaciones internacionales
• Fácil y rápida percepción de varios fenómenos demográficos
➢ Hombres a la izquierda, mujeres a la derecha, abajo niños y arriba ancianos.

El impacto de las guerras produce sobremortalidad en los hombres. También puede haber
sobremortalidad ligada a emigraciones.

TIPOS DE PATRONES EN LAS PIRÁMIDES

Pagoda o bicóncava Campana o biconvexa Bulbo o hucha
Poblaciones progresivas Población estacionaria Base estrecha
Base ancha Base intermedia Baja natalidad
Poblaciones jóvenes Países desarrollados Alt nivel sanitario
Alta natalidad Alto nivel sanitario
Comunidades subdesarrolladas

OTROS INDICADORES
COEFICIENTE DE MASCULINIDAD: HOMBRES/MUJERES *100

Índice de Sundbarg: toma como base la población de 15-50 años y compara el resto de población en
relación con ese grupo (=100).
DEMOGRAFÍA DINÁMICA

Estudia los cambios que operan a lo largo del tiempo en la dimensión, estructura y distribución
geográfica de las poblaciones humanas y de las leyes que determinan su evolución.

• Previsiones de población
• Estimaciones y proyecciones
• Interés por nosotros mismos

Tasa de crecimiento vegetativo = TCN (tasa de crecimiento natural) = Tasa natalidad (TN) - Tasa
mortalidad (TM)
Crecimiento vegetativo = Crecimiento Natural = Natalidad - Mortalidad
Población final = P. Inicial + Nacimientos – Defunciones + Inmigración – Emigración
Población final = P. Inicial + Crecimiento vegetativo + Migración neta

NATALIDAD Y FECUNDIDAD
Tasa natalidad = nacidos vivos durante un año/ población total media *1000

Nacido vivo: “Todo producto de la concepción que, una vez expulsado o extraído completamente del
cuerpo de la madre, independientemente de la duración del embarazo, respire o dé cualquier otra señal
de vida.” (ONU 1961)

Población media: población a 1 de julio. Media población 1/1- 31/12

Factores que influyen en la natalidad

• Mujeres en edad reproductiva o fértil
• Número de mujeres en riesgo de tener más hijos
• Nupcialidad
• Edad de matrimonio
• Edad del primer hijo
• Fijar el número de hijos en función de las posibilidades de la pareja
• Nivel económico y cultural
• Educación sexual y acceso a métodos anticonceptivos
Tasa de fecundidad = nacidos vivos durante un año / media de la población femenina en edad fértil
*1000

Índice sintético de fecundidad (ISF): promedio de hijos que tendría una mujer al cumplir los 50 años.

➢ >2,1 = reemplazo generacional asegurado

MORTALIDAD
Mortalidad: cese definitivo de las funciones vitales con posterioridad al nacimiento.

Tasa de mortalidad = defunciones durante 1 año / población total media * 1000

Índice de Swaroop – Uemura = defunciones ≥ 50 años / total defunciones ese año * 1000

TM específica por edad = defunciones de una determinada edad durante 1 año / población total
media de esa edad * 1000

Tasa de mortalidad infantil = defunciones de menores de 1 año durante 1 año / total nacidos vivos del
año * 1000

➢ En la mortalidad infantil debemos tener en cuenta los periodos en que pueden medir los niños.
No es lo mismo en la primera semana que al final del primer año de vida.

TMI Mide
Postneonatal Infecciones
Carencias alimenticias
Neonatal Riesgo congénito
Neonatal precoz Parte se retrasa al
periodo tardío
Neonatal tardía Aumento nivel de
vida=aumento de la
MNT

Mortalidad evitable: aquella que podría evitarse, <65 años.

TEMA 3: ENSAYOS CLÍNICOS

ESTUDIOS EPIDEMIOLÓGICOS

• Estudios descriptivos
o Estudios transversales
o Estudios de seguimiento o de series de casos
• Estudios con finalidad etiológica: cadena causal (causa-efecto). Pretendemos medir dos cosas
en dos momentos diferentes.
o Estudios experimentales
▪ Ensayos clínicos aleatorizados
▪ Ensayos cuasi-experimentales
o Estudios observacionales
▪ Ensayos de cohortes
▪ Ensayos de casos y controles
▪ Estudios transversales analíticos

CLASIFICACIÓN EN BASE A LAS CARACTERÍSTICAS

Carácter temporal Unidad a estudio Asignación de la intervención
Prospectivo: ensayos clínicos y Estudios de base individual Estudios experimentales
de cohortes
Ambispectivo Estudios de datos agregados o Estudios observacionales
Transversal estudio ecológico: gran
Retrospectivo cantidad de sesgos

CLASIFICACIÓN EN BASE AL PODER DE INFERENCIA CAUSAL

Capacidad de inferencia causal: poder de una investigación, por su diseño, de establecer una relación
causa-efecto. De mayor a menor poder de inferencia causal:

1. Ensayos clínicos: prospectivo. Fijamos todas las condiciones.

2. Estudios de cohortes: prospectivo.
3. Estudios de casos y controles: retrospectivo. Riesgo de presentar más sesgos.
4. Estudios transversales analíticos: conocer la prevalencia de la enfermedad y si hay algún factor
que influye en la mayor frecuencia en la misma.
5. Series de casos o estudios de supervivencia: descriptivo.
6. Estudios de pruebas diagnósticas
7. Metaanálisis y revisiones

ELECCIÓN DEL DISEÑO DE INVESTIGACIÓN

Elegir el tipo de estudio es uno de los aspectos más complejos de la investigación. Los estudios más
fáciles son los que nos dan menos poder de inferencia causal.

El diseño de la investigación se seleccionará en función de:

• Naturaleza de la intervención/exposición (beneficiosa o perjudicial)

• Recursos disponibles (tiempo y dinero)
• Oportunidad en la obtención de resultados
• Tamaño muestral estimado
TIPOS DE VALIDEZ
Todo estudio epidemiológico es un fenómeno de medición.

• Falso positivo o error tipo 1: asociación cuando no la hay

• Falso negativo o error tipo 2: no asociación cuando la hay

Validez interna: viene definida por los criterios de inclusión y exclusión. Si los criterios de inclusión son
estrictos, la validez interna aumenta.

Validez externa: viene definida por los criterios de inclusión. Si los criterios son laxos, la validez externa
aumenta.

No podemos tener un estudio con poca validez interna y mucha externa. Lo que si que podemos tener
es mucha validez interna y poco externa.

ENSAYOS CLÍNICOS

Ensayo clínico: experimento cuidadosa y éticamente diseñado con el fin de responder a preguntas
concretas formuladas previamente.

• Aceptar o rechazar un nuevo procedimiento como más eficaz

• Revisar los procedimientos tradicionales, identificando los más ineficaces y rechazándolos de
la práctica clínica.

FASES DE LOS ENSAYOS CLÍNICOS (CON MEDICAMENTOS)

• Fase I: farmacocinética y farmacodinámica en sujetos sanos.
• Fase II: en enfermos para proporcionar información preliminar y establecer pautas de dosis y
toxicidad.
• Fase III: se valora el medicamento nuevo frente a otro o frente a un placebo. Eficacia y la
seguridad del tratamiento en población general con la patología o condición para la que está
dirigida el fármaco.
• Fase IV: poco habituales. Nuevas indicaciones o efectos adversos.

TIPOS DE ENSAYOS CLÍNICOS

• Aleatorios y no aleatorios: más útil, mayor poder de inferencia causal
• Controlados y no controlados (cuasiexperimentales)
• Enmascarados y no enmascarados (abiertos u open trials): ganar independencia en la respuesta
al tratamiento y en el análisis de los datos.

Otros factores:

• Tipo de ensayo
• Grupos comparables
• Duración adecuada
• Pérdidas
ENSAYO CLÍNICO ALEATORIZADO (ECA)
1. Definición de la población diana y de los criterios de elegibilidad
2. Cálculo del tamaño de la muestra
3. Propuesta de participación
4. Aleatorización
5. Enmascaramiento (si procede)
6. Seguimiento
7. Observación y valoración de la respuesta. Valoración del cumplimiento
8. Análisis y valoración de los resultados
9. Difusión de los resultados

El objetivo de la aleatorización es aumentar la validez interna de un estudio experimentar. Disminuye los

sesgos de selección y confusión; el investigador no influye en la asignación de la exposición.

• Los posibles factores de confusión, tanto conocidos como desconocidos, se repartirán por igual
en ambos grupos.
• El control de factores de confusión con la aleatorización es directamente proporcional al
tamaño muestral.
• ¿Quién debe aleatorizar? Alguien ajeno al estudio o que no esté en contacto con los pacientes.
• Debe comprobarse que los posibles factores que influyan en el resultado han quedado
distribuidos por igual en ambos grupos.

Cuando la aleatorización es total, todos los individuos tienen la misma probabilidad de ser elegidos.
Siempre debe aparecer en el artículo cómo se ha hecho la aleatorización y de qué tipo es.

No son aleatorizaciones: asignación según número par o impar, según la historia clínica o el día de
consulta.

Son aleatorizaciones:

• Aleatorización simple 1:1

• Aleatorización por bloques
• Aleatorización por conglomerados
• Hay EC que incluyen las preferencias de los pacientes en la asignación del tratamiento

FLUJO DE PARTICIPACIONES
OTRAS CLASIFICACIONES DE LOS ENSAYOS CLÍNICOS

SEGÚN SU FINALIDAD
Ensayo explicativo Ensayo pragmático
Objetivos Medir la eficacia Medir la efectividad
Intervención Muy estandarizada (dosis y Individualizada (dosis y
periodicidad fija, personal muy periodicidad flexibles, seguimiento
entrenado, tratamientos habitual para cada paciente,
concomitantes controlados, etc) tratamientos concomitantes,
flexibles, etc)
Tratamiento de Uno activo, placebo (si es ético) o El habitual en la práctica clínica
comparación ninguno (si es ético)
Diseño El énfasis se pone en igualar los El énfasis se pone en buscar el
predictores de la variable beneficio máximo para cada
resultado, en los dos grupos de paciente
comparación
Sujetos participantes Criterios de inclusión estrictos, que Criterios de inclusión más flexibles,
dan lugar a participantes que incluyen un abanico amplio de
homogéneos, en los que la pacientes potencialmente tratables
probabilidad de obtener y en la práctica clínica
demostrar estadísticamente un
beneficio sea máxima
Variables de resultado Con significado fisiológico Con significado clínico
Medida de variables de Mediante técnicas de Sin técnicas de enmascaramiento
resultados enmascaramiento (doble ciego o
simple ciego)
Análisis de los datos Se excluyen los malos cumplidores Análisis según la intención de
con el tratamiento o el protocolo tratar
de estudio
Cuando se hace el primer estudio con un fármaco, lo típico es darle al ensayo un enfoque explicativo. A
medida que se van sabiendo más características del medicamento, pasaremos a ensayos pragmáticos
para saber cómo funciona en condiciones reales.

Ambos tipos de estudios son razonables y complementarios, pero representan extremos de un rango de
posibilidades. El problema surge cunado interpretamos un estudio explicativo como si fuese pragmático.
Hay muchos estudios que dicen ser pragmáticos y realmente ¡, si leemos la letra pequeña, veremos que
son explicativos.

A partir de ese problema, se han propuesto nueve dimensiones que permiten valorar si un ensayo
clínico es pragmático o no.
 Reclutamiento de investigadores y participantes
Elegibilidad Nos indica en qué medida los participantes del estudio son similares a los
pacientes estándar.
Reclutamiento Nos indica el esfuerzo extra que se ha hecho para reclutar a los participantes
con respecto al que hubiese sido necesario en la práctica diaria.
Asentamiento Nos indica en qué medida el asentamiento del estudio fue parecido al habitual.
Se entiende asentamiento como el ambiente donde se ha desarrollado el
estudio (afecta directamente a la validez externa del mismo)
La intervención y la administración dentro del ensayo
Organización Nos indica las diferencias entre los recursos, la experiencia del administrador y
la organización de los cuidados.
Flexibilidad en la Nos indica la diferencia entre la flexibilidad de la toma del tratamiento en el
administración ensay con respecto a lo habitual.
Flexibilidad en la Nos indica la diferencia que hay en el incentivado de los pacientes para que se
adherencia tomen el tratamiento.
Naturaleza del seguimiento
Seguimiento Nos indica cómo de diferente es el seguimiento dentro del estudio
comparando con el seguimiento que se haría normalmente.
Naturaleza, determinación y análisis de resultados
Resultados ¿En qué medida son relevantes los resultados?
iniciales
Análisis iniciales ¿En qué medida los resultados obtenidos se incluyen en los análisis del
estudio?
¿Es importante la elección del tratamiento de comparación en un ensayo clínico? Sí. Trampas:

• Comparar frente a un placebo (si es ético)

• Comparar frente a un tratamiento que se sabe que es inferior
• Comparar frente a una dosis baja de un competidor
• Comparar frente a una dosis alta de un competidor
• Utilizar múltiples resultados para seleccionar aquellos que den resultados positivos
• Análisis de subgrupos y selección de los resultados positivos
• Guardar los resultados

SEGÚN LA EXPOSICIÓN DE LOS PARTICIPANTES

Ensayos clínicos paralelos: aleatorización y dos grupos que seguiremos en paralelo en el tiempo.

Ensayos clínicos cruzados: a todos los participantes se le dan todas las intervenciones, en periodos
sucesivos (fármaco- periodo de lavado- segundo fármaco). Se pueden comparar los dos procesos en el
mismo paciente. Requiere la mitad de participantes.

El ensayo cruzado más imple incluye dos periodos.

• Las intervenciones deberían evaluarse en enfermedades crónicas, incurables.

• El efecto de la intervención debería ser rápido y de corta duración. Hay que usar un periodo de
lavado.
• La condición (o enfermedad) debe ser estable (mismas condiciones al inicio de cada periodo de
tratamiento).

Ensayos clínicos factoriales: comparamos distintas dosis de un fármaco o una combinación de fármacos.
SEGÚN EL OBJETIVO BUSCADO
Ensayos de superioridad: concepto de beneficencia.

Ensayos de no inferioridad: ventajas adicionales. Tamaño muestral menor. Nunca podemos

hacer un ensayo con
Ensayos de equivalencia: especificar qué consideramos equivalencia (valor un tratamiento que
delta) y dos valores, uno inferior y otro superior. Si el resultado de la suponemos que es
diferencia está en el intervalo, es equivalente. Se mide IC 95%. Decidimos peor de lo que hay
previamente qué es lo que consideramos equivalente y lo que no. (maleficencia)

Pasos del diseño:

• Definir magnitud de la máxima diferencia clínica que el investigador tiene en cuenta para
considerar equivalentes los tratamientos. (-d, +d)
• Calcular el tamaño muestral adecuado
• Intervalos de confianza

Ensayos de no inferioridad

OTROS CONCEPTOS

DIAGRAMA CONSORT
El diagrama consort tiene como objetivo medir la calidad de un ensayo clínico.

Tenemos que hablar siempre del reclutamiento, la asignación, el seguimiento y el análisis del ensayo,
siempre teniendo en cuenta el grupo de comparación.

DIFERENCIA CLÍNIC AMENTE SIGNIFICATIVA

No es igual la significación estadística que la clínica.

Es muy difícil valorar qué es clínicamente significativo y que no. Suponemos que para que sea
significativo tiene que haber una diferencia del 20%.

TAMAÑO MUESTRAL
• Mega ensayos: mayor poder estadístico y mayor generalización (validez externa)
• Ensayos secuenciales: más eficaces que los de tamaño de muestra fija
• Ensayos con tamaño de muestra fijo: se emplean métodos estadísticos para calcular el tamaño
muestral que maximice la posibilidad de encontrar diferencias estadísticas y clínicamente
significativas entre las intervenciones.

¿La diferencia esperada en el resultado influye en el tamaño muestral del estudio? Si la diferencia
esperada en el resultado es muy pequeña, el tamaño muestral tiene que ser grande. El tamaño muestral
se suele fijar en función de los recursos disponibles.

A la hora de seleccionar el tamaño muestral:

• Número de sujetos mínimo para alcanzar los resultados

• Sujetos colaboradores
• Tiempo necesario para finalizar el estudio
 • Eventos frecuentes necesitará un menor tamaño muestral
• Las patologías que requieran rápida solución tendrán un tamaño muestral menor

SESGOS EN LOS ECA

El sesgo en un ECA usualmente tiende a mostrar una exageración en la magnitud o importancia de los
efectos de una nueva intervención. Puede ocurrir en:

• Fase de planificación
• Selección de los participantes (sesgo de selección, pragmatismo, validez externa)
• Administración de la intervención (sesgo de información)
• Medida de los resultados (sesgo de información)
• Análisis de los datos (sesgo de mala clasificación)
• Interpretación y comunicación de los resultados (sesgo de confusión)
• Publicación de los artículos (sesgo de publicación)
• Sesgo puede aparecer cunado una persona lee el informe de resultados

ENMASCARAMIENTO
La respuesta de los participantes puede ser diferente si creen que reciben un nuevo medicamento,
creando un sesgo de información.

• Simple ciego: el paciente no sabe lo que está tomando

• Doble ciego: ni el sujeto ni el investigador conoce la información
• Triple ciego: el analista de los resultados no conoce el grupo de pertenencia de los sujetos
• Cuádruple ciego: el monitor tampoco sabe qué es lo que le está dando a cada paciente

SEGUIMIENTO Y VALORACIÓN DE RESULTADOS

• Adecuado, uniforme, completo y con valoración adecuada de los sucesos que ocurran
• Recoger todo acontecimiento adverso
• No es recomendable que las pérdidas superen el 20%
• Pérdidas: Sustituirse por pacientes que hayan seguido la misma aleatorización
• Pérdidas muy altas: reflexionar

MEDIDA DE EFECTO
• Riesgo relativo o razón de riesgos (RR): comparar la proporción del evento entre los sujetos de
ambos grupos al final del seguimiento
• Razón de tasas de incidencia (HR): comparar la velocidad de aparición del evento entre los
sujetos de ambos grupos al final del seguimiento. Es el más informativo
TIPOS DE ANÁLISIS
• Por intención de tratar (A+B VS C+D)
• Según su eficacia biológica (A VS D)
• Según el tratamiento recibido (A+C VS B+D)

EVALUACIÓN RESUMIDA DE UN ENSAYO CLÍNICO ALEATORIZADO

• La pregunta de investigación está clara y bien definida
• Estimación formal del tamaño muestral
• Método de aleatorización
• Enmascaramiento
• Seguimiento
• Pérdidas escasas y parecidas entre grupo control y grupo experimental
• Valoración del resultado
• La magnitud del efecto es importante, más que el valor p más o menos significativo

ASPECTOS ÉTICOS Y REGISTRO DEL ENSAYO

• Principios éticos: beneficencia, no maleficencia, justicia y autonomía
• Aprobación CEIC
• Registrado en EUDRA o clinicaltrials.gov
TEMA 4: MEDIDAS DE FRECUENCIA, EFECTO E IMPACTO

MEDIDAS DE FRECUENCIA

La cuantificación es algo innato de la epidemiología.

MEDIDAS BÁSICAS
Frecuencia absoluta: número absoluto.

Frecuencia relativa: ponen en relación los casos de una enfermedad con la población a partir de la cual
surgen esos casos.

• Razón: cociente de 2 magnitudes independientes, el numerador no está incluido en el

denominador.
o Rango de variación: 0 a infinito
o Unidades o dimensión: unidades de las medidas que participan en el cociente
• Proporción: cociente donde el numerador está incluido en el denominador
o Rango de variación: 0-1
o Unidades o dimensión: personas
• Tasa: cociente que expresa la velocidad de ocurrencia de un fenómeno de salud o enfermedad
en una unidad de tiempo.
o Rango: 0 a infinito
o Dimensión o unidades: personas/tiempo
• Las tasas de natalidad y mortalidad son proporciones desde el punto de vista
epidemiológico (a pesar de su nombre), ya que tanto los nacimientos como las
muertes se originan a partir de la población del denominador.

MEDIDAS DE FRECUENCIA DE LA ENFERMEDAD

Prevalencia: número de casos existentes de salud/enfermedad en la colectividad en un momento
determinado.

• Prevalencia de punto: número de casos en un momento concreto (Proporción)

𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑒𝑥𝑖𝑠𝑡𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑢𝑛 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜
𝑝𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜 = ∗ 10𝑛
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑛 𝑒𝑠𝑒 𝑚𝑜𝑚𝑒𝑛𝑡𝑜
• Prevalencia de periodo: número de casos que hubo en un periodo determinado. Se usa la
población a 1 de julio.

𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑎𝑙 𝑖𝑛𝑖𝑐𝑖𝑜 + 𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑛𝑢𝑒𝑣𝑜𝑠

𝑝𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 = ∗ 10𝑛
𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑎 𝑙𝑎 𝑚𝑖𝑡𝑎𝑑 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜

Incidencia: número de casos nuevos de un fenómeno salud/enfermedad que aparecen en un periodo de

tiempo determinado.

• Incidencia acumulada: número de casos nuevos que aparecen en un periodo de tiempo

dividido entre el número de individuos susceptibles al inicio del periodo (Proporción). indica la
probabilidad o riesgo de que ocurra un evento.
𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑛𝑢𝑒𝑣𝑜𝑠 𝑒𝑛 𝑢𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑝
𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 = ∗ 10𝑛
𝑛º 𝑑𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜𝑠 𝑠𝑢𝑠𝑐𝑒𝑝𝑡𝑖𝑏𝑙𝑒𝑠 𝑎𝑙 𝑖𝑛𝑖𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜
 • Tasa de incidencia: número de casos de enfermedad que se dan en un periodo de tiempo
determinado.

𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑛𝑢𝑒𝑣𝑜𝑠 𝑒𝑛 𝑢𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑑𝑜

𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 = ∗ 10𝑛
∑𝑡𝑖𝑒𝑚𝑝𝑜𝑠 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑎𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑒𝑛 𝑟𝑖𝑒𝑠𝑔𝑜

Si hacemos el inverso de la tasa de incidencia podremos obtener el tiempo medio de aparición

de la enfermedad.
La tasa de incidencia puede calcularse con:
o Datos individuales: tiempos de seguimiento
o Datos agrupados: promedio de la población

Relación entre prevalencia e incidencia: las dos medidas están muy relacionadas y dependen de la
duración de la enfermedad.

• Si una enfermedad es muy frecuente pero dura poco tiempo, tendremos una incidencia alta
pero una prevalencia baja. Si se trata de una enfermedad crónica, la prevalencia será alta por
su larga duración.

𝑃
= 𝐼 𝑥 𝑑 si la prevalencia es muy baja 𝑃=𝐼𝑥𝑑
1−𝑃

MEDIDAS DE EFECTO

Sirven para cuantificar la magnitud de la relación exposición-efecto. Miden la fuerza de asociación.

• Ensayos clínicos y estudios de cohortes: riesgo relativo y razón de tasas de incidencia

• Estudios de casos y controles: odds ratio
• Estudios transversales analíticos: razón de prevalencias

Enfermos Sanos Total

Expuestos A B A+B
No expuestos C D C+D
Total A+C B+D A+B+C+D
Riesgo relativo o razón de riesgos: cociente de dos incidencias acumuladas. De 0 a infinito o en
%=(1-RR) x100. Debemos acompañar el valor de RR de un intervalo de confianza. Si ese intervalo incluye
el 1, el resultado no será estadísticamente significativo

𝐴 • RR=1 exposición no influye

𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 𝐴 + 𝐵
𝑅𝑅 = =
𝐶 • RR<1 factor protector
𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑒𝑛 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠
𝐶+𝐷 • RR>1 factor de riesgo

Razón de tasas de incidencia (Hazard Ratio): de 0 a infinito

• HR=1 exposición no influye
𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 • HR<1 factor protector
𝐻𝑅 =
𝑡𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠
• HR>1 factor de riesgo
La tasa de incidencia indica la velocidad de aparición de un
evento porque en el denominador tiene una unidad de tiempo. Así la razón de tasas de incidencia nos
valora la velocidad de aparición del evento en expuestos con respectos a los no expuestos.
Odds ratio, razón de Odds o razón de productos cruzados:
cociente entre dos Odds. Una Odd es la probabilidad de que Casos Controles
ocurra un suceso entre la probabilidad de que no ocurra. La Expuestos A B
No expuestos C D
Odds sería la medida de frecuencia, mientras que la OR es una
medida de efecto. La OR es un buen estimador del riesgo relativo siempre y cuando la frecuencia de la
enfermedad sea baja.

𝐴 • OR=1 exposición igual en casos y controles

𝑂𝑑𝑑𝑠 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝐴∗𝐷
𝑂𝑅 = 𝐶 = = • OR<1 exposición mayor en controles
𝐵 𝑂𝑑𝑑𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑒𝑠 𝐵 ∗ 𝐶
𝐷 • OR>1 exposición mayor en casos

Razón de prevalencia: prevalencia en expuestos dividido entre prevalencia en no expuestos o al revés.

MEDIDAS DE IMPACTO

Son medidas de carga de enfermedad.

Riesgo atribuible (RA): incidencia en expuestos (Ie) y no expuestos (Ie-). Nos da el exceso de
enfermedad que hay en los expuestos.

𝑅𝐴 = 𝐼𝑒 − 𝐼𝑒 −

Fracción etiológica del riesgo (FER): indica el porcentaje de enfermedad que se debe a la exposición en
los sujetos expuestos.

𝑅𝐴
𝐹𝐸𝑅 =
𝐼𝑒

Número de sujetos que es necesario tratar (NNT) o índice de intervención (IT): se redondea siempre al
número entero superior.

• Interpretación: tenemos que dar la intervención (en caso de que sea protectora) o evitar la
exposición (en caso de que sea de riesgo) en X número de sujetos para evitar la aparición de un
caso.

1
𝑁𝑁𝑇 =
𝑅𝐴
TEMA 5: ESTUDIOS DE COHORTES

INTRODUCCIÓN

Los estudios de cohortes son de naturaleza etiológica y de tipo observacional. Su poder de inferencia
causal está justo por debajo de los ensayos clínicos. Ambos son estudios prospectivos pero el ensayo
clínico es experimental y el estudio de cohortes observacional.

• Medidas de efecto:
o Razón de riesgos o riesgo relatico (RR)
o Razón de tasas de incidencia (Hazard Ratio o HR)
• Medidas de impacto:
o Riesgo atribuible
o Fracción etiológica de riesgo
o Índice de intervención

POBLACIÓN Y MUESTRA: SESGO DE SELECCIÓN

• Población diana: población a la que pretendemos extrapolar los resultados de nuestro estudio.
• Población accesible: subconjunto de la población diana disponible para el estudio.
• Población elegible: parte de la población accesible que es susceptible de ser estudiada tras
aplicar criterios de exclusión. No todos los sujetos estarán dispuestos a colaborar.
• Muestra: conjunto de individuos realmente estudiados. Debe ser representativa de la
población a estudio.
• La fracción de muestreo se refiere a la relación entre el número de sujetos que metemos en
nuestra investigación y la población elegible (nos habla de representatividad, de que haya o no
sesgo de elección).

TAMAÑO MUESTRAL EN ESTUDIOS EPIDEMIOLÓGICOS

• Tener en cuenta el número de covariables.
• A mayor número de covariables mayor tamaño muestral. Debemos analizar los datos en
función de las demás covariables.
• Los estudios que pretendan analizar con modelos multivariantes (modelos predictivos) tienen
mayor muestra.
• Los libros indican n=10* nº de variables (insuficiente)
• Además del número de variables, debe considerarse su posterior categorización y el análisis de
subgrupos que se pretenda realizar.
• Cuanto mayor sea la muestra, mayor será el poder estadístico y la probabilidad de obtener
resultados estadísticamente significativos.
• Con mayor muestra, aumenta la probabilidad de publicación (resultados estadísticamente
significativos)
• En los estudios prospectivos hay que prever un porcentaje de pérdidas, valorando medidas de
adherencia y utilizando literatura previa.
• En todos los estudios hay que considerar los rechazos a participar en el muestreo, por lo que
hay que “muestrear de más”.
ESTUDIOS DE COHORTES

Los estudios de cohortes son el diseño epidemiológico observacional más importante. Constituyen la
forma más obvia de estudiar la relación exposición-enfermedad. Nuestro objetivo es que todos los
individuos tengan las mismas características y sólo se diferencien en la exposición.

• Otros nombres que hacen referencia a características parciales:

➢ Estudios de incidencia: incidencia de una enfermedad o condición
➢ Estudios longitudinales: varias determinaciones a lo largo del estudio
➢ Estudio prospectivo: omite cohortes retrospectivas o históricas
➢ Estudios de seguimiento: confusión con las series de casos

ASPECTOS INFLUYENTES
1. El tipo de asentamiento de la cohorte (hospitalario o comunitario)
2. La naturaleza del problema a estudiar: curso clínico → brotes/picos/exacerbaciones o un único
evento → cáncer
3. La naturaleza de la información que ha de obtenerse: es muy importante tener en cuenta que
en nuestros estudios habrá informaciones fijas (sexo) y otras variables (edad).
4. El poder de inferencia causal

DISEÑO
La población de estudio se divide en expuestos y no expuestos. Se realiza un examen inicial en el que
nos aseguramos de que a tiempo 0 los individuos están sanos. Necesitamos que no tengan la
enfermedad.

Se realiza un seguimiento durante un tiempo variable. Al final, se comparan las proporciones de sujetos
que enfermaron en cada grupo.

PERIODO DE SEGUIMIENTO
Dependerá del periodo de inducción de la enfermedad a estudio. Hay que dejar que el factor a estudio
pueda ejercer su influencia sobre la enfermedad.

Si estamos estudiando una enfermedad cíclica (catarro común) el estudio debe durar 3-4 meses.
También es importante elegir el momento del estudio. Podemos establecer los grupos de pacientes
previamente al estudio o a posteriori.

CARÁCTER DEL ESTUDIO

• Cohorte prospectiva (cohortes de incepción): el observador se sitúa en un momento en el que
no han aparecido ni la exposición ni su efecto. Mayor poder de inferencia causal.
• Cohorte ambispectiva: el observador se sitúa en un momento donde ha aparecido la
exposición, pero no el efecto.
• Cohorte retrospectiva (cohorte histórica): el observador se sitúa en un momento donde ya han
aparecido tanto la exposición como el efecto. Simplemente se limita a ver lo que ha ocurrido en
el pasado. Es muy importante tener registro de presencia/ausencia de exposición y de
presencia/ausencia de enfermedad.
➢ El estudio retrospectivo puede ser muy fácil de hacer, pero debemos tener recogidos
todos los datos que puedan influir en nuestra investigación.
➢ A diferencia de casos y controles no tiene sesgo de memoria (se basa en un registro).
GRUPO DE COMPARACIÓN
• Una sola cohorte en el estudio
o Comparación interna
o Comparación externa: desde el principio etiquetadas como expuestos/no expuestos
• Población general
• Grupo de comparación entre los que no tienen el factor de riesgo
• Varias de las opciones anteriores

ERRORES DE MEDICIÓN
Muy importante evitar que haya sesgos de información.

Fuentes de error de medición en los estudios de cohortes

Errores en la No cubre todo el espectro de Error u omisión Las instrucciones no se
selección o la exposición en el protocolo especifican con detalle
diseño del suficiente
instrumento de Incluye aspectos no No hay un método para tratar
medición relacionados con la exposición ciertas situaciones con
uniformidad
Tiempo valorado no es Ejecución pobre No se aplica con uniformidad
etiológicamente relevante del protocolo a todos los sujetos
Las preguntas no se Los sujetos no entienden las
entienden o introducen un instrucciones en los
sesgo autoadministrados
Limitaciones Problemas de memoria o No se manipulan y/o
debidas a influencia del pasado reciente almacenan correctamente las
características muestras biológicas
inherentes a los Tendencia a aclarar estilos de Cambio en la Por cambio en el instrumento
sujetos vida socialmente aceptables y actitud de la de medición
negar los otros medición de la
Variabilidad a corto plazo de exposición a lo Fatiga del instrumento
las características biológicas largo del
Efecto de la enfermedad tiempo Fallo en la normalización
(preclínica) en la exposición periódica de los métodos de
laboratorio
Errores en el Errores de la entrada de datos Degradación de las muestras
procesamiento en el laboratorio
de datos y en la Errores en el uso de tablas de
creación de conversión (alimentos,
variables de ejercicio, etc)
exposición Desarrollo de un algoritmo de
la exposición incorrecto en
dosis/tiempo

RECOGIDA DE INFORMACIÓN Y SEGUIMIENTO

• Qué información se va a recoger, cómo se va a recoger y quién la va a recoger.
• La inclusión de participantes puede ser progresiva, no simultánea.
• Corte de la recogida de datos. Debe conocerse el periodo de latencia de la enfermedad.
• Las variables a recoger deben registrarse de modo continuo cuando sean variables continuas
• Cuidado si se quieren medir varios efectos, pueden no tener el mismo periodo de latencia.
 • Debemos ser cautelosos en el seguimiento, ya que si no es correcto puede afectar a la validez
interna:

o Uniforme en ambos grupos

o Completo
o Valorar adecuadamente las enfermedades que se produzcan
o Usar criterios normalizados de diagnóstico o de definición de la variable resultado en
ambos grupos (evitar sesgos)

SESGO DE SELECCIÓN POR PROBLEMAS EN LA RECOGIDA DE LA INFORMACIÓN

• Pérdidas durante el seguimiento
• Sujetos analizados pueden no ser representativos
• Las pérdidas son más frecuentes en los estudios comunitarios

PÉRDIDAS SELECTIVAS EN EL SEGUIMIENTO

• Fallecimientos, migraciones o gente que no desea seguir en la investigación
• Cuanto mayores sean las pérdidas, menor es la potencia de la investigación
• Si las pérdidas son iguales en ambos grupos, no se afecta la validez interna. Sin embargo, si las
pérdidas son diferenciales, si que pueden afectar a la validez interna
• Es difícil conocer cómo se comportan las pérdidas frente a la enfermedad
• Lo recomendable es evitar tenerlas o tratar de recuperarlas
• Valorar en los participantes su voluntad de participar y recoger información que permita
localizarlos
• El personal del estudio debe estar motivado y tratar de motivar e involucrar a los participantes
• TODOS LOS SUJETOS SON IGUAL DE IMPORTANTES

DECLARACIÓN STROBE/CONSORT
ENSAYO CLÍNICO VS ESTUDIO DE COHORTES

Ensayo clínico Estudio de cohortes

El investigador asigna la exposición No se asigna la exposición
Puede ser aleatorizado No son aleatorizados ni enmascarados
Puede ser enmascarado
Hay menos pérdidas Mayor probabilidad de pérdidas
Más participación Menos participación
Más validez interna y menos validez externa
Los efectos secundarios se valoran con
frecuencia
Puede haber sesgo de confusión y de selección
El seguimiento suele ser más largo
TEMA 6: ESTUDIOS DE CASOS Y CONTROLES

INTRODUCCIÓN

Se seleccionan una serie de individuos que presentan una determinada enfermedad o condición (casos)
y otra serie de sujetos que no la tengan (controles). Lo que se hace es comparar, de modo retrospectivo,
la exposición o exposiciones a estudio en ambos grupos. Están sujetos a muchos sesgos (sesgo de
memoria).

• Ventajas:
o Permiten estudiar enfermedades infrecuentes
o Baratos y rápidos
o Se pueden valorar diversos factores etiológicos de modo simultáneo
o Permiten llegar a conclusiones parecidas a los estudios de cohortes si se diseñan
adecuadamente, pero con menor muestra
• Limitaciones:
o Difícil encontrar un grupo adecuado de comparación
o La información se recoge de modo retrospectivo (la posibilidad de sesgos es mayor)
o La validación de la información recogida sobre la exposición es imposible muchas
veces
o No es un diseño adecuado si la enfermedad no tiene criterios diagnósticos
establecidos
o No son adecuados si la exposición es poco frecuente no es posible valorar los múltiples
efectos de una exposición

Ventana etiológica: periodo al cual dirigimos nuestras preguntas para tratar de conocer si el factor que
estudiamos estaba presente o ausente en aquel momento y poder estudiar cómo ha influido en la
aparición de la enfermedad.

• Cuanto más larga sea la ventana etiológica, mayor es la probabilidad de sesgo. La probabilidad
de sesgo de memoria se amplía a medida que vamos hacia atrás en el tiempo.
• Puede haber casos expuestos, pero también controles expuestos.
• La ventana etiológica debe ser igual entre casos y controles.
• Debe tenerse muy clara al principio del estudio la definición de caso y de control.
• El caso debe ser correctamente identificado como tal.
o Su identificación tiene una determinada sensibilidad y especificidad, las cuales influyen
en la estimación del efecto de la exposición en la aparición de la enfermedad.
o Asegurarnos de que el caso tiene la enfermedad:
▪ Podría haber una mala clasificación del caso si no se han empleado las
pruebas diagnósticas adecuadas o si la enfermedad que estudiamos presenta
variabilidad en cuanto a sus criterios diagnósticos.
• Casos incidentes vs casos prevalentes: Debemos intentar obtener la información acerca de la
exposición lo más rápido posible desde el diagnóstico de la enfermedad.
o Falacia de Neyman: se produce cuando se estudia una determinada patología que
produce muertes precoces y en el momento de inicio del estudio esos individuos
muertos ya no pueden incluirse en el grupo de casos. Estamos cometiendo un sesgo
de selección.
o La recogida de los casos debe ser siempre incidente cuando sea posible.
o Cuando se seleccionan casos prevalentes, se debe estar seguro de que el factor a
analizar no influye en la letalidad de la enfermedad.
PRINCIPIOS BÁSICOS

Establecer si hay o no asociación entre exposición y efecto. Todo diseño epidemiológico (especialmente
casos y controles) debe cumplir 3 principios:

1. Principio de la base de estudio: evitar sesgo de selección

2. Principio de no confusión: evitar sesgo de confusión
3. Principio de las medidas comparables: evitar sesgo de información
• Principio de eficiencia: tratar de hacer lo que realmente valga la pena hacer en el estudio

PRINCIPIO DE LA BASE DE ESTUDIO

Base del estudio: conjunto de personas o personas-tiempo del cual surgen los casos o controles.

• Base primaria: población general

• Base secundaria: sujetos que acuden a un hospital o un centro de salud

Tiene que cumplirse una premisa de reciprocidad entre casos y controles: cualquiera de los controles
también se habría seleccionado si tuviese enfermedad y cualquiera de los casos también se habría
seleccionado si no tuviese enfermedad. ¿Debemos recoger simultáneamente en el tiempo los casos y
controles? Es importante hacerlo de forma más o menos paralela.

MUESTREO
• A veces puede no ser práctica la selección aleatoria de controles
• Se puede utilizar una muestra no aleatoria de controles asumiendo que la distribución de la
exposición de interés es similar a la de una muestra aleatoria tomada de la base secundaria
• La asunción anterior es válida cuando:
o Se cumple el principio de reciprocidad
o La exposición a estudio es independiente de la admisión del control

PRINCIPIO DE NO CONFUSIÓN
La exposición a estudio está asociada a otros factores de riesgo. Sesgo de confusión: puede ser tan
grande que le de la vuelta a la hipótesis → como consecuencia de la variable adicional, una exposición
puede pasar de ser un factor de riesgo a ser un factor protector. La revisión bibliográfica en la fase de
diseño del estudio es fundamental.

¿Cómo podemos controlar la confusión?

• Disminuir la variabilidad: criterios de inclusión estrictos

• Casos y controles son comparables

PRINCIPIO DE LAS MEDIDAS COMPARABLES

Sesgo de información: tanto la obtención de la información sobre las variables de investigación (sesgo
de información diferencial, distinto en casos y en controles) como a la clasificación de los sujetos (la
clasificación de un solo individuo puede cambiar sustancialmente la OR).

Error aleatorio: nuestro objetivo es que sea igual en todos los sujetos para que pueda eliminarse.
Tenemos que asegurarnos de que la recogida de la información es homogénea en todos los sujetos. La
distribución en el error de la medida de las variables debe de ser similar en casos y en controles. Muchas
veces, de modo inconsciente, el investigador insiste más con los casos que con los controles.

• Sería conveniente que el entrevistador fuese ciego al estado de caso o control de los sujetos:
sesgo de información del entrevistador. Podemos enmascarar al entrevistador.
• También puede influir en las respuestas de los entrevistados su estado actual o las
percepciones sobre la causa de su enfermedad.

TIPOS DE CONTROLES

1. Controles poblacionales
2. Controles hospitalarios
3. Utilización de proxys o sustitutos
4. Emparejamiento

CONTROLES POBLACIONALES
Si no disponemos de datos del censo o de la tarjeta sanitaria podemos recurrir a: llamadas aleatorias,
carnet de conducir, controles del vecindario (next-of-kin).

• Ventajas:
o Controles y casos de la misma base
o Exclusiones implícitas
o Podemos hacer directamente una extrapolación de los resultados en los controles a la
base del estudio
• Desventajas:
o Poca respuesta
o Inconveniencia
o Coste
o Menos motivación
o Menos participación: se trabaja con gente sana

CONTROLES HOSPITALARIOS
Son más prácticos. Problema: presencia de otras enfermedades que pueden enmascarar la exposición a
estudio y/o su representatividad. Sesgo de Berkson: seleccionamos los controles de un lugar donde hay
mucha exposición del factor que estamos valorando.

• Recomendable excluir aquellas causas de ingreso relacionadas con la enfermedad a estudio

• Preferible recoger controles de diversas procedencias
• Ventajas:
o Calidad de la información comparable en casos y controles
o Coveniencia
o Más participación y motivación
• Desventajas:
o Área de cobertura
o Sesgo de Berkson
• Otros controles hospitalarios: familiares o amigos de los casos, controles procedentes de la
práctica médica, el propio caso hace de control
UTILIZACIÓN DE PROXYS O SUSTITUTOS
Si el caso o control fallece/no puede hacer la entrevista, se usan sustitutos: pareja o familiar conviviente.
Esto es más común en los casos.

Es conveniente obtener la información lo antes posible después del diagnóstico y, si es posible, que no
existan diferencias en el porcentaje de utilización de proxys entre casos y controles.

EMPAREJAMIENTO
La variable confusora tiene una distribución muy diferente entre casos y controles. Lo que hacemos es
seleccionar controles que sean muy parecidos a los casos, excepto en la enfermedad que estudiamos
(edad, sexo, raza). No se debe aparear por variables no relacionadas con la enfermedad.

• Ventajas:
o Se pueden controlar variables confusoras que no han medido
o Se puede conseguir la potencia necesaria para estimar un efecto en un subgrupo
o Mayor comparabilidad temporal
• Desventajas:
o Coste
o Exclusión de casos
o Mayor duración del estudio (mayor coste)
o Menor flexibilidad en el análisis

SESGOS

➢ Sesgo de Berkson
➢ Sesgo de memoria (sesgo de rellamada)
➢ Sesgo de autoinculpación
➢ Sesgo del conocimiento del factor de riesgo o de la hipótesis etiológica
➢ Sesgo de participación
➢ Sesgo de hábitat poblacional y sesgo de accesibilidad hospitalaria
➢ Sesgo de nivel económico
➢ Sesgo de nivel de estudios
➢ Sesgo del entrevistador
➢ Sesgo del trabajador saludable
➢ Efecto placebo: un individuo manifiesta un efecto positivo por creer que recibe una sustancia
➢ Efecto nocebo: el paciente tiene un resultado peor que el resto porque cree que ha sido
incluido como control en un grupo de comparación
TEMA 7: ESTUDIOS TRANSVERSALES, SERIES DE CASOS Y ESTUDIO ECOLÓGICOS

ESTUDIOS TRANSVERSALES, DE PREVALENCIA, DE CORTE O CROSS -SECTIONAL STUDIES

Son un tipo de diseño observacional de base individual. Son transversales (un corte en el tiempo).
Pueden ser:

• Descriptivos: estimar la frecuencia de una variable de interés

• Analíticos: buscar factores que influyan en la variable de interés y que puedan modificarla

ESTUDIOS TRANSVERSALES DESCRIPTIVOS

• Son útiles para planificar servicios sanitarios: si se van haciendo estudios seriados en el tiempo,
tendremos mucha información sobre la carga de las enfermedades en una población, así como
su evolución temporal.
• Se basan en la definición estricta de una población de referencia. La definición de la población
puede ser geográfica, laboral o de otra fuente.

ESTUDIOS TRANSVERSALES ANALÍTICOS

• Su finalidad es investigar la asociación entre una exposición y la enfermedad.
• La medición de la exposición y la enfermedad se hace simultáneamente y hace referencia a un
momento determinado o a un corto periodo.
• El poder de inferencia causal vendrá dado por la posibilidad de conocer el criterio de
temporalidad (causa debe preceder a efecto)
o Al faltar el carácter temporal, los estudios transversales quedan por debajo de los
estudios de casos y controles en la clasificación por el poder de inferencia causal
• Medida de efecto: razón de prevalencias

VENTAJAS Y LIMITACIONES DE LOS ESTUDIOS TRANSVERSALES

• Ventajas:
o Si se repiten en el tiempo, permiten valorar la evolución de diferentes problemas de
salud
o Estudiar múltiples enfermedades
o Generación de hipótesis
o Rápidos y baratos
• Limitaciones:
o Se basan en casos prevalentes: es difícil separar los factores etiológicos de los factores
pronósticos
o A veces no se puede establecer que la causa preceda al efecto o sea su consecuencia
o Son muy sensibles al sesgo de no respuesta
o Con enfermedades crónicas, la prevalencia será mayor en ancianos
SERIES DE CASOS/ESTUDIOS DE SUPERVIVENCIA / DE FACTORES PRONÓSTICOS

• Estudios descriptivos sin grupo de comparación

• Todos los sujetos estudiados reúnen una característica común
• Se limitan a observar durante un tiempo a los pacientes y describir lo que les sucede
• Los resultados se pueden expresar como curvas de supervivencia

En los estudios hay que ser muy estrictos, pues son muy susceptibles a múltiples sesgos:

• ¿Se reunió una muestra representativa y bien definida de pacientes en un momento similar
dentro del curso de la enfermedad? Si no es así: sesgo de selección.
o Si el estudio se realiza en un tipo determinado de enfermos, no pueden generalizarse
los resultados a todos los enfermos.
• ¿El seguimiento fue completo y suficientemente largo para valorar el porcentaje de pérdidas?
Si el seguimiento es muy corto, los resultados suelen ser optimistas.
• ¿Se tuvieron en contra otros factores pronósticos importantes? Si no es así: sesgo de confusión.
o Todos tienen la misma enfermedad, pero su tratamiento puede ser diferente y la
supervivencia puede verse afectada en función del tratamiento al que hayan sido
sometidos.
• Las variables de resultado deben ser preferiblemente objetivas.
• ¿El análisis fue correcto?

CURVAS DE SUPERVIVENCIA
A tiempo 0, todos los individuos están vivos. Conforme pasa el tiempo y los pacientes se vayan
muriendo, se va dibujando la curva.
ESTUDIOS ECOLÓGICOS

Individuales Ecológicos
Unidades de análisis Individuos Grupos (regiones, países. Días,
semanas)
Información Individuo Grupos
Inferencia Individuo Grupos
Fuentes de datos Primarias (entrevistas, Secundarias (registros de
determinaciones) mortalidad o morbilidad, datos
de consumo, de contaminación)
Variables Filiación Agregadas (prevalencia)
Exposición Ambientales (contaminación)
Control Global (densidad de población)
Tipos Transversales, cohortes, casos y Agregaciones temporales
controles… Agregaciones espaciales
Mixtos (espacio-temporales)
• Bajo coste y conveniencia
• Limitaciones en la medida individual de la población
• Limitaciones de los estudios individuales
• Interés en los efectos ecológicos
• Simplicidad en la presentación y en el análisis
• Nos sirve para plantear hipótesis que luego deben ser demostradas con otros diseños
• Falacia ecológica.
TEMA 8: SESGOS EN EPIDEMIOLOGÍA

INTRODUCCIÓN

En todos los estudios hay un componente de azar. El objetivo es reducir el azar en los estudios aplicando
el método científico y reduciendo la probabilidad de errores tipo I y tipo II. Es imposible eliminar por
completo los sesgos.

Verdad acerca de la población

Decisión basada en la muestra H0 es verdadera H0 es falsa
No rechazar H0 Decisión correcta Error tipo II: no rechazar H0
(probabilidad=1-α) cuando es falsa
(probabilidad=β)
Rechazar H0 Error tipo I: rechazar H0 cuando Decisión correcta
es verdadera (probabilidad=α) (probabilidad=1-β)
Sesgo (Last): toda desviación de la verdad que se produce en los resultados, en la inferencia de estos o
en los procesos que producen tal desviación. Es cualquier tendencia a la recolección, análisis,
interpretación, publicación o revisión de datos que puede conducir a conclusiones que son
sistemáticamente diferentes de la verdad. Implican la obtención de resultados que no son reales.

El riesgo relativo puede tomar valores hasta el infinito, pero no será igual la probabilidad de error
cuando hay una asociación muy fuerte que cuando la asociación es débil. Es difícil que un error
justifique un RR de 20, pero es fácil que modifique un riesgo de 1.5.

Error sistemático Error aleatorio

Desviaciones Tiende a producirse en un Al azar: unas veces en un
mismo sentido sentido y otras veces no
¿Es predecible? Si No
¿Cómo se evita? Diseño y/o análisis de datos Aumentando el tamaño de la
muestra
Su ausencia genera Validez: la capacidad de medir Precisión: intervalos de
lo que queremos medir confianza de las estimaciones
más estrechos
Consecuencias Afectan a la validez del estudio Aumenta el riesgo de cometer
error tipo I
La existencia de sesgos afecta tanto a la validez interna como a la validez externa. Debeos diferenciar el
sesgo del error aleatorio.

TIPOS DE SESGOS

• Sesgo de confusión: aparece cuando una tercera variable, que no tenemos en cuenta, está
distorsionando la relación exposición-efecto en la población base de nuestro estudio.
• Sesgo de selección: ocurre cuando la población a estudio no representa a la población diana.
También se refiere a cómo seleccionamos a los sujetos en los estudios prospectivos.
• Sesgo de información: el error ocurre en la recogida de datos.
• Sesgo de mala clasificación: es el menos importante. Ocurre cuando el análisis es inapropiado.
SESGO DE CONFUSIÓN
Para que una variable sea confusora han de cumplirse 3 premisas:

1. Debe ser un factor de riesgo independiente para la enfermedad objeto de estudio

a. Variable independiente: causa
b. Variable dependiente: efecto
2. Debe estar asociada con la exposición de interés
3. No debe ser un eslabón intermedio en la cadena causal exposición-enfermedad

Las variables se comportan de forma diferente según las hipótesis que tengamos. ¿Es fácil conocer si
una variable es o no confusora en un estudio concreto? No. Si nos parece que una variable puede ser
confusora, debemos recoger información sobre ella. Por lo tanto, ante la duda, recoger siempre la
información sobre potenciales variables confusoras.

CONTROL DE FACTORES DE CONFUSIÓN

• En el diseño se pueden utilizar
o Aleatorización
o Criterios de inclusión en la selección de sujetos
o Emparejamiento
• En el análisis se puede reducir la confusión a través del análisis multivariante.

Obtenemos resultados ajustados matemáticamente según la presencia de otras variables que puedan
afectar a la probabilidad de enfermar (sexo y edad se incluyen siempre). Será más eficaz cuanto mayor
sea la muestra, sobre todo cuando las variables que creemos que influyen en la enfermedad son poco
frecuentes. Al introducir nuevas variables, el efecto que nos interesa se modifica.

En los resultados de los estudios se deben expresar:

• Riesgos crudos: corresponden a la variable de interés, que puede ir o no acompañada en el

análisis por sexo y edad.
• Riesgos ajustados: incluyen, además de lo anterior, el resto de variables de interés (confusoras
y/o modificadoras de efecto).

No suele valorarse el grado en que se cumplen los distintos criterios del factor de confusión, sino que se
comparar las estimaciones cruda y ajustada. Si en la estimación hay un cambio superior al 10% (valor
ajustado/valor crudo *100), se acuerda que existe confusión. Sin embargo, este valor debería ser más
alto, ya que es fácil que el efecto cambie más de un 10%.

SESGO DE SELECCIÓN
Aparece en todos los estudios epidemiológicos, pero es más habitual en estudios de casos y controles
(sobre todo de base hospitalaria). También aparece con frecuencia en los estudios de cohortes
(constitución de las cohortes) y en estudios transversales.
 • Tipos:
o No respuesta: relación participantes/contactados.
▪ Si se opta por población hospitalaria el muestreo es más sencillo y es más fácil
obtener el consentimiento.
o Problemas en la recogida de información
▪ Pérdidas durante el seguimiento
▪ Los sujetos analizados pueden no ser representativos de los que inician la
investigación. La razón de abandono puede estar relacionada con la
exposición y con el riesgo de enfermedad
▪ Las pérdidas son más frecuentes en los estudios comunitarios. En los estudios
hospitalarios el vínculo investigador-participante es más fuerte.
o Sesgo de Berkson
o Falacia o sesgo de Neyman
o Sesgo del trabajador sano

SESGO DE INFROMACIÓN
Aparece en todos los estudios epidemiológicos. Dentro de este sesgo se incluyen los errores sistémicos
producidos en el proceso de recogida de datos.

• Puede distorsionar por completo los resultados

• Se debe obtener la misma información de todos los sujetos del estudio

Posibles sesgos:

• Sesgo de memoria (recall bias o sesgo de rellamada)

• Sesgo de autoinculpación
• Sesgo del conocimiento del factor de riesgo
• Sesgo del entrevistador
• Sesgo del conocimiento de la hipótesis etiológica

Todo esto se recoge utilizando cuestionarios válidos (que midan correctamente lo que se quiere medir)
y pruebas diagnósticas fiables). Efecto Hawthorne.
TEMA 9: REVISIONES SISTEMÁTICAS Y METAANÁLISIS

INTRODUCCIÓN

La información que se publica tiene un crecimiento exponencial: >25000 revistas biomédicas. Para un
profesional es muy difícil reunir toda la información y muchas veces es contradictoria. Paradoja de la
información: cuanto más sabemos, más desinformados estamos.

Pueden pasar años desde que se publica que una intervención es efectiva hasta que se refleja en los
libros de texto, en las revisiones narrativas y se aplica en los pacientes. Debemos evitar el modelo de
tradición y el modelo de autoridad.

REVISIONES NARRATIVAS VS SISTEMÁTICAS

En las revisiones la unidad a estudio no son individuos ni poblaciones, sino artículos o trabajos
publicados. Los artículos serán nuestra fuente primaria.

Revisión narrativa Revisión sistemática

Pregunta Frecuentemente amplia y poco Pregunta clara y concreta sobre una
definida cuestión definida
Fuentes-búsqueda No especificadas. Alta probabilidad Estrategia especificada, sistemática y
de sesgo explícita
Selección de No especificadas. Alta probabilidad Criterios especificados y aplicados de
estudios de sesgo forma uniforme
Calidad de estudios Variable, pero generalmente no Crítica y rigurosa (según criterios
evaluada explícitos)
Síntesis de datos Frecuentemente cualitativa, Cuantitativa si es posible, a través de
subjetivo y sin un estimador un estimador estadístico
estadístico
Inferencia Variable, en ocasiones basada en la Basadas en “evidencias” y con la
evidencia, pero más frecuente identificación de las lagunas de
basado en opiniones personales conocimiento que persisten
Cuando las revisiones sistemáticas culminan en un estimador numérico es cuando hablamos de
metaanálisis. Para realizar un metaanálisis siempre ha de realizarse previamente una revisión
sistemática, pero no todas las revisiones sistemáticas se metaanalizan.

REVISIONES SISTEMÁTICAS Y METAANÁLISIS

Cuando existe urgencia por conocer la respuesta a una pregunta y no se dispone de tiempo o medios, se
utiliza las revisiones sistemáticas y los metaanálisis.

Concepto: la revisión sistemática se define como un documento de síntesis de información realizado con
una metodología explícita, ordenada, reproducible y que da una visión objetiva de la realidad. Puede
llegar a una estimación cuantitativa de efecto; en ese caso, hablaríamos de metaanálisis.

Características:

• Integradoras: se obtiene una conclusión y a veces una medida de efecto (metaanálisis)

• Estudios primarios
• Exhaustivas: toda la información sobre un tema
• Selectivas: criterios de inclusión y exclusión “a priori” para definir las características de nuestro
estudio.
 o Tipo de diseño, medida de la exposición o del efecto, idioma (centrar la revisión en
poblaciones occidentales), calidad (criterios mínimos de calidad)
• Críticas
• Reproducibles: estructura (introducción, métodos, resultados, discusión)
• Información actualizada

PASOS A SEGUIR
1. Especificación del problema: antecedentes, objetivos, hipótesis, métodos
2. Criterios de inclusión y exclusión de los estudios
3. Plan de búsqueda de la literatura: bases de datos y manuales a consultar
4. Recuperación de los estudios que cumplen los criterios
a. Lectura de los artículos
b. Exclusión de los artículos que no cumplen criterios
c. Discusión con otros miembros del equipo sobre si cumple o no criterios un
determinado artículo
5. Valoración crítica de la calidad científica de los mismos
6. Extracción de los resultados: elaboraremos tablas de extracción de datos y de descripción de
los mismos. La contribución de cada estudio depende directamente del número de sujetos
incluidos.
7. Resumen (o combinación) de los resultados: datos de búsqueda descritos, metaanálisis, tablas
de evidencia.
8. Formulación de las limitaciones, conclusiones y recomendaciones
a. Heterogeneidad
b. Sesgo de publicación
c. Análisis de sensibilidad

FOREST PLOT: Compara las intervenciones a evaluar. Presenta los resultados de cada estudio incluido y
el resultado global del metaanálisis y pondera la relevancia de cada estudio en función de su tamaño
muestral. Nos indica si el resultado es o no significativo.

HETROGENEIDAD
¿Qué es? Variabilidad entre resultados de estudios que no se puede explicar solo
por el azar
¿Qué pasa si existe? El cálculo de una medida combinada no aporta mucho al conocimiento
científico de la asociación entre la exposición y la enfermedad
¿Es frecuente? Si, se debe investigar y explicar
¿Cómo lo investigamos Test estadísticos
y explicamos? Gráficas
¿Por qué sucede? Tipo de diseño
Tipo de población
Metodología de recogida de la información
Definición de la exposición y enfermedad
Tipo de análisis y ajuste
Si los estudios que pretendemos metaanalizar son heterogéneos, no tiene sentido obtener un estimador
común. Habrá que trabajar con modelos de efectos aleatorios (no fijos).
Valoración:

• Prueba de homogeneidad de Dersimonian & Laird: se basa en la hipótesis nula. P>0,05 no hay
heterogeneidad.

𝐻0 : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑛

𝑄 = Σ𝑊𝑖 (𝛽1 − 𝛽̅ )^2 ≈ 𝑋𝑛−1

2

• Gráfico de Galbraith: se representan todos los estudios incluidos en el metaanálisis. En el eje Y

se representa el efecto estandarizado, mientras que en el X se representa la precisión del efeto
(inverso de la varianza). Todos los estudios que quedan por fuera de las bandas estarán
generando heterogeneidad.
• Gráfica de L’Abbé: en el eje X se representa la proporción de eventos en el grupo de
tratamiento, mientras que en el eje Y se representa la proporción de eventos en el grupo
control. Los puntos que queden fuera de la recta de regresión están dando heterogeneidad al
estudio.

SESGO DE PUBLICACIÓN
¿Qué es? Existe cuando los estudios publicados no representan todos los estudios
realizados sobre un tema específico
¿Qué pasa si existe? El cálculo de una medida combinada no aporta mucho al conocimiento
científico de la asociación entre la exposición y la enfermedad
¿Es frecuente? Si, se debe investigar y explicar
¿Cómo lo investigamos Test estadísticos
y explicamos? Gráficas
¿Por qué sucede? Diseño (ECC)
Significación (p<0.05)
Institución y autor
Lugar
Valorar el sesgo de publicación es obligatorio:

• Gráfico de embudo o funnel plot: en el eje X se valora el error estándar, mientras que en el eje
Y se representan las estimaciones de efecto. Para que no haya sesgo de publicación los estudios
deben estar distribuidos de forma lógica.

• Gráfico de Egger: se representa el inverso de la variabilidad en el eje X y el efecto

estandarizado en el eje Y (precisión frente al efecto). Cuanto más próxima está la ordenada en
el origen al 0, menos probabilidad de sesgo.
• Estadístico de Begg y Egger: si el valor p>0.05, no hay riesgo de sesgo de publicación.
ANÁLISIS DE SENSIBILIDAD
¿Qué es? Influencia de cada uno de los estudios en la estimación global del efecto.
Los estudios con mayor tamaño muestral van a tener más peso en el
metaanálisis.
¿Cómo lo evaluamos? Repetición del metaanálisis tantas veces como estudios seleccionados
tengamos, de forma que cada vez se omite un estudio combinándose
todos los restantes.
¿Qué pasa si existe? No se tendría un estimador robusto, lo cual exigiría cierta precaución en
la interpretación de los resultados o podría ser motivo para generar
nuevas hipótesis.
¿Cómo lo investigamos Test estadísticos
y explicamos? Gráficas
¿Por qué sucede? Aspectos relacionados con la validez de los estudios (¿)
Cuanto más cambie el resultado al extraer un estudio del metaanálisis, más sensible es el metaanálisis a
ese estudio.

NIVEL DE EVIDENCIA
Niveles de evidencia
1++ Metaanálisis de alta calidad, revisiones sistemáticas de ensayos controlados y aleatorizados
(ECA) o ECA con riesgo de sesgos muy bajo
1+ Metaanálisis bien realizados, revisiones sistemáticas de ECA o ECA con riesgo de sesgos bajo
1- Metaanálisis, revisiones sistemáticas de ECA o ECA con riesgo de sesgos alto
2++ Revisiones sistemáticas de alta calidad de estudios de cohortes o casos-controles. Estudios de
cohortes o casos-controles con riesgo de sesgos muy bajo y alta probabilidad de que la
relación sea causal
2+ Estudios de cohortes y casos-controles bien realizados y con riesgo de sesgos bajo y
probabilidad moderada de que la relación sea causal
2- Estudios de cohortes y casos-controles con riesgo de sesgos alto y riesgo significativo de que la
relación no sea causal
3 Estudios no analíticos (series de casos)
4 Opinión de expertos

VENTAJAS Y LIMITACIONES
• Ventajas:
o Metodología científica
o Lectura crítica
o Toma de decisiones clínicas o sanitarias
o Selección de los estudios y en la discusión de los resultados
• Limitaciones:
o Mal control de la heterogeneidad
o Sesgos de publicación
o Combinar estudios de baja calidad
o Falsa idea de mayor validez externa
o Obtención de efectos estadísticamente significativos, pero no clínicamente relevantes
TEMA 10: ESTUDIOS DE VALIDEZ DE PRUEBAS DIAGNÓSTICAS

INTRODUCCIÓN

Valoramos 2 características: validez y reproducibilidad.

FINALIDAD DE LOS ESTUDIOS DE PRUEBAS DIAGNÓSTICAS

• Aumentar la probabilidad de diagnosticar la enfermedad o de descartarla
• Reducir la incertidumbre en el diagnóstico clínico: sospecha clínica
• Aumentar la concordancia entre profesionales sanitarios y reducir las discrepancias
• Modificar el curso clínico de un proceso patológico o descartar tratamientos posteriores a la
prueba

RAZONES PARA DESARROLLAR NUEVAS PRUEBAS DIAGNÓSTICAS

• Pruebas menos invasivas
• Prueba más barata
• Prueba más rápida
• Prueba más fiable: menor número de falsos positivos y negativos
• Prueba más aceptable por clínicos o pacientes

VARIACIÓN EN EL ACTO DE LA MEDICIÓN

• Reproducibilidad: grado en el que concuerdan dos o más mediciones en la misma muestra.
• Validez: grado en el que una medición coincide con la verdad.

El objetivo es lograr la reproducibilidad porque, aunque la prueba no sea válida, podemos calibrar el
instrumento de medición para conseguir la validez.

IMPLICACIONES DE LA FALTA DE REPRODUCIBILIDAD

• Discordancia entre diagnósticos
• Incertidumbre y desconfianza entre los pacientes
• Repetición de la misma prueba
• Realización de más pruebas diagnósticas
• Posible progresión de la enfermedad
• Más consumo de recursos

ESTUDIOS DE VALIDEZ

Los resultados de la prueba piloto (la que estamos estudiando) tienen que compararse con los
resultados obtenidos mediante el mejor instrumento de mediad del fenómeno estudiado (el gold
estándar o prueba de referencia que haya en cada caso).
Tablas 2x2

Resultado de la prueba piloto Verdadero diagnóstico (prueba de verdad)

Enfermo Sano
Positivo Verdaderos positivos (VP) Falsos positivos (FP)
Negativo Falsos negativos (FN) Verdaderos negativos (VN)

• Sensibilidad (S): probabilidad de que la prueba a estudio S= VP / VP+FN

haya dado positivo cuando el sujeto está enfermo. E= VN / VN + FP
• Especificidad (E): probabilidad de que la prueba a estudio
VPP= VP / TOTAL POSITIVOS
haya dado negativo cuando el sujeto está sano.
• Valor predictivo positivo (VPP): probabilidad de que un VPN= VN/ TOTAL NEGATIVOS
sujeto esté enfermo cuando la prueba piloto nos ha dado VPG= VN+VP / VP+VN+FP+FN
positivo.
• Valor predictivo negativo (VPN): probabilidad de que un sujeto esté enfermo cuando la prueba
piloto nos ha dado negativo
• Valor predictivo global (VPG)

Nuestro objetivo es que no hay falsos positivos ni falsos negativos, pero esto es imposible porque hay
una relación directa entre sensibilidad y especificidad.

Todos los parámetros son probabilidades condicionadas. Es decir, en la sensibilidad y en la especificidad

los denominadores vienen dador por la prueba de verdad; mientras, en los valores predictivos, el
denominador viene dado por la prueba a estudio. Todos estos parámetros pueden expresarse de 0-1 o
de 0-100.

➢ Una prueba es más sensible cuantos menos falsos negativos origine.

➢ En las pruebas de cribado se usan test de alta sensibilidad para captar casi todos los enfermos,
al igual que en enfermedades graves tratables en las que no se quiere perder ningún caso.
➢ Una prueba será más específica cuantos menos falsos positivos proporcione. Las pruebas de
confirmación diagnóstica deben de tener elevada especificidad, al igual que en enfermedades
graves no curables.
➢ Los resultados de las pruebas diagnósticas pueden variar entre diferentes poblaciones o
subpoblaciones. Deben tenerse en cuenta cuando se interpreten.

INFLUENCIA DE LA PREVALENCIA EN LOS VALORES PREDICTIVOS

La prevalencia de la enfermedad en la población en la que se aplica el test influye en VPP y VPN.

RELACIÓN ENTRE SENSIBILIDAD Y ESPECIFICIDAD

A medida que suben los falsos positivos, descienden los falsos negativos y viceversa.

Necesitamos establecer un punto de corte. Dependiendo de la prueba y de la importancia del

diagnóstico nos interesará tener más falsos negativos o más falsos positivos.
CURVAS ROC
Para saber cuál es el mejor punto de corte
en una prueba diagnóstica utilizaremos las
curvas ROC, que relacionan sensibilidad y
especificidad (sensibilidad en ordenadas y 1-
especificidad en abscisas). Estas curvas
generan un área bajo la curva (AUC o ABC)
que corresponde con la suma de verdaderos
positivos y verdaderos negativos, es decir,
con los sujetos que han sido clasificados
correctamente.

Todo lo que quede por encima de esa curva

serán los errores de la prueba. Además de
comparar varios puntos de corte en una
misma prueba, podemos comparar varias
pruebas.

POSIBLES SESGOS
• Características de la enfermedad
• Características del grupo de referencia
• Características del proceso de medición
• Características de la población

DISEÑOS UTILIZADOS PARA LOS ESTUDIOS D E PRUEBAS DIAGNÓSTICAS

El diagnóstico siempre se referirá a un punto concreto dentro de la historia natural de la enfermedad.

ESTUDIO DE COHORTES
• La prueba se aplica a una muestra representativa de la población de referencia.
• 2 cohortes: positivos y negativos
• Para confirmar los resultados negativos se puede usar el seguimiento
• Para los positivos puede utilizarse la prueba de verdad (VP)
• No son diseños muy frecuentes

ESTUDIO TRANSVERSAL
• Opción frecuente y genera menos problemas que los estudios de casos y controles
• Debe seleccionarse una muestra representativa de los pacientes
• Los resultados positivos y negativos son sometidos a la prueba de referencia
• Los parámetros de la prueba (S, E, VPP y VPN) se estiman sin problemas
ESTUDIOS DE CASOS Y CONTROLES
• Opción más frecuente y la que origina más problemas
• Se selecciona un grupo con la enfermedad objeto de estudio y otro que no la tiene según los
resultados de la prueba referencia
• Los casos deben representar todo el espectro de la enfermedad (intención de dagnosticar)
• La prueba se aplicará a casos dudosos
• Los controles deberían representar al conjunto de diagnósticos diferenciales de la enfermedad
problema
• Se estiman sensibilidad y especificidad
• Si los enfermos no mantienen la proporción adecuada con los no enfermos (prevalencia) no se
pueden estimar los valores predictivos. En estas situaciones debe estimarse la prevalencia de la
enfermedad utilizando otras fuentes y aplicar la sensibilidad y especificidad obtenidas para
estimar luego los valores predictivos.

INTERPRETACIÓN DE UN ESTUDIO DE PRUEBAS DIAGNÓSTICAS

• Una prueba valora al sujeto en un punto concreto dentro de la historia natural de la
enfermedad
• Si la enfermedad evoluciona en el tiempo, las observaciones entre las dos pruebas deben
hacerse lo más próximas temporalmente para aumentar la comparabilidad
• Las observaciones deben ser independientes entre sí
• Sesgo de selección:
o Espectro apropiado de pacientes
o Si la remisión de pacientes a una de las pruebas sigue algún patrón se origina un sesgo
(sesgo de remisión)
o Gravedad de la enfermedad. La sensibilidad aumenta cuanto mayor es la gravedad
o El grupo control (sano) debería tener otras patologías similares que dificulten la
discriminación
o Sesgo de verificación
o ¿Qué ocurre con los casos dudosos? Si se excluyen aumenta S y E
• Sesgo de información:
o Sesgo de revisión
o Sesgo del contexto o de la experiencia