Betty C. Jung, RN, MPH, CHES

Una breve introducción a la epidemiología - XIII(Crítica de la investigación: Consideraciones estadísticas) Betty C. Jung, RN, MPH, CHES

Objetivos de aprendizaje/a alcanzar • Revisión rápida • Bases de la estadística inferencial • Medidas comunes de asociación • Ser capaz de criticar estadísticamente loe estudios • Temas estadísticos • Reglas estadísticas

Introducción • Refresque su memoria • Estadísticas inferenciales básicas • Medidas comunes de asociación usadas en estudios epidemiológicos

Medidas de asociación y pruebas de hipótesis Prueba estadística = Asociación observada - Asociación esperada Error estándar de la asociación • Error tipo I: Se concluye que hay una asociación cuando no existe • Error tipo II: Se concluye que no hay asociación, cuan relamente existe

Medidas de asociación • Dos principales tipos de medidas: • Medidas de diferencia (Dos medias independientes, dos proporciones independientes, riesgo atribuible) • Razón de medidas (Riesgo relativo, Prevalencia relativa, Razón de momios)

Medidas de asociación:Diferencia de medidas • Dos medias independientes • Dos proporciones independientes • Riesgo atribuible

Riesgo atribuible (RA) • La diferencia entre dos proporciones • Cuantifica el número de ocurrencias de un resultado en salud que es debido a, o puede ser atribuido a , la exposición o factor de riesgo. • Usado para evaluar el impacto de eliminar el factor de riesgo

Medidas de asociación:Razón de medidas • Riesgo relativo (RR) • Prevalencia relativa (PR) • Razón de momios (OR)

Fuerza de asociación Riesgo relativo (Prevalencia) Razón de momios Fuerza de asociación 0.83-1.00 1.0-1.2 Ninguna 0.67-0.83 1.2-1.5 Débil 0.33-0.67 1.5-3.0 Moderada 0.10-0.33 3.0-10.00 Fuerte <0.01 >10.0 Acercándose al infinito

Advertencias acerca de la clasificación de datos • Todas las personas en un estudio epidemiológico deberán ser clasificables • Todos los reportes del estudio deberán claramente señalar los criterios usados para clasificar las variables. • Estudios que usan diferentes criterios para definir la presencia de cualquier estado de salud no son comparables con respecto a las tasas reportadas de ese estado de salud.

Advertencias acerca de las variables cuantitativas y categóricas • Información sobre la variabilidad entre personas se pierde cuando datos cuantitativos son categorizados • Pasando una variable cuntitativa en categórica con dos o más categorías puede esconder el hecho de que la variable subyacente tiene un rango mucho mayor en una cetagoría que en otra.

Advertencias acerca de variables cuantitativas y categóricas (cont...) • Sea cuidadoso al comparar los rangos, debido a que una muestra mayor generalmente tendrá un rango mayor • Pasando variables cuantitativas a categóricas, limita las elecciones apropiadas de pruebas de significancia estadística • Intente usar categorías comunes (como bandas de edad de 5 o 10 años) para facilitar comparaciones entre estudios.

Falacia de Berkson • Asociaciones basadas en datos de clínicas u hospitales son influenciadas por tasas de admisiones diferentes entre grupos de personas • Fuentes similares de sesgo de selección ocurren cuando asociaciones están basadas en datos de autopsias.

Advertencias acerca de los valores de P • El tamaño del valor de p no tiene relación con la potencial significancia práctica de los resultados. • El valor de p no revela nada acerca de la magnitud del efecto (que tanto difiere un grupo del otro) o la precisión de la medición (la cantidad de error aleatorio) • La naturaleza de la muestra, no el valor de p, determinará si las inferencias a la población de interés pueden ser hechas (y la muestra deberá ser representativa de la población)

Estimación del intervalo de confianza • Usa la media de la muestra para contruir un intervalo (rango) de números que estiman el efecto • Ofrece alguna indicación de cuan probable es (68%, 90%, 95%) o cuan confiado uno puede estar, de que la verdadera media en la población está dentro del rango señalado en el intervalo estimado.

Preguntas de Greenhalgh acerca del análisis (A) • ¿Los autores situaron correctamente el estudio? • ¿Han determinado si sus grupos son comparables,y si es necesario, ajustaron para diferencias basales? • ¿Qué tipos de datos han usado, y han usados las pruebas estadísticas apropíadas?

Preguntas de Greenhalgh acerca del análisis (B) • Si los autores han usado pruebas estadísticas no claras, ¿por qué los han hecho y cómo los han referenciado? • ¿Los datos son analizados de acuerdo al protocolo? • ¿Se realizó análisis pareado de datos pareados?

Preguntas de Greenhalgh acerca del análisis (C) • ¿Se realizó la prueba de dos colas de cualquier efecto de una intervención que podría ser uno negativo? • ¿Fueron las “colas” analizadas con sentido común y ajustes estadísticos apropiados? • ¿Han sido hechas las suposiciones acerca de la naturaleza y dirección de causalidad?

Preguntas de Greenhalgh acerca del análisis (D) • ¿Los valores de p han sido calculados e interpretados apropiadamente? • ¿Se han calculado los intervalos de confianza, y las conclusiones del autor los reflejan? • ¿Han expresado los autores, el efecto de una intervención en término del probable beneficio o peligro que un individuo pueda experar?

Temas estadísticos: estudios epidemiológicos • Regresión logística para resultados binarios • Regresión de Cox para análisis de sobrevida • Distribución de Poisson para la prevalencia o incidencia de la enfermedad • La razón de momios es relativamente igual al riesgo relativo, cuando la enfermedad es rara.

Temas estadísticos: estudios ambientales • Buenos modelos estadísticos son difíciles de conseguir por: • Sesgo de publicación puede exagerar el exceso de riesgo • Razón de momios menore a 2 (o mayor a 0.5) pueden ser de interés

Temas estadísticos: estudios ambientales • ¿Cuáles son las bases estadísticas para el estándar ambiental? • Variabilidad contra incertidumbre • ¿Cuál es la calidad de los metadatos? • Biomarcadores como resultados clínicos próximos

Temas estadísticos:Evaluación de riesgo • Identificación de peligros • Evaluación de dosis- respuesta • Evaluación de exposición • Caracterización de riesgo • Manejo de riesgo

Reglas estadísticas • Uso de formulación logarítmica para calcular tamaño de muestra para estudios cohorte. • No uso de más de 4-5 controles por caso en estudios de casos y controles • Obtener al menos 10 sujetos para cada variable investigada en regresión logística

Reglas estadísticas • Aumento del tamaño de muestra en proporción a la disminución de la tasa. Si se espera una disminución de la tasa de 20%, luego el incremento será n/0.80 • Si la disminución es mayor al 20%, revise razones para la disminución. • Acepte sustituciones con precaución.

Reglas estadísticas • Eligiendo los puntos de corte • No dicotomice a menos que sea necesario • Seleccione un modelo aditico o multiplicativo de acuerdo a: justificación teórica, aplicación práctica e implicación computada

Referencias • Para recursos en internet sobre los temas cubiertos en esta conferencia, revise mi sitio Web: http://www.bettycjung.net/ • Otras conferencias de esta serie: http://www.bettycjung.net/Bite.htm

Betty C. Jung, RN, MPH, CHES