2. Sesgos y confusión PDF

Preview

Summary

Download 2. Sesgos y confusión PDF

Description

2º Medicina 2º Semestre Introducción a la epidemiología

Tema 2. Sesgos y confusión Los estudios no son perfectos. Todos los diseños de estudios son potencialmente imperfectos. No existe un diseño de estudio perfecto; por consiguiente, se torna sumamente importante comprender las limitaciones específicas de cada diseño. Ningún tipo del análisis estadístico complejo disimulará un estudio mal diseñado. Validez interna y externa (Imagen) La validez interna se refiere al grado en que un experimento excluye las explicaciones alternativas de los resultados, es decir, al grado en que ciertamente la manipulación de la variable independiente es responsable de los cambios en la variable dependiente. Cualquier factor o fuente que no sea la variable independiente y que pudiera explicar los resultados es una amenaza para la validez interna. De esta forma, la validez interna es un mínimo básico sin el cual un experimento está abierto a múltiples explicaciones alternativas. La validez externa se refiere a la extensión y forma en que los resultados de un experimento pueden ser generalizados a diferentes sujetos, poblaciones, lugares, experimentadores, etc. El objetivo de un experimento es demostrar las relaciones funcionales entre las variables independiente y dependiente. Un objeto aún más amplio de la investigación es establecer relaciones generales valiosas. La validez interna dirige la pregunta inicial referente a si un experimento determinado ha demostrado una relación inequívoca. La validez externa dirige una pregunta más amplia, referente al grado con que pueden generalizarse los resultados de un experimento.

1. Error sistemático vs. Error aleatorio El error sistemático es el error derivado de las deficiencias del estudio, métodos selección de los participantes, procedimiento de recogida de los datos, etc. La consecuencia es que los resultados observados del estudio tienden a ser diferentes de los verdaderos. Y es porque sistemáticamente medimos mal. El error aleatorio o de muestreo es la diferencia entre el resultado observado en la muestra (estadístico) y el verdadero valor poblacional (parámetro).

2. Sesgos Los sesgos son un resultado de los errores sistemáticos de un estudio. La tendencia a un resultado diferente del verdadero es conocida como sesgo. Los sesgos están relacionados con el proceso del estudio (diseño y procedimientos) y no con los resultados del estudio. Si el diseño y procedimientos del estudio son insesgado (sin sesgo) el estudio se considera válido.

2.1 Prevención y control de los sesgos Para prevenir y controlar posibles sesgos se hace asegurando que el diseño del estudio es apropiado para afrontar las hipótesis y estableciendo en el protocolo del estudio y vigilando cuidadosamente que los procedimientos de recolección de los datos sean válidos y fiables.

2º Medicina 2º Semestre Introducción a la epidemiología

2.2 Tipos de sesgos Hay numerosos tipos de sesgos (Sackett enumeró más de 25). Sin embargo, la mayoría de los sesgos se pueden clasificar en dos grupos: Los sesgos de selección suceden cuando los individuos tienen diferentes probabilidades de ser incluidos en la muestra según las características relevantes del estudio (exposición y desenlace). Los sesgos de información es la tendencia sistemática de los individuos seleccionados para el estudio de ser clasificados erróneamente en las diferentes categorías (exposición y desenlace). Este sesgo conduce a un error de clasificación. En este caso no se selecciona, sino que se clasifica erróneamente, tanto en expuestos como en caso control. Hay otros tipos de sesgos. El sesgo del observador, investigador, entrevistador amenaza a la validez interna. El sesgo del entrevistador se refiere a la memoria. El sesgo del instrumento consiste en no medir correctamente. El sesgo de publicación se refiere a que no se publican los estudios no estadísticamente significativos.

3. Error de clasificación El sesgo de información conlleva a un error en la clasificación de los individuos del estudio (exposición en los estudios de cohortes; caso/controles en los estudios casocontrol). El error de clasificación no diferencial es el error de clasificación que no depende de los grupos del estudio o grupos que se comparan (exposición/no exposición; caso/control; etc.) El error de clasificación diferencial es el error de clasificación que depende de los grupos del estudio o grupos que se comparan (exposición/no exposición; caso/control; etc.). Habrá más riesgo de que se sobreestime o infraestime. Van a contestar erróneamente solo en uno de los dos grupos. Ejemplo: Ley en el Sur de España por el consumo de tabaco. El grupo de intervención se coge del Sur de España y los controles del Norte. Si hay más consumo de tabaco en el Sur, habrá más sesgo de clasificación en el Sur. En el error de clasificación diferencial hay el mismo porcentaje de fumadores en expuestos y no expuestos.

4. Confusión Situación en la que la asociación entre una determinada variable (exposición) y un determinado resultado (evento) es debida a la influencia de una tercera variable (confusora) o grupo de variables (confusoras).

4.1. Confusión y sesgo Algunos autores (Rothman) consideran la confusión como un tipo de sesgos. Otros autores (Gordis, Szklo, Nieto) consideran que la confusión no es un tipo de sesgo . Tenemos una exposición y estudiamos un evento:

Encontramos una relación. Si esta no es debida a la exposición sino a una tercera variable, se le llama confusión. Esta tercera variable está asociada causalmente con el resultado.

2º Medicina 2º Semestre Introducción a la epidemiología

4.2. Factor de confusión Requisitos para que una variable sea un factor de confusión: 1. El factor de confusión se asocia causalmente a la enfermedad. 2. El factor de confusión se asocia, causalmente o no, con la exposición. Si no se asocian, no hay confusión. 3. Y no es una variable intermedia (o mediadora) en la secuencia causal entre exposición y el evento (enfermedad).

4.3. ¿Cuándo existe confusión? Cuando la medida de asociación CRUDA que estemos utilizando en nuestro estudio sea diferente a la medida de asociación AJUSTADA. Vamos a ajustar por la variable confusora. Esto se hace si el riesgo relativo crudo es diferente al riesgo relativo ajustado, hay confusión. En el caso de estudios casocontrol, se hace si el odds ratio crudo es diferente al odds ratio ajustado. Estudios cohortes : Estudios casos-controles: RR crudo ≠ RR ajustado OR crudo ≠ OR ajustado Ejemplo: (Szklo & Nieto) Tasa de mortalidad bruta o cruda por 1000 (1986) Costa Rica 3.8 Venezuela 4.4 México 4.9 Cuba 6.7 Canadá 7.3 Estados Unidos 8.7 Se podría decir que la mortalidad es más elevada en EEUU y Canadá (Imagen). Como la edad es una variable que a mayor edad más probabilidad de morir. ¿Puede ser la edad un factor de confusión? Es otra variable que puede influir a la mortalidad. Se asocia la distribución etaria por grupos de edad de la población. Se mira si asocia que los países con menos tasa de mortalidad tengan gente más joven Si estandarizamos, estamos quitando de la distribución por edad, y el ajustado cambia.

Entonces Canadá y EEUU ya no lideran la tabla. Por lo tanto, lo observado estaba confundido por lo observado por la edad. (Las dos flechas de la imagen indican asociación no causal)

2º Medicina 2º Semestre Introducción a la epidemiología Ejemplo: Alcohol Se estudia el consumo de alcohol con el infarto agudo de miocardio (IAM), y puede haber un factor de confusión, el consumo de tabaco. Según los RR es una relación causal. Alcohol e Infarto Agudo de Miocardio con RR = 2.2 y RR(aj) = 1.1 Puede haber un factor de confusión, como el tabaco. RR = 3.1 Prevalencia del Tabaco (no alcohol): 0.33 Prevalencia del Tabaco (alcohol): 0.83 Ahora se mira si se asocian, si aquellos que consumen tabaco consumen también alcohol. Según las prevalencias en mi estudio sí hay asociación, y puede ser confusora. Entonces se calcula el RR ajustado, y como RR(aj)=1.1 significa que estaba confundido. Por lo tanto, no era debido al alcohol, sino al tabaco. Siempre puede haber confusión. El tabaco sí es un factor de riesgo del IAM, sino no podría ser confusora. El tabaco sí se asocia a consumo de alcohol en nuestro estudio. Y fumar no es consecuencia de beber alcohol o viceversa, entonces no es mediadora: sí puede ser una variable confusora.

4.4. “Y” NO es un confusor......

La variable Y no es una variable confusora:  Cuando no hay asociación entre variables  Cuando no hay asociación entre el estudio y la confusora  Cuando no hay relación causal entre los eventos Ejemplo: Quiero estudiar la muerte súbita del lactante con consumo de tabaco durante el embarazo, pero quiero saber si puede estar confundido por el peso al nacer. El tabaquismo materno se asocia con un bajo peso al nacer, que a su vez se asocia con una muerte súbita del lactante, por lo que es una variable mediadora y no puede confundir.

4.5. Control de la confusión El control de la confusión se puede hacer en el diseño. El emparejamiento es que tanto el grupo de intervención como el grupo control, expuesto y no expuesto, este distribuido igual con otra variable confusora; y no hay asociación (ej: hacer parejas). La restricción tiene una distribución igual de porcentajes, o excluir (ej: no coger ningún fumador). El control de la confusión se puede hacer en el analisis. Se puede hacer estratificación (estratos), ajuste (estandarización), emparejamiento (ej: mismo número de variables confusoras después del estudio) y modelización (regresión logística y regresión de Cox, tema 4 y 5).

4.6. Evaluación de la confusión (Estratificación) Se tiene que comprobar lo siguiente: 1. La variable de confusión, ¿está asociada con la exposición y con el desenlace? 2. La asociación* exposición-desenlace del análisis bruto/crudo... ¿es similar en el análisis estratificado (estratos)? Los estratos los va a decir la variable confusora. 3. La asociación* exposición-desenlace del análisis bruto/crudo… ¿es similar en el análisis ajustado? (*dirección y magnitud)

2º Medicina 2º Semestre Introducción a la epidemiología Si la variable reúne los criterios de variable confusora, se estratifica, comparar el crudo comparando los estratos y después la medida ajustada. Ejemplo: Si se piensa que el sexo es una variable confusora, se separa la población por sexo. Ejemplo hipotético: Se quiere ver si el abandono del consumo de tabaco convencional, en el que se identifica el uso del e-cigarrillo como un determinante del abandono (estudio casocontrol), se asocia con este. Retrospectivamente, se cogen casos que abandonan y no abandonan el tabaco convencional y se calcula la odds ratio (OR = 1.80). Por lo tanto, el uso del cigarrillo electrónico se asocia con el abandono del tabaco.

Sí hay asociación Puede estar influenciado por otra variable. Una posible confusora es el ambiente laboral libre de humo. Entonces se tiene que ver: 1. ¿Está asociada la variable confusora con la exposición y con el resultado? Ver si el uso de cigarrillo electrónico se asocia con el ambiente libre de humo. Se hace una tabla de contingencia con el ambiente laboral y el uso del cigarrillo. Como la OR es 7.54, sí hay asociación. Entonces cumple uno de los criterios.

OR = 7.54 Después se comprueba el ambiente libre de humo con dejar de fumar:

OR = 4.9 Como la OR es 4.9, sí hay asociación. Entonces cumple los criterios. Las dos tablas anteriores son la variable confusora con las otras dos variables. En este ejemplo, la confusora sí cumple con los criterios de variable confusora. Comprobamos si el ambiente con humo me puede estar confundiendo lo que se ha visto del cigarrillo electrónico:

2º Medicina 2º Semestre Introducción a la epidemiología

¿El ambiente con humo puede influir? De momento cumple los criterios, y estratificamos. 2. ¿La asociación exposición-resultado del análisis crudo tiene la misma dirección y magnitud en los estratos de la variable de confusión? Comprobamos lo mismo en ambiente con humo y ambiente sin humo:

Sin humo OR = 0.56 y Con humo OR = 1.2 Por un lado sale 0.56 y 1.2. Es diferente a lo anterior, al principio salía 1.80. Esto avisa de que puedo estar confundido. Está estratificado y es diferente del resultado OR inicial. Entonces se pasa al ajuste. 3. ¿La asociación exposición-resultado del análisis crudo tiene la misma dirección y magnitud después de ajustar por la variable de confusión? [El ejemplo continua después de la explicación del ajuste …]

4.7. Ajuste El ajuste es el método para controlar el efecto de una tercera variable en el análisis de la relación entre otras dos variables. 4.7.1. Método de Mantel-Haenszel El Test de Cochran-Mantel-Haenszel es un contraste de hipótesis para contrastar la igualdad de Odds Ratio entre un número de tablas de contingencia 2x2. OR de Mantel-Haenszel:

(es aplicar la fórmula)

2º Medicina 2º Semestre Introducción a la epidemiología En la fórmula, se tiene que hacer la suma para cada uno de los estratos. El RR (MH) en estudio de cohortes con Incidencia Acumulada:

El RR (MH) estudio cohortes con Densidad Incidencia (persona-tiempo):

4.7.2. Ejemplo… ¿La OR bruta = OR ajustada?

OR = 1.1 Al comparar la odds ratio bruta con la odds ratio ajustada, como la OR es 1.1, es no significativo. Por lo tanto, sí había confusión. Ej: La confusión a partir del 20% significa que todo lo que supere este valor significa que sí hay confusión.

4.8. Tipos de confusión La confusión positiva es cuando la confusión produce una sobreestimación del efecto (el estimador bruto se aleja de 1,0 y exagera la asociación no ajustada frente a la ajustada). La odds ratio ajustada es inferior a la odds ratio bruta. La confusión negativa es cuando la confusión produce una infraestimación del efecto (el estimador bruto se acerca a 1,0 y atenúa la asociación no ajustada frente a la ajustada). La odds ratio ajustada es superior a la odds ratio bruta.

4.9. Confusión residual La confusión residual es cuando no se puede ajustar o cuando el ajuste es imperfecto. Esto es por qué, o bien no disponemos de información de la variable que sospechamos que es el confusor (no sabemos si los casos y controles fumaban o no), o la información no es suficiente (sólo sabemos si fumaban o no, pero no sabemos nada de los exfumadores o del nº de cigarrillos...). Ejemplo: se estudia el infarto agudo de miocardio respecto a la menopausia.

2º Medicina 2º Semestre Introducción a la epidemiología

Se comparan las odds ratio. Si se ajusta por edad, como es menor, estaba sobreestimado....