Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Fundamentos de la práctica médica EPIDEMIOLOGÍA INTRODUCCIÓN La epidemiología estudia la distribución de la enfermedad en la pobla- ción y los factores que están relacionados con su aparición. Para dedu- cir cuáles son los elementos clave en el desarrollo de la enfermedad, se compara la presencia de la misma en diferentes subgrupos de población con distintas características. Habitualmente se comparan dos tipos de subgrupos, caracterizados porque sus integrantes se diferencian por: a) estar o no expuestos a una circunstancia que, según se sospecha, puede desencadenar la enfermedad o influir en su evolución (p. ej., un parámetro sanguíneo alterado, un conjunto de atenciones médicas, un fármaco, un factor del entorno o una actitud o conducta), o b) tener o no la enfermedad, en cuyo caso se estudian los diversos antecedentes de los dos grupos que podrían explicar la aparición de dicha enfermedad. Cuando la exposición eleva la probabilidad de presentar la enfermedad, se considera un factor de riesgo; si la reduce, se entiende como un factor de protección. Esta forma de proceder define básicamente el método epidemiológico. En el campo de la medicina clínica, el método epidemiológico ha permitido caracterizar la historia natural de numerosas enfermedades e identificar los factores que influyen en ellas, para permitir al clínico mejorar su capacidad de prevención, diagnóstico y tratamiento de la enfermedad y de pronóstico de la evolución de un enfermo determina- do. Por ejemplo, para evaluar si el tabaco era un factor de riesgo para el cáncer de pulmón se realizaron dos tipos de estudios. En unos se partía de dos grupos de individuos con características similares, uno formado por pacientes con cáncer de pulmón (casos) y otro por personas sin el cáncer (controles). Esta clase de procedimiento se denomina estudio de casos y controles. Se observó que el consumo de tabaco había sido más alto entre los casos que entre los controles, lo que sugería que dicho consumo estaba relacionado con la aparición de la enfermedad. Otros estudios partieron de cohortes de individuos formadas por fumadores (grupo expuesto al tabaco) y no fumadores (grupo no expuesto). Ambos grupos se siguieron durante varios años, y se observó que la frecuencia de aparición de la enfermedad en el primer grupo era mayor que en el segundo. A partir de estos estudios epidemiológicos y de otros muchos con la misma inferencia se documentó el efecto nocivo del tabaco. En este capítulo se presentarán los conceptos epidemiológicos básicos implicados en el diseño y el análisis de un estudio con el fin de facilitar la lectura y la interpretación de la bibliografía médica. MÉTODOS PARA IDENTIFICAR FACTORES DE RIESGO La epidemiología utiliza tres herramientas básicas para determinar los factores de riesgo y los factores pronósticos: a) los tipos de diseños de estudios que permiten obtener datos útiles para realizar inferencias; b) las medidas epidemiológicas que cuantifican la asociación entre una exposición y el desarrollo de la enfermedad, y c) los métodos analíticos que optimizan la elucidación de la información a fin de poder aproximarse a cuál es la asociación entre la enfermedad y sus determinantes. DISEÑOS BÁSICOS DE ESTUDIOS Se ha desarrollado una serie de diseños para obtener datos útiles, analizables e interpretables, que pueden ser observacionales o experi- mentales. En los primeros, el investigador observa cómo se comporta la población de estudio, que suele estar sujeta a múltiples exposiciones. Si existe alguna exposición de especial interés, el investigador debe aplicar métodos analíticos que permitan comparar grupos de población simi- lares, pero que se diferencian en este factor de interés. En los segundos, el investigador interviene un grupo, preferiblemente seleccionado al azar, y compara los eventos que aparecen entre los intervenidos y los no intervenidos. Tal tipo de estudio se conoce como ensayo clínico y es el diseño ideal para establecer la eficacia de terapias. Los estudios observacionales son básicamente de tres tipos: de cohor- tes, de casos y controles, y transversales. En todos ellos, un caso es un individuo que desarrolla o presenta la enfermedad de interés ( un episodio de la misma). Los datos más simples de estos estudios conforman lo que se ha denominado tabla 2 × 2, presentada en la figura 1. En los estudios de casos y controles se selecciona un núme-ro determinado de casos (que se representan por nE+) y un número similar de controles (individuos similares a los casos, pero sin la enfermedad y que se representan por nE−), y se compara la frecuencia de los antecedentes de exposición en los casos (a/nE+) con la de los controles (b/nE−). En los de cohortes se seleccionan individuos sin la enfermedad de interés, de los cuales nX+ están expuestos al factor de interés y nX− no están expuestos; si la proporción de individuos que desarrollan la enfermedad entre los expuestos (a/nX+) es mayor que la de los no expuestos (c/nX−) y los grupos son comparables, se podrá inferir que la exposición es un factor de riesgo. En un estudio trans- versal se selecciona a unos individuos de la población y se observa cuáles de ellos están expuestos (nX+) y cuáles no (nX−), y quiénes presentan (nE+) o no (nE−) la enfermedad. En resumen, en un estudio de cohortes el criterio de selección es la exposición; en uno de casos y controles, la enfermedad, y en uno transversal la población se selecciona sin tener en cuenta su estado con respecto a la enfermedad o la exposición. En un ensayo clínico, el investigador selecciona una serie de individuos e interviene administrando una exposición (típicamente, un fármaco). La característica más importante de un ensayo clínico es que la decisión de quién recibirá la intervención se toma aleatoriamente. Los ensayos clínicos se realizan en condiciones de estricto control, lo que incre- menta el cumplimiento terapéutico. Por ello, un medicamento puede ser muy eficaz en los ensayos clínicos y, sin embargo, tener un impacto mínimo en la población al utilizarse habitualmente (efectividad). Los ensayos clínicos deben complementarse con evaluaciones de la efectividad del medicamento. Los estudios observacionales permiten determinar esta efectividad mediante el análisis de la información de los tratamientos recibidos en la comunidad por los individuos del estudio. Aunque, con razón, se ha subrayado que el mejor método para evaluar medicamentos es el basado en ensayos clínicos, no debe olvidarse que los estudios observacionales suelen proporcionar una mejor evaluación de la efectividad. http://booksmedicos.org Epidemiología ■ ESTUDIOS DE COHORTES En estos se seleccionan individuos en riesgo de una enfermedad de interés y se realiza un seguimiento en el tiempo registrando quién y cuándo desarrolla la enfermedad. El objetivo principal es identificar los factores que están asociados con una temprana aparición de la enferme- dad para tratar de implementar intervenciones o cambios que eviten esa ocurrencia temprana. Según el momento de la recogida de los datos, cabe diferenciar dos tipos de estudios: prospectivos, en los que el inves- tigador registra los eventos a medida que se producen, y retrospectivos (o históricos), en los que se recogen datos de eventos que ya han sucedido. A diferencia de los de casos y controles y los transversales, los estudios de cohortes permiten estimar la probabilidad de que una persona desarrolle la enfermedad después de diferentes unidades de tiempo (p. ej., 1 año o 5 años). En contraposición, presentan el desafío de que debe seguirse a todos los individuos durante el tiempo de duración del estudio. Aun cuando se utilicen los métodos más rigurosos es prácti- camente imposible evitar que se pierda de vista a algunos individuos o que otros se retiren voluntariamente. Además, es habitual que al final del estudio muchos de los participantes no hayan presentado el evento de interés. Los individuos que abandonan el estudio antesde su conclusión (perdidos de vista) y aquellos que permanecen libres del evento al final del seguimiento contribuyen con información incom- pleta acerca del posible desarrollo del evento. Los estudios de cohorte no sólo proporcionan la esencia de lo que ocurre en el tiempo en una población sino que también se pueden utilizar para generar estudios con diseños híbridos, en los cuales se anida un estudio de casos y controles con los datos de un estudio de cohortes. Los diseños híbridos se dirigen en general a enfermedades poco frecuentes, en las que sólo un número reducido de individuos las desarrolla (casos) durante el seguimiento, mientras la gran mayoría permanece inafectada (controles). Por tanto, no es necesario comparar los casos con todos los controles sino con un subconjunto de ellos. En los casos y controles anidados se comparan los antecedentes de exposición de los individuos que han desarrollado la enfermedad en la cohorte con los antecedentes de los que no la han desarrollado; en el momento en que se identifica un caso, se extrae aleatoriamente sólo un subgrupo entre el resto de individuos de la cohorte sin la enfermedad en aquel momento. En los casos-cohorte se tienen en cuenta todos los casos que aparecen en la cohorte, pero los controles constituyen una muestra aleatoria de los individuos de la misma cohorte. Este enfoque es útil especialmente cuando se desea evaluar la asociación entre una exposición y varias enfermedades (p. ej., diversos tipos de cáncer). A diferencia de los estudios de casos y controles, este diseño permite estimar y comparar directamente la frecuencia con que aparece la enfermedad en los grupos expuestos y no expuestos, con la ventaja con respecto a los estudios de cohorte de que no es necesario conocer la exposición de cada uno de los sujetos de la cohorte, sino sólo la de una muestra de ellos. Los diseños híbridos son útiles cuando para medir la exposición se requieren métodos complejos o costosos y los investigadores cuentan con los recursos necesarios (p. ej., bancos de muestras biológicas) para valorar exposiciones de interés. ■ ESTUDIOS DE CASOS Y CONTROLES En este tipo de estudio se seleccionan individuos con la enfermedad de interés (casos) y un grupo similar, pero sin la enfermedad (controles), y se comparan los antecedentes de las exposiciones de interés. Si los dos grupos difieren en una o más exposiciones, se concluirá que estas guardan relación con la enfermedad si el estudio no presenta ningún sesgo (v. Precisión y exactitud) y está libre de confusión por otras variables (v. Confusión). Es muy útil para estudiar los determinantes de las enfermedades poco frecuentes, pero hay que ser muy cuidadoso en tres aspectos: selección del tipo de casos, selección de los controles y medición retrospectiva de la exposición. Si no se manejan correctamente, la estimación resultante de la relación entre exposición y enfermedad puede ser errónea. Con- viene seleccionar como casos a personas con la enfermedad reciente (casos incidentes) para garantizar que la exposición fue anterior a la enfermedad y evitar que en la muestra estén infrarrepresentados los casos que fallecen poco después de presentarla. Si se utilizan casos pre- valentes y la exposición estudiada es un factor de riesgo que aumenta tanto el riesgo de enfermar como el de defunción, sólo entrarán en el estudio los casos que han sobrevivido durante un tiempo determinado. Se conseguirá así que la asociación entre exposición y enfermedad estimada por el estudio sea menor que la real (sesgo de supervivencia). Los controles han de ser comparables a los casos. Para ello, una estra- tegia útil consiste en identificar la población que ha generado los casos del estudio y seleccionar los controles entre los individuos no enfermos de esta misma población. De esta forma se garantiza que cualquier control que hubiera desarrollado la enfermedad habría sido un candidato para su inclusión como un caso, y que las exposiciones no Figura 1 Tabla 2 × 2 que resume los datos de un estudio epidemiológico y las dos posibilidades de análisis. Comparando la enfermedad en los expuestos (nX+) y los no expuestos (nX−), como en un estudio de cohortes (dirección de la flecha 1) y comparando la exposición en los enfermos (nE+) y los no enfermos (nE−), como en un estudio de casos y controles (dirección de la flecha 2). El valor numérico de la OR es el mismo independientemente del tipo de abordaje, pero su interpretación es diferente. http://booksmedicos.org Fundamentos de la práctica médica relacionadas con la enfermedad se distribuyan de forma similar entre casos y controles. Habitualmente, esto se consigue seleccionando los controles de la población general de donde proceden los casos o entre los enfermos asistidos en el mismo centro que los casos, pero por otros problemas de salud. Por ejemplo, en el estudio clásico de Doll y Hill (1950) sobre el hábito de fumar y el cáncer de pulmón, al escogerse como casos a pacientes con diagnóstico de cáncer de pulmón en 20 hospitales de Londres se seleccionó como controles a pacientes ingresados en el mismo hospital y en el mismo tiempo en que se había diagnosticado el caso. Tanto en el momento del diseño (apareamiento) como en el del análisis (estratificación y modelos de regresión), existen métodos para eliminar las posibles diferencias entre casos y controles con respecto a exposiciones anteriores, a fin de garantizar que ambos grupos sólo se diferencian en la enfermedad y en las exposiciones relacionadas con ella. Una vez definida la población origen de los controles, existen dos formas de seleccionarlos: no apareados y apareados. En un estudio no apareado, los controles se seleccionan sin ninguna restricción. Por el contrario, en un estudio apareado, para cada caso se busca un control similar con respecto a una serie de variables relevantes, como edad, sexo u otras exposiciones que estén muy relacionadas con la enfermedad, denominadas factores de confusión (v. Confusión). De esta forma se garantiza que los casos y los controles sean comparables con respecto a estas exposiciones y que ninguna de ellas aparecerá relacionada con la enfermedad en el estudio (con el apareamiento se ha forzado que la frecuencia de las variables de apareamiento sea igual en los dos grupos). El otro punto clave es la estimación retrospectiva de la exposición. Es necesario extremar las precauciones para garantizar su validez y, en lo posible, no debe basarse en los recuerdos de los participantes, que no siempre proporcionan estimaciones correctas. ■■ ESTUDIOS TRANSVERSALES Este tipo de diseño permite estimar la frecuencia de una enfermedad o de una exposición y, en ciertas condiciones, establecer la relación entre exposición y enfermedad. En comparación con uno de cohortes, este diseño es relativamente simple, rápido y poco costoso, y resul- ta especialmente útil en las fases iniciales de una investigación. Sin embargo, presenta la limitación de que, al medir simultáneamente la enfermedad y la exposición, puede ser difícil establecer la relación temporal entre ambas. Supóngase, por ejemplo, que se mide la concentración plasmática de vitamina A (exposición) en todos los ingresados durante 1 año en un hospital por cualquier causa y, paralelamente, se determina qué pacientes tienen un cáncer (enfermedad). Si los pacientes con cáncer presentan concentraciones menores de vitamina A, caben dos interpretaciones: a) la vitamina A es un factor protector de cáncer, o b) el cáncer reduce los niveles de vitamina A (la exposición y la enfermedad están medidas simultáneamente, lo que impide determinar si la exposición anteceden a la enfermedad o es su consecuencia). Los datos son compatibles con cualquiera de estas dos conclusiones y, por tanto, estos estudios no son muy útiles para emprender acciones o para guiar políticas. Este problema no aparece si la exposición estudiada no cambia con el tiempo como consecuencia de la enfermedad. Al incluirsetanto los casos recientes como los más antiguos, el estudio presenta el mismo sesgo de supervivencia que el descrito para los estu- dios de casos y controles con casos prevalentes: los casos que fallecen rápidamente están infrarrepresentados, con lo que la magnitud de la asociación entre exposición y enfermedad se subestima. ■■ ENSAYOS CLÍNICOS Es poco fiable establecer el efecto de las terapias a partir de la obser- vación clínica diaria. Los individuos tratados con un determinado fármaco pueden evolucionar mejor simplemente por ser diferentes a los no tratados o a los tratados con otro fármaco, no porque el fármaco sea mejor. Un ensayo clínico es una modalidad de estudio de cohorte en la que el investigador manipula la exposición, en forma análoga a los experimentos en otros campos del saber. En su forma más simple, el investigador decide al azar quién será expuesto (tratado) y quién no. Al ser el investigador el que decide el tipo de exposición y sus receptores, estos estudios sólo están justificados éticamente para exposiciones posiblemente beneficiosas para el individuo; cuando comportan factores de riesgo, sólo podrán utilizarse diseños obser- vacionales. Existen varios puntos importantes. En primer lugar, para evitar ses- gos el estudio debe realizarse como doblemente ciego. Es decir, los enfermos y los investigadores que están en relación con ellos des- conocen el tratamiento que recibe cada individuo. En segundo lugar, la asignación de los participantes a un grupo u otro debe realizarse al azar, para evitar que, de forma sistemática, en alguno de los grupos se incluyan los individuos con mayor o menor susceptibilidad de res- puesta al tratamiento. El método empleado ha de ser reproducible, estar documentado (para su revisión si surgen problemas) y garantizar que todos los pacientes tienen la misma probabilidad de ser asignados a un determinado grupo. Se recomienda que la asignación se base en una tabla de números aleatorios. No es aceptable una asignación sustentada, por ejemplo, en el número de historia clínica, un número de identidad o la fecha de nacimiento. El objetivo de la asignación aleatoria es evitar sesgos derivados de la forma en que se distribuyen los individuos, pero no garantiza que los grupos sean comparables con respecto a las variables que pudieran influir en el resultado. Final- mente, ante lo crucial de que cada participante siga correctamente el tratamiento (u otra intervención) que le corresponde, es necesario promover continuamente el cumplimiento del mismo y realizar un análisis de la adhesión al protocolo. MEDIDAS EPIDEMIOLÓGICAS Una vez realizado el estudio, se estima la frecuencia de la enfermedad (o de la exposición) en diferentes grupos y estas se combinan para inferir la magnitud de la asociación estadística entre la exposición y la enfermedad, y así estimar el efecto de la exposición sobre la salud. ■■ MEDIDAS DE FRECUENCIA Las medidas de frecuencia de la enfermedad incluyen la incidencia y la prevalencia. La incidencia se refiere a la aparición de nuevos casos de enfermedad, y la prevalencia alude a los casos de enfermedad que existen en un momento dado (o en un período de tiempo relativamen- te corto) en una población. Por tanto, un caso incidente se entiende como aquel que acaba de contraer la enfermedad, y un caso prevalente, el que está enfermo en un momento dado. Estudios de cohortes En estos se estima la frecuencia de la enfermedad (u otro evento de salud, como la recidiva o la defunción) en expuestos y no expuestos (o grupos definidos por diferentes grados de la exposición). Las medidas de frecuencia de la enfermedad utilizadas son la proporción de incidencia (PI), la oportunidad de enfermedad, la tasa de incidencia y los percentiles del tiempo hasta la enfermedad. La proporción de incidencia es la proporción de personas de una pobla- ción determinada y sin la enfermedad estudiada que la desarrollan durante un período de tiempo. El Estudio Multicéntrico de Cohortes sobre el sida (MACS) descrito por Kaslow et al. en 1987, reclutó entre 1984 y 1985 a 4943 homosexuales de cuatro ciudades de EE. UU. De los 1665 individuos que entraron en el estudio infectados por el virus de la inmunodeficiencia humana (HIV), pero sin haber desarrollado el sida, durante los primeros 4 años de seguimiento 168 presentaron un primer episodio de neumonía por Pneumocystis jiroveci. La PI o pro- babilidad de presentar una neumonía por P. jiroveci en 4 años era de: = = = PI en 4 años Número de casos nuevos de enfermedad durante el período de estudio Personas sin la enfermedad al inicio del estudio 168 1665 0,10 (1) PI en 4 años=Número de casos nue- vos de enfermedad durante el perío- do de estudioPersonas sin la enferme- dad al inicio del estudio=1681665=0,10 http://booksmedicos.org Epidemiología La PI en 4 años fue del 10%: de cada 100 individuos sin la enfermedad al inicio del estudio, 10 desarrollaron una neumonía por P. jiroveci. La PI anual era del 2,5% (0,1/4 años = 0,025). El numerador de la PI son los casos incidentes durante un tiempo especificado y el denominador, las personas que al inicio estaban en riesgo de desarrollar la enfermedad estudiada. Como la fórmula no incluye la longitud del tiempo durante el que han aparecido los casos, esta se ha de especificar al expresar una PI; existe, por ejemplo, una gran diferencia entre una PI del 10% en 1 año y en 5 años. La PI estima el riesgo promedio de una persona de desarrollar la enfermedad. El riesgo es la probabilidad de que un individuo sin la enfermedad estudiada la desarrolle durante un período de tiempo dado, con la condición de que no fallezca por otra enfermedad. A menudo, la PI recibe simplemente el nombre de riesgo. Una forma alternativa de expresar el riesgo es mediante una oportu- nidad (odds, en inglés). La oportunidad de enfermar (OE) es la proba- bilidad de presentar la enfermedad con respecto a la probabilidad de no presentarla. Para el ejemplo anterior, la probabilidad de presentar una neumonía por P. jiroveci en 4 años era de 168/1665; al no haber enfermado 1665 − 168 = 1497 individuos, la probabilidad de no presentar la enfermedad era de 1497/1665. Por tanto, la oportunidad de enfermar en estos 4 años se expresaba como: = = = = OE en 4años Probabilidad de presentar neumonía Probabilidad de no presentar neumonía 168/1665 1497/1665 168 1497 0,11 (2) Es decir, para cada 11 sujetos que presentaron neumonía en 4 años, 100 no la presentaron. Al igual que en el caso de la PI, se ha de especificar la longitud del tiempo durante el que han aparecido los enfermos, ya que el tiempo no está implícito en la fórmula. Como puede observarse, el valor de la proporción de incidencia en 4 años (0,1) y el de la oportunidad de enfermedad (0,11) son muy similares. Cuanto menor sea el riesgo de enfermar, más se asemejarán la PI y la oportunidad. La tasa de incidencia (TI) es el número de casos nuevos de enfermedad, por persona y por unidad de tiempo, que ocurren en una población y en un período determinado. Aunque se trata de un concepto algo com- plejo, para los propósitos de este capítulo será suficiente definirla como la rapidez (promedio) con que aparece una enfermedad determinada en una población. Si se somete a seguimiento durante un período de t años a un número de (Ni) individuos sin la enfermedad al inicio y, al final del período, cierto número de ellos (Nf) continúa sin la enfermedad, la tasa de incidencia con que progresa la enfermedad en esta población puede estimarse como: = + × TI Número de casos nuevos de enfermedad durante el período de estudio N N 2 ti f (3) El denominador es el promedio del tamaño de la población no enfer- ma (es decir, en riesgo de enfermar) durante el período de estudio ([Ni + Nf]/2), multiplicado por la duración del estudio (t). Este deno- minador, fruto de multiplicar las personas en riesgo por el tiempo de observación, se expresa en unas unidades denominadas personas- tiempo(habitualmente personas-año). El denominador de la tasa es las personas-tiempo del estudio y la tasa de incidencia es el número de eventos que se producen por personas-tiempo. Para el ejemplo anterior, las personas-año fueron 6324 ([1665 + 1497]/2 × 4 años = 6324). El número de casos incidentes en los 4 años era de 168. Por tanto, la tasa de incidencia fue de 168/6324 = 0,027 casos por persona-año. En los estudios con un seguimiento individual de cada uno de los par- ticipantes, es posible conocer el tiempo que ha estado cada individuo en el estudio sin presentar el evento de interés (el denominado tiempo en riesgo). En este caso, la TI se estima dividiendo el número de eventos por la suma de los tiempos en riesgo de cada individuo: = + +…+ TI Número de casos nuevos de enfermedad durante el período de estudio t t t1 2 n (4) El numerador es el mismo que en la ecuación (3). El denominador se calcula sumando para cada participante el tiempo en riesgo. Por ejemplo, si el primer sujeto presentó la enfermedad a los 3 años de entrar en el estudio, t1 vale 3; si el segundo dejó de acudir a las visitas después del cuarto año, t2 vale 4, y así sucesivamente. Esta ecuación sólo se diferencia de la (3) por el denominador. Ambas son formas alternativas para calcular las personas-tiempo. El denominador de (3) es una buena aproximación del de la ecuación (4) si los casos se dis- tribuyen de forma uniforme durante el tiempo de estudio. Generalmente, una tasa se expresa mediante una cifra que tenga al menos un número entero, y para ello puede ser necesario multiplicarla por 100 u otra potencia de 10 más elevada. Si hubiera que multi- plicar por 1000, la tasa indicaría el número de casos incidentes por cada 1000 personas sin la enfermedad durante 1 año. Para el ejemplo anterior, la tasa se expresaría como 2,7 casos por 100 personas-año, una cifra muy similar a la proporción de incidencia anual (2,5%). La diferencia entre PI y TI consiste en que la primera estima la proba- bilidad de que un individuo de la población presente la enfermedad en un período determinado, mientras que la segunda mide la rapidez con que aparece la enfermedad en la población. Si se parte de una población previamente sana y en 10 años el 5% de los individuos presenta la enfermedad, el valor de la PI no varía si todos los casos han aparecido el primer año o el último, dato de gran relevancia desde el punto de vista de la salud; sin embargo, la TI, en el primer caso será mayor, ya que la enfermedad aparece con mayor rapidez. En muchos estudios clínicos se somete a seguimiento a un grupo de individuos (cohorte) en los que se determina de cada individuo el tiempo de seguimiento y la presencia o no del evento de interés al final del seguimiento (p. ej., enfermedad, curación o defunción). En estos estudios, la PI calculada con la ecuación anterior (1) (proporción de casos nuevos) presenta dos problemas. En primer lugar, sólo estima de forma adecuada el riesgo de enfermar, si el tiempo de seguimiento para los que no desarrollan la enfermedad es el mismo y, por tanto, no existen perdidos de vista (v. Estudios de cohortes). En los perdidos de vista se desconoce el momento en que se desarrolla la enfermedad: son casos censurados, ya que la pérdida del seguimiento censura al inves- tigador la posibilidad de observar el momento en que el sujeto desarro- lla la dolencia. Una de las más importantes funciones de los métodos estadísticos es la utilización adecuada de los datos censurados, la cual se lleva a cabo completando los datos faltantes (no observar eventos en los individuos censurados) a partir de la representatividad que los datos observados (p. ej., eventos) proporcionan. La estimación del riesgo en presencia de perdidos de vista (es decir, datos censurados) se realiza con métodos de análisis de supervivencia, como el de Kaplan-Meier. La clave de este método reside en estimar la tasa de incidencia para cada tiempo en el que se produce un evento y, bajo el supuesto de que los eventos observados representan aquellos previamente censurados, tales tasas de incidencia son válidas para toda la cohorte y así se deriva la función de supervivencia que se esperaría en ausencia de censuras. Los métodos de análisis de supervivencia se emplean para analizar datos del tipo tiempo hasta un evento. Por ejemplo, el tiempo desde el diagnóstico de un cáncer hasta la aparición de una recidiva (o hasta la defunción) o el transcurrido desde el inicio de una terapia hasta la curación. Estos métodos permiten analizar datos con casos censurados y tasas no constantes en el tiempo. A modo de ejemplo, en la figura 2 se representan varias curvas de supervivencia que indican las probabilidades (eje vertical) de no haber desarrollado sida para diferentes tiempos (eje horizontal) transcurridos desde que al sujeto se le determinaron los CD4 y la carga vírica. Las curvas se inician a tiempo cero y sin que ningún miembro de la cohorte haya desarrollado sida (la probabilidad de mantenerse sin sida es de «1», que corresponde a una PI inicial de cero). A medida que transcurre el tiempo, la probabilidad de no haber desarrollado el sida disminuye ( lo que es lo mismo, la PI aumenta) y la curva va descendiendo. En la figura 3 se presenta otro ejemplo de curvas de supervivencia. Se muestra el tiempo de incubación del sida en diferentes períodos de tiempo para mostrar la mejora de la historia natural de la enfermedad a partir de la segunda mitad de los noventa (momento en que se introdujo la terapia potente). Por ejemplo, a partir de la curva superior de la figura 3 se puede deducir que a los 8 años de la infección OEen4años=Probabilidad de presentar neumoníaProbabilidad de no presentar neumo- nía=168/16651497/1665=1681497=0,11 TI=Número de casos nuevos de enfer- medad durante el período de estudio- Ni+Nf2×t TI=Número de casos nuevos de enfer- medad durante el período de estu- diot1+t2+…+tn http://booksmedicos.org Fundamentos de la práctica médica aproximadamente un 16% (100 − 84 = 16) de los sujetos habían desa- rrollado sida. Es decir, la PI a los 8 años era del 16%. Esta curva está por encima de las correspondientes a los otros períodos, lo que indica que el riesgo de desarrollar el sida era menor (el tiempo de incubación era más largo y los sujetos en estos años desarrollaban más lentamente el sida). De las curvas inferiores se puede deducir que, transcurridos esos 8 años, alrededor del 40% (100 − 60 = 40) de los pacientes ya había desarrollado la enfermedad. Por tanto, a partir de las curvas de supervivencia pueden estimarse las PI para diferentes períodos de tiempo, ya que la supervivencia y el riesgo están íntimamente relacio- nados. La curva de supervivencia representa la proporción de sujetos que no han presentado el evento de interés durante un determinado período de tiempo (permanecer vivo si se estudia mortalidad o sin sida en este caso). La PI es justo lo contrario: la proporción que presentan el evento durante un período determinado. Las curvas de superviven- cia estiman la probabilidad de no presentar el evento después de un período determinado y permiten estimar el riesgo en presencia de perdidos de vista. Las curvas de supervivencia de las figuras 2 y 3 también permiten deducir otra medida de frecuencia, el percentil del tiempo hasta la enfermedad. Este se define como el tiempo que tarda una cohorte para que un determinado porcentaje de individuos desarrolle la enfermedad. El percentil más usado es la mediana, que corresponde al tiempo necesario para que el 50% de los sujetos de la cohorte desarrollen la enfermedad. Como se comentará más adelante (v. Estudios de cohorte, en Medidas de la magnitud de la asociación entre exposición y enfermedad), estos valores se utilizan para estimar una medida de asociación denominada tiempo relativo. Para evitar sesgos al utilizar los métodos de análisis de supervivencia habituales (p. ej., curvas de Kaplan-Meier o regresión deCox) se requiere que los perdidos no sean un grupo especial y que estén repre- sentados por los que permanecen en el estudio. En estas condiciones, se puede completar la información que falta en los perdidos con la de los que se han seguido durante todo el estudio. Cuando el número de los primeros es elevado, la precisión del estudio queda comprometida; si, además, los perdidos constituyen un grupo con características especiales (p. ej., que desarrollen de forma más inminente la enfermedad), se puede incurrir en un error en las conclusiones (sesgo). En este caso hay que utilizar métodos que controlen los factores de selección de los participantes en el estudio. Estudios de casos y controles En estos estudios se compara la frecuencia de los antecedentes de exposición entre los casos y los controles. La medida de frecuencia que se utiliza es la oportunidad de exposición, que expresa la probabi- lidad de haber estado expuesto con respecto a la probabilidad de no haberlo estado. Si se utiliza la notación de la figura 1, la oportunidad de exposición entre los casos (nE+) es la probabilidad de haber esta-do expuesto (a/nE+) dividida por la probabilidad de no haber estado expuesto (c/nE+), es decir, (a/nE+)/(c/nE+) = a/c. De igual forma, la oportunidad de exposición entre los controles io Figura 2 Efecto de la carga vírica del HIV (bDNA) según el valor de CD4 en una cohorte de 1604 enfermos. Las curvas de Kaplan-Meier muestran el tiempo sin el sida en función de diferentes niveles de carga vírica en cuatro grupos definidos por el número de linfocitos CD4 (106/L) en el inicio. Las cinco categorías de la carga vírica fueron las siguientes: I, 0-500 copias/mL; II, 501-3000 copias/mL; III, 3001-10 000 copias/mL; IV, 10 001-30 000 copias/mL, y V > 30 000 copias/mL. Los números entre paréntesis son los tamaños muestrales de cada grupo al inicio. Se han omitido los grupos que eran demasiado pequeños para proporcionar una estimación. (Reproducido de Mellors JW et al. [1997], con autorización de Ann Intern Med 1997; 126: 950.) Figura 3 Tiempo de incubación del sida según el período en una cohorte de 536 enfermos. Se presenta la estimación de Kaplan-Meier del tiempo de incubación según la diferente utilización de terapias antirretrovíricas (período como variable instrumental). En el eje horizontal se representan los años desde la infección, y en el vertical, la probabilidad (en porcentaje) de estar sin sida. Las curvas representan el porcentaje de sujetos que aún no han desarrollado el sida para diferentes tiempos desde que se adquiere la infección. La curva superior corresponde al período de terapia potente. Las dos curvas centrales corresponden a terapia combinada y monoterapia. En la tabla se presentan los peligros relativos (PR) y sus correspondientes valores de p, estimados mediante una regresión de Cox. (Reproducido de Detels R et al. [1998], con autorización de JAMA 1998; 280: 1500.) http://booksmedicos.org Epidemiología sobre la asociación entre la infección por el papilomavirus humano (HPV) y el cáncer de cérvix, de los 1356 enfermos, 1310 estaban infectados por el HPV y 46 no (tabla 1). La oportunidad de infec- ción en los casos fue de 1310/46 = 28,5. Es decir, para cada caso no infectado, existían 29 infectados. De los 1292 controles, sólo 202 pre- sentaban antecedentes de infección. La oportunidad de exposición fue de 202/1090 = 0,185, es decir, para cada 100 controles no infectados existían 19 infectados. Estudios transversales La medida de frecuencia de la enfermedad utilizada es la prevalencia (P). Es la proporción de personas con la enfermedad en un momento dado en una muestra de la población de interés. Estima la probabi- lidad de que un individuo de la población escogido al azar presente la enfermedad de interés en un momento determinado. De los 4943 participantes del estudio MACS en los que se pudo determinar la presencia de infección por el HIV, 1880 eran seropositivos al HIV en el momento de entrar en el estudio (casos prevalentes); la prevalencia de infección fue P = 1880/4943 = 0,38 (el 38% de la población estudiada estaba infectada). La prevalencia, por tanto, se estima dividiendo el número de casos prevalentes (enfermos) por el tamaño de la población estudiada (enfermos y no enfermos). ■■ MEDIDAS DE LA MAGNITUD DE LA ASOCIACIÓN ENTRE EXPOSICIÓN Y ENFERMEDAD Existe una asociación estadística entre una exposición (a un presunto factor pronóstico o de riesgo) y una enfermedad si la frecuencia de la enfermedad en los sujetos expuestos es diferente que la de los no expuestos y esta diferencia es estadísticamente significativa (v. Precisión y exactitud). La fuerza de esta asociación estadística se cuantifica con las medidas de asociación, que comparan una medida de frecuencia entre los grupos de interés (expuestos y no expuestos en los estudios de cohorte y enfermos y no enfermos en los de casos y controles). Estudios de cohorte La medida de asociación entre exposición y enfermedad utilizada es el riesgo relativo (RR), que se obtiene a partir de la incidencia en expues- tos y en no expuestos. Aunque la incidencia puede estimarse con la proporción de incidencia y con la tasa de incidencia, en este apartado, y para simplificar, sólo se considerará la proporción de incidencia (PI). Según la notación de la figura 1, la PI en expuestos es a/nX+, y en no expuestos, c/nX−. El RR es: = = =+ +RR Incidencia en expuestos Incidencia en no expuestos PI PI a/n a/n X X – X X – (5) El RR indica el número de veces en que la enfermedad es más frecuente en los expuestos en comparación con los no expuestos. En términos de riesgo (probabilidad de que una persona presente la enfermedad en un período de tiempo determinado), el RR indica el número de veces que el riesgo es mayor (o menor) en los expuestos con respecto a los no expuestos. Si la exposición y la enfermedad no están relacionadas, la PI en expuestos será la misma que en no expuestos, y el valor de RR será 1. Si la PI es mayor en expuestos (es decir, la exposición es un factor de riesgo o un factor de mal pronóstico), el RR será mayor que 1 (asociación positiva) y en caso contrario inferior a 1 (asociación negativa). Cuanto más asociadas (positiva o negativamente) estén la exposición y la enfermedad, más alejado de 1 estará el valor del RR. En el estudio sobre la neumonía por P. jiroveci en sujetos infectados con HIV, la PI de neumonía a los 6 meses entre sujetos con unos CD4 menores de 200/mL (grupo expuesto) fue del 8,4%, y del 0,5% entre los que tenían unos CD4 de 201-350/mL (grupo no expuesto). El RR fue de 8,4/0,5 = 16,8. Por tanto, el RR del grupo expuesto en comparación al grupo no expuesto es de 16,8. Otra medida de asociación utilizada en los estudios de cohorte es la odds ratio (OR) de enfermedad. Se estima dividiendo la oportunidad de enfermar en expuestos, (a/nX+)/(b/nX+) = a/b, por la de los no expuestos (c/nX−)/(d/nX−) = c/d (v. fig. 1): = = = × × OR de la enfermedad Oportunidad de enfermar en expuestos Oportunidad de enfermar en no expuestos a/b c/d a d b c (6) La OR de enfermedad indica el número de veces en que la exposición incrementa la oportunidad de enfermar. En los estudios de cohorte, si de cada participante se conoce su tiempo en riesgo (incluidas las censuras debidas a pérdidas de seguimiento o a individuos que en el momento de realizar el análisis no han desa- rrollado el evento), los métodos de análisis de supervivencia (p. ej., curvas de Kaplan-Meier o regresión de Cox) permiten estimar otras medidas de asociación, por ejemplo, el tiempo relativo. Estos métodos son mejores para extraer la información recogida por los estudios de cohorte. La regresión de Cox está intrínsecamente ligada a evaluar el efecto de las exposiciones utilizando RR. Una limitación de este RR es que no permiten cuantificar en qué medida una exposición recorta (si es un factor de riesgo) o alarga (si es factorde protección) los tiempos hasta la enfermedad. Es mucho más impactante comunicar que un tratamiento, por ejemplo, duplica el tiempo sin la enfermedad que indicar que el RR es 0,6. Para cuantificar la extensión o la contracción de los tiempos hasta la enfermedad debido a exposiciones se utiliza el denominado tiempo relativo, que se obtiene de los percentiles del tiempo hasta el evento (tiempo que tarda una cohorte para que un determinado porcentaje de individuos desarrollen el evento de interés) presentados anteriormente. Simplificando, el tiempo relativo se estima dividiendo el percentil del tiempo hasta la enfermedad (u otro evento de interés) del grupo expuesto por el correspondiente percentil del grupo no expuesto. Si, por ejemplo, en un estudio de cohorte, para que el 25% sean casos tienen que transcurrir 6 meses en el grupo expuesto y 10 en el grupo no expuesto, el tiempo relativo es de 6/10 = 0,6. Es decir, la exposición acorta en 0,6 veces el tiempo hasta la enfermedad ( el tiempo es un 40% más corto: [0,6 − 1] = −0,4). El tiempo relativo es una medida del decremento o incremento de los percentiles del tiempo en el grupo expuesto en relación con el no expuesto. Habitualmente, los resultados de los análisis de supervivencia se presentan en términos de RR que expresan la medida de la varia- ción del riesgo en el grupo expuesto en relación con el no expuesto. Es decir, el efecto de la exposición se describe como cambios en el eje vertical de la figura 3. En contraste, si se usa el tiempo relativo, el impacto de la exposición se expresa como cambios en el eje horizon-tal (tiempo) de la figura 3. Lo que se está estimando es la distancia horizontal (escala de tiempo) entre la función de supervivencia del grupo expuesto y la del no expuesto. Así, para la figura 3, se estimaría la distancia horizontal entre la curva del período 1995 a 1997 y la del grupo de referencia (antes de 1990), que es de unos 3 años. Es decir, el RR=Incidencia en expuestosInciden- cia en no expuestos=PIX+PIX–=a/nX+a/- nX– OR de la enfermedad=Oportuni- dad de enfermar en expuestosOportuni- dad de enfermar en no expuestos=a/bc/- d=a×db×c Tabla 1 Odds ratio de la asociación entre la presencia del papilomavirus humano y el cáncer de cérvix y los dos componentes de esta OR CÁNCER DE CÉRVIX INVASIVO SÍ (CASOS) NO (CONTROLES) HPV+ 1310 202 HPV− 46 1090 Total 1356 1292 OR = = = OR 1310/46 202/1090 28,5 0,185 154 Componentes de la OR Necesidad = 1310/46 = 28,5 Suficiencia = 1090/202 = 5,4 HPV: papilomavirus humano. Datos conjuntos de 11 estudios de casos y controles. Muñoz N et al. N Engl J Med 2003; 348:518-27. OR=1310/46202/1090=28,50,185 =154 http://booksmedicos.org Fundamentos de la práctica médica tiempo de incubación del sida se prolongó unos 3 años con los nuevos tratamientos disponibles a partir de 1995. Los tiempos relativos se estiman mediante los métodos de superviven- cia paramétricos, que son una atractiva alternativa a la regresión de Cox y producen resúmenes mucho más ricos y congruentes con la dinámica de las interacciones biológicas. Por ejemplo, en 2005, Schneider et al. aplicaron métodos paramétricos en lugar de la regresión de Cox, y pudieron demostrar que el tratamiento con la combinación de anti- rretrovirales para el HIV disponible después del año 2000 multiplicó por 10 los tiempos de supervivencia después de diagnóstico de sida, en comparación con los períodos donde no existía ningún fármaco efectivo contra el HIV (antes de 1989). Estudios de casos y controles La fuerza de la asociación estadística entre exposición y enfermedad se estima con la odds ratio (OR) de exposición. Esta OR se calcula de la misma forma que la OR de enfermedad, pero utilizando las oportunidades de exposición en lugar de las de enfermar (v. fig. 1, flecha 2). Como ya se ha indicado, la oportunidad de exposición es la probabilidad de haber estado expuesto con respecto a la probabilidad de no haberlo estado. Si se emplea la notación de la figura 1, la oportunidad de exposición entre los casos es a/c y entre los controles b/d (v. Estudios de casos y controles, en Medidas de frecuencia). Por tanto, la OR de exposición es: = = = × × OR de exposición Oportunidad de exposición en casos Oportunidad de exposición en controles a/c b/d a d b c (7) La OR indica el número de veces que es mayor la oportunidad de expo- sición de los casos en relación con los controles. Si la exposición y la enfermedad no están asociadas, la OR valdrá 1. Cuanto más fuerte sea la asociación (positiva o negativa) entre la enfermedad y la exposición, más alejado de 1 estará el valor de OR. Si se compara la ecuación anterior con la (6), se observa que la OR de enfermedad estimada con un estudio de cohortes (ad/bc) es idéntica a la OR de exposición estimada con un estudio de casos y controles (ad/bc). Es decir, no existe una OR de enfermedad y otra OR de exposición, sino una única OR con el mismo valor si se utilizan las oportunidades de enfermedad o las de exposición. Por tanto, si se desea estimar la OR de enfermedad asociada a una exposición deter- minada, no siempre es necesario realizar un estudio de cohortes, ya que uno de casos y controles puede proporcionar el mismo resultado de forma más rápida. En el estudio antes mencionado de la asociación entre infección del HPV y cáncer de cérvix (v. tabla 1), 1310 de los casos estaban infectados por el HPV y 46 no. Entre los controles, estas cifras eran 202 y 1090, respectivamente. La OR es: = = = OR Oportunidad de exposición en casos Oportunidad de exposición en controles 1310/46 202/1090 154 (8) Es decir, la oportunidad de exposición en los casos es 154 veces la de los controles1. También se deduce que la oportunidad de enfermedad en los expuestos es 154 veces la de los no expuestos. Estudios transversales Para cuantificar la relación entre la exposición y la enfermedad se utiliza la prevalencia relativa (PR), que es el cociente de la prevalencia de la enfermedad en expuestos (PX+) y la prevalencia de enfermedad en los no expuestos (PX−), es decir, PR = PX+/PX−. Permite determi- nar el número de veces en que la prevalencia de la enfermedad es mayor en los individuos expuestos con respecto a los no expuestos. Cuanto más estrecha sea la asociación entre la enfermedad y la expo- sición, más alejado de 1 estará el valor de PR. En estos estudios se usa también la OR. Ofrece la ventaja de que la oportunidad es el parámetro canónico que caracteriza la distribución probabilística del número de casos expuestos en las tablas de contingencia con los márgenes fijos. Este fundamento matemático motivó el desarrollo de la regresión logística, que ha sido un método enormemente útil para la elucidación de las asociaciones entre exposiciones y enfermedades en las ciencias de la salud. Ensayos clínicos En los ensayos clínicos, el efecto del fármaco puede estimarse del mis- mo modo que en los estudios de cohorte (con RR u OR). Una forma alternativa de cuantificar el efecto consiste en calcular el número de casos que es necesario tratar (NNT) para prevenir una defunción (o cualquier otro incidente de salud). Se calcula a partir de la incidencia del evento en los no tratados (IX−) y en los tratados (IX+), o a partir de RR e IX−: ( ) = = ×+ NNT 1 I – I 1 I 1– RRX – X X – (9) Si en un ensayo clínico en el que el evento que se quiere prevenir es la defunción el NNT es, por ejemplo, de 20, esta cifra indica que es necesario tratar a 20 enfermos para evitar una defunción. Tal medida presenta la ventaja de que estima el esfuerzo que debe realizarse para prevenir un evento. La estimación sólo se aplica a una población con un riesgo de enfermar similar al de la población del ensayo clínico. MÉTODOS ANALÍTICOS PARA EVALUAR LA ASOCIACIÓN ■■ CONCEPTOS IMPLICADOS EN LA EVALUACIÓN DE LA ASOCIACIÓN ENTRE EXPOSICIÓN Y ENFERMEDAD Si en un estudio los valores del RR o la OR son muy diferentes de 1, para afirmarque la exposición es un determinante de la enfermedad es necesario evaluar la calidad del estudio, es decir, la precisión y la exactitud. Se evaluará además la existencia de dos fenómenos, llamados confusión e interacción, cuya presencia y descripción inadecuada pueden conducir a inferencias erróneas. Precisión y exactitud En los estudios epidemiológicos se suele comparar una proporción de incidencia, una tasa o una oportunidad entre dos grupos. Así, se compara la tasa de mortalidad de un grupo expuesto con la de otro no expuesto. Para que la diferencia entre las tasas pueda interpretarse como un efecto de la exposición, primero el estudio debe ser preciso (con un error aleatorio reducido) y exacto (es decir, sin sesgos). La precisión depende de la variabilidad biológica (aunque también de la imprecisión de las medidas). Esta es consecuencia de que en los fenómenos biológicos influyen numerosos factores (en su mayoría desconocidos e incontrolables) y se traduce, por ejemplo, en que no todos los fumadores desarrollan un cáncer de pulmón. Es decir, la susceptibilidad a una exposición varía de un individuo a otro, y esta variabilidad debe incluirse en el análisis a través de modelos de la teoría de probabilidades. La variabilidad biológica no puede eliminarse pero debe cuantificarse. Es decir, al concluir que existe una asociación entre la exposición y la enfermedad es necesario estimar la probabilidad de que en la población esta no exista y las diferencias encontradas sean por azar. La estadística permite estimar esta probabilidad. Es posible calcular un valor de p mediante una prueba estadística o un intervalo de confianza del parámetro estimado (p. ej., RR u OR). El valor de p determina la probabilidad de observar diferencias entre expuestos y no expuestos, en el supuesto de que la exposición y la enfermedad no estén asociadas (en términos estadísticos, si la hipótesis nula es cierta). Valores de p bajos (inferiores a 0,05, o el 5%) indican que, si en la población la exposición O R d e e x p o x i c i ó n = O p o r t u n i - dad de exposición en casosOportuni- dad de exposición en controles=a/cb/d=- a×db×c OR=Oportunidad de exposición en casos Oportunidad de exposición en contro- les=1310/46202/1090=154 NNT=1IX––IX+=1IX–×1–RR 1Para simplificar, se está asumiendo que los datos eran independientes, cuando en realidad eran apareados. http://booksmedicos.org Epidemiología no varía el riesgo de enfermar, es poco probable que la magnitud de la diferencia encontrada entre la frecuencia de la enfermedad en expues- tos y no expuestos sea debida al azar. En este caso se concluye que la diferencia es estadísticamente significativa y que existe una asociación estadística entre la exposición y la enfermedad. La prueba estadística idónea para calcular el valor de p depende del tipo de variables que se analizan y de los objetivos del estudio. En un estudio poco preciso, el investigador analiza una muestra y no identifica una asociación estadística entre la exposición y la enfermedad que realmente existe en la población. Por ejemplo, selecciona una muestra de 100 individuos sin la enfermedad de interés, 50 expuestos y 50 no expuestos. Al final del seguimiento, la PI del grupo expuesto es del 20% y la del grupo no expuesto, del 10%. El RR es de 20/10 = 2 (el riesgo en expuestos es doble). ¿En la población el riesgo de los expuestos es mayor que el de los no expuestos o si el riesgo es el mismo y, por azar, en la muestra estudiada es diferente? La respuesta la sugiere la estadística. Para este ejemplo, el valor de p es de 0,16, lo que indica que, si en la población la exposición no está asociada a la enfermedad (RR = 1), la probabilidad de que en una muestra de 100 individuos el riesgo en los expuestos sea, como mínimo, el doble que en los no expuestos es del 16% (p = 0,16). Al ser la p mayor que 5%, no se des- carta que el riesgo tenga el mismo valor en expuestos y no expuestos. Se concluye que no existe asociación estadística entre exposición y enfermedad. Esta conclusión puede ser errónea si el estudio es poco preciso. La precisión aumenta si se selecciona una muestra mayor. Supóngase que se elige de la misma población a 200 expuestos y 200 no expuestos. Al final del seguimiento, la PI del grupo expuesto es del 20% y la del grupo no expuesto del 10%. El RR es de 20/10 = 2, y el valor de p, de 0,005. Se razonará que, si en la población el riesgo es el mismo en los dos grupos, es muy poco probable que, en una muestra de 400 personas, por puro azar se obtenga que el riesgo en expuestos sea, como mínimo, el doble que en los no expuestos. Se rechazará que el riesgo en expuestos y no expuestos coincida y se concluirá que existe una asociación estadística entre la exposición y la enfermedad. En el primer estudio con 100 individuos no se encontró ninguna asociación estadís- tica, al ser el estudio poco preciso, es decir, con poca potencia estadística. Un sesgo es una estimación incorrecta del efecto de una exposición (que puede llegar a identificarse como un factor de riesgo sin serlo) provocada fundamentalmente por un error en el diseño o en la realización del estu- dio. Básicamente, el sesgo se produce porque en la selección o la posterior participación de los individuos en el estudio influye la exposición o la enfermedad estudiada (sesgo de selección) o bien la información se recoge de forma deficiente y se determina de forma incorrecta la exposición o la enfermedad en algunos participantes en el estudio (sesgo de información). Los sesgos aparecen por un diseño o realización inadecuados y, si se detectan posteriormente, ya no pueden corregirse en el momento del análisis. Por tanto, debe tenerse en cuenta al planificar el estudio. Confusión Si se encuentra una asociación estadística entre una exposición y una enfermedad, debe descartarse que esta no esté provocada o distorsio- nada por la intervención de una tercera variable o factor de confusión. Así, si se observa una asociación estadística entre la exposición a un producto químico y el cáncer de pulmón (es decir, el cáncer de pulmón es más frecuente entre los expuestos que entre los no expuestos y esta diferencia es estadísticamente significativa), será preciso descartar que la asociación no se deba simplemente a que los expuestos fuman más que los no expuestos. Para que un tercer factor confunda la relación entre la exposición y la enfermedad, en general debe cumplir dos condiciones. Primero, ha de ser un factor de riesgo de la enfermedad. Segundo, debe distribuirse de forma desigual entre expuestos y no expuestos y no ser producto de la propia exposición. Habitualmente, cualquier factor de riesgo (o de protección) que en la muestra estudiada se distribuya de forma desigual entre expuestos y no expuestos (aunque esta distribución desigual no sea estadísticamente significativa) distorsionará la asociación existente entre la exposición y la enfermedad, para disminuirla o aumentarla. Un ejemplo hipotético de confusión es el que se produciría al estudiar en los homosexuales si el consumo de MDA, una anfetamina, junto con la actividad sexual aumenta la probabilidad de ser seropositivo al HIV. En los análisis iniciales del estudio MACS se observó que los con- sumidores de MDA tenían más probabilidad de estar infectados que los no consumidores; supóngase que el valor de OR era 2,22 (tabla 2, grupo I), lo que indica que la oportunidad de estar infectado es dos veces mayor en los homosexuales que consumen MDA. Supóngase también que los que consumen MDA mantienen relaciones anales con mayor frecuencia que los no consumidores. En este caso, la asociación entre consumo de MDA y la infección por el HIV podría deberse, total o parcialmente, a que la frecuencia de las relaciones anales actúan como un factor de confusión. En otras palabras, los individuos que consumen MDA tendrían un mayor riesgo de contagiarse por el HIV simplemente por ser los que mantienen con más frecuenciaeste tipo de relaciones. Obsérvese que cumpliría las condiciones anteriores: a) la frecuencia de las relaciones anales es un factor de riesgo para la enfermedad (infección por el HIV), es decir, está asociada a la enfer- medad [OR = (79/50)/(63/108) = 2,7], y b) entre los consumidores de MDA existe una proporción más alta de individuos con relaciones anales frecuentes que entre los no consumidores [OR = (117/19)/ (12/152) = 78]. Por tanto, el factor de confusión se distribuye de forma desigual entre expuestos y no expuestos (v. tabla 2). Cuando se analiza la relación entre MDA e infección por el HIV por separado de acuerdo con la frecuencia de relaciones anales (v. tabla 2, grupos II y III), las OR se reducen drásticamente a 1,14 y 1 respectivamente. Es decir, el MDA no es un factor de riesgo cuando se ajusta por la frecuencia de las relaciones (v. Análisis estratificado). La confusión no se debe a la variabilidad biológica ni a un diseño o recogida inadecuados de los datos (sesgo). Es un fenómeno inherente a los datos, independiente del tamaño de la muestra o del diseño del estudio, y con el que se ha de convivir y controlar. Es un problema de los estudios observacionales que hay que tener en cuenta al diseñarlos. En efecto, si en el estudio se incorporan aquellas variables que pueden actuar como factores de confusión, es posible controlar su efecto en el momento del análisis (v. Análisis estratificado y Modelos de regresión). Si alguna variable no se mide, no se podrá verificar si confunde o no la relación entre exposición y enfermedad. Por tanto, en el momento de Tabla 2 Asociación (tablas 2 × 2) entre el consumo de la anfetamina MDA (exposición) y la seropositividad del HIV (enfermedad) en homosexuales, actuando las relaciones anales traumáticas como factor de confusión (datos hipotéticos) GRUPO CONSUMO DE MDA SEROPOSITIVIDAD AL HIV OPORTUNIDAD RELATIVASÍ NO TOTAL I) Global Sí 79 57 136 = =OR 79/57 63/101 2,22 No 63 101 164 II) Con relaciones anales traumáticas Sí 72 45 117 = =OR 72/ 45 7/5 1,14 No 7 5 12 III) Sin relaciones anales traumáticas Sí 7 12 19 = =OR 7/12 56/96 1,00 No 56 96 152 HIV: virus de la inmunodeficiencia humana. OR=79/5763/101=2,22 OR=72/457/5=1,14 OR=7/1256/96=1,00 http://booksmedicos.org Fundamentos de la práctica médica diseñar un estudio, es crucial incorporar todos los factores de riego de la enfermedad estudiada, ya que pueden actuar como factores de confusión. Interacción El fenómeno de la interacción (o modificación de efecto) se produce cuando un factor de riesgo (o un factor pronóstico) actúa de forma diferente según esté presente o no un tercer factor. En este caso, se dice que el tercer factor modifica el efecto de la exposición. Ejemplos de interacción son el tabaco y el asbesto o las aflatoxinas y el virus de la hepatitis B. Las aflatoxinas (factor de riesgo) producen carcinoma hepatocelular, pero este efecto es distinto según la persona tenga o no una infección crónica por el virus de la hepatitis B (tercer factor). En los HBsAg negativos, el riesgo de presentar un cáncer de hígado en las personas expuestas a las aflatoxinas es 1,9 veces mayor que en las no expuestas. Sin embargo, entre los HBsAg positivos este riesgo es 12,5 veces mayor. Por tanto, la infección por el virus de la hepatitis B modifica la asociación entre las aflatoxinas y el cáncer de hígado. La asociación es mucho más fuerte en los HBsAg positivos (RR = 12,5) que entre los HBsAg negativos (RR = 1,9). La existencia de una modi- ficación del efecto implica que no es posible predecir la magnitud del efecto de una exposición para un individuo dado si no se conoce el valor que adopta en él el modificador de efecto. Es decir, para predecir el efecto de las aflatoxinas sobre un determinado individuo se ha de conocer si es HBsAg positivo o negativo. Cuando existe interacción y no se tiene en cuenta, el investigador puede llegar a reportar una fuerte asociación estadística entre una expo- sición y una enfermedad, y esta puede deberse a que la asociación se ha estudiado en una población que posee un tercer factor que interacciona con la exposición. Tal fue el caso de las aflatoxinas, ya que se comunicó una fuerte asociación entre su consumo y el hepatocarcinoma cuando se debía en parte a que la asociación se había medido en poblaciones con una prevalencia alta de hepatitis B. La interacción no es ningún error del estudio. Es un fenómeno natural que se debe identificar y describir. Al analizar los datos de un estudio es necesario determinar si existe alguna variable que modifique el efecto de la exposición estudiada. Evaluación etiológica Un factor de riesgo puede tener diferentes tipos de relación con el riesgo de enfermar. La exposición puede ser, en mayor o menor grado, un factor necesario, suficiente o ambas cosas a la vez. Una exposición es necesaria si a todo cambio en la enfermedad siempre le antecede un cambio en la exposición (pero un cambio en la exposición no provoca forzosamente un cambio en la enfermedad), es suficiente cuando a todo cambio en la exposición le sigue necesariamente un cambio en la enfer- medad, y es necesaria y suficiente si a todo cambio en la exposición le sigue siempre un cambio en la enfermedad y viceversa. Estos conceptos pueden reflejarse en la tabla 2 × 2 de la figura 1. Si la exposición es un factor necesario de la enfermedad, esta sólo aparecerá en presencia de la exposición y el número de enfermos entre los no expuestos será cero (v. fig. 1, c = 0). Si es un factor suficiente, toda persona expuesta desarrollará la enfermedad y no existirá ningún expuesto sin la misma (v. fig. 1, b = 0). Si la exposición es a la vez un factor necesario y suficiente, tanto c como b de la figura 1 valdrán cero. La OR estima la magnitud de la asociación estadística entre una expo- sición y una enfermedad. Esta OR se puede diseccionar (v. fig. 1), en dos términos, uno que cuantifique hasta qué punto la exposición es necesaria para que se desarrolle la enfermedad y otro que cuanti- fique hasta qué punto es suficiente. Tanto en los estudios de cohorte (v. fig. 1, flecha 1) como en los de casos y controles (v. fig. 1, flecha 2), la OR es el producto de la necesidad y la suficiencia de la expo- sición en relación con la enfermedad. Esta descomposición de la OR permite cuantificar la necesidad y la suficiencia de una exposición. Más aun, en los estudios de cohorte, la suficiencia corresponde a la oportuni- dad del valor predictivo positivo (= a/b) y la necesidad corresponde a la oportunidad del valor predictivo negativo (= d/c). En los de casos y controles, la necesidad corresponde a la oportunidad de la sensibilidad (= a/c) y la suficiencia, a la oportunidad de la especificidad (= d/b). Esta disección permite refinar la información proporcionada por la OR. La importancia de realizar esta disección de la OR es evidente al ana- lizar la asociación entre el HPV y el cáncer de cérvix. La magnitud de esta asociación es muy elevada (OR = 154; v. tabla 1). No obstante, cuando se analizan los componentes de la OR, se observa que este valor tan elevado lo proporciona casi exclusivamente el hecho de que el HPV es una causa necesaria para la enfermedad, pero en absoluto suficiente. En la tabla 1 puede observarse que el valor de la necesidad es de 28,5 y el de la suficiencia de sólo 5,4. Además, muy probablemente, los 46 casos en los que no se detectó el HPV fueron falsos negativos y, en realidad, estaban infectados. Así, un reanálisis posterior de las muestras negativas con métodos más sensibles permitió observar que la prevalencia de infección en los casos era del 99,7%. Por tanto, el número de casos no infectados (c de la figura 1) sería cero, y la necesidad (a/c) infinita. El valor elevado de la OR refleja esta elevada ne-cesidad. Así pues, aunque los valores de las casillas c o b de la tabla 2 × 2 sean pequeños, el valor de la OR puede ser elevado, pero los mecanismos de necesidady suficiencia pueden ser muy diferentes, lo que condiciona la implantación de medidas de salud pública. ■■ MÉTODOS DE ANÁLISIS EPIDEMIOLÓGICO Se comentarán tres métodos utilizados para controlar los factores de confusión y para identificar interacciones: dos clásicos, la estratifica- ción y los modelos de regresión, y otro más reciente, los métodos de inferencia causales. Análisis estratificado Estratificar consiste en estudiar la asociación entre la exposición y la enfermedad para cada subgrupo (o estrato) de la población estudiada, definido según los valores de la variable de confusión. Volviendo al ejemplo anterior de la asociación entre consumo de MDA e infección por el HIV, si se sospecha que la frecuencia de las relaciones anales constituyen un factor de confusión, se estudiaría la asociación entre el consumo de MDA y la infección por el HIV en los homosexuales que mantienen frecuentemente este tipo de relaciones y en los que no. Los resultados de esta asociación se presentan en la tabla 2, grupos II y III. En el grupo II se analiza la asociación entre consumo de MDA y la infección por el HIV en individuos con relaciones anales frecuentes. La OR es prácticamente de 1, lo que indica que consumir MDA no aumenta la oportunidad de ser seropositivo al HIV en los homose- xuales con relaciones anales frecuentes. En la tabla 2, grupo III, se ha realizado el mismo análisis, pero para homosexuales sin frecuentes relaciones anales. El valor de OR es de 1, lo que indica que el hecho de ser seropositivo al HIV también es independiente del consumo de MDA en este grupo. Es decir, al analizar la asociación entre consu- mir MDA y ser portador de HIV en toda la población de homosexuales se observa que las personas que consumen anfetaminas tienen más riesgo de seropositividad (OR = 2,22; tabla 2, grupo I). Sin embargo, esta asociación desaparece después de realizar el control por el factor de confusión (frecuencia de las relaciones anales). Los valores de OR de los grupos II y III representan el efecto nulo del consumo de MDA en la infección por el HIV, que se hace evidente al eliminar con el análisis estratificado el efecto de la frecuencia de relaciones sexuales. El análisis estratificado también permite evaluar si existe interacción, es decir, si una tercera variable modifica el efecto de la exposición. Se concluye que esta existe si las OR calculadas en cada uno de los estratos definidos por los valores del tercer factor son diferentes (existen pruebas estadísticas para evaluar si son o no diferentes). En el ejemplo anterior, si la OR en el grupo II de la tabla 2 hubiera sido, por ejemplo, de 5, y en el grupo III, de 1, indicaría que el efecto del consumo de MDA es diferente según la frecuencia de las relaciones. Existiría una interacción entre el consumo de MDA y la frecuencia de las relaciones anales o, en otras palabras, estas relaciones modificarían el efecto del consumo de MDA: los homosexuales que consumieran MDA tendrían una oportunidad de infección cinco veces superior con respecto a los que no lo hicieran, pero sólo si mantuvieran frecuentemente relaciones anales (OR = 5). Si estas relaciones fuesen poco frecuentes, el consumo de MDA no tendría efecto alguno sobre el riesgo de infección (OR = 1). Si al realizarse el análisis estratificado se concluye que no existe inter- acción (las OR de los diferentes estratos son similares), el denominado http://booksmedicos.org Prevención en la práctica médica método de Mantel-Haenszel permite calcular una OR global que está ajustada por la variable de confusión. Esta medida global es un tipo de promedio (un promedio ponderado) de las OR de cada estrato y, por tanto, su cálculo sólo tiene sentido si las OR de los diferentes estratos son homogéneas (ausencia de interacción). Para el ejemplo de la tabla 2, la OR de Mantel-Haenszel es de 1,05, que es una media ponderada de 1,14 y 1. La estratificación es muy útil para estimar el efecto de la exposición cuando existe únicamente una variable de confusión. Si existen varias, la estimación del efecto debe realizarse con los métodos de regresión. Modelos de regresión Permiten establecer la influencia de cada una de las exposiciones estudiadas (variables independientes) sobre la variable de interés, habi- tualmente la enfermedad (variable dependiente), ajustada por el efecto de varias variables de confusión (en el mismo sentido por el que en el apartado anterior se estudió el efecto del consumo de MDA sobre el riesgo de infección por el HIV, ajustado por el efecto de la frecuencia de las relaciones anales). Por ejemplo, en el estudio de cohortes de Framingham se quería determinar la magnitud de la asociación entre los niveles de colesterol y enfermedad coronaria. Sin embargo, exis- tían otros factores de riesgo que tal vez actuarían como factores de confusión, por su posible asociación con niveles elevados de colesterol (la exposición): edad, hipertensión arterial, obesidad, concentración de hemoglobina, consumo de tabaco y signos de hipertrofia ventricular izquierda en el ECG. Para estimar el efecto de los niveles de colesterol sobre el riesgo de enfermedad coronaria ajustado por estos seis posibles factores de confusión, se utilizó un modelo de regresión logística. Los métodos de regresión permiten estimar el efecto de cada una de las variables citadas, ajustado por el efecto de las demás. En otras palabras, hacen posible valorar el efecto independiente de cada una de las variables sobre el riesgo de presentar enfermedad coronaria. En el ejemplo citado, esta regresión también permitió cuantificar el efecto de la hipertensión arterial sobre el riesgo de presentar una enfermedad coronaria, ajustado por el efecto de los niveles de colesterol y de las restantes variables. Existen diversos tipos de regresión, que se elegirán según el tipo de variable de interés que se desee estimar (o variable dependiente). Métodos causales El gran desafío en los estudios observacionales es tratar de hacer una mímica de un ensayo clínico de tal forma que grupos expuestos y no expuestos a un factor de interés sean comparables en todo, excepto en lo relativo al factor de interés. Esto se consigue en los ensayos clínicos a través de la asignación aleatoria a la exposición (tratamiento) de interés. Para estudios observacionales, se han desarrollado técnicas para aparear por la propensidad de recibir la exposición de interés, la cual, además, sirve para ponderar los eventos de acuerdo al inverso de la propensidad y así crear poblaciones potenciales que sean comparables. Estos métodos (p. ej., métodos estructurales marginales y método de estimación G) son más complejos que la estratificación y la regresión, pero ofrecen una mayor garantía de comparabilidad y así pueden elevar las inferencias de simplemente asociaciones a causalidad. El lector inte- resado puede consultar el libro de Hernan y Robins Causal inference. CONCLUSIÓN Se han presentado los conceptos y los métodos básicos de la epide- miología. Los estudios epidemiológicos contrastan hipótesis específi- cas con respecto a la asociación entre exposición y enfermedad. Los métodos estadísticos utilizados resumen los datos obtenidos a través de los estimadores que miden la frecuencia relativa de la enfermedad entre expuestos y no expuestos y permiten establecer si existe una asociación estadística entre la exposición y la enfermedad. Debe des- cartarse que esta asociación estadística y su magnitud puedan deberse a la presencia de algún sesgo, algún factor de confusión o alguna interacción. El análisis estratificado permite evaluar la presencia de confusión o interacción. Los modelos de regresión hacen posible determinar el efecto simultáneo e independiente de varios factores de riesgo o exposiciones que determinan la aparición de la enfermedad en la población. Los métodos causales permiten determinar el efecto causal de una exposición de interés. El método epidemiológico ha permitidoampliar la comprensión de la enfermedad y proponer acciones concretas para mejorar el estado de salud, tanto individual como de la comunidad. Sin pretender ser exhaustivos, ha desempeñado un papel clave en el conocimiento y la prevención de enfermedades como el cáncer de pulmón, la bronquitis crónica, la infección por el HIV, el síndrome de Reye, las coronariopa- tías, el síndrome del aceite tóxico o las epidemias de asma de Barcelona por polvo de soja. La gran ventaja del método epidemiológico es que permite proponer medidas preventivas sin necesidad de caracterizar exhaustivamente la fisiopatología subyacente. http://booksmedicos.org Botón1:
Compartir