Mediciones y observaciones
clínicas y epidemiológicas
Preparado por:
Dr. Juan José García García
• “La meta fundamental que debe perseguir
un estudio epidemiológico (y clínico) es la
agudeza en la medición: estimar con poco
error el valor del parámetro que es objeto
de la medida.”
 Rothman
K. Epidemiología moderna
Medición: Concepto
• Es la calificación o cuantificación de una
variable.
• Es la asignación de números o valores a las
observaciones, de modo que estos sean
susceptibles de análisis de acuerdo con ciertas
reglas.
Calidad de la medición
Hay dos características fundamentales que
debe tener toda medición:
• Validez
• Confiabilidad
Conceptos
• Validez
• Grado en el que una medición o estudio alcanza una conclusión
correcta. Medir lo que se quiere medir
• Validez interna
• Grado en el que los resultados de una investigación reflejan con
precisión la situación verdadera de la población en estudio
• Validez externa
• Grado en el que es posible aplicar los resultados de un estudio a
otras poblaciones. Generalización.
• Al atributo que permite obtener igual medición,
respuesta o interpretación cuando el mismo
fenómeno es evaluado en condiciones similares
por un segundo observador, o por la misma
persona, se le denomina concordancia,
repetibilidad,
precisión,
reproducibilidad,
confiabilidad, o consistencia.
Tipos de error en la medición:
• Aleatorio
• Sistemático
Error aleatorio o falta de precisión
• Debido
a variaciones producidas por azar, las
características de las personas en una muestra concreta
son diferentes a las de otras en la población de la cual
fueron tomadas.
• La variación aleatoria tiene tanta probabilidad de resultar
en observaciones por encima del valor real como por
debajo. Como consecuencia, la media de observaciones
no sesgadas proveniente de muchas muestras, tiende a
corresponder con el verdadero valor en la población, aun
cuando los resultados de pequeñas muestras
individuales no lo hagan.
• La magnitud del error de muestreo se
estima a través del valor del error
estándar.
• La principal manera de aumentar la
precisión de una estimación, es, entonces,
con un mayor tamaño muestral.
• Una decisión clave es la obtención de una
buena precisión frente al costo de una
muestra que puede ser grande.
• Por tanto, otro aspecto a considerar con
•
respecto a la precisión es la eficiencia del
estudio.
Esta puede ser juzgada según la relación del
contenido total de la información deseada con el
número total de sujetos requeridos o
estudiados, o según contenido de dicha
información con el costo de adquirirla.
Procedimientos de recolección
(medición) de información:
• Métodos
– Censos
– Encuestas
– Sistemas de registro
• Técnicas
–
–
–
–
Entrevista
Cuestionarios o formularios
Observación
Mediciones instrumentales
• Por ejem.: peso, talla, tensión arterial, temperatura,
condiciones bioquímicas, imagenología
Fuentes potenciales de variabilidad en
las mediciones
• Características del individuo
– Cambios relacionados con edad, sexo, alimentación, ejercicio...
– Variación diurna: ritmos circadianos
– Disposición a colaborar, tendencia a mentir
• Características de las mediciones
– Calibración deficiente del aparato, reactivos en mal estado...
– Falta de precisión inherente al instrumento
– Preguntas mal formuladas en un cuestionario
• Características del observador
– Lectura o registro erróneo: experiencia, disposición, cansancio,
problemas de agudeza visual o auditiva
Formas de reducir la variabilidad en
las mediciones. Ejemplos
• Características de los sujetos:
– Condiciones uniformes al realizarlas:
• Ayuno
• Posición corporal
• Descubrir la región o segmento corporal por
explorar
– Solicitar su cooperación y máxima veracidad
en las respuestas
– Garantizar confidencialidad de la información
proporcionada
• Características de los instrumentos:
– Calibración con la frecuencia determinada por
el fabricante
– Mantenimiento
del
equipo.
Cuidado,
conservación, limpieza, reparación
– Definiciones claras y precisas acerca de la
presencia de enfermedad o exposición
– Validación de cuestionarios
• Características de los observadores:
– Estandarización u homologación de la forma
en que se ha de llevar a cabo la medición.
– Cegamiento respecto a la identidad del
entrevistado en términos del grupo al que
pertenece, ya sea de enfermos, sanos,
expuestos o no expuestos.
– Motivación respecto a la relevancia de su
participación
– Corrección de problemas de agudeza visual o
auditiva
Sesgo o falta de validez
• Un sesgo es un error sistemático en un estudio
que conduce a una distorsión de los resultados.
Corresponde a una medición en una misma
dirección, fuera del valor real.
• No se reduce con un mayor tamaño de muestra.
Tipos de sesgo
• De selección
• De información
• De confusión
Sesgo de selección
Ocurre cuando se realiza una comparación entre
grupos que no son similares en sus
características, diferentes de las variables
estudiadas que influyen sobre el resultado.
Puede ser resultado por ejemplo: de patrones
diferenciales de búsqueda, acceso o referencia al
sistema de atención médica; puede ser producto
de la pérdida de sujetos durante el seguimiento.
Sesgo de medición o información
Aparece cuando la medición de las variables se
realiza de una forma que es sistemáticamente
diferente entre los grupos que se comparan.
Entre los errores más frecuentes de este tipo se
encuentran aquellos introducidos por el
observador, por el observado, y los generados
por los instrumentos empleados.
• Un sesgo de información implica un
problema de clasificar erróneamente a los
sujetos estudiados en cuanto a si se
encuentran o no expuestos a un factor de
riesgo que se analiza, y/o en cuanto a si
presentan o no un determinado efecto.
• Este error puede ser diferencial o no
diferencial.
• Un error de clasificación diferencial es más
grave, en términos de que no puede
predecirse el resultado de su presencia,
pues puede exagerar u ocultar una
relación entre la exposición estudiada y el
efecto, en tanto que un error de
clasificación no diferencial siempre tenderá
a minimizar la posible asociación existente
ente ambos eventos.
Sesgo de confusión
• La confusión se refiere a la mezcla del efecto de una
variable externa con los de la exposición y la
enfermedad que interesa
• Para que una variable se considere un potencial confusor
debe reunir dos condiciones:
– Que se relacione con la enfermedad de interés en
ausencia de exposición al factor analizado
– Que se relacione con la exposición, pero no como un
resultado de esta
Circunstancias en que ocurre un
sesgo de confusión
E
E
E
D
D
D
F
F
F
a
b
c
En los diagramas (a) y (b) la exposición E se relaciona, sin que sea su causa,
con la variable ajena F o Confusor, y esta a su vez condiciona, aún en los no
expuestos, el desenlace D, o se asocia de manera no causal con este,
diagrama (c)
Control de factores de confusión
durante el diseño: Pareamiento
• Ventajas
• Puede eliminar las influencias
de los factores de confusión
constitucionales
• Puede eliminar las influencias
de factores difíciles de medir
• Puede incrementar la precisión
al equilibrar el número de
casos y controles en cada uno
de los estratos
• Puede facilitar la selección de
los controles
• Inconvenientes
• Puede ser lento, caro y menos
•
•
•
•
eficiente que incrementar el
número de individuos
Puede tener efectos adversos
sobre la fase de análisis
Debe definirse cuáles variables
son predictoras y cuáles de
confusión
No puede evaluarse el papel
de las variables como
predictoras
Requiere un análisis pareado
Control de factores de confusión
durante el diseño: Restricción
Ventajas
• Delimita a los
individuos de la
muestra en relación
con la pregunta que
se investiga
Inconvenientes
• Limita la
generalización
• Puede ser difícil
obtener un tamaño
muestral apropiado
Control de factores de confusión
durante el análisis: Estratificación
Ventajas
• Flexible o reversible; se
pueden elegir las variables
según las cuales se va a
estratificar
Inconvenientes
• El número de estratos está
limitado por el tamaño de la
muestra necesario para cada
uno de ellos
• Se pueden considerar pocas
covariables
• La existencia de pocos estratos
por cada covariable hace que
el control de los factores de
confusión sea menos completo
• Deben haberse medido antes
las covariables
Control de factores de confusión
durante el análisis: Ajuste estadístico
Ventajas
• Pueden controlarse
simultáneamente
múltiples factores de
confusión
• Puede utilizarse toda la
información obtenida con
las variables continuas
• Es tan flexible y
reversible como la
estratificación
Inconvenientes
• El modelo puede no ser
adecuado:
– Control incompleto de los
factores de confusión
– Estimaciones inexactas de
la fuerza del efecto
• Los resultados son
•
difíciles de comprender
Deben medirse
previamente las
covariables relevantes
Descargar

Control de factores de confusión durante el diseño: Pareamiento