Cuan Vlidos Son Los

Hallazgos De un Estudio?
Evaluacin de Sesgos
y
confundidores
 OBJETIVOS DE LA CLASE

Definir situaciones que pueden llevar a

conclusiones errneas en los estudios de
investigacin Clnica.

Identificar los sesgos ms comunes y discutir

las propiedades de los factores confundidores.

Mencionar las estrategias de control o ajuste en

el diseo del protocolo y en el anlisis del
estudio

.
 ESTUDIOS DE INVESTIGACION

Universo real

Universo Teorico Todos los

Poblacin con HTA hipertensos
del hospital

Seleccin
de la
Poblacin del muestra
Estudio
Inferencia Recoleccin de informacin
 Las poblaciones estn formadas por individuos, pero sera
mejor denominarlas unidades de muestreo o unidades de
estudio: Personas, clulas, familias, hospitales, pases

La poblacin ideal que se pretende estudiar se

denomina poblacin objetivo.
No es fcil estudiarla por completo. Aproximamos
mediante muestras que den idealmente la misma
probabilidad a cada individuo de ser elegido.
Tampoco es fcil elegir muestras de la poblacin
objetivo:
Si llamamos por telfono excluimos a los que no tienen.
Si elegimos individuos en la calle, olvidamos los que estn
trabajando...

El grupo que en realidad podemos estudiar (Ej. los que

tienen telfono) se denomina poblacin de estudio.
 Fuentes de sesgo
Las poblaciones objetivo y de estudio pueden diferir en
cuanto a las variables que estudiamos.
El nivel econmico en la poblacin de estudio es mayor
que en la objetivo,...
Los individuos que se eligen en la calle pueden ser de
mayor edad (mayor frecuencia de jubilados p.ej.)
En este caso, diremos que las muestras que se elijan estarn
sesgadas. Al tipo de sesgo debido a diferencias sistemticas entre
poblacin objetivo y poblacin de estudio se denomina sesgo de
seleccin.

Hay otras fuentes de error/sesgo

No respuesta a encuestas embarazosas
Consumo de drogas, violencia domstica, prcticas poco
ticas,
Mentir en las preguntas delicadas.
 Tcnicas de muestreo
Cuando elegimos individuo de una poblacin de
estudio para formar muestras podemos encontrarnos
en las siguientes situaciones:

Muestreos probabilsticos: aleatorio simple, sistemtico,

estratificado y por grupos
Conocemos la probabilidad de que un individuo sea elegido
para la muestra.

Muestreos no probabilsticos
No se conoce la probabilidad.
Son muestreos que seguramente esconden sesgos.
En principio no se pueden extrapolar los resultados a la
poblacin.
A pesar de ello una buena parte de los estudios que se publican lo
usan
 Muestreo aleatorio simple (m.a.s.)
Se eligen individuos de la poblacin de estudio, de
manera que todos tienen la misma probabilidad de
aparecer, hasta alcanzar el tamao muestral
deseado.

Se puede realizar partiendo de listas de individuos

de la poblacin, y eligiendo individuos
aleatoriamente con un ordenador.

Normalmente su aplicacin tiene un costo bastante

alto.
 Muestreo sistemtico
Se tiene una lista de los individuos de la poblacin
de estudio. Si queremos una muestra de un tamao
dado, elegimos individuos igualmente espaciados
de la lista, donde el primero ha sido elegido al azar.

CUIDADO: Si en la lista existen periodicidades,

obtendremos una muestra sesgada.

Un caso real: Se eligi una de cada cinco casas para un

estudio de salud pblica en una ciudad donde las casas se
distribuyen en manzanas de cinco casas. Salieron con mucha
frecuencia las de las esquinas, que reciben ms sol, estn
mejor ventiladas,
 Muestreo estratificado
Se aplica cuando sabemos que hay ciertos factores
(variables, subpoblaciones o estratos) que pueden
influir en el estudio y queremos asegurarnos de
tener cierta cantidad mnima de individuos de cada
tipo:
Hombres y mujeres,
Jovenes, adultos y ancianos

Se realiza entonces una m.a.s. de los individuos de

cada uno de los estratos.

Al extrapolar los resultados a la poblacin hay que

tener en cuenta el tamao relativo del estrato con
respecto al total de la poblacin.
 Muestreo por grupos o conglomerados
Se aplica cuando es difcil tener una lista de todos los
individuos que forman parte de la poblacin de estudio, pero
sin embargo sabemos que se encuentran agrupados
naturalmente en grupos.

Se realiza eligiendo varios de esos grupos al azar, y ya

elegidos algunos podemos estudiar a todos los individuos de
los grupos elegidos o bien seguir aplicando dentro de ellos
ms muestreos por grupos, por estratos, aleatorios simples,

Para conocer la opinin de los mdicos del sistema nacional de

salud, podemos elegir a varias provincias, dentro de ellas varias
departamentos, y dentro de ellos varios centros de salud, y

Al igual que en el muestreo estratificado, al extrapolar los

resultados a la poblacin hay que tener en cuenta el tamao
relativo de unos grupos con respecto a otros.
Provinciascon diferente poblacin pueden tener probabilidades
diferentes de ser elegidas, hospitales grandes frente a pequeos,
 Causalidad en Epidemiologa
Busca la asociacin entre una exposicin
y su efecto.
Es una relacin entre variables.
La relacin causal no es determinante,
pero los expuestos tienen mayor
probabilidad de desarrollar el efecto.
A la exposicin se le llama factor de
riesgo.
 Criterios de causalidad
(Bradford Hill)

Fuerza de asociacin: es la relacin de la

frecuencia de aparicin de enfermedad en
los individuos expuestos a un factor de
riesgo, en relacin a los que no lo estn.
 Criterios de causalidad
(Bradford Hill)

Secuencia temporal: La causa debe ser

anterior al efecto.
 Criterios de causalidad
(Bradford Hill)

Efecto dosis-respuesta: En general

cuanto mayor es la dosis (causa),
mayor es el efecto.
 Criterios de causalidad
(Bradford Hill)
Consistencia: valora la constancia y
reproductividad de la relacin causa-
efecto.
Coherencia con los conocimientos
cientficos del momento.
Especificidad de la observacin.
Evidencia experimental.
Existen 3 fuentes comunes de error en la
interpretacin de la asociacin entre una exposicin
y un evento de inters:

1. Chance (error aleatorio)

2. Sesgo (error sistemtico)

3. Confundidores (nos hacen pensar que una

exposicin es la causa de un evento)

Validez interna y externa

 En la PRCTICA:

1. Fuerza de asociacin importante

2. Secuencia temporal correcta

3. Asociacin no es artificial (sesgos)

4. Asociacin estadsticamente signif.

CRITERIO DE INDEPENDENCIA
 Errores comunes en trabajos de
investigacin
Tipo I:
Concluye que hay diferencias cuando no las
hay

Tipo II:
Concluye que no hay diferencias cuando las
hay
 Tipos de Errores
Error por azar (Random error):

Variabilidad de las mediciones o estimaciones

debidas completamente al azar

Fuentes de variabilidad desconocidas

La distorsin producida no tiene direccionalidad

Tolerancia de este error: lmite definido

estadsticamente (p.ej. el famoso 0.05).
 Tipos de Errores
Error Sistemtico
(sesgo o bias):

Distorsin de los resultados en una direccin definida

Las fuentes de variabilidad en gral. son identificables

y predecibles

Fallas de diseo o anlisis

 Error aleatorio
Cmo se controla:
Mejorando la eficiencia del diseo
Correcto muestreo
Aumentando el tamao muestral
 Tipos de sesgo

Seleccin Observacin o Informacin +/-Confundidores

Ocurre durante el proceso Diferencias en las mediciones

de seleccin de los participantes (exposicin, resultado, confundidores)
del estudio en los pacientes seleccionados
Poblaciones en estudio
 Sesgo de Derivacin

si los individuos incluidos en un estudio de

investigacin provienen de una poblacin de
un centro de derivacin es posible que sean
pacientes ms graves o con mayor
prevalencia de la enfermedad en estudio
que si fueran personas seleccionadas de la
poblacin general.
 Errores Sistemticos
Sesgo de seleccin:
Error en la seleccin de los sujetos que participan en un
estudio.

Estudios retrospectivos:
seleccin del grupo control (Ej. caf y cncer de pncreas).

Estudios de cohortes: Prdida de seguimiento diferente en los

grupos puede seleccionar grupos no comparables.

Estudios Corte transversal: Incidencia - Prevalencia, no-

respuesta, poblacin muy sana o muy enferma (en estudios
diagnsticos) etc.
Errores Sistemticos
Sesgo de informacin:
Luego de haber identificado a los sujetos a comparar, debe
obtenerse la informacin a ser evaluada.

Diferencias sistemticas en la recoleccin de la informacin

sobre la exposicin o el evento en estudio. (Sesgo de mala
clasificacin)
Ejemplos:

(Revisin de historias clnicas, Sesgo de informacin

diferencial como el recuerdo selectivo (recall bias), no
diferencial (cuestionario ambiguo que tiende al efecto nulo),
sesgo del entrevistador, sesgo de identificacin o vigilancia,
etc.)
 Sesgo de Informacin

Errores al obtener la informacin deseada. Se obtiene

informacin no comparable de los distintos grupos.

Recoleccin de informacin diferente por parte del

investigador (sesgo de entrevistador)

Sujetos reportan eventos o exposiciones de manera no

comparable (sesgo de recuerdo)

Sesgo de estudio o desempeo (Work-up o perfomance

bias)

Sesgo de Vigilancia (en estudios de seguimiento)

Estos tipos de errores no pueden ser
corregidos estadisticamente

deben ser previstos en la etapa de

diseo del estudio
Factores confundidores
 Definicin Conceptual: Factor Confundidor

Mezcla del efecto de la exposicin en estudio sobre un

evento o resultado de inters, con la de un tercer factor no
contemplado

Este tercer factor debe estar asociado con la exposicin en la

poblacin seleccionada e, independientemente de esta
asociacin, debe ser un factor de riesgo asociado al evento.

Exp (Caf) ? Evento (EC)

FC (TBQ)

FC: factor confundidor

 TBQ ? Evento (EC)

Hipercolesterolemia
.
Ejemplo:

Es la hipercolesterolemia un potencial confundidor de la

relacin entre tabaquismo y enfermedad coronaria?

La hipercolesterolemia no est asociada al tabaquismo

aunque si al riesgo de enfermedad coronaria por lo que no
es un confundidor
Por lo tanto, para que una variable pueda ser
considerada como confundidora:

1. debe estar asociada con la exposicin en la

muestra en estudio

2. Debe estar distribuida en forma desigual entre los

grupos

e independientemente...

3. debe estar asociada (Factor de Riesgo) con el

evento
 Definicin emprica

Se compara la estimacin cruda del efecto entre

la exposicin en estudio y el resultado de inters,
con la estimacin ajustada por ese confundidor
potencial.

Se puede inferir la presencia de un confundidor

cuando la medida de efecto ajustada por ese
tercer factor difiere de la estimacin cruda por lo
menos 10 20%.
Existe asociacin entre el uso
de anteojos y la incidencia de
eventos coronarios?
Ejemplo 1.
Estudio de cohortes sobre enfermedad coronaria y uso de
anteojos)

EC NO EC Total

ANTEOJOS 34 166 200

NO ANTEOJOS 16 184 200

Total 50 350 400

RR = a/ a+b : c/c+d RR = 2,12 que significa?

Estudio de cohortes sobre enfermedad coronaria y uso de
anteojos), estratificado por edad
40 a 65 aos > 65 aos

EC NO EC Total EC NO EC Total

ANTEOJOS 2 38 40 ANTEOJOS 32 128 160

NO 8 152 160 NO 8 32 40
ANTEOJOS ANTEOJOS

Total 10 190 200 Total 40 160 200

RR = 1 RR =1
La edad es un confundidor de la asociacin entre uso de anteojos y
enfermedad coronaria
Cun grande debe ser la diferencia entre la medida de efecto
cruda y ajustada para hablar de presencia de confundidor?

10%
depende del juicio del observador
20%

Magnitud y direccin del efecto confundidor

La magnitud y la direccin del efecto del potencial
confundidor tiene que ver con la magnitud de la asociacin
especfica entre la exposicin y el confundidor y entre este y
el evento.
La presencia de un factor confundidor sobre la relacin
entre exposicin y evento puede:

Subestimar la verdadera asociacin (Confundidor

negativo)

Sobreestimar la verdadera asociacin (Confundidor

positivo)

Cambiar la direccin de la asociacin

Por lo tanto:

En el diseo de un protocolo de estudio, el proceso de

seleccin y la definicin de las variables a ser
consideradas debe contemplar a todos los potenciales
confundidores de la asociacin que se quiere estudiar.

Es imposible controlar en el anlisis los efectos de una

variable que no se incluy en el diseo.

Lamentablemente, a veces esto no se sabe a priori.

Mtodos para controlar el efecto de potenciales
factores confundidores

A . En el diseo del estudio

Aleatorizacin
Restriccin
Apareamiento (ojo con overmatching!)

B En el anlisis
Estandardizacin (directa e indirecta)
Estratificacin: Estimacin de medidas sumarias
Anlisis Multivariable
Limitaciones de la estratificacin

El mayor problema de la estratificacin es la limitacin

que tiene el mtodo para controlar por ms de uno o a
lo sumo dos confundidores potenciales (a menos que el
tamao muestral sea muy grande).

Imaginemos que queremos evaluar la asociacin entre

una exposicin y un evento..
Niveles de homocistena e incidencia de IAM en una
poblacin de 1000 pacientes seguidos 10 aos.

Homocistena baja = 200 pacientes

Homocistena normal = 800 pacientes

Ajustando por potenciales confundidores

Edad = 3 categoras
Sexo = 2 categoras
Nivel de colesterol = quintilos
HTA = 3 categoras
Tabaquismo = 3 categoras
Sedentarismo = 2 categoras

Hasta aqu = 540 estratos!!

La mayora de las celdas en cada tabla quedar vaca y

la mayora de ellas tampoco brindar informacin til.
VALIDEZ INTERNA:

El diseo del estudio no tiene sesgos

La metodologa y el anlisis son apropiados
Los resultados estn claramente reportados
Las conclusiones son coherentes con el objetivo y la
metodologa del estudio

VALIDEZ EXTERNA
Los resultados obtenidos son aplicables a otra poblacin
Controlando el sesgo de seleccin y confundidores
Mtodo Descripcin Fase del estudio
Diseo Anlisis
Randomizacin Igual chance de cada paciente para +
ingresar a cada grupo
Restriccin Limitar el rango de caractersticas +
de los pacientes del estudio
Apareamiento Por cada paciente en un grupo, +
seleccionar uno a ms con las
mismas caractersticas (excepto la
que est en estudio)
Estratificacin Comparar tasas dentro de +
subgrupos (estratos) con similares
caractersticas
Ajuste Ajuste matemtico de tasas crudas
Simple para dar igual peso a estratos de
riesgo similar (estandarizacin)
Mltiple Ajustar por diferencias en muchas +
variables relacionadas al resultado
Mejor/Peor Describir cuan diferentes seran los +
Escenario resultados en las condiciones ms
extremas (e improbables)
 Sesgos en estudios
observacionales
Sesgo Cohortes CyC Transversal Ecolgico

Seleccin Baja Alta Media NA

Memoria Baja Alta Alta NA

Confusin Baja Media Media Alta

Prdidas Alta Baja NA NA

Seguimiento
Tiempo Elevado Medio Medio Bajo
necesario
Costo Alto Medio Medio Bajo

NA: No aplicable
 Son los grupos de comparacin
similares en todos los aspectos
importantes, excepto en el que quiero
comparar?