Tema 7 Errores PDF

24/10/2024 Salud Pública (1729) Grado en Ciencia y Tecnología de los Alimentos Tema 7.1 Validez y precisión. Errores y sesgos Eva Morales [email protected] 1 Validez de u...

24/10/2024 Salud Pública (1729) Grado en Ciencia y Tecnología de los Alimentos Tema 7.1 Validez y precisión. Errores y sesgos Eva Morales [email protected] 1 Validez de un estudio Validez interna Validez externa o generalización 2 1  24/10/2024 Validez interna (“validez”) Grado en el que los resultados de un estudio son correctos para los sujetos estudiados Condiciones: - ausencia de errores sistemáticos (sesgos) - minimización de errores aleatorios (variabilidad biológica de las medidas) 3 Validez externa (generalización) La capacidad de extrapolación o traslación de los resultados del estudio a una población más extensa que la estudiada o a un nivel más abstracto de conocimiento científico Condiciones: - representatividad estadística - alta validez interna +++ 4 2  24/10/2024 Tipos de errores Errores aleatorios Errores sistemáticos (sesgos) 5 Ejemplo Una persona que se nota febril…...se toma 5 veces seguidas la temperatura con un termómetro digital y obtiene los siguientes valores: 37,8ºC 38,0ºC 37,6ºC 37,5ºC 38,1ºC..se toma 5 veces seguidas la temperatura con un viejo termómetro de mercurio y obtiene los valores: 39ºC 38,8ºC 38,9ºC 39,2ºC 39,1ºC 6 3  24/10/2024 digital Hg. 39º Temp. media Temp. media 38º 37º 7 Error aleatorio (azar) Diferencia debida al azar entre la estimación obtenida en el estudio y el parámetro que se pretende estudiar Variabilidad debida al muestreo, proceso de medición, o de causa biologica (ej: Tª) Imprecisión de medida= dispersión aleatoria Mayor tamaño muestral → mayor precisión 8 4  24/10/2024 Error sistemático (sesgo) Desviación sistemática y no debida al azar de la medida o de los resultados de un estudio Mayor tamaño muestral → igual sesgo 9 Precisión/repetibilidad/fiabilidad Grado en que una variable tiene casi el mismo valor cuando se mide repetidamente Grado de ausencia de errores aleatorios [reliability, reproducibility] 10 5  24/10/2024 Validez/exactitud Grado en que una variable representa realmente lo que se supone que debe representar Grado de ausencia de error sistemático o de sesgo [validity, accuracy] 11 Relación entre el error sistemático y el error aleatorio con el tamaño del estudio Error aleatorio Error sistemático Error (sesgo) Tamaño del estudio 12 6  24/10/2024 Ante un estudio nos tenemos que preguntar: 1) ¿Son correctos los resultados? 2) ¿Pueden ser atribuidos al azar? 3) ¿Son aplicables a otros contextos? 13 Sesgo Cualquier hecho que haga que los resultados de un estudio se desvían o aparten de la realidad [bias] 14 7  24/10/2024 Siempre potencialmente presente Es necesario preverlo, anticiparlo Es necesario controlarlo Sesgo = distorsión sistemática Azar = distorsión aleatoria 15 Clasificación de los sesgos Sesgos de selección: Distorsión del efecto debida a los procedimientos usados para seleccionar a los sujetos del estudio → los resultados obtenidos se pueden explicar por cómo se seleccionaron los sujetos Sesgos de información: Distorsión del efecto debido a los procedimientos usados para obtener la información y clasificar a los sujetos (exposición y evento) → los resultados obtenidos se pueden explicar por cómo se clasifica a los sujetos (“sesgo de mala clasificación”) 16 8  24/10/2024 Sesgo de selección Población de referencia Enfermos Sanos Expuestos Expuestos Enfermos Sanos No expuestos No expuestos La muestra no representa a la población diana Muestra del estudio Fuente: Szklo y Nieto 2000 17 Sesgos de selección autoselección no respuesta Población de referencia Berkson Enfermos Expuestos Sanos Expuestos Neymann trabajador sano Enfermos No expuestos Sanos No expuestos La muestra no representa a la población diana Muestra del estudio 18 9  24/10/2024 Sesgos de selección en la formación de la base del estudio mala definición de la población de estudio problemas en obtención de la muestra uso inapropiado de pruebas diagnósticas - sesgos en la selección de controles en estudios de casos y controles Por alteraciones en la recogida de información pérdidas durante el seguimiento la ausencia de información condiciona la no inclusión en el análisis 19 sesgo de autoselección Smoky Atomic Test Seguidos (76%) (14%) 4 casos Contactan espontáneamente (62%) Seguidos por los investigadores No seguidos 4 casos (24%) ?? casos Fuente: Rothman 1998 20 10  24/10/2024 sesgo de no respuesta ¿Son diferentes los participantes de los no participantes? ¿La no participación está relacionada con la exposición o con el desenlace estudiado? Ej.: Encuesta de consumo de tabaco en médicos de un hospital prevalencia “anormalmente” baja ¿hubo una mayor no respuesta entre los fumadores? 21 sesgo de Berkson En muestras hospitalarias puede observarse una asociación espuria entre dos factores que influyen en la probabilidad de asociación. Descrito en 1946 (“falacia de Berkson”): asociación inversa entre TBC y cáncer de pulmón casos: pacientes con cáncer controles: otros pacientes ingresados Explicación: la probabilidad de estar ingresado y tener las dos enfermedades es más baja que la probabilidad - de estar ingresado con sólo una enfermedad 22 11  24/10/2024 sesgo de Neymann (o de incidencia-prevalencia o de supervivencia) Cuando la exposición de interés se encuentra asociada al pronóstico, el estudio de casos prevalentes puede producir asociaciones espurias → En estudios de prevalencia o de casos y controles prevalentes. Accidente Vascular Ctrl Total Cerebral HTA No Mortal NO AVC mortal Sí 50 250 700 1000 No 80 20 900 1000 ORAVC no mortal = 0,80 OR AVC mortal = 16,10 23 Sesgo del trabajador sano Cuando se compara la incidencia de enfermedad en una población “seleccionada” de origen laboral con la población general Sesgo del inmigrante sano (la gente que emigra tiene mejor estado de salud) 24 12  24/10/2024 Sesgo de información Distorsión del efecto medida debida a los procedimientos usados para obtener la información y clasificar (errores en la medida) a los sujetos (exposición y evento) Los resultados obtenidos se pueden explicar por cómo se clasifica a los sujetos 25 Sesgo de información Población de referencia Enfermos Sanos Expuestos Expuestos Enfermos Sanos No expuestos No expuestos Casos Controles Exp. Los datos en la muestra y en la No Exp. población diana Muestra del estudio difieren Fuente: Szklo y Nieto 2000 26 13  24/10/2024 Sesgo de información - Sesgo debido a errores de medición de la exposición: recuerdo entrevistador entrevistado - Sesgo por regresión a la media - Falacia ecológica 27 Sesgos en la medición/identificación de la exposición Sesgo de memoria (casos-controles): -ej: recuerdo consumo de fármacos -ej: tipo de piel Nurse Health Study – ¿Cómo prevenirlo? - verificación de las respuestas - uso de marcadores objetivos de la exposición - uso de diseños de cohortes Sesgo del entrevistador 28 14  24/10/2024 Sesgos en la medición/identificación de la exposición Sesgo del entrevistador: -ej: aplicación diferente del cuestionario (casos-controles) – ¿Cómo prevenirlo? - Protocolo de la encuesta - cegamiento - entrenamiento Sesgo del entrevistado (de agrado) 29 Sesgos en la medición/identificación del evento/resultado Sesgo del observador: - Ej: asignación de un diagnóstico condicionado al conocimiento de la exposición ¿cómo prevenirlo? - cegamiento - varios observadores 30 15  24/10/2024 Sesgos en la medición/identificación del evento/resultado Sesgo del entrevistado: - variable dependiente (enfermedad) asignada según respuesta del participante - ej: HTA en encuesta de salud sin examen ¿cómo prevenirlo? - medida objetiva - usar cuestionario validado 31 Sesgo de información En los estudios epidemiológicos, los sesgos de información conducen a la mala clasificación (missclasification) de la exposición o del resultado: –no diferencial –diferencial 32 16  24/10/2024 ¿En qué estudios puede haber mala clasificación? Exposición Desenlace Cohortes x x Casos y xxx x controles 33 Mala clasificación no diferencial Ocurre cuando el grado de error en la clasificación de la exposición no depende del desenlace (ser caso o control) casos controles Expuestos 50 20 OR? No expuestos 50 80 34 17  24/10/2024 Mala clasificación de la exposición del 30% en cada grupo casos controles Expuestos 35 14 No expuestos 65 86 OR? 35 Mala clasificación no diferencial Ocurre cuando el grado de error en la clasificación de la exposición no depende del desenlace (ser caso o control) Tiende a sesgar la asociación hacia la hipótesis nula (infraestima la verdadera asociación) Puede ocurrir en los dos sentidos: – De Exp a no Exp – De No Exp a Exp 36 18  24/10/2024 Mala clasificación diferencial Ocurre cuando el grado de error en la clasificación depende del desenlace (ser caso o control) Puede sesgar la asociación en cualquier dirección Habrá mala clasificación diferencial cuando la S y E de la clasificación de la exposición sean diferentes para los casos y los controles 37 Regresión a la media Fenómeno por el cual una variable con un valor extremo tiende a tener valores más cercanos a los valores centrales de su distribución en sucesivas mediciones Ej.: en evaluación de intervenciones en individuos con parámetros anormalmente altos (hipercolesterolemia) →necesario un grupo control, realizar varias mediciones 38 19  24/10/2024 Sesgo o falacia ecológica Cuando se hacen inferencias a nivel individual a partir de información procedente del nivel ecológico, debido a que existe heterogeneidad en la exposición y los efectos entre los individuos que forman el grupo. R2=0,97 30 ·· Tasa Suicidio Tasa de suicidio · Prot. ? 15 Catól. ? 0 · 0 0,5 1 % de protestantes 39 Factores de confusión Sesgo por confusión 40 20  24/10/2024 Definición de confusión Situación en la que la asociación entre una determinada exposición y un determinado resultado es debida a la influencia de una tercera variable 41 enfermedad exposición Factor de confusión Confusor 42 21  24/10/2024 Factor de confusión: 3 condiciones 1. El factor de confusión se asocia causalmente a la enfermedad; 2. Se asocia, causalmente o no, con la exposición; 3. Y no es una variable intermedia en la secuencia causal entre exposición y enfermedad 43 “X” NO es un confusor...... E=exposición de interés; M=enfermedad; X=confusor E E E M M M X X X M: cáncer de hígado M: muerte súbita del lactante M: cáncer de cérvix E: alcohol E: tabaquismo materno E: infección VPH X: virus hepatitis C X: bajo peso al nacer X: relaciones sexuales 44 22  24/10/2024 ¿Cuándo hay confusión? RR crudo  RR ajustado Para la medida de frecuencia o asociación que estemos usando Se ha definido la CONFUSIÓN en el contexto de los estudios etiológicos (casos y controles, cohortes), pero este fenómeno es aplicable a estudios descriptivos (transversales y ecológicos) 45 cáncer de RR=2.9 vejiga urinaria RR(aj)=1.3 consumo de café RR=3.1 Preval. Tabaco (café=0): 0.43 Preval. Tabaco (café=1): 0.73 Tabaco 46 23  24/10/2024 cáncer de vejiga consumo de café Tabaco 1. El tabaco es un factor de riesgo del cáncer de vejiga; 2. El tabaco está asociado al consumo de café; 3. Fumar no es consecuencia de beber café (ni viceversa) 47 Control de la confusión ✓ en el DISEÑO → emparejamiento → restricción → asignación aleatoria (randomización) ✓ en el ANÁLISIS → estratificación → ajuste (estandardización) → emparejamiento → modelización 48 24  24/10/2024 ¿La asociación exposición-resultado del análisis crudo tiene la misma dirección y magnitud después de ajustar por la variable de confusión? AJUSTE Método para controlar el efecto de una tercera variable en el análisis de la relación entre otras dos variables 49 ¿La asociación exposición-resultado del análisis crudo tiene la misma dirección y magnitud después de ajustar por la variable de confusión? Debemos calcular la OR “ajustada” como ponderación de la OR de cada uno de los estratos Método de Mantel-Haenszel 50 25  24/10/2024 RR (MH) en estudio de cohortes con Incidencia Acumulada Estrato i Casos No casos ai bi m1i Expuestos No expuestos ci di m2i n1i n2i Ni  [a (c +d )/N ] i i i i RR (MH ) = i  [c (a +b )/N ] i i i i i 51 OR de Mantel-Haenszel Estrato i Casos Controles ai bi m1i Expuestos No expuestos ci di m2i n1i n2i Ni  (a * d / N ) i i i OR(MH ) = i  (b * c / N ) i i i i 52 26  24/10/2024 Tipos de confusión Confusión positiva Confusión negativa Confusión residual 53 Confusión positiva Cuando la confusión produce una sobreestimación del efecto (→ el estimador bruto se aleja de 1,0 y exagera la asociación no ajustada frente a la ajustada). Confusión negativa Cuando la confusión produce una infraestimación del efecto (→ el estimador bruto se acerca a 1,0 y atenúa la asociación no ajustada frente a la ajustada). 54 27  24/10/2024 Confusión residual Cuando no se puede ajustar o cuando el ajuste es imperfecto 1. No disponemos de información de la variable que sospechamos que es el confusor (no sabemos si los casos y controles fumaban o no) 2. La información no es suficiente (sólo sabemos si fumaban o no, pero no sabemos nada de los exfumadores o del nº de cigarrillos...) 55 Sesgo… Siempre potencialmente presente… ✓ es necesario preverlo, anticiparlo → diseño y ejecución del estudio ✓ es necesario identificarlo →análisis del estudio ✓ A veces se puede controlar → análisis del estudio 56 28