Dr. José J. Hernández Centro de Información de Medicamentos e Investigación Escuela de Farmacia Universidad de Puerto Rico JJH_UASLP_2011 1 Epidemiologia y Definición: Estudio de la distribución y determinantes de enfermedad, lesión, o cualquier otro asunto relacionado a la salud en poblaciones de humanos y Componentes de la epidemiologia: y Epidemiologia descriptiva y Epidemiologia analítica JJH_UASLP_2011 2 Epidemiologia y Descriptiva y Identifica y reporta el patrón y la frecuencia de eventos relacionados a la salud en una población y Ayuda en la generación de hipótesis y Ayuda en la localización de recursos y Ayuda en la planificación y evaluación de programas de salud y Analítica y Se centra en la búsqueda de los determinantes de eventos relacionados a la salud en una población JJH_UASLP_2011 3 Ciclo de análisis epidemiológicos Formulación de hipótesis y estructura de modelos Estudios descriptivos Formulación de nuevas hipótesis o nuevos estudios descriptivos Estudios analíticos para corroborar hipótesis Análisis de resultados JJH_UASLP_2011 4 Epidemiologia descriptiva y Caracteriza la distribución de eventos relacionados a la salud a nivel de: y Persona (edad, raza, educación, etc.) y Lugar (localización geográfica, características de la geografía, densidad poblacional) y Tiempo (1900 versus 2000 / mañana versus noche) JJH_UASLP_2011 5 Epidemiologia descriptiva • Ejemplo 1‐ Reporte: • 200 casos de dengue en Puerto Rico en 2007 • 70 casos de dengue en Guadalupe en 2007 • Ejemplo 2‐ Comparación: • En cual de los dos países el problema es mayor? • Puerto Rico • Guadalupe JJH_UASLP_2011 6 Epidemiologia descriptiva • Población en PR n=400,000 • 200 casos de dengue en PR en 2007 • Prevalencia de dengue en PR = 200/400000 = 0.5 casos por cada 1,000 puertorriqueños • Población en Guadalupe n=70,000 • 70 casos de dengue en Guadalupe en 2007 • Prevalencia de dengue en Guadalupe = 70/70000 = 1 caso por cada 1,000 guadalupeños JJH_UASLP_2011 7 Definiciones importantes y Caso y Ratio y Proporción y Rate y Prevalencia y Incidencia JJH_UASLP_2011 8 Caso y Es como definimos lo que buscamos medir y Se puede medir por medio de: y Sistemas de vigilancia y Encuestas estructuradas y Base de datos y La definición de casos es esencial y Ejemplo: ADRs por medio de reportes médicos, encuestas a pacientes, análisis de sangre, etc. JJH_UASLP_2011 9 Ratio, proporciones y rates y Ratio‐ División de cualquier numero entre otro numero y Proporción‐ Es un ratio en donde los componentes del numerador están incluidos en el denominador y Rate‐ Es un ratio en donde los componentes del numerador están incluidos en el denominador, y los componentes del denominador estan a riesgo de entrar al numerador JJH_UASLP_2011 10 Prevalencia y Prevalencia mide la proporción de individuos en la población que tienen la variable de interés en un tiempo definido y Ejemplo: y Personas de la clase farmacia 2014en el RCM que han tomando APAP 500mg durante el mes de septiembre de 2008 JJH_UASLP_2011 11 Incidencia y Incidencia mide numero de casos nuevos en una población a riesgo durante un tiempo definido y Tipos de incidencia: y Cumulative incidence y # de nuevos usuarios de ASA en PR durante 2007 # de IDs que no usan ASA en PR a principios de 2007 y Incidence density y # de nuevos usuarios de ASA en PR durante 2007 # de “person‐time” a riesgo de tomar ASA durante 2007 JJH_UASLP_2011 12 Cumulative incidence and incidence density y Cuando son similares el “cumulative incidence” y el “incidence density”? y La incidencia es baja y Periodo de observación es corto y Como se relacionan la prevalencia y la incidencia: y Prevalence = Incidencia x Duracion JJH_UASLP_2011 13 JJH_UASLP_2011 14 Comparación de la incidencia de CHF entre individuos diabéticos que usan o no usan insulina RESULTADO (CHF) + -- 88 68 -- EXPOSICION (INSULIN) + 62 82 JJH_UASLP_2011 15 Diferencia en Riesgo + + 88 -68 62 82 -- EXPOSICION (INSULIN) RESULTADO (CHF) Incidencia de CHF entre los usuarios de insulina = 88 / 156 = 0.56 Incidencia de CHF entre los no-usuarios de insulina = 62 / 144 = 0.43 Diferencia en riesgo= Exceso de riesgo entre un grupo expuesto y uno no expuesto Diferencia en riesgo = 0.56 – 0.43 = 0.13 JJH_UASLP_2011 16 ¿El uso de Insulina en Pacientes Diabéticos esta asociado a un Aumento en el Riesgo de Desarrollar CHF? RESULTADO (CHF) + -- 88 68 -- EXPOSICION (INSULIN) + 62 82 Riesgo Relativo (no-ajustado) = 1.30 JJH_UASLP_2011 17 Riesgo Relativo (RR) + A B A / A+B = RR -- EXPOSICION RESULTADO + -- C D C / C+D En estudios prospectivos, ya sean estudios RCT o cohortes se debe usar riesgo relativo como medida de asociación JJH_UASLP_2011 18 Odds Ratio (OR) CHF RESULTADO + C D A/C / B/D A*D / B*C = OR + B -- 88 68 -- A INSULINA + -- -- EXPOSICION + 62 82 OR = 1.71 En estudios caso‐control utilice el “odds ratio” JJH_UASLP_2011 19 ¿Cuando el RR y el OR son similares? y Cuando el resultado que se mide es poco común, ya que A y C son pequeñas relativo a D y B. y RR= (A / (A+B)) / (C / (C+D)) y En condiciones raras la ecuación para calcular RR se reduce a RR = (A / B) / (C / D) o (A * D) / (B * C) y Esta formula es idéntica a la formula de los OR y Entonces cuando se estudian condiciones raras el OR es una buena aproximación del RR JJH_UASLP_2011 20 JJH_UASLP_2011 21 Características de Enfermedades que Ameritan Pruebas de Cernimiento y Fase asintomática y Altamente prevalente y Alta severidad y Tratamiento para fase inicial disponible JJH_UASLP_2011 22 Medidas Utilizadas para Describir Pruebas de Cernimiento y Sensibilidad Validez de la prueba y Especificidad y Valor predictivo positivo Inferencias sobre la prueba y Valor predictivo negativo JJH_UASLP_2011 23 Cálculos ESTADO REAL PRUEBA ENFERMEDAD NO ENFERMEDAD + A B A + B ‐ C D C + D A + C B + D A/(A+B) = VPP A/(A+C)=Sensibilidad D/(C+D) = VPN D/(D+B)=Especificidad JJH_UASLP_2011 24 JJH_UASLP_2011 25 Outline y Why we perform epidemiologic studies? y Association versus causation y Bias y Confounding y Random Error y Validity y Conclusion JJH_UASLP_2011 26 Types of error y Types of measurement errors in scientific studies: y Systematic error: y y Bias y Selection bias y Information bias Confounding y Third variable y Non‐systematic error: y Random error y Measurement y Sampling JJH_UASLP_2011 27 Deriving Inferences from Epidemiologic Studies Coffee Pancreatic Cancer Clinical Observations Available Data Case-control studies Cohort Studies Randomized Trials Estimate odds ratio or relative risk RR = 3.0 p < 0.05 JJH_UASLP_2011 28 Guidelines for judging whether and association is causal 1. 2. 3. 4. 5. 6. 7. 8. 9. Temporal relationship Strength of the association Dose‐response relationship Replication of the findings Biological Plausibility Consideration of alternative explanations Cessation of exposure Specificity of the association Consistency with other knowledge JJH_UASLP_2011 29 Bias “Bias is a systematic error in the design, conduct or analysis of a study that results in a mistaken estimate of an exposure’s effect on the risk of disease” J.J. Schlesselman‐1982 JJH_UASLP_2011 30 Types of Bias y Selection Bias y A higher or lower rate of the outcome is observed in the exposure group because of the selection method y Information bias y A higher or lower rate of the outcome is observed in the exposure group because of an inadequate way of obtaining information about the subjects JJH_UASLP_2011 31 Selection Bias HRT ↓CHD CHD CHD CHD HRT‐Yes No CHD CHD HRT‐No No CHD JJH_UASLP_2011 HRT 40 60 100 HRT 70 30 100 110 90 200 RR = 0.57 P < 0.05 32 Selection bias • Healthy‐user bias occurs when individuals who choose to use a treatment are healthier, more affluent and better educated than those who choose not to use the treatment • Prevalent user bias occurs if the risk of events change as function of time, and the investigator does not take into account time of exposure JJH_UASLP_2011 33 Information Bias Drug A Teratogenic effect Drug A D D E 15 30 45 Ē 5 30 35 20 60 80 Baby with malformation No Drug A Drug A Baby with no malformation OR = 3.0 No Drug A P < 0.05 JJH_UASLP_2011 34 Information bias y Recall bias occurs when individuals remember better an exposure event given the outcome y Misclassification bias occurs when individuals are erroneously classified as exposed or non‐exposed or as cases or non‐cases JJH_UASLP_2011 35 Confounding y In a study of whether factor A is a cause of disease B, we say that a third factor, factor X, is a confounder if the following are true: y Factor X is a known risk factor for disease B y Factor X is associated with factor A but is not a result of factor A JJH_UASLP_2011 36 Confounding y Factor A: Accutane y Factor B: ↑Suicide y Factor X: Depression A B X y Use of Accutane increase suicide rates? y Individuals taking Accutane are more likely to be depressed and is depression what cause a higher suicide rate JJH_UASLP_2011 37 Confounding Accutane Accutane ↑Suicide D E Ē Suicide D 10 10 20 4 10 14 14 20 34 No Depression E Ē OR = 2 No Accutane D D E 15 30 45 Ē 5 30 35 20 D D 3 3 6 12 15 28 31 40 46 60 80 Accutane OR = 2 JJH_UASLP_2011 OR = 3.0 P < 0.05 No Suicide No Accutane 38 Random error “Leads to a false association between the exposure and disease that arise from “chance” an uncontrollable force that seems to have no assignable cause” J.P. Pickett ‐ 2000 JJH_UASLP_2011 39 Random error y When p‐value < 0.05 random error is a unlikely explanation of observed results y There is a 5% of reaching an erroneous conclusion by chance JJH_UASLP_2011 40 Validity Bias Population Study Sample Confounding Random error Internal Validity JJH_UASLP_2011 41 Validity Bias S Population Study Sample Confounding Random error Internal validity but no external validity JJH_UASLP_2011 42 Validity Bias Population Study Sample Confounding Random error Internal validity and external validity JJH_UASLP_2011 43 Conclusions y Methodology of epidemiological studies should always be evaluated for potential bias and confounding y Bias should be minimized at the study design level y A researcher can always adjust for a potential confounder y Random error is always present in epidemiological studies JJH_UASLP_2011 44 Conclusions y Internal validity increases with less bias and confounding y External validity increases with sample representation of the true population y Internal validity is necessary for external validity but not sufficient JJH_UASLP_2011 45 Preguntas? JJH_UASLP_2011 46