Diseñando un estudio de pronóstico: Estudios de cohortes. Unidad de Epidemiologia Clínica y Bioestadística Complexo Hospitalario Universitario A Coruña Diseñando un estudio de pronóstico: estudios de cohorte Introducción Justificación del estudio Objetivos e hipótesis Material y métodos Aspectos ético-legales Cronograma y plan de trabajo • Ámbito de estudio • Periodo de estudio • Tipo de estudio • Criterios de inclusión/exclusión • Mediciones • Justificación del tamaño muestral • Estrategia de análisis estadístico • Sesgos/limitaciones del estudio Plan de difusión de resultados Memoria económica Bibliografía 2 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Introducción Justificación del estudio Objetivos e hipótesis Material y métodos Aspectos ético-legales Cronograma y plan de trabajo • Ámbito de estudio • Periodo de estudio • Tipo de estudio • Criterios de inclusión/exclusión • Mediciones • Justificación del tamaño muestral • Estrategia de análisis estadístico • Sesgos/limitaciones del estudio Plan de difusión de resultados Memoria económica Bibliografía 3 FEGAS Diseñando un estudio de pronóstico: estudios de cohortes Concepto, utilidad y sesgos de los estudios de pronóstico • Salvador Pita Fernández Estrategia de análisis estadístico • Teresa Seoane Pillado Tamaño muestral para estudios de pronóstico • Sonia Pértega Díaz 4 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte • http://www.fisterra.com/formacion/metodologia-investigacion 5 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Historia natural • Es la evolución de la enfermedad sin atención médica • Es la evolución de la enfermedad que Curso clínico se encuentra bajo la atención médica 6 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Prevención Pronóstico ACTIVIDAD CLÍNICA Diagnóstico Manejo terapéutico 7 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Prevención Pronóstico ACTIVIDAD CLÍNICA Variabilidad Incertidumbre Manejo terapéutico 8 Diagnóstico Determinantes del curso clínico-pronóstico Tratamiento 9 Factores genéticos Factores bioquímicos Factores moleculares FEGAS Estimación del pronóstico 1. ¿ Que pretendemos hacer? – Estimar la probabilidad de diferentes modos de evolución. – Predecir la evolución de la enfermedad en un paciente determinado. 2. Conocer el pronóstico es fundamental porque: 10 – Decide el tratamiento. – Actividades terapéuticas y preventivas cambian el pronóstico. – El paciente quiere saber. FEGAS Determinación de factores pronósticos 1. Experiencia personal. – Consultar a otro compañero de trabajo – Consultar a un "experto" o especialista en el tema. 2. Revisión de la literatura médica. 3. Realización de estudios. 11 – Revisión de casos. – Estudios de casos y controles – Estudios de cohortes – Ensayos clínicos. FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Factor riesgo + Estudio de casos y controles Sano Factor riesgo - Factor riesgo + Estudio de cohortes prospectivo Factor riesgo 12 Con evento Sin evento Factor riesgo - Factor riesgo + Enfermo Estudio de cohortes retrospectivo Con evento Sin evento FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Pérdidas de seguimiento Enfermos Expuestos + No enfermos Muertos por otras causas Pérdidas de seguimiento Enfermos Muertos por otras causas No enfermos No Expuestos - 13 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Pérdidas de seguimiento Expuestos + Muertos por otras causas Presencia del evento de interés Ausencia del evento de interés - Generación definida por una fecha de nacimiento - Pacientes que han recibido un tratamiento determinado - Residentes de una zona determinada - Portadores de un marcador bioquímico - Personas con una característica genética determinada - Pacientes con una exposición a un factor de riesgo conocido - Pacientes con una grado de afectación o invasión por una enfermedad determinado ……………………….. 14 FEGAS Elementos a tener en cuenta en el diseño de estudios de pronóstico Disponer de una buena pregunta de investigación Revisar la literatura Seleccionar una muestra representativa de los pacientes cuyo evento de interés aún no ha sucedido en el momento de la primera observación Determinar los pacientes que necesito para responder a la pregunta Definir que variables se van a medir, teniendo en cuenta el evento de interés Definir las estrategias de las mediciones y la secuencia temporal de las mismas Concretar los procedimientos estadísticos que utilizaremos para responder a la pregunra de investigación 15 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Sesgos en la selección de los pacientes Pérdidas de seguimiento Enfermos Expuestos + No enfermos Muertos por otras causas Pérdidas de seguimiento Enfermos Muertos por otras causas No enfermos No Expuestos - 16 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte. Sesgos en el seguimiento Pérdidas de seguimiento Enfermos Expuestos + No enfermos Muertos por otras causas Pérdidas de seguimiento Enfermos Muertos por otras causas No enfermos No Expuestos - 17 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Sesgos en la medición Pérdidas de seguimiento Enfermos Expuestos + No enfermos Muertos por otras causas Pérdidas de seguimiento Enfermos Muertos por otras causas No enfermos No Expuestos - 18 FEGAS Sesgos en los estudios de pronóstico En el reclutamiento/selección: • Los grupos que se comparan no son igualmente susceptibles al resultado de interés o difieren en factores pronósticos: – Comorbilidad – Tratamiento previo – Grado de extensión – Los pacientes que acuden a centros hospitalarios, los candidatos a cirugía, son diferentes de los que no ingresan o no se operan por razones diferentes. 19 FEGAS Sesgos en los estudios de pronóstico En el seguimiento: • Si no se dispone del seguimiento del paciente desde el inicio de la enfermedad o evento • Pueden fácilmente presentarse sesgos de supervivencia selectiva ya que aquellos que fallecieron antes o siguen vivos ahora (en el momento que se incorporan al estudio) son diferentes • Es por ello fundamental incorporar al estudio casos incidentes desde el inicio de la enfermedad o evento de interés. 20 FEGAS Sesgos en los estudios de pronóstico En el seguimiento: •Sesgo por perdidas de seguimiento: Las pérdidas de seguimiento son frecuentes . Si las perdidas son aleatorias y no se asocian con el evento de interés no se produce un sesgo. • Debe ser un objetivo prioritario reducir al mínimo las perdidas con un cuidadoso seguimiento de todos los pacientes ya que de lo contrario pueden tener un efecto impredecible e invalidar las conclusiones del estudio 21 Sesgos en los estudios de pronóstico En las mediciones: • Sesgo por errores de medición: Se produce una estimación equivocada del riesgo por errores en la medición, siendo las fuentes más frecuentes de sesgo: • un instrumento no adecuado de medida • un diagnóstico incorrecto • omisiones, imprecisiones • vigilancia desigual en expuestos y no expuestos • procedimientos de encuesta no validos, encuestadores no entrenados o conocedores de las hipótesis del estudio. 22 Manejo de los sesgos en los estudios de pronóstico Diseño del estudio Fletcher, R.H., Fletcher S.W., Wagner E.H. 23 Análisis del estudio Aleatorización Estratificación Restricción Ajuste simple Apareamiento La regresión múltiple Mejor caso/peor caso Clinical Epidemiology. The essentials. Fourth Edition, Baltimore. Lippincott Williams & Wilkins ;2005 Diseñando un estudio de pronóstico: estudios de cohortes Ventajas de los estudios de seguimiento • Permiten calcular incidencias • Se puede establecer una secuencia temporal • Se minimizan los errores de medición a la exposición • Son de especial interés si la exposición es rara • Se pueden estudiar diferentes efectos en una exposición 24 FEGAS Diseñando un estudio de pronóstico: estudios de cohortes Inconvenientes de los estudios de seguimiento • Ineficientes para enfermedades raras • Ineficientes para enfermedades con largos períodos de latencia • Requieren tiempo de seguimiento más o menos largo • Los resultados se pueden ver afectados por pérdidas en el seguimiento • Si la información es retrospectiva requiere buenos sistemas de información 25 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte La incertidumbre existirá siempre con o sin medicina basada en la evidencia y es irreal pretender que el conocimiento impersonal de la probabilidad de un resultado numérico sea la única precondición para la práctica de una medicina clínica efectiva Es por ello que la medicina es una ciencia de probabilidades y un arte de manejar la incertidumbre. 26 Diseñando un estudio de pronóstico: estudios de cohorte No debemos confundir el manejo de la enfermedad con el manejo del enfermo. Una cosa es la enfermedad como categoría filosófica de la medicina, producto de una abstracción y generalización, y otra cosa es el enfermo El enfermo siempre le presentará al médico un cuadro único e irrepetible de la enfermedad obedeciendo al viejo principio enunciado por Heráclito de que nada acontece dos veces exactamente igual en la naturaleza 27 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Concepto y utilidad del pronóstico • Salvador Pita Fernández Estrategia de análisis estadístico • Teresa Seoane Pillado Tamaño muestral para estudios de pronóstico • Sonia Pértega Díaz 28 FEGAS Estudios de pronóstico. Estrategia de análisis El objetivo es predecir la probabilidad de ocurrencia de un evento. Estrategias de análisis: • Como una tasa Proporción de individuos que presentan un resultado • Análisis de supervivencia: Se presenta la información teniendo en cuenta el tiempo medio hasta que se produce un resultado en cualquier momento durante el curso de la enfermedad 29 FEGAS Estudios de pronóstico. Estrategia de análisis Parámetros de interés pronóstico: 30 • Tasa de supervivencia a los cinco años. Porcentaje de pacientes que sobreviven cinco años a partir de algún momento en el curso de la enfermedad. • Tasa de letalidad. Porcentaje de pacientes con una enfermedad que mueren a causa de ella. • Tasa de respuesta. Porcentaje de pacientes que muestran alguna señal de mejoría después de una intervención. • Tasa de remisiones. Porcentaje de pacientes que entran en una fase en la que la enfermedad deja de ser detectable. • Tasa de recurrencia. Porcentaje de pacientes que vuelven a tener la enfermedad después de un período libre de ella. FEGAS Estudios de pronóstico. Estrategia de análisis ESTUDIOS OBSERVACIONALES Estudios descriptivos Estudios de prevalencia Estudios de Casos y controles Estudios de Seguimiento Estudios ecológicos En los estudios de cohortes el análisis se basa en el seguimiento de dos o más grupos de individuos clasificados según el grado de exposición a un determinado factor de riesgo. 31 FEGAS Análisis estadístico. Estudios de cohortes OBJETIVO: Evaluar la ocurrencia de un evento durante el tiempo de seguimiento como consecuencia de la exposición a un determinado factor de riesgo. QUÉ NECESITAMOS: • • Información de los tiempos: fecha de inicio, fecha del evento y fecha de fin de estudio. Motivo de fin de seguimiento de cada individuo (pérdida, exitus o ocurrencia del evento de interés) CÓMO: • • 32 Estimar la incidencia del evento de interés y medidas de riesgo Calcular la probabilidad de supervivencia y los factores determinantes FEGAS Análisis estadístico. Estudios de cohortes La incidencia puede calcularse como: • Incidencia acumulada: Se define como el número de casos nuevos del evento de interés que se desarrollan en una población durante un periodo de tiempo determinado. IA nº casos nuevos en el seguimient o total de la población en riesgo al inicio de seguimient o • Tasa de incidencia o densidad de incidencia: Se calcula como el número da casos nuevos ocurridos en el periodo de seguimiento entre la suma de todos los tiempos individuales de observación. DI 33 nº casos nuevos en el seguimient o suma de los tiempos individual es FEGAS Análisis estadístico. Estudios de cohortes Riesgo Relativo (RR): Medida de la magnitud de la asociación entre el factor de exposición y la enfermedad. Estima el riesgo de que los sujetos expuestos presenten la enfermedad en relación a los no expuestos. incidencia expuestos a a b RR incidencia no expuestos c c d 34 FEGAS Análisis estadístico. Estudios de cohortes Otra medida de asociación : • Razón de las Tasas de Incidenia (RDI): Es el cociente entre las tasas de incidencia de ambos grupos, poniendo en el denominador la del grupo de referencia. • Fracción Atribuible o Prevenible entre los expuestos: Representa el grado de influencia que tiene la exposición en la presencia de la enfermedad entre los expuestos. • Fracción Atribuible o Prevenible en la población: Mide el impacto que tendría la eliminación de la exposición al factor de riesgo en toda la población. 35 FEGAS Análisis estadístico. Estudios de cohortes Análisis de supervivencia: Se denomina análisis de supervivencia al conjunto de técnicas estadísticas que permiten estudiar un conjunto de datos en los que la variable respuesta mide el tiempo entre dos sucesos. Curva de supervivencia: Es la representación gráfica, comienza con el 100% de la población de estudio y muestra el porcentaje que sobrevive en tiempos sucesivos, para el período en el que se obtiene la información. 36 FEGAS Análisis estadístico. Estudios de cohortes Requisitos para disponer de datos adecuados: • • • Definir el origen o inicio del seguimiento. Definir la escala del tiempo. Definir el evento. Limitaciones e imprecisiones de los datos: • Censuras: Pérdidas de seguimiento o fin del estudio. Individuo del que no se conoce el tiempo de supervivencia con exactitud por distintas razones – El paciente decide abandonar el estudio – El paciente se pierde – El estudio termina antes de que ocurra el evento de interés • 37 Truncamientos: Entrada en el estudio después del hecho que define el origen. FEGAS Análisis estadístico. Estudios de cohortes Tipos de observaciones: • • • 38 Pacientes en los que se produce el evento de interés Pacientes en los que no se observa el evento, pero que finalizan el periodo de seguimiento Individuos no observados o perdidos durante el seguimiento FEGAS Análisis estadístico. Estudios de cohortes En el análisis de supervivencia, el análisis de los datos puede ser realizado utilizando técnicas: Paramétricas: (las más frecuentes) • Distribución Exponencial. • Distribución de Weibull. • Distribución Lognormal. No paramétricas: • Kaplan-Meier. • Logrank. • Regresión de Cox. 39 FEGAS Análisis estadístico. Estudios de cohortes Método de Kaplan-Meier • Es el estimador no paramétrico de máxima verosimilitud de la función de supervivencia S(t) • La proporción acumulada que sobrevive se calcula para tiempos individuales • Se basa en dos supuestos: La probabilidad de ser censurado debe ser independiente del evento de interés El periodo de tiempo en el que un individuo entra en el estudio no tiene efecto independiente en la respuesta Función de supervivencia S t ProbT t Estimador de Kaplan-Meier di ˆ S t 1 ni ti t di = número de eventos en el momento ti ni= número de sujetos en riesgo antes de ti 40 FEGAS Análisis estadístico. Estudios de cohortes Características gráficas: • La curva de supervivencia de Kaplan-Meier es escalonada. • Cada escalón representa un evento. • Los datos censurados no disminuyen la supervivencia acumulada pero provocan un tamaño mayor en el siguiente escalón. Test Log-Rank: Test no paramétrico para la comparación de curvas de supervivencia. Es una prueba de hipótesis en la que la hipótesis nula postula que no existen diferencias estadísticamente significativas entre las tendencias de la supervivencia. 41 FEGAS Análisis estadístico. Estudios de cohortes REGRESIÓN DE COX Nos permite realizar un análisis multivariado. Se basa en el supuesto de riesgos proporcionales El objetivo es obtener una función lineal de los posibles factores independientes que permiten estimar, en función del tiempo, la probabilidad de que ocurra el evento. Se debe tener en cuenta en el modelo las posibles interacciones de las variables. Los coeficientes de regresión de Cox permiten determinar el riesgo relativo entre cada variable independiente y la variable respuesta, ajustado por el efecto de las demás variables en la ecuación. Modelo de Cox 42 n t , X 1 , X 2 ,..., X n 0 t exp i X i i 1 FEGAS Diseñando un estudio de pronóstico: estudios de cohorte Concepto y utilidad del pronóstico • Salvador Pita Fernández Estrategia de análisis estadístico • Teresa Seoane Pillado Tamaño muestral para estudios de pronóstico • Sonia Pértega Díaz 43 FEGAS Tamaño muestral para estudios de pronóstico Factor riesgo + Con evento Estudio de cohortes prospectivo Factor riesgo - Sin evento Factor riesgo + Con evento Estudio de cohortes reprospectivo Sin evento Factor riesgo - Cohorte Seguimiento Evento 1. Evento a un horizonte determinado: Si / No • Riesgo Relativo 2. Tiempo hasta la presentación del evento • Observaciones censuradas • Análisis de supervivencia: Kaplan-Meier, Regresión de Cox 44 FEGAS Tamaño muestral para estudios de pronóstico 1. Cálculo del tamaño muestral para la estimación de un Riesgo Relativo. RR 2. 45 incidenciaexpues tos a a b incidenciano expues tos c c d Cálculo del tamaño muestral en estudios de supervivencia. FEGAS Cálculo del tamaño muestral para la estimación de un Riesgo Relativo 1. Dos de los siguientes tres parámetros: • Valor aproximado del Riesgo Relativo a estimar (RR) • Proporción de expuestos que presentan el evento de interés (P1) • Proporción de no expuestos que presentan el evento de interés (P2) 2. Nivel de confianza o seguridad (1-α) 3. Precisión deseada, expresada como porcentaje del valor real esperado para el RR (ε) 1 P1 n z12 46 2 1 P2 P1 P2 ln1 2 Cálculo del tamaño muestral para la estimación de un Riesgo Relativo OBJETIVO: Comparar la eficacia de dos terapias A y B para tratar un determinado tipo de cáncer Evento de interés: mortalidad al año del diagnóstico. Probabilidad de muerte con tratamiento A: P1=20% Riesgo Relativo estimado: RR=3 Seguridad: 95% Precisión: ±50% RR n 1.96 47 2 P1 P2 RR P1 3 0,20 0,60 P2 1 0.6 / 0.6 1 0.2 / 0.2 37,31 2 ln1 0.5 Cálculo del tamaño muestral para estudios de supervivencia 1. Valor aproximado del Riesgo Relativo a estimar (RR) 2. Proporción de expuestos al factor de estudio (p) 3. Porcentaje esperado de observaciones censuradas (ψ) 4. Nivel de confianza o seguridad (1-α) 5. Poder o potencia estadística (1-β) 2 z z 1 1 2 n 2 logRR 1 1 pp 48 Cálculo del tamaño muestral para estudios de supervivencia OBJETIVO: Comparar la eficacia de dos terapias A y B para tratar un determinado tipo de cáncer Evento de interés: supervivencia. Proporción de pacientes que reciben el tratamiento A: 70% Riesgo Relativo estimado: RR=3 Censura: 20% Seguridad: 95% Potencia: ±80% 2 z z 2 1 1 1 . 96 0 . 842 2 n 38,71 2 2 logRR 1 1 pp log3 1 0,21 0.70.7 49 Cálculo del tamaño muestral para estudios de supervivencia 50 % censura % exposición Seguridad Potencia RR Tamaño muestral 20% 70% 95% 80% 1,5 285 20% 70% 95% 80% 2 98 20% 70% 95% 80% 2,5 56 20% 70% 95% 80% 3 39 % censura % exposición Seguridad Potencia RR Tamaño muestral 5% 70% 95% 80% 3 33 15% 70% 95% 80% 3 35 20% 70% 95% 80% 3 39 30% 70% 95% 80% 3 45 Tamaño muestral para estudios de pronóstico http://www.fisterra.com/mbe/investiga/muestra_pronos/pronosti.asp 51 FEGAS Tamaño muestral para estudios de pronóstico http://www.fisterra.com/mbe/investiga/muestra_pronos/pronosti.asp 52 FEGAS Bibliografía • http://www.fisterra.com/formacion/metodologia-investigacion 53 FEGAS Bibliografía 54 • Haynes RB, Sackett DL, Guyatt GH, Tugwell P., Clinical epidemiology: how to do clinical practice research. 3rd edition. Philadelphia: Lippincott, Williams and Wilkins, 2006. • Lee ET, Wang JW. Statistical Methods for suvirval data analysis. 3ª ed. Belmont, CA: Lifetime learning Publications; 2003 • Collet D. Modelling survival data in medical research. London: Chapman & Hall; 1994 • Schoenfeld DA. Sample-size formula for the proportional-hazard regression model. Biometrics 1983; 39: 499-503. • Schmoor C, Sauerbrei W, Schumacher M. Sample size considerations for the evaluation of prognostic factors in survival analysis. Statistic Med 2000; 19: 441452 FEGAS