Metodología de la Investigación Reyes, Lucía Belén METODOLOGÍA DE LA INVESTIGACIÓN DISEÑOS DE ESTUDIOS EPIDEMIOLÓGICOS Los principales objetivos de la investigación epidemiológica son describir la distribución de las enfermedades y eventos de salud en poblaciones humanas y contribuir al descubrimiento de las leyes que influyen en éstas condiciones. La epidemiología se emplea en las diferentes ramas de la medicina como una herramienta para el estudio de enfermedades o eventos relacionados con la salud, sobre todo cuando se busca evaluar su repercusión en la población. Para esto es necesario desarrollar estrategias muestrales y de medición que permitan estudiar subgrupos de la población y hacer extrapolaciones del conocimiento generado hacia el total de la misma. La validez de la información derivada de estos estudios, depende de lo adecuado y apropiado de los métodos utilizados. SEGÚN LA FINALIDAD: Estudios descriptivos: Los datos son utilizados con finalidades descriptivas. Estudios analíticos: Evalúan una presunta relación causal entre un factor y un efecto, respuesta o resultado. SEGÚN EL CONTROL DE LA ASIGNACION DE EXPOSICIÓN O VARIABLE DE INTERES: Estudios de observación o no experimentales: El equipo investigador no controla el factor de estudio, se limitan a observar, medir y analizar. La exposición ocurre sin la participación del investigador, de acuerdo con variables que están fuera de su control. Estudios experimentales: El equipo investigador asigna el factor de estudio. El investigador controla la exposición y utiliza la aleatorización como método de asignación. Pseudo-experimentales (o de intervención no aleatorizados): El investigador controla la exposición pero no utiliza procedimientos de aleatorización en la asignación. SEGÚN EL NÚMERO DE MEDICIONES QUE SE REALIZAN: Estudios transversales: No hay seguimiento. Las variables se miden una sola vez, se realiza una sola determinación en los sujetos de estudio y se evalúan de manera concurrente la exposición y el evento de interés. Pueden aportar información valiosa cuando se estudian factores que no varían o exposiciones únicas que no cambian con el tiempo. Estudio con seguimiento (longitudinal): La población se monitoriza a lo largo del tiempo para valorar las respuestas objeto del estudio. Se realizan al menos 2 mediciones: La basal para determinar el estado inicial y una subsecuente para determinar la ocurrencia del evento. Es posible verificar que la exposición antecede a la ocurrencia del evento (se cumple el principio temporal de causalidad). SEGÚN LA TERMPORALIDAD DEL INICIO DE LA EXPOSICION O LA OCURRENCIA DEL EVENTO: Estudios retrospectivos: Estudio posterior a los hechos estudiados. Los datos se obtienen de archivos o registros. Al inicio del estudio, el evento ya ocurrió y el investigador planea reconstruir su ocurrencia en el pasado utilizando registros o entrevistando a los mismos sujetos. Estudios prospectivos: Inicio del estudio anterior a los hechos estudiados. Los datos se recogen a medida que van sucediendo. La ocurrencia del evento se registra durante el estudio (los sujetos están libres del evento de interés al iniciar su participación en el estudio). Tienen mayor puntaje en la escala de causalidad Estudios ambispectivos: Combinación de ambas situaciones. La información se recopila de manera retrospectiva y prospectiva. Incluyen eventos que ocurrieron a antes de iniciar la investigación y otros evaluados de forma prospectiva. Metodología de la Investigación Reyes, Lucía Belén SEGÚN LA SELECCIÓN DE LOS PARTICIPANTES: Cohorte: Los sujetos son seleccionados con base en la exposición (se elige un grupo expuesto y uno no expuesto) y posteriormente se determinará la ocurrencia del evento. Tienen mayor peso en cuanto a causalidad. Casos y controles: Se selecciona a los participantes con base en el evento de estudio. Se elige un grupo que tienen el evento (casos) y un grupo que no lo tienen (controles) y en éstos grupos se determina la exposición. Transversales: La selección es indistinta de la ocurrencia de la exposición o del evento y los sujetos son seleccionados sin considerar información sobre la exposición o el evento. La ocurrencia de éstos se determina una vez conformada la población en estudio. También se los denomina estudios de encuesta. La evaluación de la exposición y de la ocurrencia del evento se hacen de forma simultánea. RESUMEN: Cuantitativo o cualitativo. Retroespectivo (registros de años anteriores, es un estudio posterior a los hechos estudiados) o proespectivo (del momento, los datos se recogen a medida que van sucediendo). Transversal (en un tiempo determinado, 1 sola medición de las variables) o longitudinal (a lo largo del tiempo, 2 o más medición de las variables). Descriptivo: Observa y describe Sin intervención. Analíticos (inductivo o inferencial): Realiza un análisis (Ej: comparar) Sin intervención. Evaluan una presunta relación causal entre un factor y un efecto, respuesta o resultado. Experimental: Hay intervención del investigador. VARIABLES Acontecimientos o características observables y medibles que pueden tener diferentes valores. Cuantitativas: Aquellas cuyas propiedades pueden presentarse en forma numérica. Discretas: No pueden tomar valores intermedios entre dos valores dados, no admiten fracción. Continuas: Aquellas definidas sobre recorridos infinitos no numerables, pueden tomar cualquier valor dentro de un recorrido o intervalo dado. Cualitativas: Aquellas cuyos elementos de variación tienen un carácter cualitativo, no susceptible de observación medible numéricamente. Nominales: Son sólo clasificatorias, consiste en clasificar objetos o fenómenos según ciertas características, dándoles una denominación sin que implique una relación de orden, distancia o proporción entre los objetos o el fenómeno. Ordinales: Las clases presentan una escala ordinal (escala de orden jerárquico). Establece posiciones relativas de los objetos o fenómenos en estudio, respecto a alguna característica de interés, sin que se reflejen distancias entre ellos. Metodología de la Investigación Reyes, Lucía Belén CUALITATIVAS O CATEGÓRICAS NOMINALES ORDINALES Sexo: F-M Estadificación: I – II – III – IV Tabaco: Si – No Cefalea: Leve – Moderada – Grave Cefalea: Si – No HTA: Leve – Moderdada – Severa CUANTITATIVAS DISCRETAS (número entero) CONTINUAS (con coma) Número de hijos Peso Numero de ingresos al hospital Glucemia Numero de episodios de enfermedad Tensión arterial PASOS DE UN ESTUDIO DE INVESTIGACIÓN 1) RECOLECCIÓN DE DATOS: Fuente primaria (recolección directa): Entrevista, encuesta, observación, mediciones, etc. Fuente secundaria (documentales): Obtener datos ya existentes (retrospectivos): Registros de mortalidad, nacimiento, accidentes de trabajo, historias clínicas, censo, etc. Censo: Ser recolecta información de TODOS los individuos de la población. Muestra: Se mide UNA PARTE de la población. DIFERENTES 2) ORGANIZACIÓN Y PRESENTACIÓN DE LOS DATOS: Análisis exploratorio de datos. Tablas y gráficos Presentan la misma información pero de formas diferentes. Al registrar los datos de un estudio, se obtiene un número de observaciones que puede ser muy grande por lo que estos datos deben organizarse y presentarse en forma resumida, elaborando tablas y gráficos apropiados. a) Tablas: Información más precisa. Van primero y después el gráfico (que es más susceptible a subjetividades por ejemplo por su apariencia o el color). Las tablas deben estar numeradas, con un título en su parte superior (que, donde y cuando) y con la fuente abajo. Simple (categóricas o intervalos de clase) Tablas Doble entrada Maestra Frecuencia absoluta Tablas Frecuencia relativa Frecuencia relativa acumulada. Tablas de frecuencias: Una tabla de distribución de frecuencias posee una columna que tiene los diferentes valores que toma la variable en estudio y otra columna que indica la frecuencia absoluta que es el numero de veces que el valor de la variable se repite en el conjunto de datos. Metodología de la Investigación Reyes, Lucía Belén Generalmente en éstas tablas no solo se muestran las frecuencias absolutas, sino también las frecuencias relativas y las frecuencias acumuladas. Ejemplo: Tabla de intervalo de frecuencia. Describir altura de 150 personas Altura Frecuencia absoluta Frecuencia relativa 1,50-1,55 5 5/150 = 0,03x100= 3% 1,56-1,60 10 - 1,61-1,65 - - Con ésta tabla se puede hacer un histograma por ejemplo. b) Gráficos: Según las variables a graficar, existen diferentes tipos de gráficos. Es necesario identificar el tipo de variable para poder seleccionar correctamente el tipo a utilizar. Histograma (1) Variables cuantitativa continua Box plot o caja (2) Polígono de frecuencias (3) Variables cualitativas o cuantitativa discreta Sectorial (4) Barras (5) 1. Histograma: Para cuantitativa continua (es un gráfico de área como el de barras, pero donde termina una barra, comienza la siguiente). El eje Y corresponde a la frecuencia absoluta o relativa. 5 4 3 1,50-1,55 2 1,55-1,60 1 1,60-165 0 Altura en metros 2. Box plot: De caja y bigotes. 60 50 40 30 20 10 0 Mujer Hombre Metodología de la Investigación Reyes, Lucía Belén 3. Polígono de frecuencias: Se hace con el histograma, haciendo un punto en la parte central de cada barra y uniendo los mismos. 5 4 3 2 1 0 1,50-1,55 1,55-160 1,60-1,65 1,65-1,70 4. Sectorial Género Frecuencia absoluta Frecuencia relativa Femenino 80 80/150 = 53,3% Masculino 70 70/150 = 46,6% Frecuencia por género Femenino Masculino 5. Barras: Si agregamos otra variable como el año, ya no se puede hacer sectorial. 5 4 3 Masculino 2 Femenino 1 0 2016 2017 Metodología de la Investigación Reyes, Lucía Belén 3) REUSUMEN DE DATOS: Medidas de resumen. La forma de resumir los datos también depende del tipo de variable. Permiten tener una idea rápida de cómo son los datos. CUANTITATIVAS: El objetivo es contar con pocos valores (medidas de resumen) que puedan describir las características mas sobresalientes del conjunto de datos que se está analizando. Cualquier conjunto de datos tiene 2 propiedades importantes: un valor central y la dispersión alrededor de ese valor. Por eso se resumen las variables cuantitativas con una medida de tendencia central y una medida de dispersión. Medidas de tendencia central (medidas de orden o de posición): Es un valor único y numérico que representa mejor al centro de un conjunto de datos. Útiles para describir de forma más sintética los datos y poder comparar mejor las observaciones de 2 o más conjuntos. Media aritmética, promedio o media: Se suman todas las observaciones y se dividen por la cantidad total de datos. No sirve si hay valores extremos, es la más representativa cuando los valores son simétricos. Ventaja Cálculo sencillo. Desventaja Distorsionado por valores extremos. Mediana: Es el valor central cuando los datos están ordenados según su magnitud (ascendente o descendente), quedando por encima y por debajo de la mediana el 50% de las observaciones (es decir que divide a la distribución en el 50%). Para esto los datos deben estar ordenados (mayor a menor, o menor a mayor pero siempre ordenados). Es la más representativa cuando hay valores extremos. Modo o moda: Valor de mayor frecuencia en el conjunto (el que más se repite). Se ordenan los datos de forma crecimiento y se coloca la frecuencia de cada uno (cuantas veces se repite) identificando el valor mas frecuente. Ejemplo: 24 24 Promedio: 32. 25 26 Mediana: 25. 26 75 Modo: 24. Medidas de dispersión: Es necesario conocer cuánto se alejan los datos u observaciones del valor central. Una medida de dispersión es una medida de cuan alejados están los datos respecto al centro de la distribución, ya sea que se tome como centro a la media o a la mediana de los datos. Rango, amplitud o recorrido: Diferencia entre el valor máximo y el mínimo que alcanza la variable de interés. Depende mucho de la presencia de valores extremos por lo que no es muy confiable. Desvío estándar (DE): Medida para cuantificar la variación o la dispersión de un conjunto de datos numéricos. Es la raíz cuadrada de la varianza. Varianza: Es el promedio de los cuadrados de las desviaciones respecto de la media. Se determina la diferencia de cada valor con respecto al promedio. Elevar al cuadrado esa diferencia Metodología de la Investigación Reyes, Lucía Belén para eliminar valores negativos, se suma el cuadrado de las diferencias y se divide por n (numero de observaciones) o n-1 para encontrar la media de las diferencias al cuadrado. (anda a saber que mierda significa todo esto). Coeficiente de variación: Traduce a porcentaje la variabilidad de un conjunto de observaciones, con lo que permite comparar distintos grupos de datos independientemente de las unidades de medición. Es el cociente entre el desvío estándar y la media. Se utiliza para evaluar la representatividad de la media en la muestra y para comparar distintas muestras. Valores bajos indican muestras menos dispersas y una media mas representativa, valores altos indican lo contrario. Error estándar: Es una medida del error de la media de una muestra. Medidas de posición u orden: Cuartiles: Son 3 valores que dividen al conjunto de datos observados en CUATRO partes iguales. Primer cuartil (Q1), segundo cuartil (Q2), tercer cuartil (Q3). Percentiles: El conjunto de datos se divide en 100 partes iguales: P1, P2…P99. Recorrido intercuartil: Diferencia entre el cuartil superior (Q1 el 25% más alto) y el cuartil inferior (Q3 el 25% mpas bajo) de un conjunto de datos. IMPORTANTE Las medidas de tendencia central permiten ubicar con mayor o menor precisión el centro de equilibrio de una distribución de datos, pero el valor central no es suficiente para describir el comportamiento de esa distribución. Es necesario conocer cuánto se alejan los datos u observaciones del promedio mediante las medidas de dispersión. CUALITATIVAS: Se resumen a través de cocientes. Habrá un numerador y un denominador. Un propósito de resumir los datos cualitativos, como por ejemplo la presencia de una enfermedad, es comparar frecuencia de la misma en diferentes lugares o en un mismo sitio pero en diferentes momentos. Medidas de frecuencia: Frecuencias absolutas: Se usan para conocer la magnitud del problema. Es el número total. Revela poco sobre riesgo o probabilidad. Frecuencias relativas: Dan más precisión de la magnitud del problema: - Proporción: Relaciona una parte de la población con el total al cual pertenece y se puede expresar en porcentaje. Fracción de sucesos de igual género que figuran en el denominador. El numerador está incluido o contenido en el denominador. Su valor es de 0 a 1. Generalmente se lleva a porcentaje. - Porcentaje: Parte de una serie de sucesos que figura en el nominador, con respecto del total (denominador). Metodología de la Investigación Reyes, Lucía Belén - Razón: Relaciona 2 categorías distintas de la misma variable o 2 variables diferentes (en el numerador debe ir la frecuencia mayor para que sea más fácil la interpretación). El numerador no está relacionado con el denominador. Su valor es de 0 a infinito. Ejemplo: 4 sanos cada 1 enfermo. - Tasas: Expresión numérica del riesgo (probabilidad de que ocurra un suceso). Cuantifican la ocurrencia de una enfermedad en el mismo tiempo y lugar. Se comparan 2 grupos. En el denominador van las personas susceptibles a dicho proceso. Es una proporción o razón con especificación de tiempo. Ejemplo: Clasificación de tasas: Según su construcción: a) Brutas o generales: El denominador es el número total de habitantes. b) Específicas: Mide subgrupos. c) Ajustada o estandarizada: Compara poblaciones de diferentes estructuras. Según lo que miden: a) Morbilidad: Cantidad de personas que enferman. Incidencia: Número de casos nuevos en una población. Prevalencia: Número de casos en un tiempo determinado. b) Mortalidad. c) Letalidad d) Natalidad. Metodología de la Investigación Reyes, Lucía Belén MEDIDAS DE FRECUENCIA Prevalencia: Número de eventos o casos de una enfermedad en una población en un tiempo determinado (muestra la frecuencia con que el evento existe en un momento dado). La prevalencia depende de la incidencia y de la duración de la enfermedad (cuánto mas casos nuevos se presenten en una población y mas dure en el curso de la enfermedad, aumentará la prevalencia). Incidencia: Número de eventos o casos nuevos en una población en un período de tiempo (muestra la frecuencia con que un evento incide en el tiempo). La incidencia es dinámica. OPERACIONALIZAR Trabajar sobre una variable. Ejemplo: Transformar una variable cuantitativa en una cualitativa. Con peso y altura que son cuantitativas, se puede realizar el IMC que es una variable cualitativa (siempre y cuando se use la estadificación de IMC en normopeso, sobrepeso y obesidad, y no su expresión numérica ya que en ese caso seguiría siendo cuantitativa). CONSIDERACIONES ÉTICAS La investigación implica la participación de seres humanos, con riesgos, molestias e incomodidades que puede suponer para ellos. El campo de la ética de la investigación está dedicado al análisis de éstas situaciones para asegurar que los participantes estén protegidos y que la investigación se conduce de forma que sirva a las necesidades de ellos como a las de la sociedad en conjunto. Proteger los derechos de las personas que participan en los estudios. El objetivo de la investigación clínica es generar conocimiento generalizable, para mejorar la salud y bienestar. Los sujetos que participan son un medio para generar conocimiento y existe posibilidad de explotación al colocarlos en situación de riesgo de ser perjudicados para el bien de otros. Los requisitos éticos para la investigación clínica están dirigidos a reducir las posibilidades de explotación y asegurar el respeto. Metodología de la Investigación Reyes, Lucía Belén 1) Valor de la pregunta de investigación: Valor para la sociedad. Importancia social, científica, clínica. Debe evaluar una intervención que lleve a mejoras en la salud o bienestar de la población. 2) Validez científica: Resultados confiables, metodología válida y prácticamente realizable. Debe tener un objetivo científico claro, usando principios, métodos y prácticas aceptadas, tener poder para probar el objetivo y debe poder llevarse a cabo. 3) Selección equitativa de los sujetos: Selección justa de los sujetos, tanto en criterios de selección como en estrategia de reclutamiento. La selección debe ser guiada por los objetivos del estudio y no por otras consideraciones (vulnerabilidad, privilegio, etc). 4) Razón riesgo/beneficio favorable: La investigación se justifica si: a) Los riesgos se minimizan. b) Los beneficios se maximizan. c) Los beneficios son proporcionales o exceden a los riesgos asumidos. 5) Evaluación independiente: Aprobación por el Comité de Ética. Evalúan la ideoneidad del protocolo del estudio y también al equipo investigador, la información que se les dará a los sujetos de investigación como se hará el consentimiento informado. Es para minimizar el posible impacto de los conflictos de intereses. Evalúan el cumplimiento de requisitos éticos. 6) Consentimiento informado: Asegura que los individuos participen en la investigación cuando es compatible con sus valores, intereses y preferencias. Requisitos: a) Provisión de información sobre la finalidad, riesgos, beneficios y alternativas. b) Comprensión del sujeto de ésta información y de su propia situación. c) Toma de una decisión libre y no forzada sobre su participación. 7) Respeto a los sujetos inscriptos: A lo largo de todo el estudio y después. Ejemplo: Confidencialidad de los datos recogidos, permitir que abandonen el estudio, obligatoriedad de compensar a los sujetos por cualquier lesión producida por su participación. DISEÑOS DE ESTUDIO DE INVESTIGACIÓN MÉDICA EPIDEMIOLOGÍA: Disciplina que estudia la frecuencia y distribución de los eventos de salud-enfermedadatención y sus determinantes en la población humana. Metodología de la Investigación Reyes, Lucía Belén ESTUDIOS DESCRIPTIVOS Describe la frecuencia y características de un problema de salud. Los datos proporcionados por estos estudios son importantes para identificar los grupos más vulnerables de la población y distribuir recursos, como así también para investigación de los determinantes y la identificación de factores de riesgo. Variables: Persona. Lugar. Tiempo. ESTUDIOS ECOLÓGICOS O DE CONGLOMERADO (poblacional): No existe información individual sobre la presencia o no de la exposición y el desenlace, sino que se utiliza la información de estadísticas poblacionales disponibles. Describen la enfermedad en la población en relación a variables de interés (edad, utilización de servicios, consumo de alimentos, tabaco, etc). La unidad de análisis en estos estudios no es el individuo, sino un conjunto o conglomerado de individuos miembros de la población de estudio. La característica principal es que se cuenta con información sobre la exposición o el evento para el conglomerado en su totalidad, desconociéndose la información a nivel individual. Ventaja: Se realizan rápido y fácil. Aumenta el poder estadístico. Aumenta la variabilidad de exposición. Bajo costo. Facilidad de acceso a la información (se puede usar información de estadísticas vitales). Se pueden estudiar grandes grupos poblacionales. Metodología de la Investigación Reyes, Lucía Belén Limitación: No pueden determinar si existe una asociación entre una exposición y una enfermedad a nivel individual. No se tiene información sobre factores de consifion y no se puede corregir por éstos. Tienen el puntaje mas bajo en la escala de causalidad. SERIE DE CASOS: Describen la evolución o la historia de un paciente (reporte de un caso) o un grupo de pacientes con un diagnóstico similar. Describe una característica de una enfermedad que sirve para generar nuevas hipótesis. No sirven para determinar asociación estadística ni causal. Utilidad en formulación de hipótesis. Limitación: Ausencia de grupo control. ESTUDIOS TRANSVERSALES O DE ENCUESTA: RP y OR. Retrospectivos. Estudios de prevalencia. La población en estudio se selecciona de manera aleatoria sin considerar la exposición o el evento como criterios de selección, por lo que se indaga sobre la presencia de exposición y la ocurrencia del evento una vez conformada la población en estudio. Relevan información en un momento particular con el objetivo de determinar la frecuencia de una enfermedad o cualquier evento relacionado con la salud. Estudian simultáneamente la exposición y la enfermedad en una población bien definida en un momento dado. No permite conocer la secuencia temporal de los acontecimientos. Se utilizan para conocer la prevalencia de una enfermedad o factor de riesgo. Los sujetos son medidos una sola vez y no hay seguimiento de los participantes. Este tipo de estudio requiere definir: La población de referencia sobre la que se desea extrapolar los resultados. La población susceptible de ser incluida en la muestra, delimitando claramente los que pueden ser incluidos en el estudio. La selección y definición de las variables por las que se va a caracterizar el proceso. Las escalas de medida a utilizar. La definición de “caso”. Sujetos seleccionados para el estudio Con resultado Sin resultado Ventajas: Estiman prevalencia. Fácil ejecución. Poco costosos. Eficientes para estudiar la prevalencia de enfermedades en una población. Se pueden estudiar varias enfermedades y/o factores de riesgo a la vez. Caracterizan la distribución de la enfermedad respecto a diferentes variables. Poco tiempo de ejecución. Útiles para la planificación sanitaria (identifican el nivel de salud, grupos vulnerables y prevalencia) Limitaciones: La relación causa efecto no siempre es verificable (escala baja en términos de causalidad). No son útiles para enfermedades raras o de corta duración. Metodología de la Investigación Reyes, Lucía Belén Problemas para definir y medir la exposición. Posibilidad de sesgos de información y selección. Sesgos por casos prevalentes. Su complejidad exige equipo multidisciplinario y recursos suficientes para mantenerlos a lo largo del tiempo. ESTUDIOS ANALÍTICOS Busca establecer posibles relaciones causales entre factores a los que se exponen las personas y las enfermedades que presentan. Tienen una hipótesis que el investigador intenta contrastar lo que obliga a tener un grupo “control”. Asociación causal: Causa: Acontecimiento, condición o característica NECESARIA para la ocurrencia de una enfermedad. Efecto: Evento. Ejemplo: Enfermedad. La relación causa/efecto debe ser estadísticamente significativa. Factor de riesgo (diferente a causa): Factor que aumenta la probabilidad de padecer la enfermedad (Ejemplo: Cigarrillo para cáncer de pulmón). Tienen una hipótesis que intentan contrarrestar, lo que hace que deban tener un grupo “control”. CASOS Y CONTROLES: Retroespectivo (no tienen una relación causal perfecta). Este tipo de estudio selecciona a la población de estudio con base en el evento de estudio. El criterio de selección es la presencia o no del evento (Ejemplo: Enfermo y sano) y el investigador es quien fija el numero de eventos a estudiar como así también de sujetos sin el evento (población de comparación o referencia).. Se selecciona un grupo de personas con una enfermedad u otra variable (casos) y se los compara con un grupo similar que no tengan la enfermedad (controles). Es importante que los casos y los controles tengan su origen en la misma base poblacional a fin de que los controles representen de manera adecuada a la población donde provienen los casos y cumplan con la condición de que si desarrollaran el evento en estudio, hubieran sido reclutados como casos. Población en estudio: Casos Sujetos con el evento en estudio. Controles Sujetos sin el evento en estudio (personas lo más parecidas posible a los casos, excepto por no tener la enfermedad o problema de salud que se quiere investigar). Una vez seleccionados, se investiga la exposición en el pasado de ambos grupos, el factor cuya asociación con la enfermedad se quiere investigar. Se realiza una comparación. Si la frecuencia de exposición a la causa es mayor en el grupo de casos que en el de controles, significa que hay una asociación entre causa y efecto. Son analíticos porque generalmente se emplean para probar una o más hipótesis específicas, típicamente las que plantean que una exposición es un factor de riesgo para una enfermedad o que una exposición está asociada a un daño. Definición de caso. Selección de los controles. Selección de las fuentes de información sobre la exposición y la enfermedad. Selección de los casos: Establecer de forma clara los criterios de inclusión. Deben ser incidentes (los prevalentes cambian sus hábitos en relación a la exposición). Metodología de la Investigación Reyes, Lucía Belén Selección de controles: Deben ser representativos de la población de donde provienen los casos. Deben ser comparables, deben haber tenido la misma probabilidad de haber estado expuestos. Casos Casos expuestos Controles Controles expuestos Casos no expuestos Controles no expuestos La medida de asociación que permite cuantificar la asociación es ODDS RATIO. CASOS CONTROLES TOTAL EXPUESTOS A B A+B NO EXPUESTOS C D C+D A+C B+D TOTAL = = Ventajas: Menos costosos. Corta duración. Útiles en enfermedades raras. Eficientes para estudiar enfermedades con períodos de latencia o inducción prolongados. Se pueden estudiar varias exposiciones simultáneamente. Limitaciones: No miden incidencia. Susceptibles a sesgos de selección. Se puede presentar causalidad reversa. Puede fallar la secuencia temporal (puntaje bajo en escala de causalidad). Problemas para definir población fuente de los casos. Problemas para medir adecuadamente la exposición. COHORTE: Los individuos son identificados según presencia o ausencia de la exposición a un determinado factor (se elige un grupo expuesto y otro no expuesto) y posteriormente se determinará la ocurrencia del evento. Al inicio del estudio, todos están libres de enfermedad que se quiere estudiar y son seguidos durante un período de tiempo lo suficientemente prolongado para observar la frecuencia de aparición del fenómeno que nos interesa. Si al finalizar el período de observación, la incidencia de la enfermedad es mayor en el grupo de expuestos, significa que existe una asociación estadística entre la exposición a la variable y la incidencia de la enfermedad. Tienen alto valor en la escala de causalidad, ya que es posible verificar la relacion causa efecto correctamente en el tiempo. Es importante que en el grupo expuesto y no expuesto, no existan diferencias (además de la exposición). Pueden ser prospectivos o retrospectivos: Metodología de la Investigación Reyes, Lucía Belén La cuantificación de ésta asociación se calcula construyendo una razón entre incidencias RIESGO RELATIVO. ENFERMOS SANOS TOTAL EXPUESTOS A B A+B NO EXPUESTOS C D C+D A+C B+D TOTAL Expuestos enfermos No expuestos enfermos Los denominadores son las incidencias. Expuestos Expuestos enfermos Expuestos no enfermos No expuestos No expuestos enfermos No expuestos no enfermos Ventajas: Estiman incidencia. Relación temporal causa efecto es verificable (la exposición precede al desenlace). Eficiente para estudiar exposiciones raras o poco frecuentes. Más cercanos a un experimental. Se pueden estudiar varios eventos. Bajo riesgo de sesgo de selección (sobre todo en prospectivos). Limitaciones: Costo elevado. Logística compleja (difíciles de realizar). Tamaño muestral grande. Inútiles en enfermedades raras o infrecuentes (no sirven para eventos poco frecuentes). Seguimiento largo. La asignación de la exposición no es controlada por el investigador (no es experimental). Metodología de la Investigación Reyes, Lucía Belén INTERPRETACIÓN DE RR Y OR: = a 1 No hay evidencia de asociación entre factor y evento. + de 1 Factor de riesgo. - de 1 Factor de protección. Factor de riesgo Factor de protección 0 Asociación negativa o inversa 1 Asociación positiva o directa ∞ INTERVALO DE CONFIANZA: Incluye a 1: No hay asociación estadística (o no se puede demostrar). No incluye a 1: Hay asociación estadística (sea de riesgo o de protección). COMO COMPLETAR LAS TABLAS: Transversal: Enfermo SI NO Total Casos y controles: Enfermo SI NO Total 50 Sano Total 30 70 100 Sano Total 50 100 Sano Total 50 50 100 Cohorte: Enfermo SI NO Total ESTUDIOS EXPERIMENTALES: El investigador manipula las condiciones de la investigación. Se produce una manipulación de una exposición determinada en un grupo de individuos que se compara con otro grupo en el que no se intervino o al que se expone a otra intervención. Se utilizan para evaluar la eficacia de diferentes terapias, actividades preventivas o para la evaluación de actividades de planificación y programación sanitarias. Pueden ser: Terapéuticos (o prevención secundaria): Se realizan con pacientes con una enfermedad en particular y determinan la capacidad de un agente o un procedimiento para disminuir síntomas, para prevenir la recurrencia o para reducir el riesgo de muerte por dicha enfermedad. Preventivos ( o prevención primaria): Evalúan si un agente o procedimiento reduce el riesgo de desarrollar una enfermedad. Por ello los estudios experimentales preventivos se realizan en individuos sanos que están a riesgo de desarrollar la enfermedad. Metodología de la Investigación Reyes, Lucía Belén a) ENSAYO CLÍNICO: Es el estudio experimental más frecuente, los sujetos son pacientes con una determinada condición y se evalúa uno o más tratamiento para una enfermedad o proceso. La validez de este estudio radica fundamentalmente en que la aleatorización hace a los grupos comparables en las variables más relevantes en relación al problema a estudiar. Ventajas: Mayor evidencia de asociación causal. Repetiles y comparables con otras experiencias. Limitaciones: Costosos y consumidores de tiempo. Barreras éticas. Intervenciones acotadas que luego no pueden extrapolarse a la vida real. b) ENSAYOS DE CAMPO: Tratan con sujetos que aun no han adquirido la enfermedad o con aquellos que estén en riesgo de adquirirla y estudian factores preventivos de enfermedad como pueden ser la administración de vacunas o el seguimiento de dietas. c) ENSAYO COMUNITARIOS: Incluyen intervenciones sobre bases comunitarias amplias. Suelen denominarse cuasiexperimentales lo que puede conducir a un error de interpretación, ya que el estudio es experimentan lo que no ocurre es la aleatorización. Cuando se emplea este diseño una o varias comunidades recibirán intervención, mientras que otras servirán como control. Metodología de la Investigación Reyes, Lucía Belén MUESTREO Objetivo: Obtener conclusiones válidas para la población partiendo de una parte pequeña de la misma (muestra). Metodología para recolectar datos, sin necesidad de hacerlo con toda la población. La muestra es REPRESENTATIVA de la población. Parámetros Promedio de población total INFERENCIA n Estimadores Datos de una muestra. Población objetivo, diana o universo: Población de la que se desea obtener la información. En ocasiones parte de la misma es desconocida por lo que no puede ser utilizada para la muestra. Ejemplo: Adolescentes entre 12 y 14 años de ciudad “x” en tiempo “y”. Población a estudiar: Población de la que realmente se obtendrá la información, porque de ella se extrae la muestra. Corresponde a la parte de la población diana que es conocida. Ejemplo: Adolescentes entre 12 y 14 años de ciudad “x” en tiempo “y” que asisten a establecimientos escolares (para obtener la muestra se van a usar los registros escolares). Unidad de muestreo: Cada individuo del cual es recolectado el dato. Elemento básico sobre el que se desarrolla la investigación. Marco de muestreo: Lista de las unidades del muestreo. Muestra: Una parte de la población de la cual reproduce sus características. Grupo de unidades de muestreo, seleccionados de la población de estudio, sobre la que se realizará toda la investigación. Fracción de muestreo: Cociente entre el tamaño de la muestra y el tamaño de la población a estudiar x100 ( x100). VENTAJAS: Mejor calidad de información obtenida (por trabajar con menos personas). Menor tiempo y costo de ejecución. Permite obtener más información y más detallada. DESVENTAJAS: No se conoce la población completa. Debe realizarlo un especialista. Errores sistemáticos o vicios ocultos El operador los desconoce, no sabe que existen. Si aumenta la muestra, aumenta el error. Ejemplo: Tensiómetro mal calibrado. Errores propios del azar Cometidos por no trabajar con toda la población. Si aumenta la muestra, disminuye el error. Ejemplo: Midiendo altura de la población, justo selecciono los más altos. Metodología de la Investigación Reyes, Lucía Belén MUESTREO EXPLORADOR (de prueba): Se realiza previamente cuando no se conoce nada de la población o el fenómeno. MUESTREO PILOTO: Se realiza previamente cuando se conoce algo y se quieren ajustar los detalles. MARCO MUESTRAL: Características y límites que deberá tener el muestreo. Tener en cuenta: Características de estudio: Si son atributos (enfermedad) o variables discretas (N° de partos) o continuas (peso al nacer). Cuál es la unidad de estudio Individuos, familias, establecimientos educativos, etc. Utilizar definiciones operativas. Ejemplo: Si el estudio es en individuos hipertensos, establecer claramente su definición. Definir área geográfica y tiempo. Deberá conocerse características de la población. SESGOS EN ESTUDIOS EPIDEMIOLÓGICOS Un objetivo de todo estudio epidemiológico es el de medir y calcular con la mayor precisión y exactitud posible las determinaciones que se utilizan. La validez del conocimiento derivado del estudio va a depender, en gran medida, de la ausencia de error y de la capacidad de estimar el parámetro verdadero en la población blanco. Dicha validez es la ausencia de sesgo o error. Validez interna: Errores cometidos durante el proceso de selección de la población de estudio, las mediciones en dicha población o errores ocasionados por la falta de comparabilidad de los grupos estudiados. Validez externa: Capacidad del estudio de generalizar los resultados observados en la población de estudio hacia la población blanco. La validez externa va a depender de la validez interna. ERRORES SITEMÁTICOS Y PROPIOS DEL AZAR Errores sistemáticos (vicios ocultos o errores no aleatorios): La carencia de error sistemático se llama validez. Sesgos son aquellos errores sistemáticos en un estudio epidemiológico que producen una estimación incorrecta de asociación entre la exposición y la enfermedad. Normalmente el operador desconoce la existencia de los mismos. En la medida que aumenta el tamaño de la muestra, aumenta dicho error. Las medidas repetidas, ya sean en un mismo sujeto o en diferentes miembros de la población de estudio, varían de manera predecible y se tiende a subestimar el valor verdadero de esas medidas. Dependiendo de la etapa del estudio en la que se originan los sesgos que interfieren con la validez interna se clasifican en: Sesgos en la selección: Los errores se introducen durante la selección o el seguimiento de la población en estudio. Los grupos del estudio no son comparables debido a como fueron seleccionados los pacientes. Es cualquier error que se deriva del proceso de identificación de la población a estudiar. Puede ser: Al seleccionar el grupo control, al seleccionar el espacio muestral donde se realizará el estudio o por pérdidas en el seguimiento. Sesgos en la información u observación: Errores en los que se incurre durante los procesos de medición de la población en estudio (ya sea medición de la exposición, de los eventos u otras covariables). Los grupos de pacientes del estudio no son comparables debido a como se obtuvieron los datos. Son los errores que se introducen durante la medición de la exposición, de los eventos u otras covariables en la población de estudio, que se presentan de manera diferencial entre los grupos que se comparan, y que ocasionan una conclusión errónea respecto de la hipótesis que se investiga. Puede ser: Por un instrumento de medida no adecuado (por ejemplo: no estandarizado), criterios diagnósticos incorrectos, omisiones, imprecisiones en la información o errores en la clasificación (puede ocurrir que expuestos sean clasificados como no expuestos y viceversa). Metodología de la Investigación Reyes, Lucía Belén Sesgo de confusión: Puede resultar de una sobre o subestimación de la asociación real. Existe sesgo de confusión cuando observamos una asociación no causal entre la exposición y el evento o cuando no observamos una asociación real entre la exposición o el evento por la acción de una tercera variable que no es controlada. Los autores no han recogido información (o la han obtenido pero no la han utilizado) sobre un factor que se relaciona a la vez con la exposición y con el efecto estudiados. Esta variable o variables se denominan factores de confusión o confusores. Serán fuente de posible sesgo de confusión, todas las variables asociadas con la exposición que además estén causalmente asociadas al evento en estudio y que se encuentra distribuida de manera diferencial entre los grupos que se comparan. Errores propios del azar (errores aleatorios o no sistemáticos): Son cometidos por el hecho de no trabajar con toda la población. En este caso a medida que aumenta el tamaño de la muestra, disminuye dicho error. Con mas observaciones, el error por azar se minimiza y aumentamos la precisión. A la carencia de error aleatorio se conoce como precisión. Las mediciones repetidas, ya sean en un mismo sujeto o en diferentes miembros de la población de estudio, varían de forma predecible. DISEÑO DE LA MUESTRA Método de selección de la muestra. Tamaño de la muestra. Forma como se harán las estimaciones de los parámetros que se quieren conocer. 1) METODOS DE SELECCIÓN DE LA MUESTRA: PROBABILÍSTICO (azar): Todos los integrantes de la población tienen la misma probabilidad de ser elegidos. Aleatorio simple (simple al azar, sorteo): Cada unidad de muestro debe estar identificada y requiere un marco de muestreo (lista de todas las unidades presentes en la población La lista sería el marco de muestreo). El proceso de selección pueden ser: dados, cartas, números en un sombrero, números aleatorios, etc. Limitaciones: Es difícil obtener un “marco de muestreo” (lista) completa. Los costos son mayores que con otros diseños. Si la población es heterogénea respecto a la característica estudiada, los resultados pueden carecer de precisión. Aleatorio estratificado: Estrato Subgrupo de unidades de la población en estudio con una característica en común. Los estratos deben ser mutuamente excluyentes y la característica que define al estrato (edad, género, área, etc) debe asociarse al factor de estudio. Una vez definidos, se hace un muestreo aleatorio simple en cada uno de los estratos. Ventajas: Asegura que todos los estratos estén presentes en la muestra. Tiene mayor precisión global que mediante un muestreo aleatorio simple y se obtienen resultados para cada estrato aunque con precisión menor que la global. Limitaciones: Requiere mayor información previa que el aleatorio simple. Metodología de la Investigación Reyes, Lucía Belén Sistemático: Individuos ordenados para elegir. Ejemplo: Por lista. En el universo (N) se elige el primer elemento al azar y luego los demás se escogen cada cierto intervalo hasta completar el tamaño de la muestra. Conglomerado o de grupo: La población se divide en fracciones geográficas sin considerar sus atributos. Tratando en que los conglomerados hagan cierta homogeneidad entre sí pero heterogéneos entre sus componentes luego se toman muestras de cada porción. Muestreo en 2 etapas. Multietápico o polietáoico: Usa más de una de los de arriba. Selecciona los individuos por etapas, configurando sucesivamente grupos (estratos o conglomerados) y subgrupos denominados unidades de muestro primarias, secundarias, terciarias, etc. NO PROBABILÍSTICO: Selección no aleatoria. Tienen diferentes probabilidades de selección (muestreo dirigido). Con voluntarios. Por conveniencia. 2) TAMAÑO DE LA MUESTRA: FACTORES QUE INFLUYEN EN EL “n”: Variación de la población: Si la variable a medir varía mucho entre cada uno. Ejemplo: Medir altura en un grupo que son todos muy diferentes. A mayor variable Mayor muestra debe ser. Tamaño de la población: Más grande la población Más grande la muestra debe ser. Metodología de la Investigación Reyes, Lucía Belén Nivel de confianza: A mayor confianza se quiere Más grande la muestra debe ser. Error: Precisión, certeza o diferencia. Puede ser absoluto o relativo. Promedio (estimación) Error M (parámetro). Ejemplo: Se acepta un 20% de prevalencia. Si se espera prevalencia de 10% Se acepta error de 8% a 12% (porque 2 es el 20% de 10). Recursos. 3) FORMA EN QUE SE HARAN LAS ESTIMACIONES PARA LOS PARÁMETROS QUE SE QUIEREN CONOCER: UTILIDAD DE MUESTREO: Estimar una proporción (prevalencia) Interesa cuantificar la enfermedad, no solo saber si está o no presente. Estimar la media Calcular el promedio de la variable en una población. Metodología de la Investigación Reyes, Lucía Belén INFERENCIA ESTADISTICA Obtener conclusiones válidas para una población a partir de la información de la muestra. Para que sea representativa Deben coincidir las características de la muestra con las de la población. La estadística inferencial busca determinar cuan válido es transferir los hallazgos de la muestra a toda la población bajo estudio. Estimador Valor obtenido a partir de la muestra. Parámetro Se obtiene a partir de la población. La inferencia estadística puede realizarse de 2 formas: Estimación: - Puntual. - Por intervalos de confianza. Testo de hipótesis. ESTIMACIÓN PUNTUAL Generaliza lo de la muestra a la población y va a tener un margen de error (por ejemplo: no va a ser exactamente igual el promedio de la muestra que el promedio de la población total). Un estimador puntual puede ser la media aritmética, siendo una estimación puntual del parámetro. La calidad de la estimación obtenida depende de la adecuada elección del estimador puntual, debido a que existe una gran variedad de estimadores posibles en cada situación particular. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Al trabajarse con una muestra, es lógico que dependiendo los sujetos seleccionados, nos de cómo resultante una estimación puntual diferente para cada uno. Por lo tanto suele acompañarse la estimación puntual de alguna medida del posible error en esa estimación. Puede hacerse indicando el error estándar del estimador o dando un intervalo (límite inferior y superior) que incluya al verdadero valor del parámetro con un cierto nivel de confianza. El procedimiento que permite calcular dichos límites es la estimación por intervalo. Al valor que nos dio como resultado en la muestra, se le resta algo (límite inferior) y se le suma lo mismo (límite superior). Ejemplo: Si el valor es 98, el intervalo de confianza es entre 93 y 103 (98-5 y 98+5). PRUEBA O TEST DE HIPÓTESIS Pasos del test de hipótesis: Plantear las hipótesis: De acuerdo al objetivo propuesto se plantea una hipótesis nula (H0) en la cual siempre debe incluirse la igualdad y una hipótesis alternativa (H1) que expresa lo contrario que la nula. El conjunto de hipótesis (H0 Y H1) general pruebas bilaterales o unilaterales. - Hipótesis nula: Es la que se pone a prueba y siempre tiene la igualdad. - Hipótesis alternativa: Si se rechaza la nula, se acepta la alternativa. Es diferente (ya sea mayor o menor pero diferente). Elección del estadístico: Se elige el estadístico más apropiado para probar nuestra hipótesis. La elección va a depender del tipo de variable en estudio, de la cantidad de información y principalmente del parámetro que se desea evaluar. Será necesario conocer la distribución del estimador. Determinar el nivel de confianza: Al tomar una decisión estadística se pueden cometer 2 tipos de errores: -Error tipo I: Se simboliza con la letra α y representa la probabilidad de rechazar una hipótesis nula que es verdadera. Por el contrario, la probabilidad de aceptar una H0 cuando es verdadera es (1-α) y expresada en porcentaje se la denomina nivel de confianza. Metodología de la Investigación Reyes, Lucía Belén - Error tipo II: Cuando aceptamos una hipótesis nula que en realidad es falsa y cuya probabilidad se simboliza con la letra β. Por el contrario, la probabilidad de no cometer error de tipo II sería (1-β) y se la llama potencia del testo. La potencia es la capacidad de la prueba de rechazar una hipótesis nula que es falsa. Fijando el nivel de confianza determinamos el error que estamos dispuestos a cometer. Si, (1α)x100 es igual a 95% Estamos dispuestos a comedor un error α=0,05. Cálculo del estadístico: Son desarrollados por medio de software especializados cuyo resultado está expresado en p-valor. Conclusión: Se toma una decisión. Se debe aceptar o no la hipótesis nula planteada. - Hipótesis nula rechazada: Se dice que las diferencias son estadísticamente significativas o que no se debieron al azar. - Hipótesis nula aceptada: Dichas diferencias no son estadísticamente significativas o se debieron al azar. TIPOS DE ERROR HIPÓTESIS NULA Verdadera Falsa DECISIÓN Aceptar H0 No hay error (NC) Nivel de confianza o 1-α Error tipo II (β) Rechazar H0 Error tipo I (α) No hay error (P) Potencia o 1-β NC o 1-α No hay error. Capacidad de aceptar una hipótesis nula verdadera (95% o 99%). Error tipo I o α Error cometido al rechazar una hipótesis nula verdadera (0,05 cuando es con 95% de confianza o 0,01 cuando es con 99% de confianza). Error tipo II o β Error que se comete al aceptar una hipótesis nula falsa. Potencia o 1-β No hay error. Capacidad de rechazar una hipótesis nula falsa. P VALOR Trabajando con un 95% de confianza α es igual a 0,05. El valor P es la probabilidad de que las diferencias encontradas se deban al azar o no. P valor mayor o igual a 0,05 Se acepta la hipótesis nula. Las diferencias no son significativas y se deben al azar. P valor menor a 0,05 Se rechaza la hipótesis nula. Las diferencias son significativas y es poco probable que se deban al azar. SIEMPRE QUE EXISTA UN P VALOR SIGNIFICA QUE SE APLICO UNA PRUEBA ESTADÍSTICA TIPOS DE TEST DE HIPÓTESIS La elección de la herramienta estadística va a depender de: Tipo de variable. Medida de resumen. Cantidad de grupos. VARIABLES CUANTITATIVAS: Distribución normal o simétrica: T de Student o test z: Para comparar 2 grupos independientes. T de Student para datos apareados: Para muestras apareadas. ANOVA (análisis de varianza): Para comparar 2 o más grupos. Metodología de la Investigación Reyes, Lucía Belén Distribución anormal o asimétrica: U de Mann-Whitney: Para comparar 2 grupos independientes. Test de wilcoxon: Para muestras pareadas. Kruskal Wallis: Para comparar 2 o más grupos. VARIABLES CUALITATIVAS Chi cuadrado: - Prueba de independencia (estimar factores de riesgo). - Prueba homogeneidad de proporciones (estimar si dos proporciones son similares u homogéneas). RESUMEN DE ESE CHINO MANDARIN T DE STUDENT Es para variables CUANTITATIVAS de distribución NORMAL O SIMÉTRICA. Va a estar resumida con PROMEDIO y DESVIO ESTANDAR U DE MANN-WHITNEY Es para variables CUANTITATIVAS de distribución ANORMAL O ASIMÉTRICA. Va a estar resumida con MEDIANA y CUARTILES CHI CUADRADO VIEJO AMIGO Es para variables CUALITATIVAS. Va a estar resumida con PROPORCION O PORCENTAJE FORMULACION DE HIPÓTESIS NULA Y ALTERNATIVA PARA CADA VARIABLE PRUEBA MEDIDA DE RESUMEN PLANTEO PARA CADA VARIABLE T de Student H0: El promedio de la variable del G1 es igual al Promedio con desvío estándar promedio de la variable del G2 H1: El promedio de la variable del G1 es diferente al promedio de la variable del G2 U-Mann Whitney H0: La mediana de la variable del G1 es igual a la Mediana con cuartiles mediana de la variable del G2 H1: La mediana de la variable del G1 es diferente a la mediana de la variable del G2 Chi cuadrado H0: La proporción de la variable del G1 es igual a la Proporción o porcentaje proporción de la variable del G2 H1: La proporción de la variable del G1 es diferente a la proporción de la variable del G2 Ejemplo: Hipótesis nula para T de Student El promedio de consumo de alcohol del grupo de hipertensos es igual al promedio de consumo de alcohol del grupo de normotensos (para que sea hipótesis alternativa solo se cambia el es igual por poner es diferente y fin). Hipótesis nula para U-Mann Whitney La mediana de actividad física diaria para el grupo de obesos es igual a la mediana de actividad física para el grupo de sobrepeso. Hipótesis nula para chi cuadrado La proporción de niños que consumen caramelos del grupo de diabetes es igual a la proporción de niños que consumen caramelos del grupo no diabético (se puede poner proporción o porcentaje, todo depende que medida de resumen hayan usado pero es igualito). Un tipo de prueba de Chi cuadrado es la prueba de independencia: Metodología de la Investigación Reyes, Lucía Belén Prueba de independencia: Se utiliza para determinar si existe asociación entre variables. Hipótesis nula: Hay independencia entre las variables (por ejemplo: Da igual ser mujer o varón para la obesidad, afecta a ambos grupos por igual). Hay igualdad por ende las variables son independientes. Hipótesis alternativa: No hay independencia entre las variables (los valores para cada grupo son diferentes). ANALISIS MULTIVARIADO Ya no se observa como una variable impacta sobre una variable respuesta, sino que se observa cómo actúan varias variables juntas y cual impacta más. REGRESIÓN: Y= A + B + C + D Y= Variable dependiente. A, B, C y D= Variables independientes. Variable dependiente o respuesta: Su valor depende de cómo se modifica la variable independiente. Se genera a través de otros datos. Es una variable cualitativa nominal (porque es dicotómica: tiene o no tiene, enfermo o sano) por lo tanto no tiene distribución. Ejemplo: Obesidad (con el IMC) que se modifica según el peso y la altura. Variable independiente o explicativa: Representa una cantidad que se modifica en una investigación. Son 2 o más variables simultáneamente (cuantitativas o categóricas). Análsis bivariado: A cada variable se le hace primero un análisis bivariado por lo que cada una va a tener OR o RR. REGRESIÓN LOGÍSTICA: Cuál de todos los factores impacta más. Se utiliza para determinar las posibles interacciones y/o confusiones entre los factores de riesgo. OR AJUSTADO: Nos indica que hay otra variable también en el proceso. ANALISIS DE SUPERVIVENCIA (SOBREVIDA) Es un método de estimación de riesgo Es una variable numérica que examina y modela el tiempo que transcurre desde el inicio del estudio hasta la aparición del evento (VARIABLE TIEMPO). Distribución asimétrica. Permite estimar el riesgo (OR o RR). Empiezan todos sanos Incidencia. La probabilidad de sobrevida empieza a disminuir a medida que en cada uno va apareciendo el evento.
