DISE

1
DISEÑOS DE ESTUDIO EN EPIDEMIOLOGIA

• Dra. Pilar Jiménez M.
• Salubrista

2

• Diseños Descriptivos
• Diseños Analíticos

3
METODO EPIDEMIOLOGICO
Observación sistemática y descripción de la
realidad
Elaboración de hipótesis explicativas
Verificación de la validez de la hipótesis
Conclusión
Intervención
4
DISEÑOS DESCRIPTIVOS

• Tienen por finalidad describir una situación de
  salud y reunir información que permita plantear
  una futura hipótesis.
• Por lo tanto permiten realizar las dos primeras
  partes del método epidemiológico
• Tipos de estudios descriptivos estudios
  transversales

5
DISEÑOS ANALÍTICOS

• Son aquellos estudios en que el objetivo es
  someter a comprobación una hipótesis
• Se dividen en dos grupos.
• Estudios observacionales (transversales,
  ecológicos, casos y controles cohorte) y estudios
  experimentales (ensayos clínicos controlados,
  pruebas de campo, estudios de intervención
  comunitaria)

6
Diseño transversal

• Diseño observacional de base individual. Se
  caracteriza porque la variable de exposición y la
  variable resultado se miden en un sólo momento.
• Ej. Relación entre exposición a contaminantes
  intradomiciliarios (v. exposición) y síntomas de
  asma (v. efecto).

7
IMPORTANTE

• Es necesario definir la unidad de observación del
  estudio, esto es la unidad básica sobre la cual
  se captará la información, ej los individuos,
  familias, hogares o escuelas

8

• Tamaño de muestra
• Criterios fijados por el investigador
• Datos que el investigador debe conocer
• Selección de la muestra
• Por conveniencia
• Probabilístico.
• Muestreo aleatorio simple
• Misma probabilidad para la población
• Debe poderse listar a todos los elementos de la
  población
• Muestreo estratificado
• Muestreo para cada estrato
• Sistemáticas
• Muestreo cada n elementos de la población

9
Cálculo del tamaño de muestra

• Prevalencia estimada del fenómeno
• Nivel de confianza que se le asignará a la
  muestra
• Potencia del estudio

10
Medición de las variables

• Cuestionarios (autoaplicados o aplicado por
  encuestador, cara a cara o teléfono).
• Fichas médicas.
• Variables antropométricas (peso, talla, etc).
• Registros laborales.
• Biomarcadores (saliva, orina, sangre, pelo, etc).
• Etc.....

11
Importante

• Muestra seleccionada debe reflejar las
  características de la población base que se
  quiere estudiar.
• Participación voluntaria se puede relacionar con
  mayor exposición de los casos (sesgo selección).
• Determinar si exposición cambia o NO con el
  tiempo.
• Si la exposición produce alta letalidad, la
  frecuencia de exposición en casos será baja.

12
Variables de estudio

• Característica observable y medible, que tiene
  diferentes valores y representan los conceptos
  que se quieren investigar.
• Previo al inicio del estudio definir
  operativamente las variables de exposición, de
  resultado y variables de control.
• Conocer la escala de medición de las variables
  permite definir el tipo de análisis estadístico
  de los datos.

13
Recolección de la información.

• En caso de utilizar cuestionarios evaluar
• Precisión (o confiabilidad) que el instrumento
  sea capaz de entregar resultados similares en
  distintos momentos.
• Validez capacidad del instrumento para medir la
  variable que realmente se quiere medir.
• Ambas características se pueden evaluar a
  través de un estudio piloto.

14
Sesgos error en la medición.

• Afectan la estimación de la prevalencia o de
  la asociación entre exposición y efecto,
  afectando la validez del estudio.
• Sesgo de selección.
• Sesgo de memoria.
• Sesgo de información.

15
Análisis de estudios transversales

• El análisis de datos depende del objetivo y de la
  escala de medición de las variables.
• Iniciar análisis con estadística descriptiva.

16

• Estadística descriptiva Frecuencia y
  distribución de características de interés.
• Variables categóricas distribución de
  frecuencias, frecuencias relativas, proporciones.
• Variables continuas medidas de tendencia central
  y de dispersión.

17
Análisis

• a) Si el objetivo es establecer el grado de
  relación (Fuerza de asociación) que existe entre
  la variable respuesta y la variable de
  exposición, las medidas de asociación utilizadas
  en este diseño son la razón de prevalencia (RP)
  y la razón de posibilidades (OR) SOLO CUANDO LA
  PREVALENCIA DE LA ENFERMEDAD ES BAJA.

18
Cálculo de RP

• Los datos deben resumirse en una tabla
  tetracórica
• Enfermos No enfermos
  
• Expuestos
• No exp.

a b
c d
a b
c d
RP a / a b c / c d
19

• ac número de enfermos de la población
• (ac)/(abcd)prevalencia de enfermedad en la
  poblaciòn
• a/(ab) prevalencia de enfermedad en los
  expuestos
• c/(cd)prevalencia de la enfermedad en los no
  expuestos

20
INTERPRETACIÒN

• Si el valor de la RP 1, se interpreta como
  igual la prevalencia entre los expuestos y los no
  expuestos.
• RPgt1, la prevalencia es mayor en los expuestos
  que en los no expuestos
• RPlt1, la prevalencia es mayor en los no expuestos
  que en los expuestos

21

• Otra medida de asociación que es posible calcular
  en los estudios transversales cuando la
  prevalencia de la variable en estudio es menor a
  10 es el Odds ratio (O.R.), cuando la
  prevalencia se asemeja a la incidencia.
• El OR expresa cuántas veces ocurriría el efecto
  en la población expuesta en relación a la no
  expuesta

OR axd bxc
22
TEST DE HIPÓTESIS

• Para evaluar si una asociación encontrada entre
  dos variables se debe al azar o no recurrimos a
  pruebas estadísticas
• Esta prueba permite constrastar si la relación
  observada entre las variables puede ser
  simplemente atribuida al azar

23
Por ejemplo

• Prueba de X2
• H0 no existe asociación
• H1 Existe asociación
• Con un nivel de significancia de
  0,05(probalilidad que los resultados sean debido
  al azar), lt0,05 es estadísticamente significativo
• Confianza 95 la asociación encontrada si se
  repite 100 veces el estudio, 95 veces se obtendrá
  el mismo valor

24
INTERVALO DE CONFIANZA

• Sirve para determinar si el parámetro calculado
  en nuestro estudio es real en la población.
• Se define mediante dos valores ( un límite
  superior y otro inferior) entre los cuales se
  encuentra el parámetro con un cierto grado de
  confianza (95)
• El intervalo de confianza no debe contener el
  valor nulo (1) ya que éste representa la no
  existencia de diferencia o asociación.

25
EJEMPLO

• Se desea conocer la asociación entre Ca pulmonar
  y consumo de cigarrillos.
• La RP4
• es importante este mayor riesgo en los
  expuestos?
• IC va entre 1,5 a 3,5

26

• Podemos decir con un 95 de confianza que el
  verdadero valor de esta asociación en el universo
  se encontrará dentro de este intervalo.
• Además podemos concluir que la asociación es
  verdadera ya que al repetir 95 veces el
  experimento el valor tiene el mismo sentido
  (mayor a 1)

27
INTERVALOS DE CONFIANZA DE MEDIDAS DE ASOCIACIÒN
0
1
Factor protector
0.5 (0,3-0,98)
No es posible concluir o No hay asociación
1,48 (0,4-1,28)
1,5 (1,03-2,28)
Factor de riesgo
28
VENTAJAS

• Bajo costo y rapidez
• Permite explorar mùltiples exposiciones y efectos
• Genera datos útiles para la planeación y gerencia
  de los servicios de salud
• Permite realizar mediciones de carga de enfermedad

29
LIMITACIONES

• Limitada utilidad para estudiar enfermedades de
  corta duración o poco frecuentes
• Imposibilidad de establecer causalidad
• Falta de temporalidad de la asociación
  exposición-efecto
• Trabaja con casos prevalentes e incidentes a la
  vez

30

• FIN