Sesgo, confusión

y el papel del

azar

Principios de Epidemiología

Conferencia 5

Dona Schneider, PhD, MPH, FACE

Para mostrar causalidad usamos... Postulados de Koch para enfermedades infecciosas Postulados de Hill para enfermedades crónicas y cuestionamientos

complejos Fuerza de asociación Credibilidad biológica Especificidad Consistencia con otras asociaciones Secuencia temporal Relación dosis-respuesta Analogía Experimento Coherencia

Epidemiology (Schneider)

Para demostrar una asociación estadística válida

Necesitamos evaluar:

Sesgo: si error sistemático ha sido introducido en la planeación del estudio

Confusión: si un factor externo está relacionado a la enfermedad y a la exposición

Rol del azar: cuan probable es que lo que encontramos es un hecho verdadero

Sesgo

Error sistemático introducido en la planeación del estudio

Sesgo de Selección

Sesgo de Información

Epidemiology (Schneider)

Tipos de sesgo de selección Sesgo Berksoniano – Puede haber una

asociación espuria entre enfermedades o entre una característica y una enfermedad debido a las diferentes probabilidades de admisión a un hospital para aquellos con la enfermedad, sin la enfermedad pero con la característica de interés

Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics 1946;2:47-53

Epidemiology (Schneider)

Tipos de sesgo de selección (cont.)

Sesgo de respuesta – aquellos que

aceptan estar en un estudio pueden ser

de alguna forma diferentes a los que

rehusan participar

Voluntarios son diferentes de

aquellos enlistados

Epidemiology (Schneider)

Tipos de sesgo de información Sesgo del entrevistador – el conocimiento de un

entrevistador puede influenciar la estructura de

preguntas y la manera de presentarlar, lo cual puede

influenciar las respuestas

Sesgo de recuerdo – aquellos (as) con una exposición

o resultados particulares pueden recordar eventos más

claramente o ampliar sus pensamientos sobre el evento

Epidemiology (Schneider)

Tipos de sesgo de información (cont.) Sesgo del observador – observadores

pueden tener expectativas preconcebidas de

lo qu deberían encontrar en un exámen

Pérdida de seguimiento – aquellos que

son perdidos en el seguimiento o quienes se

retiran del estudio pueden ser diferentes que

aquellos seguidos por todo el estudio

Epidemiology (Schneider)

Sesgo de información (cont.) Efecto Hawthorne – un efecto primeramente

documentado en la planta manufactora Hawthorne; las

personas actúan diferentemente si saben que están

siendo observadas

Sesgo de vigilancia o monitoreo – el grupo con la

exposición o el resultado puedens er seguidos más

estrechamente o por más tiempo que el grupo de

comparación

Epidemiology (Schneider)

Sesgo de information (cont.)

Sesgo de misclasificación – errores son hechos en clasificar el status de la enfermedad o de la exposición

Epidemiology (Schneider)

Tipos de sesgos de misclasificación

Misclasificación diferencial – Errores

en la medición son sólo de una forma

Ejemplo: Sesgo de medición - instrumentación

puede ser muy insegura, tal como usar el

mismo brazalete para medir la presión

arterial de niños y adultos

Sesgo de misclasificación (cont.)

250100150

1005050No expuesto15050100Expuesto

TotalControlesCasos

OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3

Clasificación verdadera

250100150

905040No expuesto

16050110ExpuestoTotalControlesCasos

OR = ad/bc = 2.8; RR = a/(a+b)/c/(c+d) = 1.6

Misclasificación diferencial - Sobreetimación de exposición por 10 casos; tasas infladas

Sesgo de misclasificación (cont.)

Casos Controles Total

Expuesto 100 50 150

No expuesto 50 50 100

150 100 250OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3

Clasificación verdadera

Casos Controles Total

Expuesto 90 50 140

No expuesto 60 50 110

150 100 250

OR = ad/bc = 1.5; RR = a/(a+b)/c/(c+d) = 1.2

Misclasificación diferencial - Subestima la exposición para 10 casos, reduce las tasas

Sesgo de misclasificación (cont.)

Casos Controles Total

Expuesto 100 50 150

No expuesto 50 50 100

150 100 250

OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3

Clasificación verdadera

Casos Controles Total

Expuesto 100 40 140

No expuesto 50 60 110

150 100 250

OR = ad/bc = 3.0; RR = a/(a+b)/c/(c+d) = 1.6

Misclasificación diferencial - Subestima exposición para 10 controles, incrementa las tasas

Sesgo de misclasificación (cont.)

2501001501005050No expuesto15050100Expuesto

TotalControlesCasos

OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3

Clasificación verdadera

Casos Controles Total

Expuesto 100 60 160

No expuesto 50 40 90

150 100 250

OR = ad/bc = 1.3; RR = a/(a+b)/c/(c+d) = 1.1

Misclasificación diferencial - Sobreestima la exposición para 10 controles, reduce las tasas

Epidemiology (Schneider)

Sesgo de misclasificación (cont.)

Misclasificación no diferencial

(aleatoria) – errores en la asignación del

grupo sucede en más de una dirección

Esto diluirá los hallazgos del estudio -

Sesgo hacia la nulidad

Sesgo de misclasificación (cont.)

Casos Controles Total

Expuesto 100 50 150

No expuesto 50 50 100

150 100 250

OR = ad/bc = 2.0; RR = a/(a+b)/c/(c+d) = 1.3

Clasificación verdadera

Casos Controles Total

Expuesto 110 60 170

No expuesto 40 40 80

150 100 250

OR = ad/bc = 1.8; RR = a/(a+b)/c/(c+d) = 1.3

Misclasificación no diferencial - Sobreestima exposición, en 10 casos 10 controles, sesgo hacia 1

Controles para sesgos Sea propositivo en la planeación del estudio para minimizar la oportunidad

de sesgos

Ejemplo: use más de un grupo control

Defina, quien es un caso o qué constituye una exposición, para que no se superpongan Defina categorías dentro de grupos claramente (grupos de edad, agregados

de personas-años)

Señale estrictas guías para la colección de datos Entrene a observadores o entrevistadores para obtener datos de la misma

manera Es preferible usar más de un observador o entrevistador, pero no demasiados

de tal forma que no puedan ser entrenados de una manera idéntica

Aleatoriamente situe las tareas de colección de datos para observadores/ entrevistadores

Instuya un proceso de cegado, si es apropiado

Estudio con ciego simple – los sujetos no saben de si ellos están en el grupo experimental o en el control

Estudio doble ciego – el sujeto y el observador no saben la situación del sujeto.

Estudio triple ciego – el sujeto, el observador y el analista de los datos no saben de la situación del sujeto.

Construya métodos para minimizar la pérdida de sujetos en el seguimiento

Controles para sesgos (cont)