Ajuste y estandarización

Transcripción

1 Ajuste y estandarización Los términos ajuste y estandarización se refieren ambos, a los procedimientos para facilitar la comparación de las medidas de resumen, entre grupos. Dichas comparaciones a menudo se complican por las diferencias entre los grupos en cuanto a factores que influyen en las medidas de interés pero que no son el foco de atención. El ajuste intenta quitar los efectos de factores extraños que pueden impedir o confundir una comparación justa o más real. Ajuste: Es el término más general, engloba tanto la estandarización como otros procedimientos para quitar los efectos de los factores que distorsionan o confunden una comparación. Las tasas se ajustan para poder comparar. Las tasas globales no dan información certera de lo que ocurre Estandarización: Se refiere a los métodos de ajuste basados en promedios ponderados en que las variables son seleccionados de manera de presentar una base apropiada para la comparación generalmente el número de personas en varios estratos de una de las poblaciones en la comparación, una suma de las poblaciones, o alguna otra población externa relevante. (ej. la comparación con un estándar como en nuestro tema, las tasas del sistema de Vigilancia Nacional Argentino VIDHA ; las tasas de infección del sistema NHSN de EEUU) La mayor parte de los textos de epidemiología presentan el tema de estandarización de tasas en relación al ajuste por edad. Esta tendencia no es coincidencia, dado que virtualmente todos los eventos mórbidos o mortales ocurren con distinta frecuencia en los diferentes grupos de edad. Pero los mismos principios y procedimientos se aplican a los subgrupos definidos por otras variables. El siguiente ejemplo ilustra como estas frecuencias variables pueden afectar una medida de resumen. La tabla 1 indica que en 1970, murieron 5,022 de las 562,887 mujeres blancas en Miami, y que murieron 285 de las 106,917 mujeres blancas de Alaska. Las tasas crudas de mortalidad son respectivamente 8.92 por 1,000 y 2,67 por 1,000. Será que la vida en Alaska propicia la longevidad más que la vida en Florida, EEUU? Aunque las tasas crudas sugieren que la fuerza de mortalidad es mayor en Miami que en Alaska, la tabla 1 revela que para cualquier grupo de edad dado, las dos poblaciones tienen tasas de mortalidad muy similares. Entonces, cuál es la razón de las diferencias en las tasas crudas de mortalidad? Observando la distribución por edad de las poblaciones de Miami y Alaska encontramos la respuesta. En comparación con Alaska, Miami tiene una mayor proporción de mujeres en los grupos de mayor edad, en que la mortalidad es alta. Dado que los datos de los estratos más grandes dominan las tasas crudas de mortalidad, la tasa de mortalidad de Miami está fuertemente influida por la alta mortalidad de las edades mayores. En contraste, en Alaska la tasa cruda de mortalidad refleja las bajas tasas de mortalidad entre las mujeres jóvenes, que son una proporción mucho mayor de la población de Alaska que de la de Florida. Dos poblaciones pueden tener el mismo tamaño general y tasas de mortalidad específicas por edad, pero distinto número total de muertes y distintas tasas de mortalidad globales, debido a diferencias Lic. Stella Maimone 1

2 en sus distribuciones por edad. La estandarización (y otros procedimientos de ajuste) busca presentar números y comparaciones que minimizan la influencia de la edad y/u otros factores extraños. Estandarización de tasas por el método directo En el ejemplo anterior, la diferencia en las tasas de mortalidad cruda entre Alaska y Miami resulta de las diferencias en sus respectivas distribuciones por edad más que por tasas de mortalidad específica por edades diferentes. Intuitivamente nos damos cuenta de que si Miami tuviera la misma distribución por edad que Alaska, o viceversa, sus tasas crudas de mortalidad serían similares. De hecho, si Miami y Alaska tuvieran la misma distribución por edad, no importa cuál es esa distribución, sus tasas de mortalidad crudas serían similares, dado que sus tasas específicas por edad son similares. En la estandarización directa las tasas específicas por estrato de la población de estudio se aplican a la distribución por edad de una población estándar. (En el ejemplo anterior, cada grupo de edad es un estrato.) En consecuencia si Alaska tuviera la misma distribución por edad de mujeres blancas que la población femenina blanca de EEUU, y Miami también tuviera esa misma distribución por edad, las tasas de mortalidad crudas de Alaska y Miami serían similares. En otras palabras, la estandarización directa aplica el mismo conjunto de peso a las tasas específicas por edad de Alaska y Miami, y la tasa de mortalidad (ajustada por edad) es por lo tanto independiente de las diferencias en la distribución por edad de las dos poblaciones. Las tasas de mortalidad estandarizadas por edad por el método directo son equivalentes a las tasas de mortalidad crudas que Miami y Alaska hubieran presentado si tuvieran la misma distribución por edad que la población femenina blanca de EEUU. En nuestro tema, el ajuste de tasa por peso del RN al nacer, IRIQ, por procedimientos, son ejemplos de tasas estandarizadas o ajustadas en forma directa. Lic. Stella Maimone 2

3 En control de infecciones utilizamos los términos tasas ajustadas y estandarizadas en forma directa, cómo sinónimos. En este contexto son las tasas específicas que se ajustan para poder hacer comparaciones entre distintas Instituciones de Salud o con un estándar. Método indirecto de estandarización Cuando numeradores y denonminadores disponibles en un determinado estrato (ej. edad) son pequeños, las estimaciones de las tasas específicas son susceptibles a la influencia de la variabilidad por lo que el método de la estandarización directa debe evitarse. En su remplazo, puede usarse un procedimiento de estandarización indirecto y el cálculo de la razón de mortalidad estandarizada (RME). La estandarización indirecta evita el problema de las estimaciones imprecisas de las tasas específicas por estrato en una población de estudio, utilizando las tasas específicas por estrato de una población estándar de suficiente tamaño y relevancia. Estas tasas son promediadas usando los tamaños de los estratos de la población de estudio. Así, el procedimiento es la imagen en espejo de la estandarización directa. En la estandarización directa, la población de estudio provee las tasas y la población estándar provee los estratos. En la estandarización indirecta, la población estándar provee las tasas y la población de estudio provee los estratos. (Se emplea los términos externamente estandarizada e internamente estandarizada, respectivamente, para estandarización directa e indirecta respectivamente.) Lo anterior determina que a diferencia de las tasas directamente estandarizadas (calculadas usando la misma población estándar) que pueden ser fácilmente comparadas entre ellas y con la de la población estándar, porque todas están basadas en el mismo conjunto de estratos. Razones para estandarizar tasas Hay dos razones principales para el uso de tasas estandarizadas. Primero, es más fácil comparar medidas de resumen de dos o más poblaciones que múltiples estratos de tasas específicas. Esto es sobretodo importante cuando se comparan tasas de varias poblaciones o cuando cada población tiene un número importante de estratos. En segundo lugar, números pequeños en algunos estratos pueden producir tasas específicas inestables. Cuando las poblaciones muestrales son tan pequeñas que sus estratos contienen fundamentalmente tasas inestables y ceros, el procedimiento de estandarización directa puede no ser apropiado. RAZÓN ESTANDARIZADA DE INFECCIÓN (SIR) Qué es la razón estandarizada de infección? (SIR: sigla en inglés) En este caso, es una medida sumaria usada para seguir la trayectoria de las IACS sobre el tiempo a nivel local, nacional o estatal. El SIR ajusta los datos en forma indirecta, por pacientes de riesgo variado dentro de cada Institución, cada servicio, o unidad a comparar. Lic. Stella Maimone 3

4 En el análisis de los datos de las IACS, el SIR compara en número actual de infecciones con un estándar, ajustado por distintos factores de riesgo que han demostrado tener una asociación significativa en la incidencia de infecciones. El estándar generalmente es de mayor experiencia o es multicéntrico, puede ser los datos nacionales (por ej, VIDHA, NHSN Cuál es la ventaja de utilizar el SIR de bacteriemia (ITU o NEU) en lugar de la tasa de bacteriemia (ITU O NEU)? El SIR por ejemplo de bacteriemias, nos permite sumarisar los datos de distintas especialidades ajustando por diferencia de incidencia de infección entre cada una de ellos. Es un ajuste en forma indirecta que nos permite realizar comparaciones teniendo en cuenta las diferencias de cada lugar a comparar. El SIR puede ser una medida más fácil a la hora de discutir las comparaciones internas y externas. El SIR es fácil de interpretar, si es mayor a 1.0, indica que las IACS son mayores que el estándar, habiendo ajustado las diferencias por el tipo de pacientes en seguimiento. Por el contrario si es menor a 1.0 indica que las IACS observadas son menores que las esperadas. El sistema de vigilancia NHSN solicita que se utilice el SIR para la comparación de las bacteriemias, ITU; neumonías e ISQ. Nota: Utilizaremos aquí los ejemplos para las bacteriemias, sin embargo se calcula de la misma manera y tiene el mismo significado para las infecciones urinarias y neumonías. Cómo se calcula el SIR para bacteriemia? El SIR se calcula dividiendo el número de infecciones observadas por el número de infecciones esperadas. El número de infecciones esperadas en el contexto de una predicción estadística se calcula usando la tasa de bacteriemia de una población estándar durante un período de tiempo basal. SIR= El SIR se calcula solamente si el número de IACS esperado es 1. Cuando el número esperado es 1 está indicando que basado sobre las tasas NHSN (o el estándar) los días CVC en su institución son menores a los cálculos que precisa el SIR y las comparaciones estadísticas. En ese caso se deberá ampliar el denominador esperando un período de tiempo mayor, como un año. La siguiente tabla muestra un ejemplo para comprender como calcular el SIR. Lo haremos con el estándar: tasas de vigilancia NHSN 1. El número esperado de bacteriemias se calcula multiplicando el número de días CVC por la tasa NHSN y se divide por (380x2.0/1000= 0.76) 2. El número observado es el numero de bacteriemias (nuestro) (2) 3. El SIR es O/E (2/0.76=2.63) ESPERADO Y EL SIR EN LA UNIDAD MÉDICA, MÉDICA QUIRÚRGICA Y NEUROQUIRÚRGICA Lic. Stella Maimone 4

5 Tipo de UCI Nº DE BAC DIAS CVC TASA BAC TASA ESPERADO SIR NHSN U. Coronaria Medica Medica quirúrgica Neurocirugía Razón estandarizada de infección (REI-SIR) En cirugía, ilustraremos este proceso con un ejemplo El cirujano A realizó tres tipos de procedimientos quirúrgicos el último año: 40 cirugías cardíacas (reemplazo valvular), 116 by pass coronarios (CRI) Y 42 Cirugías vasculares (VAS) La tabla 2 muestra las 198 cirugías estratificadas ( o ajustadas) por procedimiento quirúrgico y categoría de índice de riesgo (IRIQ). El número de episodios (infecciones) el número de procedimientos quirúrgicos (cirugías por tipo de procedimiento), la tasa de infección del cirujano A y la tasa de infección del Sistema NHSN con quien se desea comparar. El cirujano A quiere saber si sus datos son más elevados que los del sistema NHSN. A simple vista parece que si, sin embargo se calculó el valor P con un resultado de 0.37 (este valor muestra que la diferencia, con una seguridad del 95%, entre el cirujano A y los datos del sistema NHSN no es significativa) Sin embargo, aquí contamos con denominadores muy pequeños y unidades de análisis diferentes. Entonces ajustamos la tasa por REI-SIR El REI- SIR es una medida sencilla para ajustar las tasas por riesgo. La fórmula de REI-SIR es = E O lo que significa observado sobre esperado El O es el número de infecciones episodios- que ocurrieron. El valor E se calcula multiplicando el número de un procedimiento quirúrgico determinado (Nº de cirugías, en el ejemplo de abajo cirugías CRI = 108) por la tasa correspondiente del NNIS (unidad a comparar, en el ejemplo 3.39) dividido 100. E Tabla 2: Datos del cirujano A y datos del sistema NHSN Lic. Stella Maimone 5

6 PROC QUIR IRIQ Nº EPISODI OS Nº procedimient o quirúrgico TASA INFECCIÓ N Cirujano A TASA NNIS ESPERAD O REI/ SIR CRI CAR VAS T Hospital X - Período enero diciembre de El REI/SIR es igual a observado sobre esperado = REI/SIR = 1.63 Dónde 6 es el número de episodios (infecciones) del cirujano A en las CRI y 3.66 es la tasa esperada. El SIR es fácil de interpretar, los valores que exceden a 1 significan que hay más infecciones que lo esperado. Los valores menores a 1 indican lo opuesto. El valor 1 significa que no hay diferencia (la no diferencia) El SIR 1.63 significa que al cirujano A tiene 1.63 veces mas ISQ en los procedimientos CRI que los cirujanos que reportan al sistema NNIS, para el mismo procedimiento. En cambio el mismo cirujano A tiene menos ISQ en los procedimientos CAR que los cirujanos que reportan al sistema NNIS. La recomendación aquí sería investigar con el cirujano A, los factores de riesgo que determinan tasas altas de ISQ en los procedimientos CRI Como vemos el valor P aquí no ayuda para evaluar la diferencia. Referencia bibliográfica: NHSN e-news: SIRs Special Edition, Updated December 10, 2010 ( Lic. Stella Maimone 6

7 Lic. Stella Maimone 7