Las herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística

Transcripción

1 Las herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística Mexico, junio 2007 Stephen Benoit, MD, MPH International Research and Programs Branch Division of TB Elimination

2 Epidemiología Analítica: Medidas de asociación Examina la asociación de una exposición (factor de riesgo) con los resultados Es diferente que la epidemiologia descriptiva en que se trata de determinantes de enfermedades Implica la comparación estadística de grupos de una muestra, y la generalización de esa información a la población entera

3 Construcción de la comparación Combinamos datos a partir de dos grupos (expuestos y no expuestos) en un solo parámetro :» Riesgo relativo = RR» Razón de posibilidades (Odds Ratio) = OR

4 La herramienta básica: Tabla de 2 x 2 Enfermedad/Resultado Exposición Sí No Sí a b No c d

5 La herramienta básica: Tabla de 2 x 2 a = # de personas que se exponen y tienen la enfermedad b = # quiénes se exponen y no tienen la enfermedad c = # quiénes no se exponen y tienen la enfermedad d = # quiénes no se exponen y no tienen la enfermedad

6 La herramienta básica: Tabla de 2 x 2 Enfermedad Exposición Sí No Sí a b a + b No c d c + d a + c b + d (a + b + c + d)

7 2x2 Tabla: Un Ejemplo Exposicion = VIH Si Enfermedad = TB Si No No

8 2x2 Tabla: Un Ejemplo Exposicion = VIH Si Enfermedad = TB Si No TB + 44 VIH+ 34 TB y HIV+ No

9 Qué podemos aprender? La magnitud del riesgo asociada con una exposición (CUÁNTO más riesgo) La direccion del riesgo (mas o menos riesgo) La significación estadística de esa asociación (si es debida al azar)

10 Medidas de Magnitud Riesgo Relativo (RR) Estudios de cohorte Ensayos clinicos Estudios transversales Razon de posibilidades (OR) Case-control studies Estudios transversales

11 Riesgo Relativo (RR) Mide la probabilidad de desarrollar enfermedad en el grupo expuesto respecto a los no expuestos (incidencia) Cuánto más (o menos) riesgo tiene el grupo expuesto comparado con los no expuesto? Ej.Los fumadores son 10 veces más probables que no fumadores desarrollar el cáncer de pulmón.

12 Metodo Analitico en Estudio de Cohorte Poblacion Expuesto No-Expuesto

13 Metodo Analitico en Estudio de Cohorte Poblacion Expuesto Enfermedad No enfermedad Enfermedad No expuesto No enfermedad

14 Metodo Analitico en Estudio de Cohorte Poblacion Expuesto Enfermedad No enfermedad Incidencia No expuesto Enfermedad No enfermedad Incidencia

15 Metodo Analitico en Estudio de Cohorte Poblacion Expuesto No expuesto Enfermedad No enfermedad Enfermedad No enfermedad Incidencia Riesgo relativo Incidencia

16 Riesgo Relativo (RR) Incidencia en el grupo expuesto (a/a+b) dividido por la incidencia en el grupo no expuesto (c/c+d) RR = (a/a+b) (c/c+d) Exp Unexp Disease No Disease a c a+c b d b+d a+b c+d RR > 1 cuando el riesgo es mayor en el grupo expuesto RR < 1 cuando el riesgo es menor en el grupo expuesto

17 Ejemplo: Estudio farmaco en tratamiento de TB El estado de BK despues de 3 meses de tratamiento esta relacionado con un regimen de tratamiento especifico? BK [Resultado] Tratamiento [Exposicion] Positivo Negativo PAS PAS+estreptomicina 37 53

18 2 x 2 Tabla BK Total Tratamiento Pos Neg PAS PAS + ESTREP

19 Describiendo la Magnitud de Asocasion Consideramos expuesto los que recibe solamente un medicamento (PAS) y no expuesto los que recibe 2 medicamentos (PAS + Strep) RR = a/(a+b) = 56/99 c/(c+d) 37/90 = 1.38 PAS PAS + Strep Pos Neg El grupo que recibe un medicamento (expuesto) es 1.38 veces mas probable quedar BK + a las 3 meses que el grupo que recibe 2 medicamentos (no expuesto). o El grupo que recibe un medicamento (expuesto) es 38% mas probable quedar BK + a las 3 meses que el grupo que recibe 2 medicamentos (no expuesto).

20 Plantilla para Describir Riesgo Relativo El {grupo expuesto} es {RR} veces mas probable tener {resultado} que el {grupo que no es expuesto}. Ejemplo: Pacientes {infectados con VIH} son {1.5} veces mas probable ser {abandonos de tratamiento} que los que son {VIH negativo}.

21 RR= 0.40 Riesgo relativo (RR): Describiendo la magnitud de la asociación» El grupo expuesto es 0,4 veces más probable de desarrollar la enfermedad que el grupo no expuesto.» 0,4 veces más probable = 1/0,4 veces menos probable = 2,5 veces menos probable» El grupo expuesto es 2,5 veces menos probable desarrollar enfermedad que el grupo no expuesto.

22 Posibilidades ( Odds ) Mide las posibilidades ( odds ) de tener una exposición en el grupo que tiene la enfermedad en comparacion con los que no tiene la enfermedad Cuanto mas probable (o menos) de haber estado expuesto el grupo con la enfermedad que el grupo sin la enfermedad E.j., Personas con cancer del pulmon son 10 veces mas probable ser fumadores que personas sin cancer del pulmon

23 Metodo Analitico en un Estudio de Case-Control Poblacion Casos Controls

24 Metodo Analitico en un Estudio de Case-Control Poblacion Expuesto No-Expuesto Casos Expuesto No-Expuesto Controls

25 Metodo Analitico en un Estudio de Case-Control Poblacion Odds Expuesto No-Expuesto Casos Odds Expuesto No-Expuesto Controls

26 Metodo Analitico en un Estudio de Case-Control Poblacion Odds Odds Ratio Expuesto No-Expuesto Casos Odds Expuesto No-Expuesto Controls

27 Odds Ratio (OR) Expuesto Si Si No Casos Controls a Enfermedad b No c d Odds de exposicion entre casos: probabilidad de exposicion entre casos = a/(a+c) = a/c = 80/20 probabilidad de no exposicion entre casos c/(a+c) Odds de exposicion entre controls: probabilidad de exposicion entre controls = b/(b+d) = b/d = 40/60 probabilidad de no exposicion entre controls d /(b+d) Odds ratio de expuesto = Odds de exposicion entre casos = a/c or a x d = 80 x 60 = 6.0 Odds de exposicion entre controls b/d b x c 40 x 20 OR = (a/c) (b/d) = ad bc

28 Razón de posibilidades (OR) OR > 1 cuando la exposicion es mas en el grupo con la enfermedad OR < 1 cuando la exposicion es menos en el grupo con la enfermedad

29 OR= 1.4 Plantilla para Describir Razón de posibilidades (OR)» El {grupo enfermo} es {OR} veces más probable de {haber estado expuesto} que el {grupo no enfermo}. Ejemplo: Pacientes con {TB/VIH} son {1.8} veces mas probable de {estar carcelados} que los que {no tienen TB/VIH}.

30 RR vs. OR Depende en el diseno de estudio RR cuando esta investigando grupos esogidos por exposicion (cuando sabe la exposicion y esta esperando el resultado) Cohorte or ensayos clinicos OR cuando esta investigando grupos escogidos por el resultado (cuando sabe el resultado y quiere ver la exposicion) Estudios de Case-control Se puede usar los dos en estudios transversales

31 Significacion Estadistica Valor de P Prueba de Chi-square (X 2 ) Intervalos de confianza (IC)

32 Por qué necesitamos las pruebas estadísticas? En los estudios que usan muestras de personas de una población, conseguimos una cierta información pero no toda Estimamos sobre la población basada en el análisis de la información de la muestra Esta valoración tendrá cierta incertidumbre o variabilidad

33 Qué pregunta responden las pruebas estadísticas? Deseamos saber si las diferencias observadas entre los grupos son reales o se pueden explicar por el azar

34 Valor de p Definición: La probabilidad que encontramos una diferencia en las muestras cuando una diferencia realmente no existe O La probabilidad que la hipotesis nula es verdad hipotesis nula: no existe asocacion entre exposicion y enfermedad

35 Valor de p Ej. Se obtuvo un RR = 1.7, p<0.05 La probabilidad que encontramos una diferencia entre las muestras y una diferencia no existe es menos que 5% Por costumbre se dice que una asociación estadísticamente significativa es aquella con p<0.05

36 Cómo se obtiene el valor de p? Para conseguir un valor de p, se debe hacer una prueba estadística para ver si las diferencias observadas entre los grupos se deben al azar o son reales Para tabulaciones 2x2, el método más común es utilizar la prueba chi-cuadrada (X 2 ). Las computadoras generalmente pueden hacer esto para nosotros

37 La fórmula de X 2 : La X 2 compara los valores observados con valores esperados, donde esperado es el valor si no hubiese diferencia entre los dos grupos X 2 = Σ[(Observado - Esperado) 2 / Esperado]

38 Generación de los valores esperados en la prueba X 2 Exposición Enfermedad Yes No Yes (a+b)(a+c) T (a+b)(b+d) T a + b No (a+c)(c+d) T (b+d)(c+d) T c + d a + c b + d T=(a + b + c + d) X 2 = [(ad-bc) 2 (T)/ (a+b)(c+d)(a+c)(b+d)]

39 Convirtiendo la X 2 a valores de p Para convertir X 2 en valores de p se debe usar la tabla de X 2 Cuando más grande es el valor de X 2, más pequeño es el valor de p Para p 0.05, el valor de X 2 debe ser 3.84 para la significación estadística de una asociación en una tabla de 2x2

40 Convirtiendo la X 2 a valores de p RR = 1.7, X 2 = 4.13 p < 0.05 Los expuestos tienen 1.7 veces más probabilidad que los no expuestos de tener la enfermedad, y la diferencia es probablmente real porque es estadísticamente significativa (p<0.05)

41 Intervalos de confianza (IC) El IC proporciona una información complementaria al valor de p. El IC proporciona un rango de valores probables en la cual podría posiblemente estar el verdadero valor de la población. Ejemplos: OR=1.9 (95% IC = ) RR=0.7 (99% IC = )

42 Intervalos de confianza (IC) Los IC proporcionan un límite inferior y un limite superior de valores probables Ej. OR = 1.7 (95%CI = 1.2 a 1.9) Hay una probabilidad del 95% que el valor verdadero para la población esta entre 1,2 y 1,9 o si se repite el estudio 100 veces, el OR se encontrará en ese intervalo 95 veces.

43 Intervalos de confianza (IC) Ej. OR = 1.7 (95% CI = 0.8 to 1.9) Si el valor 1 está dentro del rango, es probable que no haya asociación (no diferencia) entre los dos grupos Si el valor 1 es incluido, sabemos que la asociación NO es estadísticamente significativa (similar a p>0.05)

44 Intervalos de confianza (IC)) Si número de observaciones aumenta (Ej. el tamaño de muestra), las estimaciones serán más exactas, y la anchura del IC disminuye *EPIINFO (y otros software) calcula el IC Los IC al 95% son los usualmente calculados (éste utiliza p<0.05 para la significación estadística). Otros niveles de confianza pueden también ser calculados al 90%, 99%, etc.

45 Tasas???? Relación???? Media!? n- 1? 1 -!? Distribución normal??? Frecuencia??