Modelos Estadísticos en Investigación Epidemiológica

Transcripción

1 Modelos Estadísticos en Investigación Epidemiológica Lima, 25 de Noviembre de 2015 Sergio R. Muñoz, Ph.D. Universidad de La Frontera. Chile

2 Evaluación Basal Se pide desarrollar el siguiente problema: Boris, Paulo, Renzo y Cesar son cuatro artistas de talento: uno es bailarín, otro es pintor, otro es cantante y el otro es escritor (aunque no necesariamente en ese mismo orden). Boris y Renzo estaban entre el publico la noche que el cantante debuto en el escenario. Tanto Paulo como el escritor han posado para el pintor. El escritor escribió una biografía de Cesar que fue todo un éxito y ahora planea escribir una biografía de Boris. Boris nunca ha oído hablar de Renzo. Cual es el campo artístico de cada persona?

3 La formulación de una pregunta de investigación es un paso, el más importante, en el proceso de diseño y desarrollo de una investigación. Rothman K.J. Philosophy of Scientific Inference 1986.

4 Índice de la Presentación Definición Datos Investigación Epidemiológica Modelos Estadísticos Recolección y generación de datos Modelos estadísticos Estudios predictivos Estudios de Asociación Aplicaciones

5 Definición de Dato

6

7 Dato Es el valor resultante de la medición de una característica o atributo perteneciente a una unidad de observación. Los datos recolectados de una investigación son en consecuencia, los valores resultantes de la medición de todas las características o atributos que intentan dar respuesta a la pregunta de investigación.

8

9 Dato Variable

10 Variables Principal(es): Motivo de la investigación Generalmente un evento de salud y factores de exposición o predictores (según sea la pregunta) Caracterización o de control Demográficas (edad, sexo, lugar de residencia, etc.) Socio-económicas (educación, ingreso económico, etc.) Del sujeto De la familia Del medio ambiente

11 Investigación Epidemiológica Determinar la magnitud y existencia de la asociación entre un evento de Salud con uno o mas factores de exposición ajustando por múltiples variables de control Estudiar la variabilidad observada de un evento de salud en función de un conjunto de variables asociadas

12 Construcción de Modelos Estadísticos Según la pregunta de investigación Modelos de asociación Modelos de predicción La estrategia de modelamiento depende de la pregunta de investigación Ambos son modelos multivariables (no multivariados)

13 Modelos Estadísticos Modelos de asociación (explicación/causalidad) Da respuesta a la mayoría de las preguntas de investigación epidemiológica El objetivo es determinar la existencia, magnitud y dirección de la asociación entre un evento de salud (respuesta) con uno o más factores de exposición, controlando por múltiples covariables Lo que se busca es estimar la asociación de la forma mas exacta posible lo que se logra mediante la determinación de modificaciones de efecto y de sesgo de confusión.

14 Modelos Estadísticos Modelos de predicción El objetivo es el de predecir un evento de salud en función de un conjunto de variables eventualmente predictoras del evento de salud Esta relacionado con una mayor capacidad en explicar la variabilidad del evento de salud estudiado. La estrategia consiste en construir el modelo mas sencillo posible mediante la combinación de los mejores predictores del evento de salud

15 En un modelo de Asociación: Se define Var respuesta Var exposición Se justifica la inclusión de variables de control El proceso consiste en determinar si el efecto de la exposición sobre el evento de salud depende de algún otro factor. En un modelo de predicción: Se define Var respuesta Conjunto de variables (predictores) que potencialmente predicen el evento de salud definido como variable de respuesta El proceso consiste en seleccionar los mejores predictores del evento de salud

16 Grafica del Modelo de Asociación Evento de Salud Factores de Exposición Variables de Control C1 C2 C3 C2

17 Modelo de Asociación Importante: La asociación entre las variables de control con el evento de salud y los factores de exposición NO es relevante ya que no responde a la pregunta de investigación La variable de control puede ser pensada como una variable de estratificación El papel que puede jugar una variable de control en el estudio de la asociación entre el evento de salud y los factores de exposición es jerárquico. La asociación de interés puede depender del nivel de la variable de control (modificación de efecto: distintos efectos en distintos estratos) Si una variable de control se demuestra NO estar asociada ni con el evento de salud ni con los factores de exposición, entonces no se justifica su inclusión en la definición del modelo estadístico.

18 Ejemplo 1 Datos de una Unidad de Cuidados intensivos (UCI), para responder a las siguientes preguntas de investigación: Cuanto mayor es la mortalidad al egreso de los pacientes ingresados a la UCI se produce en aquellos que provienen del servicio de medicina comparada con los que provienen del servicio de cirugía? Esta relación entre mortalidad y servicio de procedencia depende de la edad del paciente, su sexo y de la presencia de infección?

19 Ejemplo 2 Estudio de capacidad respiratoria en estudiantes de 6 a 18 años de edad. Cual es la relación entre volumen expiratorio forzado (vef1) y la estatura de los estudiantes? Esta relación, depende de la edad y sexo de los estudiantes?

20 Ejemplo 3 Estudio de la asociación entre Cáncer de piel en mujeres de dos ciudades de los EEUU Minneapolis-St. Paul Dallas-Fort Worth Edad Casos Población Casos Población RR , , , , , , , , , , , , , , , ,

21 En ejemplo UCI: Variable de Respuesta: D: Estado Vital Codificación 1=Muerto; 0=Vivo Variable de Exposición: E: Servicio de procedencia Codificación: 1=Medicina; 0=Cirugía Variables de Control: C1: Edad Codificación: Edad en años C2: Sexo Codificación: 1=Mujer 0=Hombre C3: Presencia de Infección Codificación: 1=Si 0=No

22 Modelo conceptual para el estudio de Asociación Variable de respuesta Variables de Exposición Incorporación de potenciales modificadores de efecto No olvidar el eventual sesgo de confusión Estado Vital [1=Muerto; 0=Vivo] Servicio [1=Medicina; 0=Cirugía] Edad, sexo, infección Servicio*Edad Servicio*Sexo Servicio*Infeccion

23 Estado Vital 1=Fallecido 0= Vivo Servicio 1=Medicina 0=Cirugía Edad Sexo Infección Odds Morir Medicina Odds Morir Cirugia = OR crudo Odds Morir Medicina,Edad,Sexo,Infección Odds Morir Cirugia,Edad,Sexo,Infeccion = OR Ajustado

24 Modelo Estadístico Variable de respuesta dicotómica => regresión logística Ln[odds{sta=1 ser; edad, sx, inf}]= + ser + 1edad + 2sexo + 3inf + 1(ser*edad) + 2(ser*sexo) + 3(ser*inf) Los coeficientes asociados a los términos de interacción representan la potencialidad que tienen las variables de control de ser modificadoras de efecto

25 Independencia del efecto de la exposición de las variables de control H0: [ 1=0; 2=0; 3=0] Bajo el supuesto que H0 es verdadera, el modelo se reduce a: Ln[odds{sta=1 ser; edad, sx, inf}]= + ser + 1edad + 2sexo + 3inf Prueba de Razón de verosimilitud: compara las verosimilitudes de los dos modelos y reporta un valor p asociado a un Chi2(3)

26 Y ahora que sigue? Descartada (o no) la dependencia de la asociación entre el evento estudiado y el factor de exposición, se puede (o no) evaluar sesgo de confusión para la determinación del modelo final que da respuesta a la pregunta de investigación Evaluación de la calidad del modelo Bondad de Ajuste Evaluación de supuestos

27 En ejemplo Capacidad respiratoria: Variable de Respuesta: VEF1 Nivel de medición: Continua Variable de Exposición: Estatura en cms. Variables de Control: Sexo Codificación: 1=Mujer 0=Hombre Edad Codificación: Edad en años (continua)

28 VEF1 Estatura Edad Sexo μ vef1 estatura = α + β estatura μ vef1 estatura = α + β estatura + γ 1 Edad + γ 2 sexo + δ 1 ested + δ 2 (estsex)

29 En ejemplo Cáncer de piel: Variable de Respuesta: Casos cáncer de piel Codificación: numero de casos Variable de Exposición: Lugar de residencia Codificación: 1=Miniápolis; 0=Dallas Variables de Control: Edad Codificación: grupos quinquenales (15+)

30 Ca Piel Ciudad Edad TI ciudad1 TI ciudad2 = RTI cruda TI ciudad1 edad TI ciudad2 edad = RTI Ajustada por edad

31 Análisis de asociación cruda Variable de Respuesta Variable de exposición Análisis: 1.- Existencia 2.- Magnitud y dirección Continua Continua 1. Coef de correlación 2. Coef de regresión lineal simple Dicotómica Continua 1. t-test, Wilcoxon 2. Diferencia de promedios Dicotómica Dicotómica 1 Chi-2, Fisher exact 2 OR, RR, IR (según diseño)

32 Incorporando una variable de control Variable de Respuesta Variable de exposición Variable de Control Análisis: Continua Cualquier tipo Cualquier tipo Regresión lineal multiple Dicotómica Dicotómica Categórica Análisis Estratificado de Mantel-Haenszel Dicotómica Cualquier tipo Cualquier tipo Regresión logística múltiple

33 Múltiples exposiciones y múltiples variables de control? Variable de Respuesta Múltiples Variable de exposición Múltiples Variable de Control Análisis: Continua Cualquier tipo Cualquier tipo Regresión lineal multiple Dicotómica Cualquier tipo Cualquier tipo Regresión logística múltiple Nominal Cualquier tipo Cualquier tipo Regresión logística politómica Ordinal Cualquier tipo Cualquier tipo Regresión logística ordinal Discreta (Poisson) Cualquier tipo Cualquier tipo Regresión de Poisson

34 Importante Evaluación de los supuestos del modelo Ajuste por diseño muestral complejo Tamaño de muestra

35 Deseo Es deseable tener un modelo que tenga el menor número de variables con el máximo tamaño de muestra Pero no sea exagerado pensando en un modelo con una muestra de sujetos y ninguna variable

36 Etapas del Modelamiento 1. Póngase cómodo 2. Prepárese un traguito 3. Asegúrese que los datos están limpios y que ha generado las variables que necesitará a continuación 4. Haga un afiche de su pregunta de investigación 5. Tome el primer sorbo de su traguito 6. Haga una descripción de la muestra 7. Justifique la incorporación de las variables de control 8. Explore la asociación de interés y el posible efecto que puedan tener las variables de control 9. Escriba el modelo que conceptualiza su pregunta de investigación 10. Escriba el modelo estadístico que refleja el modelo conceptual 11. Detalle la estrategia de modelamiento 12. Ejecute su plan de análisis

37 Recomendación