BIOESTADÍSTICA. Dra. Andrea Castro Sánchez

Transcripción

1 BIOESTADÍSTICA Dra. Andrea Castro Sánchez

2 INTRODUCCIÓN Bioestadística: Aplicación de la estadística en el campo de la salud. Utilidad: Evaluación crítica de la literatura Aplicación de los resultados de los estudios para el cuidado de los pacientes: estadísticas vitales, interpretación de resultados de fármacos, pruebas diagnósticas, desarrollo de estudios clínicos.

3 I. TIPOS DE ESTUDIOS

4 PREGUNTAS 1. Son los tipos de diseños de estudios que hay en medicina: a) Transversales y longitudinales b) Observacionales y experimentales c) Casos y controles y cohorte d) Ensayos clínicos controlados e) Reportes de casos

5 PREGUNTAS 1. Son los tipos de diseños de estudios que hay en medicina: a) Transversales y longitudinales b) Observacionales y experimentales c) Casos y controles y cohorte d) Ensayos clínicos controlados e) Reportes de casos

6 PREGUNTAS 2. Los siguientes son estudios observacionales excepto: a) Series de casos b) Casos y controles c) Cohortes d) Estudios transversales e) Ensayos clínicos controlados

7 PREGUNTAS 2. Los siguientes son estudios observacionales excepto: a) Series de casos b) Casos y controles c) Cohortes d) Estudios transversales e) Ensayos clínicos controlados

8 PREGUNTAS 3. El diseño que nos permite ver un factor de riesgo a partir de un desenlace es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

9 PREGUNTAS 3. El diseño que nos permite ver un factor de riesgo a partir de un desenlace es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

10 PREGUNTAS 4. El diseño de estudio donde se analiza un grupo de sujetos en un tiempo para ver la prevalencia de una enfermedad es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

11 PREGUNTAS 4. El diseño de estudio donde se analiza un grupo de sujetos en un tiempo para ver la prevalencia de una enfermedad es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

12 PREGUNTAS 5. El diseño de estudio donde se sigue a una población expuesta a los mismos factores para ver un desenlace es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

13 PREGUNTAS 5. El diseño de estudio donde se sigue a una población expuesta a los mismos factores para ver un desenlace es: a) Series de casos b) Casos y controles c) Cohorte d) Estudios transversales e) Ensayos clínicos controlados

14 CLASIFICACIÓN DE LOS ESTUDIOS Observacionales Los sujetos son simplemente observados Experimentales Existe una maniobra: intervención

15 ESTUDIOS OBSERVACIONALES Reporte/serie de casos Transversal Casos y controles Cohorte

16

17 REPORTE/SERIE DE CASOS Pacientes identificados en un periodo corto de tiempo No incluyen controles Precursores de otros estudios: generadores de hipótesis

18 ESTUDIOS TRANSVERSALES 1 solo tiempo (fotografía) Encuestas, cuestionarios "Estudios de prevalencia"

19 CASOS Y CONTROLES Longitudinales Efecto a causa Controles: individuos sin el desenlace Retrospectivo (retrolectivo) Pareamiento

20

21 COHORTE Grupo de gente con factores en común que permanecen en dicho grupo por largo tiempo Causa a efecto Ver si se expusieron o no a cierto factor y ver cuál fue el desenlace Prospectivo Cohortes históricas: Colectan información de antes (retrolectivo)

22

23

24 ESTUDIOS EXPERIMENTALES Ensayos clínicos: Conclusiones acerca de un procedimiento o tratamiento Pueden o no tener controles Controlado: Cuando se compara con otro (placebo o tx estándar) Doble ciego: Ni el investigador ni el paciente saben la maniobra que les toca Aleatorizado: El resultado es debido a la intervención y no al azar

25

26 META-ANÁLISIS Utiliza información de otros estudios y combina los resultados para obtener una conclusión. Análisis cuantitativo y resumen de los hallazgos Usualmente a partir de ensayos clínicos, pero también pueden provenir de estudios observacionales

27 VENTAJAS Y DESVENTAJAS ESTUDIO VENTAJAS DESVENTAJAS Serie de casos Ayuda a generar hipótesis Es el más sencillo Transversal Rápido y barato Permite ver la prevalencia de los padecimientos Casos y controles Permite ver que pasa con enfermedades raras Fácil y barato Resultados en poco tiempo Más debil para establecer causalidad Solo mide un tiempo Sesgo de selección

28

29

30

31 VENTAJAS Y DESVENTAJAS ESTUDIO VENTAJAS DESVENTAJAS Cohorte Estudio para evaluar causas o curso de la enfermedad por la exposición a FR Ensayos clínicos Mejor estudio para evaluar causalidad Menor número de sesgos Ideales para establecer eficacia de tratamiento Requiere mucho tiempo/costoso Pérdida de seguimiento Tiempo y costo Problemas de reclutamiento Problemas éticos

32

33

34 CASO 1 Se deseaba saber si hay una asociación entre ocupación y EPOC. Se reclutaron 1500 trabajadores con EPOC y 500 sin EPOC y se documentó su ocupación y el tiempo que llevaban en dicho empleo. Se encontró que los de la industria metalúrgica son los que más se asociaron a tener EPOC.

35 CASO 1 Conteste: 1. Observacional o experimental? Observacional 2. Transversal o longitudinal? Longitudinal 3. Prospectivo o retrospectivo? Retrospectivo 4. Causa o efecto? Causa 5. Tiene controles? Sí Casos y controles

42 CASO 2 Se deseaba saber si hay una asociación entre ocupación y EPOC. Se reclutaron 1500 trabajadores de una industria con distintas ocupaciones y se siguieron por 5 años. Se documentó que el 5% desarrolló EPOC.

43 CASO 2 Conteste: 1. Observacional o experimental? Observacional 2. Transversal o longitudinal? Longitudinal 3. Prospectivo o retrospectivo? Prospectivo 4. Causa o efecto? Efecto 5. Tiene controles? No Cohorte

50 CASO 3 Se deseaba saber si hay una asociación entre ocupación y EPOC. En una empresa de 1500 trabajadores con diferentes ocupaciones, se realizó una encuesta para ver cuantos tenían EPOC. Se encontró que el 5% tenía EPOC.

51 CASO 3 Conteste: 1. Observacional o experimental? Observacional 2. Transversal o longitudinal? Transversal 3. Prospectivo o retrospectivo? Ninguno, ya que es transversal 4. Causa o efecto? Ninguno, solo determina prevalencia 5. Tiene controles? No Transversal

58 CASO 4 Se deseaba saber si hay una asociación entre ocupación y EPOC. Se reclutaron 1500 trabajadores de una industria, se dividieron en 2 grupos: a los que se les expuso a resinas y polvos y a los que no, para ver quienes desarrollaban EPOC.

59 CASO 4 Conteste: 1. Observacional o experimental? Experimental 2. Transversal o longitudinal? Longitudinal 3. Prospectivo o retrospectivo? Prospectivo 4. Causa o efecto? Efecto 5. Tiene controles? Si Ensayo clínico controlado

66 II. RESUMIENDO LOS DATOS

67 INTRODUCCIÓN Cómo presentamos los datos? Tablas Gráficas De acuerdo a los datos, es la forma de presentación.

68 ESCALAS DE MEDICIÓN Nominal Dicotómica (dummy): Si/no Categórica: Casado/soltero/divorciado Ordinal Primaria/secundaria/preparatoria Numérica: Continua: TA Intervalo: No cero absoluto Razón: Cero absoluto Discreta: Número de fracturas

69 VARIABLES NOMINALES/ORDINALES Se realizo un estudio de 5 casos y 5 controles para evaluar la presencia de EPOC. A continuación se presentan las características de la población: Hombres 6, mujeres 4 Escolaridad: primaria 2, secundaria 6, preparatoria 2 Tabaquismo: 3

70 Qué tipo de variable son? Hombres 6, mujeres 4 Nominal categórica Escolaridad: primaria 2, secundaria 6, preparatoria 2 Ordinal Tabaquismo: 3 Nominal dicotómica Cómo presentarías estos datos?

71 Cómo representar variables nominales/ordinales? Hombres 6, mujeres 4 Proporciones (H: 6/10=0.6, M: 4/10=0.4) Porcentajes (H: 60%, M:40%) multiplicar la proporción por 100

72 VARIABLES NUMÉRICAS Se realizo un estudio de 5 casos y 5 controles para evaluar la presencia de EPOC. La frecuencia respiratoria de los pacientes fue la siguiente: Controles: 18, 16, 17, 19, 20 Casos: 21, 25, 22, 23, 24 Cómo presentarías estos datos?

73 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Medidas de tendencia central: Indicador del centro de la distribución de las observaciones: media, mediana y moda Medidas de dispersión Indican la variación de las observaciones: desviación estándar, varianza

74 MEDIA Promedio matemático de las observaciones Se simboliza x Cuál es la media? Controles: 18, 16, 17, 19, 20= 90/5=18 Casos: 21, 25, 22, 23, 24= 115/5= 23

75 MEDIANA Observación que queda a la mitad Se simboliza M o Md Cuál es la mediana? Controles: 18, 16, 17, 19, 20= 16, 17, 18, 19, 20 Casos: 21, 25, 22, 23, 24= 21, 22, 23, 24, 25

76 MODA Es el número más frecuente Se utiliza cuando hay muchas observaciones Cuál es la moda? Controles: 18, 16, 17, 19, 20= No hay Casos: 21, 25, 22, 23, 24= No hay moda

77 CALCULANDO. Tenemos una población donde se determinó las calificaciones del ENARM Media: 839/12= Mediana: 60, 65, 65, 66, 66, 66, 68, 71, 72, 78, 80, 82= 66+68/2= 67 Moda 60, 65, 65, 66, 66, 66, 68, 71, 72, 78, 80, 82= 66

78 DESVIACIÓN ESTÁNDAR Medida de la dispersión de los datos de la media 1.28/17 0,

79 DESVIACIÓN ESTÁNDAR Reglas de la SD: Al menos el 75% de los valores están entre la media y 2DE (independientemente de la distribución) Si es una distribución normal: 68% media + 1 DE 95% media + 2 DE 99.7% media + 3 DE

80 III. INCIDENCIA, PREVALENCIA Y MEDIDAS DE ASOCIACIÓN

81 CASO 1 En una población rural, se desea saber cual es la incidencia y prevalencia de desnutrición en niños de escasos recursos. La población total de niños es de 100, siendo 40 niños de escasos recursos. Se encontraron 30 niños desnutridos en el grupo, 20 de ellos en el de escasos recursos

82 CASO 1 1. Como se representaría esto en una tabla de 2x2 2. Cómo se calcula la incidencia y en qué estudios se puede calcular 3. Cómo se calcula la prevalencia y en qué estudios se puede calcular

83 PREGUNTAS BÁSICAS EN INVESTIGACIÓN: CAUSALIDAD Existe una asociación entre la exposición y el desenlace? Desenlaces: Mortalidad Morbilidad: incidencia y prevalencia

84 INCIDENCIA Y PREVALENCIA INCIDENCIA: NUEVOS casos que aparecen de una enfermedad en sujetos en riesgo durante un tiempo de seguimiento PREVALENCIA Los casos que se documentan en un tiempo específico en una población

85 DIFERENCIAS ENTRE INCIDENCIA Y PREVALENCIA Qué se mide? INCIDENCIA Rapidez en que ocurre una enfermedad PREVALENCIA Proporción de la población con enfermedad Tiempo del diagnóstico de la enfermedad Solo nuevos casos Casos en cualquier momento Periodo de tiempo Tiempo de vigilancia donde ocurren los casos Un tiempo específico Denominador Población en riesgo Toda la población

86 RELACIÓN ENTRE INCIDENCIA Y PREVALENCIA La prevalencia es una función de la: Incidencia Duración de la condición Por ejemplo: OAD prevalente (común) en ancianos La rabia es rara La influenza es común en las epidemias

87 TABLAS DE 2X2

88 N= 100 Causa: Escasos recursos (40) Efecto: Desnutrición (30, 20 escasos recursos) TABLAS DE 2X2 Escasos recursos (expuesto) No escasos recursos (no expuesto) Desnutridos (enfermos) a c b d No desnutridos (no enfermos)

89 TABLAS DE 2X2 Prevalencia Número de sujetos que presentan la condición (burden of disease) Cálculo: #desnutridos/#total (a+c)/n 30/ (30%)

90 TABLAS DE 2X2 Incidencia Casos nuevos en la población en riesgo Cálculo: #desnutridos/#población a/(a+b) 20/ (50%)

91 MEDIDAS DE ASOCIACIÓN Odd (momio): Probabilidad de tener un antecedente en un grupo de sujetos. Por ejemplo, si 67% de los hipertensos son obesos 2:1 obesos en los pacientes con HAS Riesgo: Probabilidad de que el paciente tenga un desenlace Va de 0 a 1

92 MEDIDAS DE ASOCIACIÓN Razón: Relación de 2 poblaciones diferentes (numerador no pertenece a denominador, a/b) Proporción: El numerador si pertenece al denominador (a/(a+b))

93 MEDIDAS DE ASOCIACIÓN Razón de momios (odds ratio) Casos y controles (efecto causa) Probabilidad de que una persona con un desenlace adverso haya estado en riesgo entre el riesgo de una persona sin el desenlace haya estado en riesgo

94 MEDIDAS DE ASOCIACIÓN Ejemplo: OR=5? Momios de tener el factor en los enfermos a/c= 20/10= 2 Momios de tener el factor entre los no enfermos b/d=20/50= 0.4 OR: a/c =2/0.4=5 b/d Productos cruzados: ad/bc= (20x50)/(20x10)=5

95 ODDS RATIO OR=1 No hay cambio en la exposición al FR entre casos y controles OR>1 Los casos tienen mayor exposición al FR que los controles OR<1 Los casos tienen menor exposición al FR que los controles

96 MEDIDAS DE ASOCIACIÓN Riesgo relativo (RR) Cohortes (causa a efecto) Incidencia expuestos/incidencia de no expuestos Calcular el desenlace entre los que tienen o no el factor de riesgo

97 MEDIDAS DE ASOCIACIÓN Ejemplo: Incidencia en los expuestos: a/(a+b)= 20/(20+20)=0.5 Incidencia en los no expuestos: c/(c+d)=10/(10+50)=0.16 RR= IE/InoE= 0.5/0.16= 3.12 RR= 3.12

98 RIESGO RELATIVO RR=1 Expuestos y no expuestos tienen mismo riesgo de tener el desenlace RR>1 Los expuestos tienen mayor riesgo de desarrollar el desenlace RR<1 Los expuestos tienen menor riesgo de desarrollar el desenlace

99 IV. PRUEBAS DIAGNÓSTICAS

100 CASO 1 Usted está probando un nuevo estudio de laboratorio para predecir cáncer de mama por medio de un marcador en sangre. El punto de corte establecido fue 2. Con este punto de corte obtiene los siguientes resultados: Enfermos: 50 Sanos: 50 Prueba + en enfermos 40/50 Prueba + en sanos 10/50

101 PRUEBA DIAGNÓSTICA Proceso o estudio por el cual un sujeto es clasificado como poseedor o carente de una enfermedad Utilizados para distinguir entre un paciente sano y un enfermo

102 CARACTERÍSTICAS DE LAS PD Todos los sanos tiene un rango uniforme de valores Los resultados son consistentes entre enfermos y sanos Todos los enfermos tienen un rango uniforme de valores distinto al de los sanos

103 CARACTERÍSTICAS DE LAS PD

104 N= 100 Enfermos: 50 Sanos: 50 P+ enf: 40 P+ sanos: 10 TABLAS DE 2X2 Prueba positiva Prueba negativa VP FN Ca mama (enfermos) a c b d No ca mama(no enfermos) FP VN

105 SENSIBILIDAD Y ESPECIFICIDAD Permiten valorar la validez de la prueba Proporcionan la probabilidad de obtener un resultado concreto (+ o -) en relación a la condición de enfermo o sano

106 SENSIBILIDAD Probabilidad de una prueba positiva en alguien enfermo (positivo a enfermedad) VP/enfermos= a/(a+c)= 40/50= 0.8 (80%) A mayor probabilidad, mayor sensibilidad (pocos falsos negativos)

107 ESPECIFICIDAD Pb de que una prueba dx identifique correctamente a los no enfermos VN/sanos= d/(b+d)= 40/50= 0.8 (80%) A mayor probabilidad, mayor especificidad (pocos falsos positivos)

108 Son más útiles: VALORES PREDICTIVOS VPP: Qué tan probable es que si la prueba está positiva esté realmente enfermo? VPN: Qué tan probable es que si la prueba está negativa no esté realmente enfermo?

109 VALOR PREDICTIVO POSITIVO Probabilidad de que si la prueba es positiva, el paciente esté realmente enfermo VP/(VP+FP)= a/(a+b)= 40/50= 0.8 (80%) Si la prueba es positiva, el pte tiene 80% de tener ca mama

110 VALOR PREDICTIVO NEGATIVO Probabilidad de que si la prueba es negativa, el paciente esté realmente sano VN/(VN+FN)= d/(c+d)= 40/50= 0.8 (80%) Si la prueba es negativa, el pte tiene 80% de estar sano

111 CÓMO ESCOGER Alta sensibilidad/alto VPN: Cuando es peligroso un falso negativo Cuando no ofrecer tx a un paciente enfermo puede ser peligroso Alta especificidad/alto VPP: Cuando es peligroso un falso positivo Cuando ofrecer tx a un paciente sano puede ser peligroso

112 CÓMO ESCOGER

113 CÓMO ESCOGER

114 PRECISIÓN Y EXACTITUD

115 V. PRUEBAS DE HIPÓTESIS

116 QUÉ ES UNA HIPÓTESIS? Son enunciados formulados como respuestas tentativas a preguntas de investigación. Pregunta de investigación Hipótesis

117 PROBANDO LA HIPÓTESIS Se formula una hipótesis. Se obtienen datos (muestra) La hipótesis es contrastada con la evidencia de la muestra. Conclusión

118 TIPOS DE HIPÓTESIS Hipótesis Nula (H o ) : Enunciado formal para el contraste de hipótesis con métodos estadísticos: No hay asociación, No hay diferencia, No hay efecto. Hipótesis alternativa (H 1 ): Hipótesis complementaria a H o: Si hay asociación, Si hay diferencia, Si hay efecto.

119 TIPOS DE HIPÓTESIS Un clínico trata de demostrar que la reacción al tratamiento es diferente entre el fármaco A y el fármaco B Hipótesis: Ho: A = B (Nula) Ha: A B (Alterna)

120 TIPOS DE HIPÓTESIS: DOS COLAS VS UNA COLA Dos colas Un clínico trata de demostrar que la reacción al tratamiento es diferente entre el fármaco A y el fármaco B Hipótesis: Ho: A = B (Nula) Ha: A B (Alterna) Una cola Interés específico en una sola dirección No existe interés/relevancia científica si el efecto se presenta en la otra dirección Ejemplo: se quiere demostrar que el fármaco A tiene mayor efecto que el fármaco B Hipótesis: Ho: A B (Nula) Ha: A > B (Alterna)

121 CÓMO ESCOJO CUAL? Con los datos de la muestra se calcula un valor (llamado estadístico de prueba) que sirve para decidir si Ho es falsa y debe ser rechazada (única y exclusivamente para eso) Si los resultados sugieren que se debe rechazar Ho, entonces automáticamente se acepta que Ha es verdadera Si los resultados no indican que se rechaze Ho tampoco se puede concluir nada sobre Ha

122 ESTADÍSTICO DE PRUEBA: VALOR DE P Para tomar una decisión sobre rechazar o no rechazar la hipótesis nula hay que especificar una Con el Regla estadístico de decisión. de prueba y una fórmula matemática (distribución Hay que especificar de probabilidades, un punto de corte que óvaría punto según el tipo de hipótesis crítico: evaluada), se calcula una probabilidad, el famoso valor p Si P es menor que Alfa ( ), se rechaza H o El valor p, Si p, P es mayor o p-value que Alfa puede ( ), interpretarse rechaza H o como la probabilidad de que Ho sea verdadera Por convención se acepta que si p < 0.05 (5%), entonces es muy probable que Ho sea falsa y por lo tanto debe ser rechazada

123 QUÉ ERRORES PUEDO COMETER? Al tomar una decisión basados en un punto de corte se pueden cometer uno de dos errores: 1. Rechazar Ho siendo esta cierta (Error tipo I). 2. No rechazar Ho siendo esta falsa (Error tipo II)

124 QUÉ ERRORES PUEDO COMETER? ESTADO REAL (LA VERDAD) H 0 es verdadera, No hay diferencia H 0 es falsa y H a es verdadera Hay diferencia EVIDENCIA/ No diferencia (No rechaza H 0) ) NO HAY ERROR Error Tipo II (β) ATOS DE LA MUESTRA Hay diferencia (Rechazar H 0 y aceptar H a) Error Tipo I (α) NO HAY ERROR

125

126 EJEMPLO Un Clínico compara la proporción de pacientes con Hepatitis crónica que responde favorablemente a dos tratamientos: A y B. Hipótesis: H o : A B =0 (Nula) H 1 : A B 0 (Alterna)

127 EJEMPLO Se llevó a cabo un Ensayo clínico asignando de manera aleatoria (y ciega) la droga A y la droga B a 300 pacientes con Hepatitis crónica. Se observó que en el grupo que recibió la droga A, 30% tuvieron respuesta favorable. En contraste con el grupo que recibió la droga B (17% respondieron favorablemente).

128 EJEMPLO Especificando un punto de corte para significancia: Alfa ( ) = 0.05 Prueba estadística para comparar proporciones (30% versus 17%): P=0.015 Conclusión: La diferencia en las respuestas al tratamiento entre los grupos (droga A vs. droga B) es significativa. Se rechaza hipótesis nula.

129 PREGUNTAS?