Validez de la estimacin Una estimacin epidemiolgica es el
producto final del diseo del estudio, la realizacin de los
estudios, y el anlisis de datos. Vamos a llamar a todo el proceso
que conduce a una estimacin (diseo del estudio, la realizacin y
anlisis) el proceso de estimacin. El objetivo general de un estudio
epidemiolgico puede generalmente ser visto como la precisin en la
estimacin. Ms especficamente, como se describe en los captulos
anteriores, el objetivo de un estudio epidemiolgico es obtener una
estimacin vlida y precisa de la frecuencia de una enfermedad o del
efecto de una exposicin sobre la aparicin de una enfermedad en la
poblacin de origen del estudio.Inherente a este objetivo es la
opinin de que la investigacin epidemiolgica es un ejercicio de
medicin. A menudo, un objetivo adicional es obtener una estimacin
de que es generalizable a las poblaciones objetivo relevantes,
objetivo que consiste en seleccionar una poblacin de origen para su
estudio que, o bien es un objetivo o se puede argumentar que sienta
los efectos similares a los objetivos. La precisin en la estimacin
implica que el valor del parmetro que es el objeto de la medicin se
calcula con un error pequeo. Errores en la estimacin son
tradicionalmente clasificados como aleatorios o sistemticos. A
pesar de los errores aleatorios en el muestreo y anlisis de los
temas puede llevar a errores sistemticos en las estimaciones
finales, los principios importantes de diseo del estudio surgen de
la consideracin por separado de las fuentes de errores aleatorios y
sistemticos. Los errores sistemticos en las estimaciones se conoce
comnmente como sesgos; lo contrario de sesgo es la validez, de modo
que una estimacin que tiene poco error sistemtico puede ser
descrito como vlida. Anlogamente, el opuesto de error aleatorio es
la precisin, y una estimacin con errores aleatorios poco puede ser
descrito como preciso.Validez y precisin son los dos componentes de
precisin. La validez de un estudio generalmente se divide en dos
componentes: la validez de las inferencias, ya que pertenecen a los
miembros de la poblacin de origen (validez interna) y la validez de
las inferencias, ya que pertenecen a personas ajenas a esa poblacin
(validez externa o generalizacin). La validez interna implica la
validez de la inferencia de la poblacin de origen de los sujetos de
estudio. En los estudios P.129 de la causalidad, que corresponde a
una medicin precisa de los efectos, aparte de la variacin
aleatoria. Bajo este esquema, la validez interna se considera un
requisito previo para la validez externa. La mayora de las
violacines de la validez interna se pueden clasificar en tres
categoras generales: el sesgo de confusin, sesgo de seleccin, y la
informacin, donde el ltimo es el sesgo producido por mala medicin
de las variables de estudio. La confusin se describe en trminos
generales en el Captulo 4, mientras que el sesgo de seleccin
especficos y los problemas de medicin se describen en los captulos
7 y 8. El presente captulo se describen las formas generales de
estos problemas en los estudios epidemiolgicos. El captulo 10 se
describe cmo medir y limitar el error aleatorio, el captulo 11
trata de las opciones en el diseo del estudio que pueden mejorar la
precisin general, y el captulo 12 muestra cmo los prejuicios pueden
ser descritas e identificadas utilizando diagramas causales. Despus
de una introduccin a las estadsticas de los captulos 13 y 14
captulos, 15 y 16 ofrecen mtodos bsicos para ajustar por factores
medidos, mientras que el captulo 19 presenta mtodos para ajustar
factores de confusin no medidos, el sesgo de
seleccin y de clasificacin errnea. La dicotomizacin de validez
en los componentes internos y externos podra sugerir que la
generalizacin es simplemente una cuestin de extender las
inferencias sobre una poblacin de origen a una poblacin objetivo.
La seccin final de este captulo se ofrece una visin diferente de la
generalizacin, en la que la esencia de la generalizacin cientfica
es la formulacin de abstractos (por lo general causal) teoras que
relacionan las variables de estudio entre s. Las teoras son
abstractas en el sentido de que no estn vinculados a poblaciones
especficas, sino que se aplican a un conjunto ms general de las
circunstancias que las poblaciones especficas en estudio. La
validez interna de un estudio an es un requisito previo para el
estudio de contribuir de manera til a este proceso de abstraccin,
pero el proceso de generalizacin es otra cosa aparte de los
problemas de validez interna y la mecnica del diseo del estudio.
Confusin El concepto de factores de confusin se introdujo en el
captulo 4. A pesar de la confusin se produce en la investigacin
experimental, que es un tema mucho ms importante en los estudios
observacionales. Por lo tanto, aqu se revisan los conceptos de
confusin y factores de confusin y luego discutir otras cuestiones
en la definicin y la identificacin de factores de confusin. Al
igual que en el captulo 4, en esta seccin vamos a suponer que el
objetivo es estimar el efecto que la exposicin tuvo en las personas
expuestas en la poblacin de origen. Este efecto es el real (o
cuenta) efecto de la exposicin. Vamos a indicar brevemente cmo la
discusin se debe modificar la hora de estimar contrafactual (o
potenciales) efectos de la exposicin, tales como el efecto que
podra tener la exposicin de los no expuestos. El captulo 12 examina
los factores de confusin en el contexto de los diagramas causales,
que no hacen estas distinciones explcitas. La confusin como la
mezcla de los efectos En el nivel ms simple, la confusin puede ser
considerado una confusin de los efectos. Especficamente, el efecto
aparente de la exposicin de inters est distorsionada porque el
efecto de factores extraos se confunde-o mezclado con el efecto de
la exposicin real (que puede ser nula). La distorsin introducida
por un factor de confusin puede ser grande, y se puede llevar a una
sobreestimacin o subestimacin de un efecto, dependiendo de la
direccin de las asociaciones de que el factor de confusin tiene con
la exposicin y la enfermedad. La confusin puede incluso cambiar la
direccin aparente de un efecto. Una definicin ms precisa de la
confusin comienza por examinar la manera en que los efectos se
estiman. Supongamos que queremos estimar el grado en que la
exposicin ha cambiado la frecuencia de la enfermedad en una cohorte
expuesta. Para ello, debemos estimar la frecuencia de la enfermedad
habra sido en este grupo haba estado ausente de la exposicin y
comparar esta estimacin de la frecuencia observada en la exposicin.
Debido a que la cohorte expuesta, esta ausencia de la exposicin es
contrafactual (contrariamente a los hechos) y por lo que la
frecuencia deseada sin exponer la comparacin es inobservable. Por
lo tanto, como un sustituto, se observa la frecuencia de la
enfermedad en una cohorte no expuesta. Pero rara vez podemos tomar
esta frecuencia no expuesta la manera ms justa que representa lo
que la frecuencia habra estado en la cohorte expuesta la exposicin
haba estado ausente, debido a que la cohorte no expuesta puede
diferir de la cohorte expuesta de muchos factores que afectan la
frecuencia de la enfermedad,
adems de la exposicin.Para expresar este problema, se dice que
el uso de los no expuestos como el referente a la expuesta se
confunde, porque la frecuencia de la enfermedad en los expuestos
difiere de la de los no expuestos, como resultado de una mezcla de
dos o ms efectos, una de las cuales es el efecto de la exposicin.
P.130
Los factores de confusin y de confusin sustitutos Los factores
externos que son responsables de diferencia en la frecuencia de la
enfermedad entre los expuestos y no expuestos se llaman factores de
confusin.Adems, los factores asociados con estos factores externos
causales que pueden servir como sustitutos de estos factores tambin
son comnmente llamados factores de confusin. El ejemplo ms extremo
de este sustituto es la edad cronolgica. Aumento de la edad est
fuertemente asociada con el envejecimiento, la acumulacin de
mutaciones en las clulas y el dao tisular que conduce a la
enfermedad, pero aumenta la edad no es causa de los cambios
patognicos la mayora de estos (Kirkland, 1992), debido a que es slo
una medida de cunto tiempo ha pasado desde su nacimiento.
Independientemente de si un factor de confusin es una de las causas
de la enfermedad de estudio o simplemente un sustituto para una
causa, una caracterstica principal es que si est perfectamente
medido ser de prediccin de la frecuencia de la enfermedad en los no
expuestos (de referencia) de cohorte. De lo contrario, el factor de
confusin no se puede explicar por qu la cohorte no expuesta no
representar adecuadamente a la frecuencia de la enfermedad de la
cohorte expuesta iba a experimentar en la ausencia de la exposicin.
Por ejemplo, supongamos que todos los hombres eran expuestos y no
expuestos todos eran mujeres. Si los hombres no expuestos tienen la
misma incidencia que las mujeres no expuestas, el hecho de que
todos los no expuestos eran mujeres, ms que los hombres no podra
ser responsable de cualquier confusin que est presente. En el punto
de vista simple, la confusin se produce slo si se producen efectos
extraos se mezclan con el efecto en estudio. Ntese, sin embargo,
que la confusin puede ocurrir incluso si el factor en estudio no
tiene ningn efecto. Por lo tanto, "la mezcla de efectos" no debe
interpretarse en el sentido de que la exposicin en estudio tiene un
efecto. La mezcla de los efectos viene alrededor de una asociacin
entre la exposicin y factores extraos, independientemente de si la
exposicin tiene un efecto. Como otro ejemplo, considere un estudio
para determinar si los bebedores de alcohol presentan una mayor
incidencia de cncer oral que los no bebedores. El tabaquismo es un
factor externo que est relacionado con la enfermedad entre los no
expuestos (el fumar tiene un efecto sobre la incidencia de cncer
oral entre los abstemios de alcohol). El tabaquismo tambin est
asociado con el consumo de alcohol, porque hay muchas personas que
son generales "abstemios", abstenerse del consumo de alcohol, el
tabaquismo, y tal vez otros hbitos. En consecuencia, los bebedores
de alcohol entre los que se incluyen una mayor proporcin de
fumadores que se encuentran entre los no bebedores.Debido a que
fumar aumenta la incidencia de cncer oral, los bebedores de alcohol
tendrn una incidencia mayor que los no bebedores,
independientemente de cualquier influencia de la ingesta de alcohol
en s, simplemente como consecuencia de la mayor cantidad de consumo
de tabaco entre los bebedores de alcohol. Por lo tanto, el efecto
aparente de consumo de alcohol se ve
distorsionada por el efecto del tabaquismo, el efecto del
consumo de tabaco se mezcla con el efecto del alcohol en la
comparacin de los bebedores de alcohol con los no bebedores. El
grado de sesgo o distorsin depende de la magnitud del efecto del
tabaquismo, la fuerza de asociacin entre el alcohol y el
tabaquismo, y la prevalencia de tabaquismo entre los no bebedores
que no tienen cncer oral. De cualquier ausencia de un efecto del
tabaco sobre la incidencia del cncer oral o ausencia de una
asociacin entre el tabaquismo y el alcohol no se llevara a
confusin. Fumar debe estar asociado a cncer bucal y el consumo de
alcohol para que sea un factor de confusin. Propiedades de un
factor de confusin En general, una variable debe estar asociado
tanto con la exposicin en estudio y la enfermedad en estudio para
ser un factor de confusin. Estas asociaciones no, sin embargo,
definir un factor de confusin, de una variable pueden tener estas
asociaciones y, sin embargo no ser un factor de confusin. Hay
varias maneras de que esto puede suceder. La forma ms comn se
produce cuando la exposicin en estudio tiene un efecto. En esta
situacin, cualquier correlacin de que la exposicin tambin tienden a
ser asociados con la enfermedad como una consecuencia de su
asociacin con la exposicin. Por ejemplo, supongamos que el consumo
de cerveza con frecuencia se asocia con el consumo de pizza, y
supongamos que el consumo de cerveza con frecuencia es un factor de
riesgo para el cncer rectal. Que el consumo de pizza ser un factor
de confusin? Al principio, podra parecer que la respuesta es s,
porque el consumo de la pizza se asocia tanto con el consumo de
cerveza y con el recto P.131 cncer. Pero si el consumo de pizza se
asocia con el cncer rectal, debido a su asociacin con el consumo de
cerveza, no sera de confusin, de hecho, la asociacin del consumo de
pizza con cncer colorrectal sera entonces debe enteramente a la
confusin por el consumo de cerveza. Un factor de confusin debe
estar asociado a la aparicin de enfermedades, aparte de su
asociacin con la exposicin. En particular, como se explic
anteriormente, la variable aleatoria posibles factores de confusin
debe estar asociado a la enfermedad entre los no expuestos (de
referencia) los individuos. Si el consumo de la pizza se asocia con
el cncer de recto entre los bebedores de cerveza, entonces se podra
confundir. De lo contrario, si se asocia con el cncer rectal debido
a su asociacin con el consumo de cerveza, que no poda confundir. De
forma anloga, con esta restriccin sobre la asociacin entre un
factor de confusin potencial y la enfermedad, el potencial de
confusin debe estar asociado con la exposicin entre la poblacin de
origen de los casos, para esta asociacin con la exposicin es cmo
los efectos de la posible confusin se mezclan con los efectos de la
exposicin. En este sentido, cabe sealar que un factor de riesgo que
es independiente de la exposicin en la poblacin de origen puede (y
normalmente ser) se asocia con la exposicin entre los casos, por lo
que no se puede tomar la asociacin entre los casos como una
estimacin vlida de la asociacin en la poblacin de origen. Los
factores de confusin como factores de riesgo extraos Tambin es
importante aclarar qu queremos decir con la extraa expresin en la
frase "factor de riesgo ajeno". Este trmino significa que el factor
de la asociacin con
la enfermedad surge de una cadena causal que no sea el objeto de
estudio. En concreto, tenga en cuenta el diagrama causal donde las
flechas representan la relacin de causalidad. La presin arterial
elevada como factor de confusin? Sin duda, es un factor de riesgo
para la enfermedad, y tambin se correlaciona con la exposicin, ya
que puede resultar de fumar. Incluso es un factor de riesgo para la
enfermedad entre los individuos no expuestos, porque la presin
arterial elevada puede ser consecuencia de otras causas que fumar.
Sin embargo, no se puede considerar un factor de confusin, ya que
el efecto de fumar est mediada a travs del efecto de la presin
arterial. Cualquier factor que representa un paso en la cadena
causal entre la exposicin y la enfermedad no debe ser entendido
como un factor de confusin ajena, sino que requiere un tratamiento
especial como un factor intermedio (Groenlandia y Neutra, 1980;
Robins, 1989, vase el captulo 12). Por ltimo, una variable puede
satisfacer todas las condiciones anteriores, pero no podr hacerlo
despus del control de alguna variable de confusin otra parte, y por
lo tanto ya no puede ser un factor de confusin dentro de los
estratos de la confusin segundo. Por ejemplo, puede ocurrir que (a)
el factor de confusin primero ya no est asociada con la enfermedad
dentro de los estratos de la confusin en segundo lugar, o (b) el
factor de confusin primero ya no est asociado con la exposicin
dentro de los estratos de la confusin segundo. En cualquier caso,
el factor de confusin primero es slo un sustituto para el factor de
confusin segundo. En trminos ms generales, el estado de una
variable como un factor de confusin puede depender de otras
variables que se controlan cuando se hace la evaluacin, es decir,
ser un factor de confusin est condicionada a lo que el mundo est
controlado. A juzgar por el papel causal de un potencial de
confusin Consideremos el caso simple, pero comn de una variable
binaria de la exposicin, con el inters centrado en el efecto de la
exposicin en una determinada poblacin expuesta, en relacin a lo que
habra sucedido si no hubiese estado expuesta la poblacin.
Supongamos que una poblacin no expuesta se selecciona como la
comparacin (referencia) grupo. Un potencial de confusin es entonces
un factor que est asociado con la enfermedad entre los no
expuestos, y no es afectada por la exposicin o enfermedad. Podemos
comprobar este ltimo requisito, si sabemos que el factor precede a
la exposicin y la enfermedad. Asociacin con la enfermedad entre los
no expuestos es un criterio ms difcil de decidir. Aparte de los
posibles factores de confusin simples y obvias ahora, como la edad,
el sexo y el consumo de tabaco, los datos epidemiolgicos
disponibles son a menudo ambiguos en cuanto a potencia predictiva,
incluso cuando lo hacen establecer el orden del tiempo.Basta con
decidir si tiene capacidad predictiva sobre la base de una prueba
estadstica suele ser demasiado sensible para detectar todos los
factores de confusin importantes, y como resultado puede producir
estimaciones muy confundido, tal como demuestran ejemplos reales
(Groenlandia y Neutra, 1980). Una respuesta a la ambigedad y la
falta de sensibilidad de los mtodos epidemiolgicos para la deteccin
de factores de confusin es hacer un llamamiento a las dems pruebas
sobre el efecto del potencial de confusin sobre la enfermedad,
incluyendo nonepidemiologic (por ejemplo, clnica o social) de los
datos y las teoras mecanicistas quiz sobre los posibles efectos
sobre el potencial factores de confusin. La incertidumbre acerca de
la evidencia o el mecanismo puede justificar el
manejo de un posible factor de confusin ya que tanto la confusin
y la confusin no en los diferentes anlisis. Por ejemplo, al evaluar
el efecto del caf en las enfermedades del corazn, no est claro cmo
tratar a los niveles de colesterol srico. Los niveles elevados son
un factor de riesgo para enfermedades del corazn y puede estar
asociada con el uso del caf, pero el colesterol en suero pueden
mediar la accin de uso del caf en el riesgo de enfermedad cardaca.
P.132 Es decir, niveles elevados de colesterol puede ser un factor
intermedio en la secuencia etiolgico en estudio. Si el tiempo de
ordenamiento de uso del caf y la elevacin del colesterol no puede
ser determinado, se podra llevar a cabo dos anlisis, uno en el cual
se controla el colesterol en suero (que sera apropiado si el caf no
afecta el colesterol en suero) y una en la que no est bien
controlada ose trata como un producto intermedio (que sera ms
apropiado si el caf afecta el colesterol srico y no est asociada
con los factores determinantes no controlados de colesterol en
suero). La interpretacin de los resultados depender de cul de las
teoras sobre el colesterol en suero eran correctas.Grficos causales
proporcionar un medio til para representar estas relaciones
multivariables y, como se explica en el Captulo 12, permiten la
identificacin de factores de confusin para el control de la
estructura de la grfica. Criterios para un factor de confusin
Podemos resumir hasta ahora con la observacin de que para una
variable a ser un factor de confusin, debe tener tres necesaria
(pero no suficiente, o la definicin), las caractersticas que vamos
a discutir en detalle. A continuacin se sealan algunas limitaciones
de estas caractersticas en la definicin y la identificacin de
factores de confusin. 1. Un factor de confusin debe ser un factor
de riesgo para la enfermedad extraa. Como se mencion anteriormente,
un posible factor de confusin no tiene por qu ser una causa real de
la enfermedad, pero si no lo es, debe ser un sustituto de una causa
real de la enfermedad que no sea la exposicin. Esta condicin
implica que la asociacin entre el potencial de confusin y la
enfermedad debe ocurrir dentro de los niveles de la exposicin del
estudio. En particular, un factor potencialmente confusin debe ser
un factor de riesgo en el nivel de referencia de la exposicin en
estudio. Los datos pueden servir como una gua para la relacin entre
el potencial de confusin y la enfermedad, sino que es la relacin
real entre el factor potencialmente confusin y la enfermedad no, la
relacin aparente observada en los datos, que determina si se puede
producir confusin.En grandes estudios, que estn sujetos al error de
muestreo inferior, esperamos que los datos que reflejan ms de cerca
la relacin subyacente, pero en estudios pequeos que los datos son
una gua menos confiable, y se debe considerar otra evidencia,
externo ("conocimiento previo") con respecto a la relacin del
factor de la enfermedad. El siguiente ejemplo ilustra el papel que
el conocimiento previo puede jugar en la evaluacin de los factores
de confusin. Supongamos que en un estudio de cohorte de fibras de
vidrio en el aire y el cncer de pulmn, los datos muestran ms tabaco
y ms casos de cncer entre los muy expuestos, pero no existe relacin
entre el tabaquismo y el cncer de pulmn dentro de los niveles de
exposicin. La ausencia de una relacin de este ltimo no quiere decir
que un efecto del hbito de fumar no est confundida (mixta) con el
efecto estimado de las fibras de vidrio: Es posible que parte
o la totalidad de los cnceres en exceso en el muy expuestos se
produzcan slo por fumar, y que la falta de una asociacin
fumar-cncer en la cohorte de estudio fue producido por un factor de
confusin no medido de dicha asociacin en esta cohorte, o por un
error aleatorio. Como ejemplo contrario, supongamos que realizamos
un estudio de cohorte de la exposicin solar y el melanoma. Nuestra
mejor informacin disponible indica que, despus de controlar por
edad y rea geogrfica de residencia, no hay ninguna relacin entre el
nmero de Seguro Social y la aparicin del melanoma.Por lo tanto, no
considerara el nmero de Seguro Social, un factor de confusin, con
independencia de su asociacin con el melanoma en la cohorte de la
exposicin de referencia, porque pensamos que no es un factor de
riesgo para el melanoma en esta cohorte, la edad y una zona
geogrfica (es decir, pensamos Social nmeros de Seguro no afectan a
las tasas de melanoma y no son marcadores de algn factor de riesgo
de melanoma es la edad y el rea).Incluso si el control de nmero de
Seguro Social iba a cambiar la estimacin del efecto, la estimacin
resultante de efecto sera menos exacto que el que ignora el nmero
de Seguro Social, teniendo en cuenta nuestra informacin previa
acerca de la falta de confusin real por el nmero de seguro social.
Sin embargo, ya que la informacin externa se limita por lo general,
los investigadores se basan a menudo en sus datos para inferir la
relacin de los posibles factores de confusin a la enfermedad. Esta
dependencia puede ser racionalizado si uno tiene buenas razones
para sospechar que la informacin externa no es muy relevante para
un propio estudio. Por ejemplo, una de las causas de la enfermedad
en una poblacin ser causalmente relacionado con la enfermedad en
otra poblacin que carece de las causas de los componentes
complementarios (es decir, factores de susceptibilidad, vase el
captulo 2). Una discordancia entre los datos y la informacin
externa sobre un factor de riesgo conocidas o sospechadas por lo
tanto, puede ser seal de una insuficiencia en el detalle de la
informacin acerca de factores que interactan en lugar de un error
en los datos. Esta explicacin puede ser menos creble para variables
tales como edad, sexo y tabaquismo, cuyo conjunto de relacin con la
enfermedad a menudo se piensa que es bastante estable en todas las
poblaciones. En P.133 de forma paralela la informacin, externa
sobre la ausencia de un efecto de un posible factor de riesgo puede
ser considerada inadecuada, si la informacin externa se basa en
estudios que tuvieron un sesgo importante hacia el valor nulo. 2.
Un factor de confusin debe estar asociado a la exposicin en estudio
en la poblacin de origen (la poblacin en riesgo de que los casos se
derivan). Para producir los factores de confusin, la asociacin
entre un factor potencial de confusin y la exposicin debe estar en
la poblacin de origen de los casos de estudio. En un estudio de
cohortes, la poblacin de origen corresponde a la cohorte de estudio
y por lo tanto, esta condicin slo implica que la asociacin entre un
factor de confusin y la exposicin de la que existe entre los
sujetos que componen la cohorte. As, en los estudios de cohortes,
la asociacin exposicin-factor de confusin puede determinarse a
partir de los datos del estudio solo y ni siquiera tericamente,
dependen de los conocimientos previos si no hay error de medicin
est presente. Cuando la exposicin en estudio ha sido asignado al
azar, a veces se piensa errneamente que la confusin no puede
ocurrir debido a la asignacin al azar de la exposicin garantas ser
independiente de la (no asociado con) otros factores. Por
desgracia, esta garanta de la independencia es slo en promedio a
travs de repeticiones del procedimiento de asignacin al azar. En
casi cualquier aleatorizacin dado nica (asignacin), incluyendo
aquellos en los estudios reales, habr asociaciones aleatorias de la
exposicin a factores de riesgo extraos. Como consecuencia, la
confusin puede ocurrir y ocurre en los ensayos aleatorios. Aunque
esta confusin al azar tiende a ser pequeo en los grandes ensayos
clnicos aleatorizados, a menudo ser grande dentro de pequeos
ensayos y en pequeos subgrupos de ensayos de gran tamao (Rothman,
1977). Por otra parte, la falta de adherencia pesada o
incumplimiento (incumplimiento del protocolo de tratamiento
asignado) o desercin puede dar lugar a una considerable confusin no
aleatorio, incluso en grandes ensayos clnicos aleatorizados (vase
el captulo 12, especialmente la figura. 12-5). En un estudio
caso-control, la asociacin de la exposicin y el potencial de
confusin debe estar presente en la poblacin de origen que dio
origen a los casos. Si la serie de control es grande y no hay sesgo
de seleccin o un error de medicin, los controles de proporcionar
una estimacin razonable de la asociacin entre la variable potencial
de confusin y la exposicin en la poblacin de origen y se puede
comprobar con los datos del estudio. En general, sin embargo, los
controles no adecuada puede estimar el grado de asociacin entre el
factor de confusin potencial y la exposicin en la poblacin de
origen que produjo los casos de estudio. Si se dispone de
informacin sobre esta asociacin de la poblacin, que puede ser
utilizado para ajustar los hallazgos de la serie de control.
Lamentablemente, la informacin externa confiable sobre las
asociaciones entre los factores de riesgo en la poblacin de origen
rara vez est disponible. As, en estudios de casos y controles, la
preocupacin por el grupo de control tendr que ser considerado en la
estimacin de la asociacin entre la exposicin y el factor de
confusin potenciales, por ejemplo, a travs de anlisis de sesgo
(Captulo 19). Considere la posibilidad de un estudio anidado de
casos y controles de la exposicin ocupacional a fibras de vidrio en
el aire y la aparicin de cncer de pulmn que los casos seleccionados
al azar y los controles de los casos y las personas en situacin de
riesgo en una cohorte de trabajadores. Supongamos que se conoca la
asociacin entre la exposicin y el consumo de tabaco en la cohorte
completa, como era de si esta informacin se registraron en toda la
cohorte. A continuacin, podra utilizar la discrepancia entre la
verdadera asociacin y la asociacin exposicin-fumar observado en los
controles como una medida del grado en que el muestreo aleatorio no
haba para producir controles representativos. Sin importar el tamao
de esta discrepancia, si no se encontr asociacin entre el
tabaquismo y la exposicin en la cohorte de la fuente, el fumar no
sera un factor de confusin verdadero (aunque parece ser uno de los
datos de casos y controles), y sera la estimacin no ajustada ser la
mejor estimacin disponible (Robins y Morgenstern, 1987). De manera
ms general, podemos usar cualquier informacin en toda la cohorte de
realizar ajustes en la estimacin de casos y controles, de un modo
anlogo a los estudios en dos etapas (captulos 8 y 15). 3. Un factor
de confusin no debe verse afectado por la exposicin o la
enfermedad. En particular, no puede ser un paso intermedio en el
camino causal entre la exposicin y la enfermedad. Este criterio se
satisface automticamente si el factor precede exposicin y la
enfermedad. De lo contrario, el criterio requiere informacin fuera
de los datos.El
investigador debe tener en cuenta las pruebas o las teoras que
tienen que ver si la exposicin o la enfermedad puede afectar el
factor. Si el factor es un paso intermedio entre la exposicin y la
enfermedad, no debe ser entendido como simplemente una confusin
P.134 factor que, en su lugar, un anlisis ms detallado que tenga en
cuenta su naturaleza intermedia se requiere (Robins, 1989; Robins y
Groenlandia, 1992;. Robins et al, 2000). A pesar de las tres
caractersticas de los factores de confusin se toman a veces para
definir un factor de confusin, que es un error hacerlo por razones
conceptuales y tcnicos. La confusin es la confusin o mezcla de
efectos externos con el efecto de inters. Las dos primeras
caractersticas son ms que consecuencias lgicas de la definicin
bsica, las propiedades que un factor que debe cumplir con el fin de
confundir. La tercera propiedad excluye situaciones en las que los
efectos no se puede separar de una manera directa (salvo en casos
especiales). Tcnicamente, es posible para un factor de poseer las
tres caractersticas y todava no tienen sus efectos mezclados con la
exposicin, en el sentido de que un factor puede producir ningn
exceso espuria o dficit de la enfermedad entre los expuestos, a
pesar de su asociacin con la exposicin y su efecto sobre la
enfermedad. Este resultado puede producirse, por ejemplo, cuando el
factor es slo uno de varios posibles factores de confusin y el
exceso de incidencia producida por el factor de entre los expuestos
est perfectamente equilibrado por la incidencia de exceso producido
por otro factor en los no expuestos. La discusin anterior omite una
serie de sutilezas que surgen en la determinacin cualitativa de las
variables que son suficientes para controlar el fin de eliminar la
confusin. Estos aspectos cualitativos, se discutir el uso de
diagramas causales en el captulo 12. Es importante recordar, sin
embargo, que el grado de confusin es una preocupacin mucho mayor
que su mera presencia o ausencia. En un estudio, una proporcin de
la tasa de 5 puede llegar a ser 4,6 despus del control de la edad,
mientras que en otro estudio una proporcin de la tasa de 5 puede
cambiar a 1,2 tras el control de la edad. Aunque la edad es la
confusin en ambos estudios, en el primero la cantidad de factores
de confusin es relativamente poco importante, mientras que en las
ltimas cuentas de confusin para casi todos los de la asociacin
cruda. Mtodos para evaluar cuantitativamente la confusin se
describir en los captulos 15 y 19. Sesgo de seleccin Sesgos de
seleccin son las distorsiones que se derivan de los procedimientos
utilizados para seleccionar a los sujetos y de los factores que
influyen en la participacin en el estudio. El elemento comn de esos
sesgos es que la relacin entre exposicin y enfermedad es diferente
para los que participan y para todos aquellos que tericamente
debera haber sido elegibles para el estudio, incluyendo aquellos
que no participan. Debido a que las estimaciones del efecto estn
condicionados a la participacin, las asociaciones observadas en el
estudio representan una mezcla de fuerzas que determinan la
participacin y las fuerzas que determinan la aparicin de la
enfermedad. El captulo 12 examina el sesgo de seleccin en el
contexto de los diagramas causales. Estos diagramas muestran que es
a veces (pero no siempre) es posible
separar los efectos de la participacin de las de los
determinantes de la enfermedad utilizando los mtodos estndar para
el control de la confusin. Para emplear el control analtico como se
requiere, entre otras cosas, que los factores determinantes de la
participacin de medirse con precisin y no se ve afectada tanto por
la exposicin y la enfermedad. Sin embargo, si los factores
determinantes se ven afectados por los factores de estudio, el
control analtico de los factores determinantes de no corregir el
sesgo y puede incluso empeorar la situacin. Algunas de las formas
genricas de sesgo de seleccin en los estudios de casos y controles
se describe en el Captulo 8. Entre ellos se incluyen el uso de
grupos de control incorrectos (por ejemplo, los controles
integrados de los pacientes con enfermedades que se ven afectados
por la exposicin del estudio). Consideramos aqu algunos otros
tipos. Sesgo de autoseleccin Una fuente comn de sesgo de seleccin
es la auto-seleccin. Cuando los Centros para el Control de
Enfermedades investig la incidencia de leucemia entre los soldados
que haban estado presentes en la prueba de ahumado Atmica en Nevada
(Caldwell et al., 1980), el 76% de las tropas identificaron como
miembros de ese grupo haba conocido los resultados. De este 76%,
82% haban sido localizadas por los investigadores, pero el otro 18%
de contacto con los investigadores, por iniciativa propia en
respuesta a la publicidad sobre la investigacin. Esta
auto-referencia de los sujetos de ordinario se considera una
amenaza para la validez, porque las razones de la auto-referencia
puede estar asociada con la variable estudiada (Criqui et al.,
1979). En el estudio prueba atmica ahumado, hubo cuatro casos de
leucemia entre los 0,18 x 0,76 = 14% de los miembros de la cohorte
que se refirieron a s mismos y cuatro entre los 0,82 x 0,76 = 62%
de los miembros de la cohorte trazadas por los investigadores, para
un total de ocho casos entre el 76% de la cohorte con los
resultados conocidos. Estos datos indican que el sesgo de
autoseleccin era un problema pequeo, pero real, en el estudio de
ahumado. Si el 24% de la cohorte con resultados desconocidos
tuvieron una incidencia de la leucemia como la P.135 de los temas
trazados por los investigadores, es de esperar que slo el 4 (24/62)
= 1.5 o casos de una o dos se produjo entre este 24%, para un total
de tan slo nueve o 10 casos en toda la cohorte. Si por el contrario
asumimos que el 24% con resultados desconocidos tuvieron una
incidencia de la leucemia como la de los sujetos con resultados
conocidos, que se calcula que 8 (24/76) = 2.5 o acerca de los casos
dos o tres se produjo entre el 24%, para un total de 10 o 11 casos
en toda la cohorte. Podra ser, sin embargo, que todos los casos
entre el 38% (= 24% + 14%) de la cohorte que estaba sin localizar
se encuentran entre los auto-reporte, dejando ningn caso entre las
personas con resultados desconocidos. El nmero total de casos en
toda la cohorte sera entonces slo el 8. Auto-seleccin tambin puede
ocurrir antes de los sujetos se identifican para su estudio. Por
ejemplo, es de rutina para encontrar que la mortalidad de los
trabajadores activos es menor que la de la poblacin en su conjunto
(Fox y Collier, 1976; McMichael, 1976). Este "efecto saludable de
trabajo", presumiblemente se deriva de un proceso de seleccin, tal
vez en gran medida auto-seleccin, que permite a personas
relativamente saludables para ser o seguir siendo los trabajadores,
mientras que los que se quedan parados, jubilados, discapacitados,
o de otra manera fuera de
la poblacin activa de los trabajadores son como un grupo menos
sanos (McMichael, 1976; Wang y Miettinen, 1982). Mientras que el
efecto saludable de trabajo ha sido tradicionalmente clasificado
como un sesgo de seleccin, se puede ver que no refleja un sesgo
creado por acondicionamiento de la participacin en el estudio, sino
ms bien por el efecto de otro factor que influye tanto en la
condicin de trabajador y de alguna medida de la salud. Como tal, el
efecto saludable de trabajo es un ejemplo de la confusin en lugar
de un sesgo de seleccin (Hernn et al, 2004), como se explica ms
adelante. Berksonian Blas Un tipo de sesgo de seleccin que fue
descrito por primera vez por Berkson (1946) (aunque no en el
contexto de un estudio caso-control), que lleg a ser conocido como
el sesgo de Berkson o sesgo Berksonian, se produce cuando tanto la
exposicin y la enfermedad afecta a la seleccin y especficamente
porque afectan seleccin. Es paradjico, ya que puede generar un
sesgo a la baja cuando tanto la exposicin y la enfermedad aumenta
la posibilidad de la seleccin, lo que puede inducir sesgo a la baja
una asociacin negativa en el estudio si la asociacin en la poblacin
de origen es positivo, pero no tan grande como el sesgo . Un
ejemplo dramtico de Berksonian sesgo se present en la controversia
inicial sobre el papel de los estrgenos exgenos en la causa de
cncer de endometrio. Varias de control de casos se haba informado
de una asociacin fuerte, con un aumento de 10 veces en el riesgo
para las mujeres que toman estrgenos con regularidad durante un
nmero de aos (Smith et al, 1975;. Ziel y Finkle, 1975; Mack et al,
1976. ; Antunes et al, 1979).. La mayora de los investigadores
interpretaron este incremento en el riesgo como una relacin causal,
pero otros sugirieron que los estrgenos estaban simplemente
haciendo que los cnceres que se diagnostican en lugar de que se
produzca (Horwitz y Feinstein, 1978). Su argumento se basaba en el
hecho de que los estrgenos inducen sangrado uterino. Por lo tanto,
la administracin de estrgenos de suponer que a las mujeres a buscar
atencin mdica, lo que causa una variedad de afecciones ginecolgicas
para ser detectado. El sesgo resultante se conoce como sesgo de
deteccin. El remedio para el sesgo de deteccin que Horwitz y
Feinstein propuesta era utilizar una serie de control de las
mujeres con enfermedades benignas ginecolgicas. Estos
investigadores pensaron que las condiciones benignas tambin estara
sujeta a los sesgos de deteccin, y por lo tanto con una serie de
control que comprende a las mujeres con condiciones benignas, sera
preferible a la utilizacin de una serie de control de las mujeres
con otras enfermedades malignas, enfermedades ginecolgicas, o no la
enfermedad, ya que estudios anteriores haba hecho. La falla en este
razonamiento es la suposicin incorrecta de que los estrgenos
causado una proporcin sustancial de cnceres de endometrio que se
diagnostica que de otro modo habran quedado sin diagnosticar.
Incluso si la administracin de estrgenos avances de la fecha del
diagnstico de cncer de endometrio, como un avance en el momento del
diagnstico no es necesario en s mismo conducir a un sesgo
importante (Groenlandia, 1991a). Posiblemente, una pequea proporcin
de casos preexistentes de cncer de endometrio que de otro modo no
habran sido diagnosticados ha llamado la atencin, pero es razonable
suponer que este cncer que no es in situ (Horwitz y Feinstein
excluida en los casos in situ) por lo general progresa a causar
sntomas que llevan al diagnstico (Hutchison y Rothman, 1978). A
pesar de un escenario permanente, no progresiva precoz del cncer de
endometrio es una posibilidad, los
estudios que excluidos, en los casos in situ de la serie de
casos todava se encuentran una fuerte asociacin entre la
administracin de estrgenos y el riesgo de cncer de endometrio (por
ejemplo, Antunes et al., 1979). El grupo alternativo de control
propuesto comprende a las mujeres con condiciones ginecolgicas
benignas que se presuma de no causar sntomas que llevan al
diagnstico. Tal grupo proporcionara una sobreestimacin de la
proporcin de la poblacin de origen de los casos expuestos a los
estrgenos, porque P.136 la administracin de estrgenos en efecto
causara el diagnstico de una proporcin sustancial de las
condiciones benignas. El uso de una serie de control con
condiciones ginecolgicas benignas, produciendo as un sesgo que
subestima seriamente el efecto de los estrgenos exgenos sobre el
riesgo de cncer de endometrio. Otro remedio que Horwitz y propuesta
de Feinstein fue examinar la asociacin en las mujeres que se
presentaron con hemorragia vaginal o se haban sometido a
tratamiento para el tipo de sangrado. Debido a que tanto la
exposicin (estrgenos exgenos) y de la enfermedad (cncer
endometrial) aumenta fuertemente el riesgo de hemorragia, la
restriccin a las mujeres con sangrado o tratamiento para el
sangrado es en un sesgo Berksonian tan graves que fcilmente se
podra disminuir el riesgo relativo observado por cinco veces
(Groenlandia y Neutra, 1981). Una importante leccin que debemos
aprender de esta controversia es la importancia de considerar los
sesgos de seleccin cuantitativa, ms que cualitativa. Sin
reconocimiento por la magnitud de los posibles sesgos de seleccin,
la eleccin de un grupo de control puede resultar en un sesgo tan
grande que una asociacin fuerte est ocluido; alternativamente, una
asociacin insignificante podra fcilmente ser exagerado. Mtodos para
el examen cuantitativo de sesgos se discuten en el captulo 19. Otra
leccin es que se corre el riesgo de inducir o empeorar el sesgo de
seleccin cada vez que uno utiliza los criterios de seleccin (por
ejemplo, requiere la presencia o ausencia de ciertas condiciones)
que estn influenciados por la exposicin en estudio. Si estos
criterios tambin estn relacionados con la enfermedad de estudio,
grave sesgo Berksonian es probable que se produzca. Sesgo de
seleccin Distinguir la confusin El sesgo de seleccin y la confusin
son dos conceptos que, dependiendo de la terminologa, a menudo se
superponen. Por ejemplo, en estudios de cohortes, los sesgos
producidos por seleccin diferencial al inicio del seguimiento se
llaman a menudo un sesgo de seleccin, pero en nuestra terminologa
son ejemplos de factores de confusin. Considere la posibilidad de
un estudio de cohortes se compara la mortalidad por enfermedades
cardiovasculares entre los estibadores y trabajadores de oficina.
Si las personas en buena forma fsica auto-seleccin en el trabajo de
estibador, debemos esperar que los estibadores a tener una menor
mortalidad cardiovascular que la de los trabajadores de oficina,
incluso si se trabaja como estibador no tiene ningn efecto sobre la
mortalidad cardiovascular. Como consecuencia, la estimacin de crudo
de ese estudio no puede considerarse una estimacin vlida del efecto
del trabajo de estibador en relacin con el trabajo de oficina en la
mortalidad cardiovascular. Supongamos, sin embargo, que la aptitud
de un individuo que se convierte en un leador puede ser medido y
comparado con la aptitud de los trabajadores de oficina. Si tal
medicin se realiza con precisin en todos los sujetos, la diferencia
en la
aptitud podra ser controlado en el anlisis. As, el efecto de
seleccin se elimina por el control de los factores de confusin
responsables de la polarizacin. Aunque el sesgo resultante de
seleccin de las personas para las cohortes, es en realidad una
forma de la confusin. Debido a que las mediciones sobre la aptitud
a la entrada en una ocupacin generalmente no estn disponibles, los
esfuerzos del investigador en esa situacin se centr en la eleccin
de un grupo de referencia que experimentan las fuerzas de seleccin
mismos como la ocupacin de destino. Por ejemplo, Paffenbarger y
Hale (1975) realizaron un estudio en el que compararon la
mortalidad cardiovascular entre los grupos de estibadores que
participan en los diferentes niveles de actividad fsica en el
trabajo. Paffenbarger y Hale presume que los factores de seleccin
para el ingreso de la ocupacin fueron similares para los subgrupos
que participan en la actividad de las tareas ms exigentes de alta o
baja, porque las asignaciones de trabajo se hicieron despus de
entrar en la profesin. Este diseo sera reducir o eliminar la
asociacin entre la condicin y convertirse en un estibador. Al
comparar los grupos con diferentes intensidades de la exposicin
dentro de una ocupacin (comparacin interna), los epidemilogos
ocupacionales reducir la diferencia en las fuerzas de seleccin que
acompaa a las comparaciones entre los grupos profesionales, y por
lo tanto reducir el riesgo de confusin. Lamentablemente, no todos
sesgo de seleccin en los estudios de cohortes pueden ser tratadas
como factores de confusin. Por ejemplo, si la exposicin afecta a la
prdida en el seguimiento y la segunda afecta el riesgo de sesgo de
seleccin se debe a que el anlisis est condicionado por una
consecuencia comn (que queda en el seguimiento est relacionado
tanto con la exposicin y el resultado). Este sesgo podra surgir en
un estudio de la mortalidad profesional si la exposicin hizo que la
gente a abandonar la ocupacin temprana (por ejemplo, pasar de un
trabajo activo para un trabajo de escritorio o la jubilacin) y que
a su vez condujo a la prdida tanto para el seguimiento y con un
mayor riesgo de la muerte. Aqu, no hay lnea de base de covarianza
(confusin) la creacin de diferencias en el riesgo entre los grupos
expuestos y no expuestos, sino que la exposicin en s se genera el
sesgo. Tal sesgo sera irremediable, sin ms informacin sobre los
efectos de la seleccin, e incluso con esa informacin el sesgo no
puede ser eliminado por el control de covarianza simple. Esta
posibilidad subraya la necesidad de un seguimiento exhaustivo de
los estudios de cohortes, por lo general requiere un sistema de
vigilancia de los resultados de la cohorte. Si P.137 tal sistema no
est en su lugar (por ejemplo, un sistema de reclamaciones de
seguro), el estudio tendr que implementar su propio sistema, que
puede ser costoso. En los estudios de casos y controles, las
preocupaciones acerca de la eleccin de un grupo de control se
centran en los factores que podran afectar a la seleccin y el
reclutamiento en el estudio. Aunque los factores de confusin tambin
deben ser considerados, pueden ser controladas en el anlisis si se
miden. Si los factores de seleccin que afectan caso y la seleccin
de control son en s mismos no afectados por la exposicin (por
ejemplo, sexo), cualquier sesgo de seleccin que producen tambin
puede ser controlado mediante el control de estos factores en el
anlisis. La clave, entonces, para evitar sesgos de confusin y de
seleccin debido a las covariables pre-exposicin es determinar de
antemano y como medida de numerosos
factores de confusin y de los factores de seleccin como sea
posible. Para ello se requiere un buen objeto del conocimiento. En
los estudios de casos y controles, sin embargo, los sujetos se
seleccionan a menudo se produce despus de la exposicin y el
resultado, y por lo tanto, hay un elevado potencial de sesgo debido
a la exposicin combinada y los efectos de la enfermedad en la
seleccin, como ocurri en el estrgeno y los estudios de cncer de
endometrio que los sujetos a restricciones pacientes con sangrado
(o para los pacientes que recibieron procedimientos mdicos
especficos para el tratamiento de la hemorragia). Como se muestra
mediante grficos causales (Chaper 12), el sesgo de seleccin tales
efectos conjuntos por lo general no puede ser tratado por el
control de covarianza bsica. Este sesgo tambin puede surgir en los
estudios de cohortes, e incluso en los ensayos aleatorios en los
cuales los sujetos se pierden durante el seguimiento. Por ejemplo,
en un estudio de la mortalidad laboral, la exposicin podra causar
que las personas dejan la ocupacin anticipada y que a su vez podra
producir tanto una falta de localizar a la persona (y por tanto la
exclusin del estudio) y un mayor riesgo de muerte. Estas fuerzas se
traducira en una probabilidad reducida de la seleccin entre los
expuestos, con una reduccin mayor entre los casos. En este ejemplo,
no hay ninguna referencia covarianza (confusor) crear diferencias
en el riesgo entre los grupos expuestos y no expuestos, sino que la
exposicin en s est ayudando a generar el sesgo. Tal sesgo sera
irremediable, sin ms informacin sobre los efectos de la seleccin, e
incluso con que la informacin no puede ser eliminado por el control
de covarianza simple. Esta posibilidad subraya la necesidad de
comprobacin exhaustiva de los resultados en la poblacin de origen
en los estudios de casos y controles, y si no existe un sistema
determinacin est en su lugar (por ejemplo, un registro de tumores
de un estudio de cncer), el estudio tendr que implementar su propio
sistema. Debido a que muchos tipos de sesgo de seleccin no se puede
controlar en el anlisis, la prevencin de sesgo de seleccin mediante
la seleccin apropiada de control puede ser crtico. La estrategia
usual para este prevencin consiste en tratar de seleccionar un
grupo de control que est sujeto a las mismas fuerzas selectivas
como el grupo de casos, en la esperanza de que los sesgos
introducidos por la seleccin de control de la cancelacin de los
sesgos introducidos por la seleccin de casos en las estimaciones
finales. Para alcanzar este objetivo ni siquiera aproximadamente es
difcil de lograr, sin embargo, a menudo es la nica estrategia
disponible para responder a las preocupaciones sobre el sesgo de
seleccin. Esta estrategia y otros aspectos de la seleccin de
controles se discutieron en el captulo 8. Para resumir, la seleccin
diferencial que se produce antes de la exposicin y la enfermedad
conduce a la confusin, y por lo tanto pueden ser controlados por
los ajustes para los factores responsables de las diferencias de
seleccin (vase, por ejemplo, los mtodos de ajuste se describe en el
captulo 15). En contraste, el sesgo de seleccin como se describe
generalmente en la epidemiologa (as como la literatura experimental
de diseo) surge de seleccin afectada por la exposicin en estudio, y
puede ser ms all de cualquier ajuste prctico. Entre estos sesgos de
seleccin, podemos distinguir un sesgo Berksonian en el que tanto la
exposicin y la enfermedad afecta a la seleccin. Algunos autores
(por ejemplo,. Hernn et al, 2004) intento de utilizar grficos para
proporcionar una base formal para la separacin de sesgo de seleccin
de los factores de confusin al equiparar el sesgo de seleccin con
un fenmeno denominado
colisionador de sesgo, una generalizacin de Berksonian sesgo
(Groenlandia, 2003a; Captulo 12 ). Nuestra terminologa ms acorde
con las denominaciones tradicionales en los que el sesgo de
seleccin de pre-exposicin es tratada como una forma de confusin.
Estas distinciones se analizan ms adelante en el captulo 12. Sesgo
de informacin Error de medicin, errores de clasificacin, y el sesgo
Una vez que los temas que se han identificado en comparacin, se
debe obtener la informacin sobre ellos para utilizar en el anlisis.
El sesgo en la estimacin de un efecto puede ser causado por errores
de medicin en la informacin necesaria. Este sesgo es a menudo
llamado sesgo de informacin. La direccin y la magnitud depende en
gran medida si la distribucin de errores para una variable (por
ejemplo, la exposicin o enfermedad) P.138 depende del valor actual
de la variable, los valores reales de otras variables, o los
errores en la medicin de otras variables. Para las variables
discretas (variables con slo un nmero numerable de valores
posibles, como los indicadores para el sexo), el error de medicin
generalmente se llama error de clasificacin o de errores de
clasificacin. Error de clasificacin que depende de los valores
reales de otras variables que se llama error de clasificacin
diferencial. Error de clasificacin que no dependen de los valores
reales de las otras variables se llama clasificacin errnea no
diferencial.Error de clasificacin que depende de los errores en la
medicin o clasificacin de otras variables que se llama error
dependiente, de lo contrario el error se llama error de
independiente o no dependiente. Correlacionada de error se utiliza
a veces como sinnimo de error dependiente, pero tcnicamente se
refiere a los errores dependientes que tienen un coeficiente de
correlacin distinta de cero. Gran parte del debate que sigui se
referir a errores de clasificacin de las variables binarias. En
esta situacin especial, la sensibilidad de un mtodo de medicin de
la exposicin es la probabilidad de que alguien que est realmente
expuesto se clasifican como expuestos por el mtodo. La probabilidad
de falsos negativos del mtodo es la probabilidad de que alguien que
est realmente expuesta a ser clasificados como no expuestos, sino
que es igual a 1 menos la sensibilidad. La especificidad del mtodo
es la probabilidad de que alguien que est verdaderamente no
expuestos se clasifican como no expuestos. La probabilidad de
falsos positivos es la probabilidad de que alguien que est
realmente expuestos sern clasificados como expuestos, sino que es
igual a 1 menos la especificidad. El valor predictivo positivo es
la probabilidad de que alguien que est clasificado como expuesto
est realmente expuesta. Por ltimo, el valor predictivo negativo es
la probabilidad de que alguien que est clasificado como no
expuestos es verdaderamente expuestos. Todos estos trminos tambin
se puede aplicar a las descripciones de los mtodos para la
clasificacin de la enfermedad o la clasificacin de un potencial de
confusin o modificador. La clasificacin errnea diferencial
Supongamos que un estudio de cohorte se lleva a cabo para comparar
las tasas de incidencia de enfisema en los fumadores y no
fumadores. El enfisema es una enfermedad que puede ir sin
diagnosticar, sin atencin mdica especial. Si los fumadores, debido
a la preocupacin acerca de la salud relacionados con los efectos
del hbito de fumar o como consecuencia de los efectos en la salud
del hbito de
fumar (por ejemplo, bronquitis), busque atencin mdica en un
grado mayor que los no fumadores, a continuacin, el enfisema podra
ser diagnosticado con ms frecuencia entre los fumadores que entre
los los no fumadores simplemente como una consecuencia de la mayor
atencin mdica.Fumar causa enfisema lo hace, pero a menos que se
tomaron medidas para garantizar comparables de seguimiento, este
efecto podra ser sobreestimada: Una parte del exceso de incidencia
de enfisema no sera un efecto biolgico del tabaquismo, sino que
sera un efecto del tabaquismo sobre la deteccin de de enfisema.
Este es un ejemplo de errores de clasificacin diferencial, debido a
falta de diagnstico de enfisema (incapacidad para detectar los
casos verdaderos), que es un error de clasificacin, se presenta con
mayor frecuencia para los no fumadores que para los fumadores. En
los estudios caso-control de las malformaciones congnitas, la
informacin a veces se obtiene de la entrevista de las madres. Las
madres de casos que hayan dado a luz a un beb malformado, mientras
que la gran mayora de las madres del grupo control que haya dado a
luz a un beb aparentemente sano.Otra variedad de errores de
clasificacin diferencial, que se refiere a recordar como los
prejuicios, pueden resultar si las madres de bebs con
malformaciones recordar o informar de las exposiciones reales de
manera diferente que las madres de nios sanos (aumento de la
sensibilidad de la retirada de la exposicin entre los casos), o con
mayor frecuencia recuerdan o informan de la exposicin que hizo en
realidad no se producen (reduccin de la especificidad del recuerdo
de la exposicin entre los casos). Se supone que el nacimiento de un
nio malformado sirve como un estmulo a una madre a recordar y
reportar todos los eventos que podran haber desempeado algn papel
en el resultado desafortunado. Es de suponer que estas mujeres va a
recordar y reportar las exposiciones como las enfermedades
infecciosas, traumatismos, y las drogas con ms frecuencia que las
madres de nios sanos, que no han tenido un estmulo similar. Una
asociacin sin relacin a cualquier efecto biolgico ser el resultado
de este sesgo de recuerdo. El sesgo es una posibilidad en cualquier
estudio de casos y controles que se basa en la memoria de tema,
porque los casos y los controles son por definicin las personas que
difieren con respecto a su experiencia de la enfermedad en el
momento de su retiro, y esta diferencia puede afectar a retiro y
presentacin de informes. Klemetti y Saxen (1967) encontraron que la
cantidad de tiempo transcurrido entre la exposicin y la retirada
fue un indicador importante de la precisin del recuerdo; estudios
en los que el tiempo medio transcurrido desde la exposicin fue
diferente para los casos entrevistados y los controles por lo tanto
podra sufrir una clasificacin errnea diferencial . El sesgo causado
por errores de clasificacin diferencial puede exagerar o subestimar
su efecto. En cada uno de los ejemplos anteriores, la clasificacin
errnea generalmente exagera los efectos en estudio, pero los
ejemplos de lo contrario tambin puede ser encontrado. P.139
La clasificacin errnea no diferencial Mala clasificacin no
diferencial se produce cuando la proporcin de sujetos mal
clasificados en la exposicin no depende de la situacin del sujeto
con respecto a otras variables en el anlisis, incluyendo la
enfermedad. Clasificacin errnea no
diferencial la enfermedad se produce cuando la proporcin de
sujetos mal clasificados en la enfermedad no depende de la situacin
del sujeto con respecto a otras variables en el anlisis, incluyendo
la exposicin. El sesgo introducido por la clasificacin errnea no
diferencial independiente de una exposicin binaria o de la
enfermedad es predecible en la direccin, es decir, hacia el valor
nulo (Newell, 1962; Teclas y Kihlberg, 1963; Gullen et al, 1968;..
Copeland et al, 1977). Debido a los efectos imprevisibles de la
relativamente mala clasificacin diferencial, algunos investigadores
ir a travs de los procedimientos elaborados para asegurar que la
clasificacin errnea no diferencial ser, como el cegamiento de las
evaluaciones de exposicin con respecto al estado de resultados, en
la creencia de que esto garantizar un sesgo hacia el valor nulo.
Por desgracia, incluso en situaciones en las que se lleva a cabo el
cegamiento o en estudios de cohortes en el que los resultados de la
enfermedad an no han ocurrido, el colapso de los datos de exposicin
continua o categrica en unas pocas categoras puede cambiar el error
no diferencial de mala clasificacin diferencial (Flegal et al,
1991;. Wacholder et al. , 1991). Incluso cuando se logra la
clasificacin errnea no diferencial, que puede venir a expensas de
un aumento total de sesgo (Groenlandia y Robins, 1985; Drews y
Groenlandia, 1990). Por ltimo, como se ver, nondifferentiality s
sola no garantiza un sesgo hacia el valor nulo. Contrariamente a
las ideas falsas populares, la exposicin no diferencial o
clasificacin errnea enfermedad a veces puede producir un sesgo
lejos de la hiptesis nula si la exposicin o la enfermedad variable
tiene ms de dos niveles (Walker y Blettner, 1985;. Dosemeci et al,
1990) o si los errores de clasificacin dependen de los errores
cometidos en otras variables (Chavance et al, 1992;. Kristensen,
1992). La clasificacin errnea no diferencial de la exposicin Como
ejemplo de la clasificacin errnea no diferencial, tenga en cuenta
un estudio de cohortes comparando la incidencia de cncer de laringe
entre los bebedores de alcohol con la incidencia entre los no
bebedores. Supongamos que los bebedores en realidad tienen una tasa
de incidencia de 0,00050 aos-1, mientras que los no bebedores
tienen una tasa de incidencia de 0,00010 aos-1, slo una quinta
parte tan grande. Supongamos tambin que dos tercios de la poblacin
de estudio se compone de los bebedores, pero slo el 50% de ellos lo
reconocen. El resultado es una poblacin en la que se identifican de
un tercio de los sujetos (correctamente) como bebedores y tienen
una incidencia de la enfermedad de 0,00050 aos-1, pero los otros
dos tercios de la poblacin est compuesta por igual nmero de
bebedores y no bebedores, todos los cualesestn clasificados como no
bebedores, y entre los cuales la incidencia promedio sera de
0,00030 aos-1 en lugar de 0,00010 aos-1 (Tabla 9.1). La diferencia
de tasas ha sido P.140 reducido por la clasificacin errnea de
0,00040 aos 1 a 0,00020 ao-1, mientras que la proporcin de la tasa
se ha reducido de 5 a 1,7. Este sesgo hacia los resultados de valor
nulo de la clasificacin errnea no diferencial de algunos bebedores
de alcohol como los abstemios. Cuadro 9.1. Efecto de la
clasificacin errnea no diferencial del Consumo de Alcohol en la
estimacin de la diferencia de tasas de incidencia y relacin de
tasas de incidencia de cncer de la laringe (datos hipotticos)
Tasa de incidencia ( 105 y) la diferencia de tipo ( 105 y) Razn
de las tasas Sin errores de clasificacin 1.000.000 de bebedores de
50 40 5.0 500.000 los no bebedores 10 La mitad de los bebedores
clasificado con los no bebedores 500.000 consumidores de 50 20 1,7
1.000.000 de "no bebedores" (50% son en realidad los bebedores) 30
La mitad de los bebedores clasificados con los no bebedores y no
bebedores, un tercio de clasificarse a los bebedores 666,667
"bebedores" (25% son en realidad los no bebedores) 40 6 1,2 833,333
"no bebedores" (60% son en realidad los bebedores) 34 La
clasificacin errnea puede ocurrir simultneamente en ambas
direcciones, por ejemplo, los no bebedores tambin puede estar mal
clasificados como bebedores. Supongamos que, adems de la mitad de
los bebedores que se clasifiquen como no bebedores, un tercio de
los bebedores fueron mal clasificados como bebedores tambin. Las
tasas de incidencia resultante sera 0,00040 aos-1 para los
clasificados como bebedores y 0,00034 aos-1 para los clasificados
como no bebedores. El error de clasificacin adicional, pues, casi
oculta por completo la diferencia entre los grupos. Este ejemplo
muestra cmo el sesgo producido por la clasificacin errnea no
diferencial de una exposicin dicotmica ser hacia el valor nulo (de
ninguna relacin), si el error de clasificacin es independiente de
los errores de otros. Si el error de clasificacin es lo
suficientemente grave, el sesgo pueden arrasar completamente una
asociacin e incluso invertir la direccin de la asociacin (aunque la
inversin se producir slo si el mtodo de clasificacin es peor que la
clasificacin de las personas al azar como "expuestos" o "virgen").
Considerar como una tabla de ejemplo 9-2. El panel superior de la
tabla se muestran los datos esperados de un hipottico estudio
caso-control, con la exposicin medida como una dicotoma. El odds
ratio es de 3,0. Ahora bien, supongamos que la exposicin se mide
con un instrumento (por ejemplo, un cuestionario) que da lugar a
una medida de la exposicin que tiene especificidad del 100%, pero
slo el 80% de sensibilidad. En otras palabras, todos los
verdaderamente P.141 los sujetos no expuestos estn correctamente
clasificados como no expuestos, pero slo hay un 80% de
probabilidades de que un sujeto expuesto se ha calificado
correctamente expuesta, y por lo tanto una probabilidad del 20% ser
un sujeto expuesto errneamente clasificados como no expuestos. Se
supone que el error de clasificacin es no diferencial, lo que
significa para este ejemplo que la sensibilidad y especificidad del
mtodo de medicin de la exposicin es el mismo para los casos y
controles. Tambin se supone que no hay error en la enfermedad de
medicin, de la que automticamente se deduce que los errores de
exposicin son independientes de los errores de la enfermedad. Los
datos resultantes se dan en el segundo panel de la mesa. Con la
reduccin de la sensibilidad en la medicin de la exposicin, el odds
ratio es parcial, ya que su valor aproximado espera se reduce desde
3,0 hasta 2,6. Tabla 9-2 clasificacin errnea no diferencial con dos
categoras de exposicin Expuestos No expuestos
Los datos correctos Casos 240 200 Controles 240 600 OR = 3,0
Sensibilidad = 0,8 Especificidad = 1,0 Casos 192 248 Controles 192
648 OR = 2,6 Sensibilidad = 0,8 Especificidad = 0,8 Casos 232 208
Controles 312 528 OR = 1,9 Sensibilidad = 0,4 Especificidad = 0,6
Casos 176 264 Controles 336 504 OR = 1,0 Sensibilidad = 0,0
Especificidad = 0,0 Casos 200 240 Controles 600 240 OR = 0,33 O,
razn de momios. En el tercer panel, la especificidad de la medida
de la exposicin se supone que es 80%, de modo que hay una
probabilidad de 20% que alguien que est en realidad no expuestas se
incorrectamente clasificado como expuesto. Los datos resultantes
producen un odds ratio de 1,9 en lugar de 3,0. En trminos
absolutos, ms de la mitad del efecto ha sido destruida por la mala
clasificacin en el tercer panel: la odds ratio superior es de 3,0 -
1 = 2,0, mientras que es de 1,9 - 1 = 0,9 sobre la base de los
datos con el 80% de sensibilidad y 80 % de especificidad en el
tercer panel. El cuarto panel de la Tabla 9-2 ilustra que cuando la
suma sensibilidad y especificidad a 1, la estimacin resultante
espera ser nulo, independientemente de la magnitud del efecto. Si
la suma de la sensibilidad y la especificidad es menor que 1,
entonces la estimacin resultante esperado ser en la direccin
opuesta del efecto real. El ltimo panel de la tabla muestra el
resultado cuando la sensibilidad y la especificidad son iguales a
cero. Esta situacin es equivalente a etiquetar todos los sujetos
expuestos como no expuestos y viceversa. Esto conduce a una razn de
probabilidad esperada que es la inversa del valor correcto. Errores
de clasificacin tan drstica podra ocurrir si la codificacin de las
categoras de exposicin fueron invertidos en la programacin de
computadoras. Como se ve en estos ejemplos, la direccin del sesgo
producido por la clasificacin errnea no diferencial independiente
de una exposicin dicotmica es hacia el valor nulo, y si el error de
clasificacin es extrema, la mala clasificacin puede ir ms all del
valor nulo y la direccin inversa. Con una exposicin que se mide
mediante su divisin en ms de dos categoras, sin embargo, una
exageracin de una asociacin puede
ocurrir como resultado de la clasificacin errnea no diferencial
independiente (Walker y Blettner, 1985;. Dosemeci et al, 1990).
Este fenmeno se ilustra en la Tabla 9-3. Los datos previstos
correctamente clasificados en la Tabla 9.3 muestran una odds ratio
de 2 para una exposicin baja y 6 de alta exposicin, en relacin con
la no exposicin. Ahora bien, supongamos que hay una probabilidad
del 40% que una persona con alta exposicin no est bien clasificado
en la categora de exposicin bajo. Si este es el error de
clasificacin slo y es no diferencial, los datos previstos seran los
que se observan en el panel inferior de la Tabla 9-3.Tenga en
cuenta que slo la estimacin de los cambios bajos de exposicin, sino
que ahora contiene una mezcla de personas que tienen una baja
exposicin y la gente que tienen una alta exposicin, pero que han
sido incorrectamente asignados a una baja exposicin. Debido a que
las personas con alta exposicin llevan consigo el mayor P.142
riesgo de la enfermedad que viene con una alta exposicin, la
estimacin del efecto resultante de una baja exposicin est sesgado
al alza. Si algunos individuos de baja exposicin haba sido
incorrectamente clasificada como de haber tenido una alta
exposicin, a continuacin, la estimacin del efecto de la exposicin
para la categora de alta exposicin estara sesgado a la baja. Tabla
9-3 con tres categoras de clasificacin errnea de la exposicin
Exposicin La exposicin no expuesta Alta Baja Los datos correctos
Casos 100 200 600 Controles 100 100 100 O=2O6= 40% de la alta
exposicin 4 baja exposicin Casos 100 440 360 Controles 100 140 60
OR = 3,1 o 6 = O, razn de momios. Este ejemplo ilustra que cuando
la exposicin cuenta con ms de dos categoras, el sesgo de
clasificacin errnea no diferencial de la exposicin para una
comparacin dado puede estar lejos del valor nulo. Cuando la
exposicin es politmica (es decir, tiene ms de dos categoras) y no
hay clasificacin errnea no diferencial entre dos de las categoras y
no otras, el efecto de las estimaciones de estas dos categoras se
har con preferencia hacia los dems (Walker y Blettner, 1985;
Birkett, 1992 ). Por ejemplo, el sesgo en la estimacin del efecto
de la categora de bajo de la exposicin en la Tabla 3.9 se dirige
hacia la de la categora de alta exposicin y lejos del valor nulo.
Tambin es posible error de clasificacin no diferencial
independiente a la tendencia sesgo estima lejos de la nula o para
invertir una tendencia (Dosemeci et al., 1990). Estos ejemplos son
muy escasos, sin embargo, porque la inversin de tendencia que no
puede ocurrir si la medicin de la exposicin media se incrementa con
la exposicin real (Weinberg et al., 1994d). Es importante sealar
que la presente discusin se refiere a los resultados esperados en
virtud de un tipo particular de mtodo de medicin. En un determinado
estudio, las fluctuaciones aleatorias de los errores producidos por
un mtodo puede dar lugar a estimaciones que estn ms lejos de la
hiptesis nula de lo que sera si no hay error
se presente, incluso si el mtodo satisface todas las condiciones
que el sesgo de garanta hacia el valor nulo ( Thomas, 1995;
Weinberg et al, 1995;. Jurek et al, 2005).. El sesgo se refiere slo
a la direccin espera que, si no sabemos cules fueron los errores en
el estudio, en el mejor de lo que podemos decir solamente que la
odds ratio observada es probablemente ms cercano a la hiptesis nula
de lo que sera si los errores estuvieron ausentes. A medida que
aumenta el tamao del estudio, la probabilidad disminuye de que un
resultado particular, se apartan sustancialmente de sus
expectativas. La clasificacin errnea no diferencial de la
enfermedad Los efectos de la clasificacin errnea no diferencial de
la enfermedad se parecen a los de la clasificacin errnea no
diferencial de la exposicin. En la mayora de las situaciones, la
clasificacin errnea no diferencial de una evolucin de la enfermedad
binario produce un sesgo hacia el valor nulo, siempre que el error
de clasificacin es independiente de los errores de otros.Hay, sin
embargo, algunos casos especiales en los que tales errores de
clasificacin no produce un sesgo en la proporcin de riesgo. Adems,
el sesgo en la diferencia de riesgo es una simple funcin de la
sensibilidad y especificidad. Considere la posibilidad de un
estudio de cohortes en el que 40 casos, en realidad se producen
entre 100 sujetos expuestos, y 20 casos, en realidad se producen
entre 200 sujetos no expuestos. Entonces, la relacin riesgo real es
(40/100) / (20/200) = 4, y la diferencia de riesgo real es 40/100 -
20/200 = 0,30.Supongamos que la especificidad de deteccin de la
enfermedad es perfecto (no hay falsos positivos), pero la
sensibilidad es slo el 70% en ambos grupos de exposicin (es decir,
la sensibilidad de deteccin de la enfermedad es no diferencial y no
depende de errores en la clasificacin de la exposicin). Los nmeros
esperados detectados entonces ser 0,70 (40) = 28 casos expuestos y
0,70 (20) = 14 casos no expuestos, que producen un riesgo
esperado-proporcin estimacin de (28/100) / (14/200) = 4 y un
esperado el riesgo de diferencia de estimacin de 28/100 - 14/200 =
0,21. Por lo tanto, la clasificacin errnea de la enfermedad no
produjo ningn sesgo en la proporcin de riesgo, pero la espera de
riesgo-diferencia de estimacin slo es 0.21/0.30 = 70% de la
diferencia de riesgo real. Este ejemplo ilustra cmo la enfermedad
de la clasificacin errnea no diferencial independiente, con una
especificidad perfecta no sesgar la estimacin de riesgorelacin,
pero se la baja el sesgo de la magnitud absoluta de la estimacin de
riesgo de diferencia por un factor igual que la probabilidad de
falsos negativos (Rodgers y MacMahon, 1995) . Con este tipo de
errores de clasificacin, el odds ratio y la razn de tasas se
mantendr un sesgo hacia el valor nulo, aunque la tendencia ser
pequeo cuando el riesgo de enfermedad es baja (
