Los investigadores son afortunados cuando tienen a su disposición una cronología detallada de la experiencia laboral de los trabajadores que proporciona una revisión histórica de los trabajos que han desempeñado a lo largo del tiempo. Para estos trabajadores un matriz de exposición laboral Luego se puede configurar que permita que todos y cada uno de los cambios de trabajo por los que ha pasado un trabajador se asocien con información de exposición específica.

Los historiales de exposición detallados deben resumirse con fines de análisis para determinar si existen patrones evidentes que puedan estar relacionados con problemas de salud y seguridad en el lugar de trabajo. Podemos visualizar una lista de, digamos, 20 cambios de trabajo que un trabajador ha experimentado en su vida laboral. Hay varias formas alternativas en las que se pueden resumir los detalles de la exposición (para cada uno de los 20 cambios de trabajo en este ejemplo), teniendo en cuenta la duración y/o la concentración/dosis/grado de exposición.

Es importante notar, sin embargo, que se pueden llegar a diferentes conclusiones de un estudio dependiendo del método seleccionado (Suarez-Almazor et al. 1992). En la tabla 1 se muestra un ejemplo de cinco medidas resumidas de exposición en la vida laboral.

Tabla 1. Fórmulas y dimensiones o unidades de las cinco medidas resumen seleccionadas de exposición en la vida laboral

Adaptado de Suárez-Almazor et al. 1992.

Índice de exposición acumulada. El índice de exposición acumulada (CEI) es equivalente a la "dosis" en los estudios toxicológicos y representa la suma, durante una vida laboral, de los productos del grado de exposición y la duración de la exposición para cada puesto de trabajo sucesivo. Incluye el tiempo en sus unidades.

Grado medio. El grado medio (MG) acumula los productos del grado de exposición y la duración de la exposición para cada título de trabajo sucesivo (es decir, el CEI) y se divide por el tiempo total expuesto en cualquier grado mayor que cero. MG es independiente del tiempo en sus unidades; la medida de resumen para una persona expuesta durante un período prolongado a una concentración elevada será similar a la de una persona expuesta durante un período breve a una concentración elevada. Dentro de cualquier conjunto emparejado en un diseño de casos y controles, MG es un grado promedio de exposición por unidad de tiempo expuesto. Es una calificación promedio por el tiempo realmente expuesto al agente en consideración.

La calificación más alta de la historia. La calificación más alta de la historia (HG, por sus siglas en inglés) se determina escaneando el historial de trabajo en busca de la asignación de calificación más alta en el período de observación al que estuvo expuesto el trabajador durante al menos siete días. El HG podría tergiversar la exposición de la vida laboral de una persona porque, por su propia formulación, se basa en un procedimiento de maximización en lugar de un promedio y, por lo tanto, es independiente de la duración de la exposición en sus unidades.

Nota media ponderada en el tiempo. La calificación promedio ponderada en el tiempo (TWA) es el índice de exposición acumulada (CEI) dividido por el tiempo total empleado. Dentro de cualquier conjunto emparejado en un diseño de casos y controles, la calificación TWA promedia el tiempo total empleado. Se diferencia de MG, que promedia solo sobre el tiempo total realmente expuesto. Por lo tanto, el grado TWA puede verse como una exposición promedio por unidad de tiempo en el período completo de empleo, independientemente de la exposición. per se.

Tiempo total expuesto. El tiempo total de exposición (TTE) acumula todos los períodos de tiempo asociados con la exposición en unidades de tiempo. TTE tiene atractivo por su simplicidad. Sin embargo, está bien aceptado que los efectos sobre la salud deben estar relacionados no solo con la duración de la exposición química, sino también con la intensidad de esa exposición (es decir, la concentración o el grado).

Claramente, la utilidad de una medida de exposición resumida está determinada por el peso respectivo que atribuye a la duración oa la concentración de la exposición oa ambos. Así, diferentes medidas pueden producir diferentes resultados (Walker y Blettner 1985). Idealmente, la medida de resumen seleccionada debe basarse en un conjunto de supuestos defendibles con respecto al mecanismo biológico postulado para el agente o la asociación de enfermedades en estudio (Smith 1987). Sin embargo, este procedimiento no siempre es posible. Muy a menudo, se desconoce el efecto biológico de la duración de la exposición o la concentración del agente en estudio. En este contexto, el uso de diferentes medidas de exposición puede ser útil para sugerir un mecanismo por el cual la exposición ejerce su efecto.

Se recomienda que, en ausencia de modelos probados para evaluar la exposición, se utilice una variedad de medidas resumidas de exposición de la vida laboral para estimar el riesgo. Este enfoque facilitaría la comparación de los hallazgos entre los estudios.

Atrás

La epidemiología implica medir la aparición de enfermedades y cuantificar las asociaciones entre enfermedades y exposiciones.

Medidas de ocurrencia de enfermedades

La aparición de enfermedades se puede medir por frecuencias (cuenta) pero está mejor descrito por tasas de interés, que se componen de tres elementos: el número de personas afectadas (numerador), el número de personas en la población de origen o base (es decir, la población en riesgo) de donde provienen las personas afectadas y el período de tiempo cubierto. El denominador de la tasa es el tiempo-persona total experimentado por la población de origen. Las tasas permiten comparaciones más informativas entre poblaciones de diferentes tamaños que los conteos solos. Riesgo, la probabilidad de que un individuo desarrolle una enfermedad dentro de un período de tiempo específico, es una proporción, que va de 0 a 1, y no es una tasa per se. Tasa de ataque, la proporción de personas en una población que se ven afectadas dentro de un período de tiempo específico, es técnicamente una medida de riesgo, no una tasa.

La morbilidad específica de la enfermedad incluye incidencia, que se refiere al número de personas a las que se les ha diagnosticado recientemente la enfermedad de interés. Predominio se refiere al número de casos existentes. Mortalidad se refiere al número de personas que mueren.

Incidencia se define como el número de nuevos casos diagnosticados dentro de un período de tiempo específico, mientras que el tasa de incidencia es este número dividido por el tiempo-persona total experimentado por la población de origen (tabla 1). Para el cáncer, las tasas generalmente se expresan como tasas anuales por cada 100,000 1,000 personas. Las tarifas para otras enfermedades más comunes pueden expresarse por un número menor de personas. Por ejemplo, las tasas de anomalías congénitas suelen expresarse por XNUMX nacidos vivos. Incidencia acumulada, la proporción de personas que se convierten en casos dentro de un período de tiempo específico, es una medida del riesgo promedio para una población. 

Tabla 1. Medidas de ocurrencia de enfermedades: Población hipotética observada durante un período de cinco años

*Para simplificar los cálculos, este ejemplo supone que todas las muertes ocurrieron al final del período de cinco años, de modo que las 100 personas de la población estuvieron vivas durante los cinco años completos.

Predominio incluye prevalencia puntual, el número de casos de enfermedad en un momento dado, y período de prevalencia, el número total de casos de una enfermedad que se sabe que existió en algún momento durante un período específico.

Mortalidad, que se refiere a las muertes en lugar de a los casos de enfermedad recién diagnosticados, refleja los factores que causan la enfermedad, así como los factores relacionados con la calidad de la atención médica, como la detección, el acceso a la atención médica y la disponibilidad de tratamientos efectivos. En consecuencia, los esfuerzos de generación de hipótesis y la investigación etiológica pueden ser más informativos y fáciles de interpretar cuando se basan en datos de incidencia en lugar de datos de mortalidad. Sin embargo, los datos de mortalidad suelen estar más disponibles en poblaciones grandes que los datos de incidencia.

El término índice de mortalidad generalmente se acepta que significa la tasa de muertes por todas las causas combinadas, mientras que tasa de mortalidad es la tasa de muerte por una causa específica. Para una determinada enfermedad, el tasa de letalidad (técnicamente una proporción, no una tasa) es el número de personas que mueren a causa de la enfermedad durante un período de tiempo específico dividido por el número de personas con la enfermedad. El complemento de la tasa de letalidad es el tasa de supervivencia. La tasa de supervivencia a cinco años es un punto de referencia común para enfermedades crónicas como el cáncer.

La ocurrencia de una enfermedad puede variar entre subgrupos de la población o con el tiempo. Una medida de enfermedad para una población entera, sin considerar ningún subgrupo, se llama tasa bruta. Por ejemplo, una tasa de incidencia para todos los grupos de edad combinados es una tasa bruta. Las tarifas para los grupos de edad individuales son las tasas específicas por edad. Para comparar dos o más poblaciones con diferentes distribuciones de edad, ajustado por edad (o, estandarizado por edad) las tasas deben calcularse para cada población multiplicando cada tasa específica por edad por el porcentaje de la población estándar (por ejemplo, una de las poblaciones en estudio, la población de EE. UU. en 1970) en ese grupo de edad, luego sumando todos los grupos de edad para producir una tasa general ajustada por edad. Las tarifas se pueden ajustar por factores distintos a la edad, como la raza, el sexo o el tabaquismo, si se conocen las tarifas específicas de la categoría.

La vigilancia y la evaluación de datos descriptivos pueden proporcionar pistas sobre la etiología de la enfermedad, identificar subgrupos de alto riesgo que pueden ser adecuados para programas de intervención o detección, y proporcionar datos sobre la eficacia de dichos programas. Las fuentes de información que se han utilizado para las actividades de vigilancia incluyen certificados de defunción, registros médicos, registros de cáncer, otros registros de enfermedades (p. ej., registros de defectos de nacimiento, registros de enfermedades renales en etapa terminal), registros de exposición ocupacional, registros de seguros de salud o discapacidad y compensación laboral. registros.

Medidas de Asociación

La epidemiología intenta identificar y cuantificar los factores que influyen en la enfermedad. En el enfoque más simple, la ocurrencia de la enfermedad entre personas expuestas a un factor sospechoso se compara con la ocurrencia entre personas no expuestas. La magnitud de una asociación entre la exposición y la enfermedad se puede expresar en fotometría absoluta) or relativo términos. (Véase también "Estudio de caso: Medidas").

Los efectos absolutos se miden por diferencias de tasa y diferencias de riesgo (Tabla 2). A diferencia de tasa es una tasa menos una segunda tasa. Por ejemplo, si la tasa de incidencia de leucemia entre los trabajadores expuestos al benceno es de 72 por 100,000 12 años-persona y la tasa entre los trabajadores no expuestos es de 100,000 por 60 100,000 años-persona, entonces la diferencia de tasas es de XNUMX por XNUMX XNUMX años-persona. A diferencia de riesgo es una diferencia en los riesgos o la incidencia acumulada y puede oscilar entre -1 y 1. 

Tabla 2. Medidas de asociación para un estudio de cohortes

Diferencia de Tasa (RD) = 500/100,000 - 250/100,000

= 250/100,000 por año

(146.06/100,000 - 353.94/100,000)*

Razón de tasas (o riesgo relativo) (RR) =  

Riesgo atribuible en los expuestos (AR_e) = 100/20,000 200 - 80,000/XNUMX XNUMX

= 250/100,000 por año

Porcentaje de riesgo atribuible en los expuestos (AR_e%) =

 Riesgo atribuible a la población (PAR) = 300/100,000 - 200/80,000

= 50/100,000 por año

Porcentaje de riesgo atribuible a la población (PAR%) =

 * Entre paréntesis, intervalos de confianza del 95 % calculados con las fórmulas de los recuadros.

Efectos relativos se basan en proporciones de tasas o medidas de riesgo, en lugar de diferencias. A razón de tasas es la razón de una tasa en una población a la tasa en otra. La razón de tasas también ha sido llamada Radio de riesgo, riesgo relativo, tasa relativay incidencia (o mortalidad) razón de tasas. La medida es adimensional y va de 0 a infinito. Cuando la tasa en dos grupos es similar (es decir, no hay efecto de la exposición), el razón de tasas es igual a la unidad (1). Una exposición que aumentara el riesgo arrojaría una razón de tasas mayor que la unidad, mientras que un factor de protección arrojaría una razón entre 0 y 1. La exceso de riesgo relativo es el riesgo relativo menos 1. Por ejemplo, un riesgo relativo de 1.4 también puede expresarse como un exceso de riesgo relativo del 40 %.

En los estudios de casos y controles (también llamados estudios de casos y referentes), se identifican personas con enfermedad (casos) y personas sin enfermedad (controles o referentes). Se comparan las exposiciones pasadas de los dos grupos. Las probabilidades de ser un caso expuesto se comparan con las probabilidades de ser un control expuesto. No se dispone de recuentos completos de las poblaciones fuente de personas expuestas y no expuestas, por lo que no se pueden calcular las tasas de enfermedad. En cambio, los casos expuestos se pueden comparar con los controles expuestos mediante el cálculo de probabilidades relativas, o el proporción de probabilidades (Tabla 3). 

Tabla 3. Medidas de asociación para estudios de casos y controles: Exposición a aserrín y adenocarcinoma de cavidad nasal y senos paranasales

Probabilidades relativas (odds ratio) (OR) =

Riesgo atribuible por ciento en los expuestos () =

Porcentaje de riesgo atribuible a la población (PAR%) =

donde = proporción de controles expuestos = 55/195 = 0.28

* Entre paréntesis, intervalos de confianza del 95 % calculados con las fórmulas del recuadro al dorso.

Fuente: Adaptado de Hayes et al. 1986.

Las medidas relativas del efecto se usan con más frecuencia que las medidas absolutas para informar la fuerza de una asociación. Sin embargo, las medidas absolutas pueden proporcionar una mejor indicación del impacto de una asociación en la salud pública. Un pequeño aumento relativo en una enfermedad común, como una enfermedad cardíaca, puede afectar a más personas (gran diferencia de riesgo) y tener más impacto en la salud pública que un gran aumento relativo (pero pequeña diferencia absoluta) en una enfermedad rara, como angiosarcoma del hígado.

Pruebas de significación

Las pruebas de significación estadística a menudo se realizan en medidas de efecto para evaluar la probabilidad de que el efecto observado difiera de la hipótesis nula (es decir, ningún efecto). Si bien muchos estudios, particularmente en otras áreas de la investigación biomédica, pueden expresar su importancia al valores p, los estudios epidemiológicos típicamente presentan intervalos de confianza (CI) (también llamado límites de confianza). Un intervalo de confianza del 95 %, por ejemplo, es un rango de valores para la medida del efecto que incluye la medida estimada obtenida de los datos del estudio y que tiene una probabilidad del 95 % de incluir el valor verdadero. Se considera que es poco probable que los valores fuera del intervalo incluyan la verdadera medida del efecto. Si el IC de una razón de tasas incluye la unidad, entonces no hay una diferencia estadísticamente significativa entre los grupos que se comparan.

Los intervalos de confianza son más informativos que los valores p solos. El tamaño de un valor p está determinado por una o ambas razones. O la medida de asociación (p. ej., razón de tasas, diferencia de riesgo) es grande o las poblaciones en estudio son grandes. Por ejemplo, una pequeña diferencia en las tasas de enfermedad observadas en una gran población puede generar un valor p muy significativo. Las razones del gran valor de p no se pueden identificar a partir del valor de p solo. Los intervalos de confianza, sin embargo, nos permiten separar los dos factores. Primero, la magnitud del efecto es discernible por los valores de la medida del efecto y los números abarcados por el intervalo. Los índices de riesgo más grandes, por ejemplo, indican un efecto más fuerte. Segundo, el tamaño de la población afecta el ancho del intervalo de confianza. Las poblaciones pequeñas con estimaciones estadísticamente inestables generan intervalos de confianza más amplios que las poblaciones más grandes.

El nivel de confianza elegido para expresar la variabilidad de los resultados (la “significación estadística”) es arbitrario, pero tradicionalmente ha sido del 95 %, lo que corresponde a un valor de p de 0.05. Un intervalo de confianza del 95 % tiene una probabilidad del 95 % de contener la verdadera medida del efecto. Ocasionalmente se utilizan otros niveles de confianza, como el 90%.

Las exposiciones pueden ser dicotómicas (p. ej., expuestas y no expuestas) o pueden implicar muchos niveles de exposición. Las medidas del efecto (es decir, la respuesta) pueden variar según el nivel de exposición. evaluando exposición-respuesta relaciones es una parte importante de la interpretación de los datos epidemiológicos. El análogo a la exposición-respuesta en los estudios con animales es "dosis-respuesta". Si la respuesta aumenta con el nivel de exposición, es más probable que una asociación sea causal que si no se observa ninguna tendencia. Las pruebas estadísticas para evaluar las relaciones exposición-respuesta incluyen la prueba de extensión de Mantel y la prueba de tendencia de chi-cuadrado.

Normalización

Para tener en cuenta factores distintos de la exposición primaria de interés y la enfermedad, se pueden tomar medidas de asociación. estandarizado a través de técnicas de estratificación o regresión. La estratificación significa dividir las poblaciones en grupos homogéneos con respecto al factor (p. ej., grupos de género, grupos de edad, grupos de fumadores). Se calculan las razones de riesgo o las razones de probabilidad para cada estrato y se calculan los promedios ponderados generales de las razones de riesgo o las razones de probabilidad. Estos valores generales reflejan la asociación entre la exposición primaria y la enfermedad, ajustada por el factor de estratificación, es decir, la asociación con los efectos del factor de estratificación eliminado.

A relación de tasa estandarizada (SRR) es el cociente de dos tasas estandarizadas. En otras palabras, una SRR es un promedio ponderado de razones de tasas específicas de estrato donde los pesos para cada estrato son la distribución persona-tiempo del grupo no expuesto o de referencia. Se pueden comparar los SRR de dos o más grupos si se utilizan las mismas ponderaciones. Se pueden construir intervalos de confianza para SRR como para razones de tasas.

La razón de mortalidad estandarizada (SMR) es un promedio ponderado de razones de tasas específicas por edad donde los pesos (por ejemplo, persona-tiempo en riesgo) provienen del grupo en estudio y las tasas provienen de la población de referencia, lo contrario de la situación en un SRR. La población de referencia habitual es la población general, cuyas tasas de mortalidad pueden estar fácilmente disponibles y basadas en grandes números y, por lo tanto, son más estables que las tasas de una cohorte o subgrupo no expuesto de la población ocupacional en estudio. El uso de los pesos de la cohorte en lugar de la población de referencia se denomina estandarización indirecta. La SMR es la relación entre el número observado de muertes en la cohorte y el número esperado, con base en las tasas de la población de referencia (la relación generalmente se multiplica por 100 para la presentación). Si no existe asociación, la SMR es igual a 100. Cabe señalar que debido a que las tasas provienen de la población de referencia y los pesos provienen del grupo de estudio, dos o más SMR tienden a no ser comparables. Esta falta de comparabilidad a menudo se olvida en la interpretación de los datos epidemiológicos y se pueden sacar conclusiones erróneas.

Efecto Trabajador Saludable

Es muy común que las cohortes ocupacionales tengan una mortalidad total más baja que la población general, incluso si los trabajadores tienen un mayor riesgo de muerte por causas seleccionadas debido a exposiciones en el lugar de trabajo. Este fenómeno, llamado efecto trabajador saludable, refleja el hecho de que es probable que cualquier grupo de personas empleadas sea más saludable, en promedio, que la población general, que incluye a los trabajadores y las personas que no pueden trabajar debido a enfermedades o discapacidades. La tasa global de mortalidad en la población general tiende a ser más alta que la tasa en los trabajadores. El efecto varía en fuerza según la causa de la muerte. Por ejemplo, parece ser menos importante para el cáncer en general que para la enfermedad pulmonar obstructiva crónica. Una de las razones de esto es que es probable que la mayoría de los cánceres no se hayan desarrollado a partir de una predisposición hacia el cáncer subyacente a la selección de trabajo/carrera a una edad más temprana. El efecto del trabajador saludable en un grupo dado de trabajadores tiende a disminuir con el tiempo.

Mortalidad Proporcional

A veces, no se dispone de una tabulación completa de una cohorte (es decir, persona-tiempo en riesgo) y solo hay información sobre las muertes o algún subconjunto de muertes experimentadas por la cohorte (por ejemplo, muertes entre jubilados y empleados activos, pero no entre trabajadores). que dejó el empleo antes de tener derecho a una pensión). El cómputo de años-persona requiere métodos especiales para hacer frente a la evaluación del tiempo-persona, incluidos los métodos de tablas de vida. Sin información total de persona-tiempo sobre todos los miembros de la cohorte, independientemente del estado de la enfermedad, no se pueden calcular las SMR y las SRR. En cambio, razones proporcionales de mortalidad (PMR) pueden ser utilizados. Un PMR es la relación entre el número observado de muertes por una causa específica en comparación con el número esperado, basado en la proporción del total de muertes por la causa específica en la población de referencia, multiplicado por el número total de muertes en el estudio. grupo, multiplicado por 100.

Debido a que la proporción de muertes por todas las causas combinadas debe ser igual a 1 (PMR=100), algunas PMR pueden parecer excesivas, pero en realidad están infladas artificialmente debido a déficits reales en otras causas de muerte. De manera similar, algunos déficits aparentes pueden reflejar simplemente excesos reales de otras causas de muerte. Por ejemplo, si los aplicadores aéreos de pesticidas tienen un gran exceso real de muertes debido a accidentes, el requisito matemático de que el PMR para todas las causas combinadas sea igual a 100 puede hacer que una u otra causa de muerte parezca deficiente incluso si la mortalidad es excesiva. Para mejorar este problema potencial, los investigadores interesados ​​principalmente en el cáncer pueden calcular proporciones proporcionales de mortalidad por cáncer (PCMR). Los PCMR comparan el número observado de muertes por cáncer con el número esperado en función de la proporción del total de muertes por cáncer (en lugar de todas las muertes) por el cáncer de interés en la población de referencia multiplicado por el número total de muertes por cáncer en el grupo de estudio, multiplicado por 100. Por lo tanto, el PCMR no se verá afectado por una aberración (exceso o déficit) en una causa de muerte no relacionada con el cáncer, como accidentes, enfermedades cardíacas o enfermedades pulmonares no malignas.

Los estudios de PMR se pueden analizar mejor utilizando razones de probabilidad de mortalidad (MORs), en esencia analizando los datos como si fueran de un estudio de casos y controles. Los "controles" son las muertes de un subconjunto de todas las muertes que se cree que no están relacionadas con la exposición en estudio. Por ejemplo, si el interés principal del estudio fuera el cáncer, se podrían calcular las razones de probabilidad de mortalidad comparando la exposición entre las muertes por cáncer con la exposición entre las muertes cardiovasculares. Este enfoque, como el PCMR, evita los problemas con el PMR que surgen cuando una fluctuación en una causa de muerte afecta el riesgo aparente de otra simplemente porque el PMR general debe ser igual a 100. Sin embargo, la elección de las causas de muerte de control es crítica. . Como se mencionó anteriormente, no deben estar relacionados con la exposición, pero es posible que no se conozca la posible relación entre la exposición y la enfermedad para muchas enfermedades de control potencial.

Riesgo atribuible

Hay medidas disponibles que expresan la cantidad de enfermedad que sería atribuible a una exposición si la asociación observada entre la exposición y la enfermedad fuera causal. Él riesgo atribuible en los expuestos (ARKANSAS_e) es la tasa de enfermedad en los expuestos menos la tasa en los no expuestos. Debido a que las tasas de enfermedad no se pueden medir directamente en los estudios de casos y controles, el AR_e es calculable solo para estudios de cohortes. Una medida relacionada, más intuitiva, la porcentaje de riesgo atribuible en los expuestos (ARKANSAS_e%), se puede obtener de cualquier diseño de estudio. La realidad aumentada_e% es la proporción de casos que surgen en la población expuesta que es atribuible a la exposición (ver tabla 2 y tabla 3 para la fórmula). La realidad aumentada_e% es la razón de tasas (o la razón de probabilidades) menos 1, dividida por la razón de tasas (o la razón de probabilidades), multiplicada por 100.

La riesgo atribuible a la población (PAR) y el porcentaje de riesgo atribuible a la población (PAR%), o fracción etiológica, expresa la cantidad de enfermedad en la población total, que se compone de personas expuestas y no expuestas, que se debe a la exposición si la asociación observada es causal. El PAR puede obtenerse de estudios de cohortes (tabla 28.3) y el PAR% puede calcularse tanto en estudios de cohortes como de casos y controles (tabla 2 y tabla 3).

Representatividad

Se han descrito varias medidas de riesgo. Cada uno asume métodos subyacentes para contar eventos y en los representantes de estos eventos a un grupo definido. Cuando los resultados se comparan entre estudios, la comprensión de los métodos utilizados es esencial para explicar las diferencias observadas.

Atrás

El epidemiólogo está interesado en las relaciones entre las variables, principalmente la exposición y las variables de resultado. Por lo general, los epidemiólogos quieren determinar si la aparición de una enfermedad está relacionada con la presencia de un agente en particular (exposición) en la población. Las formas en que se estudian estas relaciones pueden variar considerablemente. Uno puede identificar a todas las personas que están expuestas a ese agente y hacerles un seguimiento para medir la incidencia de la enfermedad, comparando dicha incidencia con la ocurrencia de la enfermedad en una población adecuada no expuesta. Alternativamente, uno puede simplemente muestrear entre los expuestos y no expuestos, sin tener una enumeración completa de ellos. O, como tercera alternativa, se pueden identificar todas las personas que desarrollan una enfermedad de interés en un período de tiempo definido (“casos”) y un grupo adecuado de individuos libres de enfermedad (una muestra de la población fuente de casos), y determinar si los patrones de exposición difieren entre los dos grupos. El seguimiento de los participantes del estudio es una opción (en los llamados estudios longitudinales): en esta situación, existe un lapso de tiempo entre la ocurrencia de la exposición y el inicio de la enfermedad. Una opción alternativa es una muestra representativa de la población, donde tanto la exposición como la enfermedad se miden en el mismo momento.

En este artículo, se presta atención a los diseños de estudio comunes: cohorte, caso-referente (caso-control) y transversal. Para preparar el escenario para esta discusión, considere una gran fábrica de rayón viscosa en un pueblo pequeño. Se inicia una investigación sobre si la exposición al disulfuro de carbono aumenta el riesgo de enfermedad cardiovascular. La investigación tiene varias opciones de diseño, algunas más y otras menos obvias. Una primera estrategia es identificar a todos los trabajadores que han estado expuestos al disulfuro de carbono y hacerles un seguimiento de la mortalidad cardiovascular.

Escuadrón de estudio

Un estudio de cohorte abarca a los participantes de la investigación que comparten un evento común, la exposición. Un estudio de cohorte clásico identifica un grupo definido de personas expuestas, luego se les da seguimiento a todos y se registra su experiencia de morbilidad y/o mortalidad. Además de una exposición cualitativa común, la cohorte también debe definirse en otros criterio de elegibilidad, como rango de edad, sexo (masculino o femenino o ambos), duración mínima e intensidad de la exposición, ausencia de otras exposiciones y similares, para mejorar la validez y eficiencia del estudio. Al ingreso, todos los miembros de la cohorte deben estar libres de la enfermedad en estudio, de acuerdo con el conjunto de criterios empíricos utilizados para medir la enfermedad.

Si, por ejemplo, en el estudio de cohorte sobre los efectos del disulfuro de carbono en la morbilidad coronaria, la enfermedad coronaria se mide empíricamente como infartos clínicos, aquellos que, al inicio del estudio, han tenido antecedentes de infarto coronario deben ser excluidos de la cohorte. Por el contrario, se pueden aceptar anomalías electrocardiográficas sin antecedentes de infarto. Sin embargo, si la aparición de nuevos cambios electrocardiográficos es la medida de resultado empírica, los miembros de la cohorte también deben tener electrocardiogramas normales al inicio del estudio.

La morbilidad (en términos de incidencia) o la mortalidad de una cohorte expuesta debe compararse con una cohorte de referencia que idealmente debería ser lo más similar posible a la cohorte expuesta en todos los aspectos relevantes, excepto por la exposición, para determinar el riesgo relativo de enfermedad o muerte por exposición. El uso de una cohorte similar pero no expuesta como proveedor de la experiencia de referencia es preferible a la (mala) práctica común de comparar la morbilidad o mortalidad de la cohorte expuesta con cifras nacionales estandarizadas por edad, porque la población general no alcanza a cumplir incluso con los requisitos más importantes. requisitos elementales para la validez de la comparación. La Razón de Morbilidad (o Mortalidad) Estandarizada (SMR), resultante de tal comparación, generalmente genera una subestimación de la verdadera razón de riesgo debido a un sesgo que opera en la cohorte expuesta, lo que lleva a la falta de comparabilidad entre las dos poblaciones. Este sesgo de comparación se ha denominado “Efecto del trabajador sano”. Sin embargo, en realidad no es un verdadero “efecto”, sino un sesgo de confusión negativa, que a su vez ha surgido de la rotación selectiva de salud en una población ocupada. (Las personas con problemas de salud tienden a salir de las cohortes "expuestas", o nunca ingresar a ellas, y su destino final suele ser la sección desempleada de la población general).

Debido a que una cohorte "expuesta" se define como una determinada exposición, solo efectos causados ​​por esa única exposición (o combinación de exposiciones) se pueden estudiar simultáneamente. Por otra parte, el diseño de cohortes permite el estudio de varias enfermedades al mismo tiempo. También se pueden estudiar simultáneamente diferentes manifestaciones de la misma enfermedad, por ejemplo, angina, cambios en el ECG, infartos de miocardio clínicos y mortalidad coronaria. Si bien es adecuado para probar hipótesis específicas (p. ej., "la exposición al disulfuro de carbono causa enfermedad coronaria"), un estudio de cohortes también brinda respuestas a la pregunta más general: "¿Qué enfermedades son causadas por esta exposición?"

Por ejemplo, en un estudio de cohorte que investiga el riesgo de que los trabajadores de una fundición mueran de cáncer de pulmón, los datos de mortalidad se obtienen del registro nacional de causas de muerte. Aunque el estudio fue para determinar si el polvo de fundición causa cáncer de pulmón, la fuente de datos, con el mismo esfuerzo, también brinda información sobre todas las demás causas de muerte. Por lo tanto, se pueden estudiar al mismo tiempo otros posibles riesgos para la salud.

El momento de un estudio de cohortes puede ser retrospectivo (histórico) o prospectivo (concurrente). En ambos casos la estructura de diseño es la misma. Se produce una enumeración completa de las personas expuestas en algún momento o período de tiempo, y el resultado se mide para todos los individuos a través de un punto final definido en el tiempo. La diferencia entre prospectivo y retrospectivo está en el momento del estudio. Si es retrospectivo, el punto final ya ha ocurrido; si es prospectivo, hay que esperarlo.

En el diseño retrospectivo, la cohorte se define en algún momento del pasado (por ejemplo, los expuestos el 1 de enero de 1961, o los que realizaron trabajos expuestos entre 1961 y 1970). La morbilidad y/o mortalidad de todos los miembros de la cohorte luego se sigue hasta el presente. Aunque “todos” significa que también se debe rastrear a quienes han dejado el trabajo, en la práctica rara vez se puede lograr una cobertura del 100 por ciento. Sin embargo, cuanto más completo es el seguimiento, más válido es el estudio.

En el diseño prospectivo, la cohorte se define en el presente, o durante algún período futuro, y luego se sigue la morbilidad en el futuro.

Al realizar estudios de cohortes, se debe permitir suficiente tiempo para el seguimiento a fin de que los puntos finales de interés tengan suficiente tiempo para manifestarse. A veces, debido a que los registros históricos pueden estar disponibles solo por un período corto en el pasado, es deseable aprovechar esta fuente de datos porque significa que se necesitaría un período más corto de seguimiento prospectivo antes de poder obtener los resultados del estudio. disponible. En estas situaciones, una combinación de los diseños de estudio de cohorte retrospectivo y prospectivo puede ser eficiente. El diseño general de las tablas de frecuencia que presentan datos de cohortes se muestra en la tabla 1.

Tabla 1. El diseño general de las tablas de frecuencia que presentan datos de cohortes

La proporción observada de enfermos en la cohorte expuesta se calcula como:

y el de la cohorte de referencia como:

La relación de tasas entonces se expresa como:

N₀ y N₁ generalmente se expresan en unidades de persona-tiempo en lugar de como el número de personas en las poblaciones Los años-persona se calculan para cada individuo por separado. Diferentes personas a menudo ingresan a la cohorte durante un período de tiempo, no en la misma fecha. Por lo tanto, sus tiempos de seguimiento comienzan en fechas diferentes. Asimismo, después de su muerte, o después de que haya ocurrido el evento de interés, ya no están “en riesgo” y no deben continuar aportando años-persona al denominador.

Si el RR es superior a 1, la morbilidad de la cohorte expuesta es superior a la de la cohorte de referencia y viceversa. El RR es una estimación puntual y se debe calcular un intervalo de confianza (IC). Cuanto más grande sea el estudio, más estrecho será el intervalo de confianza. Si RR = 1 no se incluye en el intervalo de confianza (p. ej., el IC del 95 % es de 1.4 a 5.8), el resultado puede considerarse "estadísticamente significativo" en el nivel de probabilidad elegido (en este ejemplo, α = 0.05).

Si se utiliza la población general como población de referencia, c₀ se sustituye por la cifra “esperada”, CE₁ ), derivado de las tasas de morbilidad o mortalidad estandarizadas por edad de esa población (es decir, el número de casos que habrían ocurrido en la cohorte, si no hubiera tenido lugar la exposición de interés). Esto produce la razón de mortalidad (o morbilidad) estandarizada, SMR. Por lo tanto,

También para el SMR, se debe calcular un intervalo de confianza. Es mejor dar esta medida en una publicación que un valor p, porque la prueba de significancia estadística no tiene sentido si la población general es la categoría de referencia. Tal comparación implica un sesgo considerable (la efecto trabajador saludable mencionado anteriormente), y las pruebas de significación estadística, desarrolladas originalmente para la investigación experimental, son engañosas en presencia de un error sistemático.

Supongamos que la pregunta es si el polvo de cuarzo causa cáncer de pulmón. Por lo general, el polvo de cuarzo se presenta junto con otros carcinógenos, como los derivados del radón y los gases de escape de diésel en las minas o los hidrocarburos poliaromáticos en las fundiciones. Las canteras de granito no exponen a los trabajadores de la piedra a estos otros carcinógenos. Por lo tanto, el problema se estudia mejor entre los trabajadores de la piedra empleados en las canteras de granito.

Supongamos entonces que todos los 2,000 trabajadores, que han sido empleados por 20 canteras entre 1951 y 1960, se inscriben en la cohorte y se sigue su incidencia de cáncer (alternativamente, solo la mortalidad) comenzando diez años después de la primera exposición (para permitir un tiempo de inducción) y finalizando en 1990. Este es un seguimiento de 20 a 30 años (dependiendo del año de entrada) o, digamos, en promedio, un seguimiento de 25 años de la mortalidad (o morbilidad) por cáncer entre 1,000 de los trabajadores de la cantera que eran específicamente trabajadores del granito. Se debe registrar el historial de exposición de cada miembro de la cohorte. Se debe rastrear a los que han salido de las canteras y registrar su historial de exposición posterior. En países donde todos los habitantes tienen números de registro únicos, este es un procedimiento sencillo, regido principalmente por las leyes nacionales de protección de datos. Cuando no existe tal sistema, rastrear a los empleados con fines de seguimiento puede ser extremadamente difícil. Cuando existan registros apropiados de defunción o enfermedad, la mortalidad por todas las causas, todos los cánceres y las localizaciones específicas del cáncer pueden obtenerse del registro nacional de causas de defunción. (Para la mortalidad por cáncer, el registro nacional de cáncer es una mejor fuente porque contiene diagnósticos más precisos. Además, también se pueden obtener datos de incidencia (o morbilidad).) Las tasas de mortalidad (o tasas de incidencia de cáncer) se pueden comparar con “ números esperados”, calculados a partir de tasas nacionales utilizando como base los años-persona de la cohorte expuesta.

Suponga que se encuentran 70 casos fatales de cáncer de pulmón en la cohorte, mientras que el número esperado (el número que habría ocurrido si no hubiera habido exposición) es 35. Entonces:

c₁ = 70, CE₁) = 35

Por lo tanto, el SMR = 200, lo que indica un aumento del doble en el riesgo de morir de cáncer de pulmón entre los expuestos. Si se dispone de datos detallados de exposición, la mortalidad por cáncer se puede estudiar en función de diferentes tiempos de latencia (digamos, 10, 15, 20 años), trabajo en diferentes tipos de canteras (diferentes tipos de granito), diferentes períodos históricos, diferentes exposiciones intensidades, etc. Sin embargo, 70 casos no se pueden subdividir en demasiadas categorías, porque el número que cae en cada una rápidamente se vuelve demasiado pequeño para el análisis estadístico.

Ambos tipos de diseños de cohortes tienen ventajas y desventajas. Un estudio retrospectivo puede, por regla general, medir sólo la mortalidad, porque por lo general faltan datos sobre manifestaciones más leves. Los registros de cáncer son una excepción, y quizás algunos otros, como los registros de accidentes cerebrovasculares y los registros de altas hospitalarias, en los que también se dispone de datos de incidencia. Evaluar la exposición pasada siempre es un problema y los datos de exposición suelen ser bastante débiles en los estudios retrospectivos. Esto puede conducir al efecto de enmascaramiento. Por otro lado, dado que los casos ya se han producido, los resultados del estudio están disponibles mucho antes; en, digamos, dos o tres años.

Un estudio de cohorte prospectivo se puede planificar mejor para cumplir con las necesidades del investigador, y los datos de exposición se pueden recopilar de manera precisa y sistemática. Se pueden medir varias manifestaciones diferentes de una enfermedad. Las mediciones tanto de la exposición como del resultado se pueden repetir, y todas las mediciones se pueden estandarizar y se puede verificar su validez. Sin embargo, si la enfermedad tiene una latencia prolongada (como el cáncer), deberá pasar mucho tiempo, incluso de 20 a 30 años, antes de que se puedan obtener los resultados del estudio. Pueden pasar muchas cosas durante este tiempo. Por ejemplo, rotación de investigadores, mejoras en las técnicas de medición de la exposición, remodelación o cierre de las plantas elegidas para el estudio, etc. Todas estas circunstancias hacen peligrar el éxito del estudio. Los costos de un estudio prospectivo también suelen ser más altos que los de un estudio retrospectivo, pero esto se debe principalmente al número mucho mayor de mediciones (monitoreo de exposición repetida, exámenes clínicos, etc.) y no a un registro de muerte más costoso. Por lo tanto, la costos por unidad de información no superan necesariamente los de un estudio retrospectivo. En vista de todo esto, los estudios prospectivos son más adecuados para enfermedades con latencia más bien corta, que requieren un seguimiento corto, mientras que los estudios retrospectivos son mejores para enfermedades con latencia larga.

Estudios de casos y controles (o caso-referente)

Volvamos a la planta de rayón viscosa. Un estudio de cohorte retrospectivo puede no ser factible si se han perdido las listas de trabajadores expuestos, mientras que un estudio de cohorte prospectivo arrojaría resultados sólidos en mucho tiempo. Una alternativa sería entonces la comparación entre los fallecidos por enfermedad coronaria en la localidad, en el transcurso de un período de tiempo definido, y una muestra de la población total en el mismo grupo de edad.

El diseño clásico de casos y controles (o caso-referente) se basa en el muestreo de una población dinámica (abierta, caracterizada por una rotación de miembros). Esta población puede ser la de todo un país, un distrito o un municipio (como en nuestro ejemplo), o puede ser la población definida administrativamente a partir de la cual se ingresan pacientes en un hospital. La población definida proporciona tanto los casos como los controles (o referentes).

La técnica consiste en reunir todos los casos de la enfermedad en cuestión que existen en un punto en el tiempo (casos prevalentes), o han ocurrido durante un tiempo definido período de tiempo (casos incidentes). Los casos, por lo tanto, pueden extraerse de los registros de morbilidad o mortalidad, o recopilarse directamente de los hospitales u otras fuentes que tengan diagnósticos válidos. Los controles se dibujan como un muestra de la misma población, ya sea de entre los no casos o de toda la población. Otra opción es selecciona pacientes con otra enfermedad como controles, pero luego estos pacientes deben ser representativos de la población de donde provienen los casos. Puede haber uno o más controles (es decir, referentes) para cada caso. El enfoque de muestreo difiere de los estudios de cohortes, que examinan a toda la población. No hace falta decir que las ganancias en términos de costos más bajos de los diseños de casos y controles son considerables, pero es importante que la muestra sea representante de toda la población a partir de la cual se originaron los casos (es decir, la “base del estudio”); de lo contrario, el estudio puede estar sesgado.

Cuando se han identificado casos y controles, sus antecedentes de exposición se recopilan mediante cuestionarios, entrevistas o, en algunos casos, a partir de registros existentes (p. ej., registros de nómina de los que se pueden deducir los antecedentes laborales). Los datos se pueden obtener de los propios participantes o, si han fallecido, de familiares cercanos. Para garantizar un recuerdo simétrico, es importante que la proporción de casos y referentes muertos y vivos sea igual, porque los familiares cercanos suelen dar un historial de exposición menos detallado que los propios participantes. La información sobre el patrón de exposición entre los casos se compara con la de los controles, proporcionando una estimación de la proporción de probabilidades (OR), una medida indirecta de la riesgo entre los expuestos de contraer la enfermedad en relación con la de los no expuestos.

Debido a que el diseño de casos y controles se basa en la información de exposición obtenida de pacientes con una determinada enfermedad (es decir, casos) junto con una muestra de personas no enfermas (es decir, controles) de la población de donde se originaron los casos, la conexión con las exposiciones puede ser investigado por sólo una enfermedad. Por el contrario, este diseño permite el estudio concomitante del efecto de varias exposiciones diferentes. El estudio de casos y referencias es adecuado para abordar preguntas de investigación específicas (p. ej., "¿La enfermedad coronaria es causada por la exposición al disulfuro de carbono?"), pero también puede ayudar a responder la pregunta más general: "¿Qué exposiciones pueden causar esta enfermedad?". ?”

La cuestión de si la exposición a disolventes orgánicos causa cáncer hepático primario se plantea (a modo de ejemplo) en Europa. Los casos de cáncer de hígado primario, una enfermedad comparativamente rara en Europa, se recopilan mejor a partir de un registro nacional de cáncer. Suponga que todos los casos de cáncer ocurridos durante tres años forman la serie de casos. La base de población para el estudio es entonces un seguimiento de tres años de toda la población en el país europeo en cuestión. Los controles se extraen como una muestra de personas sin cáncer de hígado de la misma población. Por razones de conveniencia (lo que significa que se puede usar la misma fuente para tomar muestras de los controles), se pueden usar como controles pacientes con otro tipo de cáncer, no relacionado con la exposición a solventes. El cáncer de colon no tiene una relación conocida con la exposición a solventes; por lo tanto, este tipo de cáncer puede incluirse entre los controles. (El uso de controles de cáncer minimiza el sesgo de recuerdo en el sentido de que la precisión de la historia dada por casos y controles es, en promedio, simétrica. Sin embargo, si más tarde se revelara alguna conexión actualmente desconocida entre el cáncer de colon y la exposición a solventes, este tipo de control causaría una subestimación del verdadero riesgo, no una exageración del mismo).

Para cada caso de cáncer de hígado se dibujan dos controles con el fin de lograr un mayor poder estadístico. (Se podrían dibujar aún más controles, pero los fondos disponibles pueden ser un factor limitante. Si los fondos no estuvieran limitados, tal vez hasta cuatro controles serían óptimos. Más allá de cuatro, se aplica la ley de rendimientos decrecientes). Después de obtener el permiso apropiado de los datos Se abordan las autoridades de protección, los casos y controles, o sus familiares cercanos, generalmente mediante un cuestionario enviado por correo, solicitando una historia ocupacional detallada con especial énfasis en una lista cronológica de los nombres de todos los empleadores, los departamentos de trabajo, las tareas laborales en diferentes empleos, y el período de empleo en cada tarea respectiva. Estos datos se pueden obtener de familiares con alguna dificultad; sin embargo, los familiares no suelen recordar bien las sustancias químicas específicas o los nombres comerciales. El cuestionario también debe incluir preguntas sobre posibles datos confusos, como el consumo de alcohol, la exposición a alimentos que contienen aflatoxinas y la infección por hepatitis B y C. Para obtener una tasa de respuesta lo suficientemente alta, se envían dos recordatorios a los que no respondieron en intervalos de tres semanas. Esto generalmente da como resultado una tasa de respuesta final superior al 70%. Luego, un higienista industrial revisa el historial ocupacional, sin conocimiento del estado del caso o control del encuestado, y la exposición se clasifica en exposición alta, media, baja, ninguna y desconocida a los solventes. Los diez años de exposición inmediatamente anteriores al diagnóstico de cáncer no se tienen en cuenta, porque no es biológicamente plausible que los carcinógenos de tipo iniciador puedan ser la causa del cáncer si el tiempo de latencia es tan corto (aunque los promotores, de hecho, podrían). En esta etapa también es posible diferenciar entre diferentes tipos de exposición a solventes. Debido a que se ha proporcionado un historial laboral completo, también es posible explorar otras exposiciones, aunque la hipótesis inicial del estudio no las incluía. Luego se pueden calcular las razones de probabilidad para la exposición a cualquier solvente, solventes específicos, mezclas de solventes, diferentes categorías de intensidad de exposición y para diferentes ventanas de tiempo en relación con el diagnóstico de cáncer. Es recomendable excluir del análisis a aquellos con exposición desconocida.

Los casos y controles pueden muestrearse y analizarse como serie independiente or grupos emparejados. El emparejamiento significa que los controles se seleccionan para cada caso en función de ciertas características o atributos, para formar pares (o conjuntos, si se elige más de un control para cada caso). El emparejamiento generalmente se realiza en función de uno o más de tales factores, como la edad, el estado vital, el historial de tabaquismo, el tiempo calendario del diagnóstico del caso y similares. En nuestro ejemplo, los casos y los controles se emparejan por edad y estado vital. (El estado vital es importante, porque los propios pacientes suelen proporcionar un historial de exposición más preciso que los parientes cercanos, y la simetría es esencial por razones de validez). ) confuso.

Si un control coincide con un caso, el diseño se denomina diseño de pares combinados. Siempre que los costos de estudiar más controles no sean prohibitivos, más de un referente por caso mejora la estabilidad de la estimación del OR, lo que hace que el tamaño del estudio sea más eficiente.

El diseño de los resultados de un estudio de casos y controles no emparejado se muestra en la tabla 2.

Tabla 2. Diseño de muestra de datos de casos y controles

A partir de esta tabla, las probabilidades de exposición entre los casos y las probabilidades de exposición entre la población (los controles) se pueden calcular y dividir para obtener la razón de probabilidades de exposición, OR. Para los casos, la probabilidad de exposición es c₁ / c₀, y para los controles es n₁ / n₀. La estimación del OR es entonces:

Si se han expuesto relativamente más casos que controles, el OR es superior a 1 y viceversa. Los intervalos de confianza deben calcularse y proporcionarse para el OR, de la misma manera que para el RR.

A modo de ejemplo adicional, un centro de salud ocupacional de una gran empresa atiende a 8,000 empleados expuestos a una variedad de polvos y otros agentes químicos. Estamos interesados ​​en la conexión entre la exposición al polvo mixto y la bronquitis crónica. El estudio implica el seguimiento de esta población durante un año. Hemos fijado como criterio diagnóstico de bronquitis crónica “tos matutina y producción de flemas durante tres meses durante dos años consecutivos”. Los criterios para la exposición “positiva” al polvo se definen antes de que comience el estudio. Cada paciente que acude al centro de salud y cumple estos criterios durante un período de un año es un caso, y el siguiente paciente que consulta por problemas no pulmonares se define como un control. Suponga que se inscriben 100 casos y 100 controles durante el período de estudio. Sean 40 casos y 15 controles clasificados como expuestos al polvo. Después

c₁ = 40, c₀ = 60, n₁ = 15, y n₀ = 85.

En consecuencia,

En el ejemplo anterior, no se ha considerado la posibilidad de confusión, que puede conducir a una distorsión del OR debido a diferencias sistemáticas entre casos y controles en una variable como la edad. Una forma de reducir este sesgo es hacer coincidir los controles con los casos según la edad u otros factores sospechosos. Esto da como resultado un diseño de datos que se muestra en la tabla 3.

Tabla 3. Diseño de los datos de casos y controles si un control se empareja con cada caso

El análisis se centra en los pares discordantes: es decir, “caso expuesto, control no expuesto” (f_{+ -}); y “caso no expuesto, control expuesto” (f_–+). Cuando ambos miembros de un par están expuestos o no, el par no se tiene en cuenta. El OR en un diseño de estudio de pares emparejados se define como

En un estudio sobre la asociación entre el cáncer nasal y la exposición al polvo de madera, hubo en total 164 pares de casos y controles. En solo un par, tanto el caso como el control habían estado expuestos, y en 150 pares, ni el caso ni el control habían estado expuestos. Estos pares no se consideran más. El caso, pero no el control, había sido expuesto en 12 pares, y el control, pero no el caso, en un par. Por eso,

y debido a que la unidad no está incluida en este intervalo, el resultado es estadísticamente significativo, es decir, existe una asociación estadísticamente significativa entre el cáncer nasal y la exposición al polvo de madera.

Los estudios de casos y controles son más eficientes que los estudios de cohortes cuando el la enfermedad es rara; de hecho, pueden proporcionar la única opción. Sin embargo, las enfermedades comunes también se pueden estudiar con este método. Si el la exposición es rara, una cohorte basada en la exposición es el diseño epidemiológico preferible o el único factible. Por supuesto, también se pueden realizar estudios de cohortes sobre exposiciones comunes. La elección entre diseños de cohortes y de casos y controles cuando tanto la exposición como la enfermedad son comunes suele decidirse teniendo en cuenta consideraciones de validez.

Debido a que los estudios de casos y controles se basan en datos de exposición retrospectivos, generalmente basados ​​en el recuerdo de los participantes, su punto débil es la inexactitud y la crudeza de la información de exposición, lo que resulta en el enmascaramiento del efecto a través de no diferencial Clasificación errónea (simétrica) del estado de exposición. Además, a veces el recuerdo puede ser asimétrico entre casos y controles, los casos generalmente se cree que recuerdan "mejor" (es decir, sesgo de recuerdo).

El recuerdo selectivo puede causar un sesgo que magnifica el efecto a través de diferencial clasificación errónea (asimétrica) del estado de exposición. Las ventajas de los estudios de casos y controles radican en su rentabilidad y su capacidad para proporcionar una solución a un problema con relativa rapidez. Debido a la estrategia de muestreo, permiten la investigación de poblaciones objetivo muy grandes (p. ej., a través de registros nacionales de cáncer), aumentando así el poder estadístico del estudio. En países donde la legislación de protección de datos o la falta de buenos registros de población y morbilidad dificulta la ejecución de estudios de cohortes, los estudios de casos y controles en hospitales pueden ser la única forma práctica de realizar investigaciones epidemiológicas.

Muestreo de casos y controles dentro de una cohorte (diseños de estudios de casos y controles anidados)

También se puede diseñar un estudio de cohorte para muestreo en lugar de seguimiento completo. Este diseño se ha llamado anteriormente un estudio de casos y controles "anidado". Un enfoque de muestreo dentro de la cohorte establece diferentes requisitos sobre la elegibilidad de la cohorte, porque ahora las comparaciones se realizan dentro de la misma cohorte. Por lo tanto, esto debería incluir no solo a los trabajadores muy expuestos, sino también a los trabajadores menos expuestos e incluso a los no expuestos, a fin de proporcionar contrastes de exposicion dentro de sí mismo Es importante darse cuenta de esta diferencia en los requisitos de elegibilidad al ensamblar la cohorte. Si primero se lleva a cabo un análisis de cohorte completo en una cohorte cuyos criterios de elegibilidad se basaban en una exposición "mucha", y luego se realiza un estudio de casos y controles "anidado" en la misma cohorte, el estudio se vuelve insensible. Esto introduce un efecto de enmascaramiento porque los contrastes de exposición son insuficientes "por diseño" en virtud de la falta de variabilidad en la experiencia de exposición entre los miembros de la cohorte.

Sin embargo, siempre que la cohorte tenga una amplia gama de experiencias de exposición, el enfoque de casos y controles anidados es muy atractivo. Uno reúne todos los casos que surgieron en la cohorte durante el período de seguimiento para formar la serie de casos, mientras que sólo un muestra de los no casos se dibuja para la serie de control. Luego, los investigadores, como en el diseño tradicional de casos y controles, recopilan información detallada sobre la experiencia de exposición entrevistando casos y controles (o sus parientes cercanos), examinando las listas de personal de los empleadores, construyendo un matriz de exposición laboral, o combinando dos o más de estos enfoques. Los controles pueden combinarse con los casos o pueden tratarse como una serie independiente.

El enfoque de muestreo puede ser menos costoso en comparación con la obtención de información exhaustiva sobre cada miembro de la cohorte. En particular, debido a que solo se estudia una muestra de controles, se pueden dedicar más recursos a la evaluación detallada y precisa de la exposición para cada caso y control. Sin embargo, prevalecen los mismos problemas de poder estadístico que en los estudios de cohortes clásicos. Para lograr un poder estadístico adecuado, la cohorte siempre debe estar compuesta por un número “adecuado” de casos expuestos según la magnitud del riesgo que se deba detectar.

Diseños de estudios transversales

En un sentido científico, un diseño transversal es una muestra transversal de la población de estudio, sin tener en cuenta el tiempo. Tanto la exposición como la morbilidad (prevalencia) se miden en el mismo momento.

Desde el punto de vista etiológico, el diseño de este estudio es débil, en parte porque se trata de prevalencia en lugar de incidencia. La prevalencia es una medida compuesta, que depende tanto de la incidencia como de la duración de la enfermedad. Esto también restringe el uso de estudios transversales a enfermedades de larga duración. Más grave aún es el fuerte sesgo negativo causado por la eliminación dependiente de la salud del grupo expuesto de aquellas personas más sensibles a los efectos de la exposición. Por lo tanto, los problemas etiológicos se resuelven mejor mediante diseños longitudinales. De hecho, los estudios transversales no permiten sacar conclusiones sobre si la exposición precedió a la enfermedad o viceversa. La sección transversal es etiológicamente significativa solo si existe una verdadera relación de tiempo entre la exposición y el resultado, lo que significa que la exposición actual debe tener efectos inmediatos. Sin embargo, la exposición puede medirse transversalmente de modo que represente un período de tiempo pasado más largo (p. ej., el nivel de plomo en sangre), mientras que la medida de resultado es una de prevalencia (p. ej., velocidades de conducción nerviosa). El estudio entonces es una mezcla de un diseño longitudinal y transversal en lugar de una mera sección transversal de la población de estudio.

Encuestas descriptivas transversales

Las encuestas transversales suelen ser útiles para fines prácticos y administrativos, más que científicos. Los principios epidemiológicos se pueden aplicar a las actividades de vigilancia sistemática en el ámbito de la salud ocupacional, tales como:

• observación de morbilidad en relación con la ocupación, el área de trabajo o ciertas exposiciones

• encuestas periódicas a los trabajadores expuestos a riesgos laborales conocidos

• examen de los trabajadores que entran en contacto con nuevos riesgos para la salud

• programas de vigilancia biológica

• encuestas de exposición para identificar y cuantificar los peligros

• programas de selección de diferentes grupos de trabajadores

• evaluar la proporción de trabajadores que necesitan prevención o control periódico (p. ej., presión arterial, cardiopatía coronaria).

Es importante elegir indicadores de morbilidad representativos, válidos y específicos para todo tipo de encuestas. Una encuesta o un programa de cribado puede utilizar solo un número bastante pequeño de pruebas, en contraste con el diagnóstico clínico, y por lo tanto, el valor predictivo de la prueba de cribado es importante. Los métodos insensibles no logran detectar la enfermedad de interés, mientras que los métodos altamente sensibles producen demasiados resultados falsos positivos. No vale la pena buscar enfermedades raras en un entorno laboral. Todas las actividades de búsqueda de casos (es decir, detección) también requieren un mecanismo para atender a las personas que tienen hallazgos “positivos”, tanto en términos de diagnóstico como de terapia. De lo contrario, solo se producirá frustración con la posibilidad de que surja más daño que bien.

Atrás

La necesidad de validez

La epidemiología tiene como objetivo proporcionar una comprensión de la experiencia de la enfermedad en las poblaciones. En particular, se puede utilizar para obtener información sobre las causas ocupacionales de la mala salud. Este conocimiento proviene de estudios realizados en grupos de personas que padecen una enfermedad comparándolos con personas sin esa enfermedad. Otro enfoque es examinar qué enfermedades adquieren las personas que trabajan en ciertos trabajos con exposiciones particulares y comparar estos patrones de enfermedad con los de las personas que no están expuestas de manera similar. Estos estudios proporcionan estimaciones del riesgo de enfermedad para exposiciones específicas. Para que la información de dichos estudios se utilice para establecer programas de prevención, para el reconocimiento de enfermedades profesionales y para que los trabajadores afectados por las exposiciones sean debidamente compensados, estos estudios deben ser válidos.

Validez se puede definir como la capacidad de un estudio para reflejar el estado real de las cosas. Por lo tanto, un estudio válido es aquel que mide correctamente la asociación (ya sea positiva, negativa o ausente) entre una exposición y una enfermedad. Describe la dirección y la magnitud de un riesgo real. Se distinguen dos tipos de validez: la validez interna y la externa. La validez interna es la capacidad de un estudio para reflejar lo que realmente sucedió entre los sujetos del estudio; la validez externa refleja lo que podría ocurrir en la población.

La validez se relaciona con la veracidad de una medida. La validez debe distinguirse de la precisión de la medición, que es una función del tamaño del estudio y la eficiencia del diseño del estudio.

Validez interna

Se dice que un estudio es válido internamente cuando está libre de sesgos y, por lo tanto, refleja verdaderamente la asociación entre exposición y enfermedad que existe entre los participantes del estudio. Un riesgo de enfermedad observado en asociación con una exposición puede ser el resultado de una asociación real y, por lo tanto, ser válido, pero también puede reflejar la influencia de sesgos. Un sesgo dará una imagen distorsionada de la realidad.

Tres tipos principales de sesgos, también llamados errores sistemáticos, se suelen distinguir:

• Sesgo de selección
• sesgo de información o de observación
• confuso

Se presentarán brevemente a continuación, usando ejemplos del ámbito de la salud ocupacional.

Sesgo de selección

El sesgo de selección ocurrirá cuando la entrada en el estudio esté influenciada por el conocimiento del estado de exposición del posible participante del estudio. Por lo tanto, este problema se encuentra solo cuando la enfermedad ya se ha presentado en el momento (antes) de que la persona ingrese al estudio. Por lo general, en el entorno epidemiológico, esto sucederá en estudios de casos y controles o en estudios de cohortes retrospectivos. Esto significa que es más probable que una persona sea considerada un caso si se sabe que ha estado expuesta. Tres conjuntos de circunstancias pueden conducir a tal evento, que también dependerán de la gravedad de la enfermedad.

Sesgo de autoselección

Esto puede ocurrir cuando las personas que saben que han estado expuestas en el pasado a productos nocivos conocidos o que se cree, y que están convencidas de que su enfermedad es el resultado de la exposición, consultan a un médico por síntomas que otras personas, no tan expuestas, podrían haber ignorado. Esto es particularmente probable que suceda en el caso de enfermedades que tienen pocos síntomas perceptibles. Un ejemplo puede ser la pérdida prematura del embarazo o el aborto espontáneo entre enfermeras que manejan medicamentos utilizados para el tratamiento del cáncer. Estas mujeres son más conscientes que la mayoría de la fisiología reproductiva y, al estar preocupadas por su capacidad para tener hijos, es más probable que reconozcan o etiqueten como un aborto espontáneo lo que otras mujeres solo considerarían como un retraso en el inicio de la menstruación. Otro ejemplo de un estudio de cohorte retrospectivo, citado por Rothman (1986), involucra un estudio de leucemia de los Centros para el Control de Enfermedades entre las tropas que habían estado presentes durante una prueba atómica estadounidense en Nevada. De las tropas presentes en el sitio de prueba, el 76% fue rastreado y constituyó la cohorte. De estos, el 82 % fueron encontrados por los investigadores, pero un 18 % adicional contactó a los propios investigadores después de escuchar la publicidad sobre el estudio. Hubo cuatro casos de leucemia entre el 82 % rastreado por los CDC y cuatro casos entre el 18 % autorreferido. Esto sugiere fuertemente que la capacidad de los investigadores para identificar a las personas expuestas estaba relacionada con el riesgo de leucemia.

Sesgo de diagnóstico

Esto ocurrirá cuando sea más probable que los médicos diagnostiquen una determinada enfermedad una vez que sepan a qué ha estado expuesto previamente el paciente. Por ejemplo, cuando la mayoría de las pinturas eran a base de plomo, un síntoma de enfermedad de los nervios periféricos llamado neuritis periférica con parálisis también se conocía como “caída de la muñeca” de los pintores. Conocer la ocupación del paciente facilitó el diagnóstico de la enfermedad incluso en sus primeras etapas, mientras que la identificación del agente causal sería mucho más difícil en los participantes de la investigación que no se sabe que están expuestos ocupacionalmente al plomo.

Sesgo resultante de la negativa a participar en un estudio

Cuando se les pide a las personas, sanas o enfermas, que participen en un estudio, varios factores juegan un papel para determinar si estarán de acuerdo o no. La disposición a responder cuestionarios de extensión variable, que en ocasiones indagan sobre temas delicados, y más aún para donar sangre u otras muestras biológicas, puede estar determinada por el grado de interés propio que tenga la persona. Alguien que es consciente de una posible exposición pasada puede estar dispuesto a cumplir con esta consulta con la esperanza de que ayude a encontrar la causa de la enfermedad, mientras que alguien que considera que no ha estado expuesto a nada peligroso o que no está interesado en su conocimiento, podrá declinar la invitación a participar en el estudio. Esto puede conducir a una selección de aquellas personas que finalmente serán los participantes del estudio en comparación con todos los que podrían haberlo sido.

Sesgo de información

Esto también se denomina sesgo de observación y se refiere al resultado de la enfermedad en los estudios de seguimiento y la evaluación de la exposición en los estudios de casos y controles.

Evaluación diferencial de resultados en estudios prospectivos de seguimiento (cohorte)

Se definen dos grupos al comienzo del estudio: un grupo expuesto y un grupo no expuesto. Surgirán problemas de sesgo diagnóstico si la búsqueda de casos difiere entre estos dos grupos. Por ejemplo, considere una cohorte de personas expuestas a una liberación accidental de dioxinas en una industria determinada. Para el grupo altamente expuesto, se establece un sistema de seguimiento activo con exámenes médicos y monitoreo biológico a intervalos regulares, mientras que el resto de la población activa recibe solo atención de rutina. Es muy probable que se identifiquen más enfermedades en el grupo bajo estrecha vigilancia, lo que conduciría a una posible sobreestimación del riesgo.

Pérdidas diferenciales en estudios de cohortes retrospectivos

El mecanismo inverso al descrito en el párrafo anterior puede ocurrir en estudios de cohortes retrospectivos. En estos estudios, la forma habitual de proceder es partir de los expedientes de todas las personas que han estado empleadas en un determinado sector en el pasado, y evaluar la enfermedad o mortalidad posterior al empleo. Desafortunadamente, en casi todos los estudios los archivos están incompletos, y el hecho de que una persona esté desaparecida puede estar relacionado con el estado de exposición o con el estado de enfermedad o con ambos. Por ejemplo, en un estudio reciente realizado en la industria química en trabajadores expuestos a aminas aromáticas, se encontraron ocho tumores en un grupo de 777 trabajadores a los que se les había realizado un cribado citológico de tumores urinarios. En total, solo faltaban 34 registros, lo que corresponde a una pérdida del 4.4 % del archivo de evaluación de exposición, pero para los casos de cáncer de vejiga, faltaban datos de exposición en dos casos de ocho, o el 25 %. Esto muestra que los archivos de las personas que se convirtieron en casos tenían más probabilidades de perderse que los archivos de otros trabajadores. Esto puede ocurrir debido a cambios de trabajo más frecuentes dentro de la empresa (lo que puede estar relacionado con efectos de exposición), renuncia, despido o mera casualidad.

Evaluación diferencial de la exposición en estudios de casos y controles

En los estudios de casos y controles, la enfermedad ya se ha producido al comienzo del estudio y se buscará información sobre las exposiciones en el pasado. El sesgo puede resultar de la actitud del entrevistador o del participante del estudio hacia la investigación. La información generalmente es recopilada por entrevistadores capacitados que pueden o no estar al tanto de la hipótesis que subyace a la investigación. Por ejemplo, en un estudio de casos y controles basado en la población de cáncer de vejiga realizado en una región altamente industrializada, el personal del estudio bien puede ser consciente del hecho de que ciertas sustancias químicas, como las aminas aromáticas, son factores de riesgo para el cáncer de vejiga. Si también saben quién ha desarrollado la enfermedad y quién no, es probable que realicen entrevistas más detalladas con los participantes que tienen cáncer de vejiga que con los controles. Pueden insistir en información más detallada de ocupaciones pasadas, buscando sistemáticamente la exposición a aminas aromáticas, mientras que para los controles pueden registrar las ocupaciones de una manera más rutinaria. El sesgo resultante se conoce como sesgo de sospecha de exposición.

Los propios participantes también pueden ser responsables de tal sesgo. Se llama sesgo de recuerdo para distinguirlo del sesgo del entrevistador. Ambos tienen la sospecha de exposición como mecanismo del sesgo. Las personas enfermas pueden sospechar un origen laboral de su enfermedad y por ello intentarán recordar con la mayor precisión posible todos los agentes peligrosos a los que pueden haber estado expuestos. En el caso de manipular productos no definidos, pueden estar inclinados a recordar los nombres de productos químicos precisos, particularmente si se les proporciona una lista de productos sospechosos. Por el contrario, es menos probable que los controles pasen por el mismo proceso de pensamiento.

Confuso

Existe confusión cuando la asociación observada entre la exposición y la enfermedad es en parte el resultado de una mezcla del efecto de la exposición en estudio y otro factor. Digamos, por ejemplo, que estamos encontrando un mayor riesgo de cáncer de pulmón entre los soldadores. Estamos tentados a concluir inmediatamente que existe una asociación causal entre la exposición a los humos de soldadura y el cáncer de pulmón. Sin embargo, también sabemos que fumar es, con diferencia, el principal factor de riesgo del cáncer de pulmón. Por lo tanto, si hay información disponible, comenzamos a verificar el estado de tabaquismo de los soldadores y otros participantes del estudio. Podemos encontrar que los soldadores son más propensos a fumar que los no soldadores. En esa situación, se sabe que fumar está asociado con el cáncer de pulmón y, al mismo tiempo, en nuestro estudio también se encuentra que fumar está asociado con ser soldador. En términos epidemiológicos, esto significa que fumar, relacionado tanto con el cáncer de pulmón como con la soldadura, está confundiendo la asociación entre la soldadura y el cáncer de pulmón.

Modificación de interacción o efecto

A diferencia de todos los problemas enumerados anteriormente, a saber, la selección, la información y la confusión, que son sesgos, la interacción no es un sesgo debido a problemas en el diseño o análisis del estudio, sino que refleja la realidad y su complejidad. Un ejemplo de este fenómeno es el siguiente: la exposición al radón es un factor de riesgo para el cáncer de pulmón, al igual que el tabaquismo. Además, fumar y la exposición al radón tienen diferentes efectos sobre el riesgo de cáncer de pulmón dependiendo de si actúan juntos o de forma aislada. La mayoría de los estudios ocupacionales sobre este tema se han realizado entre mineros subterráneos y, en ocasiones, han arrojado resultados contradictorios. En general, parece haber argumentos a favor de una interacción entre el tabaquismo y la exposición al radón en la producción de cáncer de pulmón. Esto significa que el riesgo de cáncer de pulmón aumenta con la exposición al radón, incluso en los no fumadores, pero que el tamaño del aumento del riesgo por el radón es mucho mayor entre los fumadores que entre los no fumadores. En términos epidemiológicos, decimos que el efecto es multiplicativo. A diferencia de la confusión, descrita anteriormente, la interacción debe analizarse y describirse cuidadosamente en el análisis en lugar de simplemente controlarse, ya que refleja lo que sucede a nivel biológico y no es simplemente una consecuencia de un diseño de estudio deficiente. Su explicación conduce a una interpretación más válida de los hallazgos de un estudio.

Validez externa

Este problema solo se puede abordar después de asegurarse de que la validez interna esté asegurada. Si estamos convencidos de que los resultados observados en el estudio reflejan asociaciones que son reales, podemos preguntarnos si podemos o no extrapolar estos resultados a la población más grande de la que se extrajeron los propios participantes del estudio, o incluso a otras poblaciones que son idénticas. o al menos muy similar. La pregunta más común es si los resultados obtenidos para los hombres también se aplican a las mujeres. Durante años, los estudios y, en particular, las investigaciones de epidemiología laboral se han realizado exclusivamente entre hombres. Los estudios entre químicos realizados en las décadas de 1960 y 1970 en los Estados Unidos, el Reino Unido y Suecia encontraron un mayor riesgo de cánceres específicos, a saber, leucemia, linfoma y cáncer de páncreas. En base a lo que sabíamos de los efectos de la exposición a solventes y algunos otros químicos, ya podríamos haber deducido en ese momento que el trabajo de laboratorio también implicaba un riesgo cancerígeno para las mujeres. De hecho, se demostró que este era el caso cuando finalmente se publicó el primer estudio entre mujeres químicas a mediados de la década de 1980, que encontró resultados similares a los de los hombres. Vale la pena señalar que otros cánceres en exceso encontrados fueron los tumores de mama y ovario, tradicionalmente considerados como relacionados solo con factores endógenos o de reproducción, pero en los que los factores ambientales sospechados recientemente, como los pesticidas, pueden desempeñar un papel. Se necesita trabajar mucho más en los determinantes ocupacionales de los cánceres femeninos.

Estrategias para un estudio válido

Nunca puede existir un estudio perfectamente válido, pero corresponde al investigador tratar de evitar, o al menos minimizar, tantos sesgos como sea posible. A menudo, esto se puede hacer mejor en la etapa de diseño del estudio, pero también se puede llevar a cabo durante el análisis.

Diseño del estudio

El sesgo de selección e información solo se puede evitar mediante el diseño cuidadoso de un estudio epidemiológico y la implementación escrupulosa de todas las pautas diarias subsiguientes, incluida la atención meticulosa a la garantía de calidad, para la realización del estudio en condiciones de campo. La confusión se puede tratar en la etapa de diseño o de análisis.

Selección

Los criterios para considerar a un participante como un caso deben definirse explícitamente. Uno no puede, o al menos no debe, intentar estudiar condiciones clínicas mal definidas. Una forma de minimizar el impacto que puede tener el conocimiento de la exposición en la evaluación de la enfermedad es incluir solo los casos graves que se habrían diagnosticado independientemente de cualquier información sobre la historia del paciente. En el campo del cáncer, los estudios a menudo se limitarán a casos con prueba histológica de la enfermedad para evitar la inclusión de lesiones borderline. Esto también significará que los grupos bajo estudio están bien definidos. Por ejemplo, es bien conocido en la epidemiología del cáncer que los cánceres de diferentes tipos histológicos dentro de un órgano dado pueden tener factores de riesgo diferentes. Si el número de casos es suficiente, es mejor separar el adenocarcinoma de pulmón del carcinoma de células escamosas de pulmón. Cualesquiera que sean los criterios finales para participar en el estudio, siempre deben estar claramente definidos y descritos. Por ejemplo, se debe indicar el código exacto de la enfermedad utilizando la Clasificación Internacional de Enfermedades (CIE) y también, para el cáncer, la Clasificación Internacional de Enfermedades-Oncología (CIE-O).

Se deben hacer esfuerzos una vez que se especifican los criterios para maximizar la participación en el estudio. La decisión de negarse a participar casi nunca se toma al azar y, por lo tanto, conduce a un sesgo. En primer lugar, los estudios deben presentarse a los médicos que atienden a los pacientes. Se necesita su aprobación para acercarse a los pacientes y, por lo tanto, habrá que convencerlos para que apoyen el estudio. Un argumento que suele ser persuasivo es que el estudio es de interés para la salud pública. Sin embargo, en esta etapa es mejor no discutir la hipótesis exacta que se está evaluando para evitar influenciar indebidamente a los médicos involucrados. No se debe pedir a los médicos que asuman tareas adicionales; es más fácil convencer al personal de salud para que preste su apoyo a un estudio si los investigadores del estudio proporcionan los medios para llevar a cabo cualquier tarea adicional, además de la atención de rutina, necesaria para el estudio. Los entrevistadores y los extractores de datos deben desconocer el estado de la enfermedad de sus pacientes.

Se debe prestar una atención similar a la información proporcionada a los participantes. El objetivo del estudio debe describirse en términos amplios y neutrales, pero también debe ser convincente y persuasivo. Es importante que los temas de confidencialidad e interés para la salud pública se entiendan completamente evitando la jerga médica. En la mayoría de los entornos, el uso de incentivos financieros o de otro tipo no se considera apropiado, aunque se debe proporcionar una compensación por cualquier gasto en el que pueda incurrir un participante. Por último, pero no menos importante, la población en general debe tener suficientes conocimientos científicos para comprender la importancia de dicha investigación. Tanto los beneficios como los riesgos de la participación deben explicarse a cada posible participante cuando necesite completar cuestionarios y/o proporcionar muestras biológicas para almacenamiento y/o análisis. No se debe ejercer coerción para obtener el consentimiento previo y plenamente informado. Cuando los estudios se basen exclusivamente en registros, se debe obtener la aprobación previa de las agencias responsables de garantizar la confidencialidad de dichos registros. En estos casos, por lo general se puede renunciar al consentimiento del participante individual. En cambio, será suficiente la aprobación de los funcionarios del sindicato y del gobierno. Las investigaciones epidemiológicas no son una amenaza para la vida privada de un individuo, pero son una ayuda potencial para mejorar la salud de la población. Se necesitará la aprobación de una junta de revisión institucional (o comité de revisión de ética) antes de la realización de un estudio, y ellos esperarán gran parte de lo establecido anteriormente para su revisión.

Información

En los estudios prospectivos de seguimiento, los medios para evaluar la enfermedad o el estado de mortalidad deben ser idénticos para los participantes expuestos y no expuestos. En particular, no se deben usar diferentes fuentes, como solo verificar en un registro central de mortalidad para los participantes no expuestos y usar una vigilancia activa intensiva para los participantes expuestos. Del mismo modo, la causa de la muerte debe obtenerse de manera estrictamente comparable. Esto significa que si se utiliza un sistema para obtener acceso a documentos oficiales para la población no expuesta, que a menudo es la población en general, nunca se debe planear obtener información aún más precisa a través de registros médicos o entrevistas a los propios participantes o a sus familias para el subgrupo expuesto.

En los estudios de cohortes retrospectivos, se deben hacer esfuerzos para determinar qué tan cerca se compara la población en estudio con la población de interés. Se debe tener cuidado con las posibles pérdidas diferenciales en los grupos expuestos y no expuestos al utilizar diversas fuentes relacionadas con la composición de la población. Por ejemplo, puede ser útil comparar las listas de nómina con las listas de afiliados a sindicatos u otras listas profesionales. Las discrepancias deben conciliarse y debe seguirse estrictamente el protocolo adoptado para el estudio.

En los estudios de casos y controles, existen otras opciones para evitar sesgos. Los entrevistadores, el personal del estudio y los participantes del estudio no necesitan conocer la hipótesis precisa que se está estudiando. Si no conocen la asociación que se está probando, es menos probable que intenten dar la respuesta esperada. Mantener al personal del estudio en la oscuridad en cuanto a la hipótesis de la investigación es, de hecho, muy poco práctico. El entrevistador casi siempre conocerá las exposiciones de mayor interés potencial, así como quién es un caso y quién es un control. Por tanto, tenemos que confiar en su honestidad y también en su formación en metodología básica de la investigación, que debe formar parte de su formación profesional; la objetividad es el sello distintivo en todas las etapas de la ciencia.

Es más fácil no informar a los participantes del estudio del objeto exacto de la investigación. Las buenas explicaciones básicas sobre la necesidad de recopilar datos para tener una mejor comprensión de la salud y la enfermedad suelen ser suficientes y satisfarán las necesidades de la revisión ética.

Confuso

La confusión es el único sesgo que se puede tratar en la etapa de diseño del estudio o, siempre que se disponga de información adecuada, en la etapa de análisis. Si, por ejemplo, se considera que la edad es un factor de confusión potencial de la asociación de interés porque la edad está asociada con el riesgo de enfermedad (es decir, el cáncer se vuelve más frecuente en la vejez) y también con la exposición (las condiciones de exposición varían con la edad o la edad). con factores relacionados con la edad, como la calificación, el puesto de trabajo y la duración del empleo), existen varias soluciones. La más simple es limitar el estudio a un rango de edad específico; por ejemplo, inscribir solo a hombres caucásicos de 40 a 50 años. Esto brindará elementos para un análisis simple, pero también tendrá la desventaja de limitar la aplicación de los resultados a una sola persona. sexo edad/grupo racial. Otra solución es hacer coincidir la edad. Esto significa que para cada caso se necesita un referente de la misma edad. Esta es una idea atractiva, pero hay que tener en cuenta la posible dificultad de cumplir con este requisito a medida que aumenta el número de factores coincidentes. Además, una vez que se ha emparejado un factor, se vuelve imposible evaluar su papel en la aparición de la enfermedad. La última solución es tener suficiente información sobre posibles factores de confusión en la base de datos del estudio para verificarlos en el análisis. Esto se puede hacer a través de un análisis estratificado simple o con herramientas más sofisticadas como el análisis multivariado. Sin embargo, debe recordarse que el análisis nunca podrá compensar un estudio mal diseñado o realizado.

Conclusión

La posibilidad de que se produzcan sesgos en la investigación epidemiológica está establecida desde hace mucho tiempo. Esto no era una gran preocupación cuando las asociaciones que se estudiaban eran fuertes (como es el caso del tabaquismo y el cáncer de pulmón) y, por lo tanto, cierta inexactitud no causaba un problema demasiado grave. Sin embargo, ahora que ha llegado el momento de evaluar los factores de riesgo más débiles, la necesidad de mejores herramientas se vuelve primordial. Esto incluye la necesidad de diseños de estudio excelentes y la posibilidad de combinar las ventajas de varios diseños tradicionales, como los estudios de casos y controles o de cohortes, con enfoques más innovadores, como los estudios de casos y controles anidados dentro de una cohorte. Además, el uso de biomarcadores puede proporcionar los medios para obtener evaluaciones más precisas de las exposiciones actuales y posiblemente pasadas, así como de las primeras etapas de la enfermedad.

Atrás