Fletcher- Epidemiología clínica 6.ed

102

Epidemiología clínica

Descripciones simples sobre el riesgo Los estudios observacionales pueden no tener en cuenta estas otras variables y comparar simplemente el curso de la enfermedad en dos grupos de origen natural, uno ex- puesto al factor de riesgo o pronóstico mientras que el otro no, sin considerar que la propia exposición es res- ponsable de cualquier diferencia observada en el desen- lace. Las medidas crudas del efecto (no ajustadas en base a otras variables) pueden ser útiles para predecir aconte- cimientos sin importar las causas. Ejemplo Investigadores británicos siguieron una cohorte de 17981 niños diagnosticados con cáncer infantil antes de los 15 años (10). Después de un seguimiento hasta los 66 años, hubo 11 veces más muertes que las que habrían ocurrido en la población general. El excedente en la tasa de mortalidad disminuyó con la edad, pero 45 años después del diagnóstico de cáncer, la tasa de mortalidad aún era 3 veces mayor que la tasa esperada. Las muertes se debieron principalmente a otros cánce- res primarios y a enfermedades circulatorias. Los inves- tigadores no reunieron evidencia a favor o en contra de las muchas razones posibles para el excedente en las tasas de mortalidad, como los efectos del tratamiento con radiación y la quimioterapia, el riesgo genético y los factores de riesgo ambiental. No obstante, es útil saber que las tasas de mortalidad son mucho más altas, así como las causas de muerte, para planificar la atención de los adultos que ha sobrevivido a un cáncer en la infancia. En general, los investigadores quieren aportar más que las medidas crudas del efecto, y desean demostrar cómo se relaciona la exposición con la enfermedad, con inde­ pendencia del resto de las variables que pueden afectar a esta relación. Es decir, quieren acercarse lo más posible a describir la causa y el efecto. CONFUSIÓN La validez de los estudios observacionales se ve amena- zada sobre todo por la confusión . Ya hemos descrito la confusión en términos conceptuales en el capítulo 1, des- tacando que la confusión ocurre cuando la exposición se asocia o «viaja junto» a otra variable, que en sí misma se relaciona con el resultado, de modo que el efecto de la exposición puede confundirse con o distorsionarse por el efecto de la otra variable. La confusión causa un error sistemático —un sesgo— en la inferencia, por lo que los efectos de una variable se atribuyen a otra. Por ejemplo, en un estudio sobre si las vitaminas protegen contra epi- sodios cardiovasculares, si las personas que eligen tomar vitaminas también son más propensas a seguir un estilo de vida saludable (p. ej., no fumar cigarrillos, ejercitar, comer una dieta adecuada y evitar la obesidad), tomar vitaminas se asociaría con tasas más bajas de ECV, inde-

pendientemente de si las vitaminas protegen contra las ECV. La confusión puede aumentar o disminuir la aso- ciación observada entre la exposición y la enfermedad. Definición operativa Una variable de confusión es aquella que: ■■ Se asocia con la exposición. ■■ Se asocia con la enfermedad. ■■ No es parte de la cadena causal de la exposición a la enfermedad. La variable de confusión no puede estar en la cadena causal entre la exposición y la enfermedad; aunque las variables que están en la cadena necesariamente están relacionadas tanto con la exposición como con la enfer- medad, no son los episodios iniciales. (En ocasiones, estas variables se denominan resultados intermedios ). Si sus efectos fueran eliminados, esto también eliminaría cual- quier asociación que pudiera existir entre la exposición y la enfermedad. Por ejemplo, en un estudio sobre la dieta y la ECV, el colesterol sérico es consecuencia de la dieta; si el efecto del colesterol se eliminara, disminuiría de forma incorrecta la asociación entre la dieta y la ECV. En la práctica, mientras que las variables de confu­ sión (coloquialmente denominadas factores de con­ fusión ) pueden ser examinadas de una en una, por lo general muchas variables pueden confundir la relación entre la exposición y la enfermedad, por lo que todas son examinadas y controladas de forma concurrente. Posibles factores de confusión ¿Cómo decidir qué variables deben ser consideradas po­ sibles factores de confusión? Una estrategia es identificar todas las variables conocidas a partir de otros estudios que se asocian con la exposición o la enfermedad. La edad casi siempre es un candidato, pues es un factor de riesgo conocido para la enfermedad en cuestión. Otro método consiste en examinar las variables en los datos del estudio para determinar si existe asociación estadística con la exposición y la enfermedad, utilizando criterios liberales de «asociación» con el fin de no perder posibles factores de confusión. Los investigadores también pueden considerar variables que solo tienen sentido de acuerdo con su experiencia clínica o con la biología de la enfermedad, sin importar si existen estudios de investigación sólidos que los vinculen con la exposición o la enfermedad. La intención es tender una red amplia con el fin de no perder posibles factores de confusión. Esto se debe a la posibi­ lidad de que una variable pueda confundir la relación entre la exposición y la enfermedad por casualidad debido a los datos particulares disponibles, aunque no sea un factor de confusión natural. Confirmación de la confusión

¿Cómo decidir si una variable que podría confundir la relación entre la exposición y la enfermedad realmente lo hace? Un método es demostrar que la variable se asocia SAMPLE