Fletcher- Epidemiología clínica 6.ed

104

Epidemiología clínica

TA B L A 6 - 6 Métodos para controlar la confusión Aleatorización

Asignar a los pacientes en grupos de manera que cada paciente tenga la misma probabilidad de estar en uno u otro grupo Limitar el rango de las características de los pacientes en el estudio Para cada paciente en un grupo, seleccione uno o más pacientes con las mismas características (excepto para la que se está estudiando) para un grupo de comparación Comparar las tasas en subgrupos (estratos) que por lo demás tienen la misma probabilidad de presentar el resultado Ajustar las tasas crudas matemáticamente para una o unas cuantas características para darle la misma ponderación a estratos de riesgo similar

+

Restricción Pareamiento

+ +

+

Estratificación

+

+

Ajuste simple

Ajuste multivariado Ajustar las diferencias en un gran número de factores relacionados con el resultado, usando técnicas de modelado matemático

+

+

Análisis del mejor caso/peor caso

Describe qué tan diferentes podrían ser los resultados bajo el supuesto más extremo (o simplemente muy poco probable) sobre el sesgo de selección

Pareamiento El pareamiento o emparejamiento es otra forma de hacer que los pacientes de dos grupos sean similares. En su forma más simple, para cada paciente en el grupo expuesto, se seleccionarían uno o más pacientes con las mismas características (exceptuando el factor de interés) en el grupo de comparación. El pareamiento suele reali- zarse en las variables que están fuertemente relacionadas con el resultado, por lo que los investigadores quieren ase- gurarse de que no son diferentes en los grupos que serán comparados. Con frecuencia, los pacientes se parean por edad y sexo, porque estas variables están fuertemente rela- cionadas con el riesgo o el pronóstico de muchas enfer- medades, pero también puede ser útil el pareamiento para otras variables, como la etapa o la gravedad de la en- fermedad y los tratamientos previos. Aunque el pareamiento es frecuente y puede ser muy útil, tiene sus limitaciones. El pareamiento controla los sesgos solo para las variables involucradas. Además, a menudo no es posible el pareamiento de más de unas pocas variables por las dificultades prácticas para encon- trar pacientes que cumplan con todos los criterios del pareamiento. Por otro lado, si las categorías del parea- miento son relativamente crudas, puede haber lugar para diferencias sustanciales entre los grupos pareados. Por ejemplo, si las mujeres de un estudio sobre el riesgo de tener un hijo con síndrome de Down fueran parea- das según la edad materna con un intervalo de 10 años, podría haber una diferencia en la frecuencia de casi 10 veces relacionada con la edad, si la mayoría de las mujeres de un grupo tuvieran 30 años y la mayoría de las del otro grupo tuvieran 39 años. Por último, al igual

que en la restricción, una vez que se parea de acuerdo con una variable, ya no pueden evaluarse sus efectos sobre los resultados en el estudio. Por estas razones, aunque se pueden parear algunas características que tienen una relación especialmente fuerte con el resultado, los inves- tigadores también confían en otras formas para controlar el sesgo. Estratificación Con la estratificación , los datos se analizan y los resulta- dos se presentan de acuerdo con subgrupos de pacientes, o estratos, con un riesgo o pronóstico similar (aparte de la exposición de interés). Un ejemplo de este método es el análisis de las diferencias en la mortalidad hospitalaria para un procedimiento quirúrgico común, la cirugía de derivación coronaria (tabla 6-7). Esto es especialmente relevante hoy en día debido a varios ejemplos importantes sobre las «calificaciones» para los médicos y los hospitales, y la preocupación que las diferencias reportadas puedan estar relacionadas con el paciente en vez de ser caracte- rísticas del cirujano o del hospital. Supongamos que queremos comparar las tasas de mortalidad operatoria de la cirugía de derivación coro- naria en los hospitales A y B. En general, el hospital A informa de 48 muertes en 1 200 cirugías de derivación (4%) y el hospital B refiere 64 muertes en 2 400 ciru- gías (2.7%). Las tasas crudas sugieren que el hospital B es superior. Pero ¿realmente es superior si todo lo demás es igual? Quizá el riesgo preoperatorio entre los pacientes del hos- pital A fue mayor que en el hospital B y esto, en lugar de la atención hospitalaria, representó la diferencia entre las

SAMPLE