Fletcher- Epidemiología clínica 6.ed

105

Capítulo 6: Riesgo: exposición a la enfermedad

TA B L A 6 - 7 Ejemplo de estratificación: tasas de muerte hipotéticas tras una cirugía de revascularización coronaria en dos hospitales, clasificados por el riesgo prequirúrgico Riesgo preoperatorio Pacientes Muertes Tasa (%) Pacientes Muertes Tasa (%) Alto 500 30 6 400 24 6 Medio 400 16 4 800 32 4 Bajo 300 2 0.67 1200 8 0.67 Total 1200 48 4 2400 64 2.7

la ponderación: (500/1 200  ×  0.06)  +  (400/1 200  × 0.04) +  (300/1200 ×  0.0067) =  0.04. De forma similar, la tasa cruda para el hospital B es (400/2 400 ×  0.06) + (800/2 400 ×  0.04) + (1 200/2 400 ×  0.0067) =  0.027. Si utilizáramos la misma ponderación para comparar los dos hospitales, la comparación sería justa (libre del efecto de las diferentes proporciones en los diferentes gru- pos de riesgo). La decisión de ponderar no es significativa siempre y cuando sea la misma en los dos hospitales. La ponderación podría basarse en la que está presente en cualquiera de los dos hospitales o en una población de referencia. Por ejemplo, si a cada estrato se le asignara una ponderación de 1/3, la tasa estandarizada para el hospital A = (0.33 ×  0.06) + (0.33 ×  0.04) + (0.33 ×  0.0067) = 0.035, que es exactamente igual a la tasa estandarizada para el hospital B. La consecuencia de asignar la misma ponderación a los estratos de cada hospital es eliminar el riesgo aparentemente excesivo del hospital A. La estandarización se suele utilizar en comparaciones relativamente crudas para ajustar en base a una sola varia- ble como la edad, que obviamente difiere entre los grupos que serán comparados. Por ejemplo, los resultados cru- dos en el ejemplo del folato/enfermedad cerebrovascular se ajustaron según la edad, como se comentó antes. La estandarización tiene menor utilidad como una estrate- gia independiente para controlar la confusión cuando se deben considerar múltiples variables. Ajuste multivariado En la mayoría de las situaciones clínicas, muchas varia- bles actúan entre sí para producir efectos, manteniendo relaciones complejas. Pueden estar relacionadas entre sí y con el resultado de interés. El efecto de una podría modi- ficarse por la presencia de otras y los efectos conjuntos de dos o más variables pueden ser mayores que sus efectos individuales agrupados. El análisis multivariado permite considerar los efec- tos de muchas variables de manera simultánea. Otros términos para este método incluyen el modelado mate- mático y el ajuste multivariable. El modelado se utiliza para ajustar (controlar) los efectos de muchas variables de manera simultánea para determinar los efectos inde- pendientes de cada una. Este método también puede seleccionar, de una larga lista de variables, aquellas que

tasas de mortalidad. Para saber si esta posibilidad repre- senta la diferencia observada en las tasas de mortalidad, los pacientes de cada uno de estos hospitales son agru- pados en estratos con un riesgo preoperatorio similar en base a la edad, la función previa del miocardio, la exten- sión de la enfermedad oclusiva y otras características. Después se comparan las tasas de mortalidad operatoria en cada estrato de riesgo. La tabla 6-7 muestra que cuando se divide a los pacientes de acuerdo con el riesgo preoperatorio, las ta- sas de mortalidad operatoria en cada estrato de riesgo son idénticas en los dos hospitales: 6% en los pacientes de riesgo alto, 4% en los pacientes con riesgo moderado y 0.67% en los pacientes con riesgo bajo. Las tasas cru- das eran engañosas debido a diferencias importantes en las características de riesgo en los pacientes tratados en los dos hospitales: 42% de los pacientes del hospi- tal A y solo un 17% de los pacientes del hospital B tuvie- ron alto riesgo. Una ventaja de la estratificación es que se trata de una forma relativamente transparente de reconocer y contro- lar los sesgos. Estandarización Si una variable extraña tiene una relación especialmente fuerte con los resultados, es posible comparar dos tasas sin sesgos relacionados con esta variable si se ajustan, para igualar el peso que se le ha dado a esa variable. Este proceso, denominado estandarización (o ajuste), muestra cuál sería la tasa global para cada grupo si se aplicaran tasas específicas para cada estrato en una población compuesta por proporciones similares de per- sonas en cada estrato. Para ejemplificar este proceso, suponga que la morta- lidad operatoria en los hospitales A y B puede ajustarse a una distribución común de grupos de riesgo, asignando a cada estrato de riesgo la misma ponderación en los dos hospitales. Sin el ajuste, los estratos de riesgo recibirían diferente ponderación en los dos hospitales. La tasa de mortalidad del 6%para pacientes de alto riesgo recibe una ponderación de 500/1 200 en el hospital A y una pon- deración mucho menor de 400/2 400 en el hospital B. El resultado es una tasa cruda para el hospital A, que es la suma de la tasa en cada estrato multiplicado por

SAMPLE

Made with FlippingBook Learn more on our blog