Jarvis.Infecciones hospitalarias_7ed.

Capítulo 1 • Epidemiología de las infecciones relacionadas con la asistencia sanitaria 9

grupo de control seleccionado. 65 En general, se prefiere la se lección aleatoria de los controles. 53,54 Dos preocupaciones sobre el emparejamiento son que se necesitan técnicas estadísticas es peciales para los análisis emparejados y que, cuando se realiza el emparejamiento, no se pueden realizar comparaciones entre los pacientes de casos y de controles en los factores en los que se realizó el emparejamiento. 66 Más recientemente ha habido intentos de emparejamiento más sofisticados, utilizando el método de puntuación de pro pensión. Un artículo reciente en el que se comparaba este mé todo con los análisis multivariantes tradicionales para las ITH por Enterobacterales ilustraba algunos pros y contras de estos en foques. Las conclusiones del estudio fueron que, en general, el análisis de puntuación de propensión es un enfoque más favorable que el análisis de regresión tradicional a la hora de estimar los efectos causales utilizando datos observacionales. Sin embargo, como ocurre con todos los métodos analíticos que utilizan datos observacionales, seguirá habiendo confusión residual; solo pueden tenerse en cuenta las variables medidas. Además, el análisis de puntuación de propensión no compensa el diseño deficiente de los estudios ni la exactitud cuestionable de los datos. 67 La revisión de las historias clínicas de los pacientes debe iden tificar varias fuentes o factores de riesgo potenciales. En el estudio de casos y controles, se realiza una comparación de la presencia o ausencia de factores de riesgo entre los pacientes de los casos y los controles para ver si es más probable que alguna de estas exposi ciones esté presente en los casos, sugiriendo una asociación con el brote. El uso de formularios estandarizados de recolección de datos facilita la revisión sistemática de las exposiciones. Un escollo en algunos brotes sanitarios es que pueden reco gerse muchas exposiciones. Solo deben evaluarse las exposicio nes biológicamente aceptables. Como principio fundamental, si una exposición no está presente en al menos 30 o 40% de los casos, aunque sea más común entre los casos que entre los contro les, es poco probable que sea la fuente de un brote (riesgo atribui ble: cantidad o proporción de incidencia/riesgo de enfermedad que puede atribuirse a una exposición específica). 63,68,69 En este punto conviene repasar dos importantes principios estadísticos relacionados con los errores. El error de tipo I (error α ) se refiere a la conclusión de que existe una relación estadística cuando no es así. Esto puede ocurrir en un estudio de casos y controles cuando se evalúan muchos factores/exposi ciones. Con pruebas múltiples, puede encontrarse una relación estadísticamente significativa pero que represente un falso po sitivo. A menudo estas relaciones falso-positivas solo tienen una significación limítrofe (valores P cercanos al umbral estadís tico de 0.05) con magnitudes de asociación más débiles y falta de plausibilidad biológica. La conclusión es que hay que evitar examinar factores que no sean clínicamente relevantes o bioló gicamente aceptables, ya que se puede identificar una relación con solo realizar diversas pruebas con múltiples variables. 66,70 Para otros estudios no relacionados con brotes, lo mejor es hacer un plan de entrada en el que se recojan y analicen las variables para evitar este problema. Si se van a realizar compa raciones múltiples, hay formas de “corregir” esto, una de ellas es aumentar el umbral que se consideraría estadísticamente significativo (p. ej., aumentar P de < 0.05 a 0.1). 71 El error de tipo II (error β ) se refiere a concluir que un factor no está significativamente asociado con convertirse en un caso cuando, de hecho, sí lo está. Este error está relacionado con el concepto de potencia. La potencia es 1- β error. Estos conceptos se ven muy afectados por el tamaño de la muestra de un estudio. En un protocolo de investigación planificado, puede alistarse cierto número de casos y controles. En una situación de brote, el número de casos es limitado. Los brotes/estudios de IRAS pue den ser de menor escala y ciertas asociaciones pueden no alcan zar significación estadística; sin embargo, las tendencias pueden seguir teniendo significación clínica. 72

Otra área de controversia es durante cuánto tiempo deben re cogerse las variables de interés en los pacientes-caso y control. Esto debe definirse con claridad para quienes revisan las historias clíni cas. En una investigación de brotes en UCI, los datos de exposición se recopilaron para los pacientes de caso desde el ingreso en la unidad de cuidados intensivos quirúrgicos (UCIQ) hasta el día del diagnóstico de su ITH por Serratia marcescens ; para los controles fue desde la fecha de ingreso en la UCIQ hasta la mediana de tiempo en que los pacientes de caso desarrollaron su ITH por S. marcescens (7 días) o la fecha de alta de la UCIQ si la duración de la estancia de los controles fue < 7 días. El periodo de exposición de los pacientes y los controles debe ser similar. 63 Solo en el caso de los pacientes debe recogerse la exposición hasta el inicio de la enfermedad. Por ejemplo, la exposición a antimicrobianos para la adquisición de C. difficile debe recogerse para los días o semanas precedentes en lugar de años antes del inicio de la colonización. Del mismo modo, los datos de exposición deben recopilarse para un tiempo precedente biológicamente aceptable. Las exposiciones de control a los pacien tes de caso deben recogerse para un periodo similar, no para toda la hospitalización. De lo contrario, una diferencia observada en los pacientes puede atribuirse a periodos de exposición variables en los controles (desde el ingreso hasta el alta) frente a los pacientes (desde el ingreso hasta la aparición de la enfermedad). Los estudios de casos y controles solo determinan que los pa cientes tenían más probabilidades de haber estado expuestos a factores de riesgo que los controles. En estos estudios se puede calcular una proporción de probabilidades (PP), que estima el riesgo relativo (RR) y mide la fuerza de la asociación entre la enfermedad y la exposición/factor de riesgo (figura 1-2). 66,73

RESULTADO

Ausente (controles)

Presente (casos)

Presente (expuesto)

A

B

Ausente (no expuesto)

C

D

FACTOR

Riesgo relativo Riesgo de enfermedad entre los expuestos = A / (A+B) Riesgo de enfermedad entre los no expuestos = C/ (C+D)

A / (A+B) C / (C+D)

Riesgo relativo =

Proporción de probabilidades Probabilidades de exposición dada la enfermedad = A / C Probabilidades de exposición en ausencia de enfermedad = B / D

AD BC

A/C B/D

Proporción de probabilidades de enfermedad =

=

Relación entre riesgo relativo y proporción de probabilidades Cuando la enfermedad es rara, B>>A y D>>>C

Riesgo relativo = Copyright © 2024 Wolters Kluwer, Inc. Unauthorized reproduction of the content is prohibited. ~ = Proporción de probabilidades A / (A+B) C / (C+D) AD BC

Figura 1-2. Ejemplo de tabla de dos por dos y definiciones de medidas de efecto o asociación, riesgo relativo y proporción de proba bilidades. De Freeman J. Quantitative epidemiology. En: Herwaldt LA, Decker MD, eds. The Society for Healthcare Epidemiology of America—A Practical Handbook for Hospital Epidemiologists. Slack; 1998:205-213; De Gerber J. Epidemiologic methods in infection control. En: Lautenbach E, Malani P, Woeltje KF, Society for Healthcare Epidemiology of America, eds. Practical Healthcare Epidemiology . 4th ed. University of Chicago Press; 2018; Reimpresa de Gordis L. A pause for review: comparing cohort and case-control studies. En: Gordis L, ed. Epidemiology . W.B. Saunders; 2000:180-183, con permiso de Elsevier.