Professional Documents
Culture Documents
Estudios de cohortes
Introduccin
A lo largo de su desarrollo, la epidemiologa se ha
preocupado de dos objetivos fundamentales:
Probar causalidad e,
Identificar riesgo.
Definicin:
Los estudios de cohorte 1 consisten en el seguimiento de
una o ms cohortes de individuos sanos que presenta
diferentes grados de exposicin a un factor de riesgo en
quienes se mide la aparicin de la enfermedad o condicin
en estudio.
Estos diseos de investigacin se clasifican, segn los
criterios taxonmicos clsicos, como estudios
observacionales, analticos y longitudinales prospectivos.
La categora observacional se refiere a la imposibilidad que
el investigador tiene de manipular la(s) variable(s)
independiente(s), lo cual los distingue de los estudios
experimentales.
Por tratarse de estudios cuyos resultados permiten un
anlisis ms sofisticado que el de los estudios descriptivos,
son considerados estudios analticos. Por definicin, deben
permitir la verificacin de hiptesis de trabajo.
Finalmente, los estudios de cohorte se basan en un
seguimiento en el tiempo de uno o ms grupos humanos
que difieren entre s por la presencia de una o ms
variable(s) independiente(s).
Por esta razn se les denominan estudios prospectivos,
concepto incorpora implcitamente el carcter longitudinal
de los mismos. Otros estudios longitudinales son los de
casos y controles, sin embargo en stos el sentido de la
observacin es retrospectivo.
Diseo
Los estudios de cohorte tienen un diseo o formato
fundamental. Se trata del seguimiento de individuos
caracterizados por estar libres del dao en estudio al inicio
de la observacin.
En estos individuos se observa, a medida que pasa el
tiempo, la aparicin de casos de enfermedad (outcome) a lo
largo del tiempo segn posean o no estos un atributo
(variable independiente o exposicin) que se cree asociado
al desenlace (outcome) en estudio.
Figura 2.
Esquemas de estudios prospectivos no-concurrente y
concurrente
Anlisis de datos
Interpretacin de resultados
Estudios de cohortes II
Medidas a las que dan origen los estudios de cohorte
Un estudio de cohorte permite obtener informacin sobre
incidencia y a partir de sta, indicadores de riesgos
absoluto y relativo.
Tipos de cohorte
Se denomina cohorte cerrada a aquella cuyos miembros
son reclutados en el mismo periodo de tiempo y a la cual
no ingresan personas durante el periodo de seguimiento. En
consecuencia, en esta modalidad el total de miembros de la
cohorte tiene perodos de seguimiento que comienzan al
mismo tiempo.
Cohorte abierta o dinmica es aquella en la cual sus
integrantes pueden ingresar a seguimiento en diferente
momento durante el periodo que este dure. Por tanto, los
miembros de esta cohorte pueden tener tiempos de
exposicin heterogneos.
Incidencia
El seguimiento de individuos sanos por un perodo
determinado de tiempo permite medir el nmero de casos
de una enfermedad que aparecen en dicho perodo. Esta
cifra constituye la tasa de incidencia de la enfermedad en
estudio que puede ser medida para la cohorte expuesta (Ti
exp), la no expuesta (Ti noexp) y para ambas en conjunto
(Ti.).
La incidencia acumulada se calcula considerando todos los
sujetos que presentaron el outcome en estudio
independientemente del momento en el cual lo presentaron
(cumulative risk). Su clculo aplica cuando se trate de una
cohorte cerrada.
Para el caso particular de un diseo de cohorte en que se
permita eliminar o ingresar individuos a las cohortes
despus de haber iniciado el seguimiento (cohortes
abiertas) seguimiento), se prefiere el trmino densidad de
incidencia. (incidence rate)
La densidad de incidencia suma todos los tiempos con que
efectivamente contribuyeron los individuos estudiados. El
indicador se construye dividiendo el total de enfermos
encontrados a lo largo del estudio por el total del tiempo de
seguimiento (tiempo -persona) y amplificando segn
corresponda.
Riesgo
El clculo de incidencia de la enfermedad en expuestos y no
expuestos permite evaluar riesgo asociado a la condicin de
exposicin.
La relacin matemtica que se establezca entre estas dos
medidas permite el clculo de a lo menos seis expresiones
de riesgo:
Riesgo Atribuible,
expuestos
no expuestos
enfermos
A
C
A+C
sanos
B
D
B+D
A+B
C+D
A+B+C+D
Ejemplo:
Un Estudio de cohorte diseado para estudiar en 200
sujetos el riesgo de desarrollo de cncer del pulmn segn
el hbito de fumar de ellos, arroj los siguientes resultados
despus del seguimiento:
Exposicin +
Exposicin -
cncer
20
5
25
sanos
80
95
175
100
100
200
A
B
Total tiempo-persona
seguimiento
T1
T2
Muertes
observadas
6
12
35
53
Aos-persona de
seguimiento
10,000
10,000
10,000
Tasa
Grupos Muertes
Aosmortalidad Muertes
de
observadas persona de poblacin esperadas
edad
seguimiento ref ( 10 )
(C x
(A)
(B)
(C)
B)/1000
30 a
6
10,000
0,5
5
39
40 a
12
10,000
1,0
10
49
50 a
35
10,000
2,5
25
59
Total
53
40
Para este ejemplo, la RME corresponder a:
RME = 53 x 100 = 132,5
40
En este caso, en comparacin con la poblacin de
referencia, la poblacin estudiada presenta un exceso de
riesgo de 32,5%, controlado el efecto de la edad en esta
comparacin
observacional).
No es posible, por tanto, aseverar categricamente que la
exposicin en estudio precede realmente al efecto o
desenlace estudiado, y, an si esto fuera conocido, este
hecho por s slo no necesariamente lo explicara 3 .
Utilidad de los estudios de casos y controles
Algunas situaciones se prestan mejor que otras para ser
estudiadas con esta metodologa. Se ha hecho mencin ya
que estos estudios requieren de fundamento terico que
permita su sustentacin como alternativas de investigacin.
Entre las ventajas de estos estudios se alude con frecuencia
a su simplicidad. Sin embargo un estudio de casos y
controles puede alcanzar ribetes de alta complejidad
dependiendo del problema estudiado y del grado de control
que el investigador desee tener sobre las fuentes de error y
sesgo que suelen amenazar estos diseos.
El anlisis de un estudio de casos y controles es tambin un
elemento de complejidad variable en el que se puede
requerir de tcnicas de cierta sofisticacin para extraer el
mximo de informacin.. El trabajo de terreno de estos
estudios puede ser extremadamente difcil, particularmente
por la dificultad de encontrar o seleccionar sujetos "control"
adecuados para el estudio.
En trminos generales, estos estudios son de utilidad en las
siguientes circunstancias:
Historias clnicas
Egresos hospitalarios
Estadsticas de morbilidad
Sexo
Edad
Lugar de residencia
Nivel socioeconmico
Ocupacin
Antecedentes familiares
Modalidades de matching
Existen varias modalidades de pareamiento o matching.
Dos de las ms utilizadas, dependiendo si este
procedimiento se aplica colectivamente o a observaciones
especficas, son el matching de grupos o de frecuencia y el
matching individual
Figura 1. Modalidades de matching o pareamiento en
estudios de casos y controles
TOTAL
F1 (a+b)
F2 (c+d)
n
1
2
3
4
5
6
7
8
9
10
Casos
E
E
N
N
E
E
E
E
N
N
Controles
N
N
N
N
E
N
N
N
E
E
(E = expuesto N = No expuesto)
Exposicin
Positiva
Negativa
Casos
6
4
Controles
3
7
9
11
10
10
20
Casos
6
4
10
Controles
1-N
11-N
2-N
12-E
3-N
13-E
4-N
14-N
5-E
15-N
6-N
16-N
7-N
17-E
8-N
18-N
9-N
19-N
10-E
20-N
Controles
5
15
20
11
19
30
1
2
3
Casos-Controles
E-N (Caso Expuesto; Control No
expuesto)
E-N
N-N (Caso y control No expuestos)
4
5
6
7
8
9
10
N-N
E-E (Caso y Control expuestos)
E-N
E-N
E-N
N-N
N-E
Casos Exp +
Exp -
Controles
Exp +
Exp 1
5
1
3
2
8
6
4
10*
1
2
3
4
5
6
7
8
9
10
Casos-Controles
E-N-N
E-N-E
N-N-N
N-N-N
E-E-E
E-N-N
E-N-N
E-N-N
N-N-E
N-E-N
Casos
Exp
+
Exp
-
10*
TOTAL
F1 (a+b)
F2 (c+d)
N
Lo que equivale a :
Odds1 = a/ ( a+c )
c/ ( a+c )
- Equivalentemente la "chance" de no tener la enfermedad,
segn se est o no expuesto al factor (Odds2) corresponde
a:
Odds1 = b/ C2 (sanos expuestos en relacin con el total de
sanos).
d/ C2 (sanos no expuestos en relacin con el total
de sanos)
Equivalente a:
Odds2 = b/ (b+d )
d/ ( b+d )
- Por tanto, el valor del odds ratio, que corresponde al
cuociente (razn ) entre estas dos "chances (u Odds),
corresponde a:
OR = a x d
axc
Este indicador de riesgo es llamado tambin "razn de
productos cruzados", aludiendo as a la distribucin que
adoptan en la tabla 2 x 2 los trminos del numerador y
denominador 4 . El valor calculado carece de unidades de
medidas.
Intervalo de confianza
Inferior
Superior
1
Mayor de 1
>1
>1
Tipo de
asociacin
No evidencia
de asociacin
Significativa,
Mayor de 1
<1
>1
Menor de 1
< de 1
< de 1
Menor de 1
< de 1
> de 1
riesgo
No
significativa
Significativa,
proteccin
No
significativa
1/a+1/b+1/c+1/d
Sarampin
SI
NO
34
46
80
14
16
48
48
96
644
O bien:
Odds Exposicin en Enfermos : 34/48 / 14/48 = 2,42 Odds
Exposicin entre Controles : 46/48 / 46/48 = 23
OR = 0,10
-Clculo del intervalo de confianza para el OR
calculado.
Ln OR : -2.30
Error standard : Ln OR =
1/a+1/b+1/c+1/d
(ES) = 0.62
= 0.789
Intervalo de confianza calculado al 95%, equivale a:
IC OR = (Ln OR) Z Ln ES
IC OR = (Ln OR) 1,96 (0,789)
IC OR = (Ln OR) 1,55
= -2.30 1,55
IC OR =
IC OR = 0,021- 0,47
Luego el intervalo en el cual se mueve el valor de OR
calculado flucta entre 0,021 y 0,47, ambos valores
inferiores a 1, con un 95% de confianza.
Por tanto la asociacin encontrada es de carcter
significativo y su lectura correspondera a una disminucin
5 (n10)
3(n00)
10*
Exp +
Exp -
Casos
6
4
10
Controles
2
8
10
=6
2x4
Test de para el caso pareado
Su clculo corresponde a la siguiente expresin:
= ( n10 - n01)
(n10 + n01)
Cuando el nmero de estratos es mayor a uno, los clculos
se hacen de mayor complejidad, siendo conveniente la
utilizacin de software especfico.
Clculo del intervalo de confianza
Existen diversos mtodos para su clculo. Se presentan a
continuacin otros mtodos corrientemente utilizados:
a) ICOR = ( 1 1,96/
varianza)
Variables confundentes
Parte crucial de la etapa de interpretacin de los resultados
y de evaluacin de los hallazgos es analizar crticamente la
posibilidad de que eventuales factores pudieran estar
invalidando metodolgicamente los resultados. El
investigador debe ser consciente de que los resultados
obtenidos pueden deberse a otros factores que no
corresponden a la intervencin en estudio y que de no ser
consideradas pudieran llevar a conclusiones equivocadas.
En trminos generales, frente a los resultados obtenidos el
investigador debe estar en condiciones de poder evaluar si
los resultados pueden ser originados por:
1. Simple azar o chance
Pacientes con
cncer
30
70
100
Sujetos sanos
18
82
100
Consumo de Caf
Edad (aos) Expuestos No expuestos Total % Expuesto
Menores de 40
13
117
130
10
Mayores de 40
35
35
70
50
Se aprecia que la frecuencia de exposicin no es uniforme
en los estratos de edad, teniendo los mayores de 40 aos
un mayor porcentaje de exposicin. Evaluado esto
mediante un test de chi cuadrado, se tiene =39.91, p <
0.0001
Finalmente, est claro que la edad de los sujetos, as
categorizada, no es consecuencia del consumo de caf, con
lo cual se establece el cumplimiento de los requisitos para
que la variable edad pueda considerarse como
eventualmente confundente
Anlisis estratificado
En el tema anterior hemos visto que los resultados
obtenidos en un estudio pueden deberse a factores
extraos y no necesariamente a la variable de inters. Si
bien este tipo de problema es ms importante en los
estudios observacionales, los experimentales no se
encuentran, de ninguna manera, exentos de este tipo de
factores.
Continuando con el anlisis de variables confundentes
Anlisis por estratos
Una manera de poder superar la heterogeneidad en la
distribucin de una variable extraa en el estudio de la
asociacin es el anlisis considerando los diferentes
Controles
Odds ratio
Exposicin -
45
72
(5 x 72)
=1, 0
(8 x45)
Total
Mayores de 40
Exposicin +
50
80
25
10
Exposicin -
25
10
Total
50
20
Menores de 40
Exposicin +
(25 x 10)
=1, 0
(10 x 25)
Menores de 40
Exposicin +
Exposicin Total
Mayores de 40
Exposicin +
Exposicin Total
Cncer de
pncreas
Controles
Odds ratio
5
45
50
8
72
80
13
117
130
25
25
50
10
10
20
35
35
70