Información de la revista
Vol. 15. Núm. S2.
XIX REUNIÓN CIENTÍFICA DE LA SOCIEDAD ESPAÑOLA DE EPIDEMIOLOGIA
Páginas 89-91 (Octubre 2001)
Respuestas rápidas
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 15. Núm. S2.
XIX REUNIÓN CIENTÍFICA DE LA SOCIEDAD ESPAÑOLA DE EPIDEMIOLOGIA
Páginas 89-91 (Octubre 2001)
Acceso a texto completo
Comunicaciones orales: Métodos de análisis epidemiológico
Visitas
...
Este artículo ha recibido
No disponible
Visitas
(Actualización diaria de datos)
Información del artículo
Texto completo

Jueves, 18 de octubre

11:00 horas. Sala 4

Moderadores:

Ricardo Ocaña Riola y Emilio Sánchez-Cantalejo


170 ELACIÓN DOSIS-RESPUESTA ENTRE TABACO Y CÁNCER DE PULMÓN: NUEVAS APROXIMACIONES CON MODELOS NO PARAMÉTRICOS

A. Ruano-Raviña, A. Figueiras y J.M. Barros-Dios

Área de Medicina Preventiva y Salud Pública. Universidad de Santiago. Servicio de Medicina Preventiva. Hospital Clínico Universitario. Santiago de Compostela

Antecedentes y objetivos: El tabaco es el principal factor de riesgo del cáncer de pulmón, ya que alrededor del 85 al 90% de estos cánceres se atribuyen al tabaco. El efecto del tabaco se puede desglosar en varios factores, como la duración del hábito y la cantidad fumada a lo largo de la vida. También influyen los años de abstinencia en los exfumadores. El estudio de estas variables se ha realizado tradicionalmente a través de su categorización, lo que supone arbitrariedades en la elección de los puntos de corte y en la categoría de referencia. La aplicación de regresión logística con modelos aditivos generalizados (GAM) supone poder tratar estas variables como continuas a la vez que se permite el ajuste por otros factores. Se pretende analizar el efecto de la duración del hábito, cantidad fumada en la vida y años de abstinencia en el riesgo de desarrollar cáncer de pulmón.

Métodos: Se realizó un estudio de casos y controles en el Área de Santiago de Compostela entre 1999 y 2000. Los casos fueron 132 sujetos con diagnóstico anatomopatológico confirmado de cáncer primario pulmonar. Los controles fueron 187 personas que iban a ser sometidas a cirugía banal. A todos ellos se les realizó una entrevista por personal entrenado en la que se les preguntó sobre diversos aspectos de su estilo de vida, incidiendo en el hábito tabáquico. Se realizó una regresión logística no paramétrica con modelos aditivos generalizados (smoothig splines) con el programa S-Plus. Se realizaron tres modelos tomando como variable dependiente el estado de caso o control de los sujetos, ajustados por edad y sexo. En un primer modelo las variables independientes fueron: duración del hábito (en años) y cantidad diaria (en cigarrillos). En el segundo modelo se analizó la cantidad de tabaco fumada a lo largo de la vida (en cajetillas) y en el tercer modelo se analizaron los años de abstinencia (los nunca fumadores contribuyeron con su edad al período de abstinencia) y duración del hábito. Los resultados se presentan mediante gráficas dosis-riesgo relativo con sus intervalos de confianza al 95%.

Resultados: Se observa que hay una clara relación dosis-respuesta entre la duración del hábito y el riesgo de padecer cáncer de pulmón. El logaritmo del RR aumenta de un modo lineal con los años como fumador. Para la cantidad de tabaco fumada en la vida se observa un aumento lineal entre 0 y 20.000 cajetillas fumadas, para alcanzar un equilibrio en los que han fumado más de 20.000 cajetillas. Respecto a los años de abstinencia, el riesgo desciende de un modo lineal a medida que aumentan los años como exfumador, sin observarse ningún punto de inflexión.

Conclusiones:1) La duración del hábito tabáquico influye en el riesgo de cáncer de pulmón de un modo lineal. 2) Hay un efecto umbral o de saturación para aquellos que han fumado más de 20.000 cajetillas. 3) El riesgo de cáncer de pulmón disminuye de modo lineal con los años de abstinencia. 4) La utilización de modelos GAM permite realizar estimaciones de los RR sin forzar a los modelos a seguir relaciones dosis-respuesta previas, proporcionando aproximaciones menos sesgadas al verdadero comportamiento de las variables, y permite detectar efectos umbrales y de saturación.


171 TABACO E INCIDENCIA DE ESCLEROSIS MÚLTIPLE: ESTUDIO PILOTO EN LA GPRD

M.A. Hernán, S. Jick, M.J. Olek y H. Jick

Harvard School of Public Health; Boston University School of Medicine; Brigham and Women's Hospital; Massachusetts General Hospital

Antecedentes y objetivos: Aunque el tabaco no ha sido tradicionalmente considerado un factor de riesgo para la esclerosis múltiple (EM), cuatro estudios de cohortes han encontrado una incidencia moderadamente elevada de EM en fumadores. Por otro lado, investigaciones recientes sugieren que la EM puede ser un síndrome que engloba varias condiciones de diversa etiología. Se desconoce si la asociación entre tabaco y riesgo de EM existe sólo para ciertos subtipos clínicos de la enfermedad. El objetivo de nuestro estudio es evaluar prospectivamente la asociación entre tabaco e incidencia de EM en la General Practice Research Database (GPRD), de forma global y por subtipos clínicos.

Métodos: La GPRD contiene informacion prospectiva de unos 4 millones de británicos sobre diagnósticos, prescripciones y factores de riesgo, incluyendo datos de uso de tabaco de más del 70% de la población. En una primera fase, identificamos todos los nuevos diagnósticos de EM en la GPRD en el periodo 1993-1999. Para validar los diagnósticos y la fecha de primeros síntomas de la enfermedad, seleccionamos una muestra aleatoria de estos casos potenciales y solicitamos copia de sus historias clínicas a sus médicos generales. Las historias fueron revisadas independientemente por dos especialistas en EM. Nuestro estudio incluye todos los casos con diagnóstico confirmado por los criterios de Poser y con fecha de primeros síntomas posterior a su inclusión en la GPRD. Para cada caso, seleccionamos hasta 10 controles apareados por edad, sexo y consulta. Los casos (y sus controles) fueron clasificados de acuerdo a su historia de uso de tabaco en la fecha de los primeros síntomas de EM como fumador, ex-fumador o no fumador. El análisis de datos se realizó mediante regresión logística condicional con los no fumadores como grupo de referencia.

Resultados: Nuestros análisis incluyen 91 casos y 852 controles. La incidencia de EM entre fumadores/exfumadores fue similar a la de no fumadores: odds ratio (OR): 1,1, intervalo de confianza del 95% (IC 95%): 0,7-1,7. De los 91 casos, 74 casos debutaron con un curso clínico recidivante-remitente y 16 con una forma progresiva de EM. La incidencia de EM recidivante-remitente entre fumadores/ex-fumadores fue similar a la de no fumadores: OR: 0,9, IC 95%: 0,6-1,6. Sin embargo, la incidencia de EM progresiva primaria fue más alta entre fumadores/ex-fumadores que entre no fumadores: OR: 2.2, IC 95%: 0,7-2,5. Esta diferencia se acentuó al comparar fumadores con no fumadores: OR: 3,2, IC 95%: 1,0-10,1.

Conclusiones: Nuestros hallazgos apoyan la hipótesis de que el tabaco puede incrementar el riesgo de EM progresiva primaria. En caso de confirmarse, esta hipótesis podría inspirar nuevas líneas de investigación sobre la patogénesis y prevención de la EM.


172 APLICACIÓN DEL ALGORITMO EM PARA EL ANÁLISIS DE EDAD-PERÍODO-COHORTE

J. Llorca, P. Guerrero-Alonso, T. Dierssen, C. Fariñas-Álvarez y M. Delgado-Rodríguez

Cátedras de Medicina Preventiva y Salud Pública, Universidad de Cantabria; Universidad de Jaén.

Antecedentes: El uso del análisis de edad-periodo-cohorte se ha extendido desde varios tipos de cáncer hasta enfermedades infecciosas, e incluso el homicidio. Sin embargo, varias de las técnicas utilizadas en este análisis -incluyendo los análisis gráficos, las mean polish y la regresión de Poisson- requieren que (o funcionan mejor cuando) los datos están organizados de forma que la amplitud de los intervalos de edad y periodo es la misma. Los análisis sobre mortalidad realizados en España se enfrentan a la dificultad de los cambios de grupos de edad en los datos publicados por el INE: hasta 1960 los datos de mortalidad se presentan por grupos de edad decenales (último grupo: 60 años y más); de 1961 a 1970 se presentan por grupos de edad quinquenales (último grupo: 70 años y más), y desde 1971 se presentan en grupos quinquenales (último grupo: 85 años y más). El investigador que desee realizar un análisis de edad-periodo-cohorte debe elegir entre dos alternativas: (1) Utilizar grupos de edad y periodos de estudio decenales (lo que conlleva un empobrecimiento de los datos) o (2) Aceptar que la diferencia en la forma de agrupar las edades y los periodos puede introducir algún artefacto en los resultados.

Objetivo: Aplicar el algoritmo EM para, utilizando la información quinquenal de 1961 en adelante y la información decenal de 1951-1960, obtener estimaciones de la mortalidad en grupos de edad quinquenales de 1951 a 1960.

Método: Se desarrolla un aplicación del algoritmo EM. Para validarla se utilizan los datos de mortalidad por esclerosis múltiple mediante dos estrategias: (1) Se comparan las estimaciones de mortalidad ajustada por edad con y sin el algoritmo EM, y (2) Se estiman los datos quinquenales de 1961-1970 aplicando el algoritmo EM a los datos quinquenales de 1971-1997 y los datos decenales de 1961-1970; la estimación obtenida se compara con los datos quinquenales reales mediante el procedimiento de Bradley y Blackwood.

Resultados: La tendencia en mortalidad ajustada por edad obtenida mediante el algoritmo EM es casi superponible a la obtenida con los datos originales. Las estimaciones quinquenales -mediante el algoritmo EM- para el periodo 1961-1970 sólo difieren estadísticamente de los datos originales en tres de los diez grupos de edad analizados (20-24, 25-29 y 40-44 años). Como la mortalidad por esclerosis múltiple crece con la edad, los grupos en los que la estimación falla corresponden con grupos de edad con baja mortalidad que además resulta inestable de unos años a otros; en cambio, en los grupos de edad con mortalidad relativamente estable la predicción se ajusta correctamente a los datos originales.

Conclusión: El algoritmo EM puede aplicarse para la conversión de los datos de mortalidad decenales del periodo 1951-1960 en datos quinquenales, lo que permitirá un uso más adecuado de los métodos habituales de análisis de edad-período-cohorte.


173 COHERENCIA EPIDEMIOLÓGICA: UN CRITERIO PARA LAS INFERENCIAS CAUSALES EN LAS CIENCIAS MICRO-BIOLÓGICAS

M. Porta, A. García, P. Vineis y D. Weed

IMIM & Universitat Autònoma de Barcelona; Universitat de València; Universita di Torino; U.S. National Cancer Institute.

Una característica de numerosos estudios biológicos sobre procesos patológicos complejos es pretender, explícitamente, que el conocimiento que de ellos emana sea relevante para la salud humana. Mientras que, en general, las evidencias o conocimientos epidemiológicos sólo pueden aportar luz indirecta sobre los mecanismos de ocurrencia de las enfermedades, los conocimientos epidemiológicos a menudo contienen elementos teóricos y empíricos relevantes para valorar la validez y la significación humana de los hallazgos biológicos.

Definimos "coherencia epidemiológica" (1,2) como el grado en que un hallazgo biológico, clínico o social es coherente (o consistente, o compatible o plausible) con los conocimientos epidemiológicos existentes. Los estudios biológicos en los que más pertinente podría ser valorar el grado de coherencia epidemiológica serían aquellos cuyas inferencias causales: 1) pueden afectar a un número sustancial de personas; 2) están relacionadas con exposiciones globales; 3) conciernen a desenlaces o efectos clínicamente importantes; 4) afectan a puntos críticos de un proceso etiopatogénico; o 5) aspiran a constituir un fundamento para intervenciones clínicas o comunitarias.

Poco se sabe sobre los usos que de los conocimientos epidemiológicos hacen las ciencias micro-biológicas. No obstante, dichos usos no son excepcionales, aunque están escasamente formalizados. Es plausible que científicos que trabajen en niveles de evidencia diferentes (micro-biológicos, clínicos, macro-sociales) puedan elaborar conjuntamente directrices acerca de cuándo y cómo ­durante el proceso de investigación científica­ sería aconsejable que determinados estudios biológicos valorasen su coherencia epidemiológica y clínica. El propósito final sería apreciar mejor la validez interna ­en términos estrictamente biológicos­ y la relevancia humana ­en términos individuales y poblacionales­ de los hallazgos científicos biológicos.

El potencial del razonamiento epidemiológico para integrar conocimientos surgidos de diferentes niveles podría contribuir a equilibrar las actuales tendencias hacia la fragmentación de la investigación sobre salud / enfermedad. Puesto que estas tendencias son socialmente ineficientes, alimentan un cierto reduccionismo y contribuyen a causar yatrogenia, y dado el impacto económico, social y cultural de la investigación biológica, los profesionales de la epidemiología tienen ante sí la posibilidad de asumir retos científicos, éticos y sociales de una notoria complejidad y relevancia.

(1) www.bmj.com, 12.08.1998. (2) Am J Epidemiol 1999; 150: 217-218.


174 REGRESIÓN JOINPOINT PARA EVALUAR CAMBIOS EN LAS TENDENCIAS TEMPORALES APLICADO A LAS TASAS DE MORTALIDAD O INCIDENCIA

J.R. Gonzalez, J.M. Borràs, E. Fernández y V. Moreno

Instituto Catalán de Oncología. L'Hospitalet. Barcelona.

Objetivo: En el análisis temporal de la evolución de datos de incidencia y mortalidad es importante poder detectar cambios en la tendencias. Existen algunas técnicas que permiten realizar una regresión en distintos intervalos de tiempo (piecewise regression, segmented regression, broken line regression,..). Una nueva técnica llamada regresión joinpoint permite calcular cuántos y en qué puntos existe un cambio de tendencia estadísticamente significativo. El objetivo de este trabajo es describir esta técnica e ilustrarla mediante su aplicación a unos datos reales

Métodos: Si tenemos datos del tipo (x1,y1),..., (xn,yn) con x ordenado temporalmente (en incidencia o mortalidad x es el año e y la tasa para ese año) el modelo de regresión puede escribirse como:

E[y|x]= β01x+δ1(x-τ1)+...+ *k(δ-τk)

Donde τi son los puntos en los cuales hay cambios en la tendencia (llamados joinpoints) y δi son los coeficientes asociados a estos cambios.

La regresión joinpoint se aplica para calcular *i. Este técnica utiliza el método grid-search para ajustar la función de regresión con los joinpoints desconocidos. Este modelo se puede ajustar bajo tres supuestos: 1) Varianza constante y errores no correlacionados, 2) Varianza no constante y 3) Errores correlacionados. Para estimar el número de joinpoints se utiliza un test de permutaciones. Los p-valores que determinan el número de joinpoints que son necesarios en la regresión se calculan utilizando métodos de Monte Carlo cuyo nivel de significación asintótico se establece mediante la corrección de Bonferroni. Estos tests se puden realizar bajo los 3 supuestos mencionados anteriormente.

Hemos aplicado esta medotodolgía a los datos de mortalidad de Catalunya por cáncer de pulmón para el periodo 1975-1998.

Resultados: En los hombres, el análisis joinpoint identifica 2 años de cambio de tendencia (1982 y 1989) que definen 3 periodos: entre 1975 y 1982 el incremento anual de la mortalidad fue de 2,3% (IC95%: 0,8 a 3,8) entre 1982 y 1989 el aumento fue del 4,0% (IC95%: 2,5% a 5,6%) y entre 1989 y 1998 se aprecia una estabilización de la mortalidad o ligero descenso del -0,8% (IC95%: -1,4% a 0%). Para las mujeres, el análisis revela un único punto de inflexión en 1988, año a partir del cual se observa un aumento del 2,1% anual (IC95%: 0,1% a 4,2%).

Conclusiones: La utilización de técnicas estándar de regresión hubiera enmascarado cambios relevantes en las tendencias recientes en la mortalidad por cáncer de pulmón, como la disminución moderada en los hombres desde 1989 y el aumento desde 1988 en las mujeres.


175 ¿ODDS RATIO O RAZÓN DE PROPORCIONES?

A. Schiaffino, M. Rodríguez, C. Borrell, MI. Pasarin, E. Regidor y E. Fernández

Institut Català d'Oncologia; Institut Municipal de Salut Pública de Barcelona; Universidad Complutense de Madrid.

Antecedentes y objetivos: En estudios epidemiológicos a menudo se utiliza la odds ratio como medida de asociación, asumiendo que estima resultados similares a la razón de prevalencias. Sin embargo, algunos autores han apuntado la posibilidad de que en los estudios transversales y bajo ciertas condiciones de trabajo sería más recomendable utilizar como medida de asociación la razón de proporciones en vez de la ampliamente usada odds ratio. El objetivo del presente trabajo es comparar, bajo dos situaciones extremas, la estimación de la odds ratio y de la razón de proporciones en un estudio transversal.

Métodos: Se realizó una búsqueda bibliográfica exhaustiva sobre la discrepancia entre el uso de la odds ratio y de la razón de proporciones y las posibles soluciones para el cálculo de esta últimas de forma ajustada. Se han utilizado los datos procedentes de la región sanitaria de Barcelona obtenidos en la Encuesta de Salud de Catalunya de 1994. Se han escogido dos variables dependientes dicotómicas que representan las dos situaciones extremas a estudiar: una con una prevalencia superior al 30% (presencia de algún trastorno crónico = 59,1%) y otra con una prevalencia inferior al 20% (hospitalización en el último año = 6,8%). Como principal variable independiente se ha escogido la clase social categorizada en dos grupos: trabajadores no manuales y trabajadores manuales. Las variables de ajuste fueron el sexo y la edad. Para cada variable dependiente se han realizado 3 modelos: una regresión logística no condicional (odds ratio = OR), una regresión de Cox con la variable tiempo constante (razón de proporciones = RP), y un modelo lineal generalizado (RP) con la familia binomial y la transformación logaritmo. De cada modelo se ha obtenido el coeficiente del estimador, su error estándar, el estimador (OR, RP) y el intervalo de confianza del 95% del estimador. Para todos los análisis se ha utilizado el paquete estadístico Stata V6.0.

Resultados: Se han analizado un total de 1.828 sujetos (44,2% hombres y 55,8% mujeres; 52,7% trabajadores no manuales y 47,3% trabajadores manuales). Al analizar la asociación entre la clase social (manuales vs no manuales) y la presencia de trastornos crónicos se obtuvo: mediante una regresión logística una OR de 1,59 (IC95%: 1,28-1,96), mediante una regresión de Cox un RP de 1,16 (IC95%: 1,03-1,32), y mediante un modelo lineal generalizado una RP de 1,14 (IC95%: 1,07-1,22). Cuando se analizó la asociación con la hospitalización en el último años se obtuvo una OR de 0,92 (IC95%: 0,63-1,34), un RP de 0,92 (IC95%: 0,64-1,33), y una RP de 0,93 (IC95%: 0,65-1,32).

Conclusiones: Los resultados obtenidos muestran empíricamente que en los estudios transversales, cuando se trabaja con prevalencias superiores al 30%, la OR supraestima la asociación entre las variables por lo que el uso de la razón de proporciones sería más adecuada. Convendrían otros estudios con datos empíricos o de simulación para dar solución al problema en diferentes situaciones según la prevalencia de la variable dependiente.


176 COMPARACIÓN DE DOS METODOLOGÍAS ESTADÍSTICAS PARA EL ANÁLISIS DE LOS EFECTOS A CORTO PLAZO DE LA CONTAMINACIÓN EN LA SALUD

C. Iñiguez, S. Pérez Hoyos, F. Ballester, Marc Saez, F. Gómez Pajares y J.M. Tenías

Escuela Valenciana de Estudios para la Salud (EVES).

Objetivo: En el estudio de la relación a corto plazo de la contaminación atmosférica y salud se han utilizado diferentes métodos de análisis. El objetivo de este trabajo es comparar el método utilizado en el proyecto EMECAM, con una nueva metodología que incorpora el modelo aditivo generalizado.

Método: Se analizó la relación diaria entre humos negros (retardos de 0 a 5) y diversos indicadores de salud (mortalidad por todas las causas, excluidas externas, por causas respiratorias y circulatorias, e ingresos hospitalarios urgentes por causas cardíacas, cerebrovasculares y circulatorias) en Valencia ciudad para el período 94-96, y siguiendo las dos metodologías que se desea comparar. El nuevo método usa un modelo aditivo generalizado (GAM) frente a la regresión de Poisson (GLM) usada en EMECAM. En ambos casos se construye un modelo basal que incluye variables de tendencia, calendario, meteorológicas y de gripe, al que finalmente se le añade la variable de contaminación. Para su construcción, ahora se sigue una estrategia tipo "backward" (eliminando variables) frente a la estrategia tipo "forward" (introduciendo variables) de EMECAM. Los factores de confusión han sido tratados de modo distinto en cada uno de los métodos. En EMECAM la tendencia se controló con una función cuadrática del tiempo transcurrido desde el comienzo del estudio y la estacionalidad con parejas términos sinusoidales hasta orden 6. Para las variables meteorológicas se consideraron los retardos de 0 a 15 y sus cuadrados de la temperatura y humedad media diaria. Para la gripe se usaron los retardos de 0 a 7 del número de casos semanal dividido por 7. El modelo GAM estima la forma de las relaciones adaptándose a los datos, lo que permite reducir el número de variables a considerar. Así, la nueva metodología usa en lugar de las anteriores: Un término "loess" del tiempo transcurrido para captar tanto la tendencia como la estacionalidad, dos términos correspondientes a temperatura y dos a humedad ("splines" de los promedios de varios retardos de las mismas) y un "spline" del promedio de los primeros retardos de la variable de gripe anterior suavizada por una función "loess".

A partir de la aplicación de cada uno de los métodos, se han comparado los coeficientes de los retardos del contaminante, el cambio en su magnitud y en la del error estándar, así como el cambio en el retardo de mayor efecto.

Resultados: La secuencia de coeficientes tiene el mismo aspecto con ambas metodologías. El error estándar es siempre menor con el nuevo método, con una mejora media del 6,49% y los indicadores más beneficiados son la mortalidad por todas las causas e ingresos por causas circulatorias. Los retardos más estables en cuanto a cambio en el coeficiente son los centrales y los indicadores de morbilidad se ven menos afectados que los de mortalidad. En general, el retardo de mayor efecto se mantiene como tal.

Conclusiones: La reducción del error estandar confirma al GAM como más eficiente en el control de la confusión. A esta ventaja hay que añadir un manejo más sencillo y una menor sensibilidad al usuario, ambas debidas a la reducción drástica en el número de variables implicadas. Por otro lado el GAM nos permite también examinar la no linealidad como posible forma de la relación con el contaminante.


177 ESTRATEGIA DE ANÁLISIS DE LA MORTALIDAD SEGÚN CAUSAS MÚLTIPLES

X. Puig, G. Pérez, J. Doménech, J.M. Martínez y R. Gispert

Dept. de Sanitat i Seguretat Social. Generalitat de Catalunya; Universitat Pompeu Fabra.

Antecedentes: En el Boletín Estadístico de Defunción se declaran todas las causas que ocasionan y contribuyen a la muerte. De ellas se selecciona la causa básica de muerte (CBM), aquella que inicia la cadena de acontecimientos que culminan en la muerte, y el resto constituyen las causas contribuyentes de muerte (CCM). Al conjunto entre la CBM y las CCM se denomina causas múltiples. En general para una CBM dada pueden aparecer diversas CCM declaradas, lo que origina un problema al estudiar su relación. El objetivo de este estudio es establecer una estrategia de análisis que permita: 1) discriminar de todo el grupo de CCM cuales aparecen en la mayoría de los casos asociadas a una determinada CBM y 2) establecer para dicha CBM la asociación conjunta de las CCM seleccionadas y medir la frecuencia de aparición.

Métodos: Se han empleado las defunciones del año 1998 del Registro de Mortalidad de Catalunya (n = 55.365), clasificadas según la lista propia de 65 grupos de causas. Se estratificó el análisis por género. En una primera fase, se calculó para cada combinación CBM-CCM el cociente entre el número de individuos observados y aquellos esperados bajo la hipótesis de no-asociación entre la CBM y la CCM. Del conjunto de CCM se seleccionaron aquellas que presentaban desviaciones significativas superiores a la unidad. Seguidamente se modelizó algunas CBM mediante un análisis de regresión logística usando como variables explicativas todas aquellas CCM que se le asociaron en la primera fase y la edad como variable de ajuste. La frecuencia de aparición se cuantificó mediante el cociente de odds (OR). Se presentan a modo ilustrativo los resultados del cáncer de hígado en los hombres y del cáncer de mama en las mujeres.

Resultados: El análisis bivariado de los cocientes entre los valores observados y esperados es útil desde un punto de vista descriptivo a través de la presentación de tablas resumen y permiten identificar las posibles CCM asociadas a una CBM. En los modelos de regresión analizados, observamos que para el cáncer de hígado las CCM asociadas son la cirrosis y otras enfermedades crónicas del hígado (OR = 13,35; IC95%:10,21-17,46), el resto de enfermedades del aparato digestivo (OR = 6,25; IC95%:5,11-7,64) y las enfermedades infecciosas virales (OR = 4,75; IC95%:3,12-7,24). En las mujeres el análisis bivariante mostró asociación del cáncer de mama con algunos tumores malignos del útero y los tumores de localización no especificada, la inclusión de ambas asociaciones no mostraron mejoras de ajuste en el modelo de regresión logística una vez ajustado por edad.

Conclusiones: La valoración estadística del cociente entre los valores observados y esperados nos permite discriminar de forma simple que CCM se asocian con la aparición de una CBM determinada. El análisis conjunto multivariante nos permite evaluar y cuantificar la relación entre la CBM y las CCM asociadas controlando los efectos confusores y/o modificadores de la asociación.


178 EVALUACIÓN GEOGRÁFICA DE LA INCIDENCIA DE INFECCIONES RESPIRATORIAS EN MANHIÇA (MOZAMBIQUE)

C. Ascaso, R. Abellana, J.J. Aponte, M.P. Lostertales, J.L. Carrasco, F. DosSantos, X. Gómez, A.Q. Nhacolo, E. Macete, F. Abacassamo, M. Sitaube y P. Alonso

Departament Salut Pública. Universitat de Barcelona; Unitat de Epidemilogia i Bioestadística. Hospital Clínic de Barcelona; Institut de Investigacions Biomèdiques Agust Pi i Sunyer ; Centro de Investigaçao en Saúde da Manhiça, Mozambique.

Antecedentes y/o objetivos: Los Sistemas de información Geográfica permiten obtener mapas con la distribución geográfica de las enfermedades. El problema es que en ocasiones las tasas brutas son inestables y los mapas estarán dominados por tasas extremas. Una solución es suavizar las tasas mediante aproximaciones Bayesianas y así poder garantizar su estabilidad. Nuestro objetivo es modelar la distribución espacial de la incidencia de las infecciones respiratorias en la población de niños menores de 10 años del distrito de Manhiça (Mozambique).

Métodos: Los datos utilizados en este estudio provienen de dos cohortes de niños seguidas semanalmente desde mayo de 1998 a septiembre de 1999. La primera esta compuesta por 1.000 niños menores de 10 años seleccionados aleatoriamente del censo, y otra de 1.000 niños menores de 1 año. La infección respiratoria aguda se definió como la presencia de tos y/o dificultad respiratoria referida por la madre o cuidador y la infección respiratoria baja se definió como la presencia de Infección respiratoria aguda mas taquipnea según la edad (> 60 respiraciones por minuto en menores de dos meses, > 50 respiraciones por minuto en menores de 12 meses y mayores de dos, y > 40 respiraciones por minuto en mayores de 12 meses). Las estimaciones de la incidencia por barrios se realizaron usando modelos de Poisson que incorporan un efecto aleatorio para controlar la heterogeneidad y/o un efecto aleatorio autoregresivo condicional para tener en cuenta la correlación espacial. Las estimaciones de los modelos se realizaron mediante estadística Bayesiana (Fully Bayesian) usando cadenas de Markov Monte Carlo implementadas en el software BUGS. La comparación de los modelos se ha realizado mediante el criterio de información de la devianza.

Resultados: Se presentan los mapas de la distribución geográfica de la incidencia de infecciones respiratorias agudas y bajas observadas y estimadas según los modelos propuestos. Se muestran los valores del criterio de información de la devianza y se selecciona el modelo que ajusta mejor los datos,

Conclusiones: La distribución geográfica de la incidencia observada no presenta un patrón definido debido a la variabilidad del número de infecciones respiratorias observadas en cada barrio. Los resultados preliminares de los modelos usados apoyan la hipótesis de que las infecciones respiratorias agudas y bajas presentan un modelo distribución espacial uniforme

Patrocinadores: Agencia Española de Cooperación Internacional y Fondo de Investigación Sanitario.


179 SENSIBILIDAD Y ESPECIFICIDAD RELATIVAS: UN MARCO COMPARATIVO PARA LA EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS

E. Guallar, R. Pastor-Barriuso y S.N. Goodman

Departamento de Epidemiología, Universidad Johns Hopkins; Departamento de Epidemiología y Bioestadística, Escuela Nacional de Sanidad

Antecedentes: La evaluación de pruebas diagnósticas está basada en medidas absolutas, como la sensibilidad, la especificidad y el área bajo la curva ROC (ABC), que dependen no sólo de la precisión del test sino también de características clínicas (severidad, comorbilidad) y demográficas (edad, sexo) de la población a estudio. Estos índices no son, por tanto, directamente generalizables a otras poblaciones ni válidos para comparar la precisión de pruebas diagnósticas alternativas.

Métodos: Se proponen medidas relativas (razón, odds ratio o diferencia de sensibilidad, especificidad y ABC) para evaluar la información diagnóstica adicional de un nuevo test respecto a otro test existente o a la mejor información clínica disponible en una muestra representativa, donde la presencia o ausencia de la enfermedad se establece mediante un patrón oro ("gold standard"). Estas medidas relativas pueden estimarse usando un diseño emparejado, donde todos los sujetos se evalúan con ambos tests y con el patrón oro, o un diseño randomizado, donde cada sujeto es asignado aleatoriamente a uno u otro test (en este caso, todos los sujetos deben también evaluarse con el patrón oro). Ambos diseños controlan posibles factores de confusión y sesgos de selección, al tiempo que permiten la evaluación de heterogeneidad de las medidas relativas en subgrupos de pacientes. Estos métodos se emplearon en la evaluación de la glucosa en ayunas y la hemoglobina glicosilada (HbA1c) para el diagnóstico de diabetes entre participantes del National Health and Nutrition Examination Survey III (NHANES III) de Estados Unidos.

Resultados: De los 2.696 sujetos entre 40 y 74 años seleccionados en el NHANES III, 242 fueron diabéticos según el patrón oro (glucosa ≥ 200 mg/dl a las 2 horas de un test de tolerancia a la glucosa). Entre los diabéticos, la sensibilidad de glucosa en ayunas ≥ 126 mg/dl fue 52,1% y la de HbA1c > 6,1% fue 55,4%, no mostrando diferencias significativas entre ambos tests (odds ratio de sensibilidad 0,73; IC al 95% 0,42 ­ 1,27; P = 0,33). Entre los sujetos no diabéticos, las especificidades de glucosa en ayunas y HbA1c fueron 98,5 y 94,4%, respectivamente, con un odds ratio de especificidad de 5,50 (IC al 95% 3,49 ­ 8,66; P < 0,001). No se observaron variaciones substanciales en los odds ratios de sensibilidad y especificidad por grupos de edad, sexo, raza, índice de masa corporal y tabaco. Del análisis de curvas ROC, se obtuvo un ABC de 0,91 para la glucosa en ayunas y 0,82 para HbA1c, con una razón de ABC de 1,11 (IC al 95% 1,07 ­ 1,15; P < 0,001).

Conclusiones: Al igual que los ensayos controlados de intervenciones terapéuticas, los estudios para evaluar pruebas diagnósticas deben incorporar grupos de comparación y facilitar medidas relativas de la capacidad diagnóstica entre pruebas alternativas. Estas medidas relativas están menos afectadas por las características de los pacientes y por los factores de selección muestral que los índices absolutos y, en consecuencia, son más fácilmente generalizables a otras poblaciones.

Idiomas
Gaceta Sanitaria

Suscríbase a la newsletter

Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?