mediciones y observaciones cl nicas y epidemiol gicas n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Mediciones y observaciones clínicas y epidemiológicas PowerPoint Presentation
Download Presentation
Mediciones y observaciones clínicas y epidemiológicas

Loading in 2 Seconds...

play fullscreen
1 / 30

Mediciones y observaciones clínicas y epidemiológicas - PowerPoint PPT Presentation


  • 157 Views
  • Uploaded on

Mediciones y observaciones clínicas y epidemiológicas. Preparado por: Dr. Juan José García García. “La meta fundamental que debe perseguir un estudio epidemiológico (y clínico) es la agudeza en la medición: estimar con poco error el valor del parámetro que es objeto de la medida.”

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

Mediciones y observaciones clínicas y epidemiológicas


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
mediciones y observaciones cl nicas y epidemiol gicas

Mediciones y observaciones clínicas y epidemiológicas

Preparado por:

Dr. Juan José García García

slide2
“La meta fundamental que debe perseguir un estudio epidemiológico (y clínico) es la agudeza en la medición: estimar con poco error el valor del parámetro que es objeto de la medida.”
          • Rothman K. Epidemiología moderna
slide4

Medición: Concepto

  • Es la calificación o cuantificación de una variable.
  • Es la asignación de números o valores a las observaciones, de modo que estos sean susceptibles de análisis de acuerdo con ciertas reglas.
calidad de la medici n
Calidad de la medición

Hay dos características fundamentales que debe tener toda medición:

  • Validez
  • Confiabilidad
conceptos
Conceptos
  • Validez
  • Grado en el que una medición o estudio alcanza una conclusión correcta. Medir lo que se quiere medir
  • Validez interna
  • Grado en el que los resultados de una investigación reflejan con precisión la situación verdadera de la población en estudio
  • Validez externa
  • Grado en el que es posible aplicar los resultados de un estudio a otras poblaciones. Generalización.
slide7
Al atributo que permite obtener igual medición, respuesta o interpretación cuando el mismo fenómeno es evaluado en condiciones similares por un segundo observador, o por la misma persona, se le denomina concordancia, repetibilidad, precisión, reproducibilidad, confiabilidad, o consistencia.
tipos de error en la medici n
Tipos de error en la medición:
  • Aleatorio
  • Sistemático
error aleatorio o falta de precisi n
Error aleatorio o falta de precisión
  • Debido a variaciones producidas por azar, las características de las personas en una muestra concreta son diferentes a las de otras en la población de la cual fueron tomadas.
  • La variación aleatoria tiene tanta probabilidad de resultar en observaciones por encima del valor real como por debajo. Como consecuencia, la media de observaciones no sesgadas proveniente de muchas muestras, tiende a corresponder con el verdadero valor en la población, aun cuando los resultados de pequeñas muestras individuales no lo hagan.
slide11
La magnitud del error de muestreo se estima a través del valor del error estándar.
  • La principal manera de aumentar la precisión de una estimación, es, entonces, con un mayor tamaño muestral.
  • Una decisión clave es la obtención de una buena precisión frente al costo de una muestra que puede ser grande.
slide12
Por tanto, otro aspecto a considerar con respecto a la precisión es la eficiencia del estudio.
  • Esta puede ser juzgada según la relación del contenido total de la información deseada con el número total de sujetos requeridos o estudiados, o según contenido de dicha información con el costo de adquirirla.
slide13

Procedimientos de recolección (medición) de información:

  • Métodos
    • Censos
    • Encuestas
    • Sistemas de registro
  • Técnicas
    • Entrevista
    • Cuestionarios o formularios
    • Observación
    • Mediciones instrumentales
      • Por ejem.: peso, talla, tensión arterial, temperatura, condiciones bioquímicas, imagenología
fuentes potenciales de variabilidad en las mediciones
Fuentes potenciales de variabilidad en las mediciones
  • Características del individuo
    • Cambios relacionados con edad, sexo, alimentación, ejercicio...
    • Variación diurna: ritmos circadianos
    • Disposición a colaborar, tendencia a mentir
  • Características de las mediciones
    • Calibracióndeficiente del aparato, reactivos en mal estado...
    • Falta de precisión inherente al instrumento
    • Preguntas mal formuladas en un cuestionario
  • Características del observador
    • Lectura o registro erróneo: experiencia, disposición, cansancio, problemas de agudeza visual o auditiva
formas de reducir la variabilidad en las mediciones ejemplos
Formas de reducir la variabilidad en las mediciones. Ejemplos
  • Características de los sujetos:
    • Condiciones uniformes al realizarlas:
      • Ayuno
      • Posición corporal
      • Descubrir la región o segmento corporal por explorar
    • Solicitar su cooperación y máxima veracidad en las respuestas
    • Garantizar confidencialidad de la información proporcionada
slide17
Características de los instrumentos:
    • Calibración con la frecuencia determinada por el fabricante
    • Mantenimiento del equipo. Cuidado, conservación, limpieza, reparación
    • Definiciones claras y precisas acerca de la presencia de enfermedad o exposición
    • Validación de cuestionarios
slide18
Características de los observadores:
    • Estandarización u homologación de la forma en que se ha de llevar a cabo la medición.
    • Cegamiento respecto a la identidad del entrevistado en términos del grupo al que pertenece, ya sea de enfermos, sanos, expuestos o no expuestos.
    • Motivación respecto a la relevancia de su participación
    • Corrección de problemas de agudeza visual o auditiva
sesgo o falta de validez
Sesgo o falta de validez
  • Un sesgo es un error sistemático en un estudio que conduce a una distorsión de los resultados. Corresponde a una medición en una misma dirección, fuera del valor real.
  • No se reduce con un mayor tamaño de muestra.
tipos de sesgo
Tipos de sesgo
  • De selección
  • De información
  • De confusión
sesgo de selecci n
Sesgo de selección

Ocurre cuando se realiza una comparación entre grupos que no son similares en sus características, diferentes de las variables estudiadas que influyen sobre el resultado.

Puede ser resultado por ejemplo: de patrones diferenciales de búsqueda, acceso o referencia al sistema de atención médica; puede ser producto de la pérdida de sujetos durante el seguimiento.

sesgo de medici n o informaci n
Sesgo de medición o información

Aparece cuando la medición de las variables se realiza de una forma que es sistemáticamente diferente entre los grupos que se comparan.

Entre los errores más frecuentes de este tipo se encuentran aquellos introducidos por el observador, por el observado, y los generados por los instrumentos empleados.

slide23
Un sesgo de información implica un problema de clasificar erróneamente a los sujetos estudiados en cuanto a si se encuentran o no expuestos a un factor de riesgo que se analiza, y/o en cuanto a si presentan o no un determinado efecto.
  • Este error puede ser diferencial o no diferencial.
slide24
Un error de clasificación diferencial es más grave, en términos de que no puede predecirse el resultado de su presencia, pues puede exagerar u ocultar una relación entre la exposición estudiada y el efecto, en tanto que un error de clasificación no diferencial siempre tenderá a minimizar la posible asociación existente ente ambos eventos.
sesgo de confusi n
Sesgo de confusión
  • La confusión se refiere a la mezcla del efecto de una variable externa con los de la exposición y la enfermedad que interesa
  • Para que una variable se considere un potencial confusor debe reunir dos condiciones:
    • Que se relacione con la enfermedad de interés en ausencia de exposición al factor analizado
    • Que se relacione con la exposición, pero no como un resultado de esta
slide26

Circunstancias en que ocurre un sesgo de confusión

E

E

E

D

D

D

F

F

F

b

c

a

En los diagramas (a) y (b) la exposición E se relaciona, sin que sea su causa, con la variable ajena F o Confusor, y esta a su vez condiciona, aún en los no expuestos, el desenlace D, o se asocia de manera no causal con este, diagrama (c)

control de factores de confusi n durante el dise o pareamiento
Ventajas

Puede eliminar las influencias de los factores de confusión constitucionales

Puede eliminar las influencias de factores difíciles de medir

Puede incrementar la precisión al equilibrar el número de casos y controles en cada uno de los estratos

Puede facilitar la selección de los controles

Inconvenientes

Puede ser lento, caro y menos eficiente que incrementar el número de individuos

Puede tener efectos adversos sobre la fase de análisis

Debe definirse cuáles variables son predictoras y cuáles de confusión

No puede evaluarse el papel de las variables como predictoras

Requiere un análisis pareado

Control de factores de confusión durante el diseño: Pareamiento
control de factores de confusi n durante el dise o restricci n
Ventajas

Delimita a los individuos de la muestra en relación con la pregunta que se investiga

Inconvenientes

Limita la generalización

Puede ser difícil obtener un tamaño muestral apropiado

Control de factores de confusión durante el diseño: Restricción
control de factores de confusi n durante el an lisis estratificaci n
Ventajas

Flexible o reversible; se pueden elegir las variables según las cuales se va a estratificar

Inconvenientes

El número de estratos está limitado por el tamaño de la muestra necesario para cada uno de ellos

Se pueden considerar pocas covariables

La existencia de pocos estratos por cada covariable hace que el control de los factores de confusión sea menos completo

Deben haberse medido antes las covariables

Control de factores de confusión durante el análisis: Estratificación
control de factores de confusi n durante el an lisis ajuste estad stico
Ventajas

Pueden controlarse simultáneamente múltiples factores de confusión

Puede utilizarse toda la información obtenida con las variables continuas

Es tan flexible y reversible como la estratificación

Inconvenientes

El modelo puede no ser adecuado:

Control incompleto de los factores de confusión

Estimaciones inexactas de la fuerza del efecto

Los resultados son difíciles de comprender

Deben medirse previamente las covariables relevantes

Control de factores de confusión durante el análisis: Ajuste estadístico