Capítulo de Investigación en psiquiatría.
Ejercicios prácticos de análisis epidemiológicos aplicados en Psiquiatría.

*Daniel Serrani, MD, PhD

Revista Sinopsis


Tomado de: https://www.pexels.com/es-es/foto/aprendiendo-aprendizaje-cuaderno-deberes-167682/

Los estudios epidemiológicos describen a la distribución de enfermedades en la población intentando descubrir sus causas e identificar factores de riesgo, cuantificando su importancia ya que influye en la probabilidad de aparición de la enfermedad. Los de estudios epidemiológicos más importantes son los de cohortes, de casos-controles y los cruzados o transversales.
En estudios de Cohortes se comparan los expuestos a riesgos específicos con no expuestos y se observa prospectivamente el desarrollo de la enfermedad en ambos grupos. En estudios casos-controles se comparan enfermos con controles sanos y se registra la exposición retrospectivamente. Cuando la variable del evento es binaria (si/no) la regresión logística permite estimar el Odds Ratio (OR) pero no el RR (Riesgo Relativo) ya que no podemos calcular la incidencia. Estudios transversales o cruzados: se examina la exposición y enfermedad para una muestra definida de la población en el mismo momento. A continuación, se señalan algunos indicadores epidemiológicos:

  1. Odds Ratio (razón de momios): En estudio transversal o de casos-controles se calcula como tamaño de efecto el OR= [a/b]/[c/d] o lo que es lo mismo OR=[a*d]/[b*c] y la probabilidad se calcula como P=OR/[OR+1]. El OR=1 indica que no hay diferencia de riesgos entre ambos grupos, >1 señala que el riesgo es mayor en expuestos. El OR también permite examinar el efecto de otras variables en la asociación como género, edad, etc ya que el coeficiente de regresión logística puede ser interpretado como el OR de la variable. Sin embargo, es una mirada de la relación sin dimensión temporal. En general los diseños casos-control son superiores estadísticamente y por la precisión de la OR frente a diseños naturales donde solo se toman en cuenta el tamaño de la muestra La Odds Ratio (o razón de momios) se puede calcular mediante una tabla estándar de 2x2 (Figura 1)

    Revista Sinopsis



  2. Riesgo Relativo (RR): En estudios de cohortes (o prospectivos) el tamaño de efecto es el RR o riesgo en expuestos/riesgo en no expuestos, calculado con la fórmula RR=(a/[a+b]) /(c/[c+d]). El valor oscila entre 0 e infinito; RR=1 indica no hay asociación entre factor de riesgo y evento; >1 indica que factor de riesgo se asocia a mayor frecuencia de evento. El RR no puede usarse en estudios casos-controles ni transversales porque no se puede calcular la tasa de incidencia dado que el N° de eventos se fija por diseño y no es dado espontáneamente.

  3. Diferencia de riesgos (DR): RR expuestos/RR no expuestos

  4. Riesgo Atribuible: medida de efecto que informa el tamaño absoluto del riesgo de enfermedad, o "exceso" de riesgo de enfermar, entre expuestos. Se calcula como Ie - Ine o bien [a/(a+b)]-[c/(c+d)]

  5. Índice de intervención: medida de efecto que expresa N° individuos que deben evitar exposición para impedir el caso de enfermedad. Es la magnitud de intervención necesaria para prevenir la enfermedad. Se calcula con la fórmula 1/RA.

  6. NNT: (Número Necesario a Tratar) si el RR y el OR son medidas de asociación el NNT es una medida de magnitud del riesgo y se mide con la fórmula NNT=1/Riesgo Relativo.

  7. Hazard Ratio o cociente de riesgo (HR): riesgo relativo en grupo expuesto comparado al no expuesto durante el estudio; es una medida dinámica ya que examina el recorrido de la asociación. Puede existir una misma OR con HR diferentes, más adelante veremos un ejemplo.

  8. Incidencia: N° casos nuevos de enfermedad / Población desde el inicio.

  9. Incidencia acumulada: N° casos nuevos de enfermedad / Población en riesgo desde el inicio. La población en riesgo de enfermar no necesariamente incluye toda la población, por estar ya enfermos desde el inicio, haber muerto o abandonado antes del final del periodo de estudio. Si cada participante puede ser seguido hasta el final del estudio la tasa de incidencia es igual a la incidencia acumulada.

  10. Tasa de incidencia estandarizada: (IE) Tasa incidencia observada / tasa incidencia esperada.

  11. Tasa de mortalidad estandarizada: (ME) Tasa mortalidad observada / tasa mortalidad esperada.

  12. Regresión de Cox: el objetivo es determinar el tiempo transcurrido hasta la ocurrencia del evento, al final del estudio tendremos datos censurados (pacientes muertos o perdidos por atrición).

  13. Regresión de Poisson: el objetivo es el N° de observaciones del evento. Hazard Ratio (HR) En estudios de cohortes también se puede emplear la regresión logística.

  14. Significación estadística: se calcula el Intervalo de Confianza (IC) generalmente al 95% y la diferencia de riesgo (DR) si se quiere analizar el número de casos asociados a los factores de riesgo.



A continuación, desarrollaremos dos ejemplos prácticos, uno retrospectivo y otro prospectivo, pero dado que los objetivos son compartidos, los dejaremos igual para los dos

Objetivos del estudio: nos proponemos evaluar la relación entre depresión (prevalencia en Argentina de 8.7%) y el riesgo de padecer infecciones (virales o bacterianas de varios tipos). Justificamos nuestro estudio basados en que las infecciones son responsables de casi el 1/3 de la mortalidad mundial, y son un problema de salud pública. Si bien existen investigaciones sobre la relación entre depresión y riesgo de infecciones, con peores resultados y mayor mortalidad 1-2, en muchas de ellas hay sesgos metodológicos (tamaño de muestra, análisis retrospectivo, evaluación subjetiva del estado anímico).

Ejemplo 1 estudio de casos y controles

Diseño: estudio retrospectivo de casos y controles.
Muestra: de una muestra de 367 pacientes atendidos durante los últimos 2 años en un centro de salud, seleccionados luego de una revisión sistemática de las historias clínicas, conformamos un grupo de 124 pacientes diagnosticados con depresión y otro de igual número sin depresión como controles (ratio 1:1). Las edades están comprendidas entre 20 y 60 años, con una edad media de 39,5 (±11.4) años.
Registramos los datos socio-demográficos (género, educación, estado civil), número y frecuencia de infecciones de todo tipo, estado de salud general y enfermedades preexistentes (pueden ser variables confundidoras o modificadoras, como es el caso del tabaquismo o etilismo, cuya presencia modifica la influencia de las otras enfermedades).
Análisis estadístico. Dado que el estudio es retrospectivo y la variable de interés es binaria (infecciones si/no) solo podemos determinar prevalencia de infecciones, y el tamaño de efecto lo medimos con el estadístico de Odds Ratio (OR) junto con el intervalo de confianza (IC95%) y la diferencia de riesgos (DR) entre casos y controles en diferentes subgrupos de edad (estratificación). Recordar que IC95% incluye el valor verdadero con una probabilidad del 95%, y si no incluye 1 es estadísticamente significativo. El mejor método para calcular el OR en este tipo de estudios es la regresión logística multivariada. Recordamos que no se puede calcular el RR en un estudio de casos-controles dado que no podemos estimar la incidencia, sin embargo, se podría interpretar el OR como RR si la enfermedad fuera rara, que no es nuestro caso. El tamaño de efecto se interpreta como nulo si tiene valor = 1 (riesgo de infectarse igual para expuestos y no expuestos), si es >1 el factor de riesgo aumenta la frecuencia de la infección y la reduce si el valor es < 1 (protector). Asumimos un valor de p <0.05 para estimar la significación estadística de los resultados.
Resultados. La distribución socio-demográfica de la muestra la vemos en la tabla 1

Revista Sinopsis


Al analizar la presencia de infecciones en los 2 años retrospectivos se detecta un número de 125 entre los depresivos y 77 entre los no depresivos (controles) con una prevalencia de 744/1000 y 488/1000 respectivamente (recordemos que por ser un estudio retrospectivo no podemos calcular incidencia). El OR no ajustado = 3,41 (IC95% 1,33-5,87). Si hubiéramos calculado el RR hubiera dado un valor erróneo por debajo del real (RR = 1,60, IC95% 1,33-3,44). Dado que el OR sin ajuste no permite extraer conclusiones se puede ajustar para covariables como edad, género y estado de salud con análisis multivariado de regresión múltiple, dando un resultado de ŷ =+ 0.00345X1+0.01753X2+ 0.02818X3 1.97419 con IC95% 1.90-4.05 y p< 0.001. El ajuste del modelo es adecuado con X2 df(1)= 20.193. Se observa que los coeficientes son positivos y significativos indicando que depresión, edad, peor estado salud y género femenino aumentan la probabilidad de infecciones un 87% (calculada con la inversa del logit {P= [Odds Ratio / (1 + Odds Ratio)]}. Finalmente, la regresión de Cox arrojaría un HR de 1,87 (IC 95% 1.66 - 4.34) estadísticamente significativo, es decir un aumento del riesgo de infección de casi el 90% en depresivos. Discusión. Los resultados permiten concluir que la depresión se constituye en factor de riesgo estático para infecciones, con una probabilidad de 87% de desarrollar una infección en depresivos comparados con controles sanos. Si bien no se puede afirmar causalidad existe evidencia de una relación robusta entre depresión y riesgo de infecciones.

Revista Sinopsis
Jorge Meijide. Ciudad para armar. Litografia 2014.

Ejemplo 2 (prospectivo de cohortes)

Diseño Prospectivo de cohortes
Muestra. De la base Nacional de Datos de Dinamarca se seleccionan 142.160 individuos con diagnóstico de depresión, apareados con una muestra de no depresivos ajustados por edad y género (ratio 1:6), seguidos por 16 años (15.925.1207 millones de persona-años) desde el primer día del diagnóstico de depresión. Tuvieron una edad media de 46.3 años (±20.8 años) y mayor proporción de género femenino (63.8%).
Procedimiento. Se registran las infecciones ocurridas en cualquiera de los grupos hasta el final del estudio y se censuran aquellos fallecidos.
Análisis estadístico. Se calcula la prevalencia, tasa de incidencia o densidad de incidencia, incidencia acumulada, tasa de mortalidad (N° muertes durante el tiempo de estudio/N° total de participantes), mortalidad específica (N° muertes por infección durante el estudio/N° total de participantes), Riesgo relativo (RR) y diferencia de riesgo (DR). Recordemos que como el estudio es prospectivo de cohortes si se puede calcular la incidencia, a diferencia del estudio anterior. Para el análisis de los factores de riesgo se emplean regresión de Cox (tiempo hasta el primer episodio de infección) usando un modelo de riesgos proporcionales para el cálculo de HR, y regresión de Poisson (N° de infecciones en grupo depresivo). Si bien son similares el RR y HR difieren en que el primero nos da una idea estática del riesgo y el segundo una impresión dinámica.
Resultados. Se detectaron 4570 casos de infección, 58% en mujeres. La presencia de depresión predijo un aumento del riesgo de infecciones (RR = 1.61; CI95%1.49–1.74; p=0.000); y de acuerdo al análisis de la curva temporal el riesgo no se modificó durante los siguientes 11 años (RR= 1.61, IC95% 1.39–1.85, P = 0.000) pero si aumento de acuerdo con el número acumulado de depresiones, desde el episodio inicial (RR=1.59, IC95% 1.45–1.75, P=0.000) hasta las siguientes (RR = 1.97, IC95% 0.92–4.22, P=0.082). Discusión. Los resultados se ajustan bastante al estudio anterior, aunque en este se pudo comprobar que la depresión se constituye en factor de riesgo dinámico para infecciones, incrementándose desde 59% a 97% de probabilidades de infección a medida que aumenta el número de episodios depresivos. Si bien no se puede afirmar causalidad existe evidencia de una relación robusta entre depresión y riesgo de infecciones.
Conclusión: en ambos estudios podemos decir que el diseño de la investigación tiene una influencia decisiva en los tamaños de efecto especialmente en las medidas de frecuencia de incidencia, mortalidad prevalencia y las de efecto como RR, OR, TME mayormente determinadas con análisis de regresión. En cambio en estudios de cohortes es el valor de RR el que establece la relevancia del factor de riesgo para el desarrollo de la enfermedad. Como punto a señalar dentro de los obstáculos de la investigación se deben tener pacientes y evitar en lo posible los sesgos como los errores sistemáticos en la selección de la población de estudio y los factores de confusión.

Bibliografía:

*Dr. Daniel Serrani,
Psiquiatra y Geriatra. Dr. en Psicología, Mg Salud Mental, Docente Investigador UNR y U Maimónides. Capítulo de Investigación en Psiquiatría de APSA.

Envíe su comentario