Sesgos, factores de confusión

1. SESGOS, FACTORES DE
CONFUSION Y SU CONTROL
Dr. Cristian Díaz Vélez
cdiazv@usmp.pe

2. Índice o tabla de contenidos
• 1º Antecedentes
• 2º Sesgo
• 3º Confusión
• 4º Control de Factores

3. Antecedentes
• Hay cuantro principales razones
para una asociacion en estudio
epidemiologico: sesgo,
confusión, error aleatorio y
causa.
• Un objetivo escencial de las
fases de diseño y análisis es
prevenir, reducir y evaluar sesgo,
confusión y error aleatorio, así
una asociación causal no
sesgada entre exposición y
outcome es estimada.

5. Sesgo
• 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.
• La evaluación se hace dos pasos, primero determinar si
hay sesgo y luego evaluar su magnitud y dirección.
• Los tipos principales son de selección, de información y
de confusión.

9. 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.
• Es mas común es estudios caso-control. El investigador
selecciona casos y controles que representan a la
población, y la única supuesta diferencia entre los grupos
es el resultado.
• Ocurre si el proceso de selección introduce otra
diferencia sistemática no intencional entre los grupos, y
esta diferencia sistemática esta asociada con la variable.

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

11. Sesgo de Información

12. 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

13. • Hay dos formas importantes de reducir la confusión en
estudios observacionales:
• Prevención en la fase de diseño por restricción o pareamiento
• Ajustar el análisis estadístico por estratificación o técnicas
multivariadas.
• Ambos métodos requieren que las variables de confusión
sean conocidas y medidas.

16. Control de factores de confusión
durante el diseño: Restricción
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
La confusión se puede reducir restringiendo la población a
aquellos con una valor especifico de la variable confusión.

17. Control de factores de confusión
durante el diseño: 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
Restringe sujetos en diferentes grupos a tener el mismo valor de
factores de confusión. Generalmente usada en caso-control

18. Control de factores de confusión
durante el análisis: Estratificación
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

19. Control de factores de confusión
durante el análisis: Ajuste estadístico
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

20. Calidad de la medición
Hay dos características fundamentales que debe tener
toda medición:
• Validez
• Confiabilidad

21. 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.

22. Tipos de error en la medición:
• Aleatorio
• Sistemático

23. 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.

24. • 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.

25. • 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.

27. 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

28. Técnicas de recolección de datos
• Indique las técnicas que empleará y explique por qué:
Observación.
Entrevista.
Encuesta.
Grupos focales.
Talleres participativos, etc.

29. Instrumentos
• Indique los instrumentos que aplicará para cada técnica y
explique por qué:
Guías de observación
Guías de entrevista
Cuestionario de encuesta
Guía de conducción de grupos focales
Fichas de registro de datos de grupos focales
Cuestionarios auto-administrados
Fichas de talleres participativos
O una combinación de varias de las anteriores.
Indique qué temas o tipos de datos se obtendrán con cada
técnica e instrumento y explique por qué.

30. 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
• Calibración deficiente 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

31. 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

33. • 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

35. • 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