2. DISEÑOS NO EXPERIMENTALES
Estudios que se realizan sin la manipulación
deliberada de variables y en los que sólo se
observan los fenómenos en su ambiente natural
para después analizarlos.
Las variables independientes ocurren y no es
posible manipularlas, no se tiene control directo
sobre dichas variables ni se puede influir sobre
ellas, porque ya sucedieron, al igual que sus
efectos.
Transeccionales
Longitudinales.
3. Investigación longitudinal o
evolutiva
Estudios que recolectan datos a través del
tiempo en puntos o períodos, para realizar
inferencias acerca de la evolución, sus causas
y sus efectos. Tales puntos o períodos por lo
común se especifican de antemano. Son
estudios de seguimiento.
Diseños
de tendencia (trend)
Diseños de análisis evolutivo de grupos
(cohorte)
Diseños panel
4. Diseños longitudinales de tendencia
Analizan cambios a través del tiempo (en
categorías, conceptos, variables o sus
relaciones), dentro de alguna población en
general. Su característica principal es que la
atención se centra en la población.
5. Diseños longitudinales de evolución
de grupo (cohortes)
Se examinan cambios a través del tiempo en
subpoblaciones o grupos específicos. Su
atención son las cohortes o grupos de
individuos vinculados de alguna manera o
identificados por una característica común,
generalmente la edad o la época (Glenn,
1977).
6. Diseños longitudinales panel
En todos los tiempos o momentos son medidos
u observados los mismos participantes.
Se conocen los cambios individuales. Se sabe
qué casos específicos introducen el cambio. A
veces resulta muy difícil obtener con exactitud
a los mismos participantes para una segunda
medición.
7. Diseños transversales
Estudios que recolectan datos en un solo
momento, en un tiempo único. Su propósito
es describir variables, y analizar su incidencia
e interrelación en un momento dado. Es
como tomar una fotografía de algo que
sucede.
Estos estudios se pueden dividir en:
Descriptivos
Correlaciónales/casuales
8. Diseños transversales
descriptivos
Tienen como objetivo indagar la incidencia y
los valores en que se manifiesta una o más
variables. El procedimiento consiste en medir
en un grupo de personas u objetos una o más
variables y proporcionar su descripción. Son,
por lo tanto, estudios puramente descriptivos
que cuando establecen hipótesis, éstas son
también descriptivas.
10. Diseños transversales
correlaciónales/casuales
Tienen como objetivo describir relaciones
entre dos o más variables en un momento
determinado. Se trata también de
descripciones, pero no de variables
individuales sino de sus relaciones, sean
éstas
puramente
correlaciónales
o
relaciones causales
11. Ejemplo
Una
investigación que pretendiera
indagar la relación entre la atracción
física y la confianza durante el noviazgo
en parejas de jóvenes, observando qué
tan relacionadas están ambas variables
(se limita a ser correlacional).
12. Estudio de casos y controles
Emparejamiento
Opción metodológica que consiste en igualar ambos grupos
con relación a algunas características, de forma homogénea.
Corresponde a un procedimiento empleado a priori, en la
fase de diseño del estudio.
Entre las más frecuentes controladas
procedimiento las siguientes:
Sexo
Edad
Lugar de residencia
Nivel socioeconómico
Ocupación
Sistemas de atención de salud
Antecedentes familiares
mediante
este
13. De grupo o de
frecuencia
se restringe a priori el ingreso de
sujetos en ambos grupos. Así, el
ingreso al estudio puede estar
regulado por características tales
como sexo, grupo de edad,
ocupación, lugar de residencia o
modalidad de cuidados médicos. La
contribución de los grupos en cuanto
a eventuales factores contundentes
tiende a ser homogénea en casos y
controles, lo que incrementa la
potencia del estudio.
Individual
Las
características
a
parear
se
definen
específicamente para cada caso y cada control
simultáneamente.
Se podrá apreciar que el efecto de este
procedimiento tiene implicancias directas en:
• La modalidad de análisis de la información: En este
caso el análisis se efectúa por "pares"o "tríos"de
observaciones, a diferencia de la modalidad de
matching por grupos o de frecuencia, en la que se
comparan grupos.
• La factibilidad de encontrar adecuados sujetos
controles que ajusten a los requerimientos exigidos
en el matching. A mayor cantidad de variables a
"parear", mayor dificultad de encontrar controles
adecuados
14. Si analizamos los datos sin tener en cuenta
que hemos utilizado el emparejamiento
para seleccionar los controles obtenemos
una odds ratio de 2,18.
En en la tabla inferior la distribución de las
parejas en función de su exposición al
tabaco: Tenemos 208 parejas en las que
tanto el caso (persona con cáncer laríngeo)
como el control son fumadores. Al estar los
dos sometidos a la exposición no nos
servirán para estimar su asociación con el
efecto. Lo mismo puede decirse de las 46
parejas en las que ni el caso ni el control
fuman.
Las parejas que nos interesan son las 14 en
las que el control fuma pero el caso no lo
hace y las 62 en las que solo fuma el caso,
pero no el control.
Estas parejas discordantes son las únicas que nos dan información sobre
el efecto del tabaco sobre la aparición del cáncer de laringe. Si
calculamos la odds ratio vemos que es de 62/14 = 4,4, una medida de
asociación más fuerte que la que obtuvimos previamente y, sin duda,
mucho más próxima a la realidad. Este
ejemplo utiliza un
emparejamiento con una relación 1:1 (un control por cada caso)
15. Estudio de Cohorte
Emparejamiento
Cuando se trata de estudios de cohortes, el emparejar
por el factor de confusión nos permite obtener una
medida de asociación ajustada. Esto es así porque
controlamos la influencia de la variable confusa sobre
la exposición y sobre el efecto.
16. Si conocemos el factor de confusión, se intenta prevenir su efecto durante la
fase de planificación del estudio. Supongamos que partimos de una cohorte
de 500 fumadores, el 80% hombres y el 20% mujeres. En lugar de tomar 500
controles no fumadores al azar (solo el 20% serían hombres), incluimos en la
cohorte no expuesta un no fumador por cada fumador de la cohorte
expuesta y una no fumadora por cada fumadora de la cohorte expuesta.
Tendremos dos cohortes con una distribución similar de la variable de
confusión y, lógicamente, también similares en la distribución del resto de las
variables conocidas (en caso contrario no podríamos compararlas).
17. Como sabemos el riesgo de
desarrollar cáncer en función del
sexo y el estado de fumador,
podemos calcular el número de
personas que esperamos que
desarrollen cáncer a lo largo del
estudio:
•
•
•
•
24 fumadores (el 6% de 400)
8 no fumadores (2% de 400),
3 fumadoras (3% de 100)
1mujer no fumadora (1% de 100)
Si calculamos la medida de
asociación (en este caso, el riesgo
relativo en hombres y mujeres por
separado vemos que coincide
(RR = 3).
Además, es el mismo riesgo que el
de la cohorte global, así que se
consiguió eliminar la variable de
confusión. En un estudio de
cohortes, el emparejamiento por
el factor de confusión nos permite
contrarrestar su efecto.
18. Referencias Bibliográficas
Hernández,
Roberto.
Metodología
de
la
Investigación. 5a edición. Mc Graw Hill: México,
2010. págs. 150-161.
Molina, M. Epidemiología. Servicio de Gastroenterología
del Hospital Infantil Universitario La Paz, de Madrid. 2013
M.N. Bel Ferré, M. Inglés Novell , J.L. Piñol Moreso. Cohort
studies. Base de datos: Elsevier. Revista: Fisioterapia, Vol.
31. Núm. 05. 2009.