33.2: Epidemiología- Una visión general

Última actualización
Guardar como PDF

Page ID: 54807

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

fuente desconocida. Todos los derechos reservados. Este contenido está excluido de nuestro Creativo

Licencia Commons. Para obtener más información, consulte http://ocw.mit.edu/help/faq-fair-use/.

Figura 33.1: Factores que contribuyen a la probabilidad de contraer una enfermedad. Cada relación mostrada representa correlación excepto el vínculo entre genoma y enfermedad. Correlación no significa causalidad, pero podemos usar el genoma para resolver la causalidad.

La epidemiología es el estudio de patrones, causas y efectos de las condiciones de salud y enfermedad en poblaciones definidas. Para hablar de epidemiología, primero debemos entender algunas definiciones y términos básicos: El nivel de morbilidad es lo enfermo que está un individuo mientras que la mortalidad es si un individuo está muerto o no. La incidencia es una tasa que describe el número de nuevos casos/personas con una enfermedad que aparece durante un periodo de tiempo. La prevalencia es el número total de casos en estado estacionario en la población. El riesgo atribuible es la diferencia en la tasa de una enfermedad entre los expuestos a la enfermedad y los no expuestos a la enfermedad. La carga poblacional se refiere a los años de vida potencial perdida (YPLL), año de vida ajustado por calidad o ajustado por discapacidad (QALY/DALY). El síndrome se refiere a los signos o síntomas concurrentes de una enfermedad que se observan. El reto de la prevención es determinar una enfermedad y su causa y entender si, cuándo y cómo intervenir.

Para determinar las causas de la enfermedad, los estudios deben diseñarse de acuerdo con ciertos principios del diseño experimental. Estos principios incluyen control, aleatorización, replicación, agrupación, ortogonalidad y combinatoria. Se necesitan grupos de control para que se pueda hacer la comparación con una línea basal.El efecto placebo es real, por lo que es necesario contar con un grupo de control. Las personas que reciben el tratamiento putativo que se está probando también deben ser aleatorias para que no haya sesgo. El estudio también necesita ser replicado para controlar la variabilidad en la muestra inicial. (Esto es similar a la maldición de los ganadores. Alguien puede ganar una carrera porque lo hizo sobresaliente en esa ronda en particular y superó su promedio personal, pero en la siguiente ronda probablemente regresarán a desempeñarse cerca de su promedio). Comprender la variación entre diferentes subgrupos también puede desempeñar un papel importante en los resultados de los experimentos. Estos pueden incluir subgrupos basados en la edad, el género o la demografía. Un subgrupo de la población puede estar aportando de una manera más profunda que ellos descansan, por lo que es importante mirar a cada subgrupo específicamente. La ortogonalidad, o la combinación de todos los factores y tratamientos, y la combinatoria, el diseño factorial, también se debe tener en cuenta a la hora de diseñar un experimento. Con los estudios de enfermedades en particular, se debe tomar en cuenta la ética al tratar con sujetos humanos. Existen limitaciones legales y éticas que son supervisadas por las juntas de revisión. Los ensayos clínicos deben realizarse ya sea ciego (el paciente no sabe si está recibiendo tratamiento o no) o doble ciego (el médico tampoco lo sabe). Un paciente que sepa si ha recibido un tratamiento puede cambiar sus hábitos causando sesgos, o un médico que sepa que un paciente recibió el tratamiento puede tratarlo de manera diferente o analizar sus resultados de manera diferente. Ambas consideraciones deben tenerse en cuenta para disminuir el sesgo que puede ocasionar diferentes resultados de un ensayo clínico.

Ejemplo Un ejemplo de la necesidad de un ensayo de control aleatorio es el tratamiento del ébola. Un tratamiento debe distribuirse aleatoriamente a las personas atendidas en diferentes hospitales y debe ser ciego. Si alguien cree que está recibiendo la vacuna, puede alterar sus hábitos para protegerse lo que puede afectar el resultado. Si sólo los pacientes de un hospital reciben la vacuna, existe la posibilidad de que los efectos vistos sean solo de ese hospital siendo más cuidadosos.

FAQ

P: En experimentos mal diseñados, ¿hay algún aspecto que más comúnmente se pasa por alto?

R: La más comúnmente omitida es la estructura de subgrupos. A veces no es obvio cuáles podrían ser los diferentes subgrupos. Para ayudar con esto, los investigadores pueden observar las propiedades generales de un predictor tratando de agrupar casos y controles de forma independiente y visualizar la agrupación. Si hay una subestructura distinta de caso/control en la agrupación, los investigadores pueden buscar variables dentro de cada clúster para ver qué es la subestructura impulsora.