Download Metodología de estudios en infección nosocomial

MÁSTER EN INVESTIGACIÓN MÉDICA,
CLÍNICA Y
EXPERIMENTAL
Infecciónes nosocomiales
Tema 2. Metodología de estudios en infección nosocomial
Jesús Rodríguez Baño. Hospital U Virgen Macarena
Preguntas habituales
• ¿Cuáles son los factores de riesgo para
desarrollar una infección o adquirir un
microorganismo?
• ¿Cuál es el mejor tratamiento para la infección o
el microorganismo X?
• ¿Cuál es el impacto de una intervención para
reducir la incidencia de la infección ó el
microorganismo X?
• ¿Cuál es el impacto de una intervención para
mejorar el manejo de una infección X?
Tipos de diseños epidemiológicos
No intervención
Estudios
observacionales
Descriptivos
Analíticos
Serie de casos
Ecológicos
Prevalencia
Casos y controles
Cohorte
Intervención
Estudios
experimentales
Cuasiexperimental
Ensayo clínico
aleatorizado
- Individual
- Grupos
Epidemiología analítica
• En el fondo, siempre nos preguntamos si la
exposición a un factor se asocial con la
ocurrencia de un efecto
Exposición a una variable o factor (F)
Ocurrencia de un efecto (E)
• El factor puede ser
–
–
–
–
Un factor de riesgo para desarrollar una infección
Un tratamiento para la curación
Una intervención para mejorar la atención
Etc
• El efecto puede ser
– Que ocurra la infección en un estudio de factores de
riesgo
– Que se cure en un ensayo terapéutico
– Que mejore el manejo en una intervención
Estudios ecológicos
• Se utilizan datos agregados
• Ejemplo:
– Incidencia de cáncer de pulmón - consumo de tabaco
– Incidencia de R – consumo de ATBs
• Problema: la relación ecológica puede no existir
a nivel individual (“falacia ecológica”)
• Sencillos
• Sirven para generar hipótesis
Incidencia de S.pneumoniae resistente a penicilina y
consumo de betalactámicos en países europeos
Estudios de casos y controles
F
noF
F
Casos
Controles
noF
Casos
Controles
F
a
b
noF
c
d
a/c
OR=
b/d
= axd/bxc
Ejemplos de utilidad de casos y
controles
• Estudio de factores de riesgo de una
infección o microorganismo en
– Brotes (necesidad de disponer de datos
rápidamente)
– Poblaciones grandes con número de casos
pequeño
Estudios de cohortes
E
F
noE
E
noF
noE
E
noE
F
a
b
noF
c
d
RR=
a/a+b
c/c+d
Ejemplos de utilidad de cohortes
• Factores de riesgo para adquirir un
patógeno en la UCI
• Factores de riesgo de muerte tras
desarrollar una infección
• Comparación observacional de la eficacia
de dos antibióticos (F1 vs F2)
Confusión
• Confusión: la relación encontrada entre F1 y E no es debida a F1
sino a otro factor llamado de confusión (FC) que
– También se asocia con E
– Se distribuye de forma distinta entre los expuestos y no expuestos a F1
Ejemplo de confusión
• Comparamos dos antibióticos (A y B) para ver si alguno se asocia con menor
mortalidad en el tratamiento de la neumonía nosocomial; la exposición a A ó B
es la variable de exposición F1; la mortalidad es el E.
• Los tratados con A tienen menos mortalidad; eso significa que hay asociación
entre F1 y E
• Sin embargo, hay otra variable que se asocia con E, que es el padecer cáncer
(F2). Los pacientes con neumonía que tienen cáncer también tienen más
mortalidad. Por tanto, hay relación entre F2 y E.
• Comprobamos que los pacientes con cáncer se han tratado mayoritariamente
con el antibiótico A y los que no tienen cáncer con el B.
• La mayor mortalidad con el antibiótico A no se debe a que sea peor que B, sino
a que se usa en pacientes que ya de por sí tienen mayor riesgo de cáncer.
• Por tanto, F2 es un factor de confusión para la asociación F1 y E.
Control de la confusión: métodos básicos
• Estratificación
– Evaluar la mortalidad con los antibióticos A y B de
forma separada en pacientes con y sin cáncer
– Problema: los tamaños muestrales de los estratos
son más pequeños
• Análisis multivariante
– Fórmula matemática que explica la probabilidad de
morir si se usa el tratamiento A ó el B considerando si
tienen o no cáncer (u otras variables)
Ensayo clínico controlado
Muestra
Aleatorización
Asignación
tratamiento A
Asignación
tratamiento B
%Respuesta
%Respuesta
• En los ensayos aleatorizados se supone
que no hay confusión porque todas las
variables se distribuyen de manera similar
en ambos grupos por efecto del azar
Estudios cuasiexperimentales
• La asignación de la intervención no se
aleatoriza
– Por motivos éticos
– Por imposibilidad
– Por conveniencia
• Comparación con
– Grupo externo sin aleatorización
– Grupo histórico
• Frecuentemente en grupos por
– Imposibilidad
– Riesgo de “contaminación”
Cuasiexperimentales más
habituales
• Antes-después
– Medimos la variable resultado (E) antes y
después de la intervención
– Hay que intentar controlar la confusión de
otras variables
• Series temporales
– Medimos E en muchos momentos antes y
después de la intervención para valorar
• La tendencia (slope) previa y posterior
• La frecuencia (level) previa y posterior