Sesion 9
- 1. Sesión 13 Métodos para Investigación Causal Dra. María Guadalupe Marcano
- 2. Ensayo Clínico Estudio experimental más frecuente Los sujetos son pacientes Evalúa uno o mas tratamientos para una enfermedad o proceso La validez radica en el proceso aleatorio para la designación de los grupos
- 3. Ensayo Clínico Ética y justificación del ensayo La población susceptible de ser estudiada Selección de los pacientes con su consentimiento a participar Proceso de aleatorización
- 4. Descripción de la intervención Seguimiento exhaustivo Medición de la variable final La comparación de los resultados en los grupos de intervención y control Ensayo Clínico
- 5. Ensayos Comunitarios Intervenciones sobre bases comunitarias amplias Cuasiexperimentales (existe manipulación pero no aleatorización) Una o varias comunidades recibirán la intervención mientras que otras servirán como control
- 7. Normas Generales para la realización de Investigaciones Biomédicas Progreso médico se basa en investigación que últimamente también debe fundarse en ensayos en humanos. Investigación biomédica en humanos debe coincidir con los principios científicos generalmente reconocidos. Investigación biomédica en humanos esta solamente permitido si la importancia del objeto de investigación esta en una relación adecuada con el riesgo del sujeto de experimentación. El derecho del sujeto a su integridad personal siempre tiene que ser respetado.
- 8. Estudio Controlado Aleatorizado
- 9. Sesgos Sesgos: errores sistemáticos en un estudio epidemiológico que producen una estimación incorrecta de asociación entre la exposición y la enfermedad. En definitiva producen una estimación equivocada del efecto.
- 10. Clasificación de Estudios Epidemiológicos Según Unidad de Estudio Estudio ecológico o de correlación. Unidad de estudio: población Estudios serie de casos, comunicación de un caso, estudio transversal: unidad de estudio: individuos
- 11. Clasificación de Estudios Epidemiológicos Según Intervención del Investigador en el Estudio Estudio observacional: estudio de caso control, cohorte. Estudio de Intervención o experimentales : ensayo clínico y ensayo comunitario.
- 12. Estudios Experimentales Se manipula las condiciones de la investigación Evalúan eficacia de: Terapias Actividades preventivas Actividades de planificación y programación sanitarias. Individuos identificados en base a su exposición (el investigador lo decide).
- 13. La ciencia tiene como objetivo principal comprender el mundo a través de una explicación. El concepto causal pretende descubrir relaciones entre variables, estableciendo la asociación causal entre exposición y su efecto.
- 14. Necesidad de contar con evidencia relacionada con la asociación entre dos fenómenos que pueden ser o no secuenciales, es decir, uno consecuencia del otro, como por ejemplo, la falta de adherencia al tratamiento en niños epilépticos es causa de recurrencia de las crisis. De aquí podría partir la pregunta de investigación, únicamente expresada en forma de interrogación.
- 15. Principios del Razonamiento Científico Método inductivo o experimental (filósofos escuela de Oxford) Método deductivo (Descartes, Berkeley) Método hipotético-deductivo-experimental (Karl Poper)
- 16. Causalidad La inducción se define con una idea de ascenso, de las partes intentar componer un todo, como una forma de razonamiento que supone generalización. El descender del todo hacia sus partes, es decir, la elaboración de una teoría y su verificación a través de la observación/experimentación, constituye la deducción .
- 17. Etapas de la Inducción Observación de los fenómenos Captación y tabulación de la información Formulación de la hipótesis Verificación o rechazo de ésta
- 18. Inducción frente a Deducción Se basa en el principio de uniformidad de la naturaleza (repetición de los mismos fenómenos dadas condiciones idénticas) lo que permite que el futuro se pueda predecir según el pasado.
- 19. Karl Poper: Sistema ideal de razonamiento científico: La refutación deductiva : probar que son falsas las predicciones de una hipótesis. Demostrar que una hipótesis es falsa contribuye más al conocimiento que verificarla una y otra vez. Inducción frente a Deducción
- 20. Modelos Causales Modelo determinista Modelo multicausal Modelo determinista modificado Modelo probabilístico
- 21. Modelo Determinista Postulados para la identificación del agente causal El agente debe estar presente en todos los casos de la enfermedad causa necesaria El agente no debe encontrarse presente en ninguna otra enfermedad especificidad de efecto El agente debe inducir la enfermedad siempre que se introduzca en animales susceptibles causa suficiente
- 22. Relación entre las Variables como causa necesaria y suficiente según el Modelo Determinista + - Diabetes y alteraciones CV + - Radiación y daño genético - + Estreptococo A y Fiebre Reumática - + Virus de la rabia y enfermedad rábica Causa suficiente Causa necesaria Relación
- 23. Modelo Multicausal Pluralidad disyuntiva de causas: El efecto es producido por cada causa separadamente C1 C2 E C3
- 24. Modelo Multicausal Pluralidad conjuntiva de causas: Todas deben estar presentes para que se produzca el efecto. C1+ C2+ C3 E
- 25. Modelo Multicausal Polivalencia: Multiplicidad de efectos para una misma causa E1 C E2 E3
- 26. Modelo Determinista Modificado Incorpora conceptos del modelo determinista y del modelo multicausal Prohibiciones sobre procesos causales: Las causas no pueden ocurrir después que los efectos Los efectos unicausales no existen No existen tiempos de inducción constante para las enfermedades (específicos de cada enfermedad)
- 27. Modelo Determinista Modificado Causa suficiente : Conjunto de condiciones mínimas que inevitablemente producen la enfermedad. Cada causa suficiente estará constituida de causas contribuyentes o componentes. Una misma enfermedad estará compuesta de varias causas suficientes con causas contribuyentes que pueden ser comunes en parte o diferentes en cada una de las causas suficientes.
- 28. Modelo Probabilístico Reemplaza al modelo determinista Utiliza teoría de probabilidad y los métodos estadísticos relacionados con ella para valorar asociación, que se cree causal. Algunos factores de las enfermedades pueden ser no conocidos o no medidos.
- 29. Modelo Probabilístico La utilización de una noción empírica e inductiva como la probabilidad, puede predecir la tendencia de una enfermedad, pero no puede determinar qué sujetos en colectividad desarrollarán esa enfermedad.
- 30. Modelo Probabilístico Ventajas Nos permite jugar con nuestra ignorancia de los procesos causales y la forma de observarlos Permite la valoración de dosis respuesta entre una exposición y una enfermedad
- 31. Modelo Probabilístico Ventajas Posibilita creación de modelos matemáticos que facilitarán datos exactos e interpretables Analizarán exposiciones múltiples y/o enfermedades para valorar relaciones entre ellas.
- 32. Asociación e Independencia en Epidemiología Se busca la asociación e independencia entre una variable (factor de riesgo) y una enfermedad a través de pruebas estadísticas.
- 33. Asociación e Independencia en Epidemiología Asociación es una relación entre dos variables Asociación Positiva: Probabilidad de ocurrencia de una variable aumenta con la presencia de la otra (cáncer de pulmón tabaquismo) Asociación Negativa: Probabilidad de ocurrencia de una variable disminuye por el hecho de que suceda otra (cardiopatía isquémica cifras bajas de colesterol-HDL sérico)
- 34. Asociación e Independencia en Epidemiología Independencia: al aumentar o disminuir una variable, no se sigue el efecto similar en la otra ( riesgo de tétanos-fumar o no fumar)
- 35. Tipos de Asociación Variables Independientes (sin asociación estadística) Asociados estadísticamente Asociados sin causa Artificial Espuria Indirectamente Directamente Asociados con causa
- 36. Artificial : Presencia de un factor, conocido o desconocido, asociado a una variable y una enfermedad, puede establecer asociación entre ambas, siendo ilógica como factor causal. Ej.: manchas amarillas de dedos índice/medio cáncer broncopulmonar. Espuria (por error): Por sesgos de selección de la muestra, por errores de información. Establece asociación falsa. Asociados sin Causa
- 37. Asociados con Causa Directa : Aquella que antecede inmediatamente al efecto. A B Ej. Mayor consumo de alimentos obesidad.
- 38. Asociados con Causa Indirecta: tiene otras causas intermedias, más inmediatas, entre ella y la producción del efecto. C A B E Ej.: Aumento de la obesidad con respecto al incremento de la venta de automóviles.
- 39. Asociación e Independencia en Epidemiología Cuanto más fuerte sea la asociación, mayor la probabilidad de que confirme una hipótesis causal.