Confusi

1
Confusión

• Dr. Sunita Dodani
• Profesor Asistente
• Medicina Familiar, CHS
• Universidad Aga Khan
• Pakistán

2
Objetivos de aprendizaje

• Entender el rol de los confusores en un estudio
• Aprender la relación entre una exposición,
  enfermedad y factores potenciales confusores
• Entender la diferencia entre confusión y
  modificación de efecto (interacción)
• Aprender los métodos para controlar los
  confusores en el diseño de estudios y en el
  análisis de los datos.

3
Objetivos de realización

• Después de esta conferencia, el estudiantes será
  capaz de
• Diferenciar el rol de un confusor en un estudio
• Usar métodos para controlar los efectos de los
  confusores en proyectos de investigación

4
Confusión

• Confusión ocurre cuando dos factores están
  asociados entre ellos, o van juntos y el efecto
  de uno es confundido con o distorsionado por el
  efecto del otro.
• Un confusor es una variable que está asociada con
  la exposición y en forma independiente de la
  exposición es un factor de riesgo para la
  enfermedad.

5
Confusión

• Ejemplos
• Estudio uno encontró una asociación entre
  tabaquismo y pérdida de pelo.
• El estudio estuvo confundido por edad
• Estudio dos encontró un resultado mejor para
  centros de maternidad cuando se compararon con
  hospitales
• El estudio podría estar confundido por
  voluntarios altamente motivados que pudieran
  haber seleccionado a esos centros como una opción

6
Confusión

• Confusores está generalmente correlacionados a
  otros factores causales
• HSV-2
• Actividad sexual
• HPV Cáncer cervical
• Un confusor no puede ser un intermediario en la
  ruta causal entre la exposición y la enfermedad

7
Confusión

• Delete sample documenticons and replace with
  working document icons as follows
• From Insert Menu, select Object...
• Click Create from File
• Locate File name in File box
• Make sure Display as Icon is checked
• Click OK
• Select icon
• From Slide Show Menu, Select Action Settings
• Click Object Action and select Edit
• Click OK

• En otras palabras, confusor es una variable que
  está asociada con la variable predictiva y es una
  causa de la variable resultado
• Junto con sesgo, confusión es con frecuencia la
  explicación alternativa de causa-efecto y la más
  importante de intentar excluir.
• A diferencia del sesgo, confusión puede
  controlarse en diferentes niveles del estudio.

8
Modificación de efecto

• La modificación de efecto es un tipo de
  interacción
• Cuando la fuerza de la asociación entre dos
  variables es diferente con respecto a una tercera
  variable, se llama modificador de efecto.

9
Modificación de efecto

• Ejemplos 1
• relación entre dosis de tiazida y riesgo de
  muerte súbita adición de suplemento de potasio,
  modifica el efecto a algunas dosis.
• modificador de efecto .. Adición de potasio

10
Modificación de efecto

• Ejemplo 2
• Personas quienes toman inhibidores de la
  monoaminooxidasa (MAOI) están en riesgo de
  embolia si comen ciertos alimentos como el queso.
  
• modificador de efecto . MAOI
• MAOI no está asociado con comer queso. No es un
  confusor.

11
Enfrentándose con confusores

• En la fase de diseño
• Los investigadores deberán estar conscientes de
  los confusores y ser capaces de controlarlos
• La primera lista de variables (como edad y sexo)
  pueden estar asociados con la variable predictiva
  y ser un factor de riesgo para el resultado

12
Enfrentándose con confusores

• Dos estrategias en la fase de diseño
• Especificación
• Pareado
• Ambas estrategias de muestreo
• Especificación
• Los criterios de inclusión en el diseño que
  especifica un valor del potencial confusor y los
  excluye a todos con un valor diferente
• Por ejemplo, en café e infarto al miocardio, sólo
  no fumadores deberán ser incluidos en el estudio
  Si una asociación se observa entre café e infarto
  al miocardio, no se debe a tabaquismo

13
Enfrentándose con confusores

• Especificación
• Ventajas
• Fácilmente entendible
• Se enfoca sólo en sujetos para la pregunta de
  investigación
• Desventajas
• Limita generalización
• Puede dificultar adquirir el tamaño de muestra
  adecuado.

14
Enfrentándose con confusores

• Pareando (principalmente en estudios casos
  controles)
• Selección de casos y controles con valores
  pareados de la variable confusora
• Pareado sensato
• e.g en estudio de beber café como predictor de
  infarto al miocardio, cada caso (paciente con
  infarto al miocardio) podría ser pareado con uno
  o más controles que fumaban la misma cantidad que
  el caso (10-20 cigarrillos/día)

15
Enfrentándose con confusores

• Pareando
• Ventajas
• Puede eliminar la influencia de fuertes
  confusores
• Puede incrementar la precisión (poder) por
  equilibrar el número de casos y controles en cada
  estrato
• Puede muestrearse por conveniencia haciendo más
  fácil seleccionar a los controles

16
Enfrentándose con confusores

• Pareado
• Desventajas
• Consume tiempo
• Requiere decisión temprana sobre cuales variables
  son predictoras y cuales confusoras
• Requiere análisis pareado
• Crea el peligro de sobre-parear (pareando sobre
  un factor que no es confusor, por lo tanto
  reduciendo el poder)

17
Enfrentándose con confusores

• En el análisis
• Estratificación
• Ajuste
• Estratificación
• Asegura que sólo los casos y controles con nivel
  similar de una variable confusora potencial son
  comparados.
• Involucra dividiéndo a los sujetos en estratos.

18
Enfrentándose con confusores

• Estratificación
• Ventajas
• Fácilmente entendible
• Flexible y reversible
• Puede elegir cual variable estratificar después
  de la colección de datos.

19
Enfrentándose con confusores

• Estratificación
• Desventajas
• Número de estratos limitados por el tamaño de
  muestra necesario para cada estrato
• Pocas co-variables pueden ser consideradas
• Poco estratos por co-variable da lugar a menor
  control del confusor

20
Enfrentánose con confusores

• Ajuste estadístico
• Existen técnicas estadísticas disponibles para
  ajustar por confusores.
• Estas técnicas modelan la naturaleza de las
  asociaciones entre la variable aislando los
  efectos de las variables predictivas y de
  confusores
• Esto requiere software para análisis multivariable

21
Enfrentándose con confusores

• Ajuste estadístico
• Ventajas
• Múltiples confusores pueden ser controlados
  simultáneamente
• Información sobre variables continuas puede ser
  completamente usada
• Flexible y reversible

22
Enfrentándose con confusores

• Ajuste estadístico
• Desventajas
• El modelo puede no ser apto
• Estimaciones inseguras de la fuerza de efecto (si
  el modelo no capta la relación predictor -
  resultado)
• Los resultados pueden ser difíciles de entender
• Co-variables relevantes debieron ser medidas