análisis crítico de la información en ciencias de la salud (material de lectura)
TRANSCRIPT
Análisis crítico de la información en
Ciencias de la Salud
Asignatura: Farmacia Clínica y Asistencial Carrera: Farmacia Autor: Hugo Granchetti
Año de edición: 2015
2
Objetivos
Que el alumno:
Comprenda la utilidad de la epidemiología en Salud Pública.
Repase los diferentes tipos de estudios epidemiológicos, incluyendo sus respectivas fortalezas y debilidades.
Logre interpretar las medidas de frecuencia utilizadas en esta disciplina.
Conozca las metodologías empleadas para la evaluación de resultados.
Reconozca cuál es información confiable y cuál no, mediante el análisis crítico de la información disponible.
3
Índice
1. Introducción al análisis crítico de la información ............................... 4
2. Investigación Clínica ............................................................................ 5
3. Epidemiología ....................................................................................... 6
4. Repaso de los tipos de estudios epidemiológicos ............................. 8
5. Evaluación de resultados ................................................................... 14
6. Conclusión del capítulo ...................................................................... 22
7. Actividades .......................................................................................... 23
8. Bibliografía y links de interés ............................................................. 24
4
1. Introducción al análisis crítico de la información
En el ejercicio profesional, para dar una recomendación o tomar una decisión
con criterio, no sólo es necesario saber realizar una buena búsqueda
bibliográfica sino también saber analizar críticamente la información. La
combinación de ambas habilidades resulta esencial en nuestros tiempos para
orientar recursos y estrategias hacia intervenciones basadas en la evidencia
disponible.
En muchas ocasiones la información es excesivamente abundante, y en otras
es por el contrario escasa o contradictoria. En cualquiera de estos escenarios
resulta imperativo analizar la calidad de la evidencia disponible más allá de la
confiabilidad de la fuente, pues no todo lo que está publicado es necesariamente
de alta calidad. El sistema formal de publicación y revisión científica es falible y
está, como toda actividad humana, cruzado por intereses individuales y grupales
en el contexto de un mundo complejo e inter-dependiente. Asimismo, la
investigación científica implica la inversión de recursos públicos y/o privados, que
no alcanzan para investigar todos los interrogantes planteados.
Por otra parte, todos los diseños de investigación presentan fortalezas y
debilidades, incluso aquellos que se encuentran en la cúspide de la validez
interna como los ensayos clínicos y los meta-análisis. Como ejemplo de un sesgo
difícil de evitar en el ámbito científico, podemos mencionar el sesgo de
publicación: se tienden a publicar aquellos resultados “positivos” en los que se
rechaza una hipótesis nula, mientras que los resultados no significativos se
pierden en la historia. Esto genera vacíos difíciles de detectar, e incluso si se
detectan, son imposibles de llenar.
El siguiente video es una charla del Dr. Ben Goldacre en TED (2011), que nos
invita a reflexionar sobre estos aspectos:
5
http://www.ted.com/talks/ben_goldacre_battling_bad_science
Ben Goldacre. “Battling Bad Science”. TED 2011
2. Investigación Clínica
Investigación en salud es “la generación de conocimiento nuevo, producido a
través del método científico, para investigar y controlar los problemas de salud”.
La Investigación Clínica es fundamental para el desarrollo de intervenciones o
de recursos tecnológicos útiles para el mantenimiento de la salud, la prevención
de la enfermedad, su diagnóstico oportuno y el tratamiento de los afectados.
Investigación en salud no es un campo reservado solamente a los científicos
que trabajan en laboratorios, se requieren también epidemiólogos, clínicos,
estadísticos, científicos sociales y economistas, entre otros. Permite la
evaluación de los problemas en el campo a lo largo del tiempo, así como sus
modificaciones ante la implementación de intervenciones para controlarlos.
El concepto de la práctica en salud basada en la evidencia representa este
principio: los cuidados para mantener y recuperar la salud de los individuos
dependen de nuestra habilidad para tomar decisiones que tengan bases en
conocimiento científicamente sólido, basado en la mejor evidencia disponible al
momento.
6
3. Epidemiología
La epidemiología es el estudio de las variables o factores que condicionan la
salud y la enfermedad de las poblaciones humanas. Estos factores son múltiples
y de muy variada naturaleza: genéticos, laborales, nutricionales, tóxico-
ambientales, psicosociales, etc. La farmacología clínica y la epidemiología del
medicamento estudian los efectos de los medicamentos sobre el binomio salud-
enfermedad, en este contexto multifactorial. Los fármacos son uno de los
factores que el sistema sanitario utiliza con la finalidad de actuar sobre la salud
de las poblaciones. Sin embargo, en muchas ocasiones este objetivo no se
cumple.
7
(Fuente: www.ucdmc.ucdavis.edu)
Un elemento común en los estudios clínicos y epidemiológicos es la necesidad
de expresar la frecuencia de un evento de interés. Más aún, en muchas
oportunidades se requiere comparar la frecuencia observada del fenómeno en
varios grupos con el objeto de establecer si hay diferencias frente a la presencia
de otras condiciones: la exposición a un posible factor causal, una intervención
preventiva, una intervención terapéutica.
Utilidad de la epidemiologia en Salud Pública
Identificación de la historia natural de las enfermedades.
Descripción de la distribución, frecuencia y tendencias de la enfermedad
en las poblaciones.
Identificación de la etiología y los factores de riesgo para la aparición y
desarrollo de enfermedades.
Identificación y explicación de los mecanismos de transmisión y
diseminación de las enfermedades.
Identificación de la magnitud y tendencias de las necesidades de salud.
Identificación de la magnitud, vulnerabilidad y formas de control de los
problemas de salud.
Evaluación de la eficacia y efectividad de las intervenciones terapéuticas.
Evaluación de la eficacia y efectividad de la tecnología médica.
Evaluación del diseño y ejecución de los programas y servicios de salud.
8
4. Repaso de los tipos de estudios epidemiológicos
En investigación médica, los objetivos más frecuentemente perseguidos son
dos:
1) Determinar causas y factores de riesgo para una enfermedad.
2) Evaluar un tratamiento farmacológico u otra intervención para determinar
su impacto en la historia natural de la enfermedad.
Cada uno de estos objetivos puede llevarse a cabo aplicando diseños de
investigación apropiados.
Los estudios de investigación pueden clasificarse de diferentes formas
dependiendo de qué aspecto del estudio se tome en cuenta. Por lo general se
clasifican de acuerdo a:
1) El modo de analizar la información
2) Si se interviene sobre los sujetos de investigación
3) El modo de recolección de los datos
4) El seguimiento de la población
9
1) Según el modo de analizar la información: diseño descriptivo y diseño
analítico
Los estudios observacionales pueden clasificarse como descriptivos si sólo se
reportan los datos observados obtenidos de toda la población estudiada (por
ejemplo, porcentaje de hipertensos en adultos mayores de 65 años y su
mortalidad).
Si la población se subclasifica de acuerdo con alguna característica relevante
y se comparan los datos entre las subpoblaciones, el estudio se denomina
analítico (por ejemplo, población mayor de 65 años, subclasificada en
hipertensos vs. no hipertensos, se compara la mortalidad entre ambos grupos).
a) Estudios descriptivos
El objetivo de los mismos es determinar el valor de las variables en una
población o grupo de sujetos. Tiene utilidad para:
Describir la frecuencia y distribución de enfermedades.
Valorar la magnitud de los problemas de salud para la asignación de
recursos.
Generar hipótesis para ser contrastadas con otros estudios
epidemiológicos.
Los estudios descriptivos son los siguientes:
Reporte de un caso
Serie de casos
Estudios transversales (sin comparación entre grupos)
Estudios de utilización de medicamentos (propio de la
farmacoepidemiología)
b) Estudios analíticos o comparativos
El objetivo de estos estudios es comparar el valor de las variables entre dos o
más grupos de sujetos para buscar asociaciones.
Los estudios analíticos se clasifican a su vez en experimentales y
observacionales (se describen más adelante). En efecto, al igual que en otros
10
campos de la investigación biomédica, las dos principales orientaciones para el
estudio de los efectos de los fármacos (terapéuticos e indeseables) son la
experimental y la observacional.
2) Según el modo de recolección de los datos: diseño prospectivo y diseño
retrospectivo
Otra forma de clasificar los estudios es en relación a la recolección de los datos.
Si los datos se recolectan hacia adelante en el tiempo desde el inicio del estudio,
el diseño es prospectivo.
Cuando los datos se obtienen a través del interrogatorio o anamnesis del
sujeto, o su historia clínica, u otros registros, el diseño se denomina
retrospectivo.
3) Según si se interviene sobre los sujetos de investigación: diseño
experimental y diseño observacional
a) Estudios experimentales: Si el investigador realiza alguna intervención
para que los sujetos adquieran alguna característica en particular, el diseño es
experimental.
En un estudio experimental, usualmente los sujetos participantes son
distribuidos al azar en un grupo tratado con el fármaco estudiado y un grupo de
control (que puede ser tratado con las medidas tradicionales, con un placebo,
etc.). Los dos grupos son seguidos, muchas veces bajo la modalidad de doble
ciego, para observar cualquier diferencia en los resultados. Así se evalúa la
eficacia y/o seguridad del tratamiento experimental. En este caso se trata de un
ensayo clínico controlado y aleatorizado (ECA).
La distribución al azar (randomización) propia del ensayo clínico permite que,
si el número de participantes es suficiente y no hay "mala suerte", las variables
de pronóstico relevantes (por ejemplo edad, evolución de la enfermedad
estudiada, otras patologías concomitantes, uso de otros fármacos) se distribuyan
en la misma proporción entre los dos o más grupos que van a ser comparados.
Nótese que si la asignación es aleatoria, tanto las variables de pronóstico
11
conocidas como las desconocidas se distribuyen de manera similar entre los
grupos. Así, cualquier diferencia que se registre podrá ser atribuida a las
diferentes modalidades de tratamiento recibidas por uno y otro grupo. Por eso
se dice que el ensayo clínico es el “patrón de oro” (gold standard) de los métodos
epidemiológicos usados para indicar relaciones de causalidad.
De todos los tipos de estudios, el ensayo clínico controlado y aleatorizado
proporciona resultados de la mayor calidad, siempre que su diseño y realización
hayan sido rigurosos.
b) Estudios observacionales: Si sólo se observan las características que la
población ha adquirido naturalmente, el diseño es observacional. Aquí los
investigadores no realizan ninguna intervención sobre los sujetos. La población
se selecciona en base a una característica que ella posea y que sea de interés
estudiar.
Por ejemplo, podemos tomar un grupo de pacientes con Infarto Agudo de
Miocardio tratados con terapia fibrinolítica y determinar la mortalidad. Luego
comparamos dicha mortalidad con la de un grupo que no haya recibido este
tratamiento. En este estudio la asignación a tratamiento fibrinolítico no la realiza
el investigador: la determinación de tratar o no a los pacientes ya fue realizada y
lo único que hace el investigador es “observar” la mortalidad, o cualquier otro
evento, en este grupo de pacientes.
En un estudio observacional no se puede asegurar que otros factores (variables
potencialmente confusoras), distintos del tratamiento o variable en estudio, no
difieran entre uno y otro grupo.
Dentro de los estudios observacionales encontramos los estudios de cohortes
y los estudios de casos-controles.
i) Estudios de cohortes (generalmente prospectivos): Se identifica a una
población de individuos expuestos al factor o al fármaco de interés, y
simultáneamente a otra población de individuos no expuestos. Cada una de
estas poblaciones se denomina cohorte. A continuación, se estudian durante un
cierto período de tiempo (que puede llegar a ser de varios años), tras lo cual se
mide y compara la frecuencia de las enfermedades (evento) de interés en uno y
otro grupo.
12
(Fuente: Centre for Evidence-Based Medicine, United Kingdom)
ii) Estudios de casos y controles (generalmente retrospectivos): Se
identifica a una población de individuos con la enfermedad o evento indeseable
de interés (casos), y simultáneamente a otra población de individuos sin la
enfermedad en cuestión (controles). Cada una de estas poblaciones, que se
distinguen entre sí por la presencia o ausencia de la enfermedad, es investigada
-por entrevista, por examen de su historia clínica o de su hoja de medicación, por
examen de su registro de su mutual o sistema de seguridad social o por cualquier
otro medio- sobre su exposición previa a factores como por ejemplo fármacos.
Así, se puede comparar la frecuencia de dichos factores (exposición) en uno y
otro grupo.
13
(Fuente: Centre for Evidence-Based Medicine, United Kingdom)
A modo de corolario, para clarificar conceptos:
SI HAY COMPARACIÓN PERO NO INTERVENCIÓN
ESTUDIO OBSERVACIONAL
SELECCIÓN EN FUNCIÓN DE LA
EXPOSICIÓN
SELECCIÓN EN FUNCIÓN DEL
EVENTO
ESTUDIO DE COHORTES ESTUDIO DE CASOS Y CONTROLES
14
4) Según el seguimiento de la población: diseño longitudinal y diseño
transversal
El diseño se llama longitudinal si las variables de interés se miden más de una
vez a lo largo del seguimiento. En general los sujetos son observados varias
veces a lo largo de un período determinado. Por ejemplo, pacientes
diagnosticados en el pasado como diabéticos son seguidos a partir del ingreso
al estudio cada 6 meses para determinar la tasa de complicaciones vasculares
que desarrollarán en los próximos 5 años. Como vemos, esta determinación se
realiza varias veces.
Cuando las variables de interés se miden una única vez, el diseño se llama
transversal. Un estudio de diseño transversal podría ser uno que incluya,
durante un período de 3 meses, pacientes con diagnóstico previo de diabetes
para determinar qué complicaciones vasculares presentan en ese momento,
pudiendo obtener estos datos a partir de las historias clínicas, interrogatorios,
etc.. Como vemos, esta determinación se realiza sólo una vez.
5. Evaluación de resultados
Medidas de frecuencia
En la medición de sucesos de interés sanitarios se utilizan un conjunto reducido
de indicadores. Para representar adecuadamente un suceso puede ser
necesario, y hasta recomendable, la utilización combinada de varios indicadores.
Cifras absolutas: La medida más elemental de frecuencia de una enfermedad,
o de cualquier otro evento en general, es el número de personas que la padecen
o lo presentan (por ejemplo, número de pacientes con hipertensión arterial,
número de fallecidos por accidentes de tránsito.). Sin embargo, las cifras
absolutas por sí solas carecen de utilidad para determinar la importancia de un
problema de salud, pues no dan información del tamaño de la población de
donde provienen los casos ni del período de tiempo en el cual éstos fueron
identificados.
15
Cifras relativas: Puede ser una proporción, una razón o una tasa.
Proporción
Es un cociente en el que el numerador está incluido en el denominador.
Por ejemplo, si en una población de 25000 habitantes se diagnostican
1500 pacientes con diabetes, la proporción de diabéticos en esa población
es de 1500/25000 = 0,06 (6%). El valor de una proporción puede variar
así entre 0 y 1, y suele expresarse como un porcentaje. La prevalencia es
un ejemplo de proporción.
Razón
En este cociente el denominador no contiene al numerador. Por ejemplo
la razón mujeres:varones entre todos los ingresados por hemorragia
digestiva alta es de 1:3. Cuando en una razón el numerador es la
probabilidad (p) de que ocurra un suceso y el denominador es la
probabilidad de que tal suceso no ocurra, a esta razón se la llama en
inglés odds.
Odds = p / (1 - p)
Tasa
Finalmente, las tasas son expresiones de la frecuencia con que ocurre
un hecho en una población determinada. La tasa es la medida de
frecuencia más completa y útil, ya que expresa un cambio del estado
clínico de una población determinada por unidad de tiempo. La incidencia
de una enfermedad es un ejemplo de tasa.
Las dos medidas de frecuencia más utilizadas en la investigación clínica y
epidemiologia son la prevalencia y la incidencia. Si bien en el lenguaje común a
veces se las emplea como sinónimos, estos dos términos tienen significados
completamente diferentes.
16
Prevalencia: proporción de la población estudiada con la característica de
interés.
Incidencia: aparición de novo de una condición en la población estudiada,
durante el período de tiempo estudiado.
Medidas de efecto y de asociación
Uno de los principales objetivos en muchos estudios clínicos y epidemiológicos
es establecer si la exposición a algún factor (un posible agente causal, una
intervención preventiva, un tratamiento) modifica la frecuencia de aparición de
uno o varios eventos (outcomes) de interés. En lenguaje algo más técnico, se
pretende establecer si existe asociación entre la exposición al factor de interés y
el riesgo posterior de presentar un desenlace clínico. Esto implica comparar la
frecuencia de dicho evento en grupos de sujetos expuestos y no expuestos al
agente o a la intervención de interés.
(Fuente: Federal Bureau of Statistics, Pakistan)
Como se dijo anteriormente, la mejor medida de evaluar el riesgo de desarrollar
un evento es la incidencia, o sea, la frecuencia con que se presenta un desenlace
durante un período determinado en individuos que estaban libres del mismo al
inicio de la observación. La comparación de las incidencias observadas en
individuos expuestos y no expuestos permitirá establecer cuál es el aumento o
17
la disminución en el riesgo del desenlace según la exposición. Sin embargo, en
algunos tipos de estudio como los de casos-controles no podremos estimar la
incidencia, pues los individuos son seleccionados a partir del evento.
La tabla de contingencia 2 x 2
En cualquier caso, se realice un ensayo clínico, un estudio de cohortes o un
estudio de casos y controles, los resultados finalmente obtenidos se dispondrán
en una tabla con cuatro celdas centrales (ver figura).
La línea horizontal (marcada con la X) señala la división de la población según
su exposición: mientras que el grupo ubicado arriba de esta línea se expuso a
la intervención, el ubicado por debajo de ella corresponde a los sujetos del grupo
control. Por otra parte, la línea vertical Y divide a estos dos grupos de acuerdo
con la aparición del desenlace: los casos ubicados a la izquierda son quienes
presentaron el desenlace, en tanto los de la derecha son los que no lo
presentaron.
X
Y
18
La división de la población del estudio por estas líneas, que señalan la
distribución de la población según la exposición recibida y la aparición ulterior
del desenlace, permite resumir los datos en una tabla de dos por dos celdas.
Cada celda (identificada como A, B, C y D) contiene el total de sujetos que
presentaron y no presentaron el desenlace en cada grupo de tratamiento.
A: número de expuestos que presenta el evento.
B: número de expuestos que no presenta el evento.
C: número de no expuestos que presenta el evento.
D: número de no expuestos que no presenta el evento.
De esta manera, es posible realizar diferentes cálculos estadísticos de riesgo.
Debe tenerse la precaución de mantener siempre el orden propuesto de las filas
y las columnas, ya que de otro modo las fórmulas presentes a continuación
serían incorrectas.
Riesgo Absoluto (RA): Se denomina a la incidencia de una enfermedad en
una población. Éste puede indicar la magnitud del riesgo de sufrir una
enfermedad en un grupo de personas con exposición a un factor de riesgo.
RA en el grupo expuesto = Incidencia en el grupo expuesto (Ie) = A / (A + B)
RA en el grupo control = Incidencia en el grupo control (Ic) = C / (C + D)
Como este valor no se compara con el riesgo de la población no expuesta,
no indica si existe asociación entre el factor de riesgo y la enfermedad.
Reducción de Riesgo Absoluto (RRA): Es la diferencia entre la incidencia
en el grupo control y la incidencia en el grupo expuesto. Si la incidencia de los
dos grupos es igual, es decir no existe diferencia entre los tratamientos,
entonces la RRA es 0 (cero).
RRA = Ic – Ie
19
La RRA es útil para calcular otras medidas que describen el impacto clínico
potencial que se puede esperar de la intervención (véase NNT).
Riesgo Relativo (RR): Es el cociente entre la incidencia de los expuestos (Ie)
y la incidencia de los no expuestos o controles (Ic).
RR = Ie / Ic
Es uno de los indicadores más frecuentemente empleados para comparar
los riesgos. Si es igual a 1, el efecto del tratamiento no es distinto del efecto
del control. Si el RR es mayor (o menor) que 1, el efecto del tratamiento es
mayor (o menor) que el del control. Nótese que el efecto que se está midiendo
puede ser adverso (ej.: muerte, IAM, discapacidad) o deseable (ej.: curar,
dejar de fumar).
Un RR = 2,4 indica que la probabilidad de presentar el evento (ej.: IAM) es
2,4 veces mayor para los pacientes que reciben el tratamiento respecto de los
que reciben el control.
Podríamos resumirlo como sigue:
Evento deseable (curación, alivio del dolor, mejora calidad de vida):
RR > 1 = efecto beneficioso del tratamiento de interés.
RR < 1 = efecto perjudicial del tratamiento de interés.
Evento adverso (muerte, IAM, ACV, fractura osteoporótica):
RR > 1 = efecto perjudicial del tratamiento de interés.
RR < 1 = efecto beneficioso del tratamiento de interés.
Reducción de Riesgo Relativo (RRR)
RRR = 1 - RR
20
Esta expresión indica cuánto se reduce (o aumenta) el riesgo de presentar
el evento indeseable como consecuencia de la exposición, al compararlo con
el riesgo observado en aquellos no expuestos.
Un RR = 0,72 indica que el tratamiento produce una disminución de la
probabilidad de que ocurra el evento (ej.: IAM) de un 28 % [(1 - 0,72) x 100]
en comparación con los que reciben el control.
Sin embargo, el riesgo relativo y la reducción de riesgo relativo tienen
limitaciones: se observaría el mismo RR y la misma RRR si las incidencias en
ambos grupos hubieran sido diez veces mayores.
Número Necesario a Tratar (NNT): Es la inversa de la reducción de riesgo
absoluto. Sirve para estimar el impacto clínico del efecto. Es el número de
personas que se necesitaría tratar con un tratamiento específico (ej.: aspirina
a quienes han sufrido un ataque cardíaco) para producir, o evitar, una
ocurrencia adicional de un evento determinado (ej.: muerte).
NNT = 1 / RRA
En estudios donde la exposición se asocia con un incremento del riesgo de
eventos indeseables, el NNT tendría un resultado negativo, que representa el
total de personas que debe exponerse al factor de riesgo para observar un
evento indeseable. Algunos autores han propuesto emplear en estas
circunstancias el término NNH (Número Necesario a Herir).
Odds Ratio (OR) o Riesgo Relativo Indirecto: Es la probabilidad (odds) de
ocurrencia del evento en el grupo expuesto, dividida por la probabilidad (odds)
de ocurrencia del evento en los no expuestos. Se llama también riesgo relativo
indirecto porque estrictamente hablando no se están utilizando las
proporciones del evento, que son los mejores indicadores de los riesgos, sino
las probabilidades, que son una aproximación de los mismos.
OR = (A / B) / (C / D) = (A x D) / (B x C)
En un estudio de casos y controles no se puede conocer la incidencia del
evento entre los expuestos y entre los no expuestos, porque las poblaciones
21
participantes son seleccionadas en función del evento, y no en función de su
exposición. En su lugar se utiliza entonces el Odds Ratio, que es análogo al
valor de riesgo relativo y útil en estudios retrospectivos.
La interpretación de este resultado es idéntica a la del RR cuando el evento
de interés tiene una baja probabilidad de ocurrencia: un valor menor a 1
sugiere que la exposición se asocia con una reducción en el riesgo de
presentar el evento, mientras que cifras mayores a 1 implican que la
exposición aumenta el riesgo.
Resumen de las medidas de efecto y asociación
Medida Cálculo según tabla 2x2
Incidencia del evento en el grupo expuesto (Ie) A / (A + B)
Incidencia del evento en el grupo control (Ic) C / (C + D)
Riesgo Absoluto (RA) RA en el grupo expuesto = Ie
RA en el grupo control = Ic
Reducción de Riesgo Absoluto (RRA) RRA = Ic – Ie
Riesgo Relativo (RR) RR = Ie / Ic
Reducción de Riesgo Relativo (RRR) RRR = 1 - RR
Odds Ratio (OR) o Riesgo Relativo Indirecto OR = (A / B) / (C / D) = (A x D) / (B x C)
Número Necesario a Tratar (NNT) o Dañar
(NNH)
NNT o NNH = 1 / RRA
22
6. Conclusión del capítulo
La ciencia no es un cuerpo de conocimientos absolutos, abstractos e
independientes. Es una actividad humana susceptible, como todas las demás,
de debilidades intrínsecas, sesgos, vanidades, intereses y limitaciones que, si
bien pueden y deben minimizarse, no es posible evitarlas completamente. En
este contexto, los profesionales e investigadores de las Ciencias de la Salud
debemos estar atentos con un espíritu crítico y reflexivo ante las publicaciones
relacionadas con las intervenciones en nuestro campo.
Esto no significa que debemos desconfiar y derrumbar cuanta conclusión
científica encontremos, sino evaluar con justo equilibrio las decisiones que
nuestros colegas han tomado al aplicar el método científico. ¿Es transparente el
diseño del estudio? ¿Se han intentado minimizar los posibles sesgos? ¿Son
claras las fortalezas y debilidades del estudio, o estas últimas intentan ocultarse?
¿Cuál es la aplicabilidad de sus resultados a mi contexto de trabajo?
Mediante este tipo de preguntas y las herramientas descriptas en este capítulo,
estaremos mejor preparados para realizar un buen análisis crítico de la
información en Ciencias de la Salud.
23
7. Actividades
Lea el estudio Dabigatran versus warfarin in patients with Atrial Fibrillation,
Connolly et al. (2009), que puede encontrar en el siguiente link:
http://www.nejm.org/doi/full/10.1056/NEJMoa0905561#t=articleTop
Luego resuelva las siguientes consignas:
a) Defina el diseño utilizado en este estudio. ¿Cuáles son las fortalezas y
debilidades de este tipo de diseños, en general?
b) ¿Considera que este estudio tiene algún sesgo? ¿Mediante qué
estrategias los investigadores intentaron minimizar los posibles sesgos?
c) ¿Cuáles son las intervenciones de interés y cuál es su comparador o
control?
d) Mencione cuál es el outcome primario utilizado para evaluar el efecto
terapéutico y cuál es el outcome primario de seguridad.
e) ¿Cuál fue la medida de efecto utilizada por los autores para evaluar los
resultados?
f) Elabore la tabla 2x2 para el outcome primario evaluado en el estudio para
los distintos grupos.
g) Calcule la incidencia (Riesgo Absoluto) para el grupo de la intervención y
el grupo control.
h) Calcule el RR (riesgo relativo), RRR (reducción del riesgo relativo), y RRA
(disminución del riesgo absoluto) para el outcome primario de eficacia.
i) Calcule el NNT para el grupo tratado con dabigatran a dosis de 110 mg
cada 12 hs y el tratado con dabigatran 150 mg cada 12 hs.
24
8. Bibliografía y links de interés
- CHIQUETTE, Elaine. POSEY, Michael (2007). Evidence-Based
Pharmacotherapy. Washington, D.C.: American Pharmacists Association.
- GOLDACRE, Ben (2011). Battling Bad Science. TED: Ideas worth spreading.
- WIFFEN, Phil (2001). Evidence-Based Pharmacy. Abingdon: Radcliffe Medical
Press.
- ZACCAI, Julia (2004). How to assess epidemiological studies. Postgraduate
Medical Journal. 80:140-147.
- Centre for Evidence-Based Medicine: http://www.cebm.net/
- Critical Appraisal Skills Program: http://www.casp-uk.net/
- University of Oregon Libraries:
https://library.uoregon.edu/guides/findarticles/credibility.html