www.ConvencionDeRiesgo.com

Medición de riesgo y su

modelamiento en epidemiología,

con Stata.

Milcíades Ibáñez Pinilla

Docente – investigador, UR y UN

Objetivo

Definir Riesgo, su medición y

modelamiento en investigaciones

epidemiológicas en salud

Riesgo: Probabilidad de un resultado o

evento de interés (Ei) adverso.

La probabilidad de que los sujetos

expuestos a una serie de factores

(factores de riesgo),desarrollen la

enfermedad o Ei

Riesgo de contagio de VIH

Riesgo de cáncer

Riesgo de consumo de cannabis

• EVENTOS DE INTERES (EI)

ENFERMEDAD

COMPLICACIONES - RECIDIVAS

METÁSTASIS

EVENTOS ADVERSOS

MORTALIDAD

FACTOR DE RIESGO

www.ConvencionDeRiesgo.com

RiesgoEstimaciones del Riesgo:

Asociaciones de factores riesgo con la

enfermedad o Ei

Hereditarios (genes, polimorfismos)

Medio ambiente (Agentes infecciosos,

fármacos y toxinas)

Social (perdida de un familiar,

hacinamiento)

Conductuales (consumo de sustancias

psicoactivas, relaciones sexuales, dietas)

Marcadores (educación)

Exposiciones – efectos

Inmediatas: sobredosis, quemaduras

solares

Largas: Morbilidad y mortalidad de

enfermedades crónicas (latencia

prolongada).

• Dosis de exposición • Dosis acumulativas por años

• Incidencia bajas (2x 1000)

• Criterios de causalidad (Hill)• Temporalidad• Plausibilidad biológica• Concordancia – consistencia• Relación dosis – Respuesta• Evidencia experimental• Reversibilidad – cesación• Fuerza de asociación • Analogía• Especificidad

www.ConvencionDeRiesgo.com

Riesgo

Múltiples causas y efectos :

Generalmente no existe asociación exacta

entre un solo factor especifico y una

enfermedad o Ei (Especificidad).HTA

Tabaquismo

Alcohol

Diabetes

Modelos multivariados

Modelos de ecuaciones estructurales

• Factores de riesgo – efectos• Predicción de la incidencia • Tabaquismo – Cáncer de pulmón (RR=20).• Incidencia en los fumadores de desarrollar

cáncer de pulmón durante 10 años de exposición de 1 x 100 consumidores

• Diagnóstico• Valor predictivo positivo• La existencia de otra enfermedad menor

puede ser predictor de una enfermedad mayor.

• Prevención• Factor de riesgo es la causa del efecto• Consumo de agua – cólera (Snow)• Múltiples parejas sexuales sin protección

- VIH

www.ConvencionDeRiesgo.com

Diseños epidemiológicos para medir el riesgo

Estudios experimentales

Grupo control

Asignación aleatoria

Cegamiento o enmascaramiento (sujetos

evaluadores y análisis)

Eficacia – efectividad

Seguridad

Estudios observacionales analíticos

(causas)

Estudios analíticos de cohorte

Historia natural de la enfermedad

Estudios de casos y controles

• COHORTE PROSPECTIVA: CONCURRENTES (PROSPECTIVOS):

• Se desarrolla “ hacia adelante” en el tiempo, se observa la población (expuestos y no expuestos) y se mide el desenlace de interés.

• COHORTE RETROSPECTIVA:• Se parte de sujetos que ya presentan el

desenlace y se busca “hacia atrás” en el tiempo para encontrar el factor causal (exposición) – temporalidad.

• COHORTE AMBIESPECTIVA O RETROPROSPECTIVA: hacia atrás - hacia adelante

www.ConvencionDeRiesgo.com

• Medidas de ocurrència

– Prevalencia

– Incidencia

• Medidas de asociación

– Riesgo relativo

– Odds ratio

– Razón de prevalencias

• Medidas de impacto

– Riesgo atribuible (o diferencia de riesgos)

– Fracción etiológica expuestos (o fracción

atribuible en expuestos)

– Riesgo atribuible poblacional (fracción atribuible

población)

Riesgo relativo

Enfermedad

Sí No

Exposición Sí a b

No c d

Incidencia expuestos (Ie+) = a / a+b

Incidencia no expuestos (Ie-) = c / c+d

(a / a+b)

Riesgo relativo (RR) = Ie+ / Ie- =

(c / c+d)

Ejemplo: RR a partir de incidencias acumuladas

Seguimiento

Muerto Vivo

Siguen 27 48 Tabaco

Dejan 14 67

(a / a+b)

RR = Ie+ / Ie- =(c / c+d)

27/75 0,36RR = = = 2,08

14/81 0,17

RAe = Ie+ – Ie- =

= (a / a+b) – (c / c+d) =

= (27/75) – (14/81) =

= 0,36 – 0,173 = 0,187

FEe = [(Ie+ – Ie-) / Ie+ ] ·100 =

= (0,36-0,17) / 0,36) · 100 = 0,5277 = 52,77% = %RA

%RAP = (Ip – Ie-) / Ip=(0.263-0.173)/0.263=0.342=34.2%

Influencia del consumo de tabaco en la supervivencia tras

un infarto agudo de miocardio (156 fumadores con IAM).

Muertes atribuible al consumo de tabaco

(España, 1998)

Banegas et al. 2001.

Modelos de Riesgo• MODELOS REGRESIÓN LOGÍSTICA BINARIA (CONDICIONAL E INCONDICIONAL)

• MODELO: REGRESIÓN LOGÍSTICA ORDINAL

• MODELO: REGRESIÓN LOGÍSTICA MULTINOMIAL

• MODELO DE REGRESIÓN DE POISSON

• MODELO BINOMIAL NEGATIVA.

• MODELOS DE SUPERVIVENCIA (NO-PARAMETRICOS Y PARAMETRICOS)

• MODELO DE REGRESION DE RIESGOS PROPORCIONALES DE COX

• MODELOS DE REGRESIÓN LINEAL MÚLTIPLE

• MODELSO DE REGRESIÓN NO-PARAMÉTRICA

• MODELOS DE ECUACIONES ESTRUCTURALES

• MODELOS LONGITUDINALES

• MODELO MULTINIVEL

• MODELOS DE SERIES TEMPORALES

• MODELOS EXACTOS Y ASINTÓTICOS

• MODELOS BAYESIANOS Y FRECUENTISTAS