• Like
  • Save
Fuentes de variación de los datos clínicos
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

Fuentes de variación de los datos clínicos

  • 599 views
Published

 

Published in Entertainment & Humor
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
599
On SlideShare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. SALUD PÚBLICA III TEMA: OBSERVACIÓN Y MEDICIÓN CLÍNICA. GENERALIDADES. GRUPO: 3328ALVARADO LEÓN ANGELICA BERENICE BECERRIL GUTIERREZ CARLOS CASTRO LÓPEZ ZAIDA BERENICEDOMÍNGUEZ SIERRA SHARON DANAE LÓPEZ LOZADA VIRIDIANA PEÑA JUÁREZ ANDRÉS
  • 2. Validez y confiabilidad de la información clínica.
  • 3. CONFIABILIDAD Obtener igual cuando el mismo fenómeno es medición, evaluado por un respuesta o segundo interpretación. observador o por la misma persona.
  • 4. EJEMPLO: Una pistola es por completo confiable si siempre da en el blanco al ser apuntada exactamente en la misma dirección. Que si la pistola no da en el blanco es porque la persona que la disparó falló no apuntó correctamente.
  • 5. VALIDEZ La exactitud con que puedan realizarse procedimientos en el sentido en que MIDAN REALMENTE LOS RASGOS O VARIABLES QUE PRETENDEN MEDIR.
  • 6. EJEMPLOS: Un instrumento para medir la inteligencia válido debe medir la inteligencia y no la memoria. Una prueba sobre conocimientos de Historia debe medir esto y no conocimientos de literatura histórica.
  • 7. Carencia del error sistemático Validez Un test oMedición instrumento de medición, cuyaalcanza finalidad es una conocida, seráconclusió válido si mide aquello para lo n que fuecorrecta construido. Magnuson
  • 8. La confiabilidad de una medición es necesaria paraobtener resultados válidos, pero puede haberresultados confiables sin validez.
  • 9. VALIDEZ INTERNA Grado en el que los resultados de una investigación reflejan con precisión la situación verdadera de la población en estudio
  • 10. VALIDEZ EXTERNA Grado en el que es posible aplicar los resultados de un estudio a otras poblaciones.
  • 11. Clasificación de las observacionesDatos duros y datos blandos Viridiana López Lozada.
  • 12. Clasificación de datosTodos los datos obtenidos en la medicina son clasificables y se dividen en:  Duros u objetivos  Blandos o subjetivos
  • 13. Datos blandos o subjetivos • No son cuantificables • Dependen de la evaluación de quien los 1.- observa. • Dependen del informe verbal de los pacientes 2.- • Ejemplo de este tipo de datos son: • Signos y síntomas 3.-
  • 14. Datos duros u objetivos. Son cuantificable s La entidad observada debe Deben haberse ser preservable obtenido de para poder manera objetiva. evaluarla de nuevo. Se utilizan escalas o Debe ser posible Reproducibilida índices para medirla en una d determinar la escala intervalo gravedad de ciertos síntomas.
  • 15. Datos
  • 16. Fuentes de variación de los datos clínicos Becerril Gutiérrez Carlos
  • 17. Mediante el uso de criterios el proceso demedición convierte a las observaciones encategorías. Permitiendo la comparación de dichos resultados con los obtenidos en diferentes momentos o hechas por otras personas
  • 18. El uso de criterios es un prerrequisito para interpretar (normal – anormal), determinarcausalidad y evaluar los efectos del tratamiento
  • 19. Los componentes del proceso demedición son: Variable Instrumento Sujeto de Sujeto estudio estudiado
  • 20. Las variables se seleccionan en relación Mínimo de Relación Reproducible variables Sensibles Importancia Frecuentes Precisa
  • 21. Variabilidad biológica La variabilidad biológica de los sujetos es producida de manera aleatoria y los valores así generados tienden a agruparse, con distribución aparentemente normal alrededor de la media de los valores normales. La variabilidad sistemática esta asociada a las circunstancias que rodean al sujeto el procedimiento de medición
  • 22. Fuentes potenciales de variabilidad en las mediciones Hábit os Variación diurna: ritmoscircadianos Sujeto Disposición a colaborar Tendencia a mentir
  • 23. Formas de reducir la variabilidad enlas mediciones Uniformidad Sujeto Confidencialidad Cooperación y veracidad
  • 24. Los instrumentos de mediciónFuentes potenciales de variabilidad en lasmediciones Calibración Instrumento Mal Imprecisión formulado
  • 25. Formas de reducir la variabilidad en las mediciones  Características de los instrumentos: Calibración Mantenimiento Operacionalidad
  • 26. Capacitación y experiencia delobservadorLa variabilidad entre observadores esta compuestapor dos factores lo cuales pueden ser aditivos entresí: Variabilidad e inconsistencia entre cada observador Diferencia en criterio y técnica usada por cada observador.
  • 27. Fuentes potenciales de variabilidad enlas mediciones Características del observador  Lectura o registro erróneo:  Experiencia  Disposición  Cansancio  Problemas de agudeza visual o auditivo
  • 28. Formas de reducir la variabilidad enlas mediciones Características de los observadores:  Estandarización u homologación de la forma en que se ha de llevar a cabo la medición.  Cegamiento respecto a la identidad del entrevistado en términos del grupo al que pertenece, ya sea de enfermos, sanos, expuestos o no expuestos.  Motivación respecto a la relevancia de su participación  Corrección de problemas de agudeza visual o auditivo
  • 29. Concordancia de lasobservaciones (índice de Kappa) Concepto, explicación matemática e interpretación clínica Peña Juárez Andrés
  • 30. Porcentaje de Concordancia. Entre dos conjuntos de observaciones se obtiene al dividir el número de observaciones emparejadas que se hallan en las celdas en las que hay concordancia, entre el número total de observaciones emparejadas.
  • 31. Ejemplo:
  • 32. Índice Kappa  Definido como la fracción de la concordancia observada que no es debido al azar con relación a la concordancia máxima posible no debida al azar cuando se utiliza una clasificación categórica de una variable.Donde Pu es la proporción de concordancias observadas y Pe, esla concordancia debida al azar; esto es, la proporción deconcordancias que se espera ocurran solo por obra del azar.
  • 33.  El K se calcula a partir de las celdas mostradas en la diagonal de una tabla cruzada, que representa concordancia completa entre dos conjuntos dé observaciones. Concordancia= 0.87
  • 34.  La concordancia por azar es el que se esperaría si ambos observadores clasificaran las respuestas al azar. La concordancia total por azar es la suma de la concordancia por azar para cada celda en la diagonal. X /La concordancia total esperada por azar es por tanto: (40,7 + 625,7)/986 = 0,676.
  • 35.  Formula condensada: El número esperado solo por este concepto en cada celda es el producto de los totales marginales correspondientes dividido por el gran total.  [209 x 1-92 + 777 x 794]/9862 = 0,676).
  • 36.  Los valores posibles de Kappa oscilan entre - 1 y 1, aunque los valores por debajo de 0 no son muy realistas en la práctica (la concordancia observada sería peor que el que produciría solamente el azar).
  • 37.  También igual que el porcentaje de concordancia, Kappa se utiliza principalmente para la evaluación de la fiabilidad: esto es, cuando no hay un estándar claro y resulta apropiado darle igual peso a ambos conjuntos de lecturas, Sin embargo también se utiliza ocasionalmente para la evaluación de la validez, en la comparación de los resultados de una prueba con los de una (prueba de oro),
  • 38. CONCEPTO DE SESGOEl error sistemático o sesgo se ha definido como cualquier error diferencial en relación con los grupos que se comparan en el que se puedeincurrir durante el diseño, conducción o análisisdel estudio y que Invariablemente resulta en una conclusión errónea,
  • 39. ya sea proporcionando una estimación más baja omás alta del valor real de la asociación que existeen la población blanco.
  • 40. Tipos de Sesgos Selección: Son errores sistemáticos que se introducen durante la selección o el seguimiento de la población en estudio y que propician una conclusión equivocada sobre la hipótesis en evaluación.
  • 41.  Los errores de selección pueden ser originados por el mismo investigador o ser el resultado de relaciones complejas en la población en estudio que pueden no ser evidentes para el investigador y pasar desapercibidas.
  • 42.  Los sesgos de selección pueden ocurrir en cualquier estudio epidemiológico, sin embargo, ocurren con mayor frecuencia en estudios retrospectivos y, en particular, en estudios transversales o de encuesta.
  • 43.  En los estudios de cohorte prospectivos los sesgos de selección ocurren raramente ya que el reclutamiento y selección de la población en estudio se da antes de que ocurra el evento en estudio.
  • 44.  Los estudios de casos y controles son particularmente susceptibles a este tipo de sesgo ya que en la mayoría de sus aplicaciones se trata de estudios retrospectivos.
  • 45.  sesgo de selección, se origina cuando la prueba diagnóstica para detectar el evento se realiza con mayor frecuencia en el grupo expuesto.
  • 46.  Un ejemplo de este sesgo se presentó en un estudio de casos y controles en el que se observó una fuerte asociación entre el uso de estrógenos de remplazo y el cáncer de endometrio
  • 47. Sesgos de Información El sesgo de información se refiere a los errores que se introducen durante la medición de la exposición, de los eventos u otras covariables en la población en estudio, que se presentan de manera diferencial entre los grupos que se comparan, y que ocasionan una conclusión errónea respecto de la hipótesis que se investiga.
  • 48.  Una posible fuente de sesgo de medición puede ser cualquier factor que influya de manera diferencial sobre la calidad de las mediciones que se realizan en los grupos expuesto y no expuesto en el contexto de los estudios de cohorte o entre los casos y controles
  • 49.  Es conveniente recordar que los errores de medición pueden ser no diferenciales (aleatorios) cuando el grado de error del instrumento o técnica empleada es el mismo para los grupos que se comparan y
  • 50.  diferenciales (no aleatorios) cuando e grado de error es diferente para los grupos estudiados, el sesgo de información se refiere particularmente a este último tipo.
  • 51. Sesgo de Confusión Existe sesgo de confusión cuando observamos una asociación no causal entre la exposición y el evento en estudio o cuando no observamos una asociación real entre la exposición y el evento en estudio por la acción de una tercera variable que no es controlada.
  • 52.  Esta(s) variable( s) s denomina(n) factor(es) de confusión o confusor(es).
  • 53.  Los sesgos de confusión en estudio de cohorte ocurren principalmente cuando los grupos expuesto y no expuesto no son comparables.
  • 54.  Los estudios de casos y controles ocurre cuando hay diferencias entre casos y controles en relación con una tercera variable, lo que puede ocurrir simplemente por la existencia de confusión en la población fuente o ser generada por el mismo proceso de selección.
  • 55. ESTRATEGIAS PARA ELCONTROL O REDUCCIÓN DESESGOS EN LOS ESTUDIOS EPIDEMIOLÓGICOSSHARON DÁNAE DOMÍNGUEZ SIERRA
  • 56. EL OBJETIVO ES NOS PERMITENLOGRAR QUE LA PREVENIR O ÚNICA CORREGIR EL DIFERENCIA EFECTO DEL ENTRE LOS SESGO DE GRUPOS SEA LA CONFUSIÓN.CARACTERÍSTICA EN ESTUDIO. HACER LOS GRUPOS DE CONTRASTE LO MÁS COMPARABLE POSIBLE CON RELACIÓN A VARIABLES EXTERNAS.
  • 57. FASE ESTRATEGIA ALEATORIZACIÓNDISEÑO RESTRICCIÓN PAREAMIENTO ESTANDARIZACIÓNANÁLISIS ESTRATIFICACIÓN MODELOS MULTIVARIADOS
  • 58. Aleatorización Permite que las variables se distribuyan similarmente en los grupos de estudio haciéndolos comparables en todo, excepto en la variable de exposición
  • 59. Restricción Limita la participación en el estudio a sujetos que son similares respecto a la variable de confusión
  • 60. RestricciónVENTAJAS INCONVENIENTES Delimita a los  Limita la individuos de la generalización muestra en relación con la pregunta que  Puede ser difícil se investiga obtener un tamaño muestral apropiado
  • 61. Pareamiento Iguala en el proceso de selección a los grupos de comparación con relación a los factores de confusión
  • 62. PareamientoVENTAJAS INCONVENIENTES Puede eliminar las  Puede ser lento, caro y influencias de los menos eficiente que factores de confusión incrementar el número de constitucional individuos Puede eliminar las  Puede tener efectos adversos sobre la fase de influencias de factores análisis difíciles de medir  Debe definirse cuáles Puede incrementar al variables son predictoras equilibrar el numero de y cuáles de confusión casos y controles de  No puede evaluarse el cada uno de los papel estratos  de las variables como Puede facilitar la predictoras selección de los control  Requiere un análisis
  • 63. Estandarización Permite comparar los grupos de estudio si la distribución del confusor fuera la misma en ambos
  • 64. Ajuste estadísticoVENTAJAS INCONVENIENTES Pueden controlarse  El modelo puede no ser simultáneamente adecuado: múltiples factores de  Control incompleto de confusión confusión  Estimaciones inexactas Puede utilizarse toda de la fuerza del efecto la información  Los resultados son obtenida con las difíciles de comprender variables continuas  Deben medirse Es tan flexible y previamente las reversible como la covariables relevantes estratificación
  • 65. Estratificación Estima la medida de efecto en subgrupos que son similares con relación a los factores de confusión
  • 66. EstratificaciónVENTAJAS INCONVENIENTES Flexible o reversible;  El número de estratos está limitado por el se pueden elegir las tamaño de la muestra variables según las necesario para cada uno de ellos cuales se va a  Se pueden considerar estratificar pocas covariables  La existencia de pocos estratos por cada covariable hace que el control de los factores de confusión sea menos completo  Deben haberse medido antes las covariables
  • 67. Modelos multivariados Estima el efecto de la exposición, manteniendo constantes los valores del factor confusor
  • 68. BIBLIOGRAFÍA García García JJ. Mediciones y observaciones clínicas y epidemiológicas. (presentación) Hernández AM., Garrido F. , Salazar ME. Sesgos en estudios epidemiologicos. Salud Pub Mex. 2000; 42(5):438-46. Merino CE. Observaciones y mediciones. En Moreno A, Cano VF, García RH. Epidemiología Clínica. 2 ed. México: Interamericana McGraw Hill, 1994. p. 69- 97 García García JJ. Mediciones y observaciones clínicas y epidemiológicas. (Presentación). Tipos de estudio. Sesgo, validez y Confiabilidad. http://www.fisterra.com...tipos_estudios.asp