Medidas de riesgo en estudios de casos y controles (II)

En el artículo anterior estudiamos y calculamos una serie de medidas de riesgo inherentes a las investigaciones no experimentales o con exposición natural, denominadas genéricamente observacionales. Este tipo de investigaciones tiene como particularidad que el investigador sólo hace una descripción de los hechos observados, bien de modo retrospectivo o bien prospectivo, y trata de valorar el efecto de una “exposición” sobre la “respuesta” de los sujetos observados.

En la investigación no experimental, los sujetos se eligen para el estudio por sus características adquiridas y no existe una asignación aleatoria a los niveles de la “exposición”. En el ejemplo que presentábamos y que continuamos en este artículo los sujetos son las granjas de cerdas con disentería que administran macrólidos durante la adaptación de las nulíparas y no realizan análisis frente a la disentería a las nulíparas durante la aclimatación. Estos estudios pueden ser de naturaleza prospectiva (estudios de cohortes) o retrospectiva (estudios de casos y controles).

Aprovechamos para recordar que los antibióticos deben usarse bajo la supervisión de un veterinario/a y sólo cuando sea necesario.

Es muy común realizar estudios de casos y controles en las condiciones de producción porcina habituales, ya que tras observar unos resultados (en este caso la aparición de disentería en determinadas granjas de cerdas donde no hemos realizado analíticas y hemos administrado macrólidos), pretendemos compararlos con otros que no tengan la condición, en este caso la enfermedad. Es decir, comparamos en nuestro caso granjas de cerdas que padecen disentería con las que no, y el factor de exposición lo fijamos en la variable “añadir macrólidos en el pienso de las cerdas nulíparas sin realizar análisis de las mismas”.

En este tipo de diseño es deseable que los casos sean una muestra representativa de la población de granjas con la enfermedad, pero no es imprescindible. Lo interesante es elegir unos controles representativos de los casos incluidos en el estudio. Aparear el grupo control con el grupo de casos es una técnica muy utilizada en los estudios de casos y controles, de tal manera que para cada “caso” elegimos un “control” con análogos valores en las variables confundidoras más relevantes.

Recordemos que la diferencia entre la investigación experimental y la no experimental es que en la investigación no experimental el investigador observa, no manipula de ningún modo la variable independiente o “de exposición”, mientras que en la investigación experimental el investigador establece el número y tamaño de los grupos, la variable a estudiar, etc.; es decir, controla todo el proceso. Cada tipo de investigación tiene sus ventajas: en el caso de la investigación no experimental, que podríamos llamar “de campo”, tenemos la ventaja de poder sacar conclusiones de aplicación inmediata y resulta más barato que llevar a cabo un estudio con diseño experimental.

Usaremos la misma tabla del capítulo anterior, donde resumíamos las granjas con y sin disentería, clasificándolas en función de si se había administrado macrólidos o no en el pienso de las cerdas nulíparas. A éstas no les realizamos análisis para verificar si eran o no negativas frente a disentería.

Por definición, son “casos” aquellas granjas positivas a disentería, 30 en total, y “controles” las negativas, que en este caso son 50. En el artículo, también veíamos cómo calcular una serie de medidas como la prevalencia, las proporciones de enfermedad entre los expuestos y no expuestos (proporción de granjas con disentería que daban macrólidos o no), las diferencias de proporciones y las razones de proporciones. Y finalmente calculábamos la razón de odds de disentería y su intervalo de confianza.

En R existen diferentes paquetes o librerías que pueden ser usados para realizar estudios epidemiológicos. Nosotros vamos a usar una librería denominada “epicalc”. Esta fantástica librería o herramienta epidemiológica fue escrita por Virasakdi Chongsuvivatwong en la unidad de epidemiología de la Universidad Prince of Songkla de Tailandia.

Cargaremos R en nuestro ordenador y lo primero que debemos hacer es cargar la librería “epicalc”.  Para  ello  iremos  a  “Paquetes/Seleccionar espejo CRAN”, elegiremos uno (nosotros usamos siempre Nueva Zelanda por defecto, pero el lector puede usar otro espejo). A continuación descargar   la   librería   desde   “Paquetes/Instalar paquete(s)” y buscaremos en la ventana desplegable el paquete “epicalc”. Lo seleccionamos, se descargará en nuestro ordenador y lo cargaremos en  R  desde  “Paquetes/Cargar  paquete”  buscándolo en la ventana que se despliega o bien desde la ventana de instrucciones de R escribiendo “library (“epicalc”)”. También activaremos nuestro ayudante  RCommander  a  través  de  “Paquetes/ Cargar paquete” eligiendo “Rcmdr” o bien desde la ventana de instrucciones de R escribiendo “library(“Rcmdr”)”.

Ahora vamos a cargar los datos que usamos en el número pasado (disponible gratuitamente en nuestro drive).

Lo descargamos en nuestro ordenador y con RCommander en “Datos/Importar datos/Desde conjunto de datos Excel, Access o dBase” iremos a buscar el archivo Riesgo. xls eligiendo la primera hoja de trabajo. Una vez cargados y si hemos denominado a nuestros datos “Datos”, podemos verlos en “Visualizar conjunto de datos”.

Tenemos tres variables:

• “muestra” es la granja en cuestión, que por razones pedagógicas se ha denominado del 1 al 80.
• “macrolidos” es la variable que dice si la granja “n” usaba (1) o no usaba (0) macrólidos.
• “disenteria” es la variable que dice si la granja “n” padecía (1) o no (0) disentería.

RCommander no incorpora un módulo específico para “epicalc” por lo que tendremos que hacer uso de la programación en la ventana activa de R, pero la simplicidad de uso de la librería es digna de mencionar. Una vez que tenemos los datos cargados, pasaremos a la ventana activa de R. Allí para calcular las diferencias de riesgos y la razón de proporciones simplemente escribiremos:

attach (Datos)
cs (disenteria, macrolidos)

y R nos devolverá una salida con la siguiente información:

• “Exposure” se refiere a la exposición, en nuestro caso a la variable “macrolidos”.
• “Outcome” se refiere a la respuesta, en nuestro caso a la variable “disenteria” (la información conjunta de “Exposure y “Outcome” es la tabla que aparece en el texto, que también proporciona R).
• “Rne”, es el riesgo de los no expuestos (0,13).
• “Re”, es el riesgo de los expuestos (0,82).
• “Rt”, es el riesgo total (0,38).

Posteriormente, R nos da los cálculos con su intervalo de confianza de la diferencia del riesgo (Risk difference) y la razón de proporciones o riesgo relativo (Risk ratio-RR). Hay que recordar que un riesgo relativo mayor de 10 sugiere una relación posiblemente causal. Así mismo nos da dos valores más:

• “Attr. frac.pop.” es la fracción atribuible a la población y nos indica que el número de casos hubiera podido disminuir un 64,1 % si la variable de exposición no hubiera existido.
• “Attr. frac.exp.” es la fracción atribuible de exposición. Es otra forma de ver el riesgo relativo y dejamos al lector la posibilidad de calcular- lo, ya que es igual a 1-RR-1 o lo que es lo mismo, 1-1/RR.

Para el cálculo de la razón de odds y su intervalo de confianza, en la ventana activa escribiremos el siguiente código:

cc (disenteria, macrolidos)

y R nos devolverá los siguientes cálculos y la siguiente gráfica:

Odds ratio from prospective / X-sectional study

Exposure = macrólidos, outcome = disentería

Podemos comprobar de forma fácil que estos cálculos coinciden con los que realizamos en el número pasado (de una forma mucho más sencilla para nosotros) y que están en el archivo “Medidas de riesgo.xls”.

Digno de mención es el gráfico que esta función “cc” nos da, dada la facilidad de comprensión del cálculo de odds.