Algunos conceptos de los que hablamos en 2022

Los estudios epidemiológicos pueden ser retrospectivos (mirando hacia atrás) o prospectivos (mirando hacia adelante). 

A los retrospectivos se los conoce como estudios de caso-control y a los prospectivos como estudios de cohorte. Estos estudios son observacionales.

Pero si estudiamos una cohorte (recuerden que cohorte se refiere un grupo de personas) en forma prospectiva, asignando los pacientes al grupo control o al tratamiento en forma aleatoria (al azar) y sin que sepan en que grupo están (si en el del fármaco o en el del placebo) entonces el estudio es ciego. Todo eso junto es un Ensayo Clínico Aleatorizado (ECA). Como se introdujo un tratamiento este tipo de estudios es experimental. 

La fuerza con que se asocian los eventos se mide comparando la frecuencia entre los que recibieron un tratamiento versus los que recibieron un placebo.

Cuando se trata de estudios de caso-control se calcula esto con el Odds Ratio, mientras que en los Ensayos Clínicos Aleatorizados se calcula con el Riesgo Relativo.

Ambos son cocientes entre dos incidencias: porcentaje de éxitos entre los que recibieron el fármaco versus porcentaje de éxitos entre los que recibieron el placebo (expuestos/no expuestos).

Ejemplos:

A. Un estudio encontró que se medicaron 100 pacientes diabéticos con un nuevo medicamento contra la diabetes, contra un grupo control de 100 personas, también diabéticas a las que solo se les dio placebo. 
En el grupo que recibió el fármaco contra la diabetes en el 20% de las personas disminuyó la glucemia a valores normales, pero entre los que tomaron el placebo solo disminuyó entre un 5% de los participantes. 
Si calculamos cuantas veces más baja la glucemia con el medicamento antidiabético lo haremos dividiendo 20/5 , o sea 4.
Esto significa que los que toman el medicamento tienen 4 veces más riesgo (o probabilidad) que los que tomaron el placebo de que la glucemia baje.
Que es lo mismo que decir 4 versus 1 (mientras que por cada 4 pacientes que baje la glucemia con el fármaco en 1 baja la glucemia con el placebo).
B. Si le damos a 100 pacientes hipertensos un medicamento para bajar la presión, entre los que tomaron el medicamento la presión baja en el 10% de ellos, y en el 2% de los que tomaron el placebo.
Si calculamos cuantas veces más baja la presión entre los que tomaron el antihipertensivo lo haremos dividiendo 10/2, o sea 5. 
Esto significa que los que tomen el fármaco antihipertensivo tienen 5 veces más probabilidad (o riesgo) que los que tomaron el placebo, de que la presión baje.

Pero ahora aparecieron un nuevo antidiabético y un nuevo antihipertensivo y leemos en el New England Journal of Medicine que:

C. El antidiabético nuevo disminuye la glucemia en el 20% de los que lo tomaron, aunque también en el 20% de los que tomaron placebo.
Que calculando significa que 20/20 es igual a 1. Lo que significa que los que toman el nuevo antidiabético tienen una probabilidad de disminuir la glucemia igual que la que si hubiera tomado el placebo. 
D. Y el antihipertensivo en un 10% de los que lo tomaron y en un 11% de los que tomaron el placebo. 
Que el cálculo sería 10/11, lo cual es también prácticamente 1. Por lo que tampoco habría diferencia entre tomar el nuevo medicamento o un placebo.

En los ejemplos A y B lo que calculamos (por ser un ECA) fue el Riesgo Relativo. Y como ese Riesgo Relativo se aleja de 1 entonces podemos decir que el fármaco es eficaz.
Cuando el Riesgo Relativo está por encima de 4 o 5 decimos que la "fuerza de asociación" es fuerte, y uno está más confiado que eso se podrá corroborar con otros estudios.

En los ejemplos C y D el Riesgo Relativo es 1. Eso quiere decir que el efecto buscado (bajar la presión o la glucemia) aparece 1 vez con el fármaco, pero también 1 vez con el placebo. Lo que nos está diciendo es que no hay diferencia. 
Por eso cuando un medicamento está "tocando" el 1, o cerca de él, decimos que no observamos una "diferencia significativa", es decir no es estadísticamente significativo en relación al placebo.

Por tanto, en estos casos, decimos que el fármaco y el placebo son iguales. 
Veamos otro ejemplo, este de la vida real: El laboratorio Pfizer presentó un medicamento para disminuir la hospitalización en pacientes que se infectan con Covid-19, que se llama Paxlovid, pero que no se habian vacunado o son de alto riesgo de hospitalizarse.
Entre los que recibieron el medicamento Paxlovid 8 de 1039 pacientes se internaron y 66 pacientes de 1046 en el grupo placebo. Es decir un 0.77% en el grupo de tratamiento vs. 6.31% en el grupo placebo.
Cual es el riesgo o probabilidad entre los que recibieron el medicamento? Y como lo interpreta? Lo ayudo con algo, aunque no es mucha ayuda porque lo escribí más arriba, pero recuerde que el riesgo se calcula entre los que estuvieron expuestos al fármaco vs. los que no estuvieron expuestos (o sea que recibieron el placebo).
Si necesita más ayuda, o quiere corroborar sus cálculos, use una calculadora epidemiológica en: http://www.semergencantabria.org/calc/bhcalc.htm

Si usan la calculadora la eficacia aparece como Reducción del Riesgo Relativo (RRR). 
Y también se puede calcular el Riesgo Absoluto, que ya no es el cociente, sino la resta entre los que recibieron el medicamento y los que recibieron el placebo. De la inversa del Riesgo Absoluto se puede calcular el NNT, o Número Necesario para Tratar.

Veamos con los mismos ejemplos: en el experimento A será 20 - 5 = 15, donde 15% será la reducción del riesgo absoluto y su recíproca 1/15 el NNT.

Programa de farmacoepidemiologia

 Unidad 1: Elementos de análisis combinatorio y Teoría de Conjuntos. Concepto de probabilidad. Definición axiomática. Propiedades. Variables aleatorias y su clasificación. Distribuciones de Probabilidad. Esperanza Matemática, Varianza y Covarianza. Ejemplos de Distribuciones: Bernoulli, Binomial, Poisson, Normal, Exponencial, Gamma. Estimación puntual: concepto de media, varianza y desvío estándar. Medidas robustas: mediana, pseudo desvío estándar. Análisis gráfico de datos: histogramas y diagramas de caja.

Unidad 2:  Estadística Inferencial. Distribución de algunos estadísticos: ji-cuadrado, T de Student y F de Fisher. Intervalos de confianza de estadísticos. Prueba de hipótesis. Elección de la hipótesis nula y alternativa. Definición de error de tipo I y error de tipo II. Potencia y nivel de una prueba de hipótesis. Elección del nivel adecuado. Test de Student para la media de una variable aleatoria y para comparación de poblaciones normal. Test F para varianzas. Test de Student para muestras apareadas.

Unidad 3: Test binomial. Comparación de proporciones. Análisis de datos categóricos. Test de ji-cuadrado. Tablas de Contingencia. Odds y Odd Ratio. Inferencia. Datos censurados. Análisis y curvas de superviviencia. Datos censurados. Estimador de Kaplan-Meyer. Modelos de Cox.

Unidad 4: Modelos Lineales. Generalidades. Estimación por mínimos cuadrados. Introducción al análisis de la varianza (ANOVA). Análisis de regresión lineal. Supuestos básicos. Diagnóstico a partir de los residuales. Transformación de datos. Desviaciones estándar, intervalos de confianza y test de hipótesis. Predicción. Diferencia entre dos rectas de regresión independientes. Predicción de X. Correlación. Empleo del software para resolución de modelos lineales.

Unidad 5: Introducción al Método Científico y al Método Epidemiológico. Supuestos filosóficos subyacentes a la Investigación Científica. El papel de la lógica. La metodología inductiva y la hipotético-deductiva. Cuestiones metodolóticas de primero, segundo y tercer orden. Complejidad de la ciencia y pluralismo metodológico .Observación y Experiencia. Condiciones de la observación. Casualidad y causalidad. Condiciones de las Causas. Causa Necesaria y Causa Suficiente. La Hipótesis y su sombra, el error. Condiciones de la hipótesis. Errores aleatorio y experimental (sesgos). Validez interna y externa de un estudio. Problemas epistemológicos. La racionalidad científica y la racionalidad tecnológica. Ciencia, tecnología y sociedad. Ciencia, tecnología y cultura. Dimensiones éticas de la ciencia.

Unidad 6: Demofarmacología. Introducción. Conceptos generales. El medicamento y sus circunstancias. La prescripción: enfoque multidimensional. Técnicas farmacoepidemiológicas. Resultados obtenidos en estudios farmacoepidemiológicos. Conclusión y futuro.

Unidad 7: El diseño. Fundamento y aplicaciones. Concepto general de diseño en investigación clínica. Estudios observacionales y estudios de intervención. Estudios Transversales: aplicación, ventajas y desventajas. Estudios de Casos y Controles: aplicación, ventajas y desventajas. Estudios de Cohortes: aplicación, ventajas y desventajas. El ensayo clínico controlado: aplicación, diseños.

Unidad 8: Indicadores epidemiológicos. Concepto de Riesgo. El Modelo 2 x 2 y sus aplicaciones en Epidemiología. Estimación de Riesgos: Odds Ratio y Riesgo Relativo. Su obtención e Intervalos de Confianza 95%. Epidemiología Clínica. Pruebas diagnósticas. Sensibilidad. Especificidad. Valor Predictivo Positivo y Valor predictivo Negativo. Curvas ROC.

Unidad 9: Estudios de Utilización de Medicamentos. Concepto de Utilización de Medicamentos. Estudios de Utilización: la pregunta de la investigación, estrategias. La Clasificación ATC de la OMS. Indicadores Farmacoepidemiológicos. Concepto de Dosis Diaria Definida. La Dosis Diaria Definida por 100 personas día. La Dosis Diaria Definida por 1000 afiliados día. La Dosis Diaria Definida por 100 camas día (internación).

Unidad 10: Papel de la Farmacoepidemiología en la Selección de Medicamentos y en la Farmacovigilancia. La selección de medicamentos. ¿Por qué seleccionar? Técnicas para la selección. Panel de prescriptores. La Farmacovigilancia desde el punto de vista epidemiológico. Aplicación de conceptos. El papel de los Estudios de Medicamentos en Farmacovigilancia.