A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 

A

Ajuste
Análisis de sensibilidad
Análisis de subgrupo
Análisis multinivel (multilevel modelling en inglés):
Apareamiento (“matching”):

B

C

Case-mix
Coeficiente de Probabilidad Negativo (negative likelihood ratio)º
Coeficiente de Probabilidad Positivo (positive likelihood ratio)
Coeficientes de Probabilidad (likelihood ratio)
Confundidor

D

Dominio (en un instrumento o cuestionario)

E

Enmascaramiento de asignaciónº
Escala visual analógica (o analógico visual)
Escalas de Likert
Especificidad
Estudio cohortes
Estudio cruzado
Estudio de Corte transversal
Estudios antes-después
Estudios cuasi experimentales
Estudios observacionales
Exactitud

F

Fenómeno Will Rogers
Fracción prevenible poblacional

G

H

Heterogeneidad (en RS)

I

Intención de tratar

J

K

L

M

Muestreo sistemático

N

O

Odds Ratio (OR)
Outcome combinado

P

Pacientes o Personas/años de seguimiento (densidad de incidencia)
Periodo run-in
Poder estadístico
Probabilidad post-test

Q

R

Riesgo
Riesgo Atribuible Poblacional (o Fracción Etiológica)
Run-in

S

Sensibilidad
Sesgo
Sesgo de publicación

T

Test de referencia o “Gold Standard”

U

V

Validez interna
Valor Predictivo Negativo
Valor Predictivo Positivo
Variabilidad interobservador

W

X

Y

Z

Riesgos: cuáles son y cómo expresan el impacto en los pacientes. Utilizaremos el siguiente ejemplo para explicar algunas medidas de asociación frecuentemente utilizadas en la literatura: Riesgo de accidente cerebrovascular (ACV) en hipertensos moderados a severos seguidos durante 60 meses. (Understanding clinical trials. BMJ, 1994, vol 309:755 - 756). ACV NO ACV TOTAL Tratamiento 1800 13200 15000 Placebo 3000 12000 15000

Ajuste: La técnica de ajuste trata de evaluar la asociación independiente de una variable con un evento, teniendo también en cuenta la participación simultánea de otras variables que pudieran estar actuando como potenciales confundidores. Por ejemplo, si un análisis univariable analiza la relación entre el tabaquismo y la enfermedad coronaria, un análisis multivariable analizará la relación del tabaquismo y la enfermedad coronaria en presencia de (o “ajustando por”) otras variables como hipertensión, diabetes, hipercolesterolemia.

Análisis de sensibilidad: En el caso de los meta-análisis, el análisis de sensibilidad responde a la pregunta “¿qué pasa si?”. Por ejemplo, ¿qué pasa con los resultados si se excluyen a los artículos de peor calidad? ¿Qué sucede si limito el análisis a los estudios ciegos? Si el resultado se mantiene estable a pesar de este análisis, aumenta la confianza en los mismos.

Análisis de subgrupo: : se refiere a un análisis secundario de un estudio en el que se analiza los resultados no en toda la población sino en subgrupos específicos (por ejemplo si hubo un efecto distinto de la intervención en hombres o mujeres). Pueden ser importantes para plantear hipótesis futuras pero en general no aportan datos que cambien la práctica.

Análisis multinivel (multilevel modelling en inglés): : Se refiere a los métodos estadísticos, surgidos de las ciencias sociales, que analizan los resultados relacionándolos simultáneamente con los factores determinantes medidos en diferentes niveles (Ej: a nivel individual, del lugar de trabajo, del barrio, de la nación o de la región geográfica).

Apareamiento (“matching”): : es un método para intentar que alguna o algunas variables potencialmente confundidoras sean similares en los grupos a comparar. Así, por ejemplo, en un estudio caso-control se puede aparear a cada caso con un control de similar sexo y edad para reducir el efecto de estas variables en la asociación que se está investigando.

Case-mix: Se define como case-mix a la variabilidad entre dos poblaciones de pacientes, en relación a su diferente composición sociodemográfica o características patológicas. Habitualmente se usa cuando se quiere comparar dos poblaciones de pacientes y se deben tener en cuenta y |”ajustar” las distintas características de los grupos.

Coeficiente de Probabilidad Negativo (negative likelihood ratio)º: (1-Sensibilidad)/ Especificidad. Es la chance de que un resultado negativo provenga de un enfermo frente a que provenga de un sano. Cuanto menor sea este valor, menor será la probabilidad posterior de enfermedad.

Coeficiente de Probabilidad Positivo (positive likelihood ratio): ): Sensibilidad / (1-Especificidad). Es la chance de que un resultado positivo provenga de un enfermo frente a que provenga de un sano. Por ejemplo, un coeficiente de probabilidad positivo de 4 significa que es cuatro veces más probable que un test positivo provenga de un enfermo que de un sano. Cuanto más alto sea este valor, mayor será la probabilidad posterior de enfermedad.

Coeficientes de Probabilidad (likelihood ratio): Expresan la chance de que determinado resultado del test provenga de un paciente enfermo comparado con un sano. A diferencia de los valores predictivos, estos coeficientes no se ven alterados al variar la prevalencia de la enfermedad en el grupo estudiado.

Confundidor: La presencia de un efecto confundidor se observa cuando la asociación entre una exposición y el evento en estudio se modifica en función de la presencia o ausencia de un tercer factor. En estas circunstancias la relación observada entre la exposición y el evento puede ser explicada parcial o totalmente por la variable confundidora. Para ser denominada como tal, éste tercer factor debe asociarse independientemente tanto al factor de exposición como al evento en estudio. P.ej: Existe asociación entre el uso de bastón y mortalidad. Es entonces un factor de riesgo?. El hecho es que la relación esta confundida por la edad, que se asocia tanto al uso de bastón como a la mayor mortalidad y si incluyeramos la edad en el análisis, aquella asociación desaparecería.

Dominio (en un instrumento o cuestionario): Se refiere al conjunto de ítems de un cuestionario que se encuentran relacionados entre si, habitualmente corresponden a un mismo concepto. Por ejemplo, un cuestionario para evaluar el estado de salud puede tener un dominio físico y un domino emocional.

Enmascaramiento de asignaciónº: Es una forma de evitar un sesgo posible en la asignación de los pacientes en un ensayo clínico de forma que los médicos no puedan conocer si un paciente va a pertenecer al grupo intervención o al grupo placebo. Se trata de que los médicos no seleccionen a aquellos pacientes que creen se beneficiarían mas con la intervención.

Escala visual analógica (o analógico visual): es una herramienta que tiene dos utilidades principales: 1) expresar en forma cuantitativa la magnitud de algún síntoma o padecimiento (ej. marque una cruz sobre la escala en el lugar que mejor corresponde al nivel de su dolor lumbar); 2) valorar las preferencias de un paciente/población acerca de un estado de salud hipotético (ej. como valoraría usted pasar el resto de su vida en silla de ruedas)

Escalas de Likert: Es una escala ordinal en respuesta a una pregunta o enunciado, ordenada en forma secuencial desde un grado de “mucho o totalmente desacuerdo” a “nada o totalmente en desacuerdo”.

Especificidad: de pacientes sin la enfermedad que tienen el test negativo.

Estudio cohortes: : Los estudios de cohortes (de seguimiento o, en inglés, follow up) estudian la ocurrencia de un evento a lo largo del tiempo (incidencia) en función de la exposición a algún factor. Un clásico ejemplo es la exposición al tabaco y la incidencia de cáncer de pulmón. Si el estudio comienza evaluando los factores de exposición, antes de la ocurrencia del evento, se llama estudio de cohortes prospectivo (miramos hacia delante). Si, en cambio, cuando el investigador comienza el estudio, se conocen tanto el factor de exposición como la ocurrencia del evento, se denomina estudio de cohortes retrospectivo (miramos hacia atrás).

Estudio cruzado : (crossover en inglés): Se denomina así al estudio en el cual los pacientes son sus propios controles y reciben todos los tratamientos a evaluar. Por ejemplo si se quiere comparar la droga A con placebo, todos los pacientes recibirán ambos productos en alguno de los periodos del estudio. Lo que se deja librado al azar es la secuencia de la administración de los productos. Si un paciente recibió placebo en el primer periodo, en el segundo periodo recibe la droga A (cruzamiento); en cambio si inicialmente recibió la droga A, en el segundo le corresponde el placebo.

Estudio de Corte transversal: Tipo de estudio observacional que evalua la relación de una enfermedad con distintos factores en un momento dado en el tiempo. Es útil para evaluar la prevalencia de una enfermedad en una población así como para investigar hipótesis de asociación de algún evento o enfermedad con distintas variables. No es útil para evaluar causalidad ya que tanto la enfermedad como los posibles factores asociados se miden en el mismo momento en el tiempo.

Estudios antes-después: los estudios antes después comparan los resultados obtenidos antes y después de: 1) implementar alguna intervención; o 2) que suceda algún evento no manipulado por el investigador. En el primer caso se trata de estudios de intervención (ej. evaluación de los resultados de un programa tendiente a disminuir las infecciones intrahospitalarias) y son una estrategia muy utilizada para evaluar la efectividad de las intervenciones (ej. programas de mejoría de la calidad). En el segundo caso se trata de evaluar el impacto de algún suceso (prevalencia de enfermedades pulmonares antes y después de que se asentara en ese barrio una fábrica que emite gases tóxicos) lo que los convierte en un subtipo de estudios observacionales. Los estudios antes después son herramientas alternativas ante las dificultades prácticas o éticas que impiden la puesta en marcha de un ensayo clínico.

Estudios cuasi experimentales: Son estudios que intentan evaluar la efectividad de una intervención comparando dos grupos, uno de los cuales la recibe y otro no. La asignación de esta intervención no se realiza en forma aleatoria sino que esta determinada por otras causas (p.ej. dificultades éticas u operativas para aleatorizar, conveniencia, grupos predeterminados, etc.). Naturalmente esto puede generar un claro sesgo de selección en la población en estudio, ya que los grupos comparados pueden diferir sustancialmente en muchos otros factores independientemente de haber recibido o no la intervención. La existencia de una intervención les da el carácter experimental, mientras que la asignación no aleatoria es la responsable del prefijo “cuasi”. Las diferencias entre ambas poblaciones se intentan controlar en el análisis.

Estudios observacionales: Son estudios en los cuales el investigador observa sin realizar ninguna intervención, a diferencia de los estudios experimentales, donde la distribución de la intervención está en manos del investigador y en general, es asignada al azar. En los estudios observacionales (no experimentales) se puede observar, por ejemplo, una característica determinada en relación a cambios de otras características y reportar estos datos.

Exactitud: La exactitud de un test diagnóstico es la proporción de pacientes correctamente clasificados por el mismo (verdaderos positivos y verdaderos negativos) en relación al total de los pacientes en estudio.

Fenómeno Will Rogers: sesgo de selección que se refiere a los cambios de resultados por la migración de individuos a diferentes grupos, por ejemplo, en estudios prospectivos con pacientes oncológicos este fenómeno se observa por la mejora progresiva en las técnicas de diagnóstico y estratificación de los pacientes, que entonces son asignados a diferentes grupos; lleva el epónimo de un humorista y filósofo estadounidense que describió el fenómeno en un comentario acerca de las migraciones poblacionales dentro de los EEUU.

Fracción prevenible poblacional: Es una medida que se basa en el riesgo atribuible poblacional (RAP) y nos permite determinar el impacto que tiene una potencial intervención en toda la población; es decir, considerando tanto a los expuestos como los no expuestos. Dicho en otras palabras, informa qué número de casos eliminaríamos de la población si removiéramos el factor de exposición. El RAP representa la diferencia entre la incidencia de la enfermedad en toda la población y la incidencia en la población no expuesta a dicho factor.

Heterogeneidad (en RS): En las revisiones sistemáticas, por heterogeneidad se entiende la variabilidad o las diferencias entre los estudios en cuanto a las estimaciones de efectos. A veces se hace una distinción entre la “heterogeneidad estadística” (diferencias en los efectos reportados), “heterogeneidad metodológica” (diferencias en el diseño de los estudios) y “heterogeneidad clínica” (diferencias entre los estudios referidas a características clave de los participantes, a intervenciones o a medidas de resultado). Los tests estadísticos de heterogeneidad se utilizan para valorar si la variabilidad clínica en los resultados de los estudios (la magnitud de los efectos) es mayor que aquella que se esperaría hubiera ocurrido por azar. Sin embargo, estos tests tienen una baja potencia estadística. Ver también homogeneidad.

Intención de tratar: Es la manera más correcta de analizar un estudio randomizado. Cada paciente es analizado según el grupo al que fue asignado originalmente, independientemente de si abandonó el tratamiento o recibió algún otro. Si no se utiliza este tipo de análisis, se estará atentando contra la randomización y, por ende, contra la esencia misma del estudio experimental.

Muestreo sistemático: Un ejemplo de muestreo sistemático al azar consiste en primero en elegir al azar el primer sujeto a incluir (por ejemplo el 5º sujeto que concurra a la clínica a partir del inicio del estudio). Luego de esto se incluye, por ejemplo, a sujetos que consulten cada n sujetos (por ejemplo cada tres sujetos, se incluirá al 8º, 11º, 14º paciente que concurra a la clínica y así sucesivamente. Hay que señalar que el muestreo sistemático puede no producir una muestra aleatoria si existe un patrón cíclico importante en las características de los individuos que se presentan.

Odds Ratio (OR): Puede encontrarse en la literatura en español como Razón de Producto Cruzado. Se utiliza para reportar la chance que tiene un individuo del grupo expuesto de tener el evento comparado a un individuo del grupo control. Fuma No Fuma Total Infarto 40 60 100 No Infarto 20 80 100 Total 60 140 200 Por ejemplo, de 100 pacientes (a+b) con infarto, 40 fuman (a) , mientras 60 no (b); otros 100 pacientes del grupo control (no infarto (c+d), 20 de ellos fuman (c) y 80 no (d). El Odds (chance) de fumar en el grupo infartado es a/b=0.67 a 1, es decir que 2 de cada 3 infartos fuman. El Odds en el grupo control es c/d=0.25 a 1 es decir que solo 1 de cada 4 no infartados fuman. El ODDS RATIO es (a/b)/ (c/d)= 0.67/0.25 = 2.7. El OR nos da una medida de magnitud de la asociación entre la exposición (fumar) y el evento. El odds ratio se utiliza en muchos casos como una buena aproximación al RR especialmente cuando se trata de estudios caso-control (en los cuales no se puede estimar riesgos) o a partir de modelos matemáticos multivariables como la regresión logística y como medida para resumir una revisión sistemática u otros estudios comparativos de tratamiento, diagnóstico, pronóstico o etiología.

Outcome combinado: Se define como outcome o resultado combinado al agrupamiento de los resultados de un trabajo de investigación en un resultado conjunto, por ejemplo muerte, infarto o internación, cualquiera de estas tres cosas que suceda se cuenta como si el evento se hubiera producido.

Pacientes o Personas/años de seguimiento (densidad de incidencia): también utilizado para definir una razón: persona- tiempo. Es el número de nuevos casos que ocurren por unidad de población-tiempo; por ejemplo: personas-año. La incidencia se refiere al número de casos nuevos en una población determinada en un período especificado.

Periodo run-in: El período antes de que comience un ensayo clínico en que no se administra ningún tratamiento. Los datos de esta fase del ensayo tienen valor de manera muy ocasional, pero pueden tener su utilidad permitiendo cribar participantes no elegibles o no cumplidores, asegurando que los participantes están en una situación estable y proporcionando observaciones de base. Un período run-in a veces se denomina período de lavado (washout) si los tratamientos que los participantes estaban recibiendo antes de comenzar el ensayo clínico quedan interrumpidos.

Poder estadístico: Un estudio debe tener un diseño apropiado para que, en el caso de existir diferencias entre los grupos comparados, estas puedan ser demostradas. Cuando nos encontramos ante un resultado negativo (no diferencia) debemos preguntarnos: las poblaciones realmente no son diferentes, o el estudio no tuvo la capacidad suficiente como para demostrarlo? Esta capacidad del estudio para detectar diferencias cuando éstas existen se denomina poder estadístico, y está principalmente relacionado con el número de participantes en el estudio, el número de eventos y el tiempo de seguimiento.

Probabilidad post-test: Es la probabilidad de enfermedad que tiene un paciente posteriormente a la realización de un test diagnóstico. Relaciona la probabilidad pre-test o prevalencia de la enfermedad y las características operativas de un test (sensibilidad y especificidad).

Riesgo: es la probabilidad de ocurrencia de un evento en una poblacion definida a lo largo de un período determinado (ej. riesgo anual de accidente cerebrovascular en hipertensos leves no tratados). Riesgo absoluto (RA): Es la incidencia (casos nuevos detectados) del evento de interés en cada grupo. En nuestro ejemplo: RA en pacientes tratados = 1800 / 15000 = 0.12 ; RA en pacientes no tratados = 3000 / 15000 = 0.20 ; Esto significa que el 20 % (0.20) de los pacientes hipertensos moderados a severos estudiados desarrollaron ACV en los 60 meses siguientes si no recibían tratamiento antihipertensivo mientras que con tratamiento, el 12 % (0.12) tuvo un ACV. Riesgo relativo (RR): Responde la pregunta: ¿cuántas veces más probable (o menos probable en estudios de tratamientos efectivos) es la ocurrencia del evento en los expuestos comparado con el grupo control? ( Riesgo absoluto del evento en los expuestos / Riesgo absoluto en los no expuestos). Si el riesgo de sufrir el evento es igual en ambos grupos, el RR = 1 (no diferencia), si es mayor en el grupo expuesto es > 1 y si es menor es < 1. RR = RA en tratados / RA en no tratados = 0.12 / 0.20 = 0.6. En este caso al ser el RR menor que 1 significa que el efecto del tratamiento es protector. Es decir que por cada ACV registrado en el grupo control se registraron 0,6 en el grupo tratado (o por cada 100 ACV en el control se registraron 60 en el tratado). Reduccion del Riesgo Relativo (RRR): Es una de las formas más comunes de reportar resultados de estudios terapéuticos en la literatura. Reporta el porcentaje de reducción de riesgo del evento en el grupo tratado. RRR = ( 1 - RR) x 100 o [(riesgo en expuestos – riesgo en no expuestos) / riesgo en no expuestos] x 100. Se mide en porcentaje de reducción. En el ejemplo, la RRR = (1 - 0.6) x 100 = 40 % o (12% - 20%) / 20% x 100= 40%. De esta forma la conclusión del estudio será: “ En los pacientes con hipertensión moderada a severa que recibieron tratamiento durante 5 años se redujo en un 40 % la incidencia (o el riesgo) de ACV”. Riesgo o Beneficio Atribuible, Reduccion del Riesgo Absoluto (RRA) o Diferencia de riesgo: Nos responde la pregunta: cuál es, en términos absolutos, la reducción del riesgo de sufrir el evento que se le atribuye al tratamiento? (o el aumento del riesgo, en caso de un factor nocivo). Se obtiene calculando la diferencia de los riesgos absolutos en una y otra población. RRA= Riesgo en no tratados - Riesgo en tratados. RRA = 0.20 - 0.12 = 0.08 = 8%. La reducción del riesgo en este estudio significa que de cada 20 ACV que ocurren en esta población de hipertensos moderados a severos , 8 pueden ser prevenidos con el tratamiento antihipertensivo o, lo que es lo mismo, el beneficio atribuible al tratamiento es del 8%.

Riesgo Atribuible Poblacional (o Fracción Etiológica): es la proporción de todos los casos de una enfermedad que son atribuibles a una exposición o factor de riesgo. Se refiere a la proporción de la enfermedad que sería eliminada si esa exposición o factor de riesgo fuera eliminada o prevenido.

Run-in: periodo de prueba inicial en un ensayo clinico durante el cual todos los pacientes reciben el mismo tratamiento (droga o placebo). Este paso tiene como objetivo valorar la adherencia de los pacientes al tratamiento y los efectos indeseables.

Sensibilidad: Proporción de pacientes enfermos que tienen el test positivo.

Sesgo: Error sistemático de un estudio de investigación. Los tipos principales de sesgo son sesgo de selección (cualquier error que surge en el proceso de identificación de la población del estudio), sesgo de observación o información (error sistemático en la medición de información acerca de la exposición o resultados). El sesgo de selección no siempre se refiere a los pacientes incluídos en un estudio; también puede referirse a los artículos incluidos para realizar un meta-análisis: por ejemplo, elegir sólo artículos en idioma inglés deja fuera del análisis a cualquier artículo relacionado con el tema que esté publicado en otro idioma.

Sesgo de publicación: Se refiere a la tendencia de las revistas científicas a publicar artículos con resultados positivos (los que encuentran diferencias significativas) mucho más fácilmente que aquellos con resultados negativos. Este tipo de sesgo puede ser un problema principalmente en los meta-análisis. Si los autores del meta-análisis no realizan una búsqueda exhaustiva, en la cual incluyan los estudios no publicados, las conclusiones del estudio pueden ser erróneas. Si no se buscan los artículos no publicados, que tienen más probabilidad de ser negativos, se puede basar la conclusión sólo en los artículos publicados y concluir falsamente que la intervención estudiada es positiva.

Test de referencia o “Gold Standard”: Es el procedimiento o estudio que se utiliza para definir el verdadero estado del paciente. Test universalmente aceptado para diagnosticar la enfermedad en cuestión y con el cual se comparan nuevos tests para diagnosticar la misma enfermedad (en general menos invasivos, menos costosos o más fáciles de realizar).

Validez interna: Se refiere a la estructura interna del estudio. El diseño, los resultados y su interpretacion deben ser coherentes con los métodos utilizados, y adecuados para responder la/s pregunta/s formulada/s. Un estudio tiene validez interna si está bien diseñado y está libre de sesgos o errores sistemáticos.

Valor Predictivo Negativo: Proporción de pacientes con test negativo que no tienen enfermedad. Depende fundamentalmente de la sensibilidad del test y de la prevalencia de la enfermedad en la población estudiada.

Valor Predictivo Positivo: Proporción de pacientes con test positivo que tienen la enfermedad. Depende fundamentalmente de la especificidad del test y de la prevalencia de la enfermedad en la población estudiada.

Variabilidad interobservador: Variabilidad en las interpretaciones realizadas por distintos observadores habitualmente en la lectura de test diagnósticos (por ejemplo, la auscultación del tercer ruido cardíaco es un signo con mucha variabilidad según quien ausculta al paciente).

Bibliografía

1. Rubinstein FA. En PROFAM: Programa de Educación a Distancia de Medicina Familiar y Ambulatoria/ Esteban Rubinstein, dir; Norma Caffaro de Hernández, coord. Didáctica/ Fundación -MF- Fundación para el Desarrollo de la medicina Familiar y la Atención Primaria de la Salud .1ra. ed. Buenos Aires: Hospital Italiano de Buenos Aires. Unidad de Medicina Familiar y Preventiva; Departamento de Docencia e Investigación, entrega II capítulo 7 1997.
2. Hennekens CH, Buring JE Epidemiology in Medicine. Little Brown, 1987
3. Weinstein, MC, Fineberg. Clinical Decision Analysis. WB Saunders 1980.
4. Sackett DL. Evidence-Based Medicine. 1996 Jan-Feb
5. Fletcher RH, Fletcher SW, Wagner EW. Clinical Epidemiology. Williams & Wilkins1996.
6. Rosner B. Fundamentals of biostatistics. Duxbury Press 1995.