Palabras clave
Oportunidad relativa
Tamaño de la muestra
Sesgo Case-control studies
Odds ratio
Sample size
Bias
Cómo citar
Resumen
El diseño de casos y controles es óptimo para el estudio de condiciones con baja prevalencia, y es de uso rutinario en el estudio de brotes en vigilancia epidemiológica. Sus ventajas incluyen un tiempo corto de desarrollo, bajo costo y un tamaño de muestra menor al de estudios de cohorte para condiciones infrecuentes. Sin embargo, este diseño es altamente susceptible a sesgos de selección, información y confusión, y se deben tomar medidas extensas para controlarlos. Es rol del experto clínico guiar el análisis estadístico por medio de la identificación informada de variables de confusión, el cual puede estar desprovisto de validez si no se incorpora el conocimiento previo. Por último, es también responsabilidad del experto la interpretación efectiva de las medidas de asociación obtenidas, haciendo un análisis acucioso de la significancia clínica de los resultados por encima de cualquier medida de significancia estadística.
Citas
Cornfield J. A Method of Estimating Comparative Rates from Clinical Data. Applications to Cancer of the Lung, Breast, and Cervix. J Natl Cancer Inst. 1 de junio de 1951;11(6):1269-75.
Mantel N, Haenszel W. Statistical Aspects of the Analysis of Data From Retrospective Studies of Disease. J Natl Cancer Inst. 1 de abril de 1959;22(4):719-48.
Miettinen O. Estimability and estimation in case-referent studies. Am J Epidemiol. febrero de 1976;103(2):226-35. https://doi.org/10.1093/oxfordjournals.aje.a112220
Snow J. On the mode of communication of cholera. [Internet]. 1ra ed. London, United Kingdom: John Churchill; 1855. Disponible en: https://collections.nlm.nih.gov/ext/cholera/PDF/0050707.pdf
Lazcano-Ponce E, Salazar-Martínez E, Hernández-Avila M. Estudios epidemiológicos de casos y controles. Fundamento teórico, variantes y aplicaciones. Salud pública Méx. 2001;43:135-50. https://doi.org/10.1590/S0036-36342001000200009
Gómez MG-, Danglot-Banck C, Alvarado SGH, Torre GG de la. El estudio de casos y controles: su diseño, análisis e interpretación, en investigación clínica. Rev Mex Pediatr. 2003;70(5):257-63.
Hengartner MP. Raising Awareness for the Replication Crisis in Clinical Psychology by Focusing on Inconsistencies in Psychotherapy Research: How Much Can We Rely on Published Findings from Efficacy Trials? Front Psychol. 2018;9:256. https://doi.org/10.3389/fpsyg.2018.00256
Thompson WD. Statistical analysis of case-control studies [Internet]. 1996 [citado 11 de septiembre de 2019]; Disponible en: http://iris.paho. org/xmlui/handle/123456789/15455
Elashoff JD, Lemeshow S. Sample Size Determination in Epidemiologic Studies. En: Ahrens W, Pigeot I, editores. Handbook of Epidemiology. Berlin, Heidelberg: Springer Berlin Heidelberg; 2005. p. 559-94. https://doi.org/10.1007/3-540-26577-5_15
Hosmer DW, Lemeshow S, Sturdivant RX. Model-Building Strategies and Methods for Logistic Regression. En: Applied Logistic Regression. John Wiley & Sons, Ltd; 2013. p. 89-151. https://doi.org/10.1002/9781118548387.ch4
Mundry R, Nunn CL. Stepwise model fitting and statistical inference: turning noise into signal pollution. Am Nat. enero de 2009;173(1):119-23. https://doi.org/10.1086/593303
Greenland S. Quantifying biases in causal models: classical confounding vs collider-stratification bias. Epidemiology. 2003;14(3):300-6. https://doi.org/10.1097/01.EDE.0000042804.12056.6C
Westreich D, Greenland S. The table 2 fallacy: presenting and interpreting confounder and modifier coefficients. Am J Epidemiol. 2013;177(4):292- 8. https://doi.org/10.1093/aje/kws412
Hernán MA, Robins J. Causal inference. Boca Raton: Chapman & Hall / CRC, forthcoming; 2019.
Pearl J. Causal diagrams for empirical research. Biometrika. 1995;82(4):669-88. https://doi.org/10.1093/biomet/82.4.669
Sauer B, VanderWeele TJ. Use of Directed Acyclic Graphs [Internet]. Agency for Healthcare Research and Quality (US); 2013 [citado 19 de julio de 2019]. Disponible en: https://www.ncbi.nlm.nih.gov/books/NBK126189/