La metodología de investigación en epidemiología es el conjunto de principios y técnicas esenciales para estudiar la distribución, los determinantes y la prevención de enfermedades en poblaciones. Comprender esta metodología es fundamental para cualquier estudiante o profesional que busque interpretar y aplicar la evidencia científica en el ámbito de la salud pública y la práctica clínica. En este artículo, exploraremos las herramientas y diseños más importantes, desde las revisiones sistemáticas hasta los estudios experimentales y observacionales, para ofrecer una visión completa de cómo se genera el conocimiento en epidemiología.

Metodología de Investigación en Epidemiología: Tipos y Usos

La epidemiología se nutre de diversas metodologías de investigación que permiten abordar diferentes preguntas de salud. Estas se clasifican generalmente en estudios descriptivos y analíticos, incluyendo tanto diseños observacionales como experimentales. El objetivo es identificar las características epidemiológicas de las enfermedades, interpretar indicadores de salud y evaluar situaciones complejas en una población.

Unidades Fundamentales de la Investigación Epidemiológica

Para iniciar, es crucial entender la estructura y funcionamiento de la investigación y los principios de Bioética. Los conceptos básicos incluyen:

Indicadores de frecuencia: como los de morbilidad, que miden la aparición de enfermedades.
Diseños descriptivos: que caracterizan la distribución de las enfermedades.
Demografía: el estudio de las poblaciones y sus cambios.
Indicadores de salud: que contextualizan la situación de salud de una región, como Chile.

Además, se aborda la epidemiología analítica, la causalidad, y las medidas de asociación para entender por qué y cómo ocurren las enfermedades. La formación en esta área también busca que el estudiante pueda comprender los elementos para el planteamiento de problemas de investigación.

Las Revisiones Sistemáticas (RS) en Epidemiología

Las revisiones sistemáticas (RS) son un pilar fundamental en la jerarquía de la evidencia científica. Se consideran investigaciones científicas secundarias donde la unidad de análisis son los estudios originales primarios. Su propósito es responder a una pregunta de investigación claramente formulada, utilizando un proceso sistemático y explícito.

Definición y Valor de las Revisiones Sistemáticas

Una revisión sistemática es un tipo de investigación que sintetiza el conocimiento existente. Implica la identificación, evaluación y síntesis de evidencia para producir un resumen conciso que informe sobre las mejores prácticas. Son fuentes confiables que asisten la toma de decisiones basadas en evidencia.

Ventajas de las Revisiones Sistemáticas

Las RS bien realizadas ofrecen múltiples beneficios:

Mejoran la difusión de la evidencia y aceleran la asimilación de la investigación a la práctica.
Minimizan sesgos y aumentan la precisión de los resultados al combinar estudios similares.
Ayudan a aclarar la heterogeneidad o resultados contradictorios entre estudios.
Establecen la posibilidad de generalizar los hallazgos generales.
Mejoran la comprensión de fenómenos y orientan la toma de decisiones.

Son útiles para profesionales de la salud, investigadores (para identificar brechas) y administradores (para desarrollar políticas y guías).

Desventajas y Limitaciones de las Revisiones Sistemáticas

A pesar de sus ventajas, las RS pueden tener limitaciones:

Pobre calidad en su elaboración o desactualización periódica.
Dependencia de la calidad de los estudios incluidos ("garbage-in/garbage-out").
Redundancia y duplicidad en la investigación.
Inclusión de estudios problemáticos (potencialmente fraudulentos) y conflictos de intereses.
Pueden estar afectadas a sesgo.

Sesgo de Publicación y la Literatura Gris

El sesgo de publicación ocurre cuando lo publicado no representa la totalidad de la investigación, lo que puede llevar a conclusiones erróneas. Los estudios con resultados estadísticamente significativos tienden a publicarse más, a menudo en inglés, y son más citados. Esto puede sobreestimar el efecto de una intervención o no identificar eventos menos frecuentes.

Para mitigar este sesgo, es importante buscar la literatura gris. Esta se refiere a documentos que no siguen los cánones de publicación formal, como tesis doctorales, informes, actas de congresos o preprints. Su inclusión en una RS puede proporcionar una visión más completa de la evidencia.

Riesgo de Sesgo en Revisiones Sistemáticas

Evaluar el riesgo de sesgo es crucial para determinar la validez de los resultados de un estudio. Los criterios adecuados para evaluar el riesgo de sesgo incluyen:

Generación de secuencia aleatoria: por computador o tablas de números.
Ocultamiento de secuencia: que la asignación al grupo sea impredecible.
Ciego: si participantes, profesionales o evaluadores de respuesta desconocen la asignación.
Variable respuesta completa: si el análisis se hizo por intención de tratamiento.
Reporte de eventos: si se reportaron todos los eventos programados.

Los gráficos de embudo (funnel plots) son herramientas visuales para detectar sesgos de publicación. Un gráfico asimétrico, donde faltan estudios pequeños con efectos menos significativos, sugiere un posible sesgo. Las causas de asimetría pueden ser azar, artefactos estadísticos, variabilidad clínica o metodológica, o sesgos de publicación.

Interpretación de Resultados: Metaanálisis y Forest Plots

Un metaanálisis es una revisión sistemática que, en una segunda fase, combina los resultados de los estudios primarios mediante técnicas estadísticas para estimar un efecto único del tratamiento. Responde a preguntas como si los resultados son similares, cuál es la magnitud y qué tan precisa es la estimación del efecto.

Los Forest Plots son representaciones gráficas clave en los metaanálisis. Muestran los resultados de cada estudio individual (representados por un cuadrado y su intervalo de confianza), así como el resultado combinado (el diamante en la parte inferior). La línea vertical de "no significancia estadística" indica dónde no hay efecto.

Evaluación de la Calidad de una Revisión Sistemática

Para saber si una RS es de buena calidad, se deben considerar los siguientes puntos:

Pregunta clínica lógica y focalizada: ¿aborda una pregunta específica?
Criterios de inclusión/exclusión claros y apropiados: ¿se definieron bien los tipos de estudios, participantes e intervenciones?
Búsqueda exhaustiva: ¿es poco probable que se pasaran por alto estudios relevantes?
Evaluación de la validez de los estudios incluidos: ¿se consideraron criterios de riesgo de sesgo?
Reproducibilidad de las evaluaciones: ¿participaron dos o más investigadores de forma independiente y cómo resolvieron los desacuerdos?
Consistencia de los resultados: ¿son los resultados similares entre estudio y estudio? (Heterogeneidad).

La heterogeneidad se evalúa, por ejemplo, con el estadístico I², donde un valor mayor al 50% indica heterogeneidad significativa. Si los resultados son muy distintos, el estimador combinado puede ser irrelevante. Los análisis de sensibilidad ayudan a explorar la influencia de factores como la calidad del estudio o la exclusión de estudios grandes.

Estudios Observacionales Analíticos: Casos y Controles

Los estudios de casos y controles son diseños de investigación epidemiológica analítica que se inscriben en la vertiente observacional. Plantean una hipótesis de estudio explícita y son especialmente útiles para problemas de salud poco frecuentes.

Definición y Estructura de Estudios de Casos y Controles

La estructura básica implica:

Identificación de los casos: Individuos que presentan el desenlace o enfermedad (variable dependiente).
Identificación de los controles: Individuos libres del desenlace o enfermedad, seleccionados para comparar.

Se busca determinar la frecuencia de la exposición (variable independiente) entre los casos y compararla con la frecuencia entre los controles. Los casos pueden ser incidentes o prevalentes, y se obtienen de la población general, hospitales o centros de salud.

Ventajas de los Estudios de Casos y Controles

Útiles para estudiar problemas de salud poco frecuentes.
Ideales para enfermedades con largo periodo de latencia.
Suelen ser menos costosos y exigen menos tiempo que los estudios de cohorte.
Adecuados para estudiar la multicausalidad de una enfermedad.
No es necesario esperar mucho tiempo para conocer la respuesta.
Requieren un menor número de sujetos, lo que permite profundizar en ellos.

Desventajas de los Estudios de Casos y Controles

No permiten estimar directamente la incidencia de la enfermedad.
La posibilidad de sesgos es muy alta, y su control es difícil.
Complicado asegurar la comparabilidad de factores de riesgo poco frecuentes.
Pueden generar sesgos de información.
Se puede introducir un sesgo de selección si la exposición determina diferencialmente la selección.
Si el problema de salud es muy prevalente (>10%), el Odds Ratio puede no ser una estimación confiable del riesgo relativo.
No sirven para determinar otros posibles efectos de una exposición sobre la salud, ya que se centran en un solo resultado.

Sesgos en Estudios de Casos y Controles

Debido a su naturaleza retrospectiva y la selección independiente de casos y controles, la probabilidad de sesgos es mayor. Estos incluyen:

Sesgos de selección: Se pueden contrarrestar mediante emparejamiento (matching).
Sesgos de información: Relacionados con la medición retrospectiva de la exposición.

Es fundamental evaluar la confusión tanto en el diseño como en el análisis. El emparejamiento o matching es una estrategia de diseño para seleccionar controles con características similares a los casos, excluyendo la exposición estudiada.

Medidas de Asociación: Odds Ratio (OR)

El Odds Ratio (OR) o razón de disparidad es la medida de asociación principal en estudios de casos y controles. Cuantifica la "posibilidad relativa" de exposición entre los casos versus los controles.

OR = 1: No existe relación entre el factor de riesgo y la enfermedad.
OR > 1: Existe asociación positiva (riesgo) entre el factor de estudio y la enfermedad.
OR < 1: Indica asociación negativa (protección).

Cuanto más se aleja el valor de 1, más fuerte es la asociación. Para el ejemplo de la esclerosis múltiple y el tabaquismo, un OR de 1,7 significa que la posibilidad de padecer esclerosis múltiple es 1,7 veces mayor en fumadores. Esto también se puede expresar como un 70% mayor [(1.7-1)*100%].

Estudios Experimentales: Ensayos Clínicos Aleatorizados (ECA)

Los ensayos clínicos aleatorizados (ECA) son considerados el mejor diseño para evaluar la eficacia de una intervención. Se centran en comparar el efecto y el valor de una o más intervenciones en seres humanos con una condición médica.

Características de los Ensayos Clínicos Aleatorizados

Un ECA es un estudio prospectivo donde la intervención se aplica a un grupo de individuos que padecen una enfermedad. Mediante un proceso al azar, se decide quiénes formarán el grupo de control. Las características clave son:

Aleatorización (Randomización): Proceso clave donde los sujetos se asignan a grupos de forma aleatoria. Asegura la comparabilidad de los grupos en variables conocidas y no conocidas, equilibrando factores pronósticos y permitiendo el enmascaramiento.
Elección de los participantes: Criterios de inclusión y exclusión definen la población más factible y ética para el estudio. Se buscan participantes con alto riesgo de presentar la variable respuesta y se considera un tamaño muestral adecuado.
Enmascaramiento (Cegamiento): Previene la distorsión de resultados si pacientes, clínicos o evaluadores conocen la asignación. Puede ser simple (ciego único), doble ciego (clínicos y pacientes) o triple ciego (también analistas de datos). El uso de placebos es común para enmascarar la intervención.
Ocultamiento de la secuencia de asignación: Quien decide el ingreso de participantes no debe saber a qué grupo irán. Esto es distinto de la aleatorización y fundamental para evitar sesgos de selección.
Seguimiento/Pérdidas: El tiempo de seguimiento depende del desenlace. Las pérdidas deben ser mínimas, idealmente menos del 20%, para mantener la validez.
Análisis de resultados: Se prefiere el análisis por intención de tratar, donde todos los participantes se analizan en el grupo al que fueron asignados, independientemente de si cumplieron el protocolo. Esto mantiene el beneficio de la aleatorización.

Ventajas y Desventajas de los ECA

Ventajas:

Proporcionan la mejor evidencia de la relación causa-efecto.
Útiles para evaluar nuevos tratamientos.
Ofrecen mayor control de factores del estudio y minimizan sesgos.
Diseño prospectivo que asegura la temporalidad causa-efecto.

Desventajas:

No siempre éticos para todas las preguntas de investigación.
Los sujetos son muy seleccionados, lo que dificulta la extrapolación de resultados.
Las pautas rígidas de intervención limitan la generalización.
Costosos y requieren mucho tiempo y expertise.
Pueden estar sujetos a la influencia del patrocinador.

Medidas de Efecto en ECA: Riesgo Relativo (RR) y NNT

Para variables dicotómicas, se utilizan medidas como:

Riesgo Relativo (RR): Probabilidad de padecer la enfermedad en función de la exposición. Compara la incidencia en expuestos con la incidencia en no expuestos. Un RR > 1 indica riesgo, < 1 protección, y = 1 no asociación. Si el intervalo de confianza incluye el 1, no hay asociación significativa.
Reducción de Riesgo Absoluto (RRA): Diferencia entre el riesgo del grupo control y el grupo experimental. Indica la magnitud del efecto de la intervención.
Reducción de Riesgo Relativo (RRR): Proporción en que se reduce el riesgo relativo.
Número Necesario a Tratar (NNT): Cuántos pacientes debo tratar para evitar un desenlace en 1 paciente. Se calcula como 1/RRA. Un NNT menor indica un mayor efecto de la intervención.

Preguntas Frecuentes sobre Metodología de Investigación en Epidemiología

¿Cuál es la jerarquía de la evidencia en epidemiología?

La jerarquía de la evidencia sitúa las revisiones sistemáticas y los metaanálisis en la cúspide, seguidos por los ensayos clínicos aleatorizados (ECA). Luego vienen los estudios de cohorte, casos y controles, y finalmente los estudios descriptivos y las opiniones de expertos. Esta jerarquía guía la toma de decisiones basadas en la evidencia.

¿Por qué es importante el cegamiento en un ensayo clínico aleatorizado?

El cegamiento es crucial para minimizar el sesgo en la evaluación de los resultados. Si pacientes, médicos o evaluadores conocen a qué grupo pertenece cada participante (intervención o control), sus expectativas o acciones podrían influir en el desenlace o en la recolección de datos, alterando la validez de los resultados del estudio.

¿Qué significa un Odds Ratio (OR) de 0,58 en un estudio de casos y controles?

Un OR de 0,58 indica una asociación negativa o protectora. Por ejemplo, si un estudio busca determinar si el consumo de pescado disminuye el riesgo de infarto, un OR de 0,58 significaría que la posibilidad relativa (odds) de sufrir un infarto en personas que consumen pescado es un 42% menor que en aquellas que no lo consumen [(0.58-1)*100%].

¿Cuáles son las fases en la prueba de nuevos medicamentos?

La prueba de nuevos medicamentos se divide en varias fases:

Pre-Fase I/pre-clínicos: Estudios en animales y células.
Fase I: Pequeños grupos de voluntarios sanos o enfermos para estudiar propiedades farmacológicas y seguridad en humanos.
Fase II: Decenas de participantes con la condición para confirmar dosis, estimar respondedores, toxicidad y efectos adversos.
Fase III: ECA grandes para evaluar la eficacia de la intervención.
Fase IV: Monitoreo post-comercialización para detectar efectos secundarios graves o nuevos usos terapéuticos.

¿Qué es la heterogeneidad en un metaanálisis y cómo se interpreta?

La heterogeneidad en un metaanálisis se refiere a la variabilidad en los resultados entre los estudios individuales incluidos. Esta puede deberse a diferencias en pacientes, intervenciones, comparaciones, mediciones del desenlace o el diseño. Se evalúa con pruebas estadísticas como el I², donde un valor superior al 50% sugiere una heterogeneidad considerable, lo que podría afectar la validez del resultado combinado del metaanálisis.

Metodología de Investigación en Epidemiología