Carlos Campillo Artero IB-Salut, CRES, UPF, BSM LPGC, 20 de mayo, 2019

Causalidad sin ensayos clínicos en gestión de servicios de salud

Primeras cautelas

En muchas preguntas de investigación late la causalidad

Cuando buscamos causalidad Association is not causation

CANAS MORTALIDAD

Las canas matan

CANAS MORTALIDAD

OR = 4,5

Mueren No mueren

Canas a b

Sin canas c d

Mortalidad

OR = 4,5

Confusión (confounding) en asociaciones

CANAS MORTALIDAD

EDAD

Confusión (confounding) en asociaciones

CANAS MORTALIDAD

Jóvenes OR = 1,0 Mayores OR = 1,0

OR = 1,0

Mueren No mueren

Canas a b

Sin canas c d

Mueren No mueren

Canas a b

Sin canas c d

Mortalidad

OR ajustado por edad = 1,0

¿Otras variables desconocidas?

Beta bloqueantes IAM

Confounding by indication

Beta bloqueantes IAM

Confounding by indication

Angina

Muchos confusores conocidos y desconocidos

Edad, sexo, comorbilidad, gravedad… ???

A B

∑

n variables confusoras

Lo que omitimos (desconocemos) está aquí

¿Cómo evitar la confusión y establecer causalidad?

2000

A 946

B 1054

Ra

1001

Rb

992

AZAR

ENSAYO CLÍNICO ALEATORIZADO Y CONTROLADO

Distribución similar de las variables conocidas (incluidas) y omitidas (o desconocidas)

Misma probabilidad de ser asignado a cada grupo

Experimental

Control

Pero con datos observacionales el azar no asigna, los datos nos vienen dados

Con datos observacionales el azar no asigna y debo controlar la confusión

Neumonía postcirugía cardíaca Supervivencia

Ʃ?

Y no puedo hace ECAs cada día…

Neumonía Supervivencia Sin neumonía Supervivencia

Asignación Aleatoria: ECA

Confusores observados y no observados

¿Cómo diablos sabremos si la diferencia en supervivencia se debe a la neumonía o a que son pacientes mayores, tienen más complicaciones, más gravedad, IRC; cirugía cardíaca previa y anemia, que los que no tienen neumonía?

Otras formas de conseguir grupos muy similares, evitar la confusión y establecer causalidad Importancia creciente y mayor uso de estudios observacionales (effectiveness research) Sólo mostraré dos: PS y VI (no dif-en-dif, series temporales truncadas, regresión discontinua…) Poco conocidos y utilizados en medicina

PROPENSITY SCORE

Y no puedo hace ECAs cada día

Neumonía Supervivencia Sin neumonía Supervivencia

Asignación Aleatoria: ECA

Confusores observados y no observados

Comprobamos si la distribución de esas posibles variables confusoras entre neumonía y no neumonía es o no similar. Si es diferente, pueden ser confusoras. Calculamos el propensity score, la probabilidad de desarrollar neumonía en función de las variables de confusión seleccionadas

y apareamos pacientes con y sin neumonía con PS igual o cercano, para que la distribución de esas variables en ambos grupos sea similar y, por consiguiente, lo que los diferencie no sean esas variables sino solamente tener o no neumonía, lo mismo que conseguiría la asignación aleatoria

Muy similares

Sin neumonía Controles apareados por PS Con neumonía

La causalidad también late tras esta pregunta: ¿afecta el tipo de parto (vaginal / cesárea)

la salud del RN?

Vaginal

Cesárea

Apgar

pH

Apgar

pH

Confusión en comparación directa

Distribución de las variables conocidas (incluidas) y omitidas (o desconocidas) puede ser muy diferente: factores de la madre, feto, hospitales

Son diferentes

n

Vaginal

Cesárea

Apgar

pH

Apgar

pH

AZAR

No puedo hacer un ECA cada día…

VARIABLES INSTRUMENTALES

Potential outcome under Tx and Ctrl conditions are unrelated (stalble unit Tx value assumption)

Vi asigna como el azar y determina el tratamiento que se recibe

Resultado potencial bajo condiciones de ttx y CTRL no relacionadas con ttx de otros pacientes (stable unit Tx value assumption)

VI sólo afecta al resultado a través del ttx (exclusion restriction)

Variable instrumental

Tratamiento

Resultado en salud

Potential outcome under Tx and Ctrl conditions are unrelated (stalble unit Tx value assumption)

VI asigna como el azar y determina el tratamiento que se recibe

Resultado potencial bajo condiciones de ttx y CTRL no relacionadas con ttx de otros pacientes (stable unit Tx value assumption)

VI sólo afecta al resultado a través del ttx (exclusion restriction)

Turno del parto: noche y día

Parto vaginal / cesárea

Apgar / pH

Son muy parecidas La VI “asigna” al azar Podemos compararlas

Resultados

Efectos medios clínicamente irrelevantes y sin diferencias en Apgar (1-5 min), pH, ingresos en UCIN, reanimación y exitus

Tratan

No tratan

Fractura

Otras VI

Asociación ttx para prevención fracturas no vertebrales en pacientes con fractura previa

Hospitales

Fractura

Ttx quirúrgico

Ttx médico

Costes

Otras VI

Asociación tratamiento litiasis renal y costes

Día

de la

semana

Costes

Lunes Martes Miércoles Jueves Viernes

Sábado Domingo

Última cautela: la curva de Pepe

Para ser factores de riesgo (discriminar bien), los ORs (y RRs) han de ser muy, muy, muy altos, tan altos que casi nunca se observan. Los ORs (y RRs) apenas tienen capacidad para discriminar, menos aún cuando consideramos variables aisladas. No diagnoticamos casi nada con un solo signo o síntoma.