CLASIFICACIÓN DE ESTUDIOS EPIDEMIOLÓGICOS

Nota:

• Se caracterizan por explorar e indagar aspectos humanos no medibles en investigación, como pueden ser las experiencias, vivencias, cosmovisiones, significados, representaciones sociales, entre otros. Aquí no se miden variables, sino que el investigador identifica categorías de análisis que emergen a partir del discurso de los entrevistados, o partir de las observaciones de campo.

1. Fenomenología

   Nota:

   • Escuela filosófica, posteriormente utilizada como método de investigación cualitativa para abordar vivencias y experiencias.
2. Teoría Fundamentada

   Nota:

   • Marco epistemológico para explorar, describir y sintetizar creencias, conceptos, significados y representaciones sociales.
3. Investigación Acción Participativa (IAP)

   Nota:

   • Corriente de pensamiento e investigativa fundada por el colombiano Orlando Fals Borda y complementada por sociólogos latinoamericanos. Su enfoque parte de incentivar la investigación que tiene sentido social, donde las propias comunidades son protagonistas de su mismo proceso investigativo, el cual es útil para dar respuesta práctica a problemáticas que aquejan a los grupos y comunidades. También es denominada "la investigación emancipadora" o "investigación que libera" y tiene relaciones conceptuales con la teoría del "empoderamiento" social; basado además en la dialéctica del poder-opresión.
4. Etnografía

   Nota:

   • Disciplina antropológica que se encarga de observar, interpretar y analizar la cultura de grupos humanos y los comportamientos y hábitos de un grupo social derivados de dicha cultura.

Nota:

• Se caracterizan por medición de las variables en una unidad de análisis, llámese individuo, paciente u otro.  La medición de estas variables ocurre en un lugar y tiempo determinado.

1. Según la intención o interferencia del investigador
   1. Observacionales

      Nota:

      • El investigador no interfiere o manipula la  exposición, simplemente la observa.  Ejemplos en epidemiología: estudios de corte transversal, cohorte, casos y controles, estudios ecológicos (en éste la diferencia con los anteriores es que las unidades de análisis no son personas o pacientes sino comunidades o grupos de personas).  
      1. Cross Sectional o Transversal

         Nota:

         • Clasificación: cuantitativo, observacional, descriptivo (aunque puede tener componente analítico, dependiendo de los objetivos específicos), transversal, retrospectivo (aunque pueden ser prospectivos o ambispectivos, dependiendo de la necesidad de construir o no el dato o de recolectarlo de una fuente con un dato ya construido), con un nivel de análisis descriptivo (aunque, dependiendo de sus objetivos puede llegar a ser analítico o incluso explicativo).   
         • Usos comunes: enfermedades agudas (como por  ejemplo algunas infecciosas, aunque las agudas también incluye no infecciosas), estudio de brotes y epidemias, muy usados en vigilancia epidemiológica. Usualmente es el primer estudio que se hace para observar un fenómeno de salud que le está sucediendo a una población. Estudios de prevalencia. Es la forma más práctica de conocer la prevalencia de una  enfermedad en un grupo de personas.   
         • Ventajas: pueden explorar posibles factores asociados a un evento o enfermedad, más no comprobar  causalidad. Son económicos, rápidos, no requieren mucho tiempo. Permite tomar decisiones rápidas en salud pública.   
         • Desventajas: no pueden determinar causalidad  (asociaciones de causa-efecto) o explicar relaciones causales. No pueden determinar incidencias (casos nuevos de una enfermedad en la población).   
      2. Cohortes

         Nota:

         • Clasificación: cuantitativo, observacional, analítico, longitudinal, usualmente prospectivo (aunque pueden ser  retrospectivos o ambispectivos, dependiendo de la necesidad de construir o no el dato o de recolectarlo de una fuente con un dato ya construido), con un nivel de análisis explicativo (aunque, dependiendo de sus objetivos puede llegar a ser predictivo).   
         • Diseño:  hoy, las personas están sanas (libres de la  enfermedad o evento), pero hay un grupo de expuestos y no expuestos a determinado factor de riesgo que se supone influye en la aparición de una enfermedad a futuro, se observa hacia adelante en el tiempo a las personas hasta que desarrollen el evento, condición o enfermedad. Esta observación puede durar meses o incluso años.  
         • Usos comunes:   enfermedades crónicas o de larga duración. Usualmente es un estudio que se hace para observar cómo evoluciona un fenómeno de salud en una población o grupo de personas. Determinar incidencias (como observa durante tanto tiempo un fenómeno de salud, puede determinar perfectamente cuando aparecieron los casos nuevos de la enfermedad en una población).  
         • Ventajas:  pueden determinar con certeza factores asociados a un evento o enfermedad, comprobando así la causalidad. Determina incidencias. Permite tomar decisiones a largo plazo en salud pública, como por ejemplo las políticas de salud de una región o país. La calidad de la información es buena porque  usualmente es el mismo investigador quien la construye, controlando sesgos, omisiones, errores en la confiabilidad del dato, etc. Por tanto, la calidad de la información sí depende mucho del  investigador, dado que la recolección de los datos y las mediciones dependen de él en gran parte.  
         • Desventajas:  costosos, largos, los pacientes se pueden perder en el tiempo o pueden fallecer durante el seguimiento. Los pacientes pueden cambiar de grupo de  exposición (pueden pasar de ser expuestos a no expuestos) escapando esto al control del investigador. Puede haber riesgos competitivos. Requiere mediciones repetidas cada cierto tiempo, durante el período de estudio, para verificar si las personas han desarrollado o no el evento o desenlace. Por lo mismo, requieren una medición basal, antes de iniciar el estudio, para asegurar que las personas que se involucren en el mismo estén libres de la enfermedad, aunque tengan la exposición.  
      3. Casos y Controles

         Nota:

         • Clasificación: cuantitativo, observacional, analítico, longitudinal, retrospectivo, con un nivel de análisis explicativo (difícilmente puede llegar a ser predictivo).   
         • Diseño:  hoy, las personas están enfermas (llamadas casos, son los que padecen el evento), y hay un grupo de personas “control” que no tienen la enfermedad, pero, que por lo demás, son comparables en todo con el caso (edad, sexo, estrato socioeconómico, hábitos de vida, factores de riesgo, etc.). Se pretende reconstruir la exposición de interés para el estudio hacia atrás en el tiempo, comparando si ocurrió o no en los casos y/o en los controles. La exposición a estudio puede estar hacia atrás en el tiempo por meses o incluso años.  
         • Usos comunes:  enfermedades poco frecuentes. Usualmente es un estudio que se hace para observar si una exposición o presunto factor de riesgo se presentó en el pasado en una población o grupo de personas, y que posiblemente, expliquen que éstas tengan hoy determinada enfermedad.   
         • Ventajas:  pueden determinar factores asociados a un evento o enfermedad, comprobando así la causalidad (siempre y cuando se pueda establecer con certeza si la causa o exposición precedió al efecto o desenlace). Son económicos, no requieren de mucho tiempo. Puede realizarse anidado en un estudio de cohortes más grande, incluso usando los mismos pacientes (paciente que desarrolle el evento en una cohorte es un buen candidato a un casos y controles anidados para verificar si tuvo otras exposiciones en el pasado). Útilespara enfermedades raras (poco frecuentes), pues los pacientes con estasenfermedades ya llegan enfermos, por ejemplo, acudiendo a un hospital (no hayque buscarlos en la región, ellos solos llegan al investigador).  
         • Desventajas:  conseguir los controles adecuados para cada caso (que sean comparables con el caso menos en la presencia de enfermedad, pues los controles deben estar libres de ésta). Definir el pareamiento y el equiparamiento. Los controles pueden convertirse en casos si el estudio es muy largo, escapando esto al control del investigador. No determina incidencias (excepto en enfermedades agudas donde se puede determinar con certeza cuándo apareció el evento o enfermedad en un sujeto, que es diferente al momento en que se diagnosticó la enfermedad, OJO). No permite inferir a la población general, dado que su muestreo usualmente no es representativo de ésta ni es significativo, por tanto, tampoco es muy útil para tomar decisiones en salud pública. Son susceptibles al sesgo de información,  específicamente al sesgo de memoria, que se produce cuando se requiere reconstruir la información preguntándole por hechos antiguos a pacientes o familiares. La calidad de la información no es muy buena porque usualmente se debe partir de lo que ya está documentado en las historias clínicas, llenas de errores de digitación, sesgos, omisiones, etc. Por tanto, la calidad de la  información escapa al control del investigador, dado que la fuente no depende de él. 
      4. Diseños Híbridos

         Nota:

         • Ejemplo: casos y controles anidados en una cohorte, estudio caso-caso, estudio caso-cohorte y otros.
   2. Experimentales

      Nota:

      • El investigador sí interfiere o manipula la exposición. Cuando la exposición es manipulada se denomina intervención. El investigador asigna a las personas para pertenecer a uno u otro grupo de intervención, usualmente mediante un procedimiento aleatorio de selección de los participantes. Ejemplos en epidemiología: el ensayo clínico con todas sus variantes.  
   3. Cuasiexperimentales

      Nota:

      • El investigador manipula la exposición, es decir, hay intervención, pero no necesariamente es posible la asignación de las personas a uno u otro grupo, o bien, tampoco es posible la aleatorización de los participantes).  Ejemplos en epidemiología: estudios “antes-después” o “pre y post”, donde se miden los efectos en una misma población o grupo de personas, antes y después de  determinada intervención (llámese terapéutica, clínica, educativa, social, etc.).
2. Según la comparación de poblaciones
   1. Analítico

      Nota:

      • Si hay comparación de dos o más grupos de personas, pacientes o unidades de análisis el estudio es analítico. En cuanto al análisis estadístico se pretende comparar dos o mas grupos en función de una o mas variables dependientes o independientes.
      • Una investigación puede ser descriptiva con componente analítico (descriptiva, cuando se da cumplimiento a los primeros objetivos específicos donde usualmente no se comparan grupos sino simplemente estos se describen en función de edad, sexo, condiciones socioeconómicas, clínicas o demográficas, etc. Y analítico, si uno de los objetivos específicos por ejemplo involucra un análisis estadístico con pruebas de hipótesis o inferencia estadística, o bien con un análisis de regresión estadística).   
      • Ejemplo de estudio analítico: aquellos donde su objetivo es analizar asociaciones o factores de riesgo.   
   2. Descriptivo

      Nota:

      • Si no hay comparación de dos o más grupos de personas, pacientes o unidades de análisis el estudio es descriptivo
      • Una investigación puede ser descriptiva con  componente analítico (descriptiva, cuando se da cumplimiento a los primeros objetivos específicos donde usualmente no se comparan grupos sino simplemente estos se describen en función de edad, sexo, condiciones socioeconómicas, clínicas o demográficas, etc. Y analítico, si uno de los objetivos específicos por ejemplo involucra un análisis estadístico con pruebas de hipótesis o inferencia estadística, o bien con un análisis de regresión estadística).
      • Ejemplo de estudio  descriptivo: el estudio de  prevalencia.   
3. Según la evolución del fenómeno estudiado
   1. Longitudinales

      Nota:

      • Miden la exposición y el evento (o desenlace) en diferentes momentos en un mismo individuo o unidad de análisis. Es decir, se mueven en el tiempo. Aquí influye mucho la variable tiempo, pues se pretende verificar cambios en el transcurso de éste, como cuando se toma un video, el cual es un registro que se mueve a lo largo del tiempo. 
      • Ejemplos en epidemiología: el estudio de cohortes con todas sus variantes, el estudio de casos y controles con todas sus variantes, algunos diseños híbridos (como por ejemplo los estudios de casos y controles anidados en una cohorte, los estudios caso/caso, caso/cohorte, etc.)   
   2. Transversales

      Nota:

      • Miden la exposición y el evento (o desenlace) en un único momento en el mismo individuo o unidad de análisis. Es decir, no se mueven en el tiempo. Aquí no influye mucho la variable tiempo, pues no se pretende verificar cambios en el transcurso de éste. El símil es como cuando se toma una fotografía, la cual es un registro que se no se mueve a lo largo del tiempo. 
      • Ejemplos en epidemiología: los estudios de prevalencia y los denominados “encuestas transversales”.
4. Según la temporalidad, disponibilidad del dato o evolución del fenómeno estudiado
   1. Retrospectivos

      Nota:

      • Si se pretende reconstruir datos o información hacia atrás en el tiempo.
   2. Prospectivos

      Nota:

      • Si el dato o la información se construye hacia adelante en el tiempo.   
   3. Ambispectivos

      Nota:

      • Si la investigación tiene datos que se deben  reconstruir hacia atrás, pero hay otros que se deben construir hacia adelante, es decir, combina los dos  anteriores.   
5. Otro: Según el nivel de profundidad del análisis de los datos
   1. Exploratorios

      Nota:

      • Incluyen únicamente un análisis estadístico exploratorio de los datos obtenidos.   
   2. Descriptivos

      Nota:

      • Incluyen, además del anterior, un análisis estadístico descriptivo de los datos obtenidos.   
   3. Analíticos

      Nota:

      • Incluyen, además de los anteriores, un análisis estadístico inferencial de los datos obtenidos, el cual puede realizarse: a) mediante pruebas de hipótesis (a una o a dos colas), b) mediante estimación estadística puntual usando distribuciones de muestreo, en donde se pretende verificar la diferencia entre un estimador calculado o uno teórico (que pueden caer en la región de rechazo o de aceptación), o c) a través de estimación estadística por intervalos de confianza.
   4. Explicativos

      Nota:

      • Incluyen, además de los anteriores análisis, un análisis estadístico con modelos de regresión explicativos y/o de ajuste de los datos.
   5. Predictivos

      Nota:

      • Incluyen, además de los anteriores análisis, un análisis estadístico con modelos de regresión predictivos, a partir de los datos.
   6. Aplicativos

      Nota:

      • Incluyen, además de los anteriores análisis, un análisis estadístico complejo que involucra modelos con  algoritmos para aplicar a otras poblaciones, a partir de los datos obtenidos en las personas o unidades de análisis con similares características.   

Nota:

• Se caracterizan por combinar enfoques tanto cualitativos como cuantitativos, para dar respuesta a objetivos mixtos, es decir tanto de medición de variables, como de exploración, identificación y descripción de categorías de análisis. Su metodología aunque puede ser compleja actualmente es uno de los enfoques que mas esta aportando a la investigación socio sanitaria y en salud pública.

Nota:

• 1.  Parfrey P, Ravani (auth.) P, Barrett B, Parfrey (eds.) P. Clinical Epidemiology:  Practice and Methods [Internet]. 1a  ed. Humana Press; 2009 [citado el 28 de septiembre de 2018]. (Methods in   Molecular Biology 473). Disponible en: http://gen.lib.rus.ec/book/index.php?md5=85534352BD519E5B63275FD9C8135DCC   
• 2. Rothman KJ, Greenland S, Lash TL. Modern Epidemiology [Internet]. Third. Lippincott Williams & Wilkins; 2008 [citado el 28 de septiembre de 2018]. Disponible en: http://gen.lib.rus.ec/book/index.php?md5=6D815C6E0B8C4265A8C5053D74D97A6E   
• 3.   Gordis L. Epidemiology (4th Edition) [Internet]. 4a ed. Saunders; 2008 [citado el 28 de septiembre de 2018]. Disponible en: http://gen.lib.rus.ec/book/index.php?md5=5BE288BD69E38E6D035CC3F0CB118F02   
• 4.  Samet J & Muñoz A. Cohort studies. Epidemiologic Reviews 1998, 20(1):81-136   
• 5.  Szklo M. Epidemiología intermedia: conceptos y aplicaciones. Madrid: Díaz de Santos; 2003.   
• 6.  Lazcano-Ponce E et al.   Estudios de cohorte. Metodología, sesgos y aplicación. Salud pública de méxico / vol.42, no.3, mayo-junio de 2000. http://www.redalyc.org/pdf/106/10642312.pdf   
• 7. Martínez Juárez. Estudios de cohorte. Perinatol Reprod Hum 2009; 23: 18-24 http://www.medigraphic.com/pdfs/inper/ip-2009/ip091d.pdf   
• 8.  Normand ShL, Sykora K, Li P, Mamdani M, Rochon PA and Anderson GM. Readers guide to critical appraisal of cohort studies: 3. Analytical strategies to reduce confounding. BMJ 2005;330;1021-1023 http://www.ncbi.nlm.nih.gov/pmc/articles/PMC557157/pdf/bmj33001021.pdf   
• 9. Hernández Ávila M. Epidemiología : diseño y análisis de estudios. 1o ed. Buenos Aires; México  D.F.:  Instituto Nacional de Salud Pública; Médica  Panamericana; 2007.   
• 10. Londoño  JL. Metodología de la investigación epidemiológica. Medellín: Editorial Universidad de Antioquia; 1996.   
• 11.  Rothman K. Modern epidemiology. 3o ed.      Philadelphia: Wolters Kluwer Health/Lippincott Williams & Wilkins;  2008.   
• 12. Silva, Isabel dos Santos. Cap. 8: Estudios de cohorte. En: Epidemiología del cáncer: principios y métodos. Lyon, Agencia Internacional de Investigación sobre el Cáncer, 1999. 470p. ilus. ISBN 92 832 0407 7.   
• 13.  Grimes D, Schulz K. Cohort studies: marching      towards outcomes. The Lancet 2002; 359: 341–45. Disponible en: http://medicine.ucsf.edu/education/resed/articles/Lancet6_cohort.pdf   
• 14. Lakshman M, Sinha L, Biswas M, Charles M, Arora NK. Quantitative vs qualitative research methods. Indian J Pediatr. 2000;67(5):369‐377. doi:10.1007/BF02820690   
• 15. Devers KJ, Frankel RM. Study design in      qualitative research--2: Sampling and data collection strategies. Educ Health (Abingdon). 2000;13(2):263‐271. doi:10.1080/13576280050074543   
• 16. Austin Z, Sutton J. Qualitative Research: Getting Started. Can J Hosp Pharm. 2014 Nov-Dec; 67(6): 436–440.