Saltar al contenido
Volver a los resultados

Estudio de casos y controles bayesiano

Propuesto por
Sander Greenland (Bayesian epidemiology formalization); earlier Bayesian logistic methods: Leonard (1972)
Año
1990s–2000s (systematic application); Bayesian inference foundations: Bayes/Laplace 18th–19th c.
Tipo
Observational analytic study with Bayesian inference
Familia
Clinical / epidemiology

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

Un estudio de casos y controles bayesiano aplica inferencia estadística bayesiana al diseño epidemiológico clásico de casos y controles, combinando formalmente el conocimiento previo sobre las asociaciones exposición-enfermedad con los datos observados de casos y controles para estimar cocientes de probabilidades posteriores e intervalos creíbles.

En lugar de depender únicamente de los datos observados, el marco bayesiano permite a los investigadores incorporar evidencia externa —de estudios previos, conocimiento experto o comprensión mecanicista— en el análisis, produciendo declaraciones de probabilidad sobre los tamaños del efecto que a menudo son más interpretables que los valores p y los intervalos de confianza clásicos.

La intuición detrás del método

En un estudio de casos y controles estándar, se identifica a personas que han desarrollado una enfermedad (casos) y a personas similares que no la han desarrollado (controles), y luego se comparan sus exposiciones pasadas para identificar factores de riesgo. La versión bayesiana añade una capa crucial: antes de examinar sus datos, se establece formalmente lo que ya se cree sobre la relación exposición-enfermedad —quizás a partir de estudios previos o plausibilidad biológica— como una distribución de probabilidad previa. Los datos que se recopilan actualizan este previo a través del teorema de Bayes, produciendo una distribución posterior que combina la creencia previa con la nueva evidencia. Si sus datos favorecen fuertemente una dirección, la posterior lo reflejará independientemente del previo; si los datos son escasos o ruidosos, el previo proporciona una regularización significativa que evita estimaciones extremas y poco fiables.

Historia

La metodología de casos y controles se formalizó a mediados del siglo XX, y la demostración de Cornfield en 1951 de que el cociente de probabilidades aproxima el riesgo relativo en enfermedades raras proporcionó un resultado fundamental. Los enfoques bayesianos en epidemiología comenzaron a aparecer en la década de 1970, con Dempster y otros explorando la inferencia probabilística en contextos biomédicos. La influyente serie de artículos de Sander Greenland en la década de 2000 —particularmente su artículo de 2006 en el International Journal of Epidemiology— sistematizó las perspectivas bayesianas para los epidemiólogos en ejercicio, demostrando cómo la regresión logística bayesiana podría mejorar la inferencia en estudios de casos y controles y de cohortes. El crecimiento de software MCMC accesible (WinBUGS, JAGS, Stan) a partir de la década de 1990 hizo factible la implementación rutinaria.

Cuándo usarlo

Utilizar un estudio de casos y controles bayesiano cuando se dispone de información previa significativa sobre una asociación exposición-enfermedad (p. ej., de un metaanálisis previo o conocimiento mecanicista) que se desea incorporar formalmente en el análisis, o cuando el estudio es pequeño y se necesita una regularización basada en principios para evitar estimaciones de cociente de probabilidades exageradamente extremas. También es apropiado cuando la pregunta de investigación requiere una declaración de probabilidad directa ('¿cuál es la probabilidad de que el OR supere 2?') en lugar de una decisión binaria de significación. No utilizar este enfoque cuando el equipo de investigación carece de experiencia en modelado bayesiano, cuando la especificación previa es muy controvertida entre las partes interesadas, cuando la transparencia con una audiencia estrictamente frecuentista es primordial, o cuando los tamaños de muestra son lo suficientemente grandes como para que la elección del previo tenga una diferencia insignificante en la posterior.

Limitaciones y consideraciones

  • La especificación previa es subjetiva; las elecciones deben justificarse y, idealmente, analizarse en cuanto a sensibilidad en un rango de previos plausibles.
  • El cálculo MCMC es sustancialmente más complejo y requiere más tiempo que ejecutar una regresión logística estándar.
  • Los resultados pueden no ser aceptados por revisores o organismos reguladores en contextos donde los métodos frecuentistas son el estándar establecido.
  • Cuando el previo es muy informativo y los datos son limitados, la posterior está impulsada principalmente por el previo, lo que dificulta la evaluación de la contribución del nuevo estudio.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Incorpora formal y transparentemente la evidencia previa, reduciendo el riesgo de sobreinterpretación de datos escasos.
  • Produce intervalos creíbles con interpretaciones de probabilidad directas, más intuitivos que los intervalos de confianza frecuentistas.
  • Maneja tamaños de muestra pequeños y exposiciones raras con más gracia que los métodos de máxima verosimilitud a través de la regularización previa.
  • Propaga de forma natural todas las fuentes de incertidumbre —incluida la incertidumbre sobre los confusores y el error de medición— a través de la distribución posterior.
  • Facilita extensiones de análisis de decisión: las distribuciones posteriores se pueden introducir directamente en modelos de economía de la salud o de relación beneficio-riesgo.

Aplicaciones

  • Estudios farmacoepidemiológicos que evalúan reacciones adversas raras a medicamentos donde el pequeño número de casos hace que las estimaciones clásicas sean inestables.
  • Epidemiología genética y estudios de asociación de genoma completo que incorporan plausibilidad biológica previa para regularizar miles de pruebas de exposición simultáneas.
  • Epidemiología ambiental que vincula exposiciones ocupacionales o químicas a enfermedades, donde la evidencia toxicológica previa puede codificarse formalmente.
  • Estudios de casos y controles basados en hospitales sobre complicaciones quirúrgicas o infecciones asociadas a la atención médica con recuentos de casos limitados.
  • Estudios de epidemiología del cáncer con un metaanálisis previo disponible, que permite la síntesis formal de nuevos datos con la evidencia existente.
  • Investigaciones de brotes de enfermedades infecciosas donde la toma de decisiones rápida requiere declaraciones de probabilidad sobre el riesgo de exposición en lugar de pruebas de significación binarias.

Cómo funciona

Cómo funciona

1

Seleccionar casos (individuos con el resultado de interés) y controles (individuos sin el resultado) de la misma población fuente, utilizando los mismos principios de diseño de casos y controles que los estudios convencionales —incluidas las decisiones sobre el emparejamiento, la proporción de casos a controles y la determinación de la exposición. El enfoque bayesiano no cambia el diseño del estudio en sí, solo el análisis estadístico posterior.

2

Especificar distribuciones previas para el logaritmo del cociente de probabilidades (y cualquier otro parámetro del modelo) basándose en evidencia existente, metaanálisis o conocimiento sustantivo del dominio. Un previo débilmente informativo como Normal(0, 2.5) en la escala del log-OR es una opción razonable por defecto cuando el conocimiento previo es limitado; se puede utilizar un previo informativo derivado de un estudio previo cuando dicha evidencia existe y es relevante.

Fórmula
\pi(\beta) \propto \text{Normal}(\mu_0, \sigma_0^2)
3

Recopilar datos de exposición y covariables para casos y controles. Las exposiciones se determinan retrospectivamente (registros médicos, entrevistas, biomarcadores). La atención cuidadosa al sesgo de recuerdo, la selección de una población fuente representativa y el control de confusores siguen siendo tan importantes como en los estudios de casos y controles clásicos.

4

Formular la función de verosimilitud —típicamente un modelo de regresión logística— que relaciona la exposición y las covariables con el logaritmo de las probabilidades de ser un caso. La verosimilitud captura la información que los datos observados proporcionan sobre el cociente de probabilidades, independientemente de las creencias previas.

Fórmula
L(\beta | y) = \prod_{i=1}^{n} p_i^{y_i}(1-p_i)^{1-y_i},\; p_i = \text{logistic}(X_i\beta)
5

Combinar el previo y la verosimilitud a través del teorema de Bayes para obtener la distribución posterior del log-OR. En la práctica, esto se calcula mediante muestreo de Monte Carlo de Cadenas de Markov (MCMC) utilizando software como Stan, JAGS o el paquete brms de R.

Fórmula
\pi(\beta | y) \propto L(\beta | y)\, \pi(\beta)
6

Resumir la distribución posterior: informar la mediana o la media posterior como la estimación puntual del cociente de probabilidades, y el intervalo creíble del 95% (el intervalo que contiene el 95% de la masa de probabilidad posterior) como la medida de incertidumbre. El intervalo creíble tiene una interpretación de probabilidad directa —a diferencia de un intervalo de confianza clásico—, que a menudo es más intuitiva para los clínicos y los responsables de políticas.

Fórmula
\text{OR} = e^{\beta},\; 95\% \text{ credible interval from posterior}

Errores comunes

  • Utilizar un previo informativo derivado de un estudio con una población o definición de exposición diferente sin justificación adecuada — esto puede sesgar la posterior hacia una estimación engañosa.
  • Informar solo la estimación puntual sin un análisis de sensibilidad en cuanto a previos alternativos; los revisores no tienen forma de evaluar cuán influyente fue el previo.
  • Fallos de convergencia en las cadenas MCMC que pasan desapercibidos — inspeccionar siempre los gráficos de trazas, las estadísticas R-hat y los tamaños de muestra efectivos antes de interpretar los resultados.
  • Tratar el intervalo creíble bayesiano como un intervalo de confianza clásico en el informe, o viceversa — los dos tienen interpretaciones diferentes y no deben confundirse.
  • Negar los problemas clásicos de validez de los estudios de casos y controles (sesgo de recuerdo, sesgo de selección, emparejamiento adecuado) bajo la suposición de que el análisis bayesiano los corregirá — no lo hace.

Preguntas frecuentes

¿Qué hace que un estudio de casos y controles bayesiano sea diferente de un estudio de casos y controles estándar?

El diseño del estudio —selección de casos y controles, determinación de exposiciones, control de confusores— es idéntico. La diferencia radica enteramente en el análisis estadístico: en lugar de regresión logística de máxima verosimilitud, el enfoque bayesiano especifica distribuciones previas para los parámetros, calcula la distribución posterior a través del teorema de Bayes e informa intervalos creíbles en lugar de intervalos de confianza y valores p.

¿Cómo elijo la distribución previa para el cociente de probabilidades?

Comience con un previo débilmente informativo como Normal(0, 2.5) en la escala del log-OR, que permite efectos grandes pero desalienta valores extremos sin soporte de datos. Si existe un estudio previo de alta calidad o un metaanálisis para el mismo par exposición-enfermedad en una población comparable, puede derivar un previo informativo de su estimación y error estándar reportados. Siempre realice un análisis de sensibilidad volviendo a ejecutar el modelo con al menos un previo alternativo para evaluar cuánto depende la posterior de su elección.

¿Es publicable un estudio de casos y controles bayesiano en las principales revistas de epidemiología?

Sí. Los métodos bayesianos son cada vez más aceptados en las revistas de epidemiología, particularmente para estudios que involucran muestras pequeñas, comparaciones múltiples o síntesis explícita de evidencia previa. La clave es la justificación exhaustiva del previo, la presentación transparente de los análisis de sensibilidad previos y la clara presentación de los resúmenes posteriores junto con las estimaciones de efecto convencionales para la comparabilidad del lector.

¿Qué software puedo usar para el análisis bayesiano de casos y controles?

Las herramientas más comunes son Stan (accesible a través de los paquetes brms o rstan de R), JAGS (a través de rjags) y PyMC en Python. El paquete brms en R es particularmente fácil de usar para la regresión logística bayesiana, requiriendo un conocimiento mínimo del código del muestreador. Para correcciones complejas de errores de medición o estructuras jerárquicas, Stan ofrece la mayor flexibilidad.

¿Puedo usar un diseño bayesiano de casos y controles para estudios emparejados?

Sí. Los diseños de casos y controles emparejados se pueden analizar utilizando regresión logística condicional en el marco frecuentista; el análogo bayesiano utiliza una verosimilitud condicional con previos sobre los coeficientes de exposición. Esto preserva el control del diseño para confusores emparejados al tiempo que conserva los beneficios de la inferencia bayesiana. La implementación requiere cuidado al especificar correctamente la verosimilitud condicional en Stan o JAGS.

Métodos relacionados

Fuentes

  1. Greenland, S. (2006). Bayesian perspectives for epidemiological research: I. Foundations and basic methods. International Journal of Epidemiology, 35(3), 765-775.

    Abrir referencia DOI
    Copiado.
  2. Gustafson, P. (2004). Measurement Error and Misclassification in Statistics and Epidemiology: Impacts and Bayesian Adjustments. Chapman and Hall/CRC.

    ISBN: 978-1584884316
    Copiado.