Diseño de estudio de cohortes
- Propuesto por
- Donald Acheson, Olli Miettinen, and others in modern epidemiology
- Año
- 1970s-1980s
- Tipo
- Research Design
- Familia
- observational design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
Un estudio de cohortes sigue a un grupo de individuos a lo largo del tiempo, desde la exposición hasta el resultado.
Los participantes expuestos y no expuestos (o participantes con diferentes niveles de exposición) se inscriben al inicio, se caracterizan y se observan prospectivamente hasta que ocurre el resultado o finaliza el estudio. Los estudios de cohortes son fundamentales para la epidemiología y son el diseño de elección para establecer asociaciones causales cuando los ensayos aleatorizados son inviables o poco éticos.
La intuición detrás del método
Imagine seguir a dos grupos de fumadores y no fumadores durante 10 años y contar los cánceres de pulmón en cada uno. El riesgo relativo (RR) = (cánceres de pulmón en fumadores) / (cánceres de pulmón en no fumadores) le indica la probabilidad de que los fumadores desarrollen cáncer. Los estudios de cohortes preservan la secuencia temporal (exposición antes del resultado) de forma natural, evitan el sesgo de recuerdo (la exposición se registra al inicio, no se recuerda después de que se desarrolla la enfermedad) y pueden estudiar múltiples resultados a partir de una única exposición. La principal desventaja es el costo y el tiempo: hay que seguir a las personas durante años, a menudo con grandes gastos. La confusión —otros factores correlacionados tanto con la exposición como con el resultado— sigue siendo una amenaza a menos que se controle.
Historia
Los estudios de cohortes cobraron importancia en epidemiología durante las décadas de 1950 a 1970, ejemplificados por el Estudio del Corazón de Framingham (1948-presente), que fue pionero en los factores de riesgo cardiovascular prospectivos. Olli Miettinen y otros formalizaron los fundamentos estadísticos, distinguiendo los enfoques de cohortes (basados en la incidencia) de los de casos y controles (basados en las odds). Los estudios de cohortes modernos aprovechan los registros electrónicos de salud, los registros de enfermedades y los biobancos para la eficiencia. Las cohortes dinámicas (inscripción continua) y los diseños anidados de casos y controles (selección de casos y controles dentro de una cohorte) han ampliado el conjunto de herramientas metodológicas.
Cuándo usarlo
Utilice estudios de cohortes cuando: (1) se estudian exposiciones raras (por ejemplo, riesgos laborales que afectan a pocas personas), (2) se establecen relaciones temporales entre la exposición y el resultado, (3) se estudian múltiples resultados a partir de una única exposición (por ejemplo, tabaquismo → cáncer, enfermedad cardíaca, EPOC), (4) se evalúan efectos a largo plazo durante años o décadas, (5) se evalúa la historia natural y la incidencia de la enfermedad, (6) los ensayos aleatorizados no son éticos (por ejemplo, exponer a personas a sustancias nocivas), (7) los resultados son comunes, lo que hace que el estudio de casos y controles sea menos eficiente.
Limitaciones y consideraciones
- Tiempo y costo: seguir cohortes durante años o décadas requiere financiación, personal e infraestructura sostenidos; la deserción (pérdida de seguimiento) es común.
- Sesgo por pérdida de seguimiento: si los participantes perdidos son sistemáticamente diferentes en cuanto a la exposición o los factores de confusión, las estimaciones de RR se sesgan. Requiere altas tasas de seguimiento (>80%).
- Resultados raros: si la incidencia del resultado es muy baja, se necesitan cohortes enormes, lo que aumenta el costo. Los estudios de casos y controles pueden ser más eficientes.
- Confusión: los factores de confusión no medidos o mal medidos pueden sesgar el RR. El ajuste se limita a las variables medidas.
- Efectos de cohorte: los participantes inscritos a lo largo del tiempo pueden diferir en las características iniciales, el pronóstico o las tendencias seculares, lo que afecta la comparabilidad.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Secuencia temporal clara: la exposición se registra antes del resultado, estableciendo la direccionalidad y la causalidad de forma más convincente que los diseños transversales.
- Múltiples resultados: una única exposición puede estar relacionada con muchos resultados, lo que es económico para la generación de hipótesis amplias.
- Incidencia y riesgo absoluto: estima directamente el riesgo en grupos expuestos y no expuestos, lo que permite calcular el número necesario a tratar.
- Evita la selección dependiente del resultado: la cohorte se define por la exposición, no por el resultado, lo que previene el sesgo de selección inherente a los estudios de casos y controles.
- Tasas de incidencia: los denominadores de tiempo-persona tienen en cuenta el seguimiento variable, lo que permite la comparación entre estudios con diferentes duraciones de seguimiento.
Aplicaciones
- Epidemiología ocupacional: seguimiento de trabajadores en industrias peligrosas (amianto, minería, fabricación de productos químicos) para cuantificar el riesgo de enfermedad atribuible a las exposiciones en el lugar de trabajo.
- Estudios de dieta y estilo de vida: reclutamiento de participantes, medición de la dieta y la actividad física iniciales, y luego seguimiento para enfermedades cardiovasculares, cáncer o mortalidad (por ejemplo, Nurses' Health Study).
- Incidencia y pronóstico del cáncer: inscripción de participantes sin enfermedad y seguimiento del diagnóstico de cáncer a lo largo del tiempo; o inscripción de pacientes con cáncer y seguimiento de la supervivencia.
- Cohortes de nacimiento y desarrollo infantil: inscripción de mujeres embarazadas o recién nacidos, medición de exposiciones tempranas (por ejemplo, tabaquismo materno, contaminación del aire, pobreza) y evaluación de los resultados de salud y desarrollo a largo plazo.
- Seguridad de los medicamentos y resultados adversos: inscripción de pacientes que inician un nuevo medicamento y monitoreo de eventos adversos, hospitalizaciones o mortalidad en comparación con tratamientos alternativos.
Cómo funciona
Cómo funciona
Defina la fuente de la cohorte (por ejemplo, adultos de 40 a 70 años sin enfermedades, empleados de una fábrica, pacientes de una clínica). Defina la exposición: ¿es binaria (sí/no), categórica (baja/media/alta) o continua (años de uso)? Inscriba a los participantes que no tienen enfermedades al inicio; mida y registre el estado de exposición y los factores de confusión iniciales (edad, sexo, raza, nivel socioeconómico, comorbilidades, etc.). Siga a los participantes durante un período predeterminado (meses a décadas). Utilice un seguimiento activo (entrevistas, visitas a clínicas, encuestas postales) o un seguimiento pasivo (registros de salud, registros de enfermedades, reclamaciones de seguros). Registre los eventos de resultado (diagnóstico, hospitalización, muerte) con fechas. Documente la pérdida de seguimiento, el abandono y la censura (cuando los participantes están vivos/sin enfermedades al final del estudio, pero se desconoce el estado del resultado). Estandarice la definición del resultado en todos los participantes.
Fórmula
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
Calcule la incidencia en cada grupo de exposición: Incidencia = (número de eventos de resultado en el grupo) / (tiempo-persona en riesgo en el grupo). El tiempo-persona tiene en cuenta la duración variable del seguimiento: si una persona es seguida 5 años y otra 2 años, el tiempo-persona suma 7 años-persona. Calcule el riesgo relativo (RR) = Incidencia_expuestos / Incidencia_no expuestos. Un RR > 1 sugiere un mayor riesgo; un RR < 1 sugiere un riesgo reducido (o efecto protector); un RR = 1 sugiere que no hay asociación. Calcule los intervalos de confianza del 95% (basados en Poisson o método delta). Ajuste por factores de confusión utilizando estratificación (Mantel-Haenszel) o regresión (riesgos proporcionales de Cox, regresión de Poisson). Verifique el supuesto de riesgos proporcionales en los modelos de Cox.
Fórmula
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.Un RR de 2 significa que el grupo expuesto tiene el doble de incidencia en comparación con el no expuesto. Un RR de 0.5 significa que el grupo expuesto tiene la mitad de la incidencia (efecto protector). Los intervalos de confianza que excluyen 1.0 sugieren asociaciones estadísticamente significativas (a α=0.05). Evalúe la causalidad: ¿La asociación es fuerte (RR > 2–3)? ¿Hay una relación dosis-respuesta (aumento de la exposición → aumento del riesgo)? ¿Es consistente en los subgrupos? ¿Es temporalmente coherente? Considere la confusión no medida: ¿podría una variable no medida (por ejemplo, predisposición genética, dieta) explicar el RR observado? Generalice los resultados a poblaciones similares a su cohorte. Informe la reducción del riesgo absoluto o el número necesario a tratar (NNT) junto con el RR para el contexto clínico.
Fórmula
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.
Errores comunes
- Documentación de seguimiento inadecuada: fechas de resultados faltantes o vagas, o definiciones de resultados inconsistentes entre los participantes, invalida la inferencia temporal.
- Ignorar la pérdida de seguimiento: descartar a los participantes perdidos sin análisis infla el sesgo de selección. Utilice la lógica de intención de tratar; realice análisis de sensibilidad bajo diferentes mecanismos de datos faltantes.
- Confusión no medida: un factor no medido (por ejemplo, susceptibilidad genética) puede explicar la asociación entre exposición y resultado. Siempre discuta los posibles factores de confusión no medidos.
- Estratificación post-hoc: dividir la cohorte en subgrupos después de ver los resultados conduce a múltiples comparaciones, falsos descubrimientos y sobreajuste. Preespecifique las hipótesis de los subgrupos.
- Asumir linealidad: en los análisis de dosis-respuesta, asumir una relación lineal entre el nivel de exposición y el resultado puede enmascarar efectos de umbral o meseta. Grafique los datos y pruebe ajustes no lineales.
Preguntas frecuentes
¿Cuál es la diferencia entre el riesgo relativo (RR) y la razón de posibilidades (OR) en un estudio de cohortes?
En los estudios de cohortes, se mide directamente la incidencia (probabilidad de resultado a lo largo del tiempo), por lo que el riesgo relativo (RR) es la estimación natural: RR = Incidencia_expuestos / Incidencia_no expuestos. La razón de posibilidades (OR) es la razón de las odds de resultado; surge en los estudios de casos y controles donde no se puede medir la incidencia. En cohortes con resultados raros (incidencia <10%), el RR y el OR se aproximan entre sí. Cuando los resultados son comunes, divergen: el OR sobreestima el efecto en comparación con el RR. Siempre informe el RR en los estudios de cohortes; reserve el OR para los diseños de casos y controles.
¿Qué es el tiempo-persona y por qué es importante?
El tiempo-persona (o tiempo de seguimiento) es la suma de las duraciones de seguimiento individuales. Si se sigue a 100 personas durante 10 años cada una, eso son 1000 años-persona. Si 50 personas son seguidas 5 años y 50 personas 10 años, eso también son 750 años-persona. La tasa de incidencia se calcula por unidad de tiempo-persona (por ejemplo, por cada 1000 años-persona). El tiempo-persona tiene en cuenta el hecho de que algunos participantes abandonan, mueren o son censurados antes de tiempo. El uso del tiempo-persona como denominador (en lugar de solo el número de personas) proporciona estimaciones imparciales cuando el seguimiento es variable.
¿Cómo manejo la pérdida de seguimiento?
La pérdida de seguimiento es una fuente importante de sesgo. Apunte a un seguimiento >80%. En el análisis, no excluya simplemente a los perdidos; esto introduce sesgo de selección. En su lugar, utilice la lógica de intención de tratar: clasifique a los participantes perdidos por su último estado conocido y realice análisis de sensibilidad asumiendo diferentes escenarios de resultados (por ejemplo, todos los perdidos están libres de resultados, todos los perdidos desarrollaron el resultado o faltan al azar). Si la pérdida de seguimiento difiere notablemente entre los grupos expuestos y no expuestos, interprete los resultados con precaución. La ponderación de probabilidad inversa (IPW) o la imputación múltiple pueden ajustar la falta sistemática bajo el supuesto de 'faltan al azar'.
¿Cómo distingo entre estudios de cohortes y estudios transversales?
Un estudio de cohortes inscribe a participantes sin enfermedad (o sin resultados), mide la exposición al inicio y los sigue hacia adelante hasta que ocurre el resultado. Un estudio transversal mide la exposición y el resultado simultáneamente en un solo punto en el tiempo, capturando la prevalencia. Las cohortes tienen una secuencia temporal clara (exposición → resultado), lo que permite la inferencia causal. Los estudios transversales no pueden establecer la direccionalidad: ¿la exposición causó el resultado, o el resultado influyó en la percepción de la exposición? Las cohortes son más costosas y requieren más tiempo, pero proporcionan una evidencia más sólida de causalidad.
Métodos relacionados
Fuentes
Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.
Abrir referencia DOICopiado.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Copiado.Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.
ISBN: 978-8205418627Copiado.