Diseño de Estudio Transversal
- Propuesto por
- Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
- Año
- 1950s-1970s
- 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 transversal (o estudio de prevalencia) mide la exposición y el resultado simultáneamente en un único punto en el tiempo, produciendo una 'instantánea' de una población.
Los encuestados son reclutados y encuestados (o examinados) en la misma ocasión, capturando la prevalencia actual tanto de la exposición como de la enfermedad. Los estudios transversales son simples, rápidos y económicos, lo que los hace populares para evaluaciones de necesidades, vigilancia y generación de hipótesis, aunque no pueden establecer causalidad debido a la falta de secuencia temporal.
La intuición detrás del método
Imagine entrar en una fábrica una mañana y encuestar a los 500 trabajadores: '¿Tiene dolor de espalda? ¿Cuántas horas al día dedica a levantar peso?' Cuenta cuántos trabajadores tienen dolor de espalda en general (prevalencia) y luego compara a los expuestos a levantamiento de peso pesado frente a tareas ligeras. Encuentra que el 30% de los que levantan peso pesado tienen dolor de espalda frente al 10% de los trabajadores de tareas ligeras. La Razón de Prevalencia es 3:1. Pero aquí está el truco: no sabe si el levantamiento de peso pesado causó el dolor de espalda, o si los trabajadores con dolor de espalda cambiaron a tareas más ligeras. Midió la exposición y el resultado al mismo tiempo, por lo que la secuencia temporal es ambigua. Los estudios transversales son excelentes para evaluaciones rápidas y estimación de prevalencia, pero débiles para la inferencia causal.
Historia
Las encuestas transversales tienen sus raíces en la vigilancia de la salud pública y el trabajo censal a principios del siglo XX. En la epidemiología moderna, se formalizaron como estudios de prevalencia a mediados del siglo XX. Ejemplos famosos incluyen la National Health and Nutrition Examination Survey (NHANES, iniciada en la década de 1960, EE. UU.), que realizó encuestas transversales sobre el estado de salud, la dieta y los factores de riesgo de los estadounidenses. Los diseños transversales son ahora estándar para la vigilancia (p. ej., el Sistema de Vigilancia de Factores de Riesgo Conductual (BRFSS) de los CDC) y para el monitoreo de la salud internacional (p. ej., Encuestas Demográficas y de Salud (DHS)). El auge de los registros electrónicos de salud y los datos administrativos ha permitido grandes estudios transversales retrospectivos.
Cuándo usarlo
Utilice estudios transversales para: (1) estimar la prevalencia de enfermedades o afecciones en una población (vigilancia, monitoreo de salud pública), (2) evaluaciones de necesidades: ¿cuántos pacientes requieren un servicio?, (3) generar hipótesis: ¿qué factores están asociados con el resultado?, (4) evaluación rápida: rápida respuesta (semanas a meses), (5) estudiar afecciones crónicas donde la incidencia es difícil de medir pero la prevalencia es estable, (6) evaluar múltiples resultados de una exposición en una sola sesión, (7) estudios piloto antes de lanzar costosas investigaciones de cohortes o de casos y controles.
Limitaciones y consideraciones
- No se puede establecer causalidad: falta la secuencia temporal; los datos transversales no pueden probar que la exposición precedió al resultado.
- Solo casos prevalentes: captura casos existentes en un solo punto; omite casos incidentes y aquellos que se recuperaron o murieron. Las asociaciones pueden diferir entre casos prevalentes e incidentes.
- Sesgo de superviviente: si el resultado es fatal o conduce a emigración/hospitalización, los individuos afectados pueden estar subrepresentados en la muestra transversal.
- Ambigüedad exposición-resultado: ¿la exposición causa el resultado, o el resultado cambia la exposición informada? No se puede descartar la causalidad inversa.
- Sesgo de recuerdo: si la exposición es histórica (preguntando sobre exposiciones pasadas), la precisión del recuerdo depende de la memoria y la motivación, especialmente en personas enfermas.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Rapidez y eficiencia: la recopilación de datos se realiza en una ventana breve (semanas a meses), no años de seguimiento.
- Bajo costo: sin seguimiento longitudinal ni recontacto; una encuesta/examen es suficiente.
- Simple y práctico: fácil de realizar en clínicas, escuelas, lugares de trabajo o entornos comunitarios.
- Estimación de prevalencia: estima directamente la prevalencia (carga de enfermedad), útil para la planificación y vigilancia de la salud pública.
- Múltiples exposiciones y resultados: una encuesta transversal puede medir múltiples exposiciones y resultados simultáneamente, eficiente para la generación de hipótesis.
Aplicaciones
- Prevalencia de enfermedades crónicas: las encuestas nacionales evalúan la prevalencia de hipertensión, diabetes, obesidad en la población; los resultados informan las políticas de salud pública y la asignación de recursos.
- Vigilancia de la salud ocupacional: fábricas o lugares de trabajo encuestan a los empleados sobre síntomas (respiratorios, musculoesqueléticos) y exposiciones, estimando la prevalencia de afecciones relacionadas con el trabajo.
- Salud y comportamientos de riesgo de los estudiantes: las escuelas encuestan a los estudiantes sobre salud mental, uso de sustancias, actividad física, acoso escolar; los resultados guían los programas de salud escolar.
- Encuestas a pacientes hospitalizados: al ingreso o alta, se encuestó a los pacientes sobre síntomas, discapacidades, satisfacción; ayuda a evaluar resultados centrados en el paciente y brechas de servicio.
- Investigación participativa comunitaria: encuestas transversales en vecindarios evalúan disparidades en salud, alfabetización en salud, factores sociales; los resultados identifican objetivos de intervención.
Cómo funciona
Cómo funciona
Defina la población objetivo (p. ej., adultos de 18 a 65 años en un municipio, empleados de una empresa, pacientes en un hospital). Seleccione una muestra representativa utilizando muestreo aleatorio, muestreo estratificado (muestreo por separado por edad, género, región para garantizar el equilibrio) o muestreo por conglomerados (muestreo de conglomerados como escuelas o vecindarios, luego muestreo de individuos dentro de los conglomerados). Reclute participantes y administre una encuesta (cuestionario, entrevista) o examen clínico para medir tanto la exposición como el resultado en un punto de tiempo. Estandarice la recopilación de datos: misma capacitación del entrevistador, mismos instrumentos, protocolos consistentes. Registre las características demográficas y los posibles factores de confusión (edad, sexo, educación, comorbilidades, etc.). Complete la recopilación de datos dentro de una ventana de tiempo estrecha para mantener la naturaleza de 'instantánea'.
Fórmula
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
Calcule la prevalencia: Prevalencia = (número con resultado) / (tamaño total de la muestra). Exprese como proporción o porcentaje. Para el análisis estratificado por exposición, calcule la Prevalencia en el grupo expuesto = (con resultado entre los expuestos) / (total de expuestos); lo mismo para los no expuestos. Calcule la Razón de Prevalencia (RP): RP = Prevalencia_expuesto / Prevalencia_no expuesto. RP > 1 sugiere que la exposición se asocia con una mayor prevalencia (podría indicar un factor de riesgo, pero la temporalidad no está clara). RP < 1 sugiere una menor prevalencia en los expuestos (asociación protectora, pero nuevamente ambigüedad temporal). Calcule el IC del 95% para la prevalencia y la RP utilizando métodos binomiales o de Poisson. Ajuste por factores de confusión: utilice regresión logística para estimar la RP ajustada (o utilice regresión log-binomial que modela directamente la RP); informe la RP ajustada con IC.
Fórmula
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.Una RP de 2 significa que el grupo expuesto tiene el doble de prevalencia del resultado en comparación con el no expuesto. Sin embargo, interprételo con cautela: la exposición puede causar el resultado, el resultado puede causar la percepción de la exposición, o ambos pueden ser el resultado de una tercera variable. La ambigüedad temporal limita la inferencia causal; los datos transversales no pueden probar la causalidad. La prevalencia es útil para caracterizar la carga de enfermedad en las poblaciones (vigilancia, evaluación de necesidades, planificación de recursos) pero no para cuantificar el riesgo o establecer la etiología. Si el resultado es raro en la población y el muestreo es transversal, la asociación observada puede reflejar casos prevalentes (supervivientes) que difieren de los casos incidentes en las exposiciones. Generalice los resultados a la población objetivo de la que se extrajo la muestra.
Fórmula
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.
Errores comunes
- Confundir prevalencia con incidencia: prevalencia = casos existentes en un momento dado; incidencia = casos nuevos durante un período. Los estudios transversales miden la prevalencia, no la incidencia.
- Selección de muestras no representativas: el muestreo de conveniencia (p. ej., encuestar solo a asistentes a clínicas o voluntarios) introduce sesgo de selección. Utilice muestreo aleatorio o estratificado de una población definida.
- Interpretar la RP como Razón de Riesgo: en estudios de cohortes, RR = incidencia expuesta / incidencia no expuesta. En estudios transversales, RP = prevalencia expuesta / prevalencia no expuesta. Estos no son equivalentes; no los confunda.
- Ignorar datos faltantes: si muchos participantes no responden a las preguntas de exposición, o tienen medidas de resultado incompletas, las estimaciones están sesgadas. Informe los datos faltantes y realice análisis de sensibilidad.
- Sobreinterpretar asociaciones débiles: la RP transversal puede ser pequeña e imprecisa; las asociaciones débiles pueden surgir de la confusión. Establezca hipótesis preespecificadas y ajuste por los factores de confusión conocidos.
Preguntas frecuentes
¿Cuál es la diferencia entre Prevalencia e Incidencia?
La prevalencia es la proporción de una población con una enfermedad (o afección) en un momento específico: Prevalencia = (casos existentes) / (población total). La incidencia es la tasa de nuevos casos que se desarrollan durante un período de tiempo: Incidencia = (nuevos casos) / (persona-tiempo en riesgo). Los estudios transversales miden la prevalencia. Los estudios de cohortes miden la incidencia. La prevalencia depende tanto de la incidencia como de la duración de la enfermedad: si el tratamiento prolonga la supervivencia, la prevalencia aumenta sin que cambie la incidencia. La prevalencia es útil para evaluar la carga de enfermedad y las necesidades; la incidencia cuantifica el riesgo de enfermedad.
¿Por qué no puedo establecer causalidad a partir de un estudio transversal?
La causalidad requiere una secuencia temporal: la causa debe preceder al efecto. Un estudio transversal mide la exposición y el resultado al mismo tiempo, por lo que no se puede determinar cuál ocurrió primero. Por ejemplo, en una encuesta de trabajadores, encontrar que quienes informan dolor de espalda también informan levantamiento de peso pesado no dice si el levantamiento causó el dolor o si los trabajadores afectados por el dolor cambiaron a tareas más ligeras. Esto es causalidad inversa o asociación bidireccional. Los estudios de cohortes establecen la secuencia temporal midiendo primero la exposición y luego siguiendo para medir el resultado; son mucho más sólidos para la inferencia causal que los estudios transversales.
¿Cómo calculo el tamaño de la muestra para un estudio de prevalencia transversal?
Para estimar una única prevalencia, utilice: n = (Z²/2 × p × (1 − p)) / d², donde p es la prevalencia anticipada, d es el margen de error aceptable (p. ej., ±0.05) y Z es el valor crítico (1.96 para IC del 95%). Por ejemplo, si la prevalencia estimada es del 20%, el error aceptable es ±5%, entonces n ≈ (1.96² × 0.20 × 0.80) / 0.05² ≈ 246. Para comparar dos grupos de exposición, utilice fórmulas para la comparación de prevalencia de dos grupos (similar a las pruebas de proporciones de dos grupos). Tenga en cuenta la agrupación (si se muestrean conglomerados como escuelas) utilizando el efecto de diseño. Tenga en cuenta la falta de respuesta o el abandono anticipado (inflar n por la fracción de respuesta).
¿Qué es el sesgo de superviviente y cómo afecta a los estudios transversales?
El sesgo de superviviente ocurre cuando la muestra transversal incluye solo a aquellos vivos y en la población en el momento de la encuesta, excluyendo a aquellos que murieron o emigraron debido al resultado. Por ejemplo, una encuesta transversal de residentes con accidente cerebrovascular puede omitir a aquellos que murieron por accidente cerebrovascular antes de la fecha de la encuesta, o a aquellos que se mudaron debido a la discapacidad. Los casos restantes (supervivientes) pueden diferir de todos los casos en las exposiciones o la gravedad. Esto sesga la asociación entre la exposición y el resultado. Para minimizarlo, los estudios transversales deben medir los resultados temprano (casos incidentes) en lugar de tarde (supervivientes prevalentes), o utilizar casos basados en hospitales o registros para capturar poblaciones de casos más amplias.
Métodos relacionados
Fuentes
Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.
ISBN: 978-0195083299Copiado.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Copiado.Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.
Abrir referencia de la publicaciónCopiado.