El uso y la interpretación de estudios cuasiexperimentales en enfermedades infecciosas

Resumen

Diseños de estudios cuasiexperimentales, a veces denominados diseños de estudios preintervención no aleatorizados , son omnipresentes en la literatura sobre enfermedades infecciosas, particularmente en el área de intervenciones destinadas a disminuir la propagación de bacterias resistentes a los antibióticos. Se ha escrito poco sobre los beneficios y las limitaciones del enfoque cuasi-experimental. Este artículo describe una jerarquía de diseño de estudios cuasiexperimentales que es aplicable a los estudios de enfermedades infecciosas y que, si se aplica, puede conducir a una investigación más sólida y vínculos causales más convincentes entre las intervenciones y los resultados de las enfermedades infecciosas.

En el estudio de enfermedades infecciosas y, en particular, en el estudio del control de infecciones y la resistencia a los antibióticos, el diseño del estudio cuasi-experimental, a veces llamado diseño pre-postintervención, se utiliza a menudo para evaluar la Beneficios de intervenciones específicas. Revisamos los estudios publicados en 2 revistas (Clinical Infectious Diseases and Infection Control y Hospital Epidemiology) durante un período de 1,5 años entre el 1 de enero de 2002 y el 1 de junio de 2003 y encontramos 36 estudios cuasi-experimentales.

Cuasi-experimental Los estudios abarcan una amplia gama de estudios de intervención no aleatorios. Estos diseños se utilizan con frecuencia cuando no es logísticamente factible o no es ético llevar a cabo un ensayo controlado aleatorio, el «estándar de oro» del diseño de investigación causal. A continuación se muestran ejemplos de estudios cuasi-experimentales. Por ejemplo, si un hospital está introduciendo el uso de un desinfectante de manos a base de alcohol, el hospital puede querer estudiar el impacto de esta intervención en el resultado de la adquisición de bacterias resistentes a los antibióticos, sobre la base de un cultivo de vigilancia. La intervención se implementa, las tasas de adquisición se miden antes de la intervención y después la intervención y se analizan los resultados. Como otro ejemplo, si un hospital tiene una tasa creciente de neumonía asociada al ventilador (NAV), el personal del hospital puede diseñar una intervención educativa dirigida a disminuir la tasa de NAV y comparar las tasas antes y después La intervención. Un tercer ejemplo sería un estudio del efecto de un programa educativo / de administración de antimicrobianos en la preintervención y postinterv en las prácticas de prescripción de antibióticos.

A medida que ha aumentado la capacidad de recopilar datos clínicos de rutina, también ha aumentado el uso de diseños de estudios cuasi-experimentales en el estudio de enfermedades infecciosas y en otras disciplinas médicas. Sin embargo, se ha escrito poco sobre estos diseños de estudios en la literatura médica o en los libros de texto tradicionales de epidemiología. Por el contrario, la literatura de las ciencias sociales está repleta de ejemplos de formas de implementar y mejorar los estudios cuasi-experimentales.

En este artículo, nuestro objetivo es revisar los diferentes diseños de estudios cuasi-experimentales y la jerarquía de estos diseños. con respecto a su capacidad para establecer asociaciones causales entre una intervención y un resultado. El ejemplo de una intervención desinfectante de manos a base de alcohol destinada a disminuir las tasas de adquisición de bacterias resistentes a los antibióticos se utilizará a lo largo del artículo para ilustrar los diferentes diseños de estudios cuasi-experimentales. Discutimos los problemas que surgen en los diseños de estudios cuasi-experimentales y ofrecemos métodos para mejorarlos.

Métodos

Revisamos artículos y capítulos de libros que discuten el diseño de estudios cuasi-experimentales. La mayoría de los artículos hacían referencia a 2 libros de texto, que luego se revisaron en profundidad.

Se identificaron las principales ventajas y desventajas de los estudios cuasiexperimentales, ya que pertenecen al estudio de enfermedades infecciosas. Se identificaron posibles defectos metodológicos de cuasi experimentos en el estudio de enfermedades infecciosas. Además, se proporciona una figura resumida que describe una jerarquía de diseños de estudios cuasiexperimentales (figura 1): los diseños con números más altos tienen más validez interna frente a la causalidad potencial entre la intervención y el resultado.

Resultados y discusión

¿Qué es un ¿cuasi experimento?

Los cuasi experimentos son estudios que tienen como objetivo evaluar intervenciones pero que no utilizan la aleatorización.Al igual que los ensayos aleatorios, los cuasi experimentos tienen como objetivo demostrar la causalidad entre una intervención y un resultado.

Sobre la base de esta definición, es evidente que muchos estudios publicados en la literatura sobre enfermedades infecciosas y, en particular, en la El estudio de la resistencia a los antibióticos utiliza el diseño de estudio cuasi-experimental. En general, se considera que el ensayo controlado aleatorio tiene el nivel más alto de credibilidad con respecto a la evaluación de la causalidad; sin embargo, en un hospital o entorno de salud pública, la intervención a menudo no puede ser aleatorizada, por una o más razones: (1) consideraciones éticas, (2) incapacidad para aleatorizar pacientes, (3) incapacidad para aleatorizar ubicaciones y (4) ) la necesidad de intervenir rápidamente. Cada una de estas razones se discute a continuación.

Las consideraciones éticas generalmente no permitirán suspender una intervención que tiene eficacia conocida. Si no se establece la eficacia de una intervención, entonces un ensayo controlado aleatorio es el diseño de elección para determinar la eficacia. Pero si la intervención en estudio incorpora una intervención terapéutica bien establecida y aceptada, o si la intervención tiene una eficacia cuestionable sobre la base de estudios cuasiexperimentales u observacionales realizados previamente, se plantean cuestiones éticas relacionadas con la aleatorización de los pacientes.

Las intervenciones a menudo no pueden asignarse al azar a pacientes individuales. Por ejemplo, al estudiar el efecto del uso de un desinfectante de manos a base de alcohol sobre las tasas de adquisición de enterococos resistentes a la vancomicina (ERV), según lo determinado por el cultivo de vigilancia, es difícil aleatorizar el uso de desinfectante a habitaciones individuales o pacientes individuales, porque , una vez desinfectado, es poco probable que un miembro del personal acceda a volver a contaminarse antes de ver al próximo paciente, ni es probable que un IRB esté de acuerdo con esto. De manera similar, una intervención basada en la educación para disminuir la NAV no puede asignarse al azar a pacientes individuales.

Las intervenciones a menudo no pueden asignarse al azar a ubicaciones individuales. Por ejemplo, es difícil asignar al azar el uso del desinfectante de manos a base de alcohol a solo algunos profesionales de la salud. Cuando este diseño de ubicaciones aleatorias se emplea con éxito, las ubicaciones suelen estar separadas geográficamente; esto implica cuestiones adicionales sobre si otros factores del medio ambiente son diferentes, lo que complica aún más el diseño y el análisis. Un compromiso que se ha empleado es aleatorizar varias unidades en el mismo hospital. Sin embargo, es políticamente difícil implementar el uso de un desinfectante a base de alcohol solo en ciertas partes de un hospital o solo en ciertos lados de una sala. Otra alternativa infrautilizada es el ensayo de aleatorización por conglomerados, en el que se asignan al azar grupos intactos o «conglomerados», en lugar de individuos.

A menudo, cuando se busca controlar una enfermedad infecciosa, existe la necesidad de intervenir rápidamente, lo que dificulta la realización adecuada de un ensayo aleatorizado. En los brotes de infección causados por bacterias resistentes a los antibióticos, por ejemplo, a menudo hay presión para poner fin al brote interviniendo en todas las áreas posibles y, por lo tanto, no es posible retener atención, lo que ocurriría en un ensayo controlado aleatorizado en el que uno de los grupos no recibió tratamiento. La necesidad clínica y ética de intervenir rápidamente hace que sea difícil o imposible emprender el largo proceso de implementación de un estudio aleatorizado. Además, hay importantes debate en la literatura sobre la tasa de concordancia entre los ensayos aleatorizados y los estudios observacionales. En consecuencia, numerosos estudios se llevan a cabo de forma retrospectiva, después de una intervención para poner fin a un brote de este tipo.

¿Cuáles son las amenazas para establecer la causalidad cuando se utilizan diseños cuasiexperimentales en el estudio de enfermedades infecciosas?

La falta de asignación aleatoria es la principal debilidad del diseño del estudio cuasi-experimental. Las asociaciones identificadas en los cuasiexperimentos cumplen algunos requisitos de causalidad, porque la intervención precede a la medición del resultado. Además, se puede demostrar que el resultado varía estadísticamente con la intervención. Desafortunadamente, la asociación estadística no implica asociación causal, especialmente si el estudio está mal diseñado. Por lo tanto, en muchos cuasi experimentos, a menudo uno se queda con la pregunta: ¿Existen explicaciones alternativas para la aparente asociación causal? Si estas explicaciones alternativas son creíbles, la evidencia es menos que convincente. Estas hipótesis rivales o explicaciones alternativas surgen de los principios del diseño de estudios epidemiológicos.

Los principios metodológicos que con mayor frecuencia dan como resultado explicaciones alternativas en estudios cuasiexperimentales de enfermedades infecciosas incluyen los siguientes: (1) dificultad para controlar importantes variables de confusión, (2) resultados que se explican por el principio estadístico de regresión a la media, y (3) efectos de maduración.

La dificultad para controlar importantes variables de confusión surge de la falta de aleatorización. Por ejemplo, en un estudio cuyo objetivo es demostrar que la introducción de un desinfectante de manos a base de alcohol condujo a tasas más bajas de adquisición de bacterias resistentes a los antibióticos, hay una serie de posibles variables de confusión importantes que pueden haber diferido entre los 2 períodos (p. Ej. , los periodos de preintervención y postintervención); las variables incluyen la gravedad de la enfermedad, la calidad de la atención médica y de enfermería y las prácticas de prescripción de antibióticos. En una regresión multivariable, la primera variable podría abordarse mediante medidas de gravedad de la enfermedad, pero la segunda y tercera variables de confusión serían difíciles, si no casi imposibles, de medir y controlar.

Regresión a la La media es un fenómeno estadístico generalizado. Puede resultar en concluir erróneamente que un efecto se debe al tratamiento cuando, de hecho, se debe al azar. El fenómeno fue descrito por primera vez en 1886 por Francis Galton. Midió la estatura adulta de los niños y sus padres, señalando que, cuando la estatura media de los padres era mayor que la estatura media de la población, los niños tendían a ser más bajos que sus padres. Asimismo, cuando la estatura promedio de los padres era menor que la estatura media de la población, los niños tendían a ser más altos que sus padres.

En el tratamiento de muchas enfermedades infecciosas, lo que desencadena la implementación de un La intervención es un aumento de la tasa por encima de la media o la norma. Por ejemplo, los gráficos de control estadístico se utilizan a menudo en el control de infecciones para alertar al personal de control de infecciones que las tasas de NAV o de adquisición de bacterias resistentes a los antibióticos son más altas de lo habitual. El principio estadístico de regresión a la media predice que estas tasas elevadas tenderán a disminuir, incluso sin intervención. Sin embargo, el personal del hospital no puede esperar pasivamente a que se produzca esta disminución. Por lo tanto, el personal del hospital a menudo implementa una o más intervenciones y, si ocurre una disminución en la tasa, pueden concluir erróneamente que la disminución está relacionada causalmente con la intervención. De hecho, una explicación alternativa podría ser la regresión a la media.

Los efectos de maduración son una amenaza para la validez de concluir que una intervención causó un resultado. Estos efectos están relacionados con los cambios naturales que experimentan los pacientes con el paso del tiempo. Estos cambios de maduración pueden amenazar la validez interna del estudio. Además, existen tendencias estacionales cíclicas que pueden ser una amenaza para la validez de atribuir un resultado observado a una intervención. Por ejemplo, las infecciones virales tienen patrones estacionales que conducen a tasas más altas de NAV durante el invierno. En nuestro estudio de ejemplo, si la tasa de NAV previa a la intervención se mide en el invierno y la intervención se produce en la primavera, entonces la caída en la tasa de NAV puede deberse a la tendencia estacional y no a la intervención.

¿Cuáles son los diferentes diseños de estudios cuasi-experimentales?

En la literatura de ciencias sociales, los estudios cuasi-experimentales se dividen en 3 categorías de diseño de estudios:

1. Diseños de estudios cuasiexperimentales que no utilizan grupos de control

2. Diseños de estudios cuasiexperimentales que utilizan grupos de control pero no pruebas previas

3. Diseños de estudios cuasiexperimentales que utilizan grupos de control y pruebas preliminares

Existe una jerarquía dentro de estas categorías de diseños de estudios, siendo los estudios de categoría 3 más sólidos que los de las categorías 2 o 1, en términos de establecer la causalidad. Por lo tanto, si es posible, los investigadores deben tener como objetivo diseñar estudios que entren en la categoría 3.

Shadish et al. discutir 7 diseños en la categoría 1; 3 diseños en la categoría 2; y 6 diseños en la categoría 3. Determinamos que los estudios de la categoría 2 rara vez son aplicables en la investigación de enfermedades infecciosas, porque las mediciones previas a la prueba casi siempre están disponibles. Además, determinamos que la mayoría de los cuasi experimentos en el estudio de enfermedades infecciosas podrían caracterizarse por 5 diseños de estudio en la categoría 1 y por 3 diseños en la categoría 3, porque los otros diseños de estudio no se utilizaron en el estudio de enfermedades infecciosas, según el literatura. Por lo tanto, para simplificar, hemos resumido los 8 diseños de estudio más relevantes para la investigación de enfermedades infecciosas en las siguientes secciones y en la figura 1. En cada notación simbólica, el tiempo se mueve de izquierda a derecha.

Categoría 1: Cuasi -Diseños de estudios experimentales que no utilizan grupos de control.

1. El diseño de preprueba-posprueba de 1 grupo.

Este es un diseño de estudio de uso común. Se realiza una única medición observacional previa a la prueba (O1), se implementa una intervención (X) y se realiza una medición posterior a la prueba (O2).Por ejemplo, O1 podría ser la tasa de adquisición de VRE según lo determinado por los resultados de cultivos de vigilancia perirrectal, X podría ser la introducción del uso de un desinfectante de manos a base de alcohol y O2 podría ser la tasa de adquisición de adquisición de VRE después de la intervención . La inclusión de una prueba previa proporciona información sobre las tasas de adquisición que podrían haber sido si no se hubiera producido la intervención.

2. El diseño de preprueba-posprueba de 1 grupo que utiliza una preprueba doble.

La ventaja de este diseño de estudio sobre el diseño 1 es que la adición de una segunda medición de preprueba antes de la intervención reduce la probabilidad de que la regresión a la la media, la maduración y / o la estacionalidad podrían explicar la asociación observada entre la intervención y el resultado posterior a la prueba. Por ejemplo, en un estudio en el que el uso de un desinfectante de manos a base de alcohol condujo a tasas de adquisición de ERV más bajas (O3 < O2 y O1), si 1 estudio tenía 2 mediciones de ERV previas a la intervención tasas de adquisición (O1 y O2), y ambas eran elevadas, esto sugeriría que había una menor probabilidad de que O3 fuera menor debido a variables de confusión, efectos de maduración, efectos estacionales o regresión a la media.

3. El diseño de preprueba-posprueba de 1 grupo que utiliza una variable dependiente no equivalente.

Este diseño implica la inclusión de una variable dependiente no equivalente (b), además de la variable dependiente primaria (a). Las variables ayb deben evaluar constructos similares; es decir, las 2 medidas deben tener variables causales potenciales y variables de confusión similares, excepto por el efecto de la intervención. Se espera que la variable a cambie debido a la intervención X, mientras que la variable b no. Tomando nuestro ejemplo de NAV, la variable a podría ser la incidencia de NAV y la variable b podría ser la incidencia de infección del tracto urinario (ITU) asociada al catéter. Si una intervención educativa tiene como objetivo alentar al personal del hospital a levantar la cabeza de las camas de los pacientes y seguir un protocolo de destete de ventilación mecánica, se esperaría observar una disminución en la incidencia de NAV pero no en la incidencia de ITU. Sin embargo, una serie de importantes variables de confusión, como la gravedad de la enfermedad y las prácticas de prescripción de antibióticos, podrían afectar ambas medidas de resultado. Por lo tanto, si se midieran las tasas de NAV y de IU, y si las tasas de NAV disminuyeron después de la intervención, pero las tasas de IU lo hicieron no, entonces los datos serían más convincentes que si solo se midieran las tasas de NAV.

Este diseño agrega una tercera medición posprueba (03) al diseño preprueba-posprueba de 1 grupo y luego elimina la intervención antes de una Se toma la medida final (O4). La ventaja de este diseño es que permite probar hipótesis sobre el resultado tanto en presencia como en ausencia de la intervención. Así, si se predice una disminución en la Si se llega entre O1 y O2 (es decir, después de la implementación de la intervención), entonces uno podría predecir un aumento en el resultado entre O3 y O4 (es decir, después de la eliminación de la intervención). Una advertencia es que, si se cree que la intervención tiene efectos persistentes, entonces es necesario medir el O4 después de que es probable que estos efectos hayan desaparecido. Por ejemplo, un estudio sería más convincente si demostrara que las tasas de adquisición de ERV disminuyeron después de una intervención con desinfectante de manos a base de alcohol (O2 y O3 menos que O1) y que cuando se interrumpió el uso del desinfectante, las tasas aumentaron (O4 mayor que O2 y O3 y más cercano a 01).

La ventaja de este diseño es que demuestra la reproducibilidad de la asociación entre la intervención y el resultado. Por ejemplo, es más probable que la asociación sea causal si se demuestra que el uso de un desinfectante de manos a base de alcohol da como resultado una disminución de las tasas de resistencia a los antibióticos tanto cuando se introduce por primera vez como cuando se vuelve a introducir después de una interrupción de la intervención. Como en el diseño del estudio 3, se debe suponer que el efecto de la intervención es transitorio. Este diseño no se utiliza a menudo en el estudio de enfermedades infecciosas debido a los problemas éticos que implica la eliminación de un tratamiento que parece ser eficaz. Sin embargo, epidemiológicamente, es un diseño mejor que los descritos anteriormente.

Categoría 3: Diseños cuasi-experimentales que utilizan grupos de control y pruebas preliminares. El lector debe tener en cuenta que, en todos estos diseños de estudios, la intervención no es aleatoria. Los grupos de control elegidos son grupos de comparación. La obtención de mediciones previas a la prueba para los grupos de intervención y control permite evaluar la comparabilidad inicial de los grupos. El supuesto es que cuanto menor es la diferencia entre las mediciones previas a la prueba, menor es la probabilidad de que haya importantes variables de confusión entre los 2 grupos.