Estrategias de emparejamiento de muestras (matching) para eliminar la confusión en los estudios observacionales: Aplicación en fármaco-epidemiología con grandes bases de datos de registros clínicos

dc.contributor
Universitat Internacional de Catalunya. Departament de Medicina
dc.contributor.author
Real Gatius, Jordi
dc.date.accessioned
2017-05-24T15:12:56Z
dc.date.available
2017-05-24T15:12:56Z
dc.date.issued
2016-12-23
dc.identifier.uri
http://hdl.handle.net/10803/403407
dc.description.abstract
Los estudios observacionales tienen un papel importante en la investigación médica. Sin embargo, una de las limitaciones comunes de los estudios observacionales analíticos es la que afecta a la validez interna, principalmente debido al potencial sesgo de confusión causada por la asignación no controlada de los individuos a los grupos de exposición. Las técnicas más habituales en la investigación médica en general, y la epidemiología en particular, para corregir el sesgo de confusión son los modelos de regresión multivariables (MRMs) (tales como Regresión logística, lineal, Cox etc...). Estas técnicas de ajuste requieren de una adecuada especificación del modelo para que la las medidas de asociación de interés (efecto, riesgo relativo, Odds ratio, razón de prevalencias, etc.) estén correctamente estimadas. En la actualidad, existe un creciente interés en otras alternativas a los modelos multivariables como son enfoques no paramétricos utilizando algoritmos de emparejamiento (matching). Estas técnicas prometen inferencias más robustas al no depender de la correcta especificación del modelo. Los objetivos generales de la presente tesis doctoral son: 1) Evaluar el reporte, en cuanto a presentación de medidas de bondad de ajuste o diagnóstico de los MRMs utilizados en estudios observacionales analíticos publicados e indexados en PubMed; 2) Comparar la robustez de los métodos matching enfrente los MRMs como métodos de ajuste mediante un estudio de simulación; y 3) Aplicar la metodología matching en estudios observacionales analíticos con una hipótesis clínica o de salud pública. Los resultados de la presente tesis doctoral han mostrado que existe un extensivo y creciente uso de los MRMs en el ámbito de la investigación biomédica con diseño observacional. A la vez, también se ha observado un bajo reporte en la verificación de las hipótesis de tres técnicas de regresión muy comunes (Regresión logística, lineal y Cox) en artículos publicados e indexados en PubMed. En este sentido, tan solo uno de cada 4 artículos revisados mostró o declaró realizar un análisis de validación de las hipótesis de los modelos o aportó estadísticos de bondad de ajuste. Por otro lado, mediante un estudio de simulación se ha mostrado, como una técnica de regresión, ampliamente utilizada, como es la regresión logística multivariable, puede generar estimaciones sesgadas, y consecuentemente un elevado error de tipo I si la comprobación de las asunciones del modelo es ignorada. En este sentido, los algoritmos matching, presentaron una mayor robustez en comparación con los MRMs. Por último, se presenta la utilidad práctica con la aplicación de los métodos matching en investigación clínica y de salud pública en estudios basados en registros clínicos. En conclusión, el reporte de la comprobación de las asunciones formales de los MRMs es bajo en los artículos científicos publicados e indexados en PubMed. Dada la importancia de estas, y la sensibilidad de las estimaciones de los MRMs paramétricos, sería deseable una mayor transparencia en la declaración de las asunciones de los MRMs, especialmente en estudios observacionales analíticos. Por otro lado, los métodos matching controlan mucho mejor la reducción del sesgo de confusión por lo que se deberían considerar más a menudo en la investigación clínica y de salud pública como alternativa a los MRMs, especialmente en estudios basados en registros clínicos o grandes muestras disponibles
en_US
dc.format.extent
187 p.
en_US
dc.format.mimetype
application/pdf
dc.language.iso
cat
en_US
dc.publisher
Universitat Internacional de Catalunya
dc.rights.license
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.uri
http://creativecommons.org/licenses/by-nc-nd/4.0/
*
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Matching
en_US
dc.subject
Propensity score
en_US
dc.subject
Métodos de ajuste
en_US
dc.subject
Sesgo de confusión
en_US
dc.subject
Diseño observacional
en_US
dc.subject
Modelos de regresión multivariable
en_US
dc.subject.other
Salud Pública
en_US
dc.title
Estrategias de emparejamiento de muestras (matching) para eliminar la confusión en los estudios observacionales: Aplicación en fármaco-epidemiología con grandes bases de datos de registros clínicos
en_US
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
61
en_US
dc.contributor.authoremail
jordireal@gmail.com
en_US
dc.contributor.director
Martinez Sanchez, José María
dc.embargo.terms
cap
en_US
dc.rights.accessLevel
info:eu-repo/semantics/openAccess


Documents

Tesi Jordi Real Gatius.pdf

6.721Mb PDF

This item appears in the following Collection(s)