Methods for the epidemiological investigation of vaccine effectiveness in the elderly using largelinked databases
Fecha
2019
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Rey Juan Carlos
Resumen
La premisa fundamental de esta tesis es la necesidad de usar datos de efectividad vacunal
provenientes del análisis de los encuentros entre el sistema de salud rutinario y el paciente
durante la práctica médica rutinaria para la toma de decisiones regulatorias. Estos datos tienen
obvias ventajas, entre las cuales destaco las siguientes:
(1) Abren la posibilidad de usar bases de dato masivas, de decenas de millones de usuarios y
miles de millones de contactos con el sistema, como las de Medicare, el seguro de salud de
los ancianos de los Estados Unidos, que reembolsa los servicios de salud de cerca del 98% de
la población de personas de 65 años y mayores, y asegura además a personas de cualquier
edad con invalidez o insuficiencia renal.
(2) Disponen de denominadores directamente conocidos y bastante precisos y actualizados: los
beneficiarios de cada uno de los servicios reembolsados por Medicare, y de numeradores
conocidos también directamente, generalmente exactos.
(3) Dada la utilización ya casi generalizada de la entrada directa de datos en la práctica clínica
habitual en los Estados Unidos, y las ventajas económicas y de eficiencia que se obtienen con
el reembolso rápido de servicios médicos, una importante ventaja es la de obtener datos para
el análisis en tiempo ´´casi real´´.
(3) Dado que los datos utilizados son producto de la práctica habitual, el costo incrementado de
la utilización de estos enormes recursos para la investigación en salud púbica se limita casi
únicamente al manejo y envío de datos (ciertamente cuando los datos utilizados son obtenidos
a través de acuerdos interinstitucionales entre oficinas del mismo gobierno).
Las grandes bases de datos observacionales, que llamaremos datos de la atención de salud
en el mundo real (real-world data) se diferencian de los datos derivados de estudios
experimentales (como los estudios clínicos controlados utilizados para la aplicación de licencia
de nuevos productos) en que, a diferencia de los estudios experimentales, no controlamos implícitamente los sesgos (´´bias´´). Por lo tanto, cuando usamos datos de atención de salud en
el mundo real deberemos considerar siempre la posibilidad (o quizás más acertadamente la
certitud) de que los resultados así obtenidos no reflejen la asociación real entre la exposición
(por ejemplo, a una vacuna) y el evento a estudiar (episodio de la enfermedad supuestamente
evitada por esa vacuna), sino que estos resultados sean desviados del ´´resultado verdadero´´ por
una variedad de razones, que llamamos sesgos. Ejemplos frecuentes de sesgo en estudios que
usan bases de datos como las de Medicare son el subregistro de vacunados (lo cual clasificaría
erróneamente a un ´´verdadero vacunado´´ como ´´no vacunado´´ por lo cual el estudio
subestimaría la efectividad real de la vacuna al ´´contaminar´´ el grupo de supuestos ´´no
vacunados´´ con individuos que habían recibido vacuna sin haber sido detectados por la base de
datos como vacunados. Otro ejemplo de sesgo es el caso de que el individuo vacunado, de
enfermarse, tenga menor probabilidad de acudir a la consulta al creer que la enfermedad será
controlada fácilmente o de que su médico, que lo sabe vacunado y cree que la vacuna es
altamente eficaz, lo diagnostique como sufriendo una enfermedad otra que la que se estudia, lo
cual sesgaría el estudio al hacer disminuir el número de casos entre los vacunados, desviando el
estimado de efectividad hacia hallar una efectividad vacunal mayor que la real. El caso más típico
de sesgo por causas no identificadas en la base de datos (´´unmeasured confounders´´) es el del
individuo de vida sana que se vacuna más regularmente que otros con menos disciplina en el
cuidado de su salud, esto suele ser llamado efecto del vacunado saludable (´´healthy vaccinee
effect´´). En este caso, al comparar a los vacunados, entre los cuales estos ´´individuos de vida
sana´´ estarían excesivamente representados, aumentaríamos hipotéticamente la estimación de
efectividad de la vacuna. Sin embargo, estos ´´individuos de vida sana ´´ tienen, asimismo,
tendencia a acudir más al médico cuando están enfermos, lo cual tendría el efecto contrario,
disminuir el estimado de efectividad. Estos ejemplos ilustran la complejidad del problema, y
evidencian que, frecuentemente, no se puede saber a priori ni siquiera la dirección del presunto
sesgo, menos aún su magnitud en una población y tiempo determinados. Ello evidencia la
necesidad de que, en estudios que utilicen datos de la atención de salud en el mundo real, se
detecten y evalúen a tiempo los posibles sesgos, y se corrijan sus efectos en el diseño y/o en el
análisis con metodologías adecuadas a la base de datos que se está usando. Ello mejoraría la
validez del estudio y su utilidad para la toma de decisiones regulatorias y de salud pública.
Descripción
Tesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2019. Directora de la Tesis: Ruth Gil Prieto
Palabras clave
Citación
Colecciones
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional