Beruflich Dokumente
Kultur Dokumente
7 N4 Agosto 1999
207
SECCION
Estudios de casos y controles: Qu son, cmo son, cundo usarlos, limitaciones y anlisis
HERNANDO GAITAN D., MD; JAVIER ESLAVA, MD.
Se hace una revisin de los conceptos fundamentales de los estudios de casos y controles. Se definen sus caractersticas generales, como tambin de las caractersticas especficas de los casos y los controles, en cuanto al origen , tipos y nmero. Se describen las fortalezas y debilidades como tambin los mtodos de anlisis. Se detallan los posibles sesgos que los afectan.
A review is done about the principal concepts of casecontrol studies. The characteristics are defined. The specific issues of case and controls are discussed in term of sources, types and number. The strengths and weakness are described and so the analysis process Bias which could affect this kind of studies are related discussed. (Rev. Col. Cardiol. 1999; 7)
Qu son
Los estudios de casos y controles es un tipo de investigacin epidemiolgica observacional analtica (1). Observacional, porque el investigador no interviene en la exposicin, sino que se limita a observar el efecto de dicha exposicin en el individuo y analtica, porque comparan dos grupos: los casos y los controles. Por medio de este diseo se intenta establecer la asociacin entre una caracterstica presente en el individuo, la que llamaremos desenlace, y una exposicin previa, que debera incidir en la aparicin de este desenlace. Los individuos que comparten esa caracterstica los llamaremos casos. El desenlace puede ser una enfermedad. As, tendramos pacientes con cncer, diabetes o infecciones por ejemplo, quienes seran los casos. Otros individuos quienes no presentan esa caracterstica y hubieran podido ser casos seran los controles. La seleccin adecuada de los controles ser el mayor reto para el investigador como veremos ms adelante.
Facultad de Medicina, U. Nacional de Colombia. Santaf de Bogot, D.C., Colombia. Correspondencia: Hernando Gaitn, MD, carrera 10 No 1-66 sur 4to piso. Centro de Epidemiologa Clnica. E-mail:hggaitan@bacata.usc.unal.edu.co; Tina@trauco.colomsat.net.co. Javier Eslava, MD, carrera 10 No 1-66 sur 4to piso. Centro de Epidemiologa Clnica. Correo electronico: jheslava@bacata.usc.unal.edu.co.
infarto de miocardio (v.g. esofagitis, reflujo, espasmo esofgico, osteocondritis, etc.). Su origen puede ser del ambiente hospitalario o de la comunidad. Es ms eficiente buscar los casos en los hospitales. Cuando se han escogido pacientes hospitalizados es muy importante definir bien la poblacin base de estudio hospitalaria, a quienes queremos posteriormente generalizar los resultados (3). Si se trabaja en una base poblacional, la adecuada y completa seleccin de los casos ser ms difcil (1,3). Se podra hacer un muestreo aleatorio, sin embarg no siempre seria posible encontrar los sujetos seleccionados. Por ejemplo, si quisiramos buscar pacientes que presenten anormalidades pre neoplsicas en la citologa vaginal con una base de estudio poblacional o primaria, se podra utilizar un muestreo aleatorio, con base en el directorio telefnico o la ubicacin de la manzana del vecindario. Sin embargo, podramos no encontrar un importante nmero de las mujeres seleccionadas inicialmente, las cuales deberan ser reemplazadas por otras mujeres, a quienes pudiramos localizar en casa. Adicionalmente, si el hecho de permanecer en casa, estuviera asociado en menor grado a las lesiones preinvasivas del cncer de crvix, tendramos una subestimacin de la asociacin. Por otra parte ser difcil aplicar una ms estricta definicin de caso a los individuos si nos basamos slo en encuestas o entrevistas. De tal forma quedarn incluidos como casos sujetos que no presentan realmente la patologa de inters. Por ejemplo, si se pregunta a la poblacin sobre quin tiene artritis reumatoidea, se incluirn muchas ms personas de las que realmente la presentan, esto debido a que algunas de ellas con otra patologa articular se autodefinirn como pacientes con artritis reumatoidea. Esto por consiguiente llevar a estimaciones sesgadas de la asociacin. Es importante recordar que en un estudio analtico es ms importante la validez definida como: qu tanto el estudio midi lo que se quera medir (4), que lo generalizables que sean los resultados a la poblacin blanco. De otra manera, es un requisito bsico para generalizar los resultados que stos sean vlidos (1). La seleccin adecuada de los controles ser uno de nuestros principales desafos. Estos debern provenir de
la misma base de estudio, de tal manera que representarn la poblacin de individuos que hubieran podido ser identificados e incluidos como casos, si hubieran desarrollado la enfermedad en el tiempo de la investigacin (5). Los controles representarn la poblacin a quien nosotros queremos generalizar los resultados. Estos debern ser comparables a la poblacin que origin los casos y cualquier criterio de exclusin o restriccin que se aplic a los casos se aplicar a los controles. La poblacin base de los controles no tiene que ser representativa de la poblacin general, y puede diferir en caractersticas importantes e inclusive en la exposicin a inters, puesto que el establecimiento de una asociacin puede ser importante para un subgrupo especfico. Dicho efecto se puede diluir al mezclar este grupo con otros grupos de poblacin. Por lo que ser relevante investigarlo slo para este subgrupo (1, 3). Los controles podrn venir de la poblacin hospitalaria o de la poblacin general. Los primeros por estar hospitalizados tratarn de recordar posibles exposiciones y estarn ms dispuestos a colaborar, disminuyendo posibles errores en la informacin. Por ltimo, por estar hospitalizados, estarn sujetos a la misma serie de factores que motivaron al caso a escoger ste o aquel hospital, lo que podra evitar que factores asociados con la eleccin de la institucin intervengan en la estimacin de la asociacin entre el factor de exposicin a estudio y el desenlace. El principal inconveniente de los controles hospitalarios depender del hecho de que son enfermos, que no slo diferirn de la poblacin sana, sino que podran tener una distribucin de la exposicin diferente de la poblacin base de la cual fueron seleccionados los casos. Esto basado en el hecho de que los pacientes hospitalizados pueden tener ms factores de riesgo. As al comparar controles hospitalarios con controles no hospitalarios se ha encontrado por ejemplo, que los primeros han ingerido anticonceptivos orales por ms tiempo o han fumado en mayor cantidad (6). Por otra parte, tambin podran estar menos expuestos a ciertos elementos que la poblacin no hospitalaria, por ejemplo, podran cambiar de dieta debido a su enfermedad (1). De esta manera, al estudiar una entidad que pudiera estar asociada a estos factores de riesgo podramos tener estimaciones sesgadas del efecto. Habr que tener una cuidadosa evaluacin de dichas situaciones al escoger el grupo control en una patologa determinada.
Al escoger los controles hospitalarios es importante tener en cuenta otras entidades que podran estar asociadas de manera positiva o negativa al factor de exposicin a estudio. Por ejemplo si estamos estudiando la asociacin entre cncer de cervix y el virus del papiloma humano (VPH) sera preferible evitar como controles a mujeres que utilicen anticonceptivos de barrera pues tienen un menor riesgo de adquirir la infeccin (7), con una posible sobrestimacin de la asociacin. Sin embargo, no siempre es posible tener grupos control en lo que se tenga una real estimacin de la existencia de otras exposiciones, especialmente si estn relacionadas con el estilo de vida. Los controles poblacionales se preferiran cuando los casos se hayan obtenido de la base poblacional o cuando no sea deseable tener controles hospitalarios (1). Su seleccin podr ser hecha de una manera aleatoria o no aleatoria. Es ms costoso en tiempo y dinero su adecuada identificacin y ubicacin. Adems, no siempre estn dispuestos a colaborar, disponen de menos tiempo para este tipo de entrevistas y tienen menos en cuenta exposiciones previas, lo que nos lleva al sesgo de recuerdo. Por ltimo, hay que recordar que los individuos que participan, difieren sistemticamente de aquellos que no participan, por lo que tal vez no podramos contactar los individuos que realmente hubieran podido ser casos, lo que afectar mucho la validez del estudio (8).
embargo, hay situaciones donde es mejor evaluar el efecto en dos grupos control diferentes, por ejemplo hospitalizados y no hospitalizados, o pacientes de diferentes servicios. Sobre todo cuando tenemos dudas de que un grupo pudiera tener asociados factores de confusin que alteran de manera ficticia la estimacin de la asociacin con el factor a estudio, factores que por otra parte podramos no tener identificados (1). Otra opcin es que sea muy difcil obtener los casos. Se puede intentar mejorar el poder del estudio aumentando el nmero de controles por caso, sin embargo, no se logra mayor eficiencia despus de cuatro controles por caso (10).
A los lectores que deseen una ms detallada explicacin del desarrollo de prueba de esta estadstica les recomendamos leer el captulo de estudios de prevalencia o transversales de Snchez y cols. o el texto de Bioestadstica de M. Pagano y K. Gauvreau (12). Una medida epidemiolgica de la asociacin es el riesgo relativo (RR). El riesgo relativo compara la incidencia de la enfermedad entre los expuestos con la incidencia de la enfermedad entre los no expuestos (13). Mirando la tabla de contingencia antes descrita podramos expresarlo de la siguiente manera: A/(A+B) RR= C/(C+D) Esta asociacin slo se podr determinar para casos incidentes cuando vamos de la exposicin al desenlace en estudios de cohortes o ensayos clnicos controlados. Sin embarg en enfermedades de baja prevalencia el efecto de A y C en el denominador ser muy pequeo, por lo que sus valores se podran omitir en el denominador, as ecuacin resultante es: A/B RR= C/D o lo que es igual = BxC AxD
(14)
Exposicin IM
Para el estudio de la asociacin de dos variables de estas caractersticas se ha utilizado la prueba estadstica Ji cuadrado. Esta prueba busca comparar los resultados observados por el estudio con los resultados esperados con los datos del estudio, bajo la hiptesis nula de no asociacin o independencia (11, 12). Si los valores observados son mayores a los esperados de una manera muy importante se podr rechazar o aceptar la hiptesis de no-asociacin. La frmula general de la prueba Ji cuadrado es: Ji2 = (Oi-Ei)2 / Ei
i=1 fc
En los estudios de casos y controles no se podr establecer las tasas de enfermedad al no poder determinar el nmero de casos incidentes, pues se parte del resultado; el nmero de enfermos (A+C), y el grupo de los controles (B+D), que estn determinados por el investigador por los criterios de seleccin. Al no poder determinar la incidencia de la entidad en los expuestos y no expuestos, no podremos estimar el riesgo relativo directamente. Lo que s podremos hacer es explorar la frecuencia de la exposicin entre los casos y los controles. Esta comparacin de exposiciones entre casos y controles nos da una estimacin indirecta del riesgo que ha sido llamada Odds Ratio, razn de Odds o riesgo relativo indirecto, razn de dispridades similar al riesgo relativo (14, 15).
La dificultad para entender un Odds parte de que no hay palabra en espaol que traduzca adecuadamente su significado; por otra a parte no es muy frecuente su uso. Donde ms se utiliza es en las apuestas cuando decimos que las apuestas estn hacia un boxeador o un caballo 3:1. Para los epidemilogos la probabilidad de tener una enfermedad podra ser determinada por la proporcin (el denominador incluye al numerador) de personas quienes tienen una caracterstica. Un Odds proviene de la razn (el denominador no incluye al numerador) de dos probabilidades. Ambas contienen la misma informacin pero la expresan de manera diferente. Odds = Probabilidad de un evento / 1 - la probabilidad de dicho evento. Probabilidad = Odds/ 1 + el Odds (16). As uno poda decir Kid Pambele tena un Odds de ganar en Japn contra Furuyama de 3:1 o una probabilidad del 75%. Ya habiendo explicado el concepto de Odds continuaremos con la estimacin del riesgo en los estudios de casos y controles. El riesgo relativo indirecto se podra definir como la razn entre el Odds de que un caso este expuesto / el Odds de que el control este expuesto, o: A /(A+C) C /(A+C) RRI= B /(B+D) D /(B+D) = B/D A/C = BC AD
15
esta asociacin. No es lo mismo tener un chance de tener la enfermedad OR de 1.5 a tener chance de 6.2. Como le advertimos antes la asociacin entre dos variables puede estar influida por la presencia de otras variables, de tal manera que la asociacin a estudio sea modificada por este tercer factor y obtener una estimacin sesgada (17). Ejemplos tenemos como la asociacin entre fumar e infarto del miocardio que se modifica si la paciente toma anticonceptivos orales. La tercera variable podr tener un efecto de interaccin: esto se dar cuando a diferentes valores de la tercera variable hay cambios en la estimacin del riesgo. O un efecto de confusin, la tercera variable por estar asociada con el factor de riesgo y con el desenlace modificar la estimacin del riesgo de una manera global. Es posible evaluar el efecto de una tercera variable en la estimacin de la asociacin por mtodos estadsticos. El primer mtodo fue desarrollado por Mantel y Haenszel en 1959 (18). Evala la interaccin por medio de una subclasificacin de grupos creados por la tercera variable. Para explicar el procedimiento vamos a utilizar el siguiente ejemplo. Supongamos que un investigador quiere indagar la asociacin entre montar en bicicleta sin previo entrenamiento e infarto de miocardio-muerte en hombres mayores a 50 aos y sospecha que la asociacin puede variar en relacin a la distancia recorrida. Decide entonces explorar dicho efecto por medio del anlisis estratificado para evaluar una posible interaccin, es decir, que a mayores cifras de presin arterial media mayor mortalidad asociada al infarto de miocardio. El investigador tiene los siguientes datos:
Infarto de miocardio Casos Controles 60 40 40 100 60 100
Por tanto tendramos una estimacin indirecta del riesgo, similar a la obtenida con base en el estudio de cohortes, cuando la enfermedad es de baja prevalencia, Si la frecuencia de la enfermedad en no expuestos es mayor a 1/100 habr importantes diferencias en la estimacin de riesgo relativo y el riesgo relativo indirecto. Por fortuna la mayora de las enfermedades tienen una prevalencia menor a esta cifra (15). Si el OR es igual a 1 no se tendr mayor riesgo por estar expuesto, si es mayor de 1 los expuestos tendrn mayor riesgo de desarrollar la enfermedad (factor de riesgo) y si es menor de 1 los expuestos tendran menor riesgo de presentar la enfermedad (factor de proteccin). La principal ventaja del RRI (OR) es que nos permite establecer la significancia estadstica por medio del intervalo de confianza, permitiendo adems establecer la fortaleza de la asociacin, es decir, un valor numrico de
El investigador crea tres grupos de distancia recorrida de la siguiente manera: Estrato 1: Distancia entre 5.0 y 9.9 Km. Estrato 2: Distancia entre 14.9 y 14.9 Km. Estrato 3: Distancia entre 15.0 y 19.9 km.
grupos no se pueden considerar diferentes por lo que procederemos a estimar el RRI ponderado de Mantel y Haenszel. Por el mtodo de Mantel y Haenszel se puede hacer una estimacin del RRI ponderado por el efecto de la variable que interviene en la asociacin. Si el riesgo relativo crudo es diferente del riesgo relativo ponderado, estaremos ante un efecto de confusin. Si no son diferentes no tendremos confusin por esa variable. En este caso el valor del RRI ponderado nos da un valor de 2.08. semejante al RRI crudo de 2.25 por lo que podemos considerar que no es muy importante la confusin generada por la distancia recorrida. No hay ninguna prueba que nos diga desde cundo existe efecto de confusin; quedar a juicio de los investigadores expertos en el tema. Hay que recordar que los anlisis estadsticos no evitan o corrigen el sesgo, sino que permiten una evaluacin de su magnitud. Por ultimo este mtodo permite estimar los intervalos de confianza del RRI, en este caso el IC 95% (1.13, 3.88) y probar la hiptesis de no asociacin entre la exposicin a estudio y el desenlace. Para el ejemplo que nos atae la hiptesis de no asociacin es rechazada, por tanto hay asociacin entre montar bicicleta sin entrenamiento y el infarto de miocardio (12). Otra herramienta estadstica que permite la estimacin del RRI en los estudios de casos y controles es la regresin logstica mltiple, en la cual se evala la asociacin de una variable desenlace categrica o nominal (presente o no presente) con una exposicin teniendo en cuenta que pueden intervenir otras variables como la edad, sexo, episodios previos u otras exposiciones que pueden afectar el valor de esta exposicin, las cuales quedarn incluidas en el modelo matemtico. Permite adems evaluar el efecto de las posibles interacciones y de las variables de confusin (19). Por ltimo, los estudios de casos y controles pareados tienen un mtodo diferente para la estimacin de la asociacin, por las caractersticas propias de su diseo. En este tipo de estudio cada caso se empareja o iguala a uno o ms controles por una variable que queremos controlar o anular su efecto. El control se escoge por una caracterstica del caso. Esta puede ser la edad, la fecha, el turno del ingreso, el cirujano, etc. As no se podr emplear la hiptesis asociacin para muestras independientes, sino que se utilizar la prueba de asociacin para muestras dependientes, dado que la unidad de
s
Montar bicicleta sin entrenamiento
15 17 32
16 29 45
no
RRI= AD/BC = 1.60
s
Montar bicicleta sin entrenamiento
25 12 37
14 12 26
no
RRI= AD/BC = 1.79
s
Montar bicicleta sin entrenamiento
20 11 31
10 19 29
no
RRI= AD/BC = 3.45
Procede entonces a estimar el RRI en cada estrato de acuerdo al nmero de casos y controles incluido en cada nivel y se obtiene un RRI ligeramente diferente para cada grupo. La pregunta que surge es si esta diferencia es lo suficientemente importante como para considerar que los tres grupos son diferentes. Si los tres grupos no son iguales se considerar que hay un efecto de interaccin entre la distancia recorrida, la asociacin entre montar en bicicleta sin entrenamiento y el posterior desarrollo de infarto del miocardio, por lo que se describirn los diferentes RRI para cada grupo de manera aislada y no se estimara el RRI global del grupo. Si los tres grupos no son diferentes procederemos a estimar un posible efecto de confusin, dado por la presin arterial media. En este caso la prueba de homogeneidad mostr que los dos
anlisis es la pareja obtenida al igualar por la variable que se controla; caso y control: la prueba utilizada es la prueba de Mc Nemar (12, 20). Una explicacin ms detallada de esta opcin excede los objetivos de este captulo, quienes estn interesados en profundizar sobre el tema les recomendamos leer los captulos sobre emparejamiento en los textos de Schlesselman (2) y Rothman (5).
Sesgo de Vigilancia: Se presenta en entidades que se encuentran bajo tamizaje continuo ya sea por que estn de moda, o la exposicin a un agente tiene una implicacin mdico legal importante. Un ejemplo ocurre en la toma de exmenes preoperatorios de rutina. El utilizar casos quirrgicos y compararlos contra controles no quirrgicos podra mostrar asociaciones errneas por la mayor vigilancia que se hace en los pacientes que van a ciruga. Esto condiciona a que sean descubiertas ms frecuentemente las exposiciones, sobre todo en los estadios iniciales de la enfermedad o en los casos leves, lo que llevara a un aumento selectivo de los casos expuestos. Adems hay que tener en cuenta que se presentarn falsos positivos en la exposicin. Ambas situaciones aumentaran selectivamente el nmero de casos expuestos (A en la tabla de contingencia), con una sobrevaloracin del riesgo. Pasa sobre todo porque las historias son selectivas a este tipo de informacin Sesgo de diagnstico: Se presenta especialmente cuando se sabe que hay un diagnstico y se buscan signos o exposiciones relacionados con dicho diagnstico. Por ejemplo si se le dice a un radilogo que el paciente tiene una neumona, es posible que encuentre ms frecuentemente signos radiolgicos de sta, cosa menos probable si se mantiene ciego de esta informacin. Por otra parte, si se sabe que los anticonceptivos orales tienen asociacin con la tromboflebitis, es posible que el entrevistador sea ms acucioso en la bsqueda de este antecedente durante el interrogatorio al hacer la historia clnica. Esto nos llevara de nuevo a un aumento selectivo diferencial de los casos expuestos, con la consiguiente sobrevaloracin de la asociacin. Sesgo de referencia: Se produce cuando por popularidad o alta especializacin un centro recibe especialmente una patologa. Se presenta sobre todo en los estudios de base hospitalaria. Este hospital de referencia podra recibir pacientes de una clase social diferente al resto de los hospitales. Por ejemplo, si el pertenecer a una clase social estuviera ligado a cierto tipo de dieta, se podra encontrar que una patologa intestinal estuviera asociada a esta dieta o alimento de una manera ficticia, pues los controles al no pertenecer a esa clase social tendran una dieta diferente. Es decir, tendramos un nmero mayor de casos expuestos a los que se encontraran en otras instituciones y un nmero menor de controles expuestos.
Sesgo en la seleccin de los sujetos: Los individuos son seleccionados con base en la exposicin, por ejemplo se seleccionan slo casos de embarazo ectpico que hayan tenido el antecedente de uso de dispositivo intrauterino. Sesgo de no-respuesta: Los individuos sanos no tienen tiempo, estn por fuera de casa, tienen poca disposicin a ser entrevistados, por lo que los casos y los controles pueden no corresponder a la base a estudio original. El sesgo slo ejercer efecto si afecta diferencialmente los componentes del numerador o del denominador en la estimacin del riesgo, por ejemplo, si slo afecta a los casos expuestos o a los controles no expuestos. Como lo mencionamos antes, se encuentran slo amas de casa con menor exposicin a virus del papiloma humano, lo que disminuir la estimacin del riesgo. Sesgo por la duracin de la estancia: En estudios basados en hospitales, aquellas personas que duren mas tiempo hospitalizadas podrn tener mayor posibilidad de ser escogidas, que aquellas que tienen una estancia corta por presentar una entidad que tiene un curso corto, ya sean porque mejoran o porque mueren. Estos ltimos estarn pobremente representados. El problema surge porque los pacientes con estancias ms largas suelen tener otras enfermedades y ms complicaciones, lo que nos puede afectar el riesgo de la enfermedad a estudio y la estimacin de las exposiciones previas, causando confusin. Sesgo de sobrevida: Ocurre especialmente en enfermedades con alta mortalidad cuando slo se estudian pacientes que sobreviven. Si el factor a estudio tiene que ver mas con la sobrevida que con la aparicin de la enfermedad estaramos aumentando artificialmente el nmero de casos expuestos a dicho factor asociado con la sobrevida. Se sugiere por eso slo incluir casos nuevos. Sesgo por diagnstico de admisin: Cuando se escogen los controles con base en el diagnstico de admisin pueden surgir problemas porque la entidad que se diagnostica puede tener relacin con la exposicin a estudio. Por ejemplo, si para control de casos con carcinoma broncognico de pulmn se ingresan como controles pacientes con bronquitis crnica o infarto de miocardio, entidades que tambin pueden estar asociadas con el cigarrillo.
Sesgos en la medicin Los ms importantes sern El sesgo de recuerdo: Derivado del hecho que personas que tienen una enfermedad escudrian en su pasado en busca de posibles explicaciones. Un ejemplo clsico es el de aquella madre que tiene un hijo con malformaciones congnitas, que recordar y asociar todo tipo de exposicin, en cambio la madre con un recin nacido sano, no recordar casi ninguna exposicin. Sesgo del entrevistador: El entrevistador de manera consciente o inconsciente hace ms nfasis en la bsqueda de una exposicin en los casos que en los controles. Tambin podra sugerir respuestas al preguntar de manera que oriente hacia respuestas negativas o afirmativas. Por ejemplo: seora est usted segura que nunca ha tomado ningn tipo de hormona?. Esto se podr solucionar, manteniendo ciegos a los entrevistadores sobre quin es caso y quin control y homogeneizando la tcnica de la entrevista Sesgos de mala clasificacin: Los sesgos se presentaran tambin por un elevado el nmero de falsos positivos o falsos negativos del estudio. Un falso positivo podra ser aquel individuo que no evidencia la enfermedad y se clasifica como enfermo (falso positivo para enfermedad) o aquel que se considera expuesto, sin embargo la realidad es que no tuvo la exposicin a estudio (falso positivo para exposicin). El falso positivo nos llevar a un aumento ficticio de la asociacin. Un caso falso negativo sera un individuo que tuvo la exposicin pero que sin embargo sta no se detect en la investigacin. O aquel que estando enfermo se clasific como sano. Otra opcin es que se detecte de manera diferencial por errores en el diseo los casos expuestos o los controles no expuestos. En conclusin, podremos decir que los estudios de casos y controles constituyen una herramienta de primera mano por su eficiencia sobre todo en patologas de baja incidencia. Sin embargo, habr que tener mucho cuidado en evaluar las posibles fuentes de error sistemtico o sesgos en la seleccin, medicin y clasificacin de los sujetos para evitar encontrar asociaciones espurias.
Bibliografa
1. Hennekens CH, Burning JE, Mayrent SL. Case control studies. En Hennekens CH, Burning JE, Mayrent SL Epidemiology in Medicine. Boston. Litlle Bronwn and Co., 1987: 132-152. Schlesselman JJ, Stolley PD. Research Strategies. En Schlesselman JJ. Case Control Studies: design, conduct, analysis. New York: Oxford Univesity Press 1982: 7-26. Wacholder S, McLaughin JK, Silverman D, Mandel J. Selection of Controls in Case Control Studies. Am. J. Epidemiol. 1992 ;135:1019-1028. Fletcher R, Fletcher S, Wagner E. Abnormality en Fletcher R, Fletcher S, Wagner: Clinical epidemiology. The Essentials 3rd edition. Baltimore Meryland. 1996:19-42. Rothman K, Greenland S. Case-Control Studies, en Rothman K, Greenland S. Modern epidemiology. 2nd Ed. Philadelphia Lippincot - Reven Publishers 1998: 93-114. West D.W, Schuman K.L, Lyon J.L, el al. Differences in risk estimations from a hospital and a population-based case-control study. Int J Epidemiol. 1984;13:235. Centers for Disease Control Sexually transmitted diseases tratmnet guidelines. MMWR 1993;42:85-88. Lasky T, Stolley PD. Selection of Cases and Controls. Epidemiologic Reviews. 1994;6:6-14.
2. 3. 4. 5. 6. 7. 9.
10. Wacholder S, Silverman DT, McLaughlin JK, Mendel JS. Selection of Controls in Case-Control Studies. III Design Optiens. Am J Epidemiol 1992;135:1042- 1048. 11. Dawson- Saunders B, Trapp R: Study designs in medical research en DawsonSaunders B, Trapp R Basic and Clinical Biostatistics. 2nd Ed. 1994 Connecticut Lange 1994: 6-20. 12. Pagano M, Gauvreau. Priciples of Biostatistics Belmont Cal : Dexbury Press 1993:311. 13. Fletcher R, Fletcher S, Wagner E. Risk en Fletcher R, Fletcher S, Wagner : Clinical epidemiology. The Essentials 3rd edition. Baltimore Meryland. 1996: 94-110. 14. Londoo JL. Estudios de casos y controles. En Londoo JL: Metodologia de la Investigacin Epidemiolgica . Editorial Universidad de Antioquia . Medellin 1995:83-95. 15. Fletcher R, Fletcher S, Wagner E. Studing cases en Fletcher R, Fletcher S, Wagner E: Clinical Epidemiology. The Essentials 3rd edition. Baltimore Meryland. 1961: 208227 1996: 215. 16. Fletcher R, Fletcher S, Wagner E. Diagnosis en Fletcher R, Fletcher S, Wagner E: Clinical Epidemiology. The Essentials 3rd edition. Baltimore Meryland. 1996: 43-74. 17. Mausner L Kramer S. Epidemiology and Introductory test, 2nd ed Saunders 1985. 18. Mantel N., Haenszel W. Statistical Aspects of the Analysis of Data from Restrospective Studies of Disease. Journal of the National Cancer Institute. 1959; 22: 719:748. 19. Schlesselman JJ, Stolley PD. Multivariate Analysis . En Schlesselman JJ. Case Control Studies: design, conduct, analysis. New York: Oxford Univesity Press 1982: 7-26. 20. Essex-SorlieD. Testing hipotesys about two proportions. En Essex-SorlieD. Medical Biostatistics and Epidemiology. Connecticut Appleton & Lange 1995:206-226.