La Industria farmacéutica ha desarrollado en los últimos años una información cada vez más amplia sobre sus pacientes, a través de múltiples vías. La información, base de la decisión, se está desarrollando desde este punto de vista como gestión del conocimiento de las patologías, de los resultados de la aplicación de los fármacos y de la participación de los médicos en compartir esta información.

No sólo la información de los pacientes se genera para conocerle mejor, sino para que los profesionales que participan en el tratamiento de estos pacientes se integren en una plataforma común con la Industria Farmacéutica. Así pues, Laboratorios, médicos y pacientes forman parte de un mismo cometido: incrementar el conocimiento de patologías y tratamientos a través de distintos tipos de estudios.

No se trata sólo de realizar un estudio de mercado en el que se tenga en cuenta al paciente como sujeto de la investigación para conocer sus necesidades y tomar mejores decisiones de Marketing tomando en cuenta la opinión del paciente. Se trata de estudios de carácter observacional, donde se estudian otras cuestiones que queremos comentar en este artículo.

LOS ESTUDIOS
Cualquier tipo de estudio que nos planteemos tiene un objetivo básico y principal: recoger información sobre un problema o cuestión en concreto. Pero esta información no es nuestro fin último, la recogida de información tiene a su vez otro fin: bien ser instrumento para nuestra toma de decisiones, bien dar respuesta a una cuestión en concreto o bien ser la base para contrastar ciertas hipótesis determinadas a priori.

Los estudios son los utilizados en investigaciones cuyo objetivo no es una toma de decisión en concreto, sino recoger información con el fin de ampliar el conocimiento sobre un problema o suceso de interés para la comunidad científica o por lo menos para parte de ella. Es decir, examina los efectos de ciertas variables independientes sobre las variables dependientes: cómo se están tratando los pacientes con ciertas patologías, qué efectos tiene cierto tratamiento sobre la calidad de vida de los pacientes, ..., etc.

Dentro de este segundo grupo de estudios podemos diferenciar a su vez dos tipos de estudios:

Los observacionales: en este tipo de estudios se recoge información sobre lo que sucede o acontece en la práctica diaria de los médicos sin manipular los factores que se están estudiando, nos muestra lo que hay, lo que sucede.

Los experimentales: en este segundo grupo de estudios si existe un control sobre las variables o factores de estudio. Como ejemplo de este tipo de estudios nos encontramos con los ensayos clínicos.

Nosotros vamos a centrar nuestra atención en el primer grupo: los estudios observacionales.

LOS ESTUDIOS OBSERVACIONALES
Estos estudios cumplen el objetivo básico de cualquier estudio, recoger información, sin embargo, y como ya hemos ido comentando, quedan definidos por los siguientes aspectos:

ØTienen un objetivo de ampliar o constatar ciertos conocimientos sobre problemas de interés: el efecto que tiene un tratamiento sobre una enfermedad, prácticas clínicas en ciertos servicios de hospitales, análisis de riesgos de padecer una enfermedad o no.

ØUn estudio observacional, como su nombre indica, simplemente observa lo que acontece sin que el investigador pueda manipular o controlar los efectos o factores que se quieren estudiar. Por tanto, este tipo de estudios se plantea de forma conjunta con los médicos que a través de una CRD o HRD recogerán la información sobre los pacientes que a priori se consideren susceptibles de estudio y se incluyan en el análisis. En este sentido, como ya hemos mencionado, se diferencian de los estudios experimentales donde existe un control sobre los factores de estudio.

De forma general podemos ver ya como el estudio observacional va a crear un vínculo entre el producto, el médico y el paciente, exigiendo un trabajo conjunto entre el laboratorio y el médico.

La información recogida en el estudio observacional nos servirá para ampliar el conocimiento sobre un tema del que de se tenga interés dando lugar, en una última fase, a una posible publicación científica.

No existen límites a la información que puede proporcionar un estudio observacional, y siempre esta información estará supeditada a un objetivo de trabajo, que entre otros podría ser:

ØAnalizar la evolución en la calidad de vida de pacientes que padecen cierta patología con un tratamiento o con distintos tratamientos.

ØAnálisis de los hábitos terapéuticos ante una patología en concreto.

Ø Efectividad de los fármacos.

Ø Análisis de tolerancia de los fármacos.

Ø Análisis de seguridad de los fármacos.

ØAnálisis de riesgos.

ØEtc.

A la hora de plantearnos realizar un estudio observacional tenemos que delimitar ciertos aspectos supeditados al objetivo que se quiera alcanzar. Este objetivo va a definir la metodología del estudio, principalmente en los siguientes aspectos:

En función del período de tiempo que abarca podremos diferenciar entre:

ØEstudios transversales, es decir, la información recogida tan sólo se va a referir a un momento en concreto. Por ejemplo, este tipo de estudios sería eficaz para evaluar los hábitos terapéuticos de ciertos servicios de hospitales en ciertas patologías.

ØO estudios longitudinales: la información recogida va a corresponder a distintos períodos de tiempo. Este tipo de estudios serán útiles si nuestro objetivo es evaluar la evolución de ciertos pacientes con un tratamiento en concreto.

En cuanto al soporte de recogida de la información podemos diferenciar entre:
ØLas hojas de recogida de datos (HRD): cuando el estudio es un estudio transversal.

ØEl cuaderno de recogida de datos (CRD) cuando el estudio se plantea de forma longitudinal con varias visitas del paciente a rellenar.

UN PEQUEÑO EJEMPLO A TRAVÉS DE LA REGRESIÓN LOGÍSTICA
Son múltiples las técnicas estadísticas que podemos utilizar en el campo de los estudios observacionales, técnicas que dependerán del objetivo que queramos cubrir.

Vamos a presentar en este capítulo una de las técnicas más utilizadas en este campo: la regresión logística. Para entender en qué consiste esta técnica vamos a plantear un ejemplo.

Supongamos que queremos conocer o pronosticar la probabilidad que tiene un paciente que padece cierta enfermedad "B" que afecta directamente al estómago de presentar cierta bacteria "A". Para ello contamos con una serie de variables que se conocen como variables explicativas como son el consumo de alcohol del paciente, la duración del tratamiento del paciente y el número de recidivas del paciente.

Nuestras preguntas podrían ser las siguientes:

Ø¿Estas variables pronostico realmente me van a permitir conocer la probabilidad que tiene un paciente de presentar la bacteria "A" o no?

ØSi realmente estas variables determinan el suceso que se quiere estudiar lo que interesaría conocer entonces es de qué forma cada variable va a influir en la presencia de la bacteria o no:

Ø¿Los pacientes que consumen alcohol tienen mayor riesgo de presentar la bacteria?

Ø¿Disminuye esa probabilidad o el riesgo de presentar la bacteria A con la duración del tratamiento?

Ø¿Puedo asegurar que los pacientes con un mayor número de recidivas de la enfermedad B tienen un mayor riesgo de presentar la bacteria A?.

Todas estas preguntas las podemos responder a través de una técnica estadística como la regresión logística.

Pero antes de profundizar en esta técnica vamos a presentarla de una forma sencilla y rápida.

La regresión logística como su nombre indica no es más que una regresión, es decir, una técnica que intenta explicar o predecir un suceso (variable dependiente) a través de otras variables, independientes, que conocemos o de las que disponemos datos.

Sin embargo, la regresión logística tiene unas características propias que la diferencian de otro tipo de regresiones:

ØLas variables independientes pueden ser tanto cuantitativas como categóricas: por ejemplo: el consumo de alcohol del paciente es una variable con dos categorías: 0 = el paciente no consume alcohol, 1= el paciente consume alcohol. Mientras que la duración del tratamiento es una variable cuantitativa.

Ø La variable dependiente es dicotomía, es decir, toma valores 0 o 1, por ejemplo: 0 = paciente no presenta la bacteria B y 1= paciente presenta la bacteria.

ØEl modelo estimado nos va a dar valores entre 0 o 1 (para valores concretos de las variables independientes). La interpretación de este valor es la probabilidad de que un paciente presente la bacteria B (suceso que hemos codificado como 1).

¿Pero que información me aporta realmente la regresión logística?. Son dos los puntos clave de información que me aporta esta técnica:

ØLa probabilidad de que un suceso acontezca bajo unas circunstancias en concreto (valores determinados de las variables independientes).

ØCómo afecta cada variable independiente a la probabilidad de que acontezca el suceso. Esta información la obtendremos a través de lo que se conoce como ODDS RATIO. El odds ratio asociada a un factor nos dirá cuanto más probable es que acontezca el suceso bajo el factor que bajo la ausencia del factor.

Veamos realmente que nos puede ofrecer la regresión logística a través de un ejemplo.

En un estudio realizado en los hospitales españoles se recogió información sobre la presencia de cierta bacteria (A) en los pacientes que padecen cierta enfermedad (B). Se recogió información sobre un total de 150 pacientes de las siguientes variables:

Se plantea entonces la posibilidad de poder estimar a través de un modelo la probabilidad de que un paciente que padece la enfermedad B presente la bacteria A planteando para ello la utilización de la regresión logística.

Al plantear y ejecutar la regresión logística obtenemos la siguiente tabla:

En ella podemos ver como la regresión que hemos estimado clasifica correctamente al 88,7% de los individuos del estudio: al 94,6% de los pacientes que no presentan bacteria (es decir, el 94,6% de los pacientes que no presentaron la presencia de la bacteria son clasificados por el modelo como pacientes en los que con alta probabilidad no se presente la bacteria).

Mientras que en el 70,1% de los pacientes que si presentaron la bacteria son clasificados correctamente por el modelo.

Pero ¿qué significa este % de clasificación?. Este % de clasificación correcta de pacientes que es capaz de clasificar el modelo, nos va a dar información sobre si el modelo es útil para explicar o pronosticar el suceso estudiado. ¿Utilizaríamos un modelo que clasificase correctamente sólo al 40% de los pacientes?. Un % de pacientes correctamente clasificados nos aportará una mayor seguridad en la utilización del modelo tanto si el objetivo es clasificar como pronosticar futuros pacientes.

A partir de este punto nos interesa analizar dos cuestiones:

ØQué las variables del modelo sean significativas, es decir, sean importantes o que realmente me sirvan para clasificar a los pacientes.

ØLos ODDS RATIOS.

En la siguiente tabla tenemos recogida toda esta información: como podemos comprobar en la columna de sig. todas las variables son significativas en el modelo (p<0,05).

Los Odds ratios los podemos encontrar en la columna Exp (B). Este dato nos proporciona información sobre el riesgo de presentar la bacteria A bajo cada factor o variable considerada. Dicho de otro modo, nos da información sobre cuánto más probable es presentar la bacteria A si se está en un caso a si se está en otro. Por ejemplo cuanto más probable es presentar la bacteria A cuando se consume alcohol frente a no consumir alcohol.

En el caso concreto que nos ocupa, si observamos el valor del Odd Ratio para las recidivas observamos un valor de 3, esto nos quiere decir que a mayor número de recidivas del paciente mayor probabilidad de presentar la bacteria A.

Del mismo modo podemos comprobar como el consumo de alcohol también supone un riesgo a presentar la bacteria A, en este sentido un paciente que consumo alcohol tiene una probabilidad mucho mayor que un paciente que no consume alcohol de presentar la bacteria A, más concretamente, un paciente que consuma alcohol tiene unas 12 veces mayor probabilidad de presentar la bacteria A frente a un paciente que no consuma alcohol.

Como hemos podido comprobar en este sencillo ejemplo, la regresión logística nos va a proporcionar una herramienta para poder explicar, clasificar y pronosticar un suceso. Este suceso puede ser de interés para la presencia o no de cierta enfermedad, la respuesta o no a cierto tratamiento, etc.

Sin embargo la regresión logística se ha utilizado y se utiliza principalmente para una información concreta que nos aporta: los ODDS RATIOS.

Los ODDS RATIOS nos van a proporcionar una medida de riesgo, es decir, bajo qué condiciones un paciente tiene una probabilidad mayor o menor de presentar o no el suceso estudiado, de predecir una enfermedad, de responder positivamente a un tratamiento, de sobrevivir a cierta enfermedad.