MEDICINE
REVIEW ARTICLE
Avoiding Bias in Observational Studies
Part 8 in a Series of Articles on Evaluation of Scientific Publications
Gaël P Hammer, Jean-Baptist du Prel, Maria Blettner
SUMMARY
Background: Many questions in human health research
can only be answered with observational studies.
In contrast to controlled experiments or well-planned,
experimental randomized clinical trials, observational
studies are subject to a number of potential problems that
may bias their results.
Methods: Some of the more important problems affecting
observational studies are described and illustrated by
examples. Additional information is provided with reference
to a selection of the literature.
Results: Factors that may bias the results of observational
studies can be broadly categorized as: selection bias
resulting from the way study subjects are recruited or from
differing rates of study participation depending on the
subjects' cultural background, age, or socioeconomic
status, information bias, measurement error, confounders,
and further factors.
Conclusions: Observational studies make an important
contribution to medical knowledge. The main methodological
problems can be avoided by careful study planning.
An understanding of the potential pitfalls is important in
order to critically assess relevant publications.
Key words: clinical research, study, observational study,
epidemiology, data analysis
Cite this as: Dtsch Arztebl Int 2009; 106(41): 664–8
DOI: 10.3238/arztebl.2009.0664
Institut für Medizinische Biometrie, Epidemiologie und Informatik, Universitäts-
medizin der Johannes Gutenberg-Universität Mainz: Dr. P. H. Hammer,
Univ.-Prof. Dr. rer. nat. Blettner
Zentrum für Präventive Pädiatrie am Zentrum für Kinder- und Jugendmedizin,
Universitätsmedizin Mainz: Dr. med. du Prel, MPH
664
T he randomized clinical trial is a well established
and frequently used study design and is generally
accepted as the gold standard (1). Nevertheless, many
questions can only be answered with epidemiological
observational studies, such as the influence of cigarette
consumption on the development of lung cancer (2), the
effects of sport, nutrition and overweight on cardiovas-
cular diseases (3), or the effects of UV exposure on skin
diseases (4). Whereas in experimental, randomized
clinical trials, randomization is intended to lead to a
comparable distribution of both known and unknown
factors in the two groups to be compared, this is rarely
possible in observational studies (see part 3 of this
series). This can lead to systematic bias and thus to erro-
neous results. This article will describe how possible
sources of error linked to the study design can be recog-
nized in studies in which randomization is not possible
for fundamental ethical reasons and how this can be
considered in the planning and evaluation.
The following sources of bias will be discussed:
> Selection mechanisms in recruitment of study par-
ticipants (selection bias)
> Selective recall or inconsistent data collection (in-
formation bias), measurement errors
> Confounding, and
> Simpson's paradox and other errors.
Once one is aware of the causes of biased results,
these can either be excluded or reduced by intelligent
study planning. In addition, these aspects must be
properly considered during the analysis. Understanding
these problems can help the critical reader to interpret
study results. As this article is intended to give an intro-
ductory overview of this theme, results from a selective
literature search will be presented.
Causes and effects of bias,
possible countermeasures
Selection bias
Selection bias arises when the study population is not a
random selection from the target population for which a
statement is to be made. Individuals are then recruited in
such a way that they are not representative of the target
population. Even if the study is well planned, it may
happen that not all selected persons take part in the study,
because the voluntary character of the study must al-
ways be guaranteed.
⏐ Dtsch Arztebl Int 2009; 106(41): 664–8
Deutsches Ärzteblatt International⏐

In the following three examples, the selection of
study participants evidently led to selection which can
be avoided by better planning. Unfortunately, similar
errors are repeatedly observed in publications.
> The health office of a large city wished to per-
form an empirical control of the vaccination
coverage of preschool children. For this purpose,
the vaccination passes of all children were to be
inspected. In three kindergartens, the parents
cooperated without exception, whereas the rates
of participation were low in the other kindergar-
tens. Is the result of this survey representative for
all children? The answer is: probably not, as only
children from specific kindergartens or neighbor-
hoods were studied. Children from these neigh-
borhoods may differ from children from other
neighborhoods with respect to factors which in-
fluence the readiness of their families to have
them vaccinated, such as social status. The popu-
lation from which the study participants were
recruited is probably not representative of the
target population. It is known that vaccination
coverage depends on social status (5).
> The US Office of Research Integrity carried out an
anonymous survey of researchers, to establish what
proportion of scientists whose projects were finan-
cially supported by public funds manipulated their
results. The test persons were asked if they had ob-
served lapses among their colleagues (6). As the
test persons selected themselves by their participa-
tion, they are certainly not representative of the tar-
get population of all funded scientists.
> A senior physician wishes to learn more of the risk
factors for a rare disease for which he is an expert.
His patients travel large distances to be treated in
his hospital. He gets a doctoral candidate to enquire
about all patients in the last five years and takes
controls (matched for age and gender) from the
hospital. These controls are very probably not
representative of the population from which his
patients are recruited, as, in contrast to his patients,
they come from the immediate vicinity of the hospital.
It is difficult to influence the participation rate of the
study subjects. The aim must be a high participation
rate, in order to achieve a representative cross-section of
the population if possible. In any case, the publication
must indicate the rate of non-participants. In most cases,
a few facts are known about the non-participants, such
as their age distribution. In many studies, it is at least
attempted to obtain a little information from non-
participants in the form of a postcard with a few ques-
tions. They are asked about their reasons for refusing to
participate. These data must be considered when inter-
preting the results.
Self-selection of participants also takes place when
linguistic or health barriers hinder participation. Cultural
differences and social status can also influence readiness
to participate, for example, in screening programmes.
This all tends to reduce the possibility of generalizing
the results.
⏐ Dtsch Arztebl Int 2009; 106(41): 664–8
Deutsches Ärzteblatt International⏐
MEDICINE
Information bias
Information bias results from wrong or inexact record-
ing of individual factors, either risk factors or the disease
being studied. With continuous variables (such as blood
pressure), this is referred to as measurement error; with
categorical variables (such as tumor stage), this is known
as misclassification. Measurement error or misclassifi-
cation may result from lack of care by the investigator or
from poor quality of measuring or survey instruments.
However, they are more frequently caused by errors in
the manner or time of classification. Here are some typical
errors:
> Typical questions about events in the distant past:
At what age did you suffer from chickenpox and
measles? How much fruit did you eat last week?
The answers to these questions will presumably be
very imprecise.
> In a hospital, blood samples are taken in the morning
from patients and in the afternoon from suitable
controls. They are then analyzed at the same time
by the same procedure. Unfortunately, the differ-
ences in the period of storage cause a systematic
bias in the results.
> Mothers of children with congenital malformations
have a better memory of potential risk factors during
pregnancy than do other women (recall bias) (7).
> An interviewer treats patients during an interview
with more sympathy than the controls, as their
status rapidly becomes clear to him during the
interview. As a result, he obtains more, and more
detailed, information from the patients (inter-
viewer bias).
These problems can partially be prevented by good
planning, but cannot always be corrected by statistical
evaluation. Interviewer bias can be avoided with stan-
dardized interviews; irrelevant questions can be more
rapidly passed over in computer-supported interviews
and inconsistent information can be recognized more
quickly. Sensitive treatment of taboos or other cultural
differences must be considered or possibly tested before
the study.
Measurement errors
In addition, faulty or imprecise measurements can lead
to problems. For example, systematic measurement er-
rors can arise from wrongly calibrated instruments.
Random, "classical" measurement errors arise from im-
precision of the instrument, measurement procedure, or
human investigator. Even subsequent categorization of
an originally continuous variable cannot eliminate
measurement errors and should be avoided (8).
If the size and direction of the measurement error are
known, this can be considered in the evaluation (9).
Additional and more precise measurements must be per-
formed in a validation study in a small selection of study
participants. For example, in nutritional studies, the less
precise procedure—the food frequency questionnaire—
is compared with a 24 hour record of consumption (9).
The description of potential measurement errors is an
indicator of a good quality publication.
665
MEDICINE
Confounding: FIGURE
Smoking is a known
risk factor for coro-
nary heart disea-
se—the endpoint
here. As smoking is
also associated with
coffee drinking, this
gives the false im-
pression that coffee
drinking and coro-
nary heart disease
are associated (10).
TABLE 1
Example of interaction*1
Smoking
No Yes
No 1.00*2 1.53
Alcohol Yes 1.23 5.71
*1 Relative risk of alcohol consumption and smoking on the development of
carcinoma of the oral cavity (taken from [11]). The effect of alcohol
consumption is greater in smokers than in non-smokers.
2
* The reference population is the group of individuals who neither smoke nor
consume alcohol. Their relative risk is defined as 1.0.
For classical measurement errors, it is often stated
that they bias the study results towards a null result.
Theoretical consideration of the direction and size of the
bias is only possible if major assumptions are made.
However, these assumptions are often unrealistic.
Confounding
A confounder is a risk factor for the disease under study
which is associated with the exposure of interest, but is
not part of the causal pathway between exposure and the
end point (Figure). If this association is not considered
in the study group during the evaluation—perhaps be-
cause the confounder was not recorded—, this leads to a
biased estimate of the investigated risk factor. If the risk
factor and the confounder are not associated, the effect
of the risk factor will be correctly estimated.
Here is an example of confounding: Does drinking
coffee lead to coronary heart disease? One might assu-
me this, as a correlation has been observed (10). How-
ever, coffee drinkers are more often smokers than the
average and, besides the correlation between drinking
coffee and nicotine consumption, there is a strong causal
correlation between smoking and the incidence of
coronary heart disease. In this case, nicotine consumption
is a confounder for the effect of coffee consumption on
the development of heart disease.
Confounding should not be confused with interaction
("effect modification"). Two risk factors may act totally
independently of each other, or the effect of one risk fac-
tor may depend on the presence of the other risk factor.
666
Here is an example of an interaction. It is known from
studies that both smoking and alcohol consumption are
risk factors for the development of carcinoma of the oral
cavity. The increase in risk from alcohol consumption is
greater for smokers than for non-smokers (Table 1) (11).
Confounding can be reduced in various ways. In cli-
nical studies, patients are randomly assigned to the tre-
atment groups, on the assumption that all known factors
(such as sex and age) and even unknown factors will ha-
ve comparable frequencies in the treatment arms (see
also part 2 of this series). The procedure must be differ-
ent for purely observational studies.
One possibility of checking the effect of a confounder
is to split the test group into subgroups (strata), defined
by different levels of the confounder. In our example,
the study participants could be stratified into non-
smokers, individuals with moderate nicotine consump-
tion, and heavy smokers. The analyses are first performed
unstratified and then in the individual strata. The
Mantel-Haenszel estimate (12, 13) is often used to com-
bine the individual effect estimates from the stratified
evaluation, correcting for the confounder. The smaller
the differences between the stratified and unstratified
data, the slighter is the effect of the confounder.
The attempt is often made in case control studies to
achieve an equal group structure of patients and con-
trols, so that one or several controls are selected for each
patient, with the same sex, age, and known confounders
as those of the reference case ("matching"). Schütz and
colleagues studied risk factors for leukemia in children
and assigned a child of the same sex and age from the
same community to each case (14).
It is rarely possible to consider all potential con-
founders in matching. Observational studies are mostly
evaluated with regression models. The potential con-
founders—aside from the risk factor under study—are
incorporated in the regression model as explanatory risk
factors. The effects of the individual factors are then cal-
culated adjusted for the others. The effect of a potential
confounder can be checked by comparing the results
from two different models, calculated with and without
the incorporation of the confounder. The adjusted and
non-adjusted parameters are then published next to each
other (15).
Other errors
In addition, other potential sources of error may arise:
lead-time bias, ecological fallacy, and Simpson’s paradox.
After the introduction of screening programmes, the
patients' survival times are prolonged in most cases.
However, this is not a proof of the success of screening
programmes, as the patients are on average diagnosed
earlier and live longer with their diagnosis. This pheno-
menon is known as lead-time bias. It can be (partially)
corrected for by comparing similar regions with and
without screening programmes and with stage-specific
evaluation.
An apparent correlation may give the misleading im-
pression that there is a causal relationship where none is
present. One example is the association described by
⏐ Dtsch Arztebl Int 2009; 106(41): 664–8
Deutsches Ärzteblatt International⏐

Höfer et al. between the increasing number of births
outside hospitals and the parallel increase in the stork
population (16). Errors of this sort may occur in eco-
logical studies, which exclusively use data aggregated at
the group level, for example, at the community or
federal state level. However, the observed correlations
do not necessarily apply to the individuals in the popu-
lation considered. The plausibility of a causal relation-
ship cannot be determined, as individual data are mis-
sing. The assumption that the observed associations can
be transferred from the population to the individual
level is known as ecological fallacy.
Further apparent correlations may arise when data are
evaluated in groups, but there is uneven distribution of
an important parameter within the groups (which does
not have to be a confounder). The phenomenon is known
as Simpson’s paradox. Examples are also found in
medicine:
The data presented in Table 2 were observed in com-
paring two therapies of kidney stones (17). If the size of
the kidney stones was not considered in the evaluation,
therapy A appears to be less effective than therapy B
(78% versus 83% success). Patients with large kidney
stones have in fact a poorer prognosis. This is why treat-
ment with therapy A seems to be poorer. The superiority
of therapy A only becomes clear once the size of the kid-
ney stones has been taken into account.
Conclusion
Observational studies make important contributions to
the knowledge of the distribution and causes of diseases.
We have mentioned some of the pitfalls which can lead
to biased results. However, observational studies are
often the best approach, particularly for long periods of
observation, for rare effects, or when experimental
studies would be unethical. The most important questions
in the planning and evaluation of observational studies
are summarized in the Box.
Possible sources of error can often be recognized and
corrected in good time if pilot studies or pretests are per-
formed before the actual study, where a pilot study is a
BOX
Important questions when
planning and evaluating
observational studies
> Are the study subjects representative for the target
population?
> Are the subjects in the study arms comparable?
> Was the information collected in a comparable manner?
> Are potential measurement errors described?
> Does the study design allow for potential sources of error?
> How (good) is the quality of the collected data?
> Are correction procedures used?
⏐ Dtsch Arztebl Int 2009; 106(41): 664–8
Deutsches Ärzteblatt International⏐
MEDICINE
TABLE 2
Example of Simpson's paradox (taken from [17])
Therapy A Therapy B
(Therapy successes/Patients) (Therapy successes/Patients)
Small kidney stones 93% (81/87) 87% (234/270)
Large kidney stones 73% (192/263) 69% (55/80)
Together 78% (273/350) 83% (289/350)
preliminary investigation used to field test the methods
of the main study with a smaller test group. The perfor-
mance of a pilot study can therefore be seen as a quality
criterion for a study.
The amount of thought a scientist has invested in a
study is apparent in how well the possible weaknesses
are described, the methods to avoid or to correct pre-
dictable problems, and how unpredicted problems have
been tackled.
For readers wishing more information, we recom-
mend the German guidelines on Good Epidemiological
Practice (18) (soon to be published in English) and the
paperbacks of Crombie and Greenhalgh, extracts of
which have been published in the British Medical Journal
(19, 20). The German Radiation Protection Committee
has written a short practical checklist on the evaluation
of studies on the epidemiology of radiation. This has
been published online (21).
Conflict of interest statement
The authors declare that no conflict of interest exists according to the guidelines of
the International Committee of Medical Journal Editors.
Manuscript submitted on 17 October 2008, revised version accepted
on 11 March 2009.
Translated from the original German by Rodney A. Yeates, M.A., Ph.D.
REFERENCES
1. Atkins D, Eccles M, Flottorp S et al.: Systems for grading the quality
of evidence and the strength of recommendations I: critical appraisal
of existing approaches. The GRADE Working Group. BMC Health
Serv Res 2004; 4: 38.
2. Doll R, Peto R, Boreham J, Sutherland I: Mortality in relation to
smoking: 50 years' observations on male British doctors. BMJ 2004;
328: 1519.
3. Boone-Heinonen J, Evenson KR, Taber DR, Gordon-Larsen P: Walking
for prevention of cardiovascular disease in men and women: a sys-
tematic review of observational studies. Obes Rev 2009; 10: 204–17.
4. Hönigsmann H, Diepgen TL: UV-Hauttumoren. J Dtsch Dermatol Ges
2005; 3 (Suppl 2): 26–31.
5. Morgenroth H, Hellenbrand W, Dreja I et al.: Die Durchimpfung von
24–30 Monate alten Kindern in pädiatrischen Praxen im Zeitraum
von November 1999 bis Mai 2001 – Der Einfluss soziodemografi-
scher Faktoren. Gesundheitswesen 2005; 67: 788–94.
6. Titus SL, Wells JA, Rhoades LJ: Repairing research integrity. Nature
2008; 453: 980–2.
7. Werler MM, Pober BR, Nelson K, Holmes LB: Reporting accuracy
among mothers of malformed and nonmalformed infants. Am J
Epidemiol 1989; 129: 415–21.
8. Brenner H, Blettner M: Misclassification bias arising from random
error in exposure measurement: implications for dual measurement
strategies. Am J Epidemiol 1993; 138: 453–61.
667
MEDICINE
Key messages
> Many research questions on human health can only be
answered with observational studies. Like any type of
study, these are prone to error.
> Many factors can lead to biased study results. These
may be roughly classified as selection mechanisms,
measurement errors, confounding factors, and methodi-
cal errors.
> Due to the design of observational studies (for example,
the lack of randomization), specific types of bias are mo-
re common in observational studies. We present diffe-
rent types of interference and illustrate these with ex-
amples.
> If the investigator is aware of potential sources of bias,
these can either be avoided or adequately considered by
intelligent study planning.
> Understanding these problems is helpful to the critical
reader to interpret study results.
9. Rosner B, Willett WC, Spiegelman D: Correction of logistic regression
relative risk estimates and confidence intervals for systematic
within person measurement error. Stat Med 1989; 8: 1051–69.
10. Bonita R, Beaglehole R, Kjellström T: Basic epidemiology. 2nd ed.
New York: World Health Organisation 2007.
11. Rothmann K, Keller A: The effect of joint exposure to alcohol and
tobacco on risk of cancer of the mouth and pharynx. J Chron Dis 1972;
25: 711–6.
12. Kreienbrock L, Schach S: Epidemiologische Methoden. Heidelberg,
Berlin: Spektrum Akademischer Verlag 1996.
668
13. Breslow NE, Day NE: Statistical methods in cancer research. Volume
I. The analysis of case-control studies. Lyon, France: International
Agency for Research on Cancer 1980.
14. Schüz J, Kaletsch U, Meinert R, Kaatsch P, Michaelis J: Risk of child-
hood leukemia and parental self-reported occupational exposure to
chemicals, dusts, and fumes: results from pooled analyses of
German population-based case-control studies. Cancer Epidemiol
Biomarkers Prev 2000; 9: 835–8.
15. Korte JE, Brennan P, Henley SJ, Boffetta P: Dose-specific meta-
analysis and sensitivity analysis of the relation between alcohol con-
sumption and lung cancer risk. Am J Epidemiol 2002; 155:
496–506.
16. Hofer T, Przyrembel H, Verleger S: New evidence for the theory of the
stork. Paediatr Perinat Epidemiol 2004; 18: 88–92.
17. Charig CR, Webb DR, Payne SR, Wickham JE: Comparison of treat-
ment of renal calculi by open surgery, percutaneous nephrolithotomy,
and extracorporeal shockwave lithotripsy. Br Med J (Clin Res Ed)
1986; 292: 879–82.
18. Deutsche Gesellschaft für Epidemiologie (DGEpi) e.V.: Leitlinien für
Gute Epidemiologische Praxis (GEP). http://www.dgepi.de/pdf/
infoboard/stellungnahme/GEP%20mit%20Ergaenzung%20GPS%20
Stand%2029.7.2008.pdf
19. Crombie IK: The Pocket Guide to Critical Appraisal. London: BMJ
Publishing Group 2004.
20. Greenhalgh T: How to read a paper. London: BMJ Publishing Group
2003.
21. Strahlenschutzkommission: Kriterien zur Bewertung strahlenepide-
miologischer Studien. Bonn: Strahlenschutzkommission 2002.
Corresponding author
Dr. P. H. Gaël P. Hammer
Institut für Medizinische Biometrie, Epidemiologie
und Informatik (IMBEI)
Universitätsmedizin der Johannes Gutenberg-Universität
Langenbeckstr. 1
55101 Mainz, Germany
ghammer@uni-mainz.de
⏐ Dtsch Arztebl Int 2009; 106(41): 664–8
Deutsches Ärzteblatt International⏐
 Preventive Veterinary Medicine 113 (2014) 331–337

Contents lists available at ScienceDirect

Preventive Veterinary Medicine

journal homepage: www.elsevier.com/locate/prevetmed

Bias—Is it a problem, and what should we do?

Ian R. Dohoo ∗
Department of Health Management, Atlantic Veterinary College, University of Prince Edward Island, Charlottetown, PEI C1A 4P3, Canada

a r t i c l e i n f o a b s t r a c t

Article history: Observational studies are prone to two types of errors: random and systematic. Random
Received 24 January 2013 error arises as a result of variation between samples that might be drawn in a study and can
Received in revised form
be reduced by increasing the sample size. Systematic error arises from problems with the
28 September 2013
study design or the methods used to obtain the study data and is not influenced by sample
Accepted 6 October 2013
size. Over the last 20 years, veterinary epidemiologists have made great progress in dealing
more effectively with random error (particularly through the use of multilevel models) but
Keywords:
Bias paid relatively little attention to systematic error. Systematic errors can arise from unmea-
Systematic error sured confounders, selection bias and information bias. Unmeasured confounders include
Confounding both factors which are known to be confounders but which were not measured in a study
Selection bias and factors which are not known to be confounders. Confounders can bias results toward
Misclassification bias or away from the null. The impact of selection bias can also be difficult to predict and can be
Quantitative bias adjustment negligible or large. Although the direction of information bias is generally toward the null,
this cannot be guaranteed and its impact might be very large. Methods of dealing with sys-
tematic errors include: qualitative assessment, quantitative bias analysis and incorporation
of bias parameters into the statistical analyses.
© 2013 Elsevier B.V. All rights reserved.

1. Introduction effects at various levels of the hierarchy (i.e. to quantify the

Observational studies can be compromised by both ran-
dom error and systematic error. The latter is also referred
to as bias. Over the past 30 years, veterinary epidemiolo-
gists have made great progress in improving their handling
of random error. Specifically, the advent and widespread
adoption of multilevel modelling techniques (also known
as random effects models) has enabled researchers to
assess the statistical significance of factors operating at
multiple levels of the data hierarchy. Although the addi-
tion of random effects for “groups” does have a role to play
in removing confounding due to unmeasured group-level
confounders (Dohoo and Stryhn, 2006), the main contri-
bution of multilevel modelling has been to improve our
ability to obtain valid confidence intervals for estimates of
∗ Tel.: +1 902 566 0640; fax: +1 902 620 5053.
E-mail address: dohoo@upei.ca
random error correctly).
Unfortunately, very little attention has been paid to
systematic error. Improving study designs to minimize
or eliminate systematic errors is the crucial first step in
addressing this problem (and I believe we have made con-
siderable progress in this area), but we cannot eliminate all
errors. We should be doing more to address the impact of
systematic errors in our research.
The objectives of my paper are to:
1. briefly review random and systematic errors,
2. present some thoughts as to the nature, origin and
impact of selection bias,
3. present some thoughts as to the magnitude of misclas-
sification bias,
4. provide an overview of approaches for dealing with bias,
5. introduce quantitative bias analysis (QBA), and
6. show how bias parameters can be incorporated into the
analysis of observational study data.

0167-5877/$ – see front matter © 2013 Elsevier B.V. All rights reserved.
http://dx.doi.org/10.1016/j.prevetmed.2013.10.008
332 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337
Fig. 1. Graphic representation of random and systematic errors. ˇ is an
estimate of the parameter of interest and the shaded area of the graph
shows the 95% confidence interval around this estimate. This reflects the
fact that random error exists and the width of the confidence interval
reflects the precision of the estimate. The dotted vertical line shows the
true value of the parameter of interest. Assuming that the estimate (ˇ)
represents the estimate which would be obtained from an infinitely large
sample, the discrepancy between the true value and ˇ is attributable to
systematic error.
2. Random and systematic errors
Observational studies inevitably collect data on a subset
of animals in the population of interest. Even if this subset is
a true random sample, the estimate(s) (e.g. risk ratio, odds
ratio) will vary somewhat from the true population value as
a result of random variation inherent in the sampling pro-
cess. We usually express our uncertainty in the estimate by
computing a confidence interval which provides the reader
with some idea as to the range of values within which the
true population value might lie. The key features of random
error are: we can always reduce the error by increasing the
sample size (i.e. increasing the precision of the estimate),
and the point estimate is asymptotically unbiased (i.e. in
the long run – either with lots of data or with multiple
repetitions of the study, the estimate will be correct).
Systematic error arises when some feature of the study
leads us to obtain an estimate which is not equal to the true
population value. Increasing the sample size does noth-
ing to reduce the magnitude of the systematic error. Fig. 1
portrays random and systematic errors graphically.
There are three main types of bias which generate
systematic errors: confounding, selection bias and infor-
mation bias. The latter two will be discussed in subsequent
sections of this paper.
Confounding arises when an unmeasured (or measured
but ignored) factor is related to both the exposure and out-
come of interest and is not intermediate (in the causal
pathway) between the exposure and outcome. Unmea-
sured confounders can either be “known but not measured”
or “unknown (and hence not measured)”. Confounders that
are known but not measured might include factors such as
a livestock producer’s managerial ability (which is a very
difficult factor to measure) which we suspect is related to
both risk factors being investigated and also to an outcome
(e.g. disease) of interest. Unknown confounders are ones
Fig. 2. General framework for selection bias.
Adapted from Hernan et al. (2004).
which we have not even considered as possible sources of
confounding.
For known (and measured) confounders, confounding
can be controlled through the use of: (i) restriction, (ii)
matching, or (iii) analytical control (e.g. by inclusion in a
statistical model).
Analytical control is the most widely used form of
control. Given the substantial advances in methods for
multilevel modelling over the last 15 years, we can now
appropriately control for known confounders at all levels
of the hierarchy. For unmeasured confounders at the group
level, controlling confounding is facilitated by the use of
statistical models which take the hierarchical structure of
the data into account. If a confounder is a true group-level
confounder (i.e. no variation within groups), simulations
have shown that the confounding effects of the group-level
confounder are completely removed by including a ran-
dom effect for group in the model (Dohoo and Stryhn, 2006;
Dohoo et al., 2009 – Section 20.4.2).
3. Selection bias
There is no consistency in the literature as to how var-
ious study populations are named, but for the purpose of
this manuscript I will use definitions presented in Dohoo
et al. (2009) – Section 2.1.3, which are broadly consistent
with the terminology used by Rothman et al. (2008).
Target population – the population to which it might be
possible to extrapolate results. (The target population is
often not clearly defined).
Source population – the population from which the study
subjects are drawn.
Study group (or sample) – the actual subjects (animals
or groups of animals) which end up in the study and whose
data are used in the analysis.
Selection bias arises whenever the study group is not
representative of the source population. Selection bias can
arise in many ways such as non-response, loss to follow-
up, selective survival, and admission risk bias. The possible
causes are numerous and the reader is referred to gen-
eral textbooks (Dohoo et al., 2009 – Chapter 12; Rothman
et al., 2008 – Chapter 12) for a more complete discussion.
Throughout this paper, I will generally consider selection
bias arising from non-response.
Hernan et al. (2004) published a general framework for
understanding selection bias. Any factor which is related to
– and consequent to – both the exposure and disease can
be a source of selection bias. Fig. 2 shows the simplest rep-
resentation of this situation in that both the exposure (E)
 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337
Fig. 3. Example of when a factor (non-response) initially considered to
be a source of selection bias might be a surrogate for an unmeasured
confounder.
and outcome (D) are related to the probability of selection,
but, in this example, are independent of each other. It is
not intuitively obvious why a factor (probability of selec-
tion) which is consequent to the outcome of interest should
be of concern in a study. However, once selection is con-
trolled for, a spurious association is created between E and
D. Selection is always controlled for by a form of restriction
– the analysis is restricted to study participants.
Although we generally consider non-response to be a
potential source of selection bias, that might not always
be the case. In some situations, non-response might be
closely associated with an unmeasured confounder, mak-
ing non-response a surrogate for that confounder. In these
situations, restricting the analysis to responders will pro-
duce a less biased estimate than would analysis based on
both responders and non-responders (of course that is not
possible). This is represented in Fig. 3. In panel A, it appears
that non-response is a source of selection bias in a study
of the impact of off-farm employment on mastitis levels in
dairy herds. However, as can be seen in panel B, if off-farm
employment is strongly associated with low managerial
ability (designated “poor farmer” – a confounding factor
which is hard to measure), then non-response serves as a
surrogate for the confounder and control of the confounder
by limiting the analysis to responders would be beneficial.
This highlights the need to think carefully about potential
causes of selection bias and how they might relate to factors
under investigation.
One particular cause of this selection bias deserves men-
tion; bias arising from missing data. Although no more
(or less) important than other forms of selection bias,
recent advances in analytical methods might make it fea-
sible to address missing data during the analysis. Most
researchers present results based on “complete-case anal-
yses” – analysis that is based on those observations for
which the data were complete. Depending on the mecha-
nism which generated the missing values, a complete-case
analysis might just have less power than an analysis which
included all cases, or it might be biased (i.e. contain sys-
tematic error). Two general approaches to dealing with
missing values – maximum likelihood estimation of models
which incorporate missing-value parameters, and multiple
333
imputation – have become more widely available in
standard statistical software and should be considered. Dis-
cussion of these methods is beyond the scope of this paper,
so the reader is referred to texts on the subject (Buuren,
2012; Little and Rubin, 2002; Molenberghs and Kenward,
2007).
3.1. Magnitude of selection bias
Consider the following scenario:
• A study in which the response rate was only 30% in both
the exposed and non-exposed groups.
• Evidence that disease rates were substantially (50%)
higher in non-responders than responders.
• Responders: p(D+|E+) = 0.2, p(D+|E−) = 0.1.
• Non-responders: p(D+|E+) = 0.3, p(D+|E−) = 0.15.
Most people would assume that selection bias was a
serious problem in this scenario because of the very poor
response rate. In fact, there would be no selection bias
because the response rate was equally poor in the exposed
and non-exposed groups.
However, suppose that the example above is modi-
fied so that the response rates are substantially different
between the two exposure groups:
70% non-response in the exposed but only 30% in the non-
exposed
then selection bias is present – but the bias evident in the
risk ratio is modest (true value = 2.35, observed value = 2.0)
despite the large disparity in response rates.
This example was presented to highlight three features
of selection bias. First, it is often easy to “suspect” selection
bias, even when none is present. Secondly, a quick super-
ficial consideration of the problem of selection bias can
often lead to very incorrect conclusions as to its impact.
Thirdly, the magnitude of selection bias might- or might
not-be, much less than initially expected. Two recent stud-
ies of the impact of selection bias on controversial topics in
human epidemiology exemplify this problem. In an assess-
ment of the impact of selection bias on case–control studies
of household pesticide exposure and childhood leukemia,
Aydin et al. (2011) found that selection bias would not
completely explain the positive effects observed in these
studies (i.e. the conclusion of a positive effect was legiti-
mate), but most of the uncorrected estimates were biased
away from the null (i.e. larger than the corrected esti-
mates). On the other hand Rudant et al. (2010) carried out
a simulation study to evaluate the potential effects of both
selection bias and information bias (recall error) on stud-
ies of the effect mobile phone use on risk of brain tumours.
Those authors found that within plausible ranges of selec-
tion probabilities and levels of recall bias, there would be
very little impact on observed associations.
4. Information bias
Information bias arises whenever an investigator has
the wrong information about an exposure or outcome of
334 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337
Table 1
Effect of misclassification bias on study results. The exposure (E) was mea-
sured without error, but the disease (D) was measured using a diagnostic
test with sensitivity = 0.6 and specificity = 0.9. Although the “true” OR = 6.0,
the “observed” OR = 2.67.
“True” population data Observed data
E+ E− E+
D+ 300 100 200
D− 200 400 300
interest or about other covariates included in the model.
As with selection bias, there are many causes (recall bias,
imperfect diagnostic tests, errors in data collection or tran-
scription, etc.) If the error is in a variable measured on a
continuous scale, it is termed “measurement error”; errors
in categorical variables are referred to as “misclassification
errors”. Errors may also be classified as non-differential (if
they are equal in the two groups being compared) or differ-
ential (if they are not equal) (Dohoo et al., 2009 – Section
12.6).
Given that virtually all diagnostic tests used to gener-
ate data for observational studies are imperfect, it behoves
us to think about the potential magnitude of those errors.
Table 1 shows some hypothetical data with the true pop-
ulation values presented in the first two columns, and the
observed data that were generated by a diagnostic test with
sensitivity = 0.6 and specificity = 0.9 presented in the last
two columns. As can be seen, the true odds ratio (OR) for
these data (OR = 6.0) is reduced to an observed OR = 2.67 by
the information bias present – a very serious underestima-
tion of the true effect. In my experience, misclassification
bias frequently produces serious distortion of study results
given the nature of many of the diagnostic tests we use.
One reason why the problem of misclassification bias
is frequently overlooked is that if the errors are non-
differential, we assume that the bias will always be
toward the null (i.e. we will under-estimate the effect) –
which is sometimes considered a less serious error than
over-estimating the effect. Although non-differential mis-
classification bias is generally toward the null, this is not
assured for the following reasons.
• Although the expectation of a non-differential misclassi-
fication of a binary exposure or outcome is toward the
null, observed results in a given study are not totally
predictable and can be in either direction (Jurek et al.,
2006).
• It is not possible to predict the direction of the bias for
specific levels of exposure variables that have more than
two categories (Weinberg et al., 1994).
• If misclassification errors of both the exposure and
outcome are dependent, then even if they are both non-
differential, they can produce bias in either direction
(Kristensen, 1992). This situation might arise when the
same method (e.g. a questionnaire) is used to obtain data
on both the exposure and outcome.
• If a confounder is measured with error, our ability to
remove the confounding effect from the model might be
greatly reduced, resulting in bias in either direction.
Given the potentially large effects of misclassification
bias on our study results, this source of bias deserves more
attention in the veterinary literature.
5. Approaches for dealing with bias
E− There are five major approaches to dealing with system-
100 atic errors in observational research.
400
1. Modify the study design to minimize or eliminate the
bias. This should always be done and will not be dis-
cussed further; it is beyond the scope of this paper.
2. Ignore the bias or insert some sort of “wishy–washy”
statement such as “The results of this study may have
been affected by selection bias so should be interpreted
with caution”. This statement is meaningless and is usu-
ally inserted by authors who want to cover themselves
in case future work shows their results to be completely
incorrect. Neither ignoring the bias nor inserting such
a statement is acceptable and will not be considered
further.
3. Perform a qualitative assessment of the biases which are
of the greatest concern.
4. Perform a quantitative assessment (QBA) of the biases
which are of the greatest concern.
5. Modify the analysis to incorporate bias parameters into
the statistical modelling.
A qualitative assessment of the biases of concern should
consider both the direction and expected magnitude of the
bias(es) of concern. This is not an easy process. As was seen
in the selection bias example presented above, a superficial
consideration of the issue is very likely to produce incor-
rect results. A qualitative assessment becomes extremely
difficult if you have concern about multiple biases. Their
impacts can be in opposite directions and it is virtually
impossible to estimate their net effect correctly.
In the absence of good estimates of bias parameters
(described Section 6), qualitative analyses are the best we
can do. However, to get an idea of the potential magnitude
of non-response and misclassification biases, spreadsheets
in which you can create a hypothetical study population
and superimpose various levels of bias are available at
www.upei.ca/ver.
Reviewers and journals have a role to play in encour-
aging thorough qualitative analyses, but in my experience,
often fail to do so. In 2012, I had the discouraging expe-
rience of an editor (not from this journal) insisting that I
remove all discussion about the potential impact of sys-
tematic errors in a paper I published because I did not have
quantitative estimates of bias parameters and references to
back them up. Ultimately, the bias discussion was left in the
manuscript – but it was discouraging that the suggestion
to remove it was even made at the editorial level.
6. Quantitative bias analysis
A QBA is an analysis conducted after a study has been
completed; the purpose of a QBA is to adjust the study
results for suspected systematic errors. The estimates of
systematic error can then be combined with estimates of
 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337 335

the random error in a study to produce an overall error Table 2

estimate. This section will only briefly introduce the topic
of QBA and the reader is directed to “Applying Quantitative
Bias Analysis to Epidemiologic Data “(Lash et al., 2009) for
a more thorough explanation.
Hypothetical example showing the use of a quantitative bias analysis to
adjust estimates derived from a case–control study of atopic dermatitis in
dogs. The observed data are based on a study by Nodtvedt et al. (2007).
Observed data

To carry out a QBA, one must have reasonable estimate E+ E−

of the bias parameters relevant to the bias of concern. The D+ 31 16
possible biases and the bias parameters required are: D− 25 30

• Selection bias – sampling fractions for each of the expo-
sure/disease categories (i.e. the proportion of the source
population included in the study group within each expo-
sure/disease category)
• Misclassification bias – the sensitivity and specificity of
the tests used for parameters measured with error (e.g.
sensitivity and specificity of the exposure or outcome
classification)
• Unmeasured confounders – the prevalence of the con-
founder along with the strength of its associations with
both the exposure and outcome.
Ways of generating estimates of the bias parameters are
described in (Lash et al., 2009) – but it should be kept in
mind that an educated guess is probably better than assum-
ing that no bias exists.
With estimates of those parameters in hand, the investi-
gator can perform either a simple or a probabilistic QBA. In
simple analysis, point estimates of the bias parameters are
used to adjust observed results for the bias of concern. In a
probabilistic analysis, rather than using point estimates of
the bias parameters, the investigator specifies distributions
for the parameters to reflect the fact that the parameters
are probably not known with certainty. An iterative pro-
cess ensues in which bias parameter estimates are drawn
repeatedly from the distribution(s) and used to compute
adjusted estimates for the parameter of interest. The result
of this process is a distribution of results which may be
presented graphically.
Example 12.4 in Dohoo et al. (2009) is repeated here
(with permission) to demonstrate simple and probabilistic
QBAs. The example is based on results from a case–control
study by Nodtvedt et al. (2007) who observed that lactat-
ing dogs whose diet included no home-cooked foods had
an increased risk of atopic dermatitis (OR = 2.33). For peda-
gogic purposes, we postulated that selection bias had arisen
if owners of cases were more likely to participate in the
study than owners of control dogs, as were owners who
fed home cooked foods. (Note: I do not in any way imply
that selection bias did impact this study, this example is for
pedagogic purposes only). Table 2 shows the observed data
Bias parameter estimates (sampling fractions (sf))
Simple Probabilistic
sf exposed cases (E+|D+) 0.5 Triangular (0.4, 0.5, 0.6)
sf non-exposed cases (E−|D+) 0.6 Triangular (0.5, 0.6, 0.7)
sf exposed controls (E+|D−) 0.05 Triangular (0.01, 0.05, 0.1)
sf non-exposed controls (E−|D−) 0.1 Triangular (0.05, 0.1, 0.2)
under the assumption that the proposed sampling frac-
tion distributions are reasonable, the beneficial effect of
home-cooked foods is substantially reduced.
Quantitative bias analyses can be extended to consider
multiple biases. In general, the bias corrections need to
applied in the reverse order to which they occurred when
the original data were generated. Most commonly, con-
founding (usually considered a population phenomenon)
will occur earliest, followed by selection bias, with mis-
classification bias last. Corrections should be applied in the
reverse order. However, the order in which threats to the
validity of a study arise can vary from the norm and this
must be taken into consideration.
Spreadsheets for carrying out a QBA are available at:
https://sites.google.com/site/biasanalysis/and some routi-
nes are available in statistical packages (e.g. -episens- in
Stata and the -sensmac- macro in SAS).
7. Incorporating bias parameters into analyses
As an alternative to adjusting study results after a study
has been completed (QBA), methods exist to incorporate
information about bias parameters into the analysis of the
original data so that adjustments take place during this
analysis. Prior information can be built into regression
F q

for the study and the estimates of the bias parameters used
in the simple and probabilistic QBAs. Triangular distribu-
tions were chosen for the sampling fractions because they
are one of the easiest distributions to specify and visualize.
The simple QBA produced an adjusted estimate of the OR of
1.40 – suggesting that, if the estimates of the sampling frac-
tions were correct, the original estimate of the detrimental 3
effect of having no home cooked foods was over-estimated.
Results from the probabilistic QBA are shown in Fig. 4. The
Fig. 4. Results from a hypothetical quantitative bias analysis (QBA) inves-
median value of the resultant distribution is now 1.29 with tigating the potential impact of selection bias on a study of diet and atopic
30% of the individual estimates being <1.0. Once again, dermatitis in dogs.
336 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337

Table 3 (larger OR if OR < 1 and smaller OR if OR > 1). This was to

Selected results from a study of risk factors for CNS intramammary infec-
be expected given that the study assumed non-differential
tions (Dufour et al., 2012). Both original (nonadjusted) estimates and
estimates after adjustment for misclassification of CNS culture results are
misclassification errors and the outcome was binary. How-
presented. Odds ratios (OR) that were statistically significant at P = 0.05 ever, the magnitude of the errors was surprising. Looking
are designated with*. at the effects of sand bedding (compared to straw) on the
Type of bedding as a risk factor for incidence of new CNS infections
incidence of new intramammary infections, the OR was
underestimated by a factor of 1.9 (0.51 vs. 0.27). For the
Bedding Nonadjusted OR Adjusted OR elimination of existing infections, the discrepancy was even
Straw Ref. Ref. larger – the effect of sand bedding was underestimated by
Sand 0.51* 0.27* a factor of 2.9 (1.7 vs. 4.9). Although the underestimated
Shavings 0.73* 0.55*
effects remained statistically significant, this would consti-
Hay 1.0 1.0
Wood and straw 0.9* 0.84* tute a form of Type-II error (failing to detect the full effect
that exists). Interestingly, even though effects were biased
Type of bedding as a risk factor for elimination of existing CNS toward the null, it was possible to have Type-1 errors as
infections well. Adjustment for misclassification of the effect of type
Straw Ref. Ref. of ration on the prevalence of CNS moved the OR from
Sand 1.7* 4.9* 1.3 to 1.6 – but it lost statistical significance as a result of
Shavings 1.1 1.6 the uncertainty in the estimates of sensitivity and speci-
Hay 0.9 0.7
ficity that were used in the adjustment. Failure to adjust
Wood and straw 1.5* 3.3*
would have resulted in this risk factor being (erroneously)
Type of ration as a risk factor for prevalence of CNS infection declared “statistically significant”.

Component Ref. Ref.

Total mixed ration 1.3* 1.6
8. Conclusions

Much progress has been made in the quality of statisti-

models (Greenland, 2003) and, more commonly into a vari-
ety of Bayesian models (Dohoo et al., 2009 – Section 24.5.3;
Rothman et al., 2008 – Chapter 19). This approach to bias
correction will be introduced by presenting a recently pub-
lished example.
Dufour et al. (2012) carried out a study to investi-
gate risk factors for coagulase-negative Staphylococci (CNS)
intramammary infections in Canadian dairy herds. The
authors were concerned about two potential sources of
systematic error. The first was misclassification of expo-
sures (risk factors). The investigators dealt with this by
limiting their analyses to risk factors which they had been
able to demonstrate could be measured reliably on dairy
farms (see the cited paper for details). This potential source
of systematic error will not be discussed further in this
manuscript.
The second potential source of systematic error was
misclassification of the outcome (CNS infection – either
incidence of new infection, elimination of existing infection
or prevalence of infection). Fortunately, estimates of the
sensitivity and specificity of CNS culture procedures had
recently been obtained from the same population of dairy
farms (Dohoo et al., 2011a,b). It was assumed that misclas-
sification errors were non-differential (i.e. errors would be
the same in farms with and without the risk factor(s) of
interest).
The authors used Bayesian methods to fit a latent class
model with the true intramammary infection status as the
latent variable (McInturff et al., 2004). The authors used
informative priors (based on the recently published esti-
mates) for the sensitivity and specificity of CNS culture
procedures and non-informative priors for all other param-
eters (fixed and random effects).
A summary of selected results is presented in Table 3. In
all cases, non-adjusted results were biased toward the null
cal analyses in the veterinary epidemiology literature. This
has been brought about by a combination of advances in
methodology (particularly in the area of multilevel models)
and a much greater awareness of the need for appropri-
ate analyses. Consequently, most published research now
appropriately accounts for – and presents – the random
error associated with a study.
Unfortunately, comparable progress has not been made
in dealing with systematic error. Lack of information about
the bias parameters necessary to adjust for systematic
errors almost certainly contributes to researchers’ unwill-
ingness to tackle this problem. Some might assume that
– in the absence of reliable estimates of these param-
eters – it is better not to adjust for systematic errors.
However, ignoring the issue is equivalent to making the
assumption that no biases exist (e.g. the sensitivities and
specificities of the procedures used for classifying expo-
sure and outcome were all 100%). This is almost certainly
incorrect and the use of educated guesses of bias param-
eters in a QBA is almost certainly better than ignoring the
issue.
I recommend that authors carefully consider the poten-
tial impacts of systematic errors in their research and,
at a minimum, provide a carefully considered qualitative
assessment of those impacts. If any information at all is
available on the bias parameters needed to adjust for sys-
tematic errors, the application of some form of QBA is
encouraged. Finally, when designing studies, investigators
should consider incorporating (into the study) data collec-
tion which will enable estimation of the bias parameters
required to carry out a QBA of the study’s results. Edit-
ors also have a role to play in dealing with this issue.
Manuscript submissions which ignore the possibility of
bias, or deal with it in a superficial and non-informative
manner, should not be accepted.
 I.R. Dohoo / Preventive Veterinary Medicine 113 (2014) 331–337
Conflict of interest
The author declares that he has no financial or personal
conflict of interest that would interfere with this article.
References
Aydin, D., Feychting, M., Schuz, J., Andersen, T.V., Poulsen, A.H., Prochazka,
M., Klaeboe, L., Kuehni, C.E., Tynes, T., Roosli, M., 2011. Impact of ran-
dom and systematic recall errors and selection bias in case–control
studies on mobile phone use and brain tumors in adolescents (CEFALO
study). Bioelectromagnetics 32, 396–407.
Buuren, V., 2012. Flexible Imputation of Missing Data. CRC Press, Boca
Raton, FL.
Dohoo, I., Martin, S., Stryhn, H., 2009. Veterinary Epidemiologic Research.
VER Inc., Charlottetown.
Dohoo, I., Andersen, S., Dingwell, R., Hand, K., Kelton, D., Leslie, K.,
Schukken, Y., Godden, S., 2011a. Diagnosing intramammary infec-
tions: comparison of multiple versus single quarter milk samples for
the identification of intramammary infections in lactating dairy cows.
J. Dairy Sci. 94, 5515–5522.
Dohoo, I.R., Stryhn, H., 2006. Simulation studies on the effects of clustering.
In: Proc. Int. Symp. Vet. Epidemiol. Econ., Vina del Mar, Chile.
Dohoo, I.R., Smith, J., Andersen, S., Kelton, D.F., Godden, S., 2011b. Diag-
nosing intramammary infections: evaluation of definitions based on
a single milk sample. J. Dairy Sci. 94, 250–261.
Dufour, S., Dohoo, I.R., Barkema, H.W., Descoteaux, L., Devries, T.J., Reyher,
K.K., Roy, J.P., Scholl, D.T., 2012. Epidemiology of coagulase-negative
staphylococci intramammary infection in dairy cattle and the effect of
bacteriological culture misclassification. J. Dairy Sci. 95, 3110–3124.
337
Greenland, S., 2003. The impact of prior distributions for uncontrolled
confoundingand response bias: a case study of the relation of wire
codes and magnetic fields to childhood leukemia. J. Am. Stat. Assoc.
98, 47–54.
Hernan, M.A., Hernandez-Diaz, S., Robins, J.M., 2004. A structural approach
to selection bias. Epidemiology 15, 615–625.
Jurek, A.M., Maldonado, G., Greenland, S., Church, T.R., 2006. Exposure-
measurement error is frequently ignored when interpreting epidemi-
ologic study results. Eur. J. Epidemiol. 21, 871–876.
Kristensen, P., 1992. Bias from nondifferential but dependent misclassifi-
cation of exposure and outcome. Epidemiology 3, 210–215.
Lash, T., Fox, M., Fink, A., 2009. Applying Quantitative Bias Analysis to
Epidemiologic Data. Springer, New York.
Little, R., Rubin, D., 2002. Statistical Analysis with Missing Data, second
ed. John Wiley and Sons, Hoboken, NJ.
McInturff, P., Johnson, W.O., Cowling, D., Gardner, I.A., 2004. Modelling
risk when binary outcomes are subject to error. Stat. Med. 23, 1095–
1109.
Molenberghs, G., Kenward, M., 2007. Missing Data in Clinical Studies. John
Wiley and Sons, Chichester, UK.
Nodtvedt, A., Bergvall, K., Sallander, M., Egenvall, A., Emanuelson, U., Hed-
hammar, A., 2007. A case–control study of risk factors for canine atopic
dermatitis among boxer, bullterrier and West Highland white terrier
dogs in Sweden. Vet. Dermatol. 18, 309–315.
Rothman, K.G., Greenland, S., Lash, T., 2008. Modern Epidemiology, third
ed. Lippincott, Philadelphia.
Rudant, J., Clavel, J., Infante-Rivard, C., 2010. Selection bias in case–control
studies on household exposure to pesticides and childhood acute
leukemia. J. Exp. Sci. Environ. Epidemiol. 20, 299–309.
Weinberg, C.R., Umbach, D.M., Greenland, S., 1994. When will nondifferen-
tial misclassification of an exposure preserve the direction of a trend?
Am. J. Epidemiol. 140, 565–571.
ASIGNATURA : REDACCIÓN Y PUBLICACIÓN DE ARTÍCULOS II
CICLO : IX
SEMESTRE ACADEMICO : 2023-2
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

PRESENTACIÓN DE LA ASIGNATURA:
REDACCIÓN Y PUBLICACIÓN DE ARTÍCULOS II

DOCENTE: Mg Cesar Burga

Investigador RENACYT-CONCYTEC
 7mo Puesto en el Ranking Internacional Scimago

- Investigación

- Innovación

- Sociedad

https://www.scimagoir.com/rankings.php?country=PER&sector=Higher%20educ.
NÚMERO DE PUBLICACIONES CIENTÍFICAS DE LA ASIGNATURA
DE REDACCIÓN CIENTÍCA HASTA EL AÑO 2022

Año 2019 2020 2021 2022

Número de publicaciones en
la asignatura de Redacción
científica por año 3 6 50 44

Incremento del Rattio Q1-Q2/Total

NÚMERO DE ESTUDIANTES QUE PUBLICARON EN LAS ASIGNATURAS DE
REDACCIÓN CIENTÍFICA
ESTRUCTURA DE LA ASIGNATURA DE
REDACCIÓN Y PUBLICACIÓN DE
ARTÍCULOS CIENTÍFICOS II
PRODUCTO DEL CURSO:

ENVÍO DE UN REPORTE DE CASO A UNA

REVISTA INDIZADA EN SCOPUS O WoS
El curso está dividido en 16 semanas
• 4 pruebas prácticas (cada una, 15% de la
nota final).
• 2 exámenes teóricos (cada uno, 20% de
la nota final).
EVALUACIÓN DE LAS PRÁCTICAS CALIFICADAS
Semana 2: 1era Evaluación: Presentación de propuesta de reporte de caso
Semana 4: 2da Evaluación: Presentación del primer avance del manuscrito (i) y PC1 (15% del pf)
presentación de la revista escogida (ii).

Semana 7: 3era Evaluación: Evaluación del manuscrito

Semana 9: 4ta Evaluación: Presentación del manuscrito completo. PC2 (15% del pf)

Semana 12: 5ta Evaluación: Presentación de los archivos secundarios de un PC3 (15% del pf)
Reporte de caso.

Semana 14: 6° Evaluación: Presentación del manuscrito Final. Se decide que

reportes de casos serán enviados (10%) PC4 (15% del pf)
Semana 15: 7° Evaluación: Envíos (90%)*

*Solo podrán enviar los trabajos los estudiantes seleccionados en la semana 14

PC3 o Examen parcial:
Si el estudiante presenta su carta de aceptación del trabajo enviado
en la asignatura de Redacción y Publicación de Artículos I, podrá
tener derecho a las siguientes bonificaciones:

- Q1: Hasta 3 puntos extras en el examen parcial o en la PC3.

- Q2: Hasta 2 puntos extras en el examen parcial o en la PC3.

- Q3/Q4: Hasta 1 puntos extras en el examen parcial o en la PC3.

PC4:
Bonificación: Si el trabajo se encontraba también en cuartil Q1 o Q2
de Scopus:
- El estudiante recibirá 4 puntos extras sobre el examen teórico final
si envía el trabajo a una revista Q1.
- El estudiante recibirá 2 puntos extras sobre el examen teórico final
si envía el trabajo a una revista Q2.
- Si el estudiante presenta una carta al Editor, en la PC4 será
evaluado sobre 15.
PC4:
- Si el trabajo no se encuentra en las bases de datos de WoS (SCI-
Expanded, SSCI y AHCI) se colocará cero de nota.
Bonificación por participación en congresos científicos
Presentar un certificado por :

- Congreso científico - Inscrito (3 puntos).

nacional/internacional
- Envío de trabajo
- Congreso Científico científico/Presentador (5
Internacional UPSJB. puntos).

Solo puede recibir una bonificación por evento científico. Máximo

puede recibir 10 puntos de bonificación en todo el curso.
Normativa de bonificación:
- El docente de práctica es el encargado de colocar la bonificación antes del
cierre de cada nota de las PCs.

- El estudiante debe enviar los certificados del curso/congreso realizado, vía

correo, antes de las fechas de cierre de notas de cada PC.

- La máx bonificación a recibir por todo el curso es de 6 puntos por realizar

cursos/congresos.

- En caso se detecte un certificado falso, adulterado o manipulado, se anulará la

bonificación por esta modalidad a todos los estudiantes del aula y el alumno
estará desaprobado de la asignatura. Se reportará este acto a escuela para la
evaluación del caso y posible expulsión del alumno.
EVALUACIÓN DE LOS EXAMENES TEÓRICOS

Semana 8: Examen parcial

Semana 16: Examen final

Las preguntas del examen no solo vendrán de las diapositivas impartidas en clase, sino del
tema que el Syllabus propone. El estudiante deberá profundizar los temas después de cada
clase.
PUNTOS ÉTICOS:

• En toda práctica que se detecte plagio, el

alumno tendrá nota de cero sin derecho a
reclamo.
• Los manuscritos avanzados en Redacción y
Publicación de Artículos I NO pueden ser
utilizados para trabajar en la presente
asignatura
PARA LA SELECCIÓN DE REPORTE DE CASOS

- Se deben seguir las recomendaciones del CARE:

1) recognizing new or rare diseases, (2) evaluating
the therapeutic effects, adverse events, and costs of
interventions; and (3) improving problem-based
medical education.

https://www.care-statement.org/case-reports
PROCESO DE ENVÍO

• El envío de los manuscritos deberá ser realizado por el

docente o supervisado por este.

• Si el estudiante realiza por su cuenta el envío del manuscrito

sin autorización del docente, este no podrá ser evaluado en
la PC4 y tendrá la nota de CERO. Además, el caso será
enviado para revisión del comité de disciplina de la UPSJB.
AUTORÍAS
• El docente y los estudiantes que participen en la edición del manuscrito
tendrán derecho a ser autores según las normas de dictadas por el
ICMJE.

• El docente puede escoger no participar como co-autor. Dependerá de las

coordinaciones iniciales en cada grupo.

• El docente deberá ser preferentemente el autor corresponsal del

manuscrito para darle seguimiento al manuscrito.

• El número de estudiantes que trabajen en grupo para la redacción del

manuscrito no deberá exceder al límite de autores que la revista estipule,
tomando en consideración al docente como co-autor.
REVISTAS
• Se deberá trabajar con revistas indizadas a WoS (SCI-
Expanded, SSCI y AHCI) principalmente. Estas revistas
pueden también estar indizada en Scopus.

• Las revistas escogidas deberán ser libre en pago para envío o

para publicación del manuscrito.

• En caso de revistas en Inglés, el estudiante deberá ser

responsable de la traducción.

• El estudiante debe revisar el número máximo de autores.

 BASES PERMITIDAS PARA PUBLICAR

SCOPUS WoS

- SCI-Expanded
- Q1 - SSCI
- Q2 - AHCI
- Q3
- Q4 Se excluye:
Emerging Sources Citation
Index (ESCI)
REPORTE DE CASO
They provide evidence for effectiveness in a real-world setting,
whereas clinical trials provide evidence for the efficacy of
interventions in a controlled setting. Both are necessary. Case
reports today make up an increasing percentage of the articles in
peer-reviewed medical journals and have provided key milestones
in our understanding of AIDS, Zika virus infections, and the side
effects of thalidomide in the late 1950s. Case reports “have a high
sensitivity for detecting novelty and are a cornerstone of medical
progress”
(Vandenbroucke 2001).
ASIGNATURA : REDACCIÓN Y PUBLICACIÓN DE ARTÍCULOS II
CICLO : IX
SEMESTRE ACADEMICO : 2023-2
ASIGNATURA : REDACCIÓN Y PUBLICACIÓN DE ARTÍCULOS II
CICLO :X
SEMESTRE ACADEMICO : 2023-2
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

Semana 2
Reporte de caso: importancia y
criterios para la elaboración
I. Reporte de casos - ¿Qué son?
Es un tipo de estudio observacional que
presenta detalladamente problemas
médicos de un paciente único y de
características únicas.

Organizan y vuelven a narrar lo que

ocurrió en la historia clínica, evolución de
la enfermedad, cuidados médicos
instituidos y los resultados obtenidos. Son
el único medio para describir eventos
clínicos raros.

Méndez-Álvarez, Lupo, Albino-Serpa, Fiorella, & Donado-Gómez, Jorge

Hernan do. (2019). Reporte de casos. ¿Cómo escribir uno de buena
calidad?. Acta Medica Colombiana, 44(2), 103-110
II. Relevancia histórica
• Los informes de casos actuales constituyen un porcentaje
cada vez mayor de los artículos en revistas médicas revisadas
por pares y han proporcionado hitos clave.

Comprensión del SIDA Infecciones por el virus Efectos secundarios de la

Zika talidomida
III. Reporte de Caso - ¿Para qué sirven?

1.- Reconocer enfermedades nuevas o raras.

2.- Evaluar los efectos terapéuticos, eventos adversos y costos

de las intervenciones.

3.- Mejorar la educación médica basada en problemas.

IV. Reporte de Caso - Limitaciones
1. Tienen una alta sensibilidad para detectar la novedad, pero pueden
tener menor especificidad para la toma de decisiones médicas.

2. Su contribución al conocimiento científico es relativamente escaso

ya que son susceptibles a sesgos.

3. El manejo de los pacientes en un en torno ambulatorio ocurre

principalmente en un ambiente no controlado.

4. No pueden ser generalizados más allá del contexto del paciente

informado.

5. No permiten realizar asociaciones estadísticas por la ausencia de

un grupo de comparación.
IV. Reporte de Caso - Fortalezas
1. Pueden realizarse y comunicarse de manera rápida.

2. Permiten estudiar o describir exposiciones, enfermedades o

situaciones muy poco frecuentes.

3. Permiten reconocer lo inesperado.

4. Suelen ser de fácil comprensión para toda la comunidad científica y

para la población en general.

5. Información que permite generar hípótesis para estudios futuros.

 Reporte de Ensayos
caso clínico

Proporcionan evidencia Proporcionan evidencia

de la eficacia en un de la eficacia en un
entorno del mundo real entorno controlado
V. ¿Qué abarca un reporte de caso?

Condición clínica nueva

Relacionados al
Presentación inusual de una enfermedad conocida
diagnóstico

Diagnósticos difíciles de realizar

Reportes de caso
Enfoque terapéutico nuevo, original o mejor

Relacionados al
Aparición de nuevos o inusuales efectos adversos
tratamiento

Fallas en la eficacia terapéutica (resistencia)

VI. Reporte de caso – Criterios generales

Manuel Huamán-Guerrero, Rafael Pichardo-Rodríguez, Jhony A. De La Cruz-Vargas. Como

hacer un reporte de caso, principios metodológicos [Artículo de Revisión]. Rev. Fac. Med. Hum.
2016;16(2):47-52. DOI 10.25176/RFMH.v16.n2.668
Manuel Huamán-Guerrero, Rafael Pichardo-Rodríguez, Jhony A. De La Cruz-Vargas. Como hacer un reporte de caso, principios
metodológicos [Artículo de Revisión]. Rev. Fac. Med. Hum. 2016;16(2):47-52. DOI 10.25176/RFMH.v16.n2.668
VII. Reporte de caso – Fuentes bibliográficas
En la actualidad existen revistas biomédicas que están dedicadas sólo a la
publicación de reportes de casos.
VII. Reporte de caso – Fuentes bibliográficas
Romaní Franco. Reporte de caso y serie de casos: una aproximación para el pregrado. Ciencia e
Investigación Médico Estudiantil Latinoamericana (CIMEL). Vol. 15 Núm. 1 (2010).
Finalmente….
A pesar de ser el nivel más bajo de evidencia,
los reportes de caso clínico siguen siendo una
de las fuentes más importantes de
conocimiento en el ámbito biomédico, ya que
permiten entender las presentaciones fuera de
lo común de una enfermedad o los beneficios
de utilizar medidas no convencionales en el
tratamiento de un padecimiento, además de
que permiten a los lectores conocer nuevos
conceptos y generar nuevas perspectivas para
su práctica habitual.

Pineda-Leguízamo Ricardo, Miranda-Novales Guadalupe, Villasís-

Keever Miguel Ángel. La importancia de los reportes de casos
clínicos en la investigación. Rev. alerg. Méx.
ASIGNATURA : REDACCIÓN Y PUBLICACIÓN DE ARTÍCULOS II
CICLO :X
SEMESTRE ACADEMICO : 2023-II
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

Semana 3
"The rule of Cs" para la construcción
de un reporte de caso.
I. Reporte de casos - ¿Qué son?
Es un tipo de estudio observacional que
presenta detalladamente problemas
médicos de un paciente único y de
características únicas.

Organizan y vuelven a narrar lo que

ocurrió en la historia clínica, evolución de
la enfermedad, cuidados médicos
instituidos y los resultados obtenidos. Son
el único medio para describir eventos
clínicos raros.

Méndez-Álvarez, Lupo, Albino-Serpa, Fiorella, & Donado-Gómez, Jorge

Hernan do. (2019). Reporte de casos. ¿Cómo escribir uno de buena
calidad?. Acta Medica Colombiana, 44(2), 103-110
VI. Reporte de caso – Criterios generales

Manuel Huamán-Guerrero, Rafael Pichardo-Rodríguez, Jhony A. De La Cruz-Vargas. Como

hacer un reporte de caso, principios metodológicos [Artículo de Revisión]. Rev. Fac. Med. Hum.
2016;16(2):47-52. DOI 10.25176/RFMH.v16.n2.668
 II. Tipos de Reportes de Caso
Se han identificado en la literatura dos grandes tipos: los reportes de caso
relacionados al diagnóstico y los relacionados al tratamiento.

Relacionados al diagnóstico :se abordan problemas tales como:

condición clínica nueva o presentación inusual de una enfermedad
conocida, un nuevo método diagnóstico, asociación inesperada entre la
enfermedad y los síntomas, diagnósticos difíciles de realizar. Generalmente
éstos no hacen énfasis en el tratamiento de estas condiciones.

Relacionados al manejo: por lo general tienden a hacer más detallados

y brindan información más completa. Se dividen dentro de este mismo
grupo en los que evidencian un enfoque terapéutico nuevo, original o
mejor y la aparición de nuevos o inusuales efectos adverso

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 III. Estructura

En 2013 se desarrollaron las Guías CARE para

análisis de reporte de casos, denominada así por
las siglas en inglés de reporte de
caso (CAse REport).

Esta guía surge con el objetivo de brindar un

respaldo y mejorar la integridad, transparencia y
análisis de los reportes de casos

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 Título

Se debe describir de forma precisa, clara y corta,

además debe ser lo suficientemente interesante
para captar el interés del lector.

Se recomienda que el título abarque la

información más importante del caso y que
termine identificando esta metodología: Reporte
de caso

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 Abstract (Resumen)
Generalmente los resúmenes de los reportes de caso tienden a ser
más cortos que el resto de la literatura biomédica, debe ser corto y
conciso el límite de palabras a usar, está determinado por cada una
de las revistas. Se debe evitar el uso de abreviaturas

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Palabras claves
Los autores deberían incluir cuatro a siete palabras
claves, para facilitar a los potenciales lectores la
búsqueda y las posibilidades de encontrar el reporte
de caso.

Recomendamos la búsqueda de estas palabras claves

mediante la herramienta DeCS (Descriptores de
ciencias de la salud) disponible en http://decs.bvs.br
 Introducción
La introducción debe ser breve y debe aportar un contexto
general de la enfermedad o condición, definiciones claves,
importancia del problema en términos de incidencia,
prevalencia y/o costos. Además, se debe hacer referencia a
los antecedentes descritos en la literatura médica, por
ejemplo si se trata de una reacción adversa de un
medicamento, la introducción debería detallar los usos de
este medicamento y los efectos adversos documentados al
momento

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Presentación del caso
Inicialmente se debe contextualizar al lector sobre el paciente,
se recomienda brindar información demográfica (edad, sexo,
talla, grupo étnico), antecedentes personales, familiares, de
exposición del paciente. Un aspecto a tener en cuenta es que la
información deberá limitar la posibilidad de identificar al
paciente (iniciales del paciente, fecha de nacimiento, etc.) .

La descripción del caso debe ser completa y lo suficientemente

detallada para lograr que el lector establezca sus propias
conclusiones acerca del caso. Además el caso debe estar
escrito de forma cronológica, primero el cuadro clínico, examen
físico al inicio, luego ayudas diagnósticas utilizadas, manejo,
desenlaces y seguimiento. El escritor se puede ayudar con
herramientas como líneas de tiempo además se puede adjuntar
fotos, gráficos, ayudas diagnósticas, tablas, entre otras ayudas

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 Discusión
La discusión se puede considerar como la parte más
importante de un reporte de caso

Está caracterizada por contener aspectos importantes del

caso con su interpretación correspondiente en el contexto
del paciente y de la literatura existente acerca del tema.

El autor deberá especificar las fortalezas y limitaciones en

el abordaje del caso y la importancia de cada limitación

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Conclusión
Debe ser corta y concisa, con mensajes claros para "llevar a casa"
cada reporte de caso puede derivar nuevos conocimientos, nuevas
aplicaciones a la práctica clínica o en su defecto nuevas hipótesis.
Por lo tanto se debe describir las principales lecciones que se
pueden aprender del reporte de caso.

Perspectiva del paciente

Esta sección brinda la oportunidad al paciente de co municar su
perspectiva, experiencia o concepción de su enfermedad, su uso
no ha sido rutinario a pesar de estar descrito en las guías CARE,
sólo algunas revistas incluyen este apartado.

Referencias
Deben ser completas, preferiblemente recientes, deben sustentar
las acciones clínicas realizadas y las decisiones que se tomaron al
respecto, cada revista puede tener su límite de referencias
Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 Aspectos éticos
Los aspectos éticos deben ser interpretados con
cautela en la observación de un Reporte de Caso,
al revisar el ma nuscrito de un reporte de caso,
los revisores deben garantizar ciertos aspectos.

Primeramente, que el anonimato y la

confidencialidad esté protegida. Los
investigadores deben revisar que los
identificadores del paciente han sido removidos
o enmas carados de todos los aspectos del
manuscrito, ya sea por escrito o dentro de
fotografía.

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
Lista de Chequeo

Méndez-Álvarez Lupo, Albino-Serpa Fiorella, Donado-Gómez Jorge Hernan do. Reporte de casos. ¿Cómo escribir uno de buena calidad?. Acta Med Colomb [Internet].
2019 June [cited 2022 Sep 11] ; 44( 2 ): 103-110. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-24482019000200103&lng=en.
 Formato de consentimiento
informado BMJ.
Disponible en:
http://authors.bmj.com/submitting-your-
paper/patient-consent-and-
confidentiality/
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

SEMANA 4
BÚSQUEDA AVANZADA DE ARTÍCULOS
CIENTÍFICOS

DOCENTE: Mg Cesar Burga

Investigador RENACYT-CONCYTEC
 ¿Por qué buscar artículos científicos?

A un nivel práctico, citar artículos científicos

resulta imprescindible para cualquier
investigador, por tres razones:
1.Demuestra que conoce y tiene en cuenta los últimos
avances en la materia sobre la que trabaja.

2.Encuadra dentro del panorama existente su aportación

específica.

3.Apoya, rebate o da un nuevo giro a la perspectiva que

hasta el momento venga manejando la comunidad científica,
citando otros estudios con resultados, metodologías y datos
concretos.
 ¿Dónde buscar artículos científicos?
• El acceso a muchas de las plataformas científicas en las que se pueden encontrar
este tipo de revistas puede ser libre o requerir de una clave de tipo personal o
institucional (previo pago).
• Las tres principales clases de bases de datos que puedes utilizar son índices
(compiladores de artículos), repositorios (de universidades y otras instituciones
investigadoras) y buscadores académicos.
• SciELO funciona como una
biblioteca electrónica con un
motor de búsqueda que te
permite localizar publicaciones
académicas por título, materia,
autor y palabras clave, entre otros
recursos. Su principal interés (y
limitación) radica en que la
mayoría de literatura científica
que contiene procede de países
hispanoamericanos.
• Es de libre acceso y posee gran cantidad de artículos y publicaciones académicas.
• Permite seleccionar si quieres buscar páginas solo en español o en cualquier idioma.
• Permite buscar artículos científicos por autor y otros muchos campos.
• Puedes iniciar sesión y crear una biblioteca desde una cuenta Gmail, además de lanzar
búsquedas avanzadas y recibir alertas sobre las palabras clave que te interesan.
Scopus
• Scopus es una base de datos
de referencias bibliográficas y
citas de la empresa Elsevier,
de literatura peer review y
contenido web de calidad,
con herramientas para el
seguimiento análisis y
visualización de la
investigación.
Perfil de afiliación o de autor. Permiten realizar un análisis del
rendimiento en investigación de una institución o de un autor.
• Búsqueda de documentos, por
autor, por afiliación y búsqueda
avanzada para usuarios expertos
en la construcción de búsquedas
complejas.

• Métricas de impacto:
➢ SJR (SCimagoJournal Rank):es una
métrica que pondera en función del
prestigio de una revista. Reparte por
igual el prestigio de una revista entre
el número total de citas de la misma
y normaliza las diferencias en el
comportamiento de la citación de los
diferentes campos temáticos.
• PubMed es el principal motor de búsqueda de artículos científicos
sobre Medicina de libre acceso. La institución que se ocupa de su
gestión es la Biblioteca Nacional de Medicina de Estados Unidos, y
supera los 33 millones de citas.
• Su interfaz (en inglés) permite
búsquedas simples y
avanzadas, con su propia guía
de uso.
• Para temas muy específicos
basta con introducir una
palabra clave.
• Se pueden hacer filtros por
campos (autor, fecha, idioma,
ISBN…) y también incluyendo
o excluyendo términos con los
botones ADD, NOT y OR.
•A medida que lanzas
búsqueda crea un historial
sobre el que puedes volver.
• Es la colección de bases de datos de referencias bibliográficas y citas de publicaciones periódicas
que recogen información desde 1900 a la actualidad.
• La WOS está compuesta por la colección básica Core Collection que abarca los índices de
Ciencias, Ciencias Sociales y Artes y Humanidades, además de los Proceedings tanto de Ciencias
como de Ciencias Sociales y Humanidades junto con las herramientas para análisis y evaluación,
como son el Journal Citation Report y Essential Science Indicators.
• Ofrece múltiples opciones de
búsqueda y de refinar y ordenar
los resultados, aportando
información muy completa sobre
los artículos, los autores y las
publicaciones.

• Ofrece otros recursos que

también os pueden resultar
útiles como son la creación de
alertas de citas, y el acceso al
gestor de referencias
bibliográficas Endnote Web y al
sistema de identificación de
autores científicos ResearchID.
 TIPOS DE ARTICULOS
• Reporte y serie de casos: Describe uno o más casos
clínicos.

• Comunicaciones cortas: Reportes sobre resultados

preliminares o de ensayos de investigación,
observaciones clínicas, y métodos, técnicas o
procedimientos nuevos, modificados o validados.

• Originales: resultados originales de una investigación

• De revisión: Son preparados por expertos que

resumen, analizan y discuten artículos de
investigación publicados sobre un campo en
particular.

• Revisiones sistemáticas: Análisis de toda la

bibliografía existente para responder una pregunta de
investigación.
RECOMENDACIONES

• Usar apropiadamente los keyword.

• Usar buscadores científicos.

• No limitarse por el idioma.

• Usen todos los buscadores, ninguno es
perfecto.
• Atención con el tipo de artículo que
están leyendo
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

SEMANA 5
Case Report
CARE GUIDELINES

DOCENTE: Mg Cesar Burga

Investigador RENACYT-CONCYTEC
PAUTAS
Antes de DESPEGAR con
nuestro
REPORTE DE CASO
Hacer
CHECK LIST
las
Guías
CaRe
 ¿Dónde está?
www
https://www.care-statement.org/
 3 PREGUNTAS

1. ¿Qué son las guías CARE ?

 ¿Qué son las guías CARE?

Las pautas CARE (para REPORTE DE CASOS) fueron

desarrolladas por un grupo internacional de expertos para
respaldar un aumento en la precisión, transparencia y
utilidad de los informes de casos.
Las pautas CARE han sido respaldadas por varias
publicaciones y editores médicos y se han traducido a varios
idiomas.
Las pautas CARE respaldan la misión de Equator Network de
mejorar los informes de investigación en salud
 CARE Checklist of information to include when writing a case report

Topic Item Checklist item description Reported on Line

Title 1 The diagnosis or intervention of primary focus followed by the words “case report” . . . . . . . . . . . . . . . . . . . . . . . . . .
Key Words 2 2 to 5 key words that identify diagnoses or interventions in this case report, including "case report" . . .

Check list Abstract

(no references)
3a
3b
Introduction: What is unique about this case and what does it add to the scientific literature? . . . . . . . . . . . . . . . .
Main symptoms and/or important clinical findings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3c The main diagnoses, therapeutic interventions, and outcomes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3d Conclusion—What is the main “take-away” lesson(s) from this case? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Introduction 4 One or two paragraphs summarizing why this case is unique (may include references) . . . . . . . . . . . .
Patient Information 5a De-identified patient specific information. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5b Primary concerns and symptoms of the patient. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5c Medical, family, and psycho-social history including relevant genetic information . . . . . . . . . . . . . . . . .
5d Relevant past interventions with outcomes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Clinical Findings 6 Describe significant physical examination (PE) and important clinical findings. . . . . . . . . . . . . . . . . . . . . . .
Timeline 7 Historical and current information from this episode of care organized as a timeline . . . . . . . . . . . . . . .
Diagnostic 8a Diagnostic testing (such as PE, laboratory testing, imaging, surveys). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Assessment
8b Diagnostic challenges (such as access to testing, financial, or cultural) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8c Diagnosis (including other diagnoses considered) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8d Prognosis (such as staging in oncology) where applicable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Therapeutic 9a Types of therapeutic intervention (such as pharmacologic, surgical, preventive, self-care) . . . . . . . . . . . . . . . . . . . .
Intervention
9b Administration of therapeutic intervention (such as dosage, strength, duration) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9c Changes in therapeutic intervention (with rationale) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Follow-up and 10a Clinician and patient-assessed outcomes (if available) . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . .
Outcomes
10b Important follow-up diagnostic and other test results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10c Intervention adherence and tolerability (How was this assessed?) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10d Adverse and unanticipated events . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Discussion 11a A scientific discussion of the strengths AND limitations associated with this case report . . . . . . . . . . . . . . . . . . . . . . .
11b Discussion of the relevant medical literature with references. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11c The scientific rationale for any conclusions (including assessment of possible causes) . . . . . . . . . . . . . . . . . . . . . . . .
11d The primary “take-away” lessons of this case report (without references) in a one paragraph conclusion . . . . . . .
Patient Perspective 12 The patient should share their perspective in one to two paragraphs on the treatment(s) they received . . . . . . . .
Informed Consent 13 Did the patient give informed consent? Please provide if requested . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Yes No
TITULO

• Título sugestivo que capte la atención del lector.

• CARE sugiere colocar “reporte de caso”
Autores - Palabras clave

• Autores: ponerse de acuerdo antes de iniciar la redacción.

• Utilizar términos MeSH o DeCS
• “Case report” puede ser incluidos como palabra clave (Care)
RESUMEN
• El número de palabras: 100 a 150 dependiendo de la revista.
• Puede ser estructurado o no estructurado.
• INTRODUCCIÓN: Qué de único tiene ese caso?, ¿Qué lo hace
diferente?, ¿Qué aporta a la evidencia existente?.
• PRESENTACIÓN DEL CASO: Cuadro clínico, diagnóstico,
manejo, pronóstico.
• CONCLUSIONES: Lecciones que se pueden extraer del caso
Introducción

• Breve. Antecedentes del caso. Bibliografía relevante.

• Dejar “algo” para la sección discusión.
• Si se utilizan las guías CaRe, debe consignarse: “This case
report was prepared following the CARE guidelines”
DESCRIPCION DEL CASO

• Información del paciente, incluir datos sociodemográficos.

• Antecedentes: familiares, personales, sociales, viajes. Drogas,

patologías previas, medicamentos, alimentos, etc.

• Enfermedad actual: relato cronológico del paciente mórbido y

los sucesos relacionados.

• Examen clínico: signos vitales. Descripción general. Mayor

detalle en los sistemas afectados
Lineas de tiempo
DESCRIPCION DEL CASO
• Exámenes de laboratorio: indicar todas las pruebas realizadas.
No es necesario mencionar todos los valores, son los
resultados anormales.

• Los hallazgos relevantes pueden colocarse en tablas.

• Imágenes: adjuntar las relevantes incluyendo radiología, fotos

de lesiones, fotos del fondo de ojo, láminas patológicas, etc.
DIAGNOSTICO
• Análisis e interpretación de la historia y de los resultados
iniciales. Se pueden brindar diagnósticos presuntivo.

• Agregar datos o pruebas adicionales con evolución clínica (esto

también puede ir en la descripción del caso).

• Establecer diagnóstico definitivo: basándonos en los síntomas

con los exámenes auxiliares y la evolución
MANEJO

• Describir detalladamente el tratamiento tanto farmacológico

como no farmacológico, y la duración del tratamiento.
• Incluir el relato cronológico del tratamiento instaurado y la
respuesta del paciente a dicho tratamiento.
• Si es posible mencionar el estado actual del paciente.
MANEJO
MANEJO
DISCUSION

• Puntos fuertes y limitaciones en el manejo del caso reportado.

• Discusión de la literatura médica relevante.
• Justificación de las conclusiones (incluir evaluación de las
causas y efectos posibles).
• Las principales lecciones que se pueden extraer del reporte
PERSPECTIVA DEL PACIENTE

• El paciente debe compartir su perspectiva (en uno o dos

párrafos) sobre el tratamiento recibido
CONSENTIMIENTO INFORMADO

• Requerido por la mayoría de revistas científicas.

•
• Casos que requiere consentimiento adicional: menores de 18
años (asentimiento), y letrados, invidentes. Fotos.

• Firma del consentimiento: Paciente, testigo, apoderado.

Referencias bibliográficas

• Lista del material consultado y usado en la elaboración del

reporte.
• Incluye artículos originales, revisiones, etc.
• Sirve para sustentar la información mencionada y dar crédito a
los autores de la información usada.
• Usualmente máximo 10 referencias
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo E. Gardini Tuesta”

SEMANA 06 – PRINCIPIOS ETICOS

PARA UN REPORTE DE CASO

DOCENTE: Mg Cesar Burga

Investigador RENACYT-CONCYTEC
PRINCIPIOS ETICOS PARA UN
REPORTE DE CASO
INTRODUCCIÓN

Es responsabilidad del investigador

garantizar que la investigación sea de
calidad, tanto en lo que se refiere al
interés, relevancia y valor potencial,
como en sus aspectos éticos.
En la raíz de toda investigación y, por lo
tanto, de todo investigador, ha de estar la
honestidad. Y ésta ha de estar presente
desde el planteamiento inicial y diseño del
REPORTE DE CASO, hasta la difusión y
publicación de la información obtenida.
Ética para publicar un reporte de caso
Lo mas importante es
contar con el
consentimiento informado
La lista de los autores que
hicieron una contribución
significativa al reporte de
caso deben estar Se debe guardar reserva
adecuadamente de la identidad o datos muy
identificados confidenciales de los
pacientes

Respetar las normas de

publicación de reporte de
caso según la revista No remitir el mismo
elegida reporte de caso a varias
revistas a la vez
Ética de recolección de datos
1. El inventar y adulterar datos son uno de los comportamientos incorrectos más dañinos
durante el proceso de investigación.
•Lo primero a tener en cuenta en la
investigación biomédica en seres
humanos, es que la verdad científica
está al servicio de la persona y no al
contrario.
 Aspectos éticos de Investigación y administrativos
Principios éticos en investigación
Creado en 1979 por Departamento de Salud, Educación
y Bienestar de los Estados Unidos

Se basa en el estudio de Tuskegee 1932 – 1972

• Cohorte de sífilis de 399 afroamericanos en Alabama.

• Objetivo: Observar el comportamiento natural de la
Sífilis.
• Ingresaron sin consentimiento informado, no se les
brindó el resultado de su diagnóstico.

• 1947: ya se había descubierto la penicilina y no se les

brindó a los positivos.
 Aspectos éticos de Investigación y administrativos
Principios éticos en investigación AUTONOMÍA

● El participante decide de manera voluntaria su participación, sin

sentirse presionado o comprometido.
● Se le debe informar sobre la investigación y sus riesgos.

BENEFICENCIA/NO MALEFICENCIA

● Prevenir el daño, eliminar el daño, hacer el bien a otros.

● Los riesgos están presentes en toda investigación, pero deben ser
mínimos. Incluye siempre la acción.
● No maleficencia: por sobre todas las cosas, no se debe hacer
daño. Implica la ausencia de acción.

JUSTICIA

● Participantes deben ser tratados de manera equitativa y justa;

antes, durante y después de su participación.
● Respetar la privacidad del participante.
 CONSENTIMIENTO INFORMADO
Documento informativo en donde se invita a las personas a participar en
¿Qué es? una investigación. Debe reunir los requisitos de capacidad, voluntariedad,
información y comprensión.

Características

1. Veraz: la información brindada al sujeto debe ser suficiente y adecuada.

2. Libre: no hay coacción interna o externa para participar en el estudio.
3. Oportuno: el sujeto debe tener tiempo suficiente para decidir su participación.
4. Formal: el consentimiento se da por escrito.
5. Interactivo: el sujeto tiene derecho a asesoramiento antes de tomar su decisión.
 CONSENTIMIENTO INFORMADO
Información para los posibles sujetos de investigación
• Nombre del proyecto de investigación en el que participará.
• Objetivos del estudio, es decir, qué se pretende obtener con la investigación.
• Procedimientos y maniobras que se le realizará a las personas en ese estudio.
• Riesgos e inconvenientes de participar en este estudio así como las molestias que pudieran generar.
• Derechos, responsabilidades y beneficios como participante en ese estudio.
• Compensaciones o retribuciones que podría recibir por participar en la investigación.
• Aprobación del proyecto de investigación por un Comité de Ética de investigación en humanos.
• Confidencialidad y manejo de la información, es decir, en el escrito se debe garantizar que sus datos no podrán ser vistos o
utilizados por otras personas ajenas al estudio ni tampoco para propósitos diferentes a los que establece el documento que
firma.
• Retiro voluntario de participar en el estudio (aunque al principio haya dicho que sí) sin que esta decisión repercuta en la
atención que recibe en el instituto o centro en el que se atiende, por lo que no perderá ningún beneficio como paciente.

Conducta del investigador frente al consentimiento informado:

● Dejar que el participante plantee sus dudas al respecto de la investigación.
● Evitar intimidar o decepcionar al participante.
 CONSENTIMIENTO INFORMADO debe...
Información para los posibles sujetos de investigación

• Tener fecha y firmas de la persona que va a participar en la investigación o de su representante legal,

así como de dos testigos
• Especificar la relación que tienen éstos con el participante en el estudio.
• Estar marcado el nombre y la firma del investigador que obtiene el Consentimiento informado.
• Tener datos para el contacto de las personas responsables y autoras del protocolo de investigación
(teléfono o correo electrónico, por si requieren comunicarse para cualquier asunto relacionado con el
proyecto de investigación).
 CONSENTIMIENTO INFORMADO
Situaciones especiales

● Solo serán involucrados si el trabajo

de investigación no se puede realizar
con adultos.
Enfermedad mental
● Propósito de estudio: obtener
información relevante sobre salud ● El consentimiento
infantil. informado se expresará
● Para el consentimiento informado, mediante sus tutores o
Niños y niñas necesitan la presencia de tutores o
representantes legales.
representantes legales del menor.

● Solo someterse a investigación NO

EXPERIMENTAL.
● Objetivo: obtener nuevos
conocimientos sobre
embarazo/lactancia materna.

Mujeres embarazadas o que

estén amamantando
Emanuel EZ, Crouch RA, Arras JD, Moreno, JD. Ethical and Regulatory aspects of Clinical
Research: Readings and Commentary. Baltimore: Johns Hopkins University Press; 2003.
Chapter 1.

Mario Tamayo y Tamayo, el Proceso de la Investigación Científica. México.

Miriam Ballestrini Acuña. El Proyecto de Investigación. Séptima edición. Junio 2006.

Revista L, Medicina P De, Lilacs D. FALTAS ÉTICAS EN PUBLICACIÓN CIENTÍFICA : A PROPÓSITO

DE UN [ ETHIC FAULTS IN SCIENTIFIC La carta fue remitida a los autores quienes respondieron
lo siguiente : 2009;26(3):408–9.
ASIGNATURA : Redacción II
CICLO : IX
SEMESTRE ACADEMICO : 2023-II
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

COVER LETTER
Y
ARCHIVOS SECUNDARIOS

Docente: Mg Cesar Burga

• Durante el proceso de envío del manuscrito a la REVISTA CIENTÍFICA, la
preparación de archivos secundarios es esencial.
• Uno de esos archivos es la COVER LETTER (Carta de presentación).
COVER LETTER

La COVER LETTER es un documento que acompaña tu manuscrito en el envío

a la revista.

Es una oportunidad para presentar a tu manuscrito

La carta no es una mera formalidad y debe ser escrita con el mismo cuidado
que el manuscrito.

Puede influir en la decisión del editor.

 Argumenta el
porqué el
manuscrito es
adecuado para
la revista

Invitar a que se
envíe a la Resalta los
revisión por Highlights
pares
CARACTERÍSTICAS
DE LA COVER
LETTER

Se puede
Debe invitar a garantizar al
leer editor que no
cuidadosamente existen
tu manuscrito Conflicto de
interés
ESTRUCTURA
• A quién va dirigido la carta (datos del Editor): Esta información
se encuentra en la revista.

• Primera parte, se puede empezar con datos del manuscrito y

los autores, explicar el tipo de artículo. Se puede explicar
brevemente los RESULTADOS MÁS IMPORTANTES de la
investigación
ESTRUCTURA

• Segunda parte, escribir brevemente por qué tu manuscrito

debería ser aceptado para la revista. Se recomiendo no usar
redacción cómo:
• En interesante para el área..
• Es novedoso ya qué…

• Asegúrate que en la carta:

• ¡Colocar que tu manuscrito cuenta con lo que la revista busca!
✓ Si la revista busca investigación con aplicación clínica, debes ser enfático de la
aplicación de tus resultados en la clínica.
Otras cosas que pueden aparecer en los párrafos:

• Mencionar que el artículo es original

• El artículo no ha sido publicado anteriormente.

• El artículo no se ha enviado anteriormente a ninguna otra

revista.

• No existe conflicto de interés

 Modelos de escrita para la cover letter

https://www.thinkscience.co.jp/en/articles/writing-journal-cover-letters
Modelos de escrita para la cover letter
Modelos de escrita para la cover letter
¿Que falta?

¿De que depende?

Al FINAL, LO MÁS IMPORTANTE ES:

La COVER LETTER debe generar

un intererés suficiente en el
EDITOR para que lea
cuidadosamente tu paper y lo
envíe a la revision por pares
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo E. Gardini Tuesta”

DISCUSIÓN DEL MANUSCRITO Y

EL PENSAMIENTO CRÍTICO

Docente: Mg Cesar Burga

DISCUSIÓN DEL MANUSCRITO Y EL
PENSAMIENTO CRÍTICO
La discusión

Derivado del latín “discutere” que

significa “disipar, zanjar o resolver”; y en
el campo de la investigación implica
examinar de forma rigurosa y atenta un
tema de investigación.
La discusión

Segmento que responde a la siguiente

pregunta:
¿Qué significan los resultados?

Adopta un carácter argumentativo al

tratar de convencer al lector de la validez
de los hallazgos.
La discusión

De la misma manera que los anteriores

segmentos de un artículo científico debe
ser claro, ordenado, conciso, siguiendo
una secuencia lógica, para lo cual se
sugiere las siguientes recomendaciones:
Características y recomendaciones al momento de redactar
una discusión
Características
▪ Presenta las relaciones, generalizaciones y principios de los
resultados encontrados.
▪ Analiza los resultados, se interpretan en relación a los avances de
la ciencia, los compara, discute y se confronta con los resultados
de otros estudios además de resaltar lo novedoso y relevante del
estudio.
▪ Indica las excepciones o aspectos no resueltos del problema
estudiado. Presenta las limitaciones y las implicaciones de los
hallazgos que permitan desarrollar nuevas investigaciones
(recomendaciones).
Características y recomendaciones al momento de redactar
una discusión
Características
▪ Presenta las consecuencias teóricas de los hallazgos así como
sus aplicaciones prácticas.
▪ La interpretación de los resultados se realiza dentro de los límites
de la lógica del estudio.
▪ Resalta las características más novedosas e importantes de los
resultados, así como su contextualización acorde a las evidencias
existentes.
▪ Los hallazgos son discutidos y no solamente repetidos, en los
casos de repeticiones se analizan los patrones.
Características y recomendaciones al momento de redactar
una discusión
Recomendaciones para su redacción
▪ Esmérese: Es la parte que más peso e importancia tiene en un
artículo científico. No argumente muchos datos sin concluir algo
relevante.
▪ Explique el significado científico de los hallazgos: interprete los
resultados más importantes, relacionándolos con los objetivos; va
más allá de una simple descripción. Se deben analizar y comparar
con base en los conocimientos previos.
Características y recomendaciones al momento de redactar
una discusión
Recomendaciones para su redacción
▪ Relaciónelo con la hipótesis (en caso que se haya requerido):
basado en los resultados, se consigue aceptar o rechazar y
discutir la hipótesis planteada.
▪ Siempre fundamentar la discusión de resultados en base a
estudios ya publicados. Evitar el uso de especulaciones sin base
científica.
Características y recomendaciones al momento de redactar
una discusión
Recomendaciones para su redacción
▪ Evite que sea demasiado extenso y en exceso detallistas. No
repita datos, tablas o figuras ya indicadas en la sección de
resultados o la introducción; evitar comentar solo los resultados
del estudio sin ser comparados o confrontados.
▪ Siga un orden lógico acorde a la presentación de resultados
obtenidos, criterios metodológicos, variables y comparación con
otros estudios.
▪ Cuando se cite a algún autor o se indique alguna aseveración se
debe indicar la referencia. Se debe citar las fuentes de
información que fueron consultadas en su totalidad.
SUGERENCIAS A DISCUTIR

• Siempre recuerde ICA: Identifique, comparé y analice.

• No olvide seguir la estructura de un párrafo (idea principal

e ideas secundarias)

• No redacte oraciones sueltas sin un párrafo temático.

SUGERENCIAS A DISCUTIR

• Resalte sus objetivos y sus principales hallazgos, para comenzar la

discusión desde este punto.

• ¿Que tan frecuente es esta presentación clínica? Que dice la

literatura sobre este caso? Ya se ha reportado? Que dicen los
otros reportes de caso?
SUGERENCIAS A DISCUTIR

• Diagnóstico: El abordaje diagnóstico fue el apropiado? Como

tenemos la certeza de que el diagnóstico es el verdadero y no un
Falso positivo/negativo? Cuál es la prueba gold standard para esta
enfermedad? Si no usamos la prueba gold estándar, ¿Que
propiedades tiene la prueba diagnóstica que usamos?

• Tratamiento: Cual es el tratamiento que nosotros aplicamos (sea

puntual) y cual es el tratamiento recomendado por la literatura?
Que dice literatura científica sobre este tratamiento? Hay otros
esquemas? Funcionan mejor, peor o igual?
SUGERENCIAS A DISCUTIR

Limitaciones: Mencione las limitaciones del abordaje

diagnóstico que aplicó (uso la gold estándar? Cual es la sen y
esp de la prueba diagnóstica? Cual es la probabilidad de que
el caso sea un Falso positivo/Falso negativo) y resalte las
fortalezas. Limitaciones y fortalezas del tratamiento
brindado. Otras Limitaciones y fortalezas del estudio.
La discusión

La discusión se centra en establecer

posibles explicaciones a los resultados
encontrados, no necesariamente
respaldando la hipótesis planteada.
La discusión

Además, se debe destacar las

características novedosas y
relevantes de la investigación, por qué
el estudio tiene mérito para ser
publicado, así como las conclusiones que
derivaron de ella.
La discusión

Al redactar la discusión, los autores no deben

reflejar sus emociones personales, pues sería un
texto sesgado y muchas veces demasiado amplio.
Se recomienda siempre explicar y discutir
ideas basadas en hechos reportados
anteriormente y no sólo basarse en
especulaciones.
La discusión

Se sugiere además finalizar comentando la

importancia de los hallazgos encontrados así
como la implicancia práctica y/o clínica del
estudio. Los artículos originales, revisiones
sistemáticas y reportes de caso suelen ser los
principales tipos de artículos científicos que
presentan la sección de discusión.
Características de la discusión según tipo de artículo científico
Cabada, M. M., Lopez, M., Cruz, M., Delgado, J. R., Hill, V., & White Jr, A. C. (2016). Treatment failure after multiple courses of triclabendazole
among patients with fascioliasis in Cusco, Peru: a case series. PLoS neglected tropical diseases, 10(1), e0004361.
Nótese la estructura del párrafo y como se aborda el tema principal a través de ideas
secundarias:
Pech-Alonso, B., Fermín-Hernández, C., Meixueiro-Calderón, C., Vargas-Abrego, B., Flores-Colín, I., &
Cicero-Sabido, R. J. (2019). Hydatid pulmonary cyst: A case report. Revista médica del Hospital General de
México, 82(2), 112-115.
• Discute sobre la
presentación clínica
• Se discute sobre
herramientas
diagnósticas alternativas
• Discute sobre las
fortalezas y debilidades
del tratamiento
aplicado.
▪ Comité Internacional de Editores de Revistas Médicas. Requisitos de Uniformidad para los manuscritos
enviados a revistas biomédicas: escritura y proceso editorial para la publicación de trabajos biomédicos. Rev
Esp Cardiol. 2004;57(6):538-56.
▪ Weinberger CJ, Evans JA, Allesina S. Ten Simple (Empirical) Rules for Writing Science. PLoS Comput Biol.
2015;11(4):1-6. https://doi.org/10.1371/journal. pcbi.1004205
▪ International Committee of Medical Journal Editors. Recommendations for the conduct, reporting, editing,
and publication of scholarly work in medical journals (updated december 2017). [Consultado el 10 de octubre
del 2018]. Disponible en: http://www.icmje.org/recommendations/.
▪ Day RA. Cómo escribir y publicar trabajos científicos. 3era ed. Washington: Organización Panamericana de la
Salud-OPS; 2005.
▪ Mario Tamayo y Tamayo, el Proceso de la Investigación Científica. México.
▪ Miriam Ballestrini Acuña. El Proyecto de Investigación. Séptima edición. Junio 2006.
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo E. Gardini Tuesta”

¿DONDE Y COMO PUBLICAR?

Docente: Mg Cesar Burga

¿Y como elegir la revista?

• Objetivos de la revista alineados a su

trabajo
• Que este indexada
• Idioma
• Open Access
• Costo por publicación?
• Tiempo de publicación
• Prepublicación online
 Primer Borrador

Muchas revisiones de
colaboradores
Seleccionar
otra revista Versión final

Artículo rechazado Aceptado sin cambios Aceptado con cambios

Artículo aceptado
 PROCESO DE ELABORACIÓN DE UN ARTÍCULO

Escriba su articulo
Compártalo con los
Escoja una revista siguiendo las reglas
co-autores
de esta revista

Compártalo con los

Editarlo Sométalo
co-autores
La redacción: El Reto!!!!

Consejos básicos de redacción:

• Redacte siempre en 3era persona

• Use tiempo presente, pasado o futuro simple

• Redacte en voz activa

• Una idea = Una oración

• Sujeto + Verbo + Predicado

• Seguir estructura de un párrafo.

Escribir es un proceso complejo de largo aliento

1. Escribir
2. Editar
3. Volver a escribir
4. Editar (volver al paso 1)
Escriba su articulo con las secciones necesarias

• Título
• Resumen
• Introducción
• Materiales y métodos
• Resultados
• Discusión
• Conclusión
• Bibliografía

• Pueden haber otras dependiendo de la revista donde quieren

publicar y deberían iniciar el proceso de escribir escogiendo una
revista y viendo sus reglas para autores.
Guía para los autores
Seguir la revista que esta alineado a tu estudio

• Las identifica en el proceso de redacción y búsqueda bibliográfica.

• Buscar en la sección de “objetivos y alcance” de cada revista

científica.
Buscar los objetivos y alcance de cada revista
Buscar los objetivos y alcance de cada revista
¿Y CUANTO DEMORA EN
PUBLICAR?
Este journal demora aproximadamente 6 meses en publicar
¿Y EL COSTO?
AUTORIAS

El autor y co-autores deben de:

• Haber participado lo suficiente como para asumir la

responsabilidad pública del contenido del trabajo.

Haber contribuido en forma sustancial en:

a) la concepción y el diseño del estudio, o en el análisis y la

interpretación de los datos
b) La redacción del artículo o la revisión crítica de una parte
sustancial de su contenido intelectual
c) la aprobación final de la versión que será publicada.
Tener cuidado con:

• Autores de regalo, autores de fantasma, contribuyentes.

• Si no han dado aporte intelectual pero si algún otro tipo de aporte,

pueden ir en los agradecimientos.

• Resolverlo antes de redactar y entregar al Journal!!!!

ASIGNATURA : Redacción II
CICLO : IX
SEMESTRE ACADEMICO : 2023-II
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

Análisis e interpretación de
Ensayos Clínicos

Docente: Mg Cesar Burga

Introducción
1. Cada día se aprueban nuevas drogas, nuevos tratamientos,
nuevas intervenciones, como concecuencia de resultados
favorables en ensayos clínicos

2. Estas aprobaciones cambian la práctica clínica, ofreciendo

nuevas opciones de tratamiento e intervención para pacientes

3. Es importante para los medicos, entender la información de

los ensayos clínicos, su validez y sus resultados
 Recordemos, ¿qué es un ensayo clínico?

• Un estudio de investigación que prospectivamente asigna participantes humanos (o

grupos) a una o más intervenciones de salud para evaluar sus efectos y/o desenlaces.

• Un ensayo clínico puede ser aleatorizado (RCT) o no aleatorizado (NRCT)

Los RCT crean grupos de

Los RCT tienen como
Los RCT son considerados el pacientes similares en
ventaja una buena selección
Estándar de Oro en diseños factores pronósticos
de la cohorte, la
para estudiar nuevos conocidos y desconocidos,
comparabilidad de grupos y
medicamentos con excepción de la
el ajuste para confusores
intervención

Akobeng AK. Principles of evidence based medicine. Arch

RCT: Randomized Clinial Trial; NCRT: Non-Randomized Clinical Trial Dis Child. 2005;90:837–40
En un estudio experimental:

– El investigador interviene en la historia natural,

alterando la exposición de interés.

– y luego realizando inferencia en la asociación entre

la exposición y el outcome (desenlace)
ENSAYO CLÍNICO

• Ensayo = experimento

– Ensayo clínico= experimento controlado que tiene un evento

clínico como outcome.

• Se realiza en un ambiente clínico e involucra personas que

tienen una enfermedad (o condición de salud o riesgo para una
condición de salud) específica.
¿Y QUE ES UN ENSAYO CLÍNICO
ALEATORIZADO?
ALEATORIZACIÓN
• La aleatorización es el proceso por el cual la asignación de los
sujetos a los grupos de tratamiento (A o B) se realiza según el
azar

• Intenta asegurar la comparabilidad de los grupos.

• Programas, tabla de números al azar, dados, papel, etc.

Ejemplo:

• Se desea probar un nuevo tratamiento contra los mareos para

viajes marítimos.

• Se formula un estudio experimental.

• El tratamiento se da a la tripulación y se compara con un

grupo control que fueron los nuevos pasajeros del barco.
Enmascaramiento / Blinding
(Cegamiento)
• El enmascaramiento o cegamiento se utiliza para
mejorar la objetividad de la medición en un EECC
•
Personas (o grupos) que pueden ser cegados:

– Participantes
– Médicos tratantes - los que administran el
tratamiento
– Los que evalúan el desenlace
– Analistas de datos
– Investigadores
• Los participantes del estudio desconocen la condición
de exposición de los sujetos del estudio.

• Previene las co-intervenciones.

• Previene el sesgo en la evaluación de los

resultados del estudio.
Tipos de cegamiento

No cegado (open)

Desconoce el al que ha sido asignado:

– Simple (paciente)
– Doble (Investigadores/médicos y paciente)
– Triple (Investigadores/médico, pacientes y analista de
datos)
Placebo

Un placebo es un tratamiento que se administra

como si fuera una terapia, pero no tiene valor
terapéutico mas allá del efecto placebo.

Aspecto ético: En que circunstancias aplicar??

Solo se puede usar si no hay una terapia existente.
– O “Cuando por razones metodológicas y científicas es
necesario el uso de placebo para determinar la eficacia y
seguridad de un método preventivo, diagnóstico o
terapéutico”.
– O “Cuando se está investigando un método preventivo,
diagnóstico o terapéutico para una condición menor (a
minor condition) y los pacientes que reciben placebo no
estará sujeto a ningún riesgo adicional de daño grave o
irreversible.”

Source: WHO
http://apps.who.int/medicinedocs/en/d/Jh2989e/5.2.html
DISEÑO
CROSSOVER

• No hay mejor
control que
el mismo
sujeto
Revisar la guía
CONSORT
INTERPRETACIÓN DE
RESULTADOS
Tabla 1.
• De información basal de los participantes del
estudio.

• Da una idea de cualquier influencia del

reclutamiento en los resultados.
Tabla 2

• Análisis de los resultados

• Se evalúa estadísticamente la diferencia o

semejanza de los resultados en los diferentes
tratamientos administrados
Tablas con información de seguridad
También se analizan medidas de asociación (repasar sus cursos
pasados)

• Odds ratio
• Riesgo relativo
• Hazard ratio
RIESGO RELATIVO
Ejemplo: Se investiga la asociación entre el uso de
tabaco y la cardiopatía coronaria (CC).
*Recordar que la palabra riesgo se limita para estudios longitudinales.
El riesgo de padecer una cardiopatía coronaria es las personas que
fuman es 1.61 veces mayor que el riesgo de tener una cardiopatía
coronaria en las personas que no fuman.
ASIGNATURA : Redacción II
CICLO : IX
SEMESTRE ACADEMICO : 2023-II
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADA INTERNACIONALMENTE POR RIEV

Medicina Basada en
Evidencia (MBE)
 Historia
En 1991 se utilizó por primera vez el término "medicina basada en evidencia" en un
articulo publicado por Gordon Guyatt de la Universidad McMaster en JAMA, Canadá.

Buscaba nuevas estrategias para superar la práctica médica basada en la intuición, la

racionalidad fisiopatológica o la experiencia clínica no sistematizada,

En 1992 se constituyó el Evidence-based Medicine Working Group.

En 1993 se funda la Colaboración Cochrane, organización sin animo de lucro, con el

propósito de promover los trabajos basados en evidencia.
 Definición
La “medicina basada en evidencia” es un proceso de educación
médica continua que toma en cuenta al paciente, medio clínico y
recursos disponibles y evidencia científica.

La “medicina basada en evidencia” se enfoca en resolver los

problemas clínicos y epidemiológicos utilizando la evidencia científica
con la finalidad de cuidar la salud pública.

Implica un análisis sistemático en la investigación para encontrar, evaluar

e implementar los resultados en las decisiones clínicas.
 Pasos en Medicina Aplicar el acrónimo
Basada en Evidencia PILAR
1. Preguntar:
Formular una pregunta clínica en relación al problema del paciente (acerca
de pronóstico, diagnóstico, prevención, tratamiento, etc).
2. Indagar:
Realizar búsqueda de literatura de artículos clínicos (la mejor evidencia
disponible).
3. Leer críticamente:

Evaluar la evidencia científica por su validez y utilidad

4. Aplicar:
Los resultados y conclusiones encontradas se debe de implementar en la
práctica clínica

5. Repasar el proceso:

Repasar el proceso y hacer evaluación autocrítica para corregir errores.

Medicina Basada en Evidencia
Analizar la situación clínica

Hacer una pregunta clínica puntual

Acceder a la literatura clínica (evidencia)

Valorar la mejor evidencia posible

Aplicar la evidencia al paciente

Evaluar la eficacia del tratamiento

basada en evidencia
PRINCIPIOS FUNDAMENTALES

• JERARQUÍA DE LA EVIDENCIA

• LA EVIDENCIA NUNCA ES SUFICIENTE

Pirámide de la Evidencia

Revisión Sistemática
y Metaanálisis
Ensayo Controlado
Ramdomizado
Estudio de Cohortes

Estudio transversal

Estudio de Casos y Controles

Serie de Casos / Reporte de Caso

 Pirámide de la evidencia
1. Revisiones sistémicas: Revisan y analizan con un meta-análisis todos los artículos
científicos observacionales y experimentales ya publicados para tomar una decisión
con toda la evidencia existente.
2. Ensayos Clínicos Aleatorizados: Los pacientes son asignados de manera aleatoria
en grupos. A uno se le da el tratamiento en estudio y al otro el tratamiento
usual/placebo. Se comparan los resultados.
3. Estudios de cohortes: Toman a una población y siguen a pacientes que tienen una
condición específica en un cierto plazo y los comparan con otro grupo que no ha
tenga la condición.
4. Estudios Transversales: Estudios donde se analiza 1 vez a una población y evalúa
cuantos tienen el evento patológico y cuantos están expuestos. Se sugiere muestreo
aleatorio.
5. Estudios de Casos y Controles: Se comparan a los pacientes que tienen ya una
condición específica con la gente que no la tienen. Propenso a sesgos de selección.

6. Reporte de casos / Series de Casos: Consisten en el reporte de situaciones médicas

inéditas que ameritan su pronta publicación.
 Pregunta
Para realizar preguntas en la investigación utilizamos el acrónimo PICO:

❑ Paciente: Población o problema de interés.

❑ Intervención: Exposición, prueba diagnóstica, factor pronóstico u otro agente.

❑ Comparación: De intervención, exposición, prueba diagnóstica, etc.

❑ Outcome: Desenlace de interés a estudiar, sintomatología, efectos adversos,

mortalidad y otros.
 Elemento Ejemplo

POBLACIÓN Niños de un distrito de Cusco

INTERVENCIÓN / EXPOSICIÓN* Parasitosis
COMPARACIÓN* Sin parasitosis
OUTCOME Anemia
Tiempo Muestreo realizado en 2023
* Para estudios analíticos

Pregunta de investigación

¿Existe asociación entre el estado parasitario y la prevalencia de

anemia en los niños de un distrito de Cusco en el año 2023?
Examinar evidencia en la literatura.
Debe llevarse a cabo en Bases de datos.

o Constituidas por citas bibliográficas.

Datos o «PubMed»: Permite identificar artículos
bibliográficos: capaces de responder a la pregunta
planteada

❖ Constituidas por la revisión sistemática de

Datos los ensayos dedicados a un tema
analíticos: concreto.
❖ «Cochrane Database
Evaluación de la investigación
Se basa en 3 Preguntas:

1. ¿Éste estudio es válido?

2. ¿Sus resultados son relevantes?

3. ¿Éstos resultados son aplicables?

Volver al paciente

Paciente

Auto evaluación
¿Si no se cuenta con evidencia científica para
la toma de decisión, entonces?

• RECOMENDACIÓN DE EXPERTOS

¿CUÁLES SON LAS DESVENTAJAS?

LA EVIDENCIA NUNCA ES SUFICIENTE

Requisitos para tomar una decisión:

- Diagnóstico adecuado
- Evaluación de riesgo/beneficio
- Costos

Aún la evidencia sólida puede ser inaplicable o inapropiada para

un paciente individual
Fuente: Dr. Germán Málaga
 La Medicina Basada en
Evidencia (MBE) comienza
y termina siempre con el
paciente.
 Referencias bibliográficas

1. Castellanos-Olivares A, Petra D, Vásquez-Márquez I. Revista Mexicana de

Anestesiología. ¿Qué es la medicina basada en evidencias?. 1 Abril-Junio
[Internet]. 2016;39:236–9. Available from:
http://www.medigraphic.com/rmawww.medigraphic.org.www.medigraphic.org.mx
Gracias
Pediatr Invest 2019 Dec; 3(4): 245-252 245

L E C T URE

Clinical research study designs: The essentials

Ambika G. Chidambaram Maureen Josephson

Children’s Hospital of Philadelphia,

Philadelphia, Pennsylvania, USA Abstract
In clinical research, our aim is to design a study which would be able to
Correspondence derive a valid and meaningful scientific conclusion using appropriate
Maureen Josephson, Children’s statistical methods. The conclusions derived from a research study can
Hospital of Philadelphia, PA either improve health care or result in inadvertent harm to patients.
19104, USA. Hence, this requires a well-designed clinical research study that rests on
Email: josephsonm@email.chop. a strong foundation of a detailed methodology and governed by ethical
edu clinical principles. The purpose of this review is to provide the readers
an overview of the basic study designs and its applicability in clinical
Received: 16 November, 2019 research.
Accepted: 3 December, 2019
Keywords
Clinical trials, Clinical research study design, Experimental study designs,
Observational study designs, Randomization

Introduction
of the association between the exposure and the outcome.
In clinical research, our aim is to design a study, which
Experimental studies, on the other hand, are hypothesis
would be able to derive a valid and meaningful scientific
testing studies. It involves an intervention that tests the
conclusion using appropriate statistical methods that can
association between the exposure and outcome. Each
be translated to the “real world” setting.1 Before choosing
study design is different, and so it would be important to
a study design, one must establish aims and objectives
choose a design that would most appropriately answer
of the study, and choose an appropriate target population
the question in mind and provide the most valuable
that is most representative of the population being
information. We will be reviewing each study design in
studied. The conclusions derived from a research study
detail (Figure 1).
can either improve health care or result in inadvertent
harm to patients. Hence, this requires a well-designed
Study designs
clinical research study that rests on a strong foundation
of a detailed methodology and is governed by ethical
principles.2

From an epidemiological standpoint, there are two Observational Experimental

major types of clinical study designs, observational and
experimental. 3 Observational studies are hypothesis- Figure 1 Overview of clinical research study designs
generating studies, and they can be further divided into
descriptive and analytic. Descriptive observational studies Observational study designs
provide a description of the exposure and/or the outcome,
and analytic observational studies provide a measurement Observational studies ask the following questions: what,

DOI: 10.1002/ped4.12166

This is an open access article under the terms of the Creative Commons Attribution-NonCommercial-NoDerivs License, which permits use and distribution in any
medium, provided the original work is properly cited, the use is non-commercial and no modifications or adaptations are made.
2019 Chinese Medical Association. Pediatric Investigation published by John Wiley & Sons Australia, Ltd on behalf of Futang Research Center of Pediatric
Development.
246
Observational study designs
Case report Ecologic Cross-sectional
Case series study study
Nested case-
control study
Figure 2 Classification of observational study designs
who, where and when. There are many study designs that
fall under the umbrella of descriptive study designs, and
they include, case reports, case series, ecologic study,
cross-sectional study, cohort study and case-control study
(Figure 2).
Case reports and case series
Every now and then during clinical practice, we come
across a case that is atypical or ‘out of the norm’ type of
clinical presentation. This atypical presentation is usually
described as case reports which provides a detailed and
comprehensive description of the case.4 It is one of the
earliest forms of research and provides an opportunity
for the investigator to describe the observations that
make a case unique. There are no inferences obtained and
therefore cannot be generalized to the population which is
a limitation. Most often than not, a series of case reports
make a case series which is an atypical presentation found
in a group of patients. This in turn poses the question for
a new disease entity and further queries the investigator
to look into mechanistic investigative opportunities to
further explore. However, in a case series, the cases are
not compared to subjects without the manifestations
and therefore it cannot determine which factors in the
description are unique to the new disease entity.
Ecologic study
Ecological studies are observational studies that provide
a description of population group characteristics. That
is, it describes characteristics to all individuals within a
group. For example, Prentice et al5 measured incidence
of breast cancer and per capita intake of dietary fat, and
found a correlation that higher per capita intake of dietary
fat was associated with an increased incidence of breast
cancer. But the study does not conclude specifically
which subjects with breast cancer had a higher dietary
intake of fat. Thus, one of the limitations with ecologic
study designs is that the characteristics are attributed to
wileyonlinelibrary.com/journal/ped4
Case-control Cohort study Case-control
studies based study
within a
defined cohort
Case-cohort
study
the whole group and so the individual characteristics are
unknown.
Cross-sectional study
Cross-sectional studies are study designs used to evaluate
an association between an exposure and outcome at the
same time. It can be classified under either descriptive
or analytic, and therefore depends on the question being
answered by the investigator. Since, cross-sectional
studies are designed to collect information at the same
point of time, this provides an opportunity to measure
prevalence of the exposure or the outcome. For example,
a cross-sectional study design was adopted to estimate
the global need for palliative care for children based on
representative sample of countries from all regions of the
world and all World Bank income groups.6 The limitation
of cross-sectional study design is that temporal association
cannot be established as the information is collected at the
same point of time. If a study involves a questionnaire,
then the investigator can ask questions to onset of
symptoms or risk factors in relation to onset of disease.
This would help in obtaining a temporal sequence between
the exposure and outcome.7
Case-control study
Case-control studies are study designs that compare
two groups, such as the subjects with disease (cases) to
the subjects without disease (controls), and to look for
differences in risk factors.8 This study is used to study risk
factors or etiologies for a disease, especially if the disease
is rare. Thus, case-control studies can also be hypothesis
testing studies and therefore can suggest a causal
relationship but cannot prove. It is less expensive and less
time-consuming than cohort studies (described in section
“Cohort study”). An example of a case-control study
was performed in Pakistan evaluating the risk factors for
neonatal tetanus. They retrospectively reviewed a defined
cohort for cases with and without neonatal tetanus.9 They
Pediatr Invest 2019 Dec; 3(4): 245-252
found a strong association of the application of ghee
(clarified butter) as a risk factor for neonatal tetanus.
Although this suggests a causal relationship, cause cannot
be proven by this methodology (Figure 3).
Exposed
Cases
(with disease)
Non-exposed
Exposed
Controls
(without disease)
Non-exposed
Figure 3 Case-control study design
One of the limitations of case-control studies is that they
cannot estimate prevalence of a disease accurately as a
proportion of cases and controls are studied at a time.
Case-control studies are also prone to biases such as recall
bias, as the subjects are providing information based on
their memory. Hence, the subjects with disease are likely
to remember the presence of risk factors compared to the
subjects without disease.
One of the aspects that is often overlooked is the selection
of cases and controls. It is important to select the cases
and controls appropriately to obtain a meaningful and
scientifically sound conclusion and this can be achieved by
implementing matching. Matching is defined by Gordis et
al as ‘the process of selecting the controls so that they are
similar to the cases in certain characteristics such as age,
race, sex, socioeconomic status and occupation’.7 This
would help identify risk factors or probable etiologies that
are not due to differences between the cases and controls.
Cohort study
Cohort studies are study designs that compare two
groups, such as the subjects with exposure/risk factor to
the subjects without exposure/risk factor, for differences
in incidence of outcome/disease. Most often, cohort
study designs are used to study outcome(s) from a single
exposure/risk factor. Thus, cohort studies can also be
hypothesis testing studies and can infer and interpret a
causal relationship between an exposure and a proposed
outcome, but cannot establish it (Figure 4).
Cohort studies can be classified as prospective and
retrospective.7 Prospective cohort studies follow subjects
from presence of risk factors/exposure to development
of disease/outcome. This could take up to years before
development of disease/outcome, and therefore is
time consuming and expensive. On the other hand,
retrospective cohort studies identify a population with and
without the risk factor/exposure based on past records and
247
Disease
Exposed/Risk
factor
No disease
Disease
Non-exposed/
No risk factor
No disease
Figure 4 Cohort study design
then assess if they had developed the disease/outcome at
the time of study. Thus, the study design for prospective
and retrospective cohort studies are similar as we are
comparing populations with and without exposure/risk
factor to development of outcome/disease.
Cohort studies are typically chosen as a study design
when the suspected exposure is known and rare, and the
incidence of disease/outcome in the exposure group is
suspected to be high. The choice between prospective and
retrospective cohort study design would depend on the
accuracy and reliability of the past records regarding the
exposure/risk factor.
Some of the biases observed with cohort studies include
selection bias and information bias. Some individuals who
have the exposure may refuse to participate in the study
or would be lost to follow-up, and in those instances, it
becomes difficult to interpret the association between
an exposure and outcome. Also, if the information is
inaccurate when past records are used to evaluate for
exposure status, then again, the association between the
exposure and outcome becomes difficult to interpret.
Case-control studies based within a defined cohort
Case-control studies based within a defined cohort is a
form of study design that combines some of the features
of a cohort study design and a case-control study design.
When a defined cohort is embedded in a case-control
study design, all the baseline information collected before
the onset of disease like interviews, surveys, blood or
urine specimens, then the cohort is followed onset of
disease. One of the advantages of following the above
design is that it eliminates recall bias as the information
regarding risk factors is collected before onset of disease.
Case-control studies based within a defined cohort can be
further classified into two types: Nested case-control study
and Case-cohort study.
Nested case-control study
A nested case-control study consists of defining a cohort
with suspected risk factors and assigning a control within
a cohort to the subject who develops the disease.10 Over a
248
period, cases and controls are identified and followed as
per the investigator’s protocol. Hence, the case and control
are matched on calendar time and length of follow-up.
When this study design is implemented, it is possible for
the control that was selected early in the study to develop
the disease and become a case in the latter part of the
study.
Case-cohort Study
A case-cohort study is similar to a nested case-control
study except that there is a defined sub-cohort which forms
the groups of individuals without the disease (control), and
the cases are not matched on calendar time or length of
follow-up with the control.11 With these modifications, it is
possible to compare different disease groups with the same
sub-cohort group of controls and eliminates matching
between the case and control. However, these differences
will need to be accounted during analysis of results.
Experimental study design
The basic concept of experimental study design is to study
the effect of an intervention. In this study design, the risk
factor/exposure of interest/treatment is controlled by the
investigator. Therefore, these are hypothesis testing studies
and can provide the most convincing demonstration of
evidence for causality. As a result, the design of the study
requires meticulous planning and resources to provide an
accurate result.
The experimental study design can be classified into
2 groups, that is, controlled (with comparison) and
uncontrolled (without comparison).1 In the group without
controls, the outcome is directly attributed to the treatment
received in one group. This fails to prove if the outcome
was truly due to the intervention implemented or due to
chance. This can be avoided if a controlled study design
is chosen which includes a group that does not receive
the intervention (control group) and a group that receives
the intervention (intervention/experiment group), and
therefore provide a more accurate and valid conclusion.
Experimental study designs can be divided into 3 broad
categories: clinical trial, community trial, field trial. The
Experimental study designs
Clinical trial
Randomized Non-randomized Cross-over
Figure 5 Experimental study designs
wileyonlinelibrary.com/journal/ped4
specifics of each study design are explained below (Figure 5).
Clinical trial
Clinical trials are also known as therapeutic trials, which
involve subjects with disease and are placed in different
treatment groups. It is considered a gold standard approach
for epidemiological research. One of the earliest clinical
trial studies was performed by James Lind et al in 1747 on
sailors with scurvy.12 Lind divided twelve scorbutic sailors
into six groups of two. Each group received the same
diet, in addition to a quart of cider (group 1), twenty-five
drops of elixir of vitriol which is sulfuric acid (group 2),
two spoonfuls of vinegar (group 3), half a pint of seawater
(group 4), two oranges and one lemon (group 5), and a
spicy paste plus a drink of barley water (group 6). The
group who ate two oranges and one lemon had shown the
most sudden and visible clinical effects and were taken
back at the end of 6 days as being fit for duty. During
Lind’s time, this was not accepted but was shown to have
similar results when repeated 47 years later in an entire
fleet of ships. Based on the above results, in 1795 lemon
juice was made a required part of the diet of sailors. Thus,
clinical trials can be used to evaluate new therapies, such
as new drug or new indication, new drug combination,
new surgical procedure or device, new dosing schedule or
mode of administration, or a new prevention therapy.
While designing a clinical trial, it is important to select
the population that is best representative of the general
population. Therefore, the results obtained from the study
can be generalized to the population from which the
sample population was selected. It is also as important
to select appropriate endpoints while designing a trial.
Endpoints need to be well-defined, reproducible, clinically
relevant and achievable. The types of endpoints include
continuous, ordinal, rates and time-to-event, and it is
typically classified as primary, secondary or tertiary.2 An
ideal endpoint is a purely clinical outcome, for example,
cure/survival, and thus, the clinical trials will become very
long and expensive trials. Therefore, surrogate endpoints
are used that are biologically related to the ideal endpoint.
Surrogate endpoints need to be reproducible, easily
measured, related to the clinical outcome, affected by
Field trial Community trial
Factorial
Pediatr Invest 2019 Dec; 3(4): 245-252
treatment and occurring earlier than clinical outcome.2
Clinical trials are further divided into randomized clinical
trial, non-randomized clinical trial, cross-over clinical trial
and factorial clinical trial.
Randomized clinical trial
A randomized clinical trial is also known as parallel
group randomized trials or randomized controlled
trials. Randomized clinical trials involve randomizing
subjects with similar characteristics to two groups (or
multiple groups): the group that receives the intervention/
experimental therapy and the other group that received
the placebo (or standard of care). 13 This is typically
performed by using a computer software, manually or by
other methods. Hence, we can measure the outcomes and
efficacy of the intervention/experimental therapy being
studied without bias as subjects have been randomized
to their respective groups with similar baseline
characteristics. This type of study design is considered
gold standard for epidemiological research. However, this
study design is generally not applicable to rare and serious
disease process as it would unethical to treat that group
with a placebo. Please see section “Randomization” for
detailed explanation regarding randomization and placebo.
Non-randomized clinical trial
A non-randomized clinical trial involves an approach to
selecting controls without randomization. With this type
of study design a pattern is usually adopted, such as,
selection of subjects and controls on certain days of the
week. Depending on the approach adopted, the selection
of subjects becomes predictable and therefore, there is
bias with regards to selection of subjects and controls that
would question the validity of the results obtained.
Historically controlled studies can be considered as a
subtype of non-randomized clinical trial. In this study
design subtype, the source of controls is usually adopted
from the past, such as from medical records and published
literature.1 The advantages of this study design include
being cost-effective, time saving and easily accessible.
However, since this design depends on already collected
data from different sources, the information obtained
may not be accurate, reliable, lack uniformity and/or
completeness as well. Though historically controlled
studies maybe easier to conduct, the disadvantages will
need to be taken into account while designing a study.
Cross-over clinical trial
In cross-over clinical trial study design, there are two
groups who undergoes the same intervention/experiment
at different time periods of the study. That is, each group
serves as a control while the other group is undergoing the
intervention/experiment.14 Depending on the intervention/
experiment, a ‘washout’ period is recommended. This
249
would help eliminate residuals effects of the intervention/
experiment when the experiment group transitions to be
the control group. Hence, the outcomes of the intervention/
experiment will need to be reversible as this type of study
design would not be possible if the subject is undergoing a
surgical procedure.
Factorial trial
A factorial trial study design is adopted when the
researcher wishes to test two different drugs with
independent effects on the same population. Typically, the
population is divided into 4 groups, the first with drug A,
the second with drug B, the third with drug A and B, and
the fourth with neither drug A nor drug B. The outcomes
for drug A are compared to those on drug A, drug A and B
and to those who were on drug B and neither drug A nor
drug B.15 The advantages of this study design that it saves
time and helps to study two different drugs on the same
study population at the same time. However, this study
design would not be applicable if either of the drugs or
interventions overlaps with each other on modes of action
or effects, as the results obtained would not attribute to a
particular drug or intervention.
Community trial
Community trials are also known as cluster-randomized
trials, involve groups of individuals with and without
disease who are assigned to different intervention/
experiment groups. Hence, groups of individuals from a
certain area, such as a town or city, or a certain group such
as school or college, will undergo the same intervention/
experiment. 16 Hence, the results will be obtained at a
larger scale; however, will not be able to account for inter-
individual and intra-individual variability.
Field trial
Field trials are also known as preventive or prophylactic
trials, and the subjects without the disease are placed
in different preventive intervention groups. 16 One of
the hypothetical examples for a field trial would be to
randomly assign to groups of a healthy population and to
provide an intervention to a group such as a vitamin and
following through to measure certain outcomes. Hence,
the subjects are monitored over a period of time for
occurrence of a particular disease process.
Overview of methodologies used within a
study design
Randomization
Randomization is a well-established methodology adopted
in research to prevent bias due to subject selection, which
may impact the result of the intervention/experiment
being studied. It is one of the fundamental principles
of an experimental study designs and ensures scientific
250
validity. It provides a way to avoid predicting which
subjects are assigned to a certain group and therefore,
prevent bias on the final results due to subject selection.
This also ensures comparability between groups as most
baseline characteristics are similar prior to randomization
and therefore helps to interpret the results regarding the
intervention/experiment group without bias.
There are various ways to randomize and it can be as
simple as a ‘flip of a coin’ to use computer software and
statistical methods. To better describe randomization, there
are three types of randomization: simple randomization,
block randomization and stratified randomization.
Simple randomization
In simple randomization, the subjects are randomly
allocated to experiment/intervention groups based on a
constant probability. That is, if there are two groups A
and B, the subject has a 0.5 probability of being allocated
to either group. This can be performed in multiple ways,
and one of which being as simple as a ‘flip of a coin’
to using random tables or numbers.17 The advantage of
using this methodology is that it eliminates selection bias.
However, the disadvantage with this methodology is that
an imbalance in the number allocated to each group as
well as the prognostic factors between groups. Hence, it is
more challenging in studies with a small sample size.
Block randomization
In block randomization, the subjects of similar
characteristics are classified into blocks. The aim of
block randomization is to balance the number of subjects
allocated to each experiment/intervention group. For
example, let’s assume that there are four subjects in each
block, and two of the four subjects in each block will be
randomly allotted to each group. Therefore, there will be
two subjects in one group and two subjects in the other
group.17 The disadvantage with this methodology is that
there is still a component of predictability in the selection
of subjects and the randomization of prognostic factors is
not performed. However, it helps to control the balance
between the experiment/intervention groups.
Stratified randomization
In stratified randomization, the subjects are defined
based on certain strata, which are covariates. 18 For
example, prognostic factors like age can be considered
as a covariate, and then the specified population can
be randomized within each age group related to an
experiment/intervention group. The advantage with this
methodology is that it enables comparability between
experiment/intervention groups and thus makes result
analysis more efficient. But, with this methodology the
covariates will need to be measured and determined
before the randomization process. The sample size will
wileyonlinelibrary.com/journal/ped4
help determine the number of strata that would need to be
chosen for a study.
Blinding
Blinding is a methodology adopted in a study design
to intentionally not provide information related to the
allocation of the groups to the subject participants,
investigators and/or data analysts. 19 The purpose of
blinding is to decrease influence associated with the
knowledge of being in a particular group on the study
result. There are 3 forms of blinding: single-blinded,
double-blinded and triple-blinded. 1 In single-blinded
studies, otherwise called as open-label studies, the subject
participants are not revealed which group that they have
been allocated to. However, the investigator and data
analyst will be aware of the allocation of the groups. In
double-blinded studies, both the study participants and the
investigator will be unaware of the group to which they
were allocated to. Double-blinded studies are typically
used in clinical trials to test the safety and efficacy of the
drugs. In triple-blinded studies, the subject participants,
investigators and data analysts will not be aware of the
group allocation. Thus, triple-blinded studies are more
difficult and expensive to design but the results obtained
will exclude confounding effects from knowledge of group
allocation.
Blinding is especially important in studies where
subjective response are considered as outcomes. This is
because certain responses can be modified based on the
knowledge of the experiment group that they are in. For
example, a group allocated in the non-intervention group
may not feel better as they are not getting the treatment,
or an investigator may pay more attention to the group
receiving treatment, and thereby potentially affecting
the final results. However, certain treatments cannot be
blinded such as surgeries or if the treatment group requires
an assessment of the effect of intervention such as quitting
smoking.
Placebo
Placebo is defined in the Merriam-Webster dictionary
as ‘an inert or innocuous substance used especially in
controlled experiments testing the efficacy of another
substance (such as drug)’.20 A placebo is typically used
in a clinical research study to evaluate the safety and
efficacy of a drug/intervention. This is especially useful
if the outcome measured is subjective. In clinical drug
trials, a placebo is typically a drug that resembles the
drug to be tested in certain characteristics such as color,
size, shape and taste, but without the active substance.
This helps to measure effects of just taking the drug,
such as pain relief, compared to the drug with the
active substance. If the effect is positive, for example,
improvement in mood/pain, then it is called placebo
effect. If the effect is negative, for example, worsening
Pediatr Invest 2019 Dec; 3(4): 245-252
of mood/pain, then it is called nocebo effect.21
The ethics of placebo-controlled studies is complex and
remains a debate in the medical research community.
According to the Declaration of Helsinki on the use of
placebo released in October 2013, “The benefits, risks,
burdens and effectiveness of a new intervention must be
tested against those of the best proven intervention(s),
except in the following circumstances:
Where no proven intervention exists, the use of placebo,
or no intervention, is acceptable; or
Where for compelling and scientifically sound
methodological reasons the use of any intervention less
effective than the best proven one, the use of placebo,
or no intervention is necessary to determine the efficacy
or safety of an intervention and the patients who receive
any intervention less effective than the best proven one,
placebo, or no intervention will not be subject to additional
risks of serious or irreversible harm as a result of not
receiving the best proven intervention.
Extreme care must be taken to avoid abuse of this
option”.22
Hence, while designing a research study, both the scientific
validity and ethical aspects of the study will need to be
thoroughly evaluated.
Bias
Bias has been defined as “any systematic error in the
design, conduct or analysis of a study that results in a
mistaken estimate of an exposure’s effect on the risk
of disease”. 23 There are multiple types of biases and
so, in this review we will focus on the following types:
selection bias, information bias and observer bias.
Selection bias is when a systematic error is committed
while selecting subjects for the study. Selection bias
will affect the external validity of the study if the study
subjects are not representative of the population being
studied and therefore, the results of the study will not
be generalizable. Selection bias will affect the internal
validity of the study if the selection of study subjects in
each group is influenced by certain factors, such as, based
on the treatment of the group assigned. One of the ways
to decrease selection bias is to select the study population
that would representative of the population being studied,
or to randomize (discussed in section “Randomization”).
Information bias is when a systematic error is committed
while obtaining data from the study subjects. This can
be in the form of recall bias when subject is required
to remember certain events from the past. Typically,
subjects with the disease tend to remember certain events
compared to subjects without the disease. Observer
bias is a systematic error when the study investigator is
influenced by the certain characteristics of the group, that
251
is, an investigator may pay closer attention to the group
receiving the treatment versus the group not receiving the
treatment. This may influence the results of the study. One
of the ways to decrease observer bias is to use blinding
(discussed in section “Blinding”).
Thus, while designing a study it is important to take
measure to limit bias as much as possible so that the
scientific validity of the study results is preserved to its
maximum.
Overview of drug development in the United
States of America
Now that we have reviewed the various clinical designs,
clinical trials form a major part in development of a drug.
In the United States, the Food and Drug Administration
(FDA) plays an important role in getting a drug approved
for clinical use. It includes a robust process that involves
four different phases before a drug can be made available
to the public. Phase I is conducted to determine a safe
dose. The study subjects consist of normal volunteers
and/or subjects with disease of interest, and the sample
size is typically small and not more than 30 subjects. The
primary endpoint consists of toxicity and adverse events.
Phase II is conducted to evaluate of safety of dose selected
in Phase I, to collect preliminary information on efficacy
and to determine factors to plan a randomized controlled
trial. The study subjects consist of subjects with disease
of interest and the sample size is also small but more that
Phase I (40–100 subjects). The primary endpoint is the
measure of response. Phase III is conducted as a definitive
trial to prove efficacy and establish safety of a drug. Phase
III studies are randomized controlled trials and depending
on the drug being studied, it can be placebo-controlled,
equivalence, superiority or non-inferiority trials. The study
subjects consist of subjects with disease of interest, and
the sample size is typically large but no larger than 300 to
3000. Phase IV is performed after a drug is approved by
the FDA and it is also called the post-marketing clinical
trial. This phase is conducted to evaluate new indications,
to determine safety and efficacy in long-term follow-up
and new dosing regimens. This phase helps to detect rare
adverse events that would not be picked up during phase
III studies and decrease in the delay in the release of the
drug in the market. Hence, this phase depends heavily on
voluntary reporting of side effects and/or adverse events
by physicians, non-physicians or drug companies.2
Conclusion
We have discussed various clinical research study designs
in this comprehensive review. Though there are various
designs available, one must consider various ethical
aspects of the study. Hence, each study will require
thorough review of the protocol by the institutional review
board before approval and implementation.
252
Conflict of Interest
None.
References
1. Lim HJ, Hoffmann RG. Study design: The basics. Methods
Mol Biol. 2007;404:1-17.
2. Umscheid CA, Margolis DJ, Grossman CE. Key concepts
of clinical trials: A narrative review. Postgrad Med.
2011;123:194-204.
3. Grimes DA, Schulz KF. An overview of clinical research:
The lay of the land. Lancet. 2002;359:57-61.
4. Wright SM, Kouroukis C. Capturing zebras: What to do with
a reportable case. CMAJ. 2000;163:429-431.
5. Prentice RL, Kakar F, Hursting S, Sheppard L, Klein R,
Kushi LH. Aspects of the rationale for the women’s health
trial. J Natl Cancer Inst. 1988;80:802-814.
6. Connor SR, Downing J, Marston J. Estimating the global
need for palliative care for children: A cross-sectional
analysis. J Pain Symptom Manage. 2017;53:171-177.
7. Celentano DD, Szklo M. Gordis epidemiology. 6th ed.
Elsevier, Inc.; 2019.
8. Schulz KF, Altman DG, Moher D, CONSORT Group.
CONSORT 2010 statement: Updated guidelines for
reporting parallel group randomised trials. Int J Surg.
2011;9:672-677.
9. Traverso HP, Bennett JV, Kahn AJ, Agha SB, Rahim H,
Kamil S, et al. Ghee applications to the umbilical cord: A
risk factor for neonatal tetanus. Lancet. 1989;1:486-488.
10. Ernster VL. Nested case-control studies. Prev Med.
1994;23:587-590.
11. Barlow WE, Ichikawa L, Rosner D, Izumi S. Analysis of
case-cohort designs. J Clin Epidemiol. 1999;52:1165-1172.
wileyonlinelibrary.com/journal/ped4
12. Lind J. Nutrition classics. A treatise of the scurvy by james
lind, MDCCLIII. Nutr Rev. 1983;41:155-157.
13. Dennison DK. Components of a randomized clinical trial. J
Periodontal Res. 1997;32:430-438.
14. Sibbald B, Roberts C. Understanding controlled trials.
Crossover trials. BMJ. 1998;316:1719.
15. Cipriani A, Barbui C. What is a factorial trial? Epidemiol
Psychiatr Sci. 2013;22:213-215.
16. Margetts BM, Nelson M. Design concepts in nutritional
epidemiology. 2nd ed. Oxford University Press; 1997:415-
417.
17. Altman DG, Bland JM. How to randomise. BMJ.
1999;319:703-704.
18. Suresh K. An overview of randomization techniques: An
unbiased assessment of outcome in clinical research. J Hum
Reprod Sci. 2011;4:8-11.
19. Karanicolas PJ, Farrokhyar F, Bhandari M. Practical tips for
surgical research: Blinding: Who, what, when, why, how?
Can J Surg. 2010;53:345-348.
20. Placebo. Merriam-Webster Dictionary. Accessed 10/28/
2019.
21. Pozgain I, Pozgain Z, Degmecic D. Placebo and nocebo
effect: A mini-review. Psychiatr Danub. 2014;26:100-107.
22. World Medical Association. World medical association
declaration of helsinki: Ethical principles for medical
research involving human subjects. JAMA. 2013;310:2191-
2194.
23. Schlesselman JJ. Case-control studies: Design, conduct,
and analysis. United States of America: New York: Oxford
University Press; 1982:124-143.
How to cite this article: Chidambaram AG, Josephson M.
Clinical research study designs: The essentials. Pediatr Invest.
2019;3:245-252. https://doi.org/10.1002/ped4.12169
 ACTUALIZACIONES Hernández-Avila M y col.

Sesgos en estudios epidemiológicos

Mauricio Hernández-Avila, Ph.D.,(1) Francisco Garrido, M.C., M. en C.,(2)
Eduardo Salazar-Martínez, Dr. en C.(1)

U nqueobjetivo en todo estudio epidemiológico, en el

se desea conocer la frecuencia con la que ocu-
rre un evento o estimar la asociación entre un factor de
riesgo y una enfermedad, debe ser el de medir y calcu-
lar con la mayor precisión y exactitud posibles dichas
determinaciones. En otras palabras, la validez del co-
nocimiento derivado de cualquier estudio epidemio-
lógico dependerá, en gran medida, de la ausencia de
error y de la capacidad de estimar o predecir el pa-
rámetro verdadero en la población blanco. En el con-
texto de la epidemiología, la validez se refiere a la
ausencia de sesgo o error. A lo largo del presente tra-
bajo se hace referencia a dos tipos de validez: a) la
validez interna, que se refiere principalmente a los
errores cometidos durante el proceso de selección de
la población de estudio, durante las mediciones que
se realizan en dicha población o a errores ocasiona-
dos por la falta de comparabilidad de los grupos es-
tudiados, y b) la validez externa, que se refiere a la
capacidad del estudio de generalizar los resultados
observados en la población en estudio hacia la po-
blación blanco. Es importante notar que la validez ex-
terna depende de que exista la interna, es decir, es
necesario cumplir con los requisitos necesarios de va-
lidez interna para poder extrapolar lo resultados, por
esta razón en los diferentes estudios epidemiológicos
se privilegian acciones que maximizan la validez in-
terna, aun comprometiendo, en cierta medida, la vali-
dez externa.
Todo estudio epidemiológico está sujeto a un
cierto margen de error, por lo que será muy impor-
tante conocer cuáles son sus fuentes principales y los
diferentes procedimientos que pueden ser utiliza-
dos para minimizar su impacto en los resultados.
Los errores se pueden clasificar en dos grandes tipos:
los errores no aleatorios o sistemáticos y los errores
aleatorios (no sistemáticos); ambos tipos de error, de
no controlarse adecuadamente, pueden comprometer
la validez del estudio. El error aleatorio (no sistemá-
tico) ocurre cuando las mediciones repetidas, ya sean
en un mismo sujeto o en diferentes miembros de la po-
blación en estudio, varían de manera no predecible,
mientras que el error sistemático (no aleatorio) ocurre
cuando estas medidas varían de manera predecible y,
por lo tanto, se tiende a sobre o subestimar el valor
verdadero en medidas repetidas. La analogía que se
utiliza para describir ambos conceptos es la práctica
de “tiro al blanco” donde el punto medio del objetivo
es el valor verdadero en la población blanco y los
“disparos” son las diferentes mediciones que se rea-
lizan en la población en estudio para estimar dicho
valor verdadero. Un buen tirador cuya arma no está
bien calibrada apuntará al blanco equivocado, podrá
ser muy preciso (todos los disparos dan en el mismo
lugar), pero ninguno de ellos da en el blanco correcto.
Esto corresponde al error sistemático. Por otra parte,
un tirador con mano temblorosa, pero con un arma
bien calibrada, estará apuntando al blanco correcto

(1) Centro de Investigación en Salud Poblacional, Instituto Nacional de Salud Pública (INSP), Cuernavaca, Morelos, México.
(2) Centro de Investigación en Sistemas de Salud, INSP, Cuernavaca, Morelos, México.

Solicitud de sobretiros: Mauricio Hernández Avila. Centro de Investigación en Salud Poblacional, Instituto Nacional de Salud Pública.
Avenida Universidad 655, colonia Santa María Ahuacatitlán, 62508 Cuernavaca, Morelos, México.
Correo electrónico: mhernan@insp3.insp.mx

438 salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000

Sesgos en estudios epidemiológicos ACTUALIZACIONES

aun cuando sus disparos no den en el punto medio corresponde a la media verdadera de 12.2 µg/dl, en
del blanco seleccionado. Se puede aplicar la analogía los páneles C y D se estimaría una media de 15.4
descrita en el contexto de un estudio epidemiológico µg/dl, y 27.7 µg/dl, respectivamente. La utilización
cuyo principal objetivo es determinar las concentra- de laboratorios con resultados como los que se mues-
ciones de plomo en sangre en la población general. tran en los páneles C y D para determinar las con-
Suponga que en este estudio participan cuatro la- centraciones de plomo en sangre en la población en
boratorios y un laboratorio de referencia en el cual se estudio arrojaría resultados claramente erróneos al
repite un cierto porcentaje de las determinaciones de sobrestimar el valor real, lo que nos llevaría a con-
plomo. Los resultados se muestran en la figura 1. En cluir equivocadamente que existen concentraciones de
el panel A se muestra un laboratorio cuyas determi- plomo en sangre más elevadas que las reales.
naciones son válidas y precisas respecto de las medicio- En los estudios epidemiológicos analíticos en los
nes que realiza el laboratorio de referencia (situación que se pone a prueba una hipótesis comparando dos o
ideal) ya que el valor estimado corresponde muy cer- más grupos de estudio, los errores también pueden ser
canamente al valor real; en el panel B se muestran tanto aleatorios o no sistemáticos como sistemáti-
resultados de un laboratorio cuyas mediciones son vá- cos. El error sistemático o sesgo se ha definido como
lidas pero con precisión intermedia; en el laboratorio cualquier error diferencial –en relación con los grupos
del panel C la validez es cuestionable, pero la precisión que se comparan– en que se puede incurrir durante el
es aceptable; mientras que en el panel D las mediciones diseño, conducción o análisis del estudio y que inva-
son imprecisas y no válidas. Mientras que en los dos riablemente resulta en una conclusión errónea, ya sea
primeros escenarios el parámetro estimado en la po- proporcionando una estimación más baja o más alta
blación en estudio es el mismo, en ambos laboratorios del valor real de la asociación que existe en la población
se estima una media poblacional de 12.2 µg/dl, que blanco.

A B
35 35
Laboratorio de referencia

Laboratorio de referencia

30 30
25 25
20 20
15 15
10 10
5 5
Promedio estimado= 12.2µg/dl Promedio estimado= 12.2µg/dl
0 0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
Laboratorio 1 Laboratorio 2

C D
35 35
Laboratorio de referencia
Laboratorio de referencia

30 30

25 25

20 20

15 15

10 10

5 5
Promedio estimado= 15.4µg/dl Promedio estimado= 27.7µg/dl
0 0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
Laboratorio 3 Laboratorio 4

FIGURA 1. VALORES DE PLOMO EN SANGRE REPORTADOS EN CUATRO LABORATORIOS CON DIFERENTES CONDICIONES DE
PRECISIÓN Y VALIDEZ

salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000 439

 ACTUALIZACIONES
Dependiendo de la etapa del estudio en que se
originan, los sesgos que interfieren con la validez in-
terna de un estudio se han clasificado en tres grandes
grupos: a) los sesgos de selección, que se refieren a
los errores que se introducen durante la selección o
el seguimiento de la población en estudio; b) los ses-
gos de información, que son errores en los que se in-
curre durante los procesos de medición en la población
en estudio, y c) los sesgos de confusión, que se origi-
nan por la imposibilidad de asignar la exposición de
manera aleatoria en los estudios observacionales y
que básicamente se originan por una no comparabili-
dad de los grupos en estudio. Todo diseño epidemio-
lógico no experimental, en mayor o menor medida, es
susceptible de este tipo de sesgos por lo que es un im-
perativo para los investigadores planear adecua-
damente cada una de las etapas de un estudio con el
propósito de evitar o disminuir al máximo la posibili-
dad de incurrir en dichos errores. Sin duda, la etapa
más crítica de un estudio corresponde a la del diseño
ya que resulta casi imposible corregir a posteriori los
sesgos introducidos durante esta etapa.
Sesgos de selección
Son errores sistemáticos que se introducen durante la
selección o el seguimiento de la población en estudio
y que propician una conclusión equivocada sobre la
hipótesis en evaluación. Los errores de selección pue-
den ser originados por el mismo investigador o ser el
resultado de relaciones complejas en la población en
estudio que pueden no ser evidentes para el investi-
gador y pasar desapercibidas. En este contexto, una
posible fuente de sesgo de selección puede ser cual-
quier factor que influya sobre la posibilidad de los su-
jetos seleccionados de participar o permanecer en el
estudio y que, además, esté relacionado con la expo-
sición o con el evento en estudio.
Los sesgos de selección pueden ocurrir en cual-
quier estudio epidemiológico, sin embargo, ocurren
con mayor frecuencia en estudios retrospectivos y,
en particular, en estudios transversales o de encuesta.
En los estudios de cohorte prospectivos los sesgos de
selección ocurren raramente ya que el reclutamiento
y selección de la población en estudio se da antes de
que ocurra el evento en estudio, así que se puede su-
poner que la selección de los participantes se realiza
de manera independiente del evento y, en general, la
participación en el estudio no puede ser influida por
el evento, ya que éste aún no ha ocurrido. En contraste,
la permanencia de los participantes en el estudio sí
puede ser determinada por el evento, cuando esto
440
Hernández-Avila M y col.
ocurre, y es de diferente magnitud para los grupos
expuesto y no expuesto, existirá la posibilidad de que
los resultados se vean distorsionados por esta per-
manencia diferencial. Por esta razón, se recomienda
maximizar las tasas de permanencia y seguimiento en
los estudios de cohorte.
En los estudios retrospectivos los sesgos de se-
lección pueden ocurrir cuando los participantes po-
tenciales o los investigadores conocen la condición de
exposición y/o de enfermedad, y este conocimiento
influye diferencialmente la participación en el estu-
dio. Suponga que se llevará a cabo un estudio de una
cohorte retrospectiva y que el resultado de este es-
tudio servirá para fijar una posible compensación
económica si se logra comprobar que los sujetos que
recibieron cierta exposición están en mayor riesgo de
desarrollar la enfermedad en estudio. Si esta infor-
mación fuera del conocimiento de los posibles parti-
cipantes podría condicionar que los sujetos que se
saben expuestos y que desarrollaron la enfermedad en
estudio participaran más frecuentemente que aque-
llos que desarrollaron la enfermedad y que se identi-
fican como no expuestos. La participación diferencial
antes mencionada se reflejaría en un déficit de eventos
en el grupo de no expuestos, ya que los sujetos no ex-
puestos que desarrollaron la enfermedad no tendrían
la misma motivación para participar en el estudio y
participarían en menor proporción. Esta participación
diferencial condicionaría una subestimación de la fre-
cuencia del evento en el grupo no expuesto y una so-
brestimación de la diferencia real.
Los estudios de casos y controles son particu-
larmente susceptibles a este tipo de sesgo ya que en
la mayoría de sus aplicaciones se trata de estudios re-
trospectivos. En el contexto de este tipo de estudios,
cualquier factor que influya sobre la probabilidad de
selección, ya sea como caso o control, y que a su vez
esté relacionado con la exposición en estudio, será una
posible fuente de sesgo de selección. Este tipo de ses-
go se ha propuesto como una de las explicaciones a la
asociación reportada entre el consumo de café y el cán-
cer de páncreas por McMahon y colaboradores.1 En
este estudio los casos de cáncer de páncreas se se-
leccionaron de diferentes hospitales, mientras que los
controles fueron seleccionados del mismo grupo mé-
dico de donde se había originado el diagnóstico de los
casos. Al elegir este mecanismo de selección de con-
troles los investigadores incluyeron como controles
a diferentes sujetos con patología gastrointestinal,
dado que la mayoría de los casos de cáncer de pán-
creas se habían notificado por el servicio de gastro-
enterología. Así, los controles representan un sector
salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000
Sesgos en estudios epidemiológicos
de la población con un consumo menos frecuente de
café, lo que pudo haber condicionado una subesti-
mación de la prevalencia de exposición en el grupo
control y, por lo tanto, una asociación espuria entre el
consumo de café y el cáncer de páncreas.
La detección diferencial es un tipo particular de
sesgo de selección, se origina cuando la prueba diag-
nóstica para detectar el evento se realiza con mayor
frecuencia en el grupo expuesto. Un ejemplo de este
sesgo se presentó en un estudio de casos y controles
en el que se observó una fuerte asociación entre el uso
de estrógenos de remplazo y el cáncer de endometrio.2
Los casos en este estudio no representaban adecua-
damente los casos originados en la población base, ya
que las mujeres con síntomas sugestivos de cáncer de
endometrio, y que eran usuarias de estrógenos, eran
hospitalizadas para diagnóstico con mayor frecuen-
cia que las mujeres con los mismos síntomas pero
que no eran usuarias de estrógenos. Esta conducta
de los médicos generó una sobreselección de casos ex-
puestos a estrógenos, lo que ocasionó una asociación
falsa positiva entre el uso de estrógenos y el riesgo de
cáncer de endometrio en el estudio.
La no respuesta, por parte de los participantes en
un estudio, puede también introducir sesgo de selec-
ción, siempre y cuando esté relacionada con la expo-
sición o el evento en estudio, es decir, que la tasa de
participación sea diferente para expuestos y no ex-
puestos en los estudios de cohorte, o para casos y con-
troles en el contexto de un estudio de casos y controles.
Sin embargo, no siempre la falta de respuesta se asocia
con un sesgo de este tipo. Por ejemplo, si en un estu-
dio de casos y controles 10% de los casos elegidos y
30% de los controles rehusan participar no se incurri-
rá en sesgo de selección, a menos que la proporción de
expuestos en los casos y en los controles que no acepta-
ron participar sea diferente a la del grupo respectivo.
La no respuesta es un problema que tiene mayor rele-
vancia para la validez externa.
Los estudios transversales, y de casos y controles
que se basan en casos existentes (prevalentes), pre-
sentan importantes limitaciones relacionadas con
los sesgos de selección, en particular cuando la en-
fermedad en estudio tiene una alta letalidad cercana
al diagnóstico inicial ya que los casos existentes tien-
den a sobrerrepresentar a los sujetos con cursos más
benignos de la enfermedad. Si el factor en estudio se
asocia con la letalidad, la medida de efecto derivada
de un estudio de prevalencia será sesgada, dado que
los casos en estudio corresponden a sobrevivientes
de la enfermedad, por lo que representarán despro-
porcionadamente a los casos no expuestos.
salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000
ACTUALIZACIONES
Sesgos de información
El sesgo de información se refiere a los errores que
se introducen durante la medición de la exposición,
de los eventos u otras covariables en la población en
estudio, que se presentan de manera diferencial entre
los grupos que se comparan, y que ocasionan una con-
clusión errónea respecto de la hipótesis que se inves-
tiga. Una posible fuente de sesgo de medición puede
ser cualquier factor que influya de manera diferencial
sobre la calidad de las mediciones que se realizan en
los grupos expuesto y no expuesto en el contexto
de los estudios de cohorte o entre los casos y controles
en el contexto de los estudios de casos y controles.
Es importante mencionar que aunque práctica-
mente no existen procedimientos libres de error de
medición, no todos los errores de medición son fuente
de sesgo de información. Es conveniente recordar que
los errores de medición pueden ser no diferenciales
(aleatorios) cuando el grado de error del instrumento
o técnica empleada es el mismo para los grupos que se
comparan y diferenciales (no aleatorios) cuando el
grado de error es diferente para los grupos estudia-
dos, el sesgo de información se refiere particularmente
a este último tipo. Para comprender mejor la diferen-
cia entre ambos errores de medición se analiza el si-
guiente ejemplo. En un estudio hipotético de casos y
controles para evaluar la asociación entre tabaquismo
e infarto agudo del miocardio, los casos se identifica-
ron en las salas de urgencias, del Instituto Mexicano
del Seguro Social al momento de su ingreso y los con-
troles fueron seleccionados al azar entre los dere-
chohabientes que son vecinos de cada caso. Suponga
que, en un primer escenario, la exposición al tabaco
se evalúa determinando la presencia de un marca-
dor biológico de exposición que se mide en sangre. En
este primer escenario, puede existir cierto grado de
error en las determinaciones del biomarcador en
sangre, sin embargo es posible suponer que el error
es similar para los dos grupos, por lo que se consi-
dera no diferencial o aleatorio. En contraste, si la ex-
posición al tabaco se hubiera evaluado mediante un
cuestionario, la calidad de la información depen-
dería, en parte, de la memoria de los participantes.
Si los casos, dado que sufrieron el evento, tuvieran un
estímulo mayor para recordar o participar entonces
la calidad de la información sería mejor en este grupo
que la que se podría obtener en el grupo control, si-
tuación que introduciría un error diferencial o no
aleatorio. En general, el impacto de este último tipo de
error es difícil de predecir ya que puede subestimar o
sobrestimar la asociación real, a diferencia del error
441
 ACTUALIZACIONES
aleatorio que en general tiende a subestimar las aso-
ciaciones reales.
En el cuadro I se ofrece una clasificación general
de las diferentes fuentes de error de medición. Es im-
portante hacer notar que durante el diseño de un estu-
dio se deben establecer todas aquellas características
que se habrán de medir para responder una pregunta
de investigación. Una de las dificultades con las que
se topa el investigador en esta etapa se deriva de la
brecha o diferencia que se establece entre una enti-
dad conceptual de una variable y su definición em-
pírica que es, finalmente, la forma en que será medida.
Esta diferencia estriba en la imposibilidad, la mayor
parte de las ocasiones, de medir directamente la ca-
racterística de interés. Por ejemplo, la exposición in-
voluntaria al humo del tabaco podría ser definida
teóricamente como “la exposición de las células del
tejido pulmonar a agentes carcinogénicos que resulta
de la inhalación del humo del tabaco proveniente de
las emisiones de fumadores activos”, en la práctica esta
definición teórica se tendría que medir mediante la
utilización de algún indicador cercano de dicha con-
dición, tal como “tiempo que pasa el sujeto de estudio
junto a personas fumadoras”. Estas definiciones em-
píricas son utilizadas y plasmadas por los epidemió-
logos y por investigadores de otras disciplinas, en los
instrumentos de medición que se elaboran ex profeso
para un estudio y que pueden ser medidas ya sea por
un cuestionario o un biomarcador. En este último
ejemplo, la exposición involuntaria se podría también
medir mediante la determinación de cotinina (un me-
tabolito de la nicotina) en la sangre de los sujetos en
estudio. Mientras que las estimaciones de exposi-
ción realizadas mediante un cuestionario estarán su-
jetas a diferentes tipos de error como lo serían la
memoria de los participantes y la comprensión de las
Cuadro I
CLASIFICACIÓN DEL ERROR DE MEDICIÓN SEGÚN SU
ORIGEN
a) El observador
b) Sistema de medición
c) Los sujetos de estudio
Memoria
Entrenamiento
Fatiga
d) El instrumento
e) Errores en las variables proxy
f) El procesamiento de datos
Errores de codificación
Formulación errónea de modelos estadísticos
g) Errores que dependen del tiempo
442
Hernández-Avila M y col.
preguntas, en el caso del biomarcador, serán fuentes
de error los procedimientos utilizados para obtener la
muestra, el transporte y conservación de la misma, así
como los diferentes procedimientos de laboratorio que
se necesiten utilizar para su medición.
Para ilustrar el impacto que pueden tener los di-
ferentes tipos de error de información en la estimación
de las medidas de efecto, es necesario mencionar bre-
vemente los conceptos de sensibilidad y especificidad
de los instrumentos de medición que se utilizan. La
sensibilidad de un cuestionario o prueba diagnóstica
mide la habilidad del instrumento para clasificar co-
rrectamente a los sujetos que tienen verdaderamente
la condición en estudio. Así, un cuestionario para iden-
tificar fumadores involuntarios que tiene una sensi-
bilidad de 90%, podrá identificar correctamente a
90% de los sujetos que están expuestos al humo del
tabaco, mientras que 10% serán clasificados errónea-
mente como no fumadores involuntarios. En contraste,
la especificidad indica la habilidad del instrumento
para clasificar correctamente a los sujetos que no tienen
la condición de estudio. Para este ejemplo, una especi-
ficidad de 99% indicaría que se clasificaría adecua-
damente a 99% de los sujetos y que restaría un 1% que
sería clasificado como expuesto involuntariamente al
tabaco, cuando en realidad no lo está. La sensibilidad
y especificidad de nuestros instrumentos puede ser
evaluada en estudios de validación cuando se cuenta
con un estándar de oro, el cuadro II indica cómo se
podrían estimar estos parámetros.
Los sujetos de estudio se pueden clasificar erró-
neamente con relación a la exposición o al evento, como
se mencionó, el error puede ser de dos tipos: no dife-
rencial y diferencial.
Los estudios epidemiológicos incurren en un
error de clasificación no diferencial de la exposición
cuando ésta se realiza por igual en los grupos que se
Cuadro II
ESTIMACIÓN DE SENSIBILIDAD Y ESPECIFICIDAD
PARA UNA VARIABLE DICOTÓMICA
Clasificación verdadera
de la exposición o
de la enfermedad
Clasificación de la exposición o de la enfermedad
por el instrumento de medición Sí No
Sí a b
No c d
a d
Sensibilidad= ; Especificidad =
a+c b+d
salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000
Sesgos en estudios epidemiológicos ACTUALIZACIONES

comparan. Es decir, la condición de enfermedad de los cial. En el cuadro III se resumen los datos de un estu-
sujetos de estudio no influye en la clasificación de dio de seguimiento por 12 años en hombres de 45-64
los mismos respecto de la exposición. En esta situación, años (n= 7 221) en el que se relacionó el ejercicio físico
siempre y cuando el error no sea de gran magnitud, la con el riesgo de enfermedad coronaria. Los expuestos
medida de efecto estimada con error aleatorio tiende a fueron quienes no hacían ejercicio físico o lo hacían
subestimar la asociación real en la población blanco, moderadamente. Asumamos que la medida de efecto
por lo que se podría suponer que el valor estimado en en este primer escenario se estima sin error aleatorio
la población en estudio, bajo el supuesto de que el y corresponde a una razón de incidencia acumulada
error es aleatorio, tiende o se aproxima al valor de no de 1.41.
asociación. La dificultad para medir correctamente la Supongamos ahora que la determinación del even-
exposición involuntaria al humo del tabaco puede to se realiza con una prueba diagnóstica que tiene una
servir para ilustrar este tipo de error. Dado que no es sensibilidad de 0.80 y especificidad de 1.0 y que la prue-
factible medir directamente la cantidad de humo que ba se aplica de igual manera en expuestos y en no ex-
inhala un no fumador se podría utilizar un monitor puestos. Los resultados se presentan en el cuadro III-A,
personal que registre en forma acumulada la con- donde se puede observar que existe un subestimación
centración de nicotina ambiental a la que el sujeto es- del riesgo real, la razón de incidencia acumulada dis-
tuvo expuesto durante el tiempo relevante para el minuye de 1.41 a 1.38. Sin embargo, si se supone una
evento en estudio. Supongamos un estudio longitu- especificidad de 98%, entonces el error es de mayor
dinal para examinar la asociación entre enfermedad impacto ya que la razón de incidencia estimada bajo
respiratoria y exposición involuntaria al humo del ta- este supuesto sería de 1.28.
baco. En este caso, el error de clasificación –no dife-
rencial– en la medición de la exposición estaría dado
Cuadro III
por la habilidad del sujeto de llevar consigo el mo-
RELACIÓN ENTRE EJERCICIO FÍSICO Y RIESGO
nitor, del tipo de ropa que utilice y de la conservación
DE ENFERMEDAD CORONARIA,
y trato que dé al instrumento de medición. En este caso
ESTIMADA SIN ERROR ALEATORIO
se podría suponer que el grado de error será el mismo
para los sujetos con y sin exposición al humo de ta- Realiza ejercicio físico
baco y que el impacto de dicho error será el de sub- Evento coronario No Si Total
estimar cualquier asociación real que exista en la
Sí 299 107 406
población blanco.
No 4 503 2 312 6 815
Otro ejemplo que permite ilustrar el contexto en
Total 4 802 2 419 7 221
el que ocurre el error de medición aleatorio o no
Razón de incidencia acumulada= 299/4 802÷107/2 419= 1.41
diferencial es cuando la exposición en estudio no con-
sidera el periodo de riesgo relevante en la ocurrencia
de una enfermedad. Si se estudia una enfermedad que
tiene un periodo de latencia prolongado, como es el
caso de la gran mayoría de las enfermedades crónicas, Cuadro III-A
y el factor de exposición que se cree asociado con dicha RELACIÓN ENTRE EJERCICIO FÍSICO Y RIESGO
enfermedad se mide en una sola ocasión, sin tomar en DE ENFERMEDAD CORONARIA , ESTIMADA
consideración la variabilidad de dicho factor durante CON UNA PRUEBA DIAGNÓSTICA CUYA SENSIBILIDAD
el tiempo, se incurrirá en un error de clasificación no ES DE 0.80 Y ESPECIFICIDAD DE 1.0
diferencial. De manera más explícita, se puede decir
Realiza ejercicio físico
que si se desea medir la asociación entre el consumo Enfermedad No Sí Total
de colesterol y enfermedad coronaria para lo cual
medimos la ingesta de colesterol en un solo día, no se Sí 239 87 406
puede asegurar que se haya medido correctamente la No 4 563 2 332 6 815
exposición dado que la ingesta varía considerable- Total 4 802 2 419 7 221
mente a través del tiempo en un mismo sujeto y, por lo Razón de incidencia acumulada= 239/4 802÷87/2 419= 1.38
tanto, una sola medición no reflejaría adecuada-
239 se deriva de 299 casos de los cuales únicamente 80% (299x0.80)
mente la ingesta de colesterol durante el periodo de fueron clasificados correctamente como eventos
riesgo relevante. 4 563 corresponde a 4 503 sujetos sin eventos y a 60 sujetos con evento
A continuación se ofrece un ejemplo hipotético que fueron clasificados erróneamente como sanos
para ilustrar el efecto del error aleatorio o no diferen-

salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000 443

 ACTUALIZACIONES Hernández-Avila M y col.

Como se mencionó, cuando el error de medición
se realiza de manera diferencial entre los grupos
que se comparan, entonces se introduce un sesgo de
información que, a diferencia del error aleatorio que
condiciona una subestimación, puede introducir error
en cualquier dirección, condicionando ya sea una
sobre o una subestimación de la asociación real. Exis-
ten varias situaciones que se pueden asociar con este
sesgo. En la etapa de diseño del estudio se puede
favorecer la introducción del sesgo cuando se deci-
de recoger la información sobre la exposición después
que se han identificado los casos de la enfermedad de
interés y la presencia de la enfermedad modifica el
reporte de la exposición (exagerándola o minimi-
zándola). En el caso del estudio de exposición in-
voluntaria al humo del tabaco antes referido, si los
investigadores utilizaran un cuestionario como instru-
mento para la evaluación de tipo retrospectivo, no es
difícil suponer que las madres cuyos hijos tuvieron
problemas respiratorios tratarán de recordar con ma-
yor detalle y exactitud la exposición al humo del ta-
baco comparadas con aquellas madres cuyos hijos
permanecieron sanos durante el periodo de estudio; o
que las madres fumadoras cuyos hijos tuvieron en-
fermedad respiratoria informaran una menor expo-
sición como un mecanismo compensatorio de culpa.
En ambas situaciones es claro que se puede incurrir en
sesgos de información diferencial.
sujeto de estudio, las respuestas que éstos proporcio-
nan sobre la exposición de interés pueden oscilar en-
tre la negación o la exageración. Es probable que si la
exposición se refiere a una característica considera-
da negativa y el informante sustituto es la esposa(o)
del sujeto de estudio, las respuestas que se proporcio-
nen se pueden modificar con base en la relación exis-
tente entre ambos.
Para ilustrar el impacto del error diferencial, su-
pongamos ahora que la relación descrita en el ejemplo
anterior entre ejercicio y enfermedad coronaria se eva-
lúa mediante un estudio de casos y controles. En este
estudio se identificarían 406 casos y para cada caso se
seleccionarían dos controles, los resultados hipoté-
ticos se presentan en el cuadro IV. La razón de mo-
mios (RM) estimada del estudio es de 1.40.
Ahora, supongamos que los casos, dado que su-
frieron el evento coronario, hacen un mejor esfuerzo
por recordar y reportar el patrón de ejercicio que rea-
lizaban y que la sensibilidad con que informan la ex-
posición es de 95%, mientras que los controles reportan
con una sensibilidad de 80%. Los resultados se pre-
sentan en el cuadro IV-A. En este escenario, el sesgo
introducido por la menor calidad de reporte en los
Cuadro IV
RELACIÓN ENTRE EJERCICIO FÍSICO Y RIESGO
DE ENFERMEDAD CORONARIA , ESTIMADA

El sesgo de clasificación diferencial de la expo- SIN ERROR DIFERENCIAL

sición ocurre también con frecuencia durante la fase Hace ejercicio

de campo. El sesgo del entrevistador, un caso de ses- Exposición No Sí Total
go de información, se puede introducir cuando el per-
sonal de campo conoce la condición de enfermo o de Casos 299 107 406
no enfermo del entrevistado y si, además, tiene co- Controles 540 272 812
nocimiento de las hipótesis u objetivos del estudio. Total 839 379 1 218
Ante este hecho, el entrevistador puede hacer más én- Razón de momios= 299x272/540x107= 1.40
fasis en aquellas preguntas que miden la exposición o
bien inducir las respuestas de los entrevistados me-
diante lenguaje corporal o la aportación de informa-
Cuadro IV-A
ción adicional sobre dichas preguntas. En este sentido RELACIÓN ENTRE EJERCICIO FÍSICO Y RIESGO
es recomendable realizar un buen entrenamiento de DE ENFERMEDAD CORONARIA , ESTIMADA A PARTIR DE
los entrevistadores y mantenerlos ciegos tanto en lo UN INFORME DE LA EXPOSICIÓN CON SENSIBILIDAD
que respecta a la hipótesis del estudio como a la con- DE 95% EN LOS CASOS Y DE 80% EN LOS CONTROLES
dición de caso-control o de expuesto-no expuesto de
los participantes del estudio. Ejercicios
El uso de informantes sustitutos (proxy) puede No Sí
también dar lugar a un sesgo de clasificación dife- Casos 304 102
rencial de la exposición. Como se mencionó, con cierta Controles 594 218
frecuencia los estudios epidemiológicos deben re-
currir a informantes que no son los sujetos de estu- Sensibilidad en casos= 0.95 en controles= 0.80
dio ya sea por alguna incapacidad de éstos o bien Especificidad en casos= 1.0 en controles= 1.0
porque ya fallecieron. Dependiendo del tipo de rela- Razón de momios= 304x218/594x102= 1.09
ción que tiene o tuvo el informante sustituto con el

444 salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000

Sesgos en estudios epidemiológicos
casos condiciona una subestimación de la razón de
momios.
Supongamos ahora que los casos tienden a subes-
timar el reporte de ejercicio y que la sensibilidad en
este grupo es de 70% mientras que en el grupo control
el cuestionario utilizado clasifica adecuadamente la
exposición en 90% de los sujetos. Bajo los supuestos
en este escenario, el sesgo diferencial de reporte con-
dicionaría una sobrestimación del efecto de no hacer
ejercicio (cuadro IV-B). Como se puede apreciar, el
efecto puede condicionar desviaciones hacia cual-
quier dirección, por esta razón es necesario evitar en
la medida de lo posible introducir errores diferenciales.
Sesgos de confusión
Todos los resultados derivados de estudios observa-
cionales están potencialmente influenciados por este
tipo de sesgo. El sesgo de confusión puede resultar en
una sobre o subestimación de la asociación real. Existe
sesgo de confusión cuando observamos una asocia-
ción no causal entre la exposición y el evento en estu-
dio o cuando no observamos una asociación real entre
la exposición y el evento en estudio por la acción de
una tercera variable que no es controlada. Esta(s) va-
riable(s) se denomina(n) factor(es) de confusión o
confusor(es). Los resultados de un estudio estarán con-
fundidos cuando los resultados obtenidos en la pobla-
ción en estudio apoyan una conclusión falsa o espuria
sobre la hipótesis en evaluación, debido a la influencia
de otras variables, que no fueron controladas ade-
cuadamente ya sea durante la fase de diseño o de aná-
lisis. En este contexto, son fuente posible de sesgo de
confusión cualquier variable asociada con la exposi-
ción que, además, esté causalmente asociada con el
Cuadro IV-B
RELACIÓN ENTRE EJERCICIO FÍSICO Y RIESGO
DE ENFERMEDAD CORONARIA , ESTIMADA A PARTIR DE UN
INFORME DE LA EXPOSICIÓN CON SENSIBILIDAD DE 70%
EN LOS CASOS Y DE 90% EN LOS CONTROLES
Ejercicios
No Sí
Casos 331 75
Controles 563 249
Sensibilidad en casos= 0.70 en controles= 0.90
Especificidad en casos= 1.0 en controles= 1.0
Razón de momios= 1.95
salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000
ACTUALIZACIONES
evento en estudio y que se encuentre distribuida de
manera diferencial entre los grupos que se comparan,
ya sea entre expuestos y no expuestos en el contexto
de los estudios de cohorte o entre casos y controles en
el ámbito de los estudios de casos y controles.
En los estudios observacionales el sesgo de con-
fusión se puede entender como un problema de
comparabilidad cuyo origen está ligado a la imposi-
bilidad de realizar una asignación aleatoria de la ex-
posición en los sujetos de estudio. El objetivo de la
asignación al azar de los tratamientos (de la exposición)
en los estudios experimentales es lograr la formación
de grupos homogéneos en lo que se refiere a todas las
características que puedan influir en el riesgo de de-
sarrollar el evento (edad, sexo, masa corporal u otras
características que no se puedan medir), lo que se
busca lograr es que los grupos sean similares en todo
excepto en la exposición que se busca evaluar.
Analicemos el siguiente ejemplo, cuando Doll y
Hill publicaron sus primeros resultados derivados del
seguimiento de cerca de 40 000 médicos y reportaron
que el cáncer de pulmón era considerablemente más
frecuente en los fumadores,3,4 las críticas no se hicie-
ron esperar. Se argumentó que la asociación obser-
vada por estos investigadores entre el tabaquismo y el
cáncer de pulmón se debía muy probablemente a la
acción de una tercera variable, a una susceptibilidad
genética que predisponía tanto al cáncer de pulmón
como al gusto por el tabaco, con este argumento se des-
cartaba el posible efecto carcinogénico del humo de
tabaco. La crítica anterior implica que el gusto por
fumar no se da al azar sino que coexiste un factor
genético y que este factor es la verdadera causa de
cáncer de pulmón. Para poder separar el efecto del ciga-
rrillo del de la susceptibilidad genética tendríamos
que realizar un experimento, se podrían seleccionar
40 000 individuos y asignarlos aleatoriamente a dos
tratamientos experimentales: fumadores (expuesto) y
no fumadores (no expuesto). Al asignarlos al azar se
puede suponer que la distribución del factor genético
que causa cáncer de pulmón en los grupos formados
mediante la aleatorización será la misma, es decir, si la
aleatorización se realizó de manera correcta –en pro-
medio– el porcentaje de sujetos genéticamente sus-
ceptibles al cáncer de pulmón sería la misma en ambos
grupos, por lo tanto, si observáramos diferencias en la
ocurrencia de cáncer de pulmón entre los fumadores y
no fumadores ésta no podría ser atribuida al factor
genético ya que éste afectaría de igual manera a los
dos grupos. Sin embargo, es claro que este tipo de ex-
perimento sería imposible de realizar.
A diferencia de los estudios experimentales, en
que los sujetos en estudio son asignados al azar a los
445
 ACTUALIZACIONES
grupos experimentales y, por lo tanto, los posibles con-
fusores quedan igualmente distribuidos entre los gru-
pos en contraste, en los estudios observacionales los
sujetos reciben la exposición por muy diferentes mo-
tivos que dependen importantemente de patrones
culturales y socioeconómicos. Entonces ¿qué es una
variable confusora o confusor? Se trata de variables
que están asociadas con el evento en estudio de ma-
nera causal, es decir, son factores de riesgo para el even-
to en estudio, además esta asociación debe ser por un
mecanismo causal diferente al que actúa la exposi-
ción en estudio y debe ser independiente de esta mis-
ma. Esto último quiere decir que el confusor debe ser
un factor de riesgo tanto para el grupo expuesto como
para el no expuesto. Los sesgos de confusión en estu-
dios de cohorte ocurren principalmente cuando los
grupos expuesto y no expuesto no son comparables.
Por ejemplo, si fuera de interés evaluar en un estudio
de cohorte el efecto del consumo de café sobre el ries-
go de infarto del miocardio y se establecieran dos
grupos de contraste, uno conformado por bebedores
de café y otro por no bebedores de café, se tendría que
considerar el tabaquismo como un posible confusor ya
que está asociado con el consumo de café y es un fac-
tor de riesgo para infarto de miocardio. En este es-
tudio hipotético ignorar las diferencias en el consumo
de tabaco podría hacernos concluir que existe una fal-
sa asociación positiva entre el consumo de café y el
riesgo de infarto del miocardio. En el contexto de los
estudios de casos y controles ocurre cuando hay dife-
rencias entre casos y controles en relación con una
tercera variable, lo que puede ocurrir simplemente
por la existencia de confusión en la población fuente o
ser generada por el mismo proceso de selección.
¿Qué podemos hacer para prevenir la ocurrencia
de sesgos de confusión? En el cuadro V se listan los
diferentes procedimientos tanto en la fase de diseño
como en la de análisis que nos permiten prevenir o
corregir el efecto del sesgo de confusión, como se puede
deducir de los diferentes procedimientos utilizados, el
446
Hernández-Avila M y col.
Cuadro V
ESTRATEGIAS PARA EL CONTROL DE LA CONFUSIÓN EN
LOS ESTUDIOS EPIDEMIOLÓGICOS
Fase Estrategia Efecto
Diseño Aleatorización Permite que las variables se distribu-
yan similarmente en los grupos de es-
tudio haciéndolos comparables en
todo, excepto en la variable de ex-
posición
Restricción Limita la participación en el estudio
a sujetos que son similares respecto
a la variable de confusión
Pareamiento Iguala en el proceso de selección a
los grupos de comparación con re-
lación a los factores de confusión
Análisis Estandarización Permite comparar los grupos de es-
tudio si la distribución del confusor
fuera la misma en ambos
Estratificación Estima la medida de efecto en sub-
grupos que son similares con relación
a los factores de confusión
Modelos multivariados Estima el efecto de la exposición,
manteniendo constantes los valores
del factor confusor
común denominador de todos es hacer los grupos de
contraste lo más comparable posible con relación a
variables externas, el objetivo es lograr que la única
diferencia entre los grupos sea la característica en es-
tudio.
Referencias
1. MacMahon B, Yen S, Trichopoulos D et al. Coffee and cancer of the
pancreas. N Engl J Med 1981; 304:630-633.
2. Feinstein HR, Horowitz RI. A critique of the statiscal evidence
associating estrogens with endometrial cancer. Cancer Res 1978;38:
4001-4005.
3. Doll R, Hill AB. Mortality in relation to smoking: Ten years’ observations
of British doctors. BMJ 1964;1:1399-1410.
4. Doll R, Hill AB. Mortality in Relation to Smoking:Ten years’ observations
of British doctors (Concluded). BMJ 1964;1:1460-1467.
salud pública de méxico / vol.42, no.5, septiembre-octubre de 2000
TOOLBOX
Study design III: Cross-sectional studies
Kate Ann Levin
Dental Health Services Research Unit, University of Dundee, Dundee, Scotland, UK
In this series, I previously gave an overview of the main types of study design and
the techniques used to minimise biased results. Here, I describe cross-sectional
studies, their uses, advantages and limitations.
Evidence-Based Dentistry (2006) 7, 24–25. doi:10.1038/sj.ebd.6400375
Cross-sectional studies are carried out at
one time point or over a short period
(Figure 1). They are usually conducted to
estimate the prevalence of the outcome of
interest for a given population, com-
monly for the purposes of public health
planning. Data can also be collected on
individual characteristics, including ex-
posure to risk factors, alongside informa-
tion about the outcome. In this way cross-
sectional studies provide a ‘snapshot’ of
the outcome and the characteristics asso-
ciated with it, at a specific point in time.
Why carry out a cross-sectional study?
A cross-sectional study design is used
when
 The purpose of the study is descriptive,
often in the form of a survey. Usually there
is no hypothesis as such, but the aim is to
describe a population or a subgroup within
the population with respect to an outcome
and a set of risk factors.
 The purpose of the study is to find the
prevalence of the outcome of interest, for
Figure 1. Cross-sectional studies.
24
the population or subgroups within the
population at a given timepoint.
Cross-sectional studies are sometimes
carried out to investigate associations
between risk factors and the outcome of
interest. They are limited, however, by
the fact that they are carried out at one
time point and give no indication of the
sequence of events — whether exposure
occurred before, after or during the onset
of the disease outcome. This being so, it
is impossible to infer causality.
The next four publications of Evidence-
based Dentistry describe other study de-
signs that may be more appropriate for
the purposes of understanding associa-
tions between exposure to risk factors
and the outcome of interest. Neverthe-
less, cross-sectional studies indicate asso-
ciations that may exist and are therefore
useful in generating hypotheses for fu-
ture research.
Repeated cross-sectional studies may
be carried out to give a pseudolongitu-
dinal study, where the individuals in-
cluded in the study are either chosen
from the same sampling frame or from a
different one. An example might be the
British Association for the Study of
Community Dentistry Survey in which
5-year-old children are examined an-
nually and prevalence of caries is re-
corded. The prevalence of caries for this
age group is monitored over time and
this information is used in public health
policy planning and in the development
of targeting strategies.
Sample selection and response rates
The sample frame used to select a sample
and the response rate determine how
well results can be generalised to the
population as a whole. The sample used
in a large cross-sectional study is often
taken from the whole population. This is
the optimum situation: if the sample
is selected using a random technique it is
likely that it will be highly representa-
tive. In order for the results to be
representative of the population, how-
ever, not only must the selected sample
be representative but so must the res-
ponders. Nonresponse is a common
problem in wide-scale surveys; techni-
ques to minimise nonresponse include
telephone and mail prompting, second
and third mailing of surveys, letters
outlining the importance of replying
and a range of incentives.
The level of nonresponse is one con-
cern, but a greater one still is that of
biased response, where a person is more
likely to respond when they have a
particular characteristic or set of charac-
teristics. Bias will occur when the char-
acteristic in question is in some way
related to the probability of having the
outcome. The response rate of a survey
conducted by door-to-door interview
looking at a particular disease, for exam-
ple, may be highest in the elderly and
unemployed because these groups are
c EBD 2006:7.1

more likely to be in their home during
the day. These two groups are also more
likely to experience higher levels of
disease, therefore biasing the results.
Measures of outcome and exposure
A lot of information can be collected
about potential risk factors in a cross-
sectional study. Loss to follow-up is a
common concern in longitudinal studies
and one of the strategies used to over-
come this is to minimise the amount of
information collected. This is not a
problem in cross-sectional study design.
It is advisable to think carefully about
what might be relevant because this is a
good opportunity to gain a broad base of
knowledge about subjects who have/do
www.nature.com/ebd
not have the outcome of interest, but it is
also important to maintain optimum
response levels. Associations between
outcomes and exposures of long duration
are particularly difficult to establish using
cross-sectional studies.
Advantages of cross-sectional studies
 Relatively inexpensive and takes up little
time to conduct;
 Can estimate prevalence of outcome of
interest because sample is usually taken
from the whole population;
 Many outcomes and risk factors can be
assessed;
 Useful for public health planning, under-
standing disease aetiology and for the
generation of hypotheses;
 There is no loss to follow-up.
TOOLBOX
Disadvantages of cross-sectional studies
 Difficult to make causal inference;
 Only a snapshot: the situation may
provide differing results if another time-
frame had been chosen;
 Prevalence-incidence bias (also called
Neyman bias). Especially in the case of
longer-lasting diseases, any risk factor that
results in death will be under-represented
among those with the disease.
Recommended reading
1. Bland M. An Introduction to Medical Statistics. 3rd
Edn. Oxford: Oxford University Press; 2001.
2. Pine CM, Pitts NB, Nugent ZJ. British Association
for the Study of Community Dentistry (BASCD)
guidance on sampling for surveys of child dental
health. A BASCD coordinated dental epidemiology
programme quality standard. Commun Dent
Health 1997; 14(Suppl 1):S10–S17.
25
 TOOLBOX

Study design IV. Cohort studies

Kate Ann Levin
Dental Health Services Research Unit, University of Dundee, Dundee, Scotland, UK

that achieves the lowest possible dropout

Previously in this series I have given an overview of the main types of study design
rate from the study. Loss to follow-up will
and the techniques used to minimise biased results. In this article I describe more
increase with the length of study. A greater
fully cohort studies, their uses, advantages and limitations.
concern than number of dropouts are any
Evidence-Based Dentistry (2003) 7, 51-52. doi:10.1038/sj.ebd.6400407
systematic differences related to the out-
come or exposure to risk factors, between
those who drop out and those who stay in
the study. Analysis of data must include a
comparison of risk factors between indi-
viduals who remain in the study and those
who have dropped out. If loss to follow-up is
A cohort study is one in which a group of studies, are rarely available. The rest of this ignored, the reliability of study conclusions
subjects, selected to represent the popula- article refers to prospective cohort studies may be called into question.
tion of interest, is studied over time. Much unless otherwise stated.
like a cross-sectional study, information is
collected about the outcome of interest and Selection and follow-up of subjects Inferring causality
exposure to risk factors, but in cohort stud- The probability of having the outcome of To infer causality with any degree of cer-
ies subjects are followed over time. Subjects interest will be affected by the selection of tainty, an experimental study design is
are disease-free at the outset of the study and subjects into a cohort study. required. The longitudinal nature of cohort
at distinct points in time, data are collected The ‘healthy entrant effect’ occurs studies, however, enables the assessment of
relating to health outcomes and exposure to because of the necessity of a disease-free causal hypotheses, as it is known if exposure
risk factors. This type of study is observation- status on entry to the study. Initially, sub- occurred prior to outcome. Furthermore,
al and used to examine causal factors. Cohort jects are seen to have lower levels of dis- measuring changes in levels of exposure over
studies may be either fixed, where the study ease than might be true of the population time alongside changes in outcome measure
subjects do not vary over time and dropouts in general, with an acceleration of disease gives an insight into the dose–response rela-
are not replaced, or dynamic, where new rate over time. Following cohorts from tionship between exposure and outcome.
subjects enter the study in accordance with birth may overcome healthy entrant effects Higher levels of exposure, associated with
eligibility criteria. of this sort, but may result in a lengthy and higher levels of outcome provide further
costly study, depending on the average age argument for causality.

Prospective versus retrospective at onset of disease.

cohort studies Follow-up of subjects is carried out to Hypotheses of cohort studies
Prospective studies, those studies carried out monitor changes in health status over time. Analysis of cohort study data takes one of
from the present time into the future, can be It is essential to have a mechanism in place two forms. The first is a straightforward
tailored to collect specific exposure data, but
there may be a long wait for events to occur,
particularly where the outcome of interest is
associated with old age. Studies can there-
fore be expensive to carry out and are prone
to high dropout rates, although these can be
overcome by incorporating a dynamic study
design.
In contrast (Figure 1), retrospective or his-
torical cohort studies look at medical events
from some timepoint in the past up to the
present time. The advantage of historical
cohort studies is that the information is
available immediately. There may be dif-
ficulty in tracing subjects for such studies,
however. A further disadvantage is the reli-
ance on the memory of subjects and/ or the
quality of recorded information.
Prospective cohort study design is more
commonly used because accurate and com-
plete data, necessary for historical cohort Figure 1. Prospective and retrospective studies

© EBD 2006:7.2 51
TOOLBOX
Table 1.
Outcome Yes
Yes a b
No c d
Total a+c
comparison of two groups, those with expo-
sure and those without. The hypothesis
(Ho) is then: on average, the disease in the
exposed group is no different to that of the
unexposed group. An example of this might
be comparing the dental health of those who
smoke with those who do not.
The second type of analysis occurs when
there are more than two groups. An exam-
ple might be where smokers are split into
those who do not smoke, those who smoke
fewer than 20 cigarettes a day and those who
smoke over 20 cigarettes. Where there is this
type of grouping in strata, hypotheses fall
into three broad categories:
• Ho: on average, the outcome rates in
groups of subjects are no different to that
of the population as a whole.
• Ho: on average, the outcome rates in
groups of subjects are no different from
each other.
• Ho: on average, there is a linear trend in
outcome rates across groups.
Analysis of data
Using the data collected in a cohort study,
the following statistics may be obtained:
Crude rates of outcome: this is the number
of individuals with the outcome out of the
52
Exposed to risk factor:
No Total
a+b
c+d
b+d N Disadvantages of cohort studies
total cohort study size. In Table 1 this is
given by:
(a+b)
n • Require accurate records for retrospective
Standardised rates and ratios of the out-
come can also be calculated, using demo-
graphic information so that rates of the
outcome are adjusted for other potential risk
factors such as age and sex.
Risk ratio of outcome: the risk of the out-
come in exposed subjects relative to those
not exposed is given in Table 1 by:
a/(a+c)
b/(b+d)
Where one or more of the second set of
above hypotheses is being examined, more
complex data analysis is used. Regression
analysis allows investigation of two or more
groups of subjects whilst adjusting for char-
acteristics that might act as confounding
risk factors.
Advantages of cohort studies
• The temporal dimension, whereby
exposure is seen to occur before outcome,
gives some indication of causality
• Can be used to study more than one
outcome
• Good for the study of rare exposures
• Can measure the change in exposure and
outcome over time
• Incidence of outcome can be
measured
• Costly (less so for retrospective) and may
take a long time, particularly where onset
of the outcome measure can occur both
early and late on in life
studies
• When studying rare outcomes, a very
large sample size is required
• Prone to dropout
• Changes in aetiology of disease over time
may be hard to disentangle from changes
observed as age increases
• Selection bias: a difference in incidence
of the outcome of interest, between those
who participated and those who did not,
would give biased results
Recommended reading
1. Breslow NE, Day NE. Statistical Methods in Cancer
Research. Volume II. The Design and Analysis of
Cohort Studies. IARC Scientific Publications no. 82.
Town: Oxford University Press; 1987.
2. Grimes DA, Schultz KF. Cohort studies: marching
towards outcomes. Lancet 2002; 359:341–345.
3. Squires BP, Elmslie TJ. Cohort studies: what editors
want from authors and peer reviewers. CMAJ 1990;
143:179–180.
4. Tooth L, Ware R, Bain C, Purdie DM, Dobson A.
Quality of reporting of observational longitudinal
research. Am J Epidemiol 2005; 161:280–288.
www.nature.com/ebd

Study design V. Case–control studies
Kate Ann Levin
Dental Health Services Research Unit, University of Dundee, Dundee, Scotland, UK
Previously in this series I have given an overview of the main types of study
design and the techniques used to minimise biased results. In this article I
describe more fully case control studies, their uses, advantages and limitations.
Evidence-Based Dentistry (2003) 7, 83-84. doi:10.1038/sj.ebd.6400436
Like cohort studies, the purpose of case-
control studies is to establish association
between exposure to risk factors and disease.
Unlike cohort studies, however, members of
the population with the disease are selected
into the study at the outset and risk factor
information is collected retrospectively (fig-
ure 1). These are known as the cases. A sec-
ond group of individuals who do not have
the disease, the controls, is also included in
the study (figure 2). The case-control study
design is often used in the study of rare dis-
eases or as a preliminary study where little
is known about the association between the
risk factor and disease of interest.
Case control studies are prone to bias and
confounding. In order to minimise bias, care
must be taken in the selection of both cases
and controls, in establishing definitions of
disease, risk factors and in ensuring there are
no confounding associations between detec-
tion of disease and risk factor exposure.
Figure 1. Prospective and retrospective studies
© EBD 2006:7.3
7-3-toolbox-54.indd 83
Choice of cases
Care must be taken when choosing cases
for the study. In particular it is important
to distinguish between stages or subtypes
of disease and to define a measure of health
status. For example, when studying oral
cleanliness it is important to define what is
meant by oral cleanliness in terms of cause,
nature and degree. It is also important to
establish whether interest is in incident
cases, subjects entered into study on detec-
tion of disease, or prevalent cases, those who
have been diagnosed as having the disease
prior to the study. Views, behaviours and
reports of exposure to risk factor amongst
these two groups will tend to differ, as those
who have been diagnosed previously are
likely to be more informed about the dis-
ease and may have altered their behaviour
and attitudes since diagnosis. Incident case
design is preferred as it reduces recall bias
and over-representation of cases with long
standing disease
TOOLBOX
Choice of controls
Controls should come from the same popula-
tion at risk of disease, should not have the dis-
ease and should be representative of the target
population. Selecting controls often proves
harder than cases and requires great care in
the prevention of bias. A sampling frame
of hospital patients is often used to select
controls, however risk factors such as diet
and smoking are commonly linked to many
diseases. Selecting controls in this way might
therefore over-estimate population exposure
to such risk factors, resulting in an underes-
timation of association between disease and
exposure. Using more than one control group
helps to overcome this type of issue.
Multiple controls can be used for each
case, giving the study greater power, particu-
larly where the number of cases is small, due
for example, to the disease being rare.
Exposure to risk factors and matching
Exposure measurements are reliant either
on memory where cases and controls are
interviewed retrospectively, and/or medical
records. Exposure estimates are therefore
vulnerable to recall bias; commonly those
with the disease are more likely to remem-
ber exposure than those without, interview
or measurement bias; where the interviewer
interviews or reports findings systematically
differently between cases and controls and
confounding factors. Interview and meas-
urement bias can be overcome by including
blinding in the design so that they do not
know who is a case and who is a control at
the time of interview.
Confounding factors must be identified
prior to the start of the study. Individual
cases can be matched to controls where is it
thought that other factors, aside from those
risk factors of interest, might contribute to
the development of disease and confound
the causal association under investigation.
Cases and controls are commonly matched
by age and sex. The factor upon which cases
and controls are matched cannot be studied
as a risk factor. An alternative method of
overcoming confounding is to collect rel-
evant information on the confounding fac-
tor during the course of the study and adjust
for this at the analysis stage.
Analysis of Data
The table used to analyse the data, Table 1,
looks much like that used in a cohort study
83
18/9/06 16:50:30
 TOOLBOX

• OR>1 : Odds of exposure for cases are

more than those for control. Exposure
appears to increase risk of disease.

A 95% confidence interval gives an indi-

cation of the confidence we have in the
estimated Odds Ratio, eg. if the entire 95%
confidence interval is above 1, it is con-
cluded that exposure significantly increases
the risk of disease at the 95% level.

Advantages of case-control studies

Case-control studies are quick and cheap
and are particularly suited to the study of
rare diseases as the diseased are selected at
the outset of the study.

Disadvantages of case-control studies

The disadvantages of case-control studies
include
• difficulties in overcoming potential bias
Figure 2. Diagrammatic representation of case-controlled study and confounding
• the successful selection of both cases and
controls who are representative of their
respective populations is often difficult.
Table 1 • an inability to infer causality and no
information on the chronology of disease
Exposed to risk factor and exposure.
• Inefficient in studying risk factors which
Status Yes No Total
are rare
Case a b a+b • Studies are often not population based,
therefore it is impossible to calculate inci-
Control c d c+d dence of disease.

Total a+c b+d n Recommended Reading

design (see Pub 4), however, the case-con-
trol study is retrospective so that instead of
measuring relative risk of disease based on
exposure, we measure the odds of exposure
based on disease.
The odds ratio is made up of two
components,
• the odds of exposure for cases; the number
of cases exposed/ the number of cases
unexposed given by Odds/cases = a/b
• the odds of exposure for controls; the
number of controls exposed/ the number
of controls unexposed given by Odds/
controls = c/d
The estimated Odds Ratio is then Odds =
ad/bc
The Odds Ratio is interpreted as
• OR<1 : Odds of exposure for cases are less
than those for control. Exposure appears
to reduce risk of disease.
• OR=1 : Odds of exposure for cases are the
same as those for control. Exposure does
not appear to be a risk factor.
1. Breslow NE, Day NE. Statistical methods in cancer
research. Volume I- the analysis of case-control
studies. IARC, Lyon: IARC, 1980.
2. Schlesselman JJ. Case control studies. Design,
conduct, analysis. Oxford: University Press, 1982.
3. Schultz KF. Case- control studies: research in reverse.
Lancet, 2002; 359: 431-434.
4. Squires BP and Elmslie TJ. Reports of case-control
studies: what editors want from authors and peer
reviewers. CMAJ, 1990; 143: 17-18.

84 www.nature.com/ebd

7-3-toolbox-54.indd 84 18/9/06 16:50:54