Articulo de referencia

Medida de impacto en la población

Las medidas de impacto poblacional ( MIP ) son medidas bioestadísticas de riesgo y beneficio utilizadas en la investigación epidemiológica y de salud pública . Se utilizan para ...

Las medidas de impacto poblacional ( MIP ) son medidas bioestadísticas de riesgo y beneficio utilizadas en la investigación epidemiológica y de salud pública . Se utilizan para describir el impacto de los riesgos y beneficios para la salud en una población , con el fin de fundamentar las políticas de salud . [ 1 ] [ 2 ] [ 3 ]

Las medidas de riesgo y beneficio de uso frecuente identificadas por Jekel, Katz y Elmore, [ 4 ] describen medidas de diferencia de riesgo (riesgo atribuible), diferencia de tasas (a menudo expresada como razón de probabilidades o riesgo relativo ), riesgo atribuible poblacional (PAR) y reducción del riesgo relativo , que puede recalcularse en una medida de beneficio absoluto , denominada número necesario para tratar . Las medidas de impacto poblacional son una extensión de estas estadísticas , ya que son medidas de riesgo absoluto a nivel poblacional, que son cálculos del número de personas en la población que están en riesgo de sufrir daños o que se beneficiarán de las intervenciones de salud pública.

Son medidas de riesgo y beneficio absolutos, que producen números de personas que se beneficiarán de una intervención o estarán en riesgo debido a un factor de riesgo dentro de una población local o nacional particular. [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] Proporcionan un contexto local a medidas anteriores, lo que permite a los responsables políticos identificar y priorizar los beneficios potenciales de las intervenciones en su propia población. [ 11 ] [ 12 ] Son fáciles de calcular y contienen los elementos a los que los responsables políticos tendrían que prestar atención en la contratación o mejora de los servicios. Pueden tener especial relevancia para la formulación de políticas locales. Dependen de la capacidad de obtener y utilizar datos locales, y al ser explícitos sobre los datos requeridos pueden tener el beneficio adicional de fomentar la recopilación de dichos datos.

Medidas

Para describir el impacto de las intervenciones preventivas y de tratamiento, el número de eventos prevenidos en una población (NEPP) se define como "el número de eventos prevenidos por la intervención en una población durante un período de tiempo definido" . [ 2 ] [ 7 ] [ 9 ] El NEPP extiende la conocida medida del número necesario para tratar (NNT) más allá del paciente individual a la población. [ 6 ] Para describir el impacto de un factor de riesgo en la aparición de enfermedades y problemas de salud, el número de impacto poblacional de la eliminación de un factor de riesgo ( PIN-ER- t ) se define como "el número potencial de eventos de enfermedad prevenidos en una población durante los próximos t años mediante la eliminación de un factor de riesgo" . [ 3 ] [ 9 ] El PIN-ER- t extiende el conocido riesgo atribuible poblacional (PAR) a una población particular y lo relaciona con la incidencia de la enfermedad , convirtiendo el PAR de una medida de riesgo relativo a una de riesgo absoluto. [ 5 ]

Los componentes para los cálculos son los siguientes: denominador poblacional (tamaño de la población); proporción de la población con la enfermedad; proporción de la población expuesta al factor de riesgo o la proporción incremental de la población enferma elegible para la intervención propuesta (esta última requiere la proporción real o estimada que actualmente recibe las intervenciones, restada del objetivo de mejores prácticas de las guías o metas, ajustada por el probable cumplimiento con la intervención); riesgo basal: la probabilidad del resultado de interés en esta u otras poblaciones similares; y riesgo relativo del resultado dada la exposición a un factor de riesgo o la reducción del riesgo relativo asociada con la intervención. [ 6 ] [ 1 ]

NEPP

La fórmula para calcular el NEPP es [ 2 ] [ 7 ] [ 8 ] [ 9 ]

NEPP=norte×PAGd×PAGmi×r×RRR{\displaystyle {\text{NEPP}}=N\times P_{d}\times P_{e}\times r_{u}\times {\text{RRR}}}

dónde

  • N = tamaño de la población,
  • P d = prevalencia de la enfermedad,
  • P e = proporción elegible para el tratamiento,
  • r u = riesgo del evento de interés en el grupo no tratado o riesgo basal durante el período de tiempo apropiado (esto se puede multiplicar por la esperanza de vida para producir años de vida),
  • RRR = reducción del riesgo relativo asociada al tratamiento.

Para reflejar el efecto incremental del cambio de la práctica actual a la "mejor" práctica, y para ajustar los niveles de cumplimiento, la proporción elegible para el tratamiento, P e , es(PAGbPAGt)PAGdo{\textstyle (P_{b}-P_{t})P_{c}}donde P t es la proporción que actualmente recibe tratamiento, P b es la proporción que recibiría tratamiento si se adoptaran las mejores prácticas y P c es la proporción de la población que cumple con la intervención.

[Nota: número necesario para tratar (NNT): 1/(riesgo basal x reducción del riesgo relativo)]

PIN-ER- t

La fórmula para calcular el PIN-ER- t es [ 3 ] [ 9 ]

PIN-ER-t=norteIpagPAR{\displaystyle {\text{PIN-ER-}}t=N\cdot I_{p}\cdot {\text{PAR}}}

dónde

  • N es el número de personas en la población;
  • I p es el riesgo basal del resultado de interés en la población en su conjunto;
  • t es el tiempo durante el cual se mide el resultado.

El PAR o PAF, riesgo atribuible poblacional (o fracción), se calcula para dos o más estratos . La fórmula básica para calcular el PAR para variables dicotómicas es:

PAR=PAGmiRR11+PAGmi(RR1){\displaystyle {\text{PAR}}=P_{e}{\frac {{\text{RR}}-1}{1+P_{e}({\text{RR}}-1)}}}

dónde

  • P e es la prevalencia de la población dentro de cada estrato de ingresos como exposición, y
  • El RR es la prevalencia de factores de riesgo en cada estrato en relación con el quintil de mayores ingresos.

Esto se modifica cuando hay múltiples estratos para:

PAR=PAGmi1(RR11)+PAGmi2(RR21)+PAGmi3(RR31)+1+PAGmi1(RR11)+PAGmi2(RR21)+PAGmi3(RR31)+{\displaystyle {\text{PAR}}={\frac {P_{e1}({\text{RR}}_{1}-1)+P_{e2}({\text{RR}}_{2}-1)+P_{e3}({\text{RR}}_{3}-1)+\cdots }{1+P_{e1}({\text{RR}}_{1}-1)+P_{e2}({\text{RR}}_{2}-1)+P_{e3}({\text{RR}}_{3}-1)+\cdots }}}

Referencias

  1. 1 2 Heller, R. F; Dobson, AJ (2000). "Número de impacto de la enfermedad y número de impacto poblacional: perspectivas poblacionales sobre las medidas de riesgo y beneficio" . BMJ . 321 ( 7266): 950–3 . doi : 10.1136/bmj.321.7266.950 . PMC 1118742. PMID 11030691 .  
  2. 1 2 3 Heller, RF; Edwards, R; McElduff, P (2003). "Implementación de guías en atención primaria: ¿pueden ayudar las medidas de impacto poblacional?" . BMC Public Health . 3 7. doi : 10.1186/1471-2458-3-7 . PMC 149228 . PMID 12542840 .  
  3. 1 2 3 Heller, R. F; Buchan, I; Edwards, R; Lyratzopoulos, G; McElduff, P; St Leger, S (2003). " Comunicación de riesgos a nivel poblacional: aplicación de números de impacto poblacional" . BMJ . 327 (7424): 1162– 5. doi : 10.1136/bmj.327.7424.1162 . PMC 261823. PMID 14615346 .  
  4. Jekel, JF; Katz, DL ; Elmore, JG (2001). «Capítulo 6 Evaluación del riesgo y el beneficio en estudios epidemiológicos». Epidemiología, bioestadística y medicina preventiva . Elsevier Health Sciences. ISBN 9780721690797.
  5. 1 2 Torun, P.; Heller, RF; Verma, A. (2008). "Impacto poblacional potencial de los cambios en el tratamiento de la heroína y las tasas de prevalencia del tabaquismo: uso de medidas de impacto poblacional" . The European Journal of Public Health . 19 (1): 28– 31. doi : 10.1093/eurpub/ckn103 . PMID 19001458 . 
  6. 1 2 3 Heller, Richard F; Gemmell, Islay; Edwards, Richard; Buchan, Iain; Awasthi, Shally; Volmink, James A (2006). " Priorización entre la observación directa de la terapia y las intervenciones de detección de casos de tuberculosis: uso de medidas de impacto poblacional" . BMC Medicine . 4 35. doi : 10.1186/1741-7015-4-35 . PMC 1764027. PMID 17181867 .  
  7. 1 2 3 Heller, RF; Gemmell, I; Patterson, L (2006). "Ayudando a priorizar las intervenciones para la depresión y la esquizofrenia: uso de medidas de impacto poblacional" . Práctica clínica y epidemiología en salud mental . 2 : 3. doi : 10.1186/1745-0179-2-3 . PMC 1475571. PMID 16553956 .  
  8. 1 2 Gemmell, I; Heller, RF; McElduff, P; Payne, K; Butler, G; Edwards, R; Roland, M; Durrington, P (2005). "Impacto poblacional de una adherencia más estricta a las recomendaciones para intervenciones farmacológicas y de estilo de vida durante un año en pacientes con cardiopatía coronaria" . Journal of Epidemiology and Community Health . 59 (12): 1041– 6. doi : 10.1136/jech.2005.035717 . PMC 1732977. PMID 16286491 .  
  9. 1 2 3 4 5 Gemmell, I; Heller, RF; Payne, K; Edwards, R; Roland, M; Durrington, P (2006). "Impacto poblacional potencial de la estrategia del gobierno del Reino Unido para reducir la carga de la cardiopatía coronaria en Inglaterra: comparación de estrategias de prevención primaria y secundaria" . Quality & Safety in Health Care . 15 (5): 339– 43. doi : 10.1136/qshc.2005.017061 . PMC 2565818. PMID 17074870 .  
  10. Syed, AM; Talbot-Smith, A; Gemmell, I (septiembre de 2012). "El uso de medidas epidemiológicas para estimar el impacto de las intervenciones de prevención primaria en los resultados de la cardiopatía coronaria, el accidente cerebrovascular y el cáncer: experiencias de Herefordshire, Reino Unido" . J Epidemiol Glob Health . 2 (3): 111– 24. doi : 10.1016/j.jegh.2012.07.002 . PMC 7320327. PMID 23856450 .  
  11. Chamnan, P; Simmons, RK; Khaw, KT; Wareham, NJ; Griffin, SJ (2010). "Estimación del impacto poblacional de las estrategias de detección para identificar y tratar a personas con alto riesgo de enfermedad cardiovascular: estudio de modelización" . BMJ . 340 c1693. doi : 10.1136/bmj.c1693 . PMC 2859321. PMID 20418545 .  
  12. Heller, RF; Gemmell, I; Wilson, EC; Fordham, R; Smith, RD (2006). "Uso de análisis económicos para el establecimiento de prioridades locales: el enfoque del impacto en los costos de la población". Applied Health Economics and Health Policy . 5 (1): 45– 54. doi : 10.2165/00148365-200605010-00006 . PMID 16774292 .