array:24 [
  "pii" => "S0210569118300093"
  "issn" => "02105691"
  "doi" => "10.1016/j.medin.2018.01.002"
  "estado" => "S300"
  "fechaPublicacion" => "2018-06-01"
  "aid" => "1162"
  "copyright" => "Elsevier España, S.L.U. y SEMICYUC"
  "copyrightAnyo" => "2018"
  "documento" => "article"
  "crossmark" => 1
  "subdocumento" => "fla"
  "cita" => "Med Intensiva. 2018;42:292-300"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 3264
    "formatos" => array:3 [
      "EPUB" => 230
      "HTML" => 2057
      "PDF" => 977
    ]
  ]
  "Traduccion" => array:1 [
    "en" => array:19 [
      "pii" => "S2173572718300857"
      "issn" => "21735727"
      "doi" => "10.1016/j.medine.2018.01.010"
      "estado" => "S300"
      "fechaPublicacion" => "2018-06-01"
      "aid" => "1162"
      "copyright" => "Elsevier España, S.L.U. and SEMICYUC"
      "documento" => "article"
      "crossmark" => 1
      "subdocumento" => "fla"
      "cita" => "Med Intensiva. 2018;42:292-300"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:2 [
        "total" => 1648
        "formatos" => array:3 [
          "EPUB" => 228
          "HTML" => 917
          "PDF" => 503
        ]
      ]
      "en" => array:13 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Special article</span>"
        "titulo" => "Analysis of causality from observational studies and its application in clinical research in Intensive Care Medicine"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "tieneResumen" => array:2 [
          0 => "en"
          1 => "es"
        ]
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "292"
            "paginaFinal" => "300"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "An&#225;lisis de la causalidad desde los estudios observacionales y su aplicaci&#243;n en la investigaci&#243;n cl&#237;nica en Cuidados Intensivos"
          ]
        ]
        "contieneResumen" => array:2 [
          "en" => true
          "es" => true
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:7 [
            "identificador" => "fig0010"
            "etiqueta" => "Figure 2"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr2.jpeg"
                "Alto" => 1376
                "Ancho" => 2152
                "Tamanyo" => 110672
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Flow chart of the publications in adult critical patients with use of the propensity scores&#46;</p> <p id="spar0025" class="elsevierStyleSimplePara elsevierViewall"><span class="elsevierStyleItalic">Source</span>&#58; chart generated by the authors &#40;PubMed search up until March 2017&#41;&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "C&#46; Coscia Requena, A&#46; Muriel, O&#46; Pe&#241;uelas"
            "autores" => array:3 [
              0 => array:2 [
                "nombre" => "C&#46;"
                "apellidos" => "Coscia Requena"
              ]
              1 => array:2 [
                "nombre" => "A&#46;"
                "apellidos" => "Muriel"
              ]
              2 => array:2 [
                "nombre" => "O&#46;"
                "apellidos" => "Pe&#241;uelas"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S0210569118300093"
          "doi" => "10.1016/j.medin.2018.01.002"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569118300093?idApp=WMIE"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572718300857?idApp=WMIE"
      "url" => "/21735727/0000004200000005/v1_201805310404/S2173572718300857/v1_201805310404/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:18 [
    "pii" => "S0210569117302954"
    "issn" => "02105691"
    "doi" => "10.1016/j.medin.2017.10.004"
    "estado" => "S300"
    "fechaPublicacion" => "2018-06-01"
    "aid" => "1128"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
    "documento" => "article"
    "crossmark" => 1
    "subdocumento" => "sco"
    "cita" => "Med Intensiva. 2018;42:301-5"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 3368
      "formatos" => array:3 [
        "EPUB" => 243
        "HTML" => 1945
        "PDF" => 1180
      ]
    ]
    "en" => array:11 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Point of view</span>"
      "titulo" => "Management of myocardial dysfunction in septic shock&#46; Potential role of extracorporeal membrane oxygenation"
      "tienePdf" => "en"
      "tieneTextoCompleto" => "en"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "301"
          "paginaFinal" => "305"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "es" => array:1 [
          "titulo" => "Manejo de la disfunci&#243;n mioc&#225;rdica en el shock s&#233;ptico&#46; Potencial papel de la oxigenaci&#243;n por membrana extracorp&#243;rea"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "en" => true
      ]
      "contienePdf" => array:1 [
        "en" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0010"
          "etiqueta" => "Figure 2"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr2.jpeg"
              "Alto" => 1914
              "Ancho" => 2519
              "Tamanyo" => 258786
            ]
          ]
          "descripcion" => array:1 [
            "en" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Proposed algorithm for Management of myocardial dysfunction in septic shock&#46; CI&#58; Cardiac Index&#59; DO<span class="elsevierStyleInf">2</span>&#58; oxygen transport&#59; ECMO&#58; extracorporeal membrane oxygenation&#59; FA&#58; femoral artery&#59; LV&#58; left ventricle&#59; LVEF&#58; left ventricular ejection fraction&#59; NMB&#58; neuromuscular blockers&#59; RFV&#58; right femoral vein&#59; RJV&#58; right jugular vein&#59; RV&#58; right ventricle&#59; SvO<span class="elsevierStyleInf">2</span>&#58; venous saturation&#59; ScvO<span class="elsevierStyleInf">2</span>&#58; central venous saturation&#59; VO<span class="elsevierStyleInf">2</span>&#58; oxygen consumption&#59; VA&#58; venoarterial&#59; VV&#58; venovenous&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "J&#46; Riera, E&#46; Romay, R&#46; Ferrer"
          "autores" => array:3 [
            0 => array:2 [
              "nombre" => "J&#46;"
              "apellidos" => "Riera"
            ]
            1 => array:2 [
              "nombre" => "E&#46;"
              "apellidos" => "Romay"
            ]
            2 => array:2 [
              "nombre" => "R&#46;"
              "apellidos" => "Ferrer"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "en"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569117302954?idApp=WMIE"
    "url" => "/02105691/0000004200000005/v1_201805290410/S0210569117302954/v1_201805290410/en/main.assets"
  ]
  "itemAnterior" => array:19 [
    "pii" => "S0210569117302371"
    "issn" => "02105691"
    "doi" => "10.1016/j.medin.2017.08.008"
    "estado" => "S300"
    "fechaPublicacion" => "2018-06-01"
    "aid" => "1108"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
    "documento" => "article"
    "crossmark" => 1
    "subdocumento" => "fla"
    "cita" => "Med Intensiva. 2018;42:283-91"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 5410
      "formatos" => array:3 [
        "EPUB" => 239
        "HTML" => 3514
        "PDF" => 1657
      ]
    ]
    "es" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Original</span>"
      "titulo" => "Incidencia y evoluci&#243;n de la miocardiopat&#237;a s&#233;ptica en una cohorte de pacientes con sepsis y shock s&#233;ptico"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:2 [
        0 => "es"
        1 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "283"
          "paginaFinal" => "291"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Incidence and evolution of sepsis-induced cardiomyopathy in a cohort of patients with sepsis and septic shock"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0015"
          "etiqueta" => "Figura 2"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr2.jpeg"
              "Alto" => 1731
              "Ancho" => 2333
              "Tamanyo" => 161803
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">Variaci&#243;n de las medidas ecocardiogr&#225;ficas&#46;</p> <p id="spar0090" class="elsevierStyleSimplePara elsevierViewall">DTDVD&#58; di&#225;metro telediast&#243;lico de ventr&#237;culo derecho&#59; DTDVI&#58; di&#225;metro telediast&#243;lico de ventr&#237;culo izquierdo&#59; FEVI&#58; fracci&#243;n de eyecci&#243;n de ventr&#237;culo izquierdo&#59; ITV en TSVI&#58; integral tiempo velocidad en tracto de salida del ventr&#237;culo Izquierdo&#59; TAPSE&#58; &#171;tricuspid annular plane systolic excursion&#187; &#40;desplazamiento sist&#243;lico del anillo tric&#250;spide&#41;&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "I&#46; Narv&#225;ez, A&#46; Canabal, C&#46; Mart&#237;n, M&#46; S&#225;nchez, A&#46; Moron, J&#46; Alcal&#225;, S&#46; Giacoman, M&#46; Magro"
          "autores" => array:8 [
            0 => array:2 [
              "nombre" => "I&#46;"
              "apellidos" => "Narv&#225;ez"
            ]
            1 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Canabal"
            ]
            2 => array:2 [
              "nombre" => "C&#46;"
              "apellidos" => "Mart&#237;n"
            ]
            3 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "S&#225;nchez"
            ]
            4 => array:2 [
              "nombre" => "A&#46;"
              "apellidos" => "Moron"
            ]
            5 => array:2 [
              "nombre" => "J&#46;"
              "apellidos" => "Alcal&#225;"
            ]
            6 => array:2 [
              "nombre" => "S&#46;"
              "apellidos" => "Giacoman"
            ]
            7 => array:2 [
              "nombre" => "M&#46;"
              "apellidos" => "Magro"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S2173572718300869"
        "doi" => "10.1016/j.medine.2018.04.002"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572718300869?idApp=WMIE"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569117302371?idApp=WMIE"
    "url" => "/02105691/0000004200000005/v1_201805290410/S0210569117302371/v1_201805290410/es/main.assets"
  ]
  "es" => array:19 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Series en Medicina Intensiva&#58; Actualizaci&#243;n en Metodolog&#237;a en Medicina Intensiva</span>"
    "titulo" => "An&#225;lisis de la causalidad desde los estudios observacionales y su aplicaci&#243;n en la investigaci&#243;n cl&#237;nica en Cuidados Intensivos"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "292"
        "paginaFinal" => "300"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "C&#46; Coscia Requena, A&#46; Muriel, O&#46; Pe&#241;uelas"
        "autores" => array:3 [
          0 => array:3 [
            "nombre" => "C&#46;"
            "apellidos" => "Coscia Requena"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "A&#46;"
            "apellidos" => "Muriel"
            "referencia" => array:3 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
              2 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
          2 => array:4 [
            "nombre" => "O&#46;"
            "apellidos" => "Pe&#241;uelas"
            "email" => array:1 [
              0 => "oscar&#46;penuelasro&#64;salud&#46;madrid&#46;org"
            ]
            "referencia" => array:3 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">d</span>"
                "identificador" => "aff0020"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">e</span>"
                "identificador" => "aff0025"
              ]
              2 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:5 [
          0 => array:3 [
            "entidad" => "Unidad de Bioestad&#237;stica&#44; Hospital Universitario Ram&#243;n y Cajal&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "IRYCIS&#46; CIBER de Epidemiolog&#237;a &#40;CIBERESP&#41;&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Departamento de Enfermer&#237;a y Fisioterapia&#44; Universidad de Alcal&#225;&#44; Alcal&#225; de Henares&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
          3 => array:3 [
            "entidad" => "Unidad de Cuidados Intensivos y Grandes Quemados&#44; Hospital Universitario de Getafe&#44; Getafe&#44; Madrid&#44; Espa&#241;a"
            "etiqueta" => "d"
            "identificador" => "aff0020"
          ]
          4 => array:3 [
            "entidad" => "CIBER de Enfermedades Respiratorias &#40;CIBERES&#41;&#44; Espa&#241;a"
            "etiqueta" => "e"
            "identificador" => "aff0025"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Analysis of causality from observational studies and its application in clinical research in Intensive Care Medicine"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 0
      "multimedia" => array:7 [
        "identificador" => "fig0025"
        "etiqueta" => "Figura 5"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr5.jpeg"
            "Alto" => 1749
            "Ancho" => 2333
            "Tamanyo" => 117716
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Gr&#225;fico de diagrama de cajas que sirve para comparar &#8212;en este caso para observar&#8212; que los pacientes tratados <span class="elsevierStyleItalic">&#40;treated&#41;</span> con los bloqueantes neuromusculares son distintos a los pacientes que no han sido tratados <span class="elsevierStyleItalic">&#40;untreated&#41;</span> con bloqueantes neuromusculares &#40;NMB&#41;&#46;</p>"
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Introducci&#243;n</span><p id="par0005" class="elsevierStylePara elsevierViewall">En la investigaci&#243;n cl&#237;nica desarrollada en las Unidades de Cuidados Intensivos &#40;UCI&#41;&#44; uno de los objetivos habituales es evaluar la asociaci&#243;n causal que existe entre un tratamiento o intervenci&#243;n &#40;exposici&#243;n&#41; y el desenlace de salud de un paciente &#40;muerte curaci&#243;n&#44; alta en UCI&#41;&#46; Los ensayos cl&#237;nicos representan el dise&#241;o de investigaci&#243;n de referencia cuando se quiere evaluar la eficacia que produce el tratamiento sobre el evento de inter&#233;s&#44; ya que se reduce la probabilidad de aparici&#243;n de sesgos de selecci&#243;n o confusi&#243;n&#46; Los ensayos cl&#237;nicos consisten en asignar un tratamiento aleatoriamente a un conjunto de pacientes con un estadio de la enfermedad similar para estimar el efecto que este presente sobre el desenlace&#59; habitualmente en UCI este desenlace es mortalidad durante la estancia en UCI&#44; o durante los 28 d&#237;as tras su ingreso&#44; o la necesidad de realizar un tratamiento m&#225;s agresivo&#44; como por ejemplo la traqueotom&#237;a<a class="elsevierStyleCrossRefs" href="#bib0130"><span class="elsevierStyleSup">1-3</span></a>&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">La asignaci&#243;n del tratamiento es la caracter&#237;stica principal de los ensayos cl&#237;nicos&#46; La elecci&#243;n del tratamiento de cada paciente se realiza de forma aleatoria para que pacientes tratados y no tratados presenten caracter&#237;sticas homog&#233;neas y en consecuencia el efecto del tratamiento no se vea confundido por las caracter&#237;sticas de los pacientes&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Aunque se consideren los estudios de m&#225;s calidad&#44; para la estimaci&#243;n de la causalidad&#44; los ensayos cl&#237;nicos tambi&#233;n presentan algunas limitaciones&#58; el tama&#241;o muestral es reducido y dif&#237;cilmente alcanzable&#44; cuentan con una baja validez externa&#44; los criterios de inclusi&#243;n reducen el marco de la poblaci&#243;n a analizar&#44; ya que tienden a excluir pacientes con edades avanzadas y con m&#225;s de una enfermedad&#44; mujeres&#59; adem&#225;s&#44; los ensayos cl&#237;nicos presentan aspectos &#233;ticos a tener en cuenta y el tiempo de seguimiento es reducido<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">4</span></a>&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">En el caso de la UCI&#44; existen adem&#225;s otras dificultades que hacen que el dise&#241;o de ensayos cl&#237;nicos en nuestra disciplina sea particularmente dif&#237;cil&#44; como son&#58; falta de nosograf&#237;a segura &#8212;los pacientes ingresados en UCI presentan s&#237;ndromes &#40;por ejemplo&#44; s&#237;ndrome de distr&#233;s respiratorio agudo &#91;SDRA&#93;&#41; en vez de enfermedades&#8212;&#44; dificultades para identificar grupos control adecuados&#44; el uso concomitante de diferentes terapias &#40;a menudo la intervenci&#243;n no es un medicamento sino una actitud terap&#233;utica&#41;&#44; la aleatorizaci&#243;n antes del tratamiento y la solicitud de consentimiento informado es dif&#237;cil debido al momento en que se produce<a class="elsevierStyleCrossRef" href="#bib0150"><span class="elsevierStyleSup">5</span></a>&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">Una posible soluci&#243;n a algunas de las dificultades de los ensayos cl&#237;nicos son los estudios observacionales&#46; Son un tipo de investigaci&#243;n cuya selecci&#243;n del tratamiento est&#225; condicionada a las caracter&#237;sticas basales del paciente&#46; El propio m&#233;dico determina el tipo de tratamiento en funci&#243;n de las caracter&#237;sticas que presenta el paciente&#46; Esta es una de las principales diferencias entre ambos estudios<a class="elsevierStyleCrossRefs" href="#bib0155"><span class="elsevierStyleSup">6-9</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">Los estudios observacionales presentan varias ventajas en comparaci&#243;n con los ensayos cl&#237;nicos&#58; el marco de la poblaci&#243;n es m&#225;s amplio&#44; as&#237; como el tiempo de seguimiento&#44; y presentan un tama&#241;o muestral mayor&#46; Por otra parte&#44; el hecho de que la asignaci&#243;n del tratamiento no sea aleatoria conlleva que la estimaci&#243;n de la causalidad sea sesgada y&#44; en consecuencia&#44; que pacientes tratados y no tratados difieran no solo en el tratamiento que reciben sino tambi&#233;n en las caracter&#237;sticas basales&#46; Si estas variables basales tuvieran asociaci&#243;n con el evento de inter&#233;s&#44; se estar&#237;a indicando que son variables confusoras entre la exposici&#243;n y el desenlace<a class="elsevierStyleCrossRefs" href="#bib0175"><span class="elsevierStyleSup">10&#44;11</span></a> &#40;<a class="elsevierStyleCrossRef" href="#fig0005">fig&#46; 1</a>&#41;&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0035" class="elsevierStylePara elsevierViewall">Las t&#233;cnicas estad&#237;sticas est&#225;n en continuo desarrollo y se han ido incorporando nuevos m&#233;todos cada vez m&#225;s utilizados en la investigaci&#243;n cl&#237;nica que permiten estimar la causalidad en estudios observacionales teniendo en cuenta los posibles factores de confusi&#243;n&#44; concretamente el &#237;ndice de propensi&#243;n &#40;IP&#41; <span class="elsevierStyleItalic">&#40;propensity score&#41;</span> y los modelos marginales estructurales <span class="elsevierStyleItalic">&#40;marginal structural models&#41;</span>&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">Los art&#237;culos publicados utilizando los m&#233;todos de IP han ido increment&#225;ndose cada vez m&#225;s en la literatura cient&#237;fica de Cuidados Intensivos en los &#250;ltimos 10 a&#241;os &#40;<a class="elsevierStyleCrossRef" href="#fig0010">fig&#46; 2</a>&#41;&#46; Dado que la metodolog&#237;a de los IP no es a&#250;n muy familiar para los intensivistas&#44; en este art&#237;culo se presenta el marco conceptual en que se basan y se indican las mejores pr&#225;cticas para su aplicaci&#243;n&#46; Por tanto&#44; los objetivos de esta revisi&#243;n son describir&#58; 1&#41; los fundamentos de los m&#233;todos del IP&#59; 2&#41; los m&#233;todos principales para el uso de la puntuaci&#243;n de la propensi&#243;n &#40;emparejamiento&#44; estratificaci&#243;n&#44; ajuste por covariable y ponderaci&#243;n por el inverso de la probabilidad de tratamiento &#40;<span class="elsevierStyleItalic">inverse probability of treatment weighting</span> &#91;IPTW&#93;&#41; en un ejemplo de Cuidados Intensivos&#59; 3&#41; el an&#225;lisis estad&#237;stico ante la presencia de confusores tiempodependientes&#44; y 4&#41; los puntos fuertes y d&#233;biles de estas t&#233;cnicas&#46;</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">El &#237;ndice de propensi&#243;n en los estudios observacionales</span><p id="par0045" class="elsevierStylePara elsevierViewall">El IP&#44; seg&#250;n Rosenbaum y Rubin<a class="elsevierStyleCrossRef" href="#bib0250"><span class="elsevierStyleSup">12</span></a>&#44; es un m&#233;todo que permite estimar la probabilidad de asignaci&#243;n a un tratamiento condicionada a las caracter&#237;sticas basales que el paciente presente&#46; Este &#237;ndice es balanceado&#44; puesto que pacientes tratados y no tratados con IP similares tendr&#225;n caracter&#237;sticas basales equivalentes&#46; De este modo se estar&#237;a controlando el efecto de la confusi&#243;n producido por las caracter&#237;sticas basales&#46;</p><p id="par0050" class="elsevierStylePara elsevierViewall">Para que se pueda aplicar el IP&#44; se deben cumplir dos condiciones&#58; que no haya factores de confusi&#243;n no medidos y&#44; adem&#225;s&#44; que cada sujeto presente una probabilidad distinta de cero de recibir un tratamiento&#46; Si se cumplen estas dos condiciones&#44; se puede decir que la asignaci&#243;n del tratamiento es independiente con respecto al resultado&#44; cuando se est&#225; condicionando por las covariables&#46;</p><p id="par0055" class="elsevierStylePara elsevierViewall">En los ensayos cl&#237;nicos el IP es conocido&#44; puesto que se conoce con qu&#233; probabilidad se asigna un tratamiento a un paciente &#40;por ejemplo&#44; si es un estudio con dos ramas de tratamiento&#44; la probabilidad de asignaci&#243;n de un sujeto ser&#225; 0&#44;5 respectivamente&#41;&#46; Sin embargo&#44; en los estudios observacionales este &#237;ndice es desconocido&#46; Se podr&#237;a estimar mediante regresi&#243;n log&#237;stica&#58; en el que la variable dependiente es el tratamiento y las variables independientes son las covariables basales posiblemente confusoras&#46;</p><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Variables a considerar en el c&#225;lculo del &#237;ndice de propensi&#243;n</span><p id="par0060" class="elsevierStylePara elsevierViewall">Las variables incluidas en el IP pueden crear sesgos&#44; modificando la varianza del estimador o el error si no est&#225;n correctamente elegidas&#46; Para seleccionar dichas variables no existe un consenso&#44; ya que depende del planteamiento cl&#237;nico&#44; estableciendo las variables con criterio cl&#237;nico&#44; y del planteamiento estad&#237;stico<a class="elsevierStyleCrossRef" href="#bib0190"><span class="elsevierStyleSup">13</span></a>&#46;</p><p id="par0065" class="elsevierStylePara elsevierViewall">Dado un conjunto de variables basales&#44; se pueden clasificar en 1&#41; variables que se relacionan con el evento&#44; 2&#41; variables que se relacionan con la exposici&#243;n y 3&#41; variables que se asocian tanto con el evento como con la exposici&#243;n&#46;</p><p id="par0070" class="elsevierStylePara elsevierViewall">Al ser un modelo de regresi&#243;n log&#237;stica&#44; el n&#250;mero de variables viene determinado por el n&#250;mero total de expuestos&#47;no expuestos siguiendo la regla de Peduzzi&#44; es decir&#44; 10 pacientes por evento de inter&#233;s &#40;expuesto&#47;no expuesto&#41;&#46;</p><p id="par0075" class="elsevierStylePara elsevierViewall">En estudios de simulaci&#243;n se ha podido comprobar que las variables que se relacionan con el resultado &#40;evento&#41; se deben incluir&#44; as&#237; como las variables que presenten asociaci&#243;n con el evento y la exposici&#243;n<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">14</span></a>&#46; No se deber&#225;n incluir aquellas variables que presenten asociaci&#243;n solo con el tratamiento&#46;</p><p id="par0080" class="elsevierStylePara elsevierViewall">La elecci&#243;n de las variables constituye un reto en el que se deben consensuar hallazgos estad&#237;sticos y criterio cl&#237;nico&#46;</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">M&#233;todos de aplicaci&#243;n de los &#237;ndices de propensi&#243;n</span><p id="par0085" class="elsevierStylePara elsevierViewall">Una vez que el IP ha sido estimado para todos los pacientes&#44; hay distintos m&#233;todos de aplicaci&#243;n&#58; mediante emparejamiento <span class="elsevierStyleItalic">&#40;matching&#41;</span>&#44; estratificaci&#243;n&#44; IPTW&#44; y ajustando el modelo final incluy&#233;ndolo como covariable confusora&#46;</p><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Emparejamiento</span><p id="par0090" class="elsevierStylePara elsevierViewall">El m&#233;todo del emparejamiento se basa en crear una nueva muestra de pacientes en funci&#243;n del IP estimado previamente&#46; Se seleccionan los pacientes con IP similares para crear parejas de pacientes tratados y pacientes no tratados&#46; El objetivo de este m&#233;todo es crear una nueva muestra balanceada y reducir las diferencias que pueda haber entre pacientes de ambos grupos&#46; Este m&#233;todo permite realizar parejas considerando diversos aspectos&#58; se podr&#237;a tener en cuenta el reemplazamiento&#44; por lo tanto&#44; se podr&#237;a decidir si un individuo puede encontrar pareja dos veces&#59; se puede emparejar por el &#171;vecino&#187;&#44; paciente&#44; que est&#233; m&#225;s cercano&#59; y tambi&#233;n se puede fijar un calibre <span class="elsevierStyleItalic">&#40;caliper&#41;</span> que indique la distancia m&#225;xima con la que se puede emparejar a dos pacientes&#44; que suele ser el 0&#44;25 por la desviaci&#243;n est&#225;ndar del IP&#46;</p><p id="par0095" class="elsevierStylePara elsevierViewall">Con esta nueva muestra&#44; con estructura muy similar a la de un ensayo cl&#237;nico&#44; se estar&#237;a solucionando el problema de la confusi&#243;n y se estar&#237;an reduciendo las diferencias de las caracter&#237;sticas de pacientes tratados y controles&#46;</p><p id="par0100" class="elsevierStylePara elsevierViewall">En la muestra emparejada&#44; habr&#237;a que comprobar&#44; mediante diferencias estandarizadas&#44; que las caracter&#237;sticas basales de los pacientes tratados y los no tratados&#44; despu&#233;s del emparejamiento&#44; sean menores en un 10&#37;<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">15</span></a>&#46;</p><p id="par0105" class="elsevierStylePara elsevierViewall">Las diferencias estandarizadas se expresan de la siguiente forma para las variables continuas&#58;<elsevierMultimedia ident="eq0005"></elsevierMultimedia></p><p id="par0110" class="elsevierStylePara elsevierViewall">Siendo x&#175;T&#44;x&#175;T&#175; las medias de las variables en los tratados y en los no tratados&#44; y ST2&#44;ST&#175;2 las varianzas de dichas variables&#46;</p><p id="par0115" class="elsevierStylePara elsevierViewall">Del mismo modo se definen las diferencias estandarizadas para variables dicot&#243;micas&#58;<elsevierMultimedia ident="eq0010"></elsevierMultimedia></p><p id="par0120" class="elsevierStylePara elsevierViewall">Donde p&#710;T es la proporci&#243;n de eventos de una variable para los individuos tratados y p&#710;T&#175; es la proporci&#243;n para individuos no tratados&#46;</p><p id="par0125" class="elsevierStylePara elsevierViewall">El &#250;ltimo paso es realizar la estimaci&#243;n del efecto del tratamiento sobre el evento de inter&#233;s en la muestra emparejada&#46; Si la variable respuesta es continua se podr&#225; estimar la diferencia entre los dos grupos mediante el test de la t de Student o&#44; en caso de no cumplir con la hip&#243;tesis de normalidad&#44; mediante el test de Wilcoxon&#46; Si la variable respuesta es dicot&#243;mica&#44; se estimar&#225; el efecto mediante el test de McNemar&#46;</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050"><span class="elsevierStyleItalic">Inverse probability treatment weighting</span> &#40;IPTW&#41;</span><p id="par0130" class="elsevierStylePara elsevierViewall">Consiste en estimar pesos basados en el IP&#44; calculados como la inversa de dicha probabilidad para tratados y no tratados&#44; y posteriormente realizar la estimaci&#243;n del efecto del tratamiento ponderando por el peso anteriormente calculado&#46;</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Estratificaci&#243;n</span><p id="par0135" class="elsevierStylePara elsevierViewall">El m&#233;todo de estratificaci&#243;n consiste en dividir la muestra en varias submuestras basadas en el IP&#46; El n&#250;mero de grupos a utilizar suele ser 5&#44; en funci&#243;n de los quintiles o de otros percentiles del IP estimado&#46; Rosenbaum et al&#46; indican que se consigue reducir el sesgo en un 90&#37;&#46; El efecto del tratamiento se estimar&#225; mediante la <span class="elsevierStyleItalic">odds ratio</span> &#40;OR&#41; de Mantel-Haenszel &#40;MH&#41;&#46;</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">&#205;ndice de propensi&#243;n</span><p id="par0145" class="elsevierStylePara elsevierViewall">La &#250;ltima alternativa consiste en calcular el efecto del tratamiento incluyendo el IP como covariable del modelo&#46; Este m&#233;todo tiene la premisa de que la relaci&#243;n entre el desenlace &#40;evento&#41; y la variable confusora debe estar correctamente especificada&#46; Es decir&#44; que se haya realizado de forma correcta&#59; el empleo de m&#233;todos no lineales&#44; <span class="elsevierStyleItalic">splines</span> o polinomios fraccionales podr&#237;a ayudar a establecer modelos adecuados&#46;</p></span></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Comparaci&#243;n entre los distintos m&#233;todos</span><p id="par0150" class="elsevierStylePara elsevierViewall">El m&#233;todo del emparejamiento presenta la ventaja de que&#44; una vez que se han obtenido las parejas&#44; la nueva estructura se asemeja a la de un ensayo cl&#237;nico&#46; Por otro lado&#44; esta t&#233;cnica necesita una muestra grande donde haya un mayor n&#250;mero de pacientes no tratados que tratados para que todos los pacientes tratados puedan encontrar pareja&#46; Al emparejar&#44; adem&#225;s&#44; se estar&#237;a perdiendo toda la informaci&#243;n de aquellos pacientes que no encontraron pareja&#46;</p><p id="par0155" class="elsevierStylePara elsevierViewall">La ventaja principal que presenta el m&#233;todo de estratificaci&#243;n es que permite utilizar toda la muestra de los pacientes&#46; Adem&#225;s&#44; es una t&#233;cnica m&#225;s robusta si el IP no est&#225; correctamente especificado en comparaci&#243;n con el m&#233;todo del IPTW o el de la covariable&#46;</p><p id="par0160" class="elsevierStylePara elsevierViewall">El m&#233;todo IPTW&#44; seg&#250;n Deb et al&#46;<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">15</span></a>&#44; tiene la desventaja de que los pesos calculados pueden ser inestables si hay pacientes con probabilidades bajas de recibir el tratamiento&#58; si el peso se considera como la inversa del IP&#44; aquellos pacientes con un IP bajo obtendr&#225;n un peso mayor que los pacientes con un IP alto&#46;</p><p id="par0165" class="elsevierStylePara elsevierViewall">Considerando el IP como covariable del modelo&#44; se consigue de forma sencilla poder incluir un gran n&#250;mero de variables en el modelo&#46; Para poder utilizar este m&#233;todo hay que comprobar que la relaci&#243;n entre el IP y el desenlace est&#233; correctamente especificada&#59; la asunci&#243;n de normalidad deber&#237;a ser comprobada si el modelo de regresi&#243;n es lineal&#46; Presenta el inconveniente de que la comprobaci&#243;n del balance de las variables basales &#40;balance diagn&#243;stico&#41; es m&#225;s complicada que en otros m&#233;todos&#44; adem&#225;s de haberse demostrado que produce estimaciones m&#225;s sesgadas<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">15</span></a>&#46; Por &#250;ltimo&#44; la implementaci&#243;n que se tiene de este m&#233;todo no permite la estimaci&#243;n de la reducci&#243;n absoluta del riesgo o del n&#250;mero necesario para tratar &#40;NNT&#41;&#46;</p></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">&#205;ndice de propensi&#243;n y regresi&#243;n</span><p id="par0170" class="elsevierStylePara elsevierViewall">Bajo ciertas condiciones&#44; las estimaciones obtenidas por los modelos de regresi&#243;n multivariables y el IP son coincidentes&#46; La diferencia entre el IP y la regresi&#243;n log&#237;stica est&#225; muy condicionada al n&#250;mero de eventos y al n&#250;mero de covariables por las que ajustar<a class="elsevierStyleCrossRef" href="#bib0205"><span class="elsevierStyleSup">16</span></a>&#46;</p><p id="par0175" class="elsevierStylePara elsevierViewall">Seg&#250;n Harrell et al&#46;<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">17</span></a>&#44; el n&#250;mero &#243;ptimo de variables independientes que se deber&#237;a incluir en un modelo de regresi&#243;n log&#237;stica es 10 veces el n&#250;mero de eventos que se tienen en la muestra&#44; lo que se conoce como la regla del 10&#46; Es decir&#44; si el n&#250;mero de eventos es 30 &#40;fallecimientos&#44; por ejemplo&#41;&#44; el n&#250;mero &#243;ptimo de variables explicativas para estimar la probabilidad de fallecer deber&#237;a ser 3&#46; La regresi&#243;n log&#237;stica depender&#225; por lo tanto del n&#250;mero de eventos y en consecuencia del tama&#241;o muestral<span class="elsevierStyleSup">18</span>&#46;</p><p id="par0180" class="elsevierStylePara elsevierViewall">Sin embargo&#44; en la regresi&#243;n log&#237;stica del IP&#44; la variable dependiente no es el evento&#44; sino la exposici&#243;n&#46; El n&#250;mero de variables para estimar la exposici&#243;n no solo depender&#225; de la asociaci&#243;n que presenten con el evento&#44; como se dec&#237;a anteriormente&#44; sino tambi&#233;n por el n&#250;mero de exposiciones que haya&#46; Si&#44; por ejemplo&#44; el n&#250;mero de exposiciones fuera 60 &#40;60 fumadores&#41;&#44; se deber&#237;a ajustar el IP con 6 variables&#46;</p><p id="par0185" class="elsevierStylePara elsevierViewall">Dependiendo de la prevalencia del evento y del n&#250;mero de expuestos al tratamiento&#44; el IP permite ajustar un modelo con m&#225;s variables que el modelo de regresi&#243;n log&#237;stica&#46;</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Confusores tiempodependientes&#46; Modelos marginales estructurales</span><p id="par0190" class="elsevierStylePara elsevierViewall">El IP es una t&#233;cnica estad&#237;stica que permite estimar el efecto del tratamiento sobre el desenlace de un paciente&#46; Cuando las variables cl&#237;nicas confusoras son tiempodependientes&#44; la estimaci&#243;n de dicho &#237;ndice resulta m&#225;s compleja puesto que los valores de las variables confusoras var&#237;an a lo largo del tiempo&#46;</p><p id="par0195" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Ejemplo</span>&#46; Si se quisiera evaluar el efecto causal de la sedaci&#243;n &#40;A&#41; en el fracaso de la ventilaci&#243;n mec&#225;nica no invasiva &#40;Y&#41;&#44; podr&#237;an existir variables confusoras &#40;L&#41;&#44; por ejemplo&#44; la escala de sedaci&#243;n de RASS o algunos marcadores respiratorios como el pH o la PaCO<span class="elsevierStyleInf">2</span><a class="elsevierStyleCrossRefs" href="#bib0260"><span class="elsevierStyleSup">18&#44;19</span></a>&#46;</p><p id="par0200" class="elsevierStylePara elsevierViewall">Tanto la escala de sedaci&#243;n RASS como los marcadores respiratorios &#40;pH o PaCO<span class="elsevierStyleInf">2</span>&#41; se miden en distintos periodos de tiempo&#46; Por tanto&#44; se considerar&#225;n como confusoras tiempodependientes si los valores pasados de la covariable pueden predecir el tratamiento actual o si los valores actuales podr&#225;n predecir resultados futuros&#44; condicionados al tratamiento recibido en pasado&#46;</p><p id="par0205" class="elsevierStylePara elsevierViewall">En este ejemplo&#44; seg&#250;n se observa en la <a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a>&#44; se quiere estimar el efecto del tratamiento de sedaci&#243;n &#40;A&#41;&#44; tanto en el instante 0 &#40;A<span class="elsevierStyleInf">0</span>&#41; como en el instante 1 &#40;A<span class="elsevierStyleInf">1</span>&#41;&#46; Por otro lado&#44; L<span class="elsevierStyleInf">1</span> representa a las variables confusoras &#40;escala RASS y pCO<span class="elsevierStyleInf">2</span>&#41; medidas en el instante 1&#44; e Y representa el desenlace de inter&#233;s &#40;fracaso de la ventilaci&#243;n no invasiva&#41;&#46; Al estudiar la relaci&#243;n entre el tratamiento en el instante 0 y el desenlace&#44; aparecen dos caminos causales&#58; A<span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>Y y A<span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>L<span class="elsevierStyleInf">1</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>Y&#46; El camino A<span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>Y es un camino directo&#46;</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0210" class="elsevierStylePara elsevierViewall">Sin embargo&#44; en el camino A<span class="elsevierStyleInf">0</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>L<span class="elsevierStyleInf">1</span><span class="elsevierStyleHsp" style=""></span>&#8211;<span class="elsevierStyleHsp" style=""></span>Y&#44; la relaci&#243;n que se establece entre tratamiento y desenlace pasa por las variables confusoras L<span class="elsevierStyleInf">1</span>&#46; Para estimar el efecto&#44; seg&#250;n los modelos cl&#225;sicos&#44; se podr&#237;a utilizar una regresi&#243;n sin considerar los confusores L<span class="elsevierStyleInf">1</span> puesto que est&#225;n en la misma cadena causal entre el efecto &#40;A<span class="elsevierStyleInf">0</span>&#41; y el desenlace &#40;Y&#41; &#40;<a class="elsevierStyleCrossRef" href="#fig0020">fig&#46; 4</a>&#41;&#46;</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia><p id="par0215" class="elsevierStylePara elsevierViewall">Si se estima el efecto sin ajustar por L<span class="elsevierStyleInf">1</span>&#44; se estar&#237;a cometiendo un sesgo dado que no se estar&#237;a considerando el camino causal que hay entre A<span class="elsevierStyleInf">1</span> e Y que pasa por L<span class="elsevierStyleInf">1</span>&#46; Los m&#233;todos de regresi&#243;n pueden presentar problemas de sesgo aunque no haya confusi&#243;n residual&#59; esto es debido posiblemente a la confusi&#243;n creada por las variables tiempodependientes en la asignaci&#243;n del tratamiento previo&#46;</p><p id="par0220" class="elsevierStylePara elsevierViewall">Existen distintas alternativas para poder estimar el efecto de un tratamiento en presencia de confusores tiempodependientes&#58; modelos estructurales marginales y modelos estructurales anidados<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">20</span></a>&#46;</p><p id="par0225" class="elsevierStylePara elsevierViewall">Los modelos marginales estructurales<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">19</span></a> se consideran como alternativa a los modelos de regresi&#243;n cuando existe una variable confusora tiempodependiente que se encuentra asociada con el desenlace de inter&#233;s y que tambi&#233;n se relaciona con el tratamiento que se est&#225; evaluando&#46; La palabra estructural indica un efecto causal&#44; no solo asociaci&#243;n estad&#237;stica&#46;</p><p id="par0230" class="elsevierStylePara elsevierViewall">En lugar de la distribuci&#243;n conjunta se usan las distribuciones marginales&#44; condicionadas a las variables basales&#44; por lo que se denominan modelos marginales&#46;</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Estimaci&#243;n del efecto mediante un modelo marginal estructural</span><p id="par0235" class="elsevierStylePara elsevierViewall">Para la creaci&#243;n de los modelos marginales estructurales&#44; el primer paso es la estimaci&#243;n del IP mediante modelos de regresi&#243;n log&#237;stica o probit&#44; en el cual la variable dependiente es el tratamiento y las independientes son aquellas variables asociadas con el inicio del tratamiento y&#47;o con el evento de inter&#233;s&#46;</p><p id="par0240" class="elsevierStylePara elsevierViewall">Cada paciente contribuye con tantas observaciones como unidades de tiempo se hayan seguido &#40;meses&#44; semanas&#8230;&#41;&#46; Se deber&#225; a&#241;adir como covariable la variable tiempo de seguimiento&#46;</p><p id="par0245" class="elsevierStylePara elsevierViewall">El peso de cada paciente y tiempo es estimado seg&#250;n las probabilidades predichas por este modelo&#44; mediante el inverso de la probabilidad de tratamiento que realmente recibi&#243;&#46; En este contexto&#44; se asume que no hay eventos competitivos puesto que se considera que cada paciente es seguido hasta que ocurre el evento de inter&#233;s o se pierde su seguimiento&#46;</p><p id="par0250" class="elsevierStylePara elsevierViewall">Del mismo modo que anteriormente&#44; se estima un peso&#44; para cada paciente&#44; de ser censurado&#46;</p><p id="par0255" class="elsevierStylePara elsevierViewall">Mediante su producto&#44; se combinan los pesos obtenidos del tratamiento y de la probabilidad de censura&#59; de este modo&#44; con esta ponderaci&#243;n&#44; se puede simular una muestra en la que el tratamiento y la censura son independientes de los confusores medidos&#46; En caso de que haya probabilidades muy peque&#241;as&#44; los pesos extremos se sustituyen por percentiles cercanos<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">21</span></a> &#40;1 y 99 o 2&#44;5 y 97&#44;5&#41; evitando as&#237; la presencia de valores de pesos muy grandes&#46;</p><p id="par0260" class="elsevierStylePara elsevierViewall">En el caso de que el evento de inter&#233;s sea una variable binaria&#44; la OR de la regresi&#243;n log&#237;stica entre el evento y el tratamiento&#44; ponderada por el peso combinado&#44; aproxima bien al riesgo relativo instant&#225;neo del modelo de Cox&#44; porque el riesgo de eventos es bajo en todos los meses&#46;</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Asunciones</span><p id="par0265" class="elsevierStylePara elsevierViewall">Para poder utilizar los m&#233;todos estad&#237;sticos anteriormente descritos se deben verificar ciertas asunciones&#44; como son&#58;<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">&#8226;</span><p id="par0270" class="elsevierStylePara elsevierViewall">El orden temporal&#58; es decir&#44; que la exposici&#243;n al tratamiento ocurra antes que el evento&#46;</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">&#8226;</span><p id="par0275" class="elsevierStylePara elsevierViewall">Consistencia&#58; el resultado potencial de un individuo&#44; condicionado al historial del tratamiento observado&#44; coincide con el verdadero resultado observado&#46;</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">&#8226;</span><p id="par0280" class="elsevierStylePara elsevierViewall">Positividad&#58; los individuos de la poblaci&#243;n deben presentar una probabilidad mayor de cero de recibir el tratamiento en cada categor&#237;a del tratamiento y en cada uno de los niveles de las variables confusoras&#46; De este modo&#44; el efecto causal promedio del tratamiento se puede estimar dentro de cada subgrupo de la poblaci&#243;n establecido por las variables confusoras&#46;</p></li><li class="elsevierStyleListItem" id="lsti0020"><span class="elsevierStyleLabel">&#8226;</span><p id="par0285" class="elsevierStylePara elsevierViewall">Correcta especificaci&#243;n del modelo&#58; es decir&#44; que se haya estimado el modelo de forma adecuada&#46; La asunci&#243;n de linealidad se deber&#237;a evaluar&#46;</p></li><li class="elsevierStyleListItem" id="lsti0025"><span class="elsevierStyleLabel">&#8226;</span><p id="par0290" class="elsevierStylePara elsevierViewall">Ausencia de confusi&#243;n residual&#58; se puede comprobar mediante un an&#225;lisis de sensibilidad puesto que no se puede asumir utilizando solo los datos de los pacientes&#46;</p></li></ul></p></span></span><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Aplicaci&#243;n del &#237;ndice de propensi&#243;n en pacientes ingresados en Unidades de Cuidados Intensivos</span><p id="par0295" class="elsevierStylePara elsevierViewall">La ventaja fundamental del IP es que resume en un solo n&#250;mero las caracter&#237;sticas basales de los individuos en los que se realiza la investigaci&#243;n&#46; Este &#237;ndice resume con un n&#250;mero la probabilidad de ser expuesto&#46;</p><p id="par0300" class="elsevierStylePara elsevierViewall">Por ejemplo&#44; si el objetivo del estudio es evaluar el efecto de la ventilaci&#243;n no invasiva en ni&#241;os que ingresan en UCI en un estudio observacional de m&#225;s de 30&#46;000 pacientes de los cuales casi un tercio recibe como primera opci&#243;n ventilaci&#243;n no invasiva&#44; este tipo de pregunta de investigaci&#243;n se podr&#237;a haber planteado&#44; con dificultades&#44; mediante un ensayo cl&#237;nico<a class="elsevierStyleCrossRef" href="#bib0270"><span class="elsevierStyleSup">22</span></a>&#46;</p><p id="par0305" class="elsevierStylePara elsevierViewall">Tambi&#233;n se ha utilizado este tipo de an&#225;lisis para estimar el efecto ajustado del c&#225;ncer en la mortalidad en UCI<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">23</span></a>&#44; ya que esta investigaci&#243;n solo se puede contestar en investigaci&#243;n cl&#237;nica mediante estudios observacionales&#46;</p><p id="par0310" class="elsevierStylePara elsevierViewall">Tambi&#233;n se podr&#237;an utilizar estas t&#233;cnicas anal&#237;ticas para estimar el efecto de una complicaci&#243;n como es la debilidad adquirida en la UCI &#40;DACI&#41; en el fracaso del <span class="elsevierStyleItalic">weaning</span> o en la mortalidad del paciente durante su estancia en UCI<a class="elsevierStyleCrossRefs" href="#bib0240"><span class="elsevierStyleSup">24&#44;25</span></a>&#46;</p><p id="par0315" class="elsevierStylePara elsevierViewall">Vamos a desarrollar este &#250;ltimo ejemplo&#44; paso a paso&#46; Se trata de un estudio prospectivo&#44; internacional y multic&#233;ntrico realizado con 4&#46;157 pacientes con ventilaci&#243;n mec&#225;nica durante m&#225;s de 12<span class="elsevierStyleHsp" style=""></span>h&#46; La aparici&#243;n de DACI durante la estancia se asoci&#243; con m&#225;s fracaso del <span class="elsevierStyleItalic">weaning</span> y con m&#225;s mortalidad en UCI&#46; El IP se estim&#243; con las siguientes variables&#58; edad&#44; SAPS II al ingreso en UCI&#44; motivo principal de inicio de la ventilaci&#243;n mec&#225;nica &#40;EPOC&#44; insuficiencia card&#237;aca&#44; sepsis&#44; SDRA y neumon&#237;a&#41;&#46;</p><p id="par0320" class="elsevierStylePara elsevierViewall">Para evaluar el efecto de la sedaci&#243;n y analgesia en pacientes con ventilaci&#243;n no invasiva en la necesidad de intubaci&#243;n endotraqueal y ante la presencia de confusores tiempodependientes como son la escala de sedaci&#243;n de RASS &#40;Richmond Agitation-Sedation Scale&#41;&#44; la PCO<span class="elsevierStyleInf">2</span> o el RASS es necesario plantear un modelo marginal estructural&#46; Para ilustrar la utilizaci&#243;n de estos m&#233;todos comparando las distintas opciones del IP&#44; y mostrando los resultados mediante m&#233;todos cl&#225;sicos como la regresi&#243;n log&#237;stica&#44; se usar&#225; un conjunto de datos de un estudio multic&#233;ntrico de UCI con ventilaci&#243;n mec&#225;nica&#46;</p><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Primera parte</span><p id="par0325" class="elsevierStylePara elsevierViewall">Teniendo en cuenta como tratamiento la interrupci&#243;n de la sedaci&#243;n y como evento el fallecimiento del paciente&#44; se ha aplicado el IP para evaluar la causalidad&#46; Aplicando diferentes modalidades del IP &#40;<span class="elsevierStyleItalic">matching</span>&#44; estratificaci&#243;n&#44; IPTW y como covariable del modelo&#41;&#44; para este escenario cl&#237;nico&#44; se han obtenido estimaciones en t&#233;rminos de OR e IC &#40;95&#37;&#41; similares&#46; Estas OR se han comparado con las que se obtienen estimando el efecto sin el IP &#40;<a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a>&#41;&#46;</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><p id="par0330" class="elsevierStylePara elsevierViewall">Estos resultados tan similares se deben a que&#44; en relaci&#243;n con las caracter&#237;sticas basales&#44; pacientes tratados y no tratados no difieren y por lo tanto el IP estimado es muy similar en ambos conjuntos de sujetos&#46;</p></span><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Segunda parte</span><p id="par0335" class="elsevierStylePara elsevierViewall">Si se considerase un conjunto de pacientes cuyas caracter&#237;sticas basales presentaran m&#225;s diferencias&#44; las estimaciones obtenidas del efecto del tratamiento no concordar&#237;an en los diferentes m&#233;todos&#46; Por ejemplo&#44; si se considerase solo aquellos pacientes con enfermedades respiratorias y se quisiera estudiar el efecto de los bloqueantes neuromusculares sobre el delirio del paciente&#44; se obtendr&#237;an estimaciones diferentes en los diferentes m&#233;todos &#40;<a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>&#41;&#46;</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><p id="par0340" class="elsevierStylePara elsevierViewall">Los pesos obtenidos mediante el IPTW abarcan los siguientes valores&#58; &#91;1&#44;037&#59; 12&#44;75&#93;&#46;</p><p id="par0345" class="elsevierStylePara elsevierViewall">Cuando pacientes tratados y no tratados difieren y el n&#250;mero de eventos y de exposiciones es reducido&#44; se observan diferencias significativas entre los m&#233;todos estad&#237;sticos&#46;</p><p id="par0350" class="elsevierStylePara elsevierViewall">Para ver c&#243;mo se distribuyen los pacientes tratados y los no tratados mediante el IP estimado se estudia la zona de soporte com&#250;n&#58; es el rango de valores comunes que el IP presenta en ambos grupos&#46;</p><p id="par0355" class="elsevierStylePara elsevierViewall">Por lo tanto&#44; cuanto m&#225;s parecidos sean los grupos de tratados y no tratados&#44; la zona de soporte com&#250;n abarcar&#225; mayor cantidad de pacientes de ambos grupos&#46;</p><p id="par0360" class="elsevierStylePara elsevierViewall">Si tratados y no tratados son muy similares&#44; la zona de soporte com&#250;n abarcar&#225; todos los individuos porque el m&#225;ximo y el m&#237;nimo de ambos IP ser&#225;n parecidos&#46; Si ambos grupos son muy distintos&#44; lo m&#225;s probable es que el n&#250;mero de pacientes que entren en la zona de soporte com&#250;n sea m&#225;s reducido &#40;<a class="elsevierStyleCrossRef" href="#fig0025">fig&#46; 5</a>&#41; &#40;<a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>&#41;&#46;</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia><elsevierMultimedia ident="tbl0015"></elsevierMultimedia><p id="par0365" class="elsevierStylePara elsevierViewall">Para ver si el orden de los sujetos en el m&#233;todo del emparejamiento influye&#44; se han realizado &#40;simulado&#41; 100 modelos y se han obtenido las correspondientes estimaciones de las OR&#46; Se ha observado que cuando el n&#250;mero de variables por las que se ajusta el IP es elevado&#44; el orden de emparejamiento no influye y se obtienen estimaciones similares&#46; Cuando el n&#250;mero de variables por las que se ajusta el orden de emparejamiento s&#237; que influye&#44; se obtienen estimaciones diferentes&#46;</p></span></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Ventajas e inconvenientes de estas t&#233;cnicas</span><p id="par0370" class="elsevierStylePara elsevierViewall">Se ha comprobado que&#44; dependiendo del n&#250;mero de eventos y de exposiciones que haya&#44; el IP y la regresi&#243;n log&#237;stica podr&#237;an considerarse equivalentes&#44; obteniendo valores en las estimaciones similares cuando no se observan diferencias entre pacientes tratados y no tratados y el n&#250;mero de eventos es elevado&#46;</p><p id="par0375" class="elsevierStylePara elsevierViewall">Cuando el n&#250;mero de eventos es reducido&#44; el IP permite ser ajustado por m&#225;s variables que la regresi&#243;n log&#237;stica&#44; y adem&#225;s&#44; permite cuantificar el efecto del tratamiento&#46;</p><p id="par0380" class="elsevierStylePara elsevierViewall">Mediante el m&#233;todo del emparejamiento del IP&#44; se obtiene una estructura semejante a la de un ensayo cl&#237;nico &#40;las parejas presentan caracter&#237;sticas similares&#41;&#44; con la desventaja de que aquellos pacientes que no encuentren pareja ser&#225;n descartados del estudio&#46;</p><p id="par0385" class="elsevierStylePara elsevierViewall">Los ensayos cl&#237;nicos aleatorizados presentan la ventaja de que&#44; debido a la asignaci&#243;n aleatoria del paciente&#44; se puede evaluar la relaci&#243;n causal de modo directo&#46; Cuando estos estudios no son viables&#44; los estudios observacionales pueden considerarse como alternativa&#46; Para poder evaluar la causalidad en estudios observacionales&#44; se deber&#225; resolver primero el problema de la confusi&#243;n que conllevan dichos estudios&#46;</p></span><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Conclusiones</span><p id="par0390" class="elsevierStylePara elsevierViewall">Los ensayos cl&#237;nicos representan el mejor dise&#241;o metodol&#243;gico para analizar la causalidad en investigaci&#243;n cl&#237;nica&#46; Sin embargo&#44; existen hip&#243;tesis que no pueden ser testadas cl&#237;nicamente por limitaciones &#233;ticas&#44; metodol&#243;gicas&#44; econ&#243;micas&#46; Para resolver esta limitaci&#243;n los estudios observacionales pueden abordar este problema y simular el escenario hipot&#233;tico de un ensayo cl&#237;nico para poder dar respuesta&#44; mediante la aplicaci&#243;n del IP y los modelos marginales estructurales&#46; El inter&#233;s creciente por esta nueva metodolog&#237;a hace necesaria su difusi&#243;n por todos los intensivistas para mejorar el conocimiento de esta metodolog&#237;a y su potencial aplicaci&#243;n en la investigaci&#243;n cl&#237;nica de los Cuidados Intensivos&#46;</p><p id="par0395" class="elsevierStylePara elsevierViewall">Por ejemplo&#44; Delaney et al&#46;<a class="elsevierStyleCrossRef" href="#bib0265"><span class="elsevierStyleSup">21</span></a> muestran el uso de los m&#233;todos estad&#237;sticos detallados en este art&#237;culo para evaluar el efecto de los corticoides sobre la mortalidad en pacientes que presentan gripe A &#40;H1N1pdm09&#41;&#46; Las OR asociadas a dichos modelos var&#237;an desde 1&#44;85 &#40;IC 95&#37;&#58; 1&#44;12-3&#44;04&#41; en los modelos cl&#225;sicos de regresi&#243;n log&#237;stica multivariable&#59; 1&#44;71 &#40;IC 95&#37;&#58; 1&#44;05-2&#44;78&#41; en el modelo de regresi&#243;n log&#237;stica ajustando por el IP&#59; 1&#44;52 &#40;IC 95&#37;&#58; 0&#44;90-2&#44;58&#41; despu&#233;s del emparejamiento del IP&#44; y 0&#44;96 &#40;IC 95&#37;&#58; 0&#44;28-3&#44;28&#41; en el modelo marginal estructural ajustando por las variables tiempodependientes&#46; Ajustando mediante las variables tiempodependientes en los modelos marginales estructurales&#44; han observado que no existe asociaci&#243;n entre el uso de corticoides y la mortalidad de los pacientes&#46;</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Conflicto de intereses</span><p id="par0400" class="elsevierStylePara elsevierViewall">Los autores del manuscrito declaran no tener ning&#250;n conflicto de intereses ni econ&#243;mico&#44; ni comercial ni intelectual en la redacci&#243;n de este art&#237;culo&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:11 [
        0 => array:3 [
          "identificador" => "xres1031558"
          "titulo" => "Resumen"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0005"
            ]
          ]
        ]
        1 => array:2 [
          "identificador" => "xpalclavsec988669"
          "titulo" => "Palabras clave"
        ]
        2 => array:3 [
          "identificador" => "xres1031557"
          "titulo" => "Abstract"
          "secciones" => array:1 [
            0 => array:1 [
              "identificador" => "abst0010"
            ]
          ]
        ]
        3 => array:2 [
          "identificador" => "xpalclavsec988670"
          "titulo" => "Keywords"
        ]
        4 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Introducci&#243;n"
        ]
        5 => array:3 [
          "identificador" => "sec0010"
          "titulo" => "El &#237;ndice de propensi&#243;n en los estudios observacionales"
          "secciones" => array:7 [
            0 => array:2 [
              "identificador" => "sec0015"
              "titulo" => "Variables a considerar en el c&#225;lculo del &#237;ndice de propensi&#243;n"
            ]
            1 => array:3 [
              "identificador" => "sec0020"
              "titulo" => "M&#233;todos de aplicaci&#243;n de los &#237;ndices de propensi&#243;n"
              "secciones" => array:4 [
                0 => array:2 [
                  "identificador" => "sec0025"
                  "titulo" => "Emparejamiento"
                ]
                1 => array:2 [
                  "identificador" => "sec0030"
                  "titulo" => "Inverse probability treatment weighting &#40;IPTW&#41;"
                ]
                2 => array:2 [
                  "identificador" => "sec0035"
                  "titulo" => "Estratificaci&#243;n"
                ]
                3 => array:2 [
                  "identificador" => "sec0040"
                  "titulo" => "&#205;ndice de propensi&#243;n"
                ]
              ]
            ]
            2 => array:2 [
              "identificador" => "sec0045"
              "titulo" => "Comparaci&#243;n entre los distintos m&#233;todos"
            ]
            3 => array:2 [
              "identificador" => "sec0050"
              "titulo" => "&#205;ndice de propensi&#243;n y regresi&#243;n"
            ]
            4 => array:2 [
              "identificador" => "sec0055"
              "titulo" => "Confusores tiempodependientes&#46; Modelos marginales estructurales"
            ]
            5 => array:2 [
              "identificador" => "sec0060"
              "titulo" => "Estimaci&#243;n del efecto mediante un modelo marginal estructural"
            ]
            6 => array:2 [
              "identificador" => "sec0065"
              "titulo" => "Asunciones"
            ]
          ]
        ]
        6 => array:3 [
          "identificador" => "sec0070"
          "titulo" => "Aplicaci&#243;n del &#237;ndice de propensi&#243;n en pacientes ingresados en Unidades de Cuidados Intensivos"
          "secciones" => array:2 [
            0 => array:2 [
              "identificador" => "sec0075"
              "titulo" => "Primera parte"
            ]
            1 => array:2 [
              "identificador" => "sec0080"
              "titulo" => "Segunda parte"
            ]
          ]
        ]
        7 => array:2 [
          "identificador" => "sec0085"
          "titulo" => "Ventajas e inconvenientes de estas t&#233;cnicas"
        ]
        8 => array:2 [
          "identificador" => "sec0090"
          "titulo" => "Conclusiones"
        ]
        9 => array:2 [
          "identificador" => "sec0095"
          "titulo" => "Conflicto de intereses"
        ]
        10 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "fechaRecibido" => "2017-09-07"
    "fechaAceptado" => "2018-01-13"
    "PalabrasClave" => array:2 [
      "es" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Palabras clave"
          "identificador" => "xpalclavsec988669"
          "palabras" => array:7 [
            0 => "Causalidad"
            1 => "Ensayo cl&#237;nico"
            2 => "Estudio observacional"
            3 => "Confusi&#243;n"
            4 => "Propensi&#243;n"
            5 => "Cuidados Intensivos"
            6 => "Epidemiolog&#237;a"
          ]
        ]
      ]
      "en" => array:1 [
        0 => array:4 [
          "clase" => "keyword"
          "titulo" => "Keywords"
          "identificador" => "xpalclavsec988670"
          "palabras" => array:7 [
            0 => "Causality"
            1 => "Clinical trial"
            2 => "Observational study"
            3 => "Confounders"
            4 => "Propensity score"
            5 => "Intensive Care"
            6 => "Epidemiology"
          ]
        ]
      ]
    ]
    "tieneResumen" => true
    "resumen" => array:2 [
      "es" => array:2 [
        "titulo" => "Resumen"
        "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Una de las caracter&#237;sticas fundamentales de los ensayos cl&#237;nicos es la asignaci&#243;n aleatoria de un tratamiento o intervenci&#243;n sobre los pacientes&#46; Esta asignaci&#243;n divide los pacientes en dos grupos que&#44; aunque difieran por el tratamiento recibido&#44; presentan unas caracter&#237;sticas basales homog&#233;neas haciendo que ambos grupos sean comparables y se pueda evaluar el efecto causal del tratamiento&#46; Por otro lado&#44; los estudios observacionales se caracterizan por la asignaci&#243;n no aleatoria del tratamiento y por lo tanto que los grupos de pacientes no solo difieran por el tratamiento recibido&#44; sino tambi&#233;n por otras caracter&#237;sticas basales&#44; a menudo relacionadas con la variable de intervenci&#243;n&#46; En numerosas ocasiones&#44; los ensayos cl&#237;nicos aleatorizados no son factibles por razones &#233;ticas&#44; log&#237;sticas&#44; econ&#243;micas o de otro tipo&#46; Uno de los retos de la investigaci&#243;n cl&#237;nica en Cuidados Intensivos deber&#237;a ser aprovechar los datos que provienen de la pr&#225;ctica cl&#237;nica habitual y analizarlos como si fueran ensayos cl&#237;nicos&#46; Los estudios observacionales utilizando m&#233;todos de an&#225;lisis con &#237;ndices de propensi&#243;n <span class="elsevierStyleItalic">&#40;propensity score&#41;</span> han ido en aumento en los art&#237;culos cient&#237;ficos de Cuidados Intensivos&#46; Los an&#225;lisis de &#237;ndices de propensi&#243;n intentan controlar la confusi&#243;n en estudios observacionales ajustando la probabilidad de que un determinado paciente est&#233; expuesto&#46; Sin embargo&#44; los estudios con &#237;ndices de propensi&#243;n pueden ser confusos&#44; y los intensivistas no est&#225;n familiarizados con esta metodolog&#237;a y pueden no comprender plenamente la importancia de esta t&#233;cnica&#46; Los objetivos de esta revisi&#243;n son&#58; describir los fundamentos de los m&#233;todos del &#237;ndice de propensi&#243;n&#59; presentar las t&#233;cnicas para evaluar adecuadamente los modelos de &#237;ndices de propensi&#243;n&#44; y discutir las ventajas y los inconvenientes de estas t&#233;cnicas&#46;</p></span>"
      ]
      "en" => array:2 [
        "titulo" => "Abstract"
        "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Random allocation of treatment or intervention is the key feature of clinical trials and divides patients into treatment groups that are approximately balanced for baseline&#44; and therefore comparable covariates except for the variable treatment of the study&#46; However&#44; in observational studies&#44; where treatment allocation is not random&#44; patients in the treatment and control groups often differ in covariates that are related to intervention variables&#46; These imbalances in covariates can lead to biased estimates of the treatment effect&#46; However&#44; randomized clinical trials are sometimes not feasible for ethical&#44; logistical&#44; economic or other reasons&#46; To resolve these situations&#44; interest in the field of clinical research has grown in designing studies that are most similar to randomized experiments using observational &#40;i&#46;e&#46; non-random&#41; data&#46; Observational studies using propensity score analysis methods have been increasing in the scientific papers of Intensive Care&#46; Propensity score analyses attempt to control for confounding in non-experimental studies by adjusting for the likelihood that a given patient is exposed&#46; However&#44; studies with propensity indexes may be confusing&#44; and intensivists are not familiar with this methodology and may not fully understand the importance of this technique&#46; The objectives of this review are&#58; to describe the fundamentals of propensity index methods&#59; to present the techniques to adequately evaluate propensity index models&#59; to discuss the advantages and disadvantages of these techniques&#46;</p></span>"
      ]
    ]
    "multimedia" => array:10 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 437
            "Ancho" => 1324
            "Tamanyo" => 27208
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Diagrama representativo de la relaci&#243;n entre las variables confusoras y el evento en los estudios observacionales&#46;</p>"
        ]
      ]
      1 => array:7 [
        "identificador" => "fig0010"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 1376
            "Ancho" => 2152
            "Tamanyo" => 112045
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Diagrama de flujo de las publicaciones en pacientes cr&#237;ticos adultos con uso de &#237;ndices de propensi&#243;n&#46;</p> <p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Fuente&#58; gr&#225;fico de elaboraci&#243;n propia de los autores &#40;b&#250;squeda en PubMed hasta marzo de 2017&#41;&#46;</p>"
        ]
      ]
      2 => array:7 [
        "identificador" => "fig0015"
        "etiqueta" => "Figura 3"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr3.jpeg"
            "Alto" => 602
            "Ancho" => 1402
            "Tamanyo" => 39338
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Diagrama representativo de las variables confusoras tiempodependientes en los estudios observacionales&#46; A<span class="elsevierStyleInf">0</span> es la variable a estudio o exposici&#243;n&#59; Y es el desenlace de inter&#233;s&#59; L<span class="elsevierStyleInf">0</span> representa las variables que modifican la variable a estudio en funci&#243;n del tiempo&#46;</p>"
        ]
      ]
      3 => array:7 [
        "identificador" => "fig0020"
        "etiqueta" => "Figura 4"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr4.jpeg"
            "Alto" => 314
            "Ancho" => 1382
            "Tamanyo" => 26937
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Diagrama representativo de las variables confusoras tiempodependientes en los estudios observacionales&#46; Podr&#237;a suceder que se estableciera una relaci&#243;n entre la variable de exposici&#243;n y el desenlace simplemente influido por la existencia de las variables confusoras tiempodependientes &#40;camino alternativo en rojo&#41; y no verdaderamente por la existencia de una relaci&#243;n causal entre la exposici&#243;n y el desenlace&#46;</p>"
        ]
      ]
      4 => array:7 [
        "identificador" => "fig0025"
        "etiqueta" => "Figura 5"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr5.jpeg"
            "Alto" => 1749
            "Ancho" => 2333
            "Tamanyo" => 117716
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">Gr&#225;fico de diagrama de cajas que sirve para comparar &#8212;en este caso para observar&#8212; que los pacientes tratados <span class="elsevierStyleItalic">&#40;treated&#41;</span> con los bloqueantes neuromusculares son distintos a los pacientes que no han sido tratados <span class="elsevierStyleItalic">&#40;untreated&#41;</span> con bloqueantes neuromusculares &#40;NMB&#41;&#46;</p>"
        ]
      ]
      5 => array:8 [
        "identificador" => "tbl0005"
        "etiqueta" => "Tabla 1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at1"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:2 [
          "leyenda" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">IC&#58; intervalo de confianza&#59; IPTW&#58; inverse probability of treatment weighting&#59; MH&#58; Mantel-Haenszel&#59; OR&#58; odds ratio&#59; RL&#58; regresi&#243;n log&#237;stica&#46;</p>"
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " colspan="8" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Aplicaciones del <span class="elsevierStyleItalic">Propensity score</span></th><th class="td" title="table-head  " colspan="4" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Sin <span class="elsevierStyleItalic">Propensity score</span></th></tr><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Emparejamiento</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">IPTW</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Estratificaci&#243;n MH</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Covariable</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">RL Univariante</th><th class="td" title="table-head  " colspan="2" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">RL Multivariante</th></tr><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Status d&#237;a<br>28&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;64&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;49&#59; 0&#44;83&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;67&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;52&#59; 0&#44;85&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;68&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;53&#59; 0&#44;86&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;67&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;52&#59; 0&#44;85&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;64&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;52&#59; 0&#44;80&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;63&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;49&#59; 0&#44;81&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab1756239.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">Relaci&#243;n entre riesgo de mortalidad a d&#237;a 28 &#40;status d&#237;a 28&#41; y la interrupci&#243;n de la sedaci&#243;n seg&#250;n diferentes estrategias de an&#225;lisis de propensi&#243;n</p>"
        ]
      ]
      6 => array:8 [
        "identificador" => "tbl0010"
        "etiqueta" => "Tabla 2"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at2"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:2 [
          "leyenda" => "<p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">IC&#44; intervalo de confianza&#59; IPTW&#58; inverse probability of treatment weighting&#58; OR&#58; odds ratio&#46;</p>"
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head  " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Aplicaciones del <span class="elsevierStyleItalic">Propensity score</span></th><th class="td" title="table-head  " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Sin <span class="elsevierStyleItalic">Propensity score</span></th></tr><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="" valign="top" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">OR&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">IC &#40;95&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Emparejamiento&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">1&#44;72&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;55&#59; 5&#44;97&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">Univariante&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;79&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;1&#44;26&#59; 6&#44;17&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">IPTW&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;08&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;83&#59; 5&#44;24&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">Multivariante&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">3&#44;18&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;1&#44;42&#59; 7&#44;13&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Estratificaci&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">1&#44;81&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;1&#44;14&#59; 7&#44;14&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Covariable&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">2&#44;06&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">&#40;0&#44;84&#59; 5&#44;11&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="" valign="top">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab1756240.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Relaci&#243;n entre riesgo de mortalidad a dia 28 &#40;status d&#237;a 28&#41; y la interrupci&#243;n de la sedaci&#243;n seg&#250;n diferentes estrategias de an&#225;lisis de propensi&#243;n</p>"
        ]
      ]
      7 => array:8 [
        "identificador" => "tbl0015"
        "etiqueta" => "Tabla 3"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at3"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Antes del emparejamiento</th><th class="td" title="table-head  " colspan="3" align="center" valign="top" scope="col" style="border-bottom: 2px solid black">Despu&#233;s del emparejamiento</th></tr><tr title="table-row"><th class="td" title="table-head  " align="" valign="top" scope="col" style="border-bottom: 2px solid black">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">NMB<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>S&#237; &#40;n<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>148&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">NMB<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>No &#40;n<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>390&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Diferencias estandarizadas &#40;&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">NMB<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>S&#237; &#40;n<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>141&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">NMB<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>No &#40;n<span class="elsevierStyleHsp" style=""></span>&#61;<span class="elsevierStyleHsp" style=""></span>381&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th><th class="td" title="table-head  " align="left" valign="top" scope="col" style="border-bottom: 2px solid black">Diferencias estandarizadas &#40;&#37;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td" title="table-entry  " colspan="7" align="left" valign="top"><span class="elsevierStyleItalic">Variables basales</span></td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Edad &#40;a&#241;os&#41;&#44; media &#40;DE&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">59&#44;53 &#40;13&#44;53&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">65&#44;33 &#40;13&#44;58&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">42&#44;79&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">60&#44;53 &#40;14&#44;53&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">58&#44;96 &#40;13&#44;64&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">11&#44;17&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">SAPS&#95;II puntos&#41;&#44; media &#40;DE&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">43&#44;74 &#40;15&#44;49&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">46&#44;83 &#40;16&#44;76&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">19&#44;15&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">44&#44;99 &#40;15&#44;67&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">43&#44;41 &#40;14&#44;78&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">10&#44;37&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Sexo &#40;V&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">56&#44;8&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">48&#44;5&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">16&#44;63&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">55&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">58&#44;3&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">6&#44;73&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Soporte ventilatorio invasivo &#40;S&#237;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">21&#44;6&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">21&#44;3&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">0&#44;59&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">23&#44;3&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">21&#44;7&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">3&#44;98&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Presencia de fracaso cardiovascular &#40;S&#237;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">68&#44;9&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">40&#44;8&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">58&#44;37&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">67&#44;5&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">68&#44;3&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">1&#44;78&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Presencia de fracaso renal &#40;S&#237;&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">42&#44;6&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">21&#44;28&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">40&#44;87&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">36&#44;7&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">40&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">6&#44;85&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Presencia de fracaso hematol&#243;gico &#40;S&#237;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">24&#44;3&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">8&#44;97&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">25&#44;75&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">19&#44;2&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">16&#44;7&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">6&#44;52&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Sepsis durante la ventilaci&#243;n mec&#225;nica&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">43&#44;24&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">24&#44;1&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">37&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">40&#44;88&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">45&#44;83&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">10&#44;10&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="table-entry ; entry_with_role_rowhead " align="left" valign="top">Duraci&#243;n de soporte ventilatorio &#40;d&#237;as&#41;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">15&#44;90<span class="elsevierStyleHsp" style=""></span>&#177;<span class="elsevierStyleHsp" style=""></span>13&#44;14&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">8&#44;21<span class="elsevierStyleHsp" style=""></span>&#177;<span class="elsevierStyleHsp" style=""></span>14&#44;82&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">54&#44;91&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">14&#44;35<span class="elsevierStyleHsp" style=""></span>&#177;<span class="elsevierStyleHsp" style=""></span>11&#44;60&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">11&#44;97<span class="elsevierStyleHsp" style=""></span>&#177;<span class="elsevierStyleHsp" style=""></span>19&#44;04&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="table-entry  " align="left" valign="top">15&#44;09&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab1756238.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Comparaci&#243;n de las diferencias estandarizadas de las variables basales en pacientes tratados y no tratados&#44; antes y despu&#233;s del emparejamiento para comprobar que el &#237;ndice de propensi&#243;n &#40;IP&#41; est&#225; especificado correctamente&#46; Si estas diferencias son mayores en un 10&#37; significar&#225; que el IP no est&#225; calculado de modo adecuado</p>"
        ]
      ]
      8 => array:5 [
        "identificador" => "eq0005"
        "tipo" => "MULTIMEDIAFORMULA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "Formula" => array:5 [
          "Matematica" => "d&#61;x&#175;&#8722;x&#175;T&#175;ST2&#43;ST&#175;22"
          "Fichero" => "STRIPIN_si1.jpeg"
          "Tamanyo" => 1564
          "Alto" => 51
          "Ancho" => 82
        ]
      ]
      9 => array:5 [
        "identificador" => "eq0010"
        "tipo" => "MULTIMEDIAFORMULA"
        "mostrarFloat" => false
        "mostrarDisplay" => true
        "Formula" => array:5 [
          "Matematica" => "d&#61;p&#710;T&#8722;p&#710;T&#175;p&#710;T1&#8722;p&#710;T&#43;p&#710;T&#175;1&#8722;p&#710;T&#175;2"
          "Fichero" => "STRIPIN_si4.jpeg"
          "Tamanyo" => 2654
          "Alto" => 54
          "Ancho" => 154
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:25 [
            0 => array:3 [
              "identificador" => "bib0130"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Feasibility&#44; limits and problems of clinical studies in Intensive Care Unit"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "G&#46; Grasselli"
                            1 => "L&#46; Gattinoni"
                            2 => "B&#46; Kavanagh"
                            3 => "R&#46; Latini"
                            4 => "A&#46; Laupacis"
                            5 => "F&#46; Lemaire"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Minerva Anestesiol&#46;"
                        "fecha" => "2007"
                        "volumen" => "73"
                        "paginaInicial" => "595"
                        "paginaFinal" => "601"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17952032"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0135"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Estimating causal effects of treatments in randomized and nonrandomized studies"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "J Educ Psychol&#46;"
                        "fecha" => "1974"
                        "volumen" => "66"
                        "paginaInicial" => "688"
                        "paginaFinal" => "701"
                        "itemHostRev" => array:3 [
                          "pii" => "S0140673605678890"
                          "estado" => "S300"
                          "issn" => "01406736"
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0140"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "For objective causal inference&#44; design trumps analysis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Ann Appl Stat&#46;"
                        "fecha" => "2008"
                        "volumen" => "2"
                        "paginaInicial" => "808"
                        "paginaFinal" => "840"
                        "itemHostRev" => array:3 [
                          "pii" => "S0021915017311681"
                          "estado" => "S300"
                          "issn" => "00219150"
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0145"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Can results from clinical trials be generalized&#63;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "L&#46; Holmberg"
                            1 => "M&#46; Baum"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Nat Med&#46;"
                        "fecha" => "1995"
                        "volumen" => "1"
                        "paginaInicial" => "734"
                        "paginaFinal" => "736"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/7585167"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0150"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Why are physicians so skeptical about positive randomized controlled clinical trials in critical care medicine&#63;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "J&#46; Villar"
                            1 => "L&#46; P&#233;rez-M&#233;ndez"
                            2 => "A&#46; Aguirre-Jaime"
                            3 => "R&#46;M&#46; Kackmarek"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s00134-004-2519-7"
                      "Revista" => array:6 [
                        "tituloSerie" => "Intensive Care Med&#46;"
                        "fecha" => "2005"
                        "volumen" => "31"
                        "paginaInicial" => "196"
                        "paginaFinal" => "204"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/15565357"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0155"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "An introduction to propensity score methods for reducing the effects of confounding in observational studies"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "P&#46; Austin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1080/00273171.2011.568786"
                      "Revista" => array:6 [
                        "tituloSerie" => "Multivariate Behav Res&#46;"
                        "fecha" => "2011"
                        "volumen" => "46"
                        "paginaInicial" => "399"
                        "paginaFinal" => "424"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21818162"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0160"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The design versus the analysis of observational studies for causal effects&#58; Parallels with the design or randomized trials"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1002/sim.2739"
                      "Revista" => array:6 [
                        "tituloSerie" => "Stat Med&#46;"
                        "fecha" => "2007"
                        "volumen" => "26"
                        "paginaInicial" => "20"
                        "paginaFinal" => "36"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17072897"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0165"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The effectiveness of adjustment by subclassification in removing bias in observational studies"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:1 [
                            0 => "W&#46;G&#46; Cochran"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Biometrics&#46;"
                        "fecha" => "1968"
                        "volumen" => "24"
                        "paginaInicial" => "295"
                        "paginaFinal" => "313"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/5683871"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0170"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Reducing bias in observational studies using subclassification on the propensity score"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "P&#46;R&#46; Rosenbaum"
                            1 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "J Am Stat Assoc&#46;"
                        "fecha" => "1984"
                        "volumen" => "79"
                        "paginaInicial" => "516"
                        "paginaFinal" => "524"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0175"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The central role of the propensity score in observational studies for causal effects"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "P&#46;R&#46; Rosenbaum"
                            1 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:5 [
                        "tituloSerie" => "Biometrika&#46;"
                        "fecha" => "1983"
                        "volumen" => "70"
                        "paginaInicial" => "41"
                        "paginaFinal" => "55"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0180"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Estimating treatment effects using observational data"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "R&#46;B&#46; D&#8217;Agostino Jr&#46;"
                            1 => "R&#46;B&#46; D&#8217;Agostino"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1001/jama.297.3.314"
                      "Revista" => array:6 [
                        "tituloSerie" => "JAMA&#46;"
                        "fecha" => "2007"
                        "volumen" => "297"
                        "paginaInicial" => "314"
                        "paginaFinal" => "316"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17227985"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0250"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Causal effects in clinical and epidemiological studies via potential outcomes&#58; concepts and analytical approaches"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "R&#46;J&#46; Little"
                            1 => "D&#46;B&#46; Rubin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1146/annurev.publhealth.21.1.121"
                      "Revista" => array:6 [
                        "tituloSerie" => "Annu Rev Public Health&#46;"
                        "fecha" => "2000"
                        "volumen" => "21"
                        "paginaInicial" => "121"
                        "paginaFinal" => "145"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/10884949"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0190"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The implications of propensity score variable selection strategies in pharmacoepidemiology&#58; An empirical illustration"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46;R&#46; Patrick"
                            1 => "S&#46; Schneeweiss"
                            2 => "M&#46;A&#46; Brookhart"
                            3 => "R&#46;J&#46; Glynn"
                            4 => "K&#46;J&#46; Rothman"
                            5 => "J&#46; Avorn"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1002/pds.2098"
                      "Revista" => array:6 [
                        "tituloSerie" => "Pharmacoepidemiol Drug Saf&#46;"
                        "fecha" => "2011"
                        "volumen" => "20"
                        "paginaInicial" => "551"
                        "paginaFinal" => "559"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21394812"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0195"
              "etiqueta" => "14"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Variable selection for propensity score models"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "M&#46;A&#46; Brookhart"
                            1 => "S&#46; Schneeweiss"
                            2 => "K&#46;J&#46; Rothman"
                            3 => "R&#46;J&#46; Glynn"
                            4 => "J&#46; Avorn"
                            5 => "T&#46; Sturmer"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1093/aje/kwj149"
                      "Revista" => array:6 [
                        "tituloSerie" => "Am J Epidemiol&#46;"
                        "fecha" => "2006"
                        "volumen" => "163"
                        "paginaInicial" => "1149"
                        "paginaFinal" => "1156"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/16624967"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0255"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Propensity score methods for creating covariate balance in observational studies"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "C&#46;W&#46; Pattanayak"
                            1 => "D&#46;B&#46; Rubin"
                            2 => "E&#46;R&#46; Zell"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.recesp.2011.06.008"
                      "Revista" => array:6 [
                        "tituloSerie" => "Rev Esp Cardiol&#46;"
                        "fecha" => "2011"
                        "volumen" => "64"
                        "paginaInicial" => "897"
                        "paginaFinal" => "903"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21872981"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0205"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A review of propensity-score methods and their use in cardiovascular research"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "S&#46; Deb"
                            1 => "P&#46;C&#46; Austin"
                            2 => "J&#46;V&#46; Tu"
                            3 => "D&#46;T&#46; Ko"
                            4 => "C&#46;D&#46; Mazer"
                            5 => "A&#46; Kiss"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.cjca.2015.05.015"
                      "Revista" => array:6 [
                        "tituloSerie" => "Can J Cardiol&#46;"
                        "fecha" => "2016"
                        "volumen" => "32"
                        "paginaInicial" => "259"
                        "paginaFinal" => "265"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26315351"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0215"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Multivariable prognostic models&#58; issues in developing models&#44; evaluating assumptions and adequacy&#44; and measuring and reducing errors"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "F&#46;E&#46; Harrell Jr&#46;"
                            1 => "K&#46;L&#46; Lee"
                            2 => "D&#46;B&#46; Mark"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1002/(SICI)1097-0258(19960229)15:4<361::AID-SIM168>3.0.CO;2-4"
                      "Revista" => array:6 [
                        "tituloSerie" => "Stat Med&#46;"
                        "fecha" => "1996"
                        "volumen" => "15"
                        "paginaInicial" => "361"
                        "paginaFinal" => "387"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/8668867"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0260"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparison of logistic regression versus propensity score when the number of events is low and there are multiple confounders"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "M&#46;S&#46; Cepeda"
                            1 => "R&#46; Boston"
                            2 => "J&#46;T&#46; Farrar"
                            3 => "B&#46;L&#46; Strom"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:6 [
                        "tituloSerie" => "Am J Epidemiol&#46;"
                        "fecha" => "2003"
                        "volumen" => "158"
                        "paginaInicial" => "280"
                        "paginaFinal" => "287"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/12882951"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0220"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Impact of sedative on outcomes of noninvasive ventilation"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Muriel"
                            1 => "O&#46; Penuelas"
                            2 => "F&#46; Frutos-Vivar"
                            3 => "A&#46;C&#46; Arroliga"
                            4 => "V&#46; Abraira"
                            5 => "A&#46;W&#46; Thille"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s00134-015-3854-6"
                      "Revista" => array:6 [
                        "tituloSerie" => "Intensive Care Med&#46;"
                        "fecha" => "2015"
                        "volumen" => "41"
                        "paginaInicial" => "1586"
                        "paginaFinal" => "1600"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25971392"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0225"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Marginal structural models and causal inference in epidemiology"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "J&#46;M&#46; Robins"
                            1 => "M&#46;A&#46; Hern&#225;n"
                            2 => "B&#46; Brumback"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:1 [
                      "Revista" => array:7 [
                        "tituloSerie" => "Epidemiology&#46;"
                        "fecha" => "2000"
                        "volumen" => "11"
                        "paginaInicial" => "550"
                        "paginaFinal" => "560"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/10955408"
                            "web" => "Medline"
                          ]
                        ]
                        "itemHostRev" => array:3 [
                          "pii" => "S0140673612608988"
                          "estado" => "S300"
                          "issn" => "01406736"
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            20 => array:3 [
              "identificador" => "bib0265"
              "etiqueta" => "21"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The influence of corticosteroid treatment on the outcome of influenza A &#40;H1N1pdm09&#41;-related critical illness"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "J&#46;W&#46; Delaney"
                            1 => "R&#46; Pinto"
                            2 => "J&#46; Long"
                            3 => "F&#46; Lamontagne"
                            4 => "N&#46;K&#46; Adhikari"
                            5 => "A&#46; Kumar"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1186/s13054-016-1230-8"
                      "Revista" => array:5 [
                        "tituloSerie" => "Critical Care&#46;"
                        "fecha" => "2016"
                        "volumen" => "20"
                        "paginaInicial" => "75"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27036638"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            21 => array:3 [
              "identificador" => "bib0270"
              "etiqueta" => "22"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Constructing inverse probability weights for marginal structural models"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "S&#46;R&#46; Cole"
                            1 => "M&#46;A&#46; Hernan"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1093/aje/kwn164"
                      "Revista" => array:6 [
                        "tituloSerie" => "Am J Epidemiol&#46;"
                        "fecha" => "2008"
                        "volumen" => "168"
                        "paginaInicial" => "656"
                        "paginaFinal" => "664"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18682488"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            22 => array:3 [
              "identificador" => "bib0235"
              "etiqueta" => "23"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Outcomes for children receiving noninvasive ventilation as the first-line mode of mechanical ventilation at intensive care admission&#58; A propensity score-matched cohort study"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "J&#46;V&#46; Morris"
                            1 => "P&#46; Ramnarayan"
                            2 => "R&#46;C&#46; Parslow"
                            3 => "S&#46;J&#46; Fleming"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1097/CCM.0000000000002369"
                      "Revista" => array:6 [
                        "tituloSerie" => "Crit Care Med&#46;"
                        "fecha" => "2017"
                        "volumen" => "45"
                        "paginaInicial" => "1045"
                        "paginaFinal" => "1053"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28328654"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            23 => array:3 [
              "identificador" => "bib0240"
              "etiqueta" => "24"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Mortality of adult critically ill subjects with cancer"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "R&#46;G&#46; Rosa"
                            1 => "T&#46;F&#46; Tonietto"
                            2 => "B&#46;A&#46; Duso"
                            3 => "J&#46;G&#46; Maccari"
                            4 => "R&#46;P&#46; de Oliveira"
                            5 => "W&#46; Rutzen"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.4187/respcare.05210"
                      "Revista" => array:6 [
                        "tituloSerie" => "Respir Care&#46;"
                        "fecha" => "2017"
                        "volumen" => "62"
                        "paginaInicial" => "615"
                        "paginaFinal" => "622"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28196934"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            24 => array:3 [
              "identificador" => "bib0245"
              "etiqueta" => "25"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Prediction and outcome of intensive care unit-acquired paresis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "O&#46; Pe&#241;uelas"
                            1 => "A&#46; Muriel"
                            2 => "F&#46; Frutos-Vivar"
                            3 => "E&#46; Fan"
                            4 => "K&#46; Raymondos"
                            5 => "F&#46; Rios"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1177/0885066616643529"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Intensive Care Med&#46;"
                        "fecha" => "2018"
                        "volumen" => "33"
                        "paginaInicial" => "16"
                        "paginaFinal" => "28"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27080128"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02105691/0000004200000005/v1_201805290410/S0210569118300093/v1_201805290410/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "73076"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Series en Medicina Intensiva&#58; Actualizaci&#243;n en Metodolog&#237;a en Medicina Intensiva"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02105691/0000004200000005/v1_201805290410/S0210569118300093/v1_201805290410/es/main.pdf?idApp=WMIE&text.app=https://medintensiva.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569118300093?idApp=WMIE"
]
Compartir
Información de la revista
Vol. 42. Núm. 5.
Páginas 292-300 (junio - julio 2018)
Visitas
32381
Vol. 42. Núm. 5.
Páginas 292-300 (junio - julio 2018)
Series en Medicina Intensiva: Actualización en Metodología en Medicina Intensiva
Acceso a texto completo
Análisis de la causalidad desde los estudios observacionales y su aplicación en la investigación clínica en Cuidados Intensivos
Analysis of causality from observational studies and its application in clinical research in Intensive Care Medicine
Visitas
32381
C. Coscia Requenaa, A. Muriela,b,c, O. Peñuelasd,e,
Autor para correspondencia
oscar.penuelasro@salud.madrid.org

Autor para correspondencia.
a Unidad de Bioestadística, Hospital Universitario Ramón y Cajal, Madrid, España
b IRYCIS. CIBER de Epidemiología (CIBERESP), Madrid, España
c Departamento de Enfermería y Fisioterapia, Universidad de Alcalá, Alcalá de Henares, Madrid, España
d Unidad de Cuidados Intensivos y Grandes Quemados, Hospital Universitario de Getafe, Getafe, Madrid, España
e CIBER de Enfermedades Respiratorias (CIBERES), España
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (5)
Mostrar másMostrar menos
Tablas (3)
Tabla 1. Relación entre riesgo de mortalidad a día 28 (status día 28) y la interrupción de la sedación según diferentes estrategias de análisis de propensión
Tabla 2. Relación entre riesgo de mortalidad a dia 28 (status día 28) y la interrupción de la sedación según diferentes estrategias de análisis de propensión
Tabla 3. Comparación de las diferencias estandarizadas de las variables basales en pacientes tratados y no tratados, antes y después del emparejamiento para comprobar que el índice de propensión (IP) está especificado correctamente. Si estas diferencias son mayores en un 10% significará que el IP no está calculado de modo adecuado
Mostrar másMostrar menos
Resumen

Una de las características fundamentales de los ensayos clínicos es la asignación aleatoria de un tratamiento o intervención sobre los pacientes. Esta asignación divide los pacientes en dos grupos que, aunque difieran por el tratamiento recibido, presentan unas características basales homogéneas haciendo que ambos grupos sean comparables y se pueda evaluar el efecto causal del tratamiento. Por otro lado, los estudios observacionales se caracterizan por la asignación no aleatoria del tratamiento y por lo tanto que los grupos de pacientes no solo difieran por el tratamiento recibido, sino también por otras características basales, a menudo relacionadas con la variable de intervención. En numerosas ocasiones, los ensayos clínicos aleatorizados no son factibles por razones éticas, logísticas, económicas o de otro tipo. Uno de los retos de la investigación clínica en Cuidados Intensivos debería ser aprovechar los datos que provienen de la práctica clínica habitual y analizarlos como si fueran ensayos clínicos. Los estudios observacionales utilizando métodos de análisis con índices de propensión (propensity score) han ido en aumento en los artículos científicos de Cuidados Intensivos. Los análisis de índices de propensión intentan controlar la confusión en estudios observacionales ajustando la probabilidad de que un determinado paciente esté expuesto. Sin embargo, los estudios con índices de propensión pueden ser confusos, y los intensivistas no están familiarizados con esta metodología y pueden no comprender plenamente la importancia de esta técnica. Los objetivos de esta revisión son: describir los fundamentos de los métodos del índice de propensión; presentar las técnicas para evaluar adecuadamente los modelos de índices de propensión, y discutir las ventajas y los inconvenientes de estas técnicas.

Palabras clave:
Causalidad
Ensayo clínico
Estudio observacional
Confusión
Propensión
Cuidados Intensivos
Epidemiología
Abstract

Random allocation of treatment or intervention is the key feature of clinical trials and divides patients into treatment groups that are approximately balanced for baseline, and therefore comparable covariates except for the variable treatment of the study. However, in observational studies, where treatment allocation is not random, patients in the treatment and control groups often differ in covariates that are related to intervention variables. These imbalances in covariates can lead to biased estimates of the treatment effect. However, randomized clinical trials are sometimes not feasible for ethical, logistical, economic or other reasons. To resolve these situations, interest in the field of clinical research has grown in designing studies that are most similar to randomized experiments using observational (i.e. non-random) data. Observational studies using propensity score analysis methods have been increasing in the scientific papers of Intensive Care. Propensity score analyses attempt to control for confounding in non-experimental studies by adjusting for the likelihood that a given patient is exposed. However, studies with propensity indexes may be confusing, and intensivists are not familiar with this methodology and may not fully understand the importance of this technique. The objectives of this review are: to describe the fundamentals of propensity index methods; to present the techniques to adequately evaluate propensity index models; to discuss the advantages and disadvantages of these techniques.

Keywords:
Causality
Clinical trial
Observational study
Confounders
Propensity score
Intensive Care
Epidemiology
Texto completo
Introducción

En la investigación clínica desarrollada en las Unidades de Cuidados Intensivos (UCI), uno de los objetivos habituales es evaluar la asociación causal que existe entre un tratamiento o intervención (exposición) y el desenlace de salud de un paciente (muerte curación, alta en UCI). Los ensayos clínicos representan el diseño de investigación de referencia cuando se quiere evaluar la eficacia que produce el tratamiento sobre el evento de interés, ya que se reduce la probabilidad de aparición de sesgos de selección o confusión. Los ensayos clínicos consisten en asignar un tratamiento aleatoriamente a un conjunto de pacientes con un estadio de la enfermedad similar para estimar el efecto que este presente sobre el desenlace; habitualmente en UCI este desenlace es mortalidad durante la estancia en UCI, o durante los 28 días tras su ingreso, o la necesidad de realizar un tratamiento más agresivo, como por ejemplo la traqueotomía1-3.

La asignación del tratamiento es la característica principal de los ensayos clínicos. La elección del tratamiento de cada paciente se realiza de forma aleatoria para que pacientes tratados y no tratados presenten características homogéneas y en consecuencia el efecto del tratamiento no se vea confundido por las características de los pacientes.

Aunque se consideren los estudios de más calidad, para la estimación de la causalidad, los ensayos clínicos también presentan algunas limitaciones: el tamaño muestral es reducido y difícilmente alcanzable, cuentan con una baja validez externa, los criterios de inclusión reducen el marco de la población a analizar, ya que tienden a excluir pacientes con edades avanzadas y con más de una enfermedad, mujeres; además, los ensayos clínicos presentan aspectos éticos a tener en cuenta y el tiempo de seguimiento es reducido4.

En el caso de la UCI, existen además otras dificultades que hacen que el diseño de ensayos clínicos en nuestra disciplina sea particularmente difícil, como son: falta de nosografía segura —los pacientes ingresados en UCI presentan síndromes (por ejemplo, síndrome de distrés respiratorio agudo [SDRA]) en vez de enfermedades—, dificultades para identificar grupos control adecuados, el uso concomitante de diferentes terapias (a menudo la intervención no es un medicamento sino una actitud terapéutica), la aleatorización antes del tratamiento y la solicitud de consentimiento informado es difícil debido al momento en que se produce5.

Una posible solución a algunas de las dificultades de los ensayos clínicos son los estudios observacionales. Son un tipo de investigación cuya selección del tratamiento está condicionada a las características basales del paciente. El propio médico determina el tipo de tratamiento en función de las características que presenta el paciente. Esta es una de las principales diferencias entre ambos estudios6-9.

Los estudios observacionales presentan varias ventajas en comparación con los ensayos clínicos: el marco de la población es más amplio, así como el tiempo de seguimiento, y presentan un tamaño muestral mayor. Por otra parte, el hecho de que la asignación del tratamiento no sea aleatoria conlleva que la estimación de la causalidad sea sesgada y, en consecuencia, que pacientes tratados y no tratados difieran no solo en el tratamiento que reciben sino también en las características basales. Si estas variables basales tuvieran asociación con el evento de interés, se estaría indicando que son variables confusoras entre la exposición y el desenlace10,11 (fig. 1).

Figura 1.

Diagrama representativo de la relación entre las variables confusoras y el evento en los estudios observacionales.

(0.03MB).

Las técnicas estadísticas están en continuo desarrollo y se han ido incorporando nuevos métodos cada vez más utilizados en la investigación clínica que permiten estimar la causalidad en estudios observacionales teniendo en cuenta los posibles factores de confusión, concretamente el índice de propensión (IP) (propensity score) y los modelos marginales estructurales (marginal structural models).

Los artículos publicados utilizando los métodos de IP han ido incrementándose cada vez más en la literatura científica de Cuidados Intensivos en los últimos 10 años (fig. 2). Dado que la metodología de los IP no es aún muy familiar para los intensivistas, en este artículo se presenta el marco conceptual en que se basan y se indican las mejores prácticas para su aplicación. Por tanto, los objetivos de esta revisión son describir: 1) los fundamentos de los métodos del IP; 2) los métodos principales para el uso de la puntuación de la propensión (emparejamiento, estratificación, ajuste por covariable y ponderación por el inverso de la probabilidad de tratamiento (inverse probability of treatment weighting [IPTW]) en un ejemplo de Cuidados Intensivos; 3) el análisis estadístico ante la presencia de confusores tiempodependientes, y 4) los puntos fuertes y débiles de estas técnicas.

Figura 2.

Diagrama de flujo de las publicaciones en pacientes críticos adultos con uso de índices de propensión.

Fuente: gráfico de elaboración propia de los autores (búsqueda en PubMed hasta marzo de 2017).

(0.11MB).
El índice de propensión en los estudios observacionales

El IP, según Rosenbaum y Rubin12, es un método que permite estimar la probabilidad de asignación a un tratamiento condicionada a las características basales que el paciente presente. Este índice es balanceado, puesto que pacientes tratados y no tratados con IP similares tendrán características basales equivalentes. De este modo se estaría controlando el efecto de la confusión producido por las características basales.

Para que se pueda aplicar el IP, se deben cumplir dos condiciones: que no haya factores de confusión no medidos y, además, que cada sujeto presente una probabilidad distinta de cero de recibir un tratamiento. Si se cumplen estas dos condiciones, se puede decir que la asignación del tratamiento es independiente con respecto al resultado, cuando se está condicionando por las covariables.

En los ensayos clínicos el IP es conocido, puesto que se conoce con qué probabilidad se asigna un tratamiento a un paciente (por ejemplo, si es un estudio con dos ramas de tratamiento, la probabilidad de asignación de un sujeto será 0,5 respectivamente). Sin embargo, en los estudios observacionales este índice es desconocido. Se podría estimar mediante regresión logística: en el que la variable dependiente es el tratamiento y las variables independientes son las covariables basales posiblemente confusoras.

Variables a considerar en el cálculo del índice de propensión

Las variables incluidas en el IP pueden crear sesgos, modificando la varianza del estimador o el error si no están correctamente elegidas. Para seleccionar dichas variables no existe un consenso, ya que depende del planteamiento clínico, estableciendo las variables con criterio clínico, y del planteamiento estadístico13.

Dado un conjunto de variables basales, se pueden clasificar en 1) variables que se relacionan con el evento, 2) variables que se relacionan con la exposición y 3) variables que se asocian tanto con el evento como con la exposición.

Al ser un modelo de regresión logística, el número de variables viene determinado por el número total de expuestos/no expuestos siguiendo la regla de Peduzzi, es decir, 10 pacientes por evento de interés (expuesto/no expuesto).

En estudios de simulación se ha podido comprobar que las variables que se relacionan con el resultado (evento) se deben incluir, así como las variables que presenten asociación con el evento y la exposición14. No se deberán incluir aquellas variables que presenten asociación solo con el tratamiento.

La elección de las variables constituye un reto en el que se deben consensuar hallazgos estadísticos y criterio clínico.

Métodos de aplicación de los índices de propensión

Una vez que el IP ha sido estimado para todos los pacientes, hay distintos métodos de aplicación: mediante emparejamiento (matching), estratificación, IPTW, y ajustando el modelo final incluyéndolo como covariable confusora.

Emparejamiento

El método del emparejamiento se basa en crear una nueva muestra de pacientes en función del IP estimado previamente. Se seleccionan los pacientes con IP similares para crear parejas de pacientes tratados y pacientes no tratados. El objetivo de este método es crear una nueva muestra balanceada y reducir las diferencias que pueda haber entre pacientes de ambos grupos. Este método permite realizar parejas considerando diversos aspectos: se podría tener en cuenta el reemplazamiento, por lo tanto, se podría decidir si un individuo puede encontrar pareja dos veces; se puede emparejar por el «vecino», paciente, que esté más cercano; y también se puede fijar un calibre (caliper) que indique la distancia máxima con la que se puede emparejar a dos pacientes, que suele ser el 0,25 por la desviación estándar del IP.

Con esta nueva muestra, con estructura muy similar a la de un ensayo clínico, se estaría solucionando el problema de la confusión y se estarían reduciendo las diferencias de las características de pacientes tratados y controles.

En la muestra emparejada, habría que comprobar, mediante diferencias estandarizadas, que las características basales de los pacientes tratados y los no tratados, después del emparejamiento, sean menores en un 10%15.

Las diferencias estandarizadas se expresan de la siguiente forma para las variables continuas:

Siendo x¯T,x¯T¯ las medias de las variables en los tratados y en los no tratados, y ST2,ST¯2 las varianzas de dichas variables.

Del mismo modo se definen las diferencias estandarizadas para variables dicotómicas:

Donde pˆT es la proporción de eventos de una variable para los individuos tratados y pˆT¯ es la proporción para individuos no tratados.

El último paso es realizar la estimación del efecto del tratamiento sobre el evento de interés en la muestra emparejada. Si la variable respuesta es continua se podrá estimar la diferencia entre los dos grupos mediante el test de la t de Student o, en caso de no cumplir con la hipótesis de normalidad, mediante el test de Wilcoxon. Si la variable respuesta es dicotómica, se estimará el efecto mediante el test de McNemar.

Inverse probability treatment weighting (IPTW)

Consiste en estimar pesos basados en el IP, calculados como la inversa de dicha probabilidad para tratados y no tratados, y posteriormente realizar la estimación del efecto del tratamiento ponderando por el peso anteriormente calculado.

Estratificación

El método de estratificación consiste en dividir la muestra en varias submuestras basadas en el IP. El número de grupos a utilizar suele ser 5, en función de los quintiles o de otros percentiles del IP estimado. Rosenbaum et al. indican que se consigue reducir el sesgo en un 90%. El efecto del tratamiento se estimará mediante la odds ratio (OR) de Mantel-Haenszel (MH).

Índice de propensión

La última alternativa consiste en calcular el efecto del tratamiento incluyendo el IP como covariable del modelo. Este método tiene la premisa de que la relación entre el desenlace (evento) y la variable confusora debe estar correctamente especificada. Es decir, que se haya realizado de forma correcta; el empleo de métodos no lineales, splines o polinomios fraccionales podría ayudar a establecer modelos adecuados.

Comparación entre los distintos métodos

El método del emparejamiento presenta la ventaja de que, una vez que se han obtenido las parejas, la nueva estructura se asemeja a la de un ensayo clínico. Por otro lado, esta técnica necesita una muestra grande donde haya un mayor número de pacientes no tratados que tratados para que todos los pacientes tratados puedan encontrar pareja. Al emparejar, además, se estaría perdiendo toda la información de aquellos pacientes que no encontraron pareja.

La ventaja principal que presenta el método de estratificación es que permite utilizar toda la muestra de los pacientes. Además, es una técnica más robusta si el IP no está correctamente especificado en comparación con el método del IPTW o el de la covariable.

El método IPTW, según Deb et al.15, tiene la desventaja de que los pesos calculados pueden ser inestables si hay pacientes con probabilidades bajas de recibir el tratamiento: si el peso se considera como la inversa del IP, aquellos pacientes con un IP bajo obtendrán un peso mayor que los pacientes con un IP alto.

Considerando el IP como covariable del modelo, se consigue de forma sencilla poder incluir un gran número de variables en el modelo. Para poder utilizar este método hay que comprobar que la relación entre el IP y el desenlace esté correctamente especificada; la asunción de normalidad debería ser comprobada si el modelo de regresión es lineal. Presenta el inconveniente de que la comprobación del balance de las variables basales (balance diagnóstico) es más complicada que en otros métodos, además de haberse demostrado que produce estimaciones más sesgadas15. Por último, la implementación que se tiene de este método no permite la estimación de la reducción absoluta del riesgo o del número necesario para tratar (NNT).

Índice de propensión y regresión

Bajo ciertas condiciones, las estimaciones obtenidas por los modelos de regresión multivariables y el IP son coincidentes. La diferencia entre el IP y la regresión logística está muy condicionada al número de eventos y al número de covariables por las que ajustar16.

Según Harrell et al.17, el número óptimo de variables independientes que se debería incluir en un modelo de regresión logística es 10 veces el número de eventos que se tienen en la muestra, lo que se conoce como la regla del 10. Es decir, si el número de eventos es 30 (fallecimientos, por ejemplo), el número óptimo de variables explicativas para estimar la probabilidad de fallecer debería ser 3. La regresión logística dependerá por lo tanto del número de eventos y en consecuencia del tamaño muestral18.

Sin embargo, en la regresión logística del IP, la variable dependiente no es el evento, sino la exposición. El número de variables para estimar la exposición no solo dependerá de la asociación que presenten con el evento, como se decía anteriormente, sino también por el número de exposiciones que haya. Si, por ejemplo, el número de exposiciones fuera 60 (60 fumadores), se debería ajustar el IP con 6 variables.

Dependiendo de la prevalencia del evento y del número de expuestos al tratamiento, el IP permite ajustar un modelo con más variables que el modelo de regresión logística.

Confusores tiempodependientes. Modelos marginales estructurales

El IP es una técnica estadística que permite estimar el efecto del tratamiento sobre el desenlace de un paciente. Cuando las variables clínicas confusoras son tiempodependientes, la estimación de dicho índice resulta más compleja puesto que los valores de las variables confusoras varían a lo largo del tiempo.

Ejemplo. Si se quisiera evaluar el efecto causal de la sedación (A) en el fracaso de la ventilación mecánica no invasiva (Y), podrían existir variables confusoras (L), por ejemplo, la escala de sedación de RASS o algunos marcadores respiratorios como el pH o la PaCO218,19.

Tanto la escala de sedación RASS como los marcadores respiratorios (pH o PaCO2) se miden en distintos periodos de tiempo. Por tanto, se considerarán como confusoras tiempodependientes si los valores pasados de la covariable pueden predecir el tratamiento actual o si los valores actuales podrán predecir resultados futuros, condicionados al tratamiento recibido en pasado.

En este ejemplo, según se observa en la figura 3, se quiere estimar el efecto del tratamiento de sedación (A), tanto en el instante 0 (A0) como en el instante 1 (A1). Por otro lado, L1 representa a las variables confusoras (escala RASS y pCO2) medidas en el instante 1, e Y representa el desenlace de interés (fracaso de la ventilación no invasiva). Al estudiar la relación entre el tratamiento en el instante 0 y el desenlace, aparecen dos caminos causales: A0Y y A0L1Y. El camino A0Y es un camino directo.

Figura 3.

Diagrama representativo de las variables confusoras tiempodependientes en los estudios observacionales. A0 es la variable a estudio o exposición; Y es el desenlace de interés; L0 representa las variables que modifican la variable a estudio en función del tiempo.

(0.04MB).

Sin embargo, en el camino A0L1Y, la relación que se establece entre tratamiento y desenlace pasa por las variables confusoras L1. Para estimar el efecto, según los modelos clásicos, se podría utilizar una regresión sin considerar los confusores L1 puesto que están en la misma cadena causal entre el efecto (A0) y el desenlace (Y) (fig. 4).

Figura 4.

Diagrama representativo de las variables confusoras tiempodependientes en los estudios observacionales. Podría suceder que se estableciera una relación entre la variable de exposición y el desenlace simplemente influido por la existencia de las variables confusoras tiempodependientes (camino alternativo en rojo) y no verdaderamente por la existencia de una relación causal entre la exposición y el desenlace.

(0.03MB).

Si se estima el efecto sin ajustar por L1, se estaría cometiendo un sesgo dado que no se estaría considerando el camino causal que hay entre A1 e Y que pasa por L1. Los métodos de regresión pueden presentar problemas de sesgo aunque no haya confusión residual; esto es debido posiblemente a la confusión creada por las variables tiempodependientes en la asignación del tratamiento previo.

Existen distintas alternativas para poder estimar el efecto de un tratamiento en presencia de confusores tiempodependientes: modelos estructurales marginales y modelos estructurales anidados20.

Los modelos marginales estructurales19 se consideran como alternativa a los modelos de regresión cuando existe una variable confusora tiempodependiente que se encuentra asociada con el desenlace de interés y que también se relaciona con el tratamiento que se está evaluando. La palabra estructural indica un efecto causal, no solo asociación estadística.

En lugar de la distribución conjunta se usan las distribuciones marginales, condicionadas a las variables basales, por lo que se denominan modelos marginales.

Estimación del efecto mediante un modelo marginal estructural

Para la creación de los modelos marginales estructurales, el primer paso es la estimación del IP mediante modelos de regresión logística o probit, en el cual la variable dependiente es el tratamiento y las independientes son aquellas variables asociadas con el inicio del tratamiento y/o con el evento de interés.

Cada paciente contribuye con tantas observaciones como unidades de tiempo se hayan seguido (meses, semanas…). Se deberá añadir como covariable la variable tiempo de seguimiento.

El peso de cada paciente y tiempo es estimado según las probabilidades predichas por este modelo, mediante el inverso de la probabilidad de tratamiento que realmente recibió. En este contexto, se asume que no hay eventos competitivos puesto que se considera que cada paciente es seguido hasta que ocurre el evento de interés o se pierde su seguimiento.

Del mismo modo que anteriormente, se estima un peso, para cada paciente, de ser censurado.

Mediante su producto, se combinan los pesos obtenidos del tratamiento y de la probabilidad de censura; de este modo, con esta ponderación, se puede simular una muestra en la que el tratamiento y la censura son independientes de los confusores medidos. En caso de que haya probabilidades muy pequeñas, los pesos extremos se sustituyen por percentiles cercanos21 (1 y 99 o 2,5 y 97,5) evitando así la presencia de valores de pesos muy grandes.

En el caso de que el evento de interés sea una variable binaria, la OR de la regresión logística entre el evento y el tratamiento, ponderada por el peso combinado, aproxima bien al riesgo relativo instantáneo del modelo de Cox, porque el riesgo de eventos es bajo en todos los meses.

Asunciones

Para poder utilizar los métodos estadísticos anteriormente descritos se deben verificar ciertas asunciones, como son:

  • El orden temporal: es decir, que la exposición al tratamiento ocurra antes que el evento.

  • Consistencia: el resultado potencial de un individuo, condicionado al historial del tratamiento observado, coincide con el verdadero resultado observado.

  • Positividad: los individuos de la población deben presentar una probabilidad mayor de cero de recibir el tratamiento en cada categoría del tratamiento y en cada uno de los niveles de las variables confusoras. De este modo, el efecto causal promedio del tratamiento se puede estimar dentro de cada subgrupo de la población establecido por las variables confusoras.

  • Correcta especificación del modelo: es decir, que se haya estimado el modelo de forma adecuada. La asunción de linealidad se debería evaluar.

  • Ausencia de confusión residual: se puede comprobar mediante un análisis de sensibilidad puesto que no se puede asumir utilizando solo los datos de los pacientes.

Aplicación del índice de propensión en pacientes ingresados en Unidades de Cuidados Intensivos

La ventaja fundamental del IP es que resume en un solo número las características basales de los individuos en los que se realiza la investigación. Este índice resume con un número la probabilidad de ser expuesto.

Por ejemplo, si el objetivo del estudio es evaluar el efecto de la ventilación no invasiva en niños que ingresan en UCI en un estudio observacional de más de 30.000 pacientes de los cuales casi un tercio recibe como primera opción ventilación no invasiva, este tipo de pregunta de investigación se podría haber planteado, con dificultades, mediante un ensayo clínico22.

También se ha utilizado este tipo de análisis para estimar el efecto ajustado del cáncer en la mortalidad en UCI23, ya que esta investigación solo se puede contestar en investigación clínica mediante estudios observacionales.

También se podrían utilizar estas técnicas analíticas para estimar el efecto de una complicación como es la debilidad adquirida en la UCI (DACI) en el fracaso del weaning o en la mortalidad del paciente durante su estancia en UCI24,25.

Vamos a desarrollar este último ejemplo, paso a paso. Se trata de un estudio prospectivo, internacional y multicéntrico realizado con 4.157 pacientes con ventilación mecánica durante más de 12h. La aparición de DACI durante la estancia se asoció con más fracaso del weaning y con más mortalidad en UCI. El IP se estimó con las siguientes variables: edad, SAPS II al ingreso en UCI, motivo principal de inicio de la ventilación mecánica (EPOC, insuficiencia cardíaca, sepsis, SDRA y neumonía).

Para evaluar el efecto de la sedación y analgesia en pacientes con ventilación no invasiva en la necesidad de intubación endotraqueal y ante la presencia de confusores tiempodependientes como son la escala de sedación de RASS (Richmond Agitation-Sedation Scale), la PCO2 o el RASS es necesario plantear un modelo marginal estructural. Para ilustrar la utilización de estos métodos comparando las distintas opciones del IP, y mostrando los resultados mediante métodos clásicos como la regresión logística, se usará un conjunto de datos de un estudio multicéntrico de UCI con ventilación mecánica.

Primera parte

Teniendo en cuenta como tratamiento la interrupción de la sedación y como evento el fallecimiento del paciente, se ha aplicado el IP para evaluar la causalidad. Aplicando diferentes modalidades del IP (matching, estratificación, IPTW y como covariable del modelo), para este escenario clínico, se han obtenido estimaciones en términos de OR e IC (95%) similares. Estas OR se han comparado con las que se obtienen estimando el efecto sin el IP (tabla 1).

Tabla 1.

Relación entre riesgo de mortalidad a día 28 (status día 28) y la interrupción de la sedación según diferentes estrategias de análisis de propensión

  Aplicaciones del Propensity scoreSin Propensity score
  EmparejamientoIPTWEstratificación MHCovariableRL UnivarianteRL Multivariante
  OR  IC (95%)  OR  IC (95%)  OR  IC (95%)  OR  IC (95%)  OR  IC (95%)  OR  IC (95%) 
Status día
28 
0,64  (0,49; 0,83)  0,67  (0,52; 0,85)  0,68  (0,53; 0,86)  0,67  (0,52; 0,85)  0,64  (0,52; 0,80)  0,63  (0,49; 0,81) 

IC: intervalo de confianza; IPTW: inverse probability of treatment weighting; MH: Mantel-Haenszel; OR: odds ratio; RL: regresión logística.

Estos resultados tan similares se deben a que, en relación con las características basales, pacientes tratados y no tratados no difieren y por lo tanto el IP estimado es muy similar en ambos conjuntos de sujetos.

Segunda parte

Si se considerase un conjunto de pacientes cuyas características basales presentaran más diferencias, las estimaciones obtenidas del efecto del tratamiento no concordarían en los diferentes métodos. Por ejemplo, si se considerase solo aquellos pacientes con enfermedades respiratorias y se quisiera estudiar el efecto de los bloqueantes neuromusculares sobre el delirio del paciente, se obtendrían estimaciones diferentes en los diferentes métodos (tabla 2).

Tabla 2.

Relación entre riesgo de mortalidad a dia 28 (status día 28) y la interrupción de la sedación según diferentes estrategias de análisis de propensión

Aplicaciones del Propensity scoreSin Propensity score
  OR  IC (95%)    OR  IC (95%) 
Emparejamiento  1,72  (0,55; 5,97)  Univariante  2,79  (1,26; 6,17) 
IPTW  2,08  (0,83; 5,24)  Multivariante  3,18  (1,42; 7,13) 
Estratificación  1,81  (1,14; 7,14)       
Covariable  2,06  (0,84; 5,11)       

IC, intervalo de confianza; IPTW: inverse probability of treatment weighting: OR: odds ratio.

Los pesos obtenidos mediante el IPTW abarcan los siguientes valores: [1,037; 12,75].

Cuando pacientes tratados y no tratados difieren y el número de eventos y de exposiciones es reducido, se observan diferencias significativas entre los métodos estadísticos.

Para ver cómo se distribuyen los pacientes tratados y los no tratados mediante el IP estimado se estudia la zona de soporte común: es el rango de valores comunes que el IP presenta en ambos grupos.

Por lo tanto, cuanto más parecidos sean los grupos de tratados y no tratados, la zona de soporte común abarcará mayor cantidad de pacientes de ambos grupos.

Si tratados y no tratados son muy similares, la zona de soporte común abarcará todos los individuos porque el máximo y el mínimo de ambos IP serán parecidos. Si ambos grupos son muy distintos, lo más probable es que el número de pacientes que entren en la zona de soporte común sea más reducido (fig. 5) (tabla 3).

Figura 5.

Gráfico de diagrama de cajas que sirve para comparar —en este caso para observar— que los pacientes tratados (treated) con los bloqueantes neuromusculares son distintos a los pacientes que no han sido tratados (untreated) con bloqueantes neuromusculares (NMB).

(0.11MB).
Tabla 3.

Comparación de las diferencias estandarizadas de las variables basales en pacientes tratados y no tratados, antes y después del emparejamiento para comprobar que el índice de propensión (IP) está especificado correctamente. Si estas diferencias son mayores en un 10% significará que el IP no está calculado de modo adecuado

  Antes del emparejamientoDespués del emparejamiento
  NMB=Sí (n=148)  NMB=No (n=390)  Diferencias estandarizadas (%)  NMB=Sí (n=141)  NMB=No (n=381)  Diferencias estandarizadas (%) 
Variables basales
Edad (años), media (DE)  59,53 (13,53)  65,33 (13,58)  42,79  60,53 (14,53)  58,96 (13,64)  11,17 
SAPS_II puntos), media (DE)  43,74 (15,49)  46,83 (16,76)  19,15  44,99 (15,67)  43,41 (14,78)  10,37 
Sexo (V)  56,8  48,5  16,63  55  58,3  6,73 
Soporte ventilatorio invasivo (Sí)  21,6  21,3  0,59  23,3  21,7  3,98 
Presencia de fracaso cardiovascular (Sí)  68,9  40,8  58,37  67,5  68,3  1,78 
Presencia de fracaso renal (Sí)  42,6  21,28  40,87  36,7  40  6,85 
Presencia de fracaso hematológico (Sí  24,3  8,97  25,75  19,2  16,7  6,52 
Sepsis durante la ventilación mecánica  43,24  24,1  37  40,88  45,83  10,10 
Duración de soporte ventilatorio (días)  15,90±13,14  8,21±14,82  54,91  14,35±11,60  11,97±19,04  15,09 

Para ver si el orden de los sujetos en el método del emparejamiento influye, se han realizado (simulado) 100 modelos y se han obtenido las correspondientes estimaciones de las OR. Se ha observado que cuando el número de variables por las que se ajusta el IP es elevado, el orden de emparejamiento no influye y se obtienen estimaciones similares. Cuando el número de variables por las que se ajusta el orden de emparejamiento sí que influye, se obtienen estimaciones diferentes.

Ventajas e inconvenientes de estas técnicas

Se ha comprobado que, dependiendo del número de eventos y de exposiciones que haya, el IP y la regresión logística podrían considerarse equivalentes, obteniendo valores en las estimaciones similares cuando no se observan diferencias entre pacientes tratados y no tratados y el número de eventos es elevado.

Cuando el número de eventos es reducido, el IP permite ser ajustado por más variables que la regresión logística, y además, permite cuantificar el efecto del tratamiento.

Mediante el método del emparejamiento del IP, se obtiene una estructura semejante a la de un ensayo clínico (las parejas presentan características similares), con la desventaja de que aquellos pacientes que no encuentren pareja serán descartados del estudio.

Los ensayos clínicos aleatorizados presentan la ventaja de que, debido a la asignación aleatoria del paciente, se puede evaluar la relación causal de modo directo. Cuando estos estudios no son viables, los estudios observacionales pueden considerarse como alternativa. Para poder evaluar la causalidad en estudios observacionales, se deberá resolver primero el problema de la confusión que conllevan dichos estudios.

Conclusiones

Los ensayos clínicos representan el mejor diseño metodológico para analizar la causalidad en investigación clínica. Sin embargo, existen hipótesis que no pueden ser testadas clínicamente por limitaciones éticas, metodológicas, económicas. Para resolver esta limitación los estudios observacionales pueden abordar este problema y simular el escenario hipotético de un ensayo clínico para poder dar respuesta, mediante la aplicación del IP y los modelos marginales estructurales. El interés creciente por esta nueva metodología hace necesaria su difusión por todos los intensivistas para mejorar el conocimiento de esta metodología y su potencial aplicación en la investigación clínica de los Cuidados Intensivos.

Por ejemplo, Delaney et al.21 muestran el uso de los métodos estadísticos detallados en este artículo para evaluar el efecto de los corticoides sobre la mortalidad en pacientes que presentan gripe A (H1N1pdm09). Las OR asociadas a dichos modelos varían desde 1,85 (IC 95%: 1,12-3,04) en los modelos clásicos de regresión logística multivariable; 1,71 (IC 95%: 1,05-2,78) en el modelo de regresión logística ajustando por el IP; 1,52 (IC 95%: 0,90-2,58) después del emparejamiento del IP, y 0,96 (IC 95%: 0,28-3,28) en el modelo marginal estructural ajustando por las variables tiempodependientes. Ajustando mediante las variables tiempodependientes en los modelos marginales estructurales, han observado que no existe asociación entre el uso de corticoides y la mortalidad de los pacientes.

Conflicto de intereses

Los autores del manuscrito declaran no tener ningún conflicto de intereses ni económico, ni comercial ni intelectual en la redacción de este artículo.

Bibliografía
[1]
G. Grasselli, L. Gattinoni, B. Kavanagh, R. Latini, A. Laupacis, F. Lemaire, et al.
Feasibility, limits and problems of clinical studies in Intensive Care Unit.
Minerva Anestesiol., 73 (2007), pp. 595-601
[2]
D.B. Rubin.
Estimating causal effects of treatments in randomized and nonrandomized studies.
J Educ Psychol., 66 (1974), pp. 688-701
[3]
D.B. Rubin.
For objective causal inference, design trumps analysis.
Ann Appl Stat., 2 (2008), pp. 808-840
[4]
L. Holmberg, M. Baum.
Can results from clinical trials be generalized?.
Nat Med., 1 (1995), pp. 734-736
[5]
J. Villar, L. Pérez-Méndez, A. Aguirre-Jaime, R.M. Kackmarek.
Why are physicians so skeptical about positive randomized controlled clinical trials in critical care medicine?.
Intensive Care Med., 31 (2005), pp. 196-204
[6]
P. Austin.
An introduction to propensity score methods for reducing the effects of confounding in observational studies.
Multivariate Behav Res., 46 (2011), pp. 399-424
[7]
D.B. Rubin.
The design versus the analysis of observational studies for causal effects: Parallels with the design or randomized trials.
Stat Med., 26 (2007), pp. 20-36
[8]
W.G. Cochran.
The effectiveness of adjustment by subclassification in removing bias in observational studies.
Biometrics., 24 (1968), pp. 295-313
[9]
P.R. Rosenbaum, D.B. Rubin.
Reducing bias in observational studies using subclassification on the propensity score.
J Am Stat Assoc., 79 (1984), pp. 516-524
[10]
P.R. Rosenbaum, D.B. Rubin.
The central role of the propensity score in observational studies for causal effects.
Biometrika., 70 (1983), pp. 41-55
[11]
R.B. D’Agostino Jr., R.B. D’Agostino.
Estimating treatment effects using observational data.
JAMA., 297 (2007), pp. 314-316
[12]
R.J. Little, D.B. Rubin.
Causal effects in clinical and epidemiological studies via potential outcomes: concepts and analytical approaches.
Annu Rev Public Health., 21 (2000), pp. 121-145
[13]
A.R. Patrick, S. Schneeweiss, M.A. Brookhart, R.J. Glynn, K.J. Rothman, J. Avorn, et al.
The implications of propensity score variable selection strategies in pharmacoepidemiology: An empirical illustration.
Pharmacoepidemiol Drug Saf., 20 (2011), pp. 551-559
[14]
M.A. Brookhart, S. Schneeweiss, K.J. Rothman, R.J. Glynn, J. Avorn, T. Sturmer.
Variable selection for propensity score models.
Am J Epidemiol., 163 (2006), pp. 1149-1156
[15]
C.W. Pattanayak, D.B. Rubin, E.R. Zell.
Propensity score methods for creating covariate balance in observational studies.
Rev Esp Cardiol., 64 (2011), pp. 897-903
[16]
S. Deb, P.C. Austin, J.V. Tu, D.T. Ko, C.D. Mazer, A. Kiss, et al.
A review of propensity-score methods and their use in cardiovascular research.
Can J Cardiol., 32 (2016), pp. 259-265
[17]
F.E. Harrell Jr., K.L. Lee, D.B. Mark.
Multivariable prognostic models: issues in developing models, evaluating assumptions and adequacy, and measuring and reducing errors.
[18]
M.S. Cepeda, R. Boston, J.T. Farrar, B.L. Strom.
Comparison of logistic regression versus propensity score when the number of events is low and there are multiple confounders.
Am J Epidemiol., 158 (2003), pp. 280-287
[19]
A. Muriel, O. Penuelas, F. Frutos-Vivar, A.C. Arroliga, V. Abraira, A.W. Thille, et al.
Impact of sedative on outcomes of noninvasive ventilation.
Intensive Care Med., 41 (2015), pp. 1586-1600
[20]
J.M. Robins, M.A. Hernán, B. Brumback.
Marginal structural models and causal inference in epidemiology.
Epidemiology., 11 (2000), pp. 550-560
[21]
J.W. Delaney, R. Pinto, J. Long, F. Lamontagne, N.K. Adhikari, A. Kumar, et al.
The influence of corticosteroid treatment on the outcome of influenza A (H1N1pdm09)-related critical illness.
Critical Care., 20 (2016), pp. 75
[22]
S.R. Cole, M.A. Hernan.
Constructing inverse probability weights for marginal structural models.
Am J Epidemiol., 168 (2008), pp. 656-664
[23]
J.V. Morris, P. Ramnarayan, R.C. Parslow, S.J. Fleming.
Outcomes for children receiving noninvasive ventilation as the first-line mode of mechanical ventilation at intensive care admission: A propensity score-matched cohort study.
Crit Care Med., 45 (2017), pp. 1045-1053
[24]
R.G. Rosa, T.F. Tonietto, B.A. Duso, J.G. Maccari, R.P. de Oliveira, W. Rutzen, et al.
Mortality of adult critically ill subjects with cancer.
Respir Care., 62 (2017), pp. 615-622
[25]
O. Peñuelas, A. Muriel, F. Frutos-Vivar, E. Fan, K. Raymondos, F. Rios, et al.
Prediction and outcome of intensive care unit-acquired paresis.
J Intensive Care Med., 33 (2018), pp. 16-28
Copyright © 2018. Elsevier España, S.L.U. y SEMICYUC
Descargar PDF
Idiomas
Medicina Intensiva
Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?