Cómo diseñar Estudios de Investigación de Resultados de Salud Impactantes para Análisis

Jacob VanHouten, analista de datos clínicos y consultor de bioestadística en Kolabtree, proporciona los mejores consejos sobre cómo diseñar investigaciones de resultados de salud impactantes para análisis.

Si está en el campo de la medicina y ha leído, hecho o incluso pensado en hacer investigación en las últimas dos décadas, es probable que esté familiarizado con el concepto de investigación de resultados. En pocas palabras, la investigación de resultados es un campo donde el objeto de estudio es un resultado de salud definible, del que daré ejemplos más adelante, y lo que se mide son los efectos que diferentes partes del flujo de trabajo general tienen en esos resultados. Dado que el objetivo de dichos estudios es determinar qué factores afectan los resultados de interés, muchos diseños de estudios experimentales y observacionales diferentes son adecuados para esta tarea, incluidos los estudios epidemiológicos clásicos, como:

• ensayos controlados aleatorios,
• estudios transversales,
• estudios de cohortes,
• revisiones/metanálisis sistemáticos o
• metodologías de investigación para mejorar la calidad.

¿Por qué investigar los resultados?

Hay muchas, muchas razones para hacer investigación de resultados, y enumerarlas todas estaría mucho más allá de lo que sería posible hacer en este post. En pocas palabras, la investigación de resultados, tal como se aplica al campo de la biomedicina, se centra principalmente en mejorar el desempeño de alguna tarea dentro de dicho campo. Como el famoso consultor de administración Peter Drucker dice: «No puedes administrar lo que no puedes medir.»En otras palabras, no se puede» mover la aguja » en la mejora sin saber dónde apunta en primer lugar. Además, dicha medición puede conducir a

• mejora de la calidad,
• disminución de los costos de atención médica,
• mejora de la eficiencia del diagnóstico y el tratamiento, y
• experiencia del paciente.

¿Y quién no querría los mejores resultados para sus pacientes? Podría decirse que la investigación primaria de la salud es imprescindible medir continuamente la mejora, y la investigación de resultados es un poderoso conjunto de herramientas para lograrlo.

Cómo pensar en la investigación de resultados como un estadístico

Cuando se piensa en iniciar un esfuerzo de investigación, quizás lo primero que debe saber es «¿qué quiere saber?»¿Está más interesado en el sistema y la eficiencia, o en las mediciones intangibles de la calidad de vida determinadas por los pacientes? ¿Está interesado en hacer que la atención sea más asequible, equitativa y accesible para los pacientes, o le preocupa la rentabilidad de una práctica? Algunas preguntas clave incluyen:

• cuál es el resultado del interés,
• quiénes son las partes interesadas relevantes,
• cómo se representa mejor el resultado del interés, y
• ¿cómo puedo obtener los datos que necesito para responder a mis preguntas?

Tipos de resultados

Una de las fortalezas de la investigación de resultados es la capacidad de considerar muchos resultados diferentes y sus méritos relativos, así como desde muchos puntos de vista diferentes (más sobre eso a continuación). De hecho, algunos constructos de investigación de resultados, como los Años de Vida Ajustados por Calidad, se han diseñado específicamente para hacer la comparación de diferentes resultados. Los resultados que pueden ser de tipos dispares se pueden comparar a través de la conversión de un resultado en un resultado equivalente (es decir, la cantidad de dinero que uno tendría que recibir para renunciar a una noche de sueño) que es más directamente comparable.

¿A quién le importa?

Al pensar en los resultados anteriores para medir, tal vez la primera pregunta debería ser » ¿a quién le importa?». Y esto no es poca seriedad. Sinceramente, ¿quién se preocupa por este resultado? Los pacientes? Los proveedores? ¿Aseguradoras, sistemas de salud? No es descabellado imaginar que un paciente y un hospital valoran el resultado de la satisfacción del paciente de manera muy diferente, aunque es importante para ambos. Para tener en cuenta adecuadamente los resultados que desea medir, debe considerar qué perspectiva(s) son las mejores para evaluar. Identificar claramente al principio de un plan analítico la perspectiva desde la que considerará los resultados protege contra la confusión y la manipulación de datos post hoc, ya sea accidental o no. Si bien una lista exhaustiva de posibles resultados de interés está fuera del alcance de este artículo, la siguiente tabla destaca algunas de las categorías de resultados más utilizadas.

Categorías de resultados ampliamente utilizadas

Tipos de datos

Además del tipo de resultados que le interesan, vale la pena pensar en la forma en que concibe los datos, específicamente en términos de tipos de datos.

Los datos vienen en dos tipos principales: numéricos y categóricos.

Datos numéricos

Numéricos es tal como suena; la variable que se mide es cuantitativa, ya sea del tipo entero, que son los números enteros, y flotadores, que son todos los números con alguna parte que no es un número entero.

Los ejemplos de números enteros incluyen el número de bebés nacidos en un hospital, los resultados de un cuestionario de escala Likert sobre la satisfacción del paciente o el número de minutos tomados durante una cirugía, así como muchos, muchos otros.

Datos categóricos

Los datos categóricos son aquellos datos que solo pueden tomar ciertos valores específicos. Algunos puntos de datos son categóricos y dicotómicos, lo que significa que la variable puede tomar uno y solo uno de los dos resultados posibles. Por ejemplo, una bombilla puede apagarse o encenderse, pero será una de esas opciones y no la otra. A veces hay más de dos categorías, y esto define una variable nominal. Las variables nominales tienen múltiples valores posibles, pero no un orden natural entre ellas; un ejemplo podría ser los tipos de flores, donde la planta puede ser una rosa, tulipán, margarita, girasol, etc. Finalmente, las variables categóricas que tienen un orden natural pero que aún están restringidas a resultados específicos se denominan ordinales.

Un ejemplo de este tipo de variable puede ser una representación categórica de la satisfacción del paciente: insatisfecho, ligeramente satisfecho, satisfecho, muy satisfecho. Incluso aquellos que tienen un universo restringido de posibles resultados, estos niveles tienen un orden natural entre sí.

La razón por la que es tan importante estar al tanto de los tipos de resultados y tipos de datos es porque en gran medida usted mismo decidirá cómo modelar los datos, lo que a su vez determinará qué tipos de análisis son posibles. Si desea saber el número de operaciones quirúrgicas en su hospital por día, puede usar el número entero real (1,2,3,etc.), o puede factorizarlas en días de volumen alto, medio y bajo. Al final, la forma en que eliges representar los datos revela a los que leen tu trabajo cómo ves el mundo y por qué tomaste las decisiones que tomaste. Es posible que no estén de acuerdo con usted o que puedan reproducir sus datos, pero si no deja espacio para la ambigüedad, no hay duda sobre la veracidad de sus hallazgos.

¿De dónde vienen sus datos? ¿Vas a recogerlos u obtenerlos de otra fuente? Si está registrando los datos usted mismo, la responsabilidad es suya para decidir qué registrará y qué no, lo que afectará las opciones de análisis disponibles. Si no va a recopilarlo usted mismo, cómo se almacena el conjunto de datos actualmente (tipo de datos, ubicación, etc.).)? Y muy importante: conocer y comprender el proceso por el cual se producen y recopilan los datos. Los malentendidos sobre estos temas pueden llevar a una investigación que no responde a la pregunta que se pretende.

Consejo adicional: Por qué contratar a un estadístico podría salvar tu estudio

No soy un chico de autos. Cuando el mío necesita un trabajo regular o una reparación específica, soy el primero en llevarlo al taller. ¿Por qué? Porque sé que no tengo las habilidades para hacer el trabajo. Del mismo modo, no todos harán sus propias estadísticas, ya sea porque no tienen la capacitación requerida o simplemente porque eligen poner sus esfuerzos en otro lugar. Con eso en mente, aquellos que aún desean hacer investigaciones de resultados, pero no quieren ser responsables de su propio análisis, deben considerar contratar a un estadístico independiente, como el que puede encontrar fácilmente en Kolabtree.

Si decide trabajar con un estadístico, hágase un favor y hágalo participar antes en lugar de más tarde. Como cita el famoso (si no amablemente recordado) estadístico R. A. Fisher, «Consultar al estadístico después de que se haya terminado un experimento es a menudo simplemente pedirle que realice un examen post mortem. Quizá pueda decir de qué murió el experimento.»

Esto es absolutamente cierto, ya que una vez que se ha ejecutado un experimento y se han recopilado los datos, hay algunos métodos de análisis que ya no están disponibles, que pueden haber estado si se hubieran tomado diferentes decisiones en etapas anteriores de la investigación.

Además de no tener que hacer su propio análisis estadístico, puede haber otros beneficios tangibles e intangibles al trabajar con un estadístico. Por ejemplo, es probable que a través de su capacitación hayan estado expuestos a algunos métodos más complejos de diseño o análisis experimental, y es posible que el uso de uno de estos métodos en lugar de los métodos estándar pueda ahorrar significativamente recursos como tiempo, participantes o dinero. También puede haber nuevas ideas en el campo de las que no esté al tanto, como las mejores prácticas para la reproducibilidad de los hallazgos o los paquetes de software más actualizados para análisis complejos. Lo mejor de todo es que ahora mismo podría ser el mejor momento para contratar a un excelente estadístico para una ganga. Dados los escalofriantes efectos económicos de la pandemia, se ha golpeado duramente a personas de todas las clases sociales. Los estadísticos afectados por la pandemia están buscando trabajos independientes, y muchos están dispuestos a dar descuentos a cambio de lealtad.

Conclusión

Esto NO es de NINGUNA MANERA una discusión exhaustiva de la investigación de resultados; más bien, debe servir como una introducción del tamaño de un bocado para principiantes completos. Pero, incluso para estos investigadores, un poco de reflexión inicial sobre el resultado de su interés, cómo se representarán los elementos de datos y dónde podrá obtener los datos puede ayudar mucho a asegurarse de que la investigación de resultados que realice sea significativa y responda a la pregunta para la que la desea. Y recuerde, si siente que no puede o prefiere no hacer el análisis usted mismo, o si desea obtener más información sobre los métodos de análisis más recientes disponibles, no olvide buscar/comunicarse con sus colegas de estadísticas.

¿Necesita ayuda para realizar un ensayo clínico y analizar los resultados? Consulte a un consultor de investigación clínica en Kolabtree o trabaje con un analista estadístico independiente.