2.3.5 Meta-análisis: agrupamiento de resultados de distintos estudios
Cuando existen varios estudios que han estimado funciones de daño asociadas a un mismo contaminante, es posible agrupar los resultados de estos estudios para construir un solo estimador de la función de daño. De esta forma se intenta compensar los potenciales sesgos de cada estudio individual, causados en parte por problemas para estimar la exposición de la población; además, esta estrategia permite incorporar la variabilidad de los estudios: medida del contaminante, poblaciones estudiadas, ciudades analizadas (clima), mezcla de contaminantes, variables de confusión, etcétera. Esto permite hacer estimaciones de tendencia central y análisis de sensibilidad (i.e., intervalos de confianza).
Por ejemplo, se ha hallado que después de convertir todas las medidas de exposición a una única escala (i.e., MP10), los efectos en mortalidad total son consistentes entre sí (Ostro, 1993; Dockery y Pope, 1994). Específicamente, el porcentaje de incremento de mortalidad por cada 10 (μg/m3) de incremento en el MP10 es aproximadamente 0,8%, con un intervalo de confianza de 0,5% a 1,6%. Un estudio reciente de la OMS en Europa encontró una media de incremento de riesgo de 0,6% por cada 10 (μg/m3) de MP10 (WHO, 2004). Además, un meta-análisis de ciudades asiáticas han arrojado un resultado de incremento del riesgo de 0,4% a 0,5% por cada 10 (μg/m3) de MP10 (HEI, 2004). La siguiente tabla22 resume dichos estudios.
TABLA 2.5 Cambio % en mortalidad total asociada a un cambio de 10 (μg/m3) de MP10
| Lugar | % de cambio (IC al 95%) | Referencia |
| Todas las causas, todas las edades | ||
| Asia | 0,49 (0,23; 0,76) | HEI (2004) |
| Europa | 0,60 (0,40; 0,80) | Katsouyanni y otros (2001) |
| América Latina | 0,61 (0,16; 1,17) | PAHO (2004) |
| EE.UU. | 0,21 (0,09; 0,33) | Dominici y otros (2003) |
| Todo el mundo | 0,65 (0,51; 0,76) | Stieb (2002) |
| Todas las causas, adultos mayores | ||
| Europa | 0,70 (0,5; 1,00) | Katsouyanni y otros (2001) |
| América Latina | 0,86 (0,49; 1,24) | PAHO (2004) |
| Todo el mundo | 0,86 (0,6; 1,11) | Stieb (2002) |
En general, se aprecia que los estimadores de cambios en mortalidad total son similares entre los diversos estudios citados en la tabla anterior (no hay diferencias significativas entre ellos). Por esto se puede usar el indicador global del estudio de Stieb (2002) a falta de evidencia local.
Otra pregunta que surge es si es que los resultados anteriores se pueden aplicar en forma retrospectiva para estimar impactos históricos en salud. El siguiente ejemplo explora esa posibilidad.
Ejemplo 2.7
El evento de alta contaminación por material particulado en Londres duró 14 semanas, entre el 29 de noviembre de 1952 y el 7 de marzo de 1953 (Figura 2.1). En el citado estudio de Bell y Davies (2001), se ha estimado que hubo 12.000 muertes en exceso en dicho período. La tasa de mortalidad semanal (antes del episodio) era de 1.570 muertes semanales.
Estime cuál habría sido el exceso de concentración de MP10 que se habría manifestado en ese episodio de Londres. Indique también cuáles serían los intervalos de confianza para dicha cantidad. Como referencia, la concentración total de partículas suspendidas (PTS) medida en el ambiente fue de 1.400 [μg/m3] como promedio del episodio londinense.
Solución:
a)Primero se evalúa el riesgo relativo de la población durante el episodio:
b)Luego, usando el modelo epidemiológico estándar, se puede estimar que la concentración en exceso, ΔC, está dada por la ecuación:
Usando alguno de los estudios epidemiológicos resumidos en la Tabla 2.5, se puede estimar un valor de ΔC en [μg/m3]; de la misma manera, empleando el intervalo de confianza del respectivo estimador β, se puede construir un intervalo de confianza para ΔC.
A partir de la Tabla 2.5 se puede construir el siguiente resumen:
Se aprecia que tanto el meta-análisis europeo como el global son muy consistentes con el dato que el promedio del PTS en el episodio fue de 1.400 [μg/m3], ya que entonces el intervalo de confianza del ΔC del MP10 queda acotado siempre por dicha cantidad.
Luego, estos resultados indican que aparentemente la susceptibilidad de la población de Londres al MP10 sería muy similar a la estimada a partir de estudios epidemiológicos en épocas recientes, tanto en Europa como en otras regiones del mundo.
2.3.5.1 Comparación de resultados de distintos estudios
Cualquiera que sea el ámbito de comparación de los estudios: según coeficientes β, según incidencias Δy o según beneficios valorizados, surge siempre la pregunta de cómo ponderar los distintos resultados de la literatura. El enfoque estándar consiste en agrupar los estimadores de diferentes estudios, dándole más importancia relativa a los estudios con poca variabilidad que a los que poseen mucha variabilidad. En cualquier caso, la forma específica en que se ponderan los estudios depende de los supuestos que se hagan acerca de cómo los distintos estimadores se relacionan entre sí.
Bajo el supuesto de que existe una distribución de coeficientes de efectos (β) que difieren por ubicación y/o estudio (el llamado modelo de efectos aleatorios), los diferentes coeficientes reportados en diversos estudios pueden ser estimadores de distintos coeficientes, en vez de ser diferentes estimadores del mismo coeficiente. Este último caso es el modelo de efectos fijos, que asume que hay un solo β en todas partes23.
De esta forma, el modelo de efectos aleatorios permite la posibilidad de que los diversos estudios estén estimando distintos parámetros. Por ejemplo, en estudios que relacionan mortalidad con concentraciones de MP10, si la composición química del MP10 varía de una ubicación a otra, las funciones de daño estimadas en dichas localidades pueden ser diferentes.
Si se supone que las partículas finas son las principales responsables del efecto y ellas están en mayor proporción del MP10 en la ciudad A que en la ciudad B, uno esperaría que el valor verdadero de β sea mayor en A que