editorial adicciones vol. 31, nº 4 · 2019 Reflexiones sobre el uso de la Odds Ratio o la Razón de Prevalencias o Proporciones Considerations on the use of Odds Ratio versus Prevalence or Proportion Ratio Albert Espelt*,**,***, Marina Bosque-Prous*****, Marc Marí-Dell’Olmo**,**** * Facultat de Ciències de la Salut de Manresa. Universitat de Vic Universitat Central de Catalunya (UVicUCC). Av. Universitària 46, 08242, Manresa, Spain ** Centro de Investigación Biomédica en Red de Epidemiología y Salud Pública (CIBERESP). C/ Monforte de Lemos 3 Pabellón 11, 28029, Madrid, Spain ***Departament de Psicobiologia i Metodologia en Ciències de la Salut. Universitat Autònoma de Barcelona (UAB). C/ de Ca n’Altayó s/n. 08193 Bellaterra. Spain ****Agència de Salut Pública de Catalunya, Barcelona, España; Departament de Ciències Experimentals i de la Salut, Universitat Pompeu Fabra, Barcelona, España. ***** Faculty of Health Sciences, Universitat Oberta de Catalunya, Barcelona, Spain. E n 2017, publicamos un artículo explicando cómo todas nos pondríamos de acuerdo. Sin embargo, muchas estimar razones de prevalencia a partir de dife- veces nos interesa mostrar las medidas de asociación entre rentes modelos de regresión (Espelt, Mari-De- estas variables dependientes dicotómicas y las variables in- ll’Olmo, Penelo y Bosque-Prous, 2017). A menu- dependientes o explicativas de forma cruda y ajustada. En do, en los trabajos de investigación en ciencias de la salud, este punto, nos surge alguna duda, que ya intentamos res- trabajamos con estudios transversales o longitudinales. ponder en el artículo publicado en 2017 a partir de datos de Estos estudios, tienen como variables de interés variables un estudio europeo sobre alcohol (Espelt et al., 2017): ¿qué dicotómicas de enfermedad que representamos como pro- medida de asociación es mejor la Razón de Odds (OR) o la porciones, como las prevalencias o las incidencias acumu- Razón de Prevalencias o Proporciones (RP)? ¿cuál debería- ladas (por ejemplo, porcentaje de personas con consumo mos escoger? Si nos basamos en encontrar simplemente la de riesgo de alcohol o porcentaje de nuevos casos de con- asociación o las variables asociadas, la respuesta sería que sumidores de riesgo de alcohol en un período determina- no hay problema en utilizar una u otra de forma indistin- do, respectivamente) (Hernandez-Avila, Garrido-Latorre y ta. Sin embargo, si vamos a interpretar la magnitud de esta Lopez-Moreno, 2000; Moreno-Altamirano, López-Moreno asociación debemos tener claro que la OR y la RP no se y Corcho-Berdugo, 2000). En este sentido, cuando traba- interpretan de la misma forma. El problema es que la OR es jamos con variables dependientes dicotómicas y con pro- difícil de comprender y habitualmente se interpreta como porciones, lo primero que presentamos es la prevalencia si fuera equivalente a una RP. Interpretar una OR como o la incidencia acumulada de la enfermedad o comporta- si fuera una RP se agrava si la prevalencia, proporción o miento no saludable. Una vez localizada la prevalencia o incidencia acumulada de la enfermedad o comportamiento incidencia acumulada, lo que nos interesará es ver si esta de salud es elevada (Szklo y Nieto, 2012), ya que la OR no prevalencia o incidencia acumulada cambia en función de se aproxima a una RP, sobreestimando la asociación. Por las distintas variables independientes o explicativas. Es por ejemplo, una OR de 2,65 puede ser perfectamente una este motivo que después de una primera tabla de descrip- RP de 2,08 (Espelt et al., 2017) y aquí empieza a surgir el ción de la muestra, solemos encontrar o querer presentar, problema. No es lo mismo decir que hay un 265% más de una tabla donde se presentan proporciones según las distin- enfermedad en una categoría respecto a otra que 208%. tas variables independientes o explicativas (con sus respec- Si revisamos la literatura científica, encontraremos que la tivas pruebas estadísticas). Hasta este momento, seguro que mayor parte de las publicaciones de estudios transversales Recibido: Agosto 2019; Aceptado: Septiembre 2019. Enviar correspondencia a: Marina Bosque-Prous. Facultat de Ciències de la Salut. Universitat Oberta de Catalunya. Rambla del Poblenou, 156, 08018 Barcelona E-mail: mbosquep@uoc.edu ADICCIONES, 2019 · VOL. 31 NÚM. 4 · PÁGS. 257-259 257 Reflexiones sobre el uso de la Odds Ratio o la Razón de Prevalencias o Proporciones o longitudinales con variables dependientes dicotómicas se por ejemplo, sabemos que vivir en un entorno urbano es presentan las asociaciones con OR mientras que son pocas protector del consumo de alcohol respecto a vivir en un en- las que las presentan con RP (Espelt et al., 2017). Desde torno rural [RP=0,86 (IC95% = 0,78-0,95)]. Sin embargo, nuestro punto de vista, para dar coherencia al diseño, para este efecto protector desaparece [RP=0,91 (IC95% = 0,80- que las tablas descriptivas de proporciones sean totalmente 1,05)] cuando se tienen en cuenta distintas variables indi- comparables con los datos crudos de asociaciones y para viduales y aspectos como los centros deportivos, la tasa de que no haya posibles errores en la interpretación de los da- desempleo, el número de pubs, y otras variables de accesibi- tos de dichas asociaciones, lo más lógico sería utilizar la RP lidad (Obradors-Rial, Ariza, Continente y Muntaner, 2019). como medida de asociación, siempre que se pueda, para En el artículo citado es fácil ver, a partir de la tabla de diseños con proporciones (transversales o longitudinales). prevalencias, que la prevalencia de consumo de riesgo de Sobre todo, porque cuando se presentan OR en tablas hay alcohol en el entorno urbano (51,1%) es menor que la del mucha probabilidad que personas no especialistas interpre- entorno rural (59,3%) (Obradors-Rial et al., 2019). Una ten de forma errónea la OR como RP y entiendan la OR simple división de la prevalencia de consumo de riesgo de como mayor probabilidad, mayor riesgo o más prevalencia alcohol en el entorno urbano entre la prevalencia de con- cuando se debería interpretar como una comparación de sumo de riesgo de alcohol del entorno rural nos revela la probabilidades: la odds de que pase un evento respecto a asociación dada por el modelo de regresión (RP = 0,86). la odds de que no pase ese mismo evento, es decir, la odds Ahora bien, hemos dicho que la asociación ajustada entre relativa. Pero también las personas epidemiólogas o inves- consumo de riesgo de alcohol y entorno urbano/rural es tigadoras caen a veces en estos errores y encontramos ar- de 0,91. Podemos saber, ¿cuál es la prevalencia ajustada de tículos con vocabulario no adecuado para explicar dicha consumo de alcohol en el entorno urbano y en el entorno asociación (Barlés Arizón, Escario y Galbe Sánchez-Ventu- rural que nos da esta asociación? Con el programa estadís- ra, 2014; Díaz Geada, Busto Miramontes y Caamaño Isorna, tico STATA y R, podemos estimar la prevalencia ajustada 2018; Mori-Gamarra et al., 2018). para cada una de las categorías de la variable independien- En este sentido, en el anterior artículo dimos los pasos te de interés (Muller y MacLehose, 2014). Si volvemos al para calcular razones de prevalencias con dos paquetes es- artículo publicado en 2017 (Espelt et al., 2017), en la tabla tadísticos STATA y R. En esta ocasión aprovechamos para 2, podemos ver que la prevalencia de bebedores de riesgo facilitar también el procedimiento con el paquete estadís- en los hombres de Estonia era de 16,75% mientras que en tico SPSS, altamente utilizado en nuestro entorno, a partir las mujeres de 4,24%, lo que implica una RP = 3,95. La Ra- de los menús. En la tabla 1, se puede ver como obtener las zón de Prevalencia ajustada por edad y nivel de estudios de RP a partir del modelo de regresión de binomial utilizando Estonia era de 3,87. Ahora bien, aplicando el modelo de SPSS. Es muy importante que la variable dependiente este regresión y calculando sus marginales (tabla 2), podemos codificada como 0 y 1, siendo 1 la enfermedad o comporta- saber que la prevalencia de bebedores de riesgo de los hom- miento de salud de interés. bres ajustada por edad y nivel de estudios era de 16,48% y el de las mujeres de 4,26%. Si aplicamos la división de las Tabla 1. Explicación de los pasos para estimar la RP utilizando prevalencias de bebedores de riesgo en hombres y mujeres modelos de regresión log-binomial con SPSS obtenemos la misma RP ajustada que la del modelo. Tool Bar (step by step) Tabla 2. Sintaxis para obtener las prevalencias crudas y ajustadas Menu tools → Analizar → Modelos Lineales Generalizados → Modelos con STATA y R. lineales generalizados → Tipo de modelo [Personalizado; Distribución: Binomial; Función enlace: Logaritmo] → Respuesta [Variable dependiente: auditc; Tipo de variable dependiente: Binario; Categoría Sintaxis modelo ajustado de referencia: Primera (menor valor)] → Predictores [Factores: educ, STATA sex; Covariables: age] → Modelo [Modelo: educ, sex, age] → Estimación [iteraciones máximas: 100000] → Estadísticos [Incluir estimaciones de glm auditc i.sex i.educ age, family(binomial 1) link(log) eform los parámetros exponenciales] margins i.sex i.educ R install.packages(pkgs = c(“Epi”, “foreign”)) En muchos artículos cuando analizamos la asociación en- library(Epi) tre una variable dependiente y una o varias variables inde- library(foreign) model<-glm(auditc ~ sex + educ + age, data=data, pendientes o explicativas intentamos controlar por posibles family=binomial(link=log)) variables que podrían ser un factor de confusión (Babyak, summary(model) round(ci.lin(model, Exp=T),2) 2009). Una de las técnicas estadísticas empleadas para con- trolar por otras variables es el uso de modelos de regresión. library(prediction) En los distintos estudios, a partir de modelos de regresión, pred <- prediction(model, at = list(sex=c(“Women”,”Men”)), type = encontramos asociaciones crudas y asociaciones ajustadas “response”) por alguna de estas variables de confusión. En este sentido, ADICCIONES, 2019 · VOL. 31 NÚM. 4 258 Albert Espelt, Marina Bosque-Prous, Marc Marí-Dell’Olmo En conclusión, desde nuestro punto de vista, en estu- Szklo, M. y Nieto, J. (2012). Epidemiology: Beyond the Basics (3 dios en los que la variable independiente o de interés es edition). Burlington, Mass: Jones & Bartlett Learning. una proporción, creemos que es más útil utilizar como me- dida de asociación las razones de prevalencia o proporcio- nes ya que supone una mayor coherencia y evita errores de interpretación. Conflicto de intereses Las personas autoras declaran que no existe ningún conflicto de interés. Albert Espelt es editor asociado de la revista Adicciones. Sin embargo, no ha tenido ningún pa- pel durante el proceso editorial. Bibliografía Babyak, M. A. (2009). Understanding confounding and mediation. Evidence-based Mental Health, 12, 68-71. doi:10.1136/ebmh.12.3.68. Barlés Arizón, M., Escario, J. y Galbe Sánchez-Ventura, J. (2014). Predictors of driving under the influence of al- cohol among Spanish adolescents. Adicciones, 26, 96-105. Díaz Geada, A., Busto Miramontes, A. y Caamaño Isorna, F. (2018). Alcohol, tobacco and cannabis consumption in adolescents from a multicultural population (Burela, Lugo). Adicciones, 30, 264-270. doi:10.20882/adiccio­ nes.915. Espelt, A., Mari-Dell’Olmo, M., Penelo, E. y Bosque-Prous, M. (2017). Applied Prevalence Ratio estimation with di- fferent Regression models: An example from a cross-na- tional study on substance use research. Adicciones, 29, 105-112. doi:10.20882/adicciones.823. Hernandez-Avila, M., Garrido-Latorre, F. y Lopez-Moreno, S. (2000). Epidemiologic study design. Salud Pública de México, 42, 144-154. Moreno-Altamirano, A., López-Moreno, S. y Corcho-Ber- dugo, A. (2000). Principales medidas en epidemiología. Salud Pública de México, 42, 337–348. Mori-Gamarra, F., Moure-Rodríguez, L., Sureda, X., Carbia, C., Royé, D., Montes-Martínez, A., … Caamaño-Isor- na, F. (2018). Alcohol outlet density and alcohol con- sumption in Galician youth. Gaceta Sanitaria, pii: S0213- 9111(18)30238-3. doi:10.1016/j.gaceta.2018.09.005. Muller, C. J. y MacLehose, R. F. (2014). Estimating predic- ted probabilities from logistic regression: Different me- thods correspond to different target populations. Inter- national Journal of Epidemiology, 43, 962-970. doi:10.1093/ ije/dyu029. Obradors-Rial, N., Ariza, C., Continente, X. y Muntaner, C. (2019). School and town factors associated with ris- ky alcohol consumption among Catalan adolescents. Alcohol, pii: S0741-8329(17)30987-4. doi:10.1016/j.alco- hol.2019.04.005. ADICCIONES, 2019 · VOL. 31 NÚM. 4 259