Instrumentation

4.9.1.

Tasas crudas, tasas estandarizadas por edad

mundial, análisis joinpoint

Para cada año del período de estudio se calculó, para cada sexo, las tasas crudas de incidencia y mortalidad, la tasa específica por grupos quinquenales de edad y la tasa ajustada por edad mediante el método directo, utilizando la población estándar mundial. Todas las tasas se expresaron por 100.000 habitantes.

Para el cálculo de las tasas estandarizadas por edad se calculan primero las tasas específicas por edad (dividiendo el número de casos o defunciones de cada grupo de edad por la población del mismo grupo de edad). A continuación, se obtiene el producto de las tasas específicas por edad por la población estándar del mismo grupo de edad. El sumatorio de estos productos, dividido por el total de la población estándar, da como resultado las tasas estandarizadas, que se expresan normalmente por 100.000 habitantes:

donde k es el número de grupos de edad considerados, denota la tasa específica observada en el i-ésimo grupo de edad y la población estándar en ese mismo grupo de edad.

Para el análisis de tendencias en las tasas específicas y las tasas crudas y estandarizadas durante el período de estudio se utilizó regresión log-lineal joinpoint, usando el software Joinpoint Regression Program del National Cancer Institute. Esta técnica de regresión segmentada permite describir la tendencia en las tasas de incidencia y mortalidad (en escala logarítmica) e identificar cambios en ella, modelando segmentos lineales unidos por puntos de inflexión (joinpoints).

Para la estimación de dichos modelos se utilizaron las tasas estandarizadas de mortalidad (TE) y su error estándar, calculado según (de igual forma se realizó con las tasas de incidencia):

Para los modelos con tasas específicas por edad y tasas crudas se utilizaron las tasas y las poblaciones bajo un modelo de distribución de Poisson.

La regresión joinpoint permite estimar la tasa de cambio porcentual anual en las tasas de incidencia y mortalidad, para cada período identificado, junto con el número y la ubicación de los puntos de inflexión, junto con su 95% intervalo de confianza.

Se buscó un máximo de cuatro puntos de inflexión en cada regresión, para lo cual el programa busca el modelo más sencillo que se ajuste a los datos mediante la técnica de mínimos cuadrados ponderados, estimando luego su significación estadística por medio de permutaciones Monte Carlo. La significación estadística se fijó en p=0,05.

4.9.2.

Análisis descriptivo

Se realizó un estudio descriptivo de las variables recogidas. Para las variables cualitativas se obtuvo su distribución de frecuencias con cálculo de porcentajes y sus correspondientes intervalos de confianza al 95%. Para las variables cuantitativas se presentaron tanto medidas de tendencia central (media, mediana) como medidas de dispersión (desviación típica, rango, rango intercuartílico).

Se realizó un análisis de la normalidad de las variables cuantitativas con la prueba de Kolmogorov-Smirnov. Para la comparación de medias entre dos grupos se utilizó en test t de Student o la prueba de Mann-Whitney según procediera. Para la comparación de más de dos grupos se utilizó un análisis de la varianza (ANOVA) o el test de Kruskall-Wallis. La asociación entre variables cualitativas se contrastó mediante el estadístico chi-cuadrado. La asociación entre variables cuantitativas se estudió con el coeficiente de correlación de Pearson y la rho de Spearman.

4.9.3.

Análisis de supervivencia global

Se determinó la supervivencia global de los pacientes utilizando la metodología de Kaplan-Meier. Se presentó la mediana de supervivencia, junto con el intervalo de confianza correspondiente.

La representación gráfica de la supervivencia se realizó mediante las curvas de Kaplan-Meier. La comparación de las curvas de supervivencia entre grupos se realizó a través de la prueba de rangos logarítmicos (Test de log-rank).

Para ajustar por aquellos factores que pudiesen influir en la supervivencia global de los pacientes con cáncer esofágico se utilizó un modelo de riesgos proporcionales de Cox.

Cuando no se pudo asumir que era correcta la hipótesis de riesgos proporcionales con respecto a alguna covariable, se incluyó en el modelo de regresión de Cox un elemento de interacción entre esa variable y el tiempo.

4.9.4.

Análisis de supervivencia específica y

supervivencia libre de recidiva

Se estudió la supervivencia específica de los pacientes utilizando modelos de riesgos competitivos. Dentro del análisis de supervivencia los modelos de riesgos competitivos son apropiados para analizar el comportamiento de un sujeto que puede fallecer por distintas causas y para cada unidad en estudio se observa tanto el tiempo hasta el evento, como el tipo de evento. Utilizando la metodología de Kaplan-Meier, los pacientes fallecidos por otras causas serían tratados como casos censurados, y serían eliminados del conjunto de pacientes en riesgo. Esto puede conducir a resultados sesgados pues se basa en la hipótesis de que la censura es no informativa, indicando que un paciente censurado tiene el mismo riesgo de desarrollar el evento de interés que aquellos que hayan completado el seguimiento sobreestimando así la probabilidad de fallecer.

Se estimó la incidencia acumulada de fallecer por el tumor en el seguimiento considerando la muerte por otras causas como un evento competitivo, utilizando el método propuesto por Kalbfleisch y Prentice (191). Se comparó la incidencia acumulada de fallecimiento por el tumor según diferentes características utilizando el test propuesto por Gray (192). Por último, para identificar qué características se asociaban con el riesgo de fallecer por el tumor se realizó un análisis multivariante empleando el modelo propuesto por Fine y Gray (193).

El análisis de la supervivencia libre de recidiva se realizó con el mismo método que la supervivencia específica.

Todos los tests se realizaron con un planteamiento bilateral. Se consideraron significativos valores de p<0,05. Los datos de cada paciente se registraron informáticamente. El análisis estadístico se realizó con los programas Epidat 3.1, SPSS 19.0 y R 2.15.1 para Windows.