Objetivos Testar la fiabilidad interobservador de la guía de cribado y del formulario modular de revisión (MRF2) para identificar eventos adversos (EA). Comparar la incidencia de EA entre un grupo de pacientes sometidos a precauciones de aislamiento de contacto y gotas por gripe frente a un grupo de pacientes no aislados.
Método Estudio de casos y controles anidados en una cohorte. Los casos son 50 pacientes sometidos a precauciones de aislamiento por gripe, y los controles son 50 pacientes ingresados y no aislados.
Resultados La incidencia de EA varía entre el 10 y el 26% por efecto del observador (26% [IC 95%: 17,4-34,60%]; 10% [IC 95%: 4,12-15,88%]; 23% [IC 95%: 14,75-31,25%]). Es siempre menor en la cohorte expuesta al aislamiento que en la no expuesta, y esa diferencia alcanza significación estadística cuando aplicamos el criterio de máxima exigencia en la definición de caso.
La concordancia respecto del cribado fue buena (porcentaje simple de concordancia superior al 76%; índice Kappa entre 0,29 y 0,81).
La concordancia respecto de la identificación precisa de EA relacionado con la asistencia fue menor (porcentaje de concordancia entre el 50 y el 93,3%; índice Kappa de 0,20 a 0,70).
Conclusiones Antes de realizar un estudio epidemiológico sobre EA hay que analizar la fiabilidad interobservador para mejorar la precisión de los resultados y, por ende, la validez del estudio.
Los revisores presentan diferentes grados de concordancia. El índice Kappa muestra niveles elevados para la guía de cribado, no así para la identificación de EA.
Sin una buena metodología no se pueden garantizar los resultados alcanzados y, consecuentemente, las decisiones tomadas a partir de ellos. Por tanto, los investigadores han de ser garantes del método utilizado y este debe acercarse lo más posible al óptimo alcanzable.
Objective To test the inter-observer agreement in identifying adverse events (AE) in patients hospitalized by flu and undergoing precautionary isolation measures.
Methods Historical cohort study, 50 patients undergoing isolation measures due to flu, and 50 patients without any isolation measures.
Results The AE incidence ranges from 10 to 26% depending on the observer (26% [95% CI: 17.4%-34.60%], 10% [95% CI: 4.12%-15.88%], and 23% [95% CI: 14.75%-31.25%]). It was always lower in the cohort undergoing the isolation measures. This difference is statistically significant when the accurate definition of a case is applied.
The agreement as regards the screening was good (higher than 76%; Kappa index between 0.29 and 0.81).
The agreement as regards the accurate identification of AE related to care was lower (from 50 to 93.3%, Kappa index from 0.20 to 0.70).
Conclusions Before performing an epidemiological study on AE, interobserver concordance must be analyzed to improve the accuracy of the results and the validity of the study.
Studies have different levels of reliability. Kappa index shows high levels for the screening guide, but not for the identification of AE.
Without a good methodology the results achieved, and thus the decisions made from them, cannot be guaranteed. Researchers have to be sure of the method used, which should be as close as possible to the optimal achievable.