Comparación de dos métodos en el análisis del efecto a corto plazo de la contaminación atmosférica en la salud

• Main Authors: Iñíguez C. (Author), Pérez-Hoyos S. (Author), Ballester F. (Author), Sáez M. (Author)
• Format: Book
• Published: Elsevier, 2003-01-01T00:00:00Z.
• Subjects: article
• Online Access: Connect to this object online.
• Notes: 0213-9111
• Keywords: Series temporales; Modelo aditivo generalizado; Modelo lineal generalizado; Contaminación atmosférica; Public aspects of medicine; RA1-1270
• Source: Gaceta Sanitaria, Vol 17, Iss 4, Pp 283-288 (2003)

Objetivo: Se comparan dos metodologías para el análisis de la relación entre contaminación atmosférica y salud. Una de las metodologías (ME) está basada en el modelo lineal generalizado, mientras que la otra (MN) incorpora el modelo aditivo generalizado (GAM). Aparte del modelo estadístico utilizado, las dos metodologías presentan discrepancias adicionales en cuanto al tipo y número de variables empleadas en el control de la confusión. Método: Se realizó un análisis para cada retardo de humos negros (de 0 a 5) y diversos indicadores de salud con datos relativos a la ciudad de Valencia y siguiendo ambas metodologías. Los resultados obtenidos se compararon mediante el examen de la secuencia y retardo de mayor efecto, el cálculo de la razón de las amplitudes de los intervalos de confianza y el cálculo de la diferencia porcentual en las estimaciones. Resultados: El cambio en los resultados según la metodología fue pequeño. La forma de la secuencia y, en general, el retardo de mayor efecto permanecieron invariables. Los coeficientes se mantuvieron estables (la diferencia porcentual de MN metodológicas con respecto a ME no superó el 10%) y los intervalos de confianza resultaron más precisos con MN, aunque la disminución de la amplitud de los intervalos de confianza no fue drástica (la razón de amplitudes se situó en torno al 90%). Conclusiones: La escasa variación de los resultados ofrece garantías en cuanto a la aplicabilidad de ambas metodologías, MN y ME, si bien la reducción sistemática del error estándar con MN apoya el uso de este último método como el procedimiento más eficiente en el control de la confusión.