5

TCNICAS

ESTRATEGIAS PARA ANALIZAR DATOS DE NUTRIENTES

CONTENIDO Sinopsis84 Control de calidad84 Pasos para asegurar la calidad del estudio general y del entrevistador..84 Verosimilitud de los consumos .85 Cuestiones estadsticas en el anlisis de consumos.85 Identificacin de valores errticos o extremosos..85 Ajuste del consumo energtico total..85 Modelado del consumo de nutrientes..86 Colinealidad mltiple..87 Complementos alimenticios..88 Variabilidad intrapersonal y sesgo especfico de persona. 89 Estrategias de anlisis de estudios epidemiolgicos..89

Tipos de procedimientos epidemiolgicos.89 Mtodos de comparacin de grupos En estudios transversales90 Mtodos de comparacin de estudios de casos y testigos.91 Mtodos de valoracin de asociaciones En estudios epidemiolgicos...91 Anlisis de estudios de intervencin que propician un cambio del consumo de nutrientes....92 Referencias..92

Sinopsis Los anlisis de datos de nutrientes plantean dificultades especiales para los investigadores, quienes deben tener en cuenta los putos listados a continuacin. 1. Posibilidad de subestimar los consumos, lo cual resulta en obtencin de valores imposible o extremosos del conjunto de datos. 2. Manera de ajustar el consumo total de energa. 3. Manera de modelar nutrientes por ejemplo, como variable continua o definitiva. 4. Manera de evitar la colinealidad mltiple. 5. Manera de manipular los datos de complementos alimenticios. 6. Efecto de variabilidad grande por da y los sesgo especficos de persona en consumo informados por el propio paciente, que en ambos casos conducen a la clasificacin errnea de los individuos respecto del consumo habitual. Los objetivos de este captulo son examinar varias maneras de abordar las cuestiones mencionadas, describir en forma breve los tipos comunes de estudio de observacin y experimentales que permiten obtener datos nutricionales, y describir los mtodos de anlisis ms comunes utilizando en los tipos de estudios descritos.

Control de calidad Independientemente de que los investigadores utilicen un cuestionario de frecuencia de alimento valido nico o de recordatorio de 24 h mltiple, debe tenerse presente que para reunir los datos alimentarios la importancia del control de calidad en tal recopilacin de informacin no debe resaltarse demasiado. La frase GIGO (garbge in, garbage out . si basura entra, basura sale) sire como un recurso nemotcnico rgido sobre la importancia de asegurar que los datos alimentarios sean de la ms alta calidad cuando se someten a anlisis. Ninguna sofisticacin analtica compensa la mala calidad de la informacin. Pasos para asegurar la calidad del estudio y del entrevistador Para mejorar la calidad de los datos obtenidos, los investigadores deben: Elaborar un manual de operaciones para obtener datos de nutrientes. Adiestrar y certificar a entrevistadores en la obtencin de datos y uso de manual. Grabar las entrevistas, despus de obtener la autorizacin del entrevistado. Revisar de inmediato una impresin de los datos obtenidos, incluidos totales de nutrientes, si el programa utilizado lo permite. Desarrollar lmites de nutrientes importantes que resulten en la revisin cuidadosa del cuestionario o del recordatorio de 24h con el entrevistado, si los limites fueron rebasados. Hacer preguntas a los cocineros, cuando sea necesario, para aclarar la informacin reportada.

En el caso del recordatorio de 24 h, preguntar al entrevistado si la cantidad consumida fue tpica, de no serlo, la razn por la que la cantidad consumida fue inusualmente baja o alta, por ejemplo, ms baja que la habitual por enfermedad. Usar los datos de la composicin de alimentos para calcular la composicin de nutrientes y recetas que no se encuentran en una base de datos cuando se utilizan recordatorios de 24h. Seleccionar al azar grabaciones en cinta cuando hay que responder los cuestionarios en ocasiones repetidas o volver a ingresar datos, con valoracin de discrepancias y rectificacin de datos incorrectos. Establecer criterios de recertificacin de entrevistadores con base en las grabaciones seleccionadas al azar.

Verosimilitud de los consumos A los entrevistadores tambin se les puede pedir que indiquen si piensan que el entrevistado proporciono datos confiables. Las personas que no ofrecen datos confiables, segn el entrevistador, deben ser excluidas del anlisis. Antes de conducir el anlisis, tal vez los investigadores quieran establecer lmites en el consumo calrico total por encima o por debajo de los cuales las personas serian excluidas. Por ejemplo, en el Coronary Artey Risk Development in (Young) Adults Study (CARDIA), los varones que informemos consumos de > 8000 kcal o < 800 kcal y las mujeres que informaron consumos de > 6000 kcal o < 600 kcal en lo cuestionarios de frecuencia de consumo de alimentos, fueron excluidos del anlisis debido a que los valores fuera de tales limites se consideran incompatibles con un estilo de vida normal. El estilo INTERMAP de macronutrientes / micronutrientes y presin arterial excluyo de anlisis a las personas que informamos consumos energticos < 500 kcal o > 5000 kcal, para las mujeres, o > 8000 kcal para los varones, en cualquiera de cuatro recordatorios de 24 h. los cuestionarios de frecuencia de consumo de alimentos en general tienen deviaciones estndar ms grandes del consumo energtico total que los recordatorios de 24 h, por eso es ms probable que tengan individuos con valores imposible o extremosos. Por lo tanto, los investigadores que utilizan cuestionarios de frecuencia de consumo de alimentos necesitan prestar atencin particular al establecimiento de umbrales excluyendo para el consumo energtico total, como los utilizados en CARDIA. Los investigadores que utilizan recordatorios de 24 h habrn de considerar si excluyen a personas que informan que sus consumos de 24h fueron inusuales, as como si establecen umbrales excluyendo similares a los utilizados en INTERMAP.

CUESTIONES ESTADSTICAS EN EL ANLISIS DE CONSUMOS Identificacin de valores errticos o extremosos Antes de dirigir cualquier anlisis, los investigadores deben examinar la distribucin de cada variable de inters por si contiene valores errticos o extremosos. El procedimiento Proc Univariate en SAS es parcialmente til al respecto. Adems de proporcionar los datos estadsticos estndar descriptivos, como media, mediana, desviacin estndar, intervalo, intervalo entre cuartiles, etc. Tambin identifica los valores quinto ms grande y quinto ms pequeo de cada variable, y el el 1, 5, 10, 25, 75, 90. 95 y 99' porcentiles. El usuario tambin puede solicitar un plano de los datos con recuadro, el cual puede ser muy til en la identificacin de valores extremosos. El plano con recuadro ayuda a indicar la manera en que discrepan los valores ms grande y ms pequeo respecto de los datos restantes. En el Observing Protein and Energy Nutrition (OPEN) Study,1 los investigadores excluyeron valores de variables alimentarias que caan fuera del intervalo dado por los siguientes: porcentil 25 menos dos veces el intervalo entre cuartiles hasta el porcentil 75 ms el doble del intervalo entre cuartiles de la escala logartmica. El hecho de que un paquete de software estadstico identifique valores tan grandes o extremosos en relacin con otros valores de la distribucin, no debera tomarse como prueba suficiente a primera vista de que tales valores son invlidos o de que se cometi un error en la obtencin de los datos o al introducirlos. Deben examinarse los problemas que hay con dichos valores. Sin embargo, si los valores son biolgicamente verdaderos y no parece haber algn error, no deben excluirse del anlisis de manera arbitraria. Neter et al.8 sugieren que una regla segura es desechar un valor errtico slo si hay prueba directa de que representa un error de registro, un clculo equivocado, un equipo que funciona mal o una circunstancia parecida. Cuando los valores atpicos son retenidos en el conjunto de datos, el investigador necesita seguir pasos especiales para valorar cualquier influencia ejercida sobre los resultados del anlisis. Esto puede incluir anlisis con y sin valor o valores errticos, uso de mtodos de estadstica no paramtrica (p. ej., correlacin del orden de Spearman en lugar del habitual coeficiente de correlacin de Pearson), transformaciones de los datos que acercan el valor atpico a los dems valores (p. ej., la transformacin del logaritmo o de la raz cuadrada), pruebas especficas de observaciones influyentes, o uso de mtodos slidos de regresin.

AJUSTE DEL CONSUMO ENERGTICO TOTAL El ajuste del consumo energtico total es de particular importancia en los estudios epidemiolgicos en los cuales los investigadores utilizan alguna forma de modelos de regresin para examinar las asociaciones de nutrientes especficos con un criterio de valoracin, por ejemplo, presin arterial o colesterol en regresin lineal mltiple. Estado del estadio de casos y testigos en regresin logstica o incidencia de cardiopata coronaria en la regresin proporcional de Cox de riesgos instantneos. En las referencias

10 y 11 pueden encontrarse debates acerca del ajuste del consumo energtico total. Aqu se describen slo los principales temas estudiados por estos autores. La razn fundamental para realizar el ajuste del consumo energtico total es que la mayor parte de los nutrientes est correlacionada con el consumo energtico total. Es as porque contribuyen de manera directa al consumo energtico total, por ejemplo, grasa o carbohidrato totales, o porque las personas que consumen ms kilocaloras tambin comen ms, en promedio, de todos los nutrientes; es el caso del colesterol o sodio alimenticios. Ejemplo de lo anterior es que en participantes del Mltiple Risk Factor intervencin Trial (MRFIT)12 las correlaciones iniciales de 10 nutrientes que aportan energa al consumo energtico total van de 0.29 para el consumo de alcohol a 0.97 para el consumo total de grasa. De 24 nutrientes que no aportan energa, las correlaciones se ubicaron en el intervalo de 0.05 para el retino! a 0.78 para el fsforo, con una mediana de 0.52. Ningn nutriente tuvo una correlacin negativa con el consumo energtico total. Por lo tanto, si el consumo energtico total se asocia de manera positiva a una variable dependiente, casi todos los nutrientes especficos tambin estarn asociados positivamente a tal variable. Es por ello que en el anlisis de regresin en que participan nutrientes especficos es necesario ajustar las asociaciones a nutrientes especficos por los posibles efectos de confusin del consumo energtico total. Los datos del estudio OPEN,7,13 en los cuales agua y nitrgeno urinario doblemente marcados se utilizaron como biomarcadores del consumo energtico total y del consumo de protenas, respectivamente, tambin reforzaron de manera enftica la importancia de ajustar el consumo energtico. En particular, los investigadores del OPEN observaron que el debilitamiento de las asociaciones entre enfermedad y consumo de protena por variabilidad intrapersonal y sesgos especficos de persona, se esperan sustancialmente ms bajos cuando el consumo protenico se ajusta al consumo energtico que cuando no es as, sobre todo si los datos se obtienen de un cuestionario de frecuencia de consumo de alimentos. Por ejemplo, de acuerdo con los datos del OPEN, se esperara que un cuestionario de la frecuencia de consumo de un solo alimento subestimara un coeficiente de regresin en relacin con el consumo protenico expresado en gramos/da y un resultado en varones de 84.4% y en mujeres de 86.3%, en tanto la subestimacin con el consumo protenico expresada como porcentaje de kilocaloras sera de menos de 59.4 y 68.4%, respectivamente.13 Un riesgo relativo verdadero de enfermedad asociada al consumo de protena expresado en gramos/da de 2.0 dara un clculo de 1.11 y 1.10 para varones y mujeres, respectivamente, en tanto que los riesgos relativos estimados seran 1.32 y 1.24 para el consumo protenico en porcentaje de kilocaloras. Los mtodos ms comunes de ajuste del consumo energtico total son los siguientes: de densidad de nutrientes, multivariado estndar, residual y multivariado de densidad de nutrientes.10,11'14 El mtodo de densidad de nutrientes ha sido el procedimiento tradicional para ajustar el consumo energtico total. En l, el consumo de nutrientes se divide entre el consumo energtico total, con los nutrientes que aportan energa expresados como porcentaje de kilocaloras y, los que no aportan, expresados como consumo por 1 000 kcal. Las ventajas de este procedimiento son la facilidad del clculo, la familiaridad para los nutrilogos y su empleo en directrices nacionales.10 Por ejemplo, el

Committee on Diet and Health of the National Research Council recomienda que el consumo total de grasas sea menor del 30% del consumo energtico total y que el consumo de grasas saturadas sea menos del 10%.15 El problema principal con el mtodo de densidad de nutrientes es que no elimina del todo la confusin potencial con el consumo energtico total, debido a que los nutrientes expresados como densidad de nutriente a menudo permanecen correlacionados con el consumo energtico total. Por ejemplo, en el MRFIT, las correlaciones del porcentaje de kilocaloras por consumo de protena, grasa y carbohidrato con el consumo energtico total al inicio, fueron 0.23, 0.18 y 0.11, respectivamente.12 Sin embargo, con estos tres nutrientes expresados en gramos/da, las correlaciones respectivas fueron 0.73, 0.87 y 0.77. En el mtodo multivariado estndar, el consumo energtico total est incluido en el modelo de regresin multivariado junto con el nutriente o nutrientes de inters. En este modelo, el coeficiente de regresin del nutriente de inters representa el efecto de cambiar el nutriente en una unidad, al tiempo que se mantiene un consumo energtico total constante. Para nutrientes que contienen energa, esto puede llevarse a cabo slo haciendo cambios, en los dems nutrientes que aportan energa, que equivalgan a la cantidad energtica contenida en una unidad del nutriente de inters. De igual manera, el coeficiente de regresin del consumo energtico total no representa el efecto de cambiar el con-sumo energtico total en 1 kcal, sino el efecto de cambiar el consumo energtico de todos los dems nutrientes que aportan energa en 1 kcal. Por ejemplo, si el nutriente en el modelo est expresado como consumo protenico total, entonces el consumo energtico total representa consumos de grasa y carbohidrato. Al utilizar este procedimiento, los clculos del efecto de cambiar el consumo del nutriente en una cantidad especfica utilizaran la variacin en el nutriente y el consumo energtico total se mantendra constante, esto es, los residuos de nutriente (vase despus) como base del clculo del efecto. De no hacerlo as, pueden obtenerse clculos del efecto basados en diferencias no realistas del consumo del nutriente. En el mtodo de los residuos, el investigador somete a regresin cada uno de los nutrientes de inters del consumo energtico total y luego calcula un residuo de nutriente para cada individuo al restar del consumo de nutrientes real del individuo la cantidad prevista basada en el consumo energtico total del individuo. Debido a que la media de tales residuos equivale a cero, es recomendable agregar una constante a cada residuo, por ejemplo, el consumo medio del nutriente. Sin embargo, el valor resultante no representa el consumo real del individuo y, de hecho, carece de significado biolgico o de importancia para las polticas pblicas. El mtodo de los residuos es tan slo un medio por el cual los investigadores pueden ajustar el consumo energtico total. Los residuos de nutrientes son ajenos al consumo energtico total. Los modelos que utilizan residuos de nutrientes tambin pueden incluir el consumo energtico total. El coeficiente de regresin de un nutriente expresado como un residuo de nutriente es idntico al coeficiente de regresin del nutriente en el modelo multivariado estndar. Sin embargo, el coeficiente de regresin del consumo energtico total no ser idntico al del modelo multivariado estndar. En el modelo de los residuos, la asociacin del consumo energtico total con la variable dependiente no es ajustada por el consumo del nutriente especfico, lo cual

podra dar como resultado un clculo inexacto de la asociacin del consumo energtico total con la variable dependiente. En el modelo multivariado de densidad del nutriente, se incluye el consumo energtico total junto con la densidad del nutriente. Este procedimiento aborda el problema de la confusin potencial por el consumo energtico total en dichos anlisis. En este modelo, el coeficiente de regresin del nutriente calcula el efecto de una diferencia de 1 % en la energa aportada por el nutriente en tanto el consumo calrico total se mantiene constante. Como advirtieron Willett et al.,10 una ventaja principal del procedimiento multivariado de densidad del nutriente es que divide la dieta en dos componentes: composicin y cantidad total.

MODELADO DEL CONSUMO DE NUTRIENTES Los investigadores modelan de manera tpica el consumo de nutrientes como una variable continua o como una serie de variables imaginarias correspondientes a cuartiles del nutriente, por ejemplo, cuartiles o quintiles. Las ventajas de establecer categoras en el consumo de nutrientes son la reduccin de los efectos potenciales de valores atpicos o extremosos y la eliminacin de la necesidad de suponer una relacin lineal entre el nutriente de inters y la variable dependiente. La categorizacin tambin es ms informativa para los lectores, puesto que permite el clculo de los riesgos relativos en la regresin logstica y de la regresin proporcional de Cox de riesgos instantneos de personas en cada categora de exposicin en relacin con una categora de referencia y, en la regresin lineal mltiple, la diferencia de la media en la variable dependiente para las personas en cada categora de exposicin en relacin con la categora de referencia. La debilidad principal de la categorizacin de una variable continua es que, cuando la relacin es lineal, la categorizacin se debilita. Sin embargo, cualquiera que sea la manera en que el consumo de nutrientes se modele en el anlisis definitivo, la categorizacin es todava una herramienta muy til y debe ser parte de todo plan de anlisis. Esto se debe a que la categorizacin permite al investigador examinar la forma de la relacin entre el nutriente y la variable dependiente y, por lo tanto, tambin percatarse de si la relacin es o no suficientemente lineal para apoyar la inclusin del nutriente como una variable contina en el modelo de regresin. Cuando al consumo de nutrientes se le asigna una categora, es posible definir las variables imaginarias de k 1 de cada individuo para las categoras k de la variable. Por ejemplo, si el consumo de nutrientes se divide en cuartiles, se definen tres variables imaginarias. Al definirlas, tambin es necesario definir una categora de referencia. Esta es la categora contra la cual los riesgos o medias de las dems categoras de exposicin se comparan. Si el consumo de nutrientes se divide en cuartiles y el primer cuartil ser la categora de referencia, las tres variables imaginarias correspondientes a los cuartiles 2 a 4 se definen de la siguiente manera:

X1= X2= X3 =

[1 si el consumo corresponde al segundo cuartil 0 si es de otra manera [1 si el consumo corresponde al tercer cuartil 0 si es de otra manera [1 si el consumo corresponde al tercer cuartil 0 si es de otra manera

Tales definiciones producen los valores siguientes de cada una de las variables de individuos en los cuartiles 1 a 4: Cuartil Del consumo x1 1 2 3 4 0 1 0 0 x2 0 0 1 0 X3 0 0 0 1

Al definir las categoras para un nutriente, los investigadores deben ajustar el consumo energtico total mediante la definicin de las categoras con base en los residuos de nutrientes o densidades de nutrientes, ms que el consumo absoluto.14 Mientras los mtodos multivariado estndar y de los residuos de nutrientes proporcionan idnticos coeficientes de regresin del nutriente de inters cuando ste es introducido como una variable continua, no sucede lo mismo cuando el consumo de nutrientes se clasifica en categoras.14 En tal caso, debe evitarse el mtodo multivariado estndar. Tambin es recomendable modelar el consumo energtico total como una variable continua en tal anlisis, ms que como una segunda variable segn categoras, en particular si la densidad del nutriente es la variable que est siendo categoriza- da.11,14 COLINEALIDAD MLTIPLE La colinealidad mltiple o multicolinealidad en un modelo de regresin puede presentarse cuando variables altamente inter- relacionadas se introducen de manera simultnea al modelo o cuando una combinacin lineal de varias variables equivale de manera esencial a una constante. Por ejemplo, la colinealidad mltiple se presentara con datos de nutrientes si el modelo incluy porcentaje de kilocaloras de grasa total, protena y carbohidrato debido a que la suma de esas tres variables es a menudo 100 o muy cercana a 100. En consecuencia, los investigadores no deben hacer el intento de introducir ms de dos de dichas variables al mismo tiempo en un modelo de regresin. De igual manera, la colinealidad mltiple tambin se presentara si esas mismas tres variables fueran introducidas a un modelo como el de gramos/da junto con el consumo energtico total. En este caso, slo tres de las cuatro variables debern introducirse en

forma simultnea. En general, los investigadores necesitan asegurarse de no incluir en el mismo modelo variables que representen el consumo total de un nutriente, ni todos los componentes individuales de tal consumo, por ejemplo grasa total ms grasas saturadas, grasas poliinsaturadas y grasas monoinsaturadas. Sin embargo, aun si tienen el cuidado de asegurarse de que los tipos de colinealidad mltiple descritos aqu no se presentan, la multicolinealidad puede persistir como un problema cuando variables mltiples interrelacionadas son incluidas en el modelo, por ejemplo, los nutrientes que proceden de las mismas fuentes. En esta situacin puede ser imposible determinar las asociaciones particulares e independientes de las variables mltiples con la variable dependiente. Por ejemplo, en un estudio sobre las asociaciones de consumo de potasio, calcio, protema y leche con la presin arterial, los investigadores observaron que, mientras el potasio tuvo una asociacin relativamente ms potente con la presin arterial que con los otros tres factores alimentarios, las correlaciones elevadas del consumo de potasio con consumo de los otros tres hizo imposible determinar la asociacin independiente del consumo de potasio con la presin arterial.16 El uso de los residuos de nutrientes y las densidades de nutrientes ayudan a reducir la probabilidad de colinealidad mltiple debido a que los nutrientes ajustados a la energa en general tienen interrelaciones ms bajas que los nutrientes expresados como cantidades absolutas.11 En Neter et al.8 pueden consultarse los mtodos de valoracin y deteccin de colinealidad mltiple, as como las medidas correctivas. Algunos investigadores consideran que los procedimientos que seleccionan variables para incluirlas en los modelos de regresin con base en que la variable est o no est significativamente relacionada con la variable dependiente constituyen una manera apropiada de evitar la colinealidad mltiple. Tales procedimientos incluyen la inclusin secuencial o exclusin secuencial de variables y regresin paso a paso. En la inclusin secuencial de variables, stas son introducidas al modelo en un momento, comenzando con la que tiene la asociacin ms potente con la variable dependiente, seguida de manera consecutiva de aquella que tiene las asociaciones de residuos ms potentes con la misma variable, esto es, despus de tener en cuenta la asociacin del ingreso de la variable con las variables previamente introducidas y sus asociaciones con la variable dependiente. Las variables no se introducen en el modelo sino hasta que no quede variable con asociacin estadsticamente significativa con la variable dependiente, si es que fuera la siguiente en entrar en el modelo. En la exclusin secuencial de variables, todas las variables disponibles son introducidas al modelo, y aquellas con la asociacin ms frgil son eliminadas en forma consecutiva hasta dejar slo aquellas significativamente relacionadas con la variable dependiente. La regresin paso a paso combina la inclusin secuencial y la exclusin secuencial de variables mediante la supresin de las que ya no son significativas cuando se introduce al modelo una nueva, de manera que el modelo final contiene slo las que tienen relacin significativa con la variable dependiente. Estos procedimientos de seleccin de variables deben evitarse por diversos motivos. En primer lugar, el modelo final seleccionado no necesariamente ser el ptimo, por ejemplo,

maximizan R2. En segundo lugar, las pruebas de hiptesis utilizadas para determinar qu variables permanecen en el modelo estn correla-cionadas.9 En tercer lugar, si hay un nmero grande de variables, tal vez no sea posible la introduccin inicial de todas las variables si una o ms es una combinacin lineal de las dems variables. En cuarto lugar, los procedimientos paso a paso no siempre seleccionan factores de confusin posibles que deben incluirse sin importar si dicho factor tiene una asociacin significativa con la variable dependiente, por ejemplo, edad y gnero, o el consumo energtico total en el procedimiento multivariado de densidad de nutrientes. En quinto lugar, los resultados de tales procedimientos no son a menudo los nicos, esto es, producen modelos finales que no incluyen las mismas variables. Por ejemplo, en un anlisis logstico que inclua las asociaciones del consumo energtico total y los consumos de protena, grasa y carbohidrato con la incidencia de cardiopata coronaria (coronary heart disease, CHD), McGee et al.17 observaron que slo el consumo de carbohidratos tuvo una asociacin significativa con incidencia de CHD si se utilizaba la inclusin secuencial de variables. Cuando en lugar de ella se utiliz la exclusin secuencial, el modelo final incluy consumo de grasa y consumo energtico total como las nicas variables relacionadas de manera significativa e independiente con la incidencia de cardiopata coronaria. En la construccin de los modelos es apropiado especificar de antemano las variables que van a incluirse y elaborar los modelos en forma cuidadosa agregando de manera consecutiva las variables. Por ejemplo, en el informe del Estudio INTERMAP sobre la relacin del consumo protenico y la presin arterial,'8 los factores de confusin potenciales fueron agregados de manera consecutiva a los modelos de regresin. Se incluyeron primero las variables no alimentarias, luego las variables alimentarias de acuerdo con asociaciones conocidas y supuestas con la presin arterial. Los modelos se aplicaron con y sin ajuste por talla y peso, debido a la posibilidad de sobreajustar y a que influan de manera poderosa en las asociaciones, tal vez como resultado de su alta precisin de medidas en comparacin con las variables alimentarias. Los factores de confusin potenciales agregados despus del ajuste de la muestra, la edad y el gnero (Modelo 1) fueron: notificacin de dieta especial, antecedentes de enfermedad cardiovascular o diabetes, historia familiar de hipertensin, actividad fsica, cualquier consumo informado de complementos alimenticios (Modelo 2); sodio urinario, potasio y consumo de alcohol diario (nutrientes que se saben asociados con la presin arterial) (Modelo 3); calcio, cidos grasos saturados, cidos grasos poliinsaturados, colesterol alimenticio (nutrientes a los que se les atribuyen relaciones con la presin arterial) (Modelo 4), y magnesio alimenticio (Modelo 5a) o fibra (Modelo 5b) (al que tambin se le atribuye relacin con la presin arterial), considerados por separado para evitar posibles efectos de colinealidad mltiple que desvirten, dada su elevada interrelacin con protenas vegetales. Tambin puede ser apropiado conducir anlisis complementarios para valorar la sensibilidad de los hallazgos. Por ejemplo, en el informe del INTERMAP sobre la relacin del consumo de protena con la presin arterial,18 se llevaron a cabo los siguientes anlisis adicionales: inclusin del consumo energtico en todos los modelos; consumos de nutrientes de alimentos ms complementos alimenticios; uso de la relacin gramos/da

ajustada al consumo energtico (en lugar de densidades de nutrientes) y exclusiones (por separado) de quienes toman antihipertensores u otro medicamento para enfermedad cardiovascular, gente con antecedentes de enfermedad cardiovascular o diabetes, personas con dieta especial y dems individuos con elevada variabilidad de los consumos de nutrientes da con da. COMPLEMENTOS ALIMENTICIOS El uso de complementos alimenticios plantea complejidades sustanciales relacionadas con la obtencin de datos y con los anlisis que incluyen consumo de nutrientes. La principal dificultad con la recopilacin de datos es si los investigadores pueden obtener clculos exactos de los nutrientes reales contenidos en los complementos. El entrevistador les pregunt a los participantes estadounidenses en el INTERMAP,19 en cada uno de cuatro recordatorios de 24 h, si haban tomado vitaminas, minerales, tnicos o complementos. Los complementos abarcaban vitaminas o minerales y otros productos adquiridos sin receta. Los complementos contenidos en el Nutrition Data System (NDS) (versin 29, 1996, Nutrition Coordinating Center, University of Minnesota, Minneapolis) se trabajaron en la computadora de manera directa. En la versin 29 del NDS haba 60 cdigos de nutrientes que abarcaban cantidades especificadas de vitaminas y minerales reconocidas en general como nutricionalmente importantes y que ameritaban ingerirse como complementos. Respecto de los complementos no contenidos en el NDS, se elabor una base de datos en la computadora con toda la informacin de las etiquetas del producto; dichos complementos a menudo fueron elaborados con materiales de dudosa calidad (plantas medicinales/productos botnicos, productos animales, fosfolpidos, enzimas, as como minerales y vitaminas). En repetidas ocasiones no fue posible obtener informacin de sus ingredientes o de sus cantidades. El 33% de los participantes en el U.S. INTERMAP informaron el uso de complementos que no estaban incluidos en la lista del NDS y que comprendan 920 productos con 1009 ingredientes especificados. Entre ellos haba 294 productos de marca comercial con ingredientes o cantidades desconocidos. Algunos de estos productos eran frmulas privadas con listados de ingredientes pero sin informacin de sus cantidades; preparaciones privadas con la leyenda preparado privado, sin ingredientes; complementos sin las cantidades de algunos ingredientes; complementos con ingredientes pero sin cantidades especficas por tamao de porcin, y complementos con cantidades unitarias imposibles de interpretar. Para los anlisis, la primera cuestin que debe afrontarse es si el consumo basado en complementos debe incluirse o excluirse. Lo que se recomienda aqu es analizar los datos primero sin inclusin del consumo basado en complementos y luego con su inclusin, debido a que su aporte tal vez sea incompleto y de cuestionable calidad, segn la experiencia del INTERMAP. En el informe de INTERMAP sobre consumo protenico y presin arterial,18 todo uso de complementos se incluy como una variable dividida en dos en la mayor parte de los modelos, y en los anlisis de sensibilidad, el consumo de protena vegetal basado en recordatorios de 24 h se combin con el consumo de complementos.

Para los anlisis en que se combinan los consumos basados en alimentos y complementos, el investigador necesita decidir si slo agrega los dos consumos juntos, como se hizo en el INTERMAP para la protena vegetal,18 o agrega el consumo basado en complementos al consumo proveniente de los alimentos ajustado a la energa.10 No est claro cmo diferirn los resultados entre ambos enfoques, o si diferirn. Si el consumo de complementos representa una proporcin grande del consumo total y, por lo tanto, la correlacin entre consumos total del nutriente y el energtico total es baja, el procedimiento ms fcil, y tal vez el mejor, es la simple combinacin del consumo basado en complementos con el consumo basado en alimentos, y luego utilizar el modelo multivariado estndar, est o no categorizado el consumo de nutrientes. Si el consumo basado en complementos no representa una proporcin grande del consumo total, tal vez valga la pena examinar las asociaciones utilizando ambos procedimientos, pues no es clara la manera en que los resultados diferiran, o si lo haran de una manera prctica.

VARIABILIDAD INTRAPERSONAL Y SESGO ESPECFICO DE PERSONA El objetivo de examinar las asociaciones de nutrientes con un resultado es calcular la asociacin del consumo habitual con dicho resultado. Sin embargo, la informacin sobre consumo de nutrientes obtenida de un nico recordatorio de 24 h est sujeta a variabilidad intrapersonal sustancial, debido a la variabilidad del consumo de da por da en la mayora de los individuos. Adems, los datos del estudio OPEN13 indican que el consumo informado por el propio individuo tanto en los recordatorios de 24 h como en los cuestionarios de frecuencia de consumo de alimentos, tambin est sujeto a sesgos especficos de la persona. Por lo tanto, el consumo de nutrientes, si se calcula de un nico recordatorio de 24 h, mltiples recordatorios de 24 h o un cuestionario de frecuencia de consumo de alimentos, a menudo no refleja el promedio del individuo o su consumo habitual. La variabilidad de da por da y el sesgo especfico de persona en el consumo de nutrientes constituyen lo que a menudo se denomina error de medicin, que resulta tpicamente en la subestimacin de las asociaciones de nutrientes con los resultados. Por ejemplo, en varones del estudio OPEN13 se calcul que con un recordatorio de 24 h el coeficiente de regresin que relaciona una variable dependiente con el porcentaje de caloras del consumo de protenas sera subestimado en 77.7% en un modelo lineal simple. La variabilidad de da por da del consumo representa el error aleatorio de la medicin, en tanto que el sesgo especfico de persona representa el error sistemtico. Si el nico error presente es el azar, el promedio de un nmero grande de mediciones repetidas, por ejemplo, mltiples recordatorios de 24 h, se acerca al valor verdadero o, en el caso del consumo de nutrientes, al consumo habitual del individuo. Mientras la obtencin de mltiples recordatorios de 24 h puede reducir el impacto de la variacin aleatoria sobre las asociaciones observadas, su uso no puede eliminar el impacto de sesgos especficos de persona o errores sistemticos sobre las asociaciones. Por ejemplo, en varones del

estudio OPEN13 se estim que la asociacin entre una variable dependiente y el porcentaje de kilocaloras del consumo protenico se subestimara en 50.2% con cuatro recordatorios de 24 h, en comparacin con la subestimacin de 77.7% con un recordatorio de 24 h. Sin embargo, aun con un nmero infinito de recordatorios, la asociacin se subestimara en 19.2% debido a la presencia de sesgos especficos de persona en los consumos calculados.13 Mientras se cuenta con mtodos para corregir o ajustar los coeficientes de regresin para el error de medicin,20'22 su empleo con datos de nutrientes es problemtico. Dada la presencia de errores tanto aleatorios como sistemticos en los datos de nutrientes, para poder corregir tales tipos de error se requiere que el mtodo de la obtencin de datos, por ejemplo, el cuestionario de frecuencia de consumo de alimentos o mltiples recordatorios de 24 h, sean validados contra un mtodo de referencia o biomarcador considerado un criterio de referencia.713 Debido a que los recordatorios de 24 h estn sujetos a sesgos especficos de persona y sus errores generalmente estn correlacionados con los del cuestionario de frecuencia de consumo de alimentos y con el consumo verdadero, las recordatorios de 24 h mltiples no cumplen los atributos de un criterio de referencia.23 En la actualidad, las nicas mediciones o biomarcadores de referencia vlidos parecen ser agua doblemente marcada para el consumo energtico total, el nitrgeno urinario para el consumo protenico y el sodio urinario para el consumo de sodio alimenticio.23 Por eso, en ausencia de mediciones que sirvan de criterio de referencia vlido, no se recomienda la correccin para el error de medicin en consumos de nutrientes.

ESTRATEGIAS DE ANLISIS DE ESTUDIOS EPIDEMIOLGICOS TIPOS DE PROCEDIMIENTOS EPIDEMIOLGICOS En la referencia 24 puede encontrarse un debate sobre los tipos de estudios epidemiolgicos, con particular nfasis en la nutricin, en tanto la referencia 25 proporciona una revisin general del tema. En general, hay dos procedimientos epidemiolgicos: de observacin y experimental. La diferencia principal entre un estudio experimental y uno de observacin es el control que el investigador ejerce sobre los participantes, procedimientos y exposiciones. En un experimento, el investigador controla quines entran al estudio, qu frmacos o procedimientos se dan a los participantes y cmo es llevado a cabo el estudio. En un estudio de intervencin nutricional, el investigador manipula, o lo intenta, algunos o todos los consumos alimenticios de los participantes. Un estudio de observacin no involucra una intervencin o manipulacin. En dicho estudio, el investigador no controla quin entra al estudio, ni los factores o frmacos a los cuales son expuestos los participantes. Los estudios de observacin de individuos incluyen estudios transversales, de casos y testigos, y prospectivos, en tanto los estudios de grupos se denominan estudios ecolgicos. En estudios epidemiolgicos nutricionales, el consumo de nutriente es medido pero no manipulado, la frecuencia y el tipo de resultados son observados y las asociaciones entre nutrientes y resultados se calculan con mtodos estadsticos.

En el estudio transversal la pregunta es, cul es la correlacin o asociacin entre consumo de nutrientes y el resultado? Los individuos son incluidos en el estudio sin tener en cuenta su estado sobre el resultado o consumo de nutrientes. En estos estudios, el consumo de nutrientes y el resultado son medidos en el mismo momento. Por ejemplo, el INTERMAP es un estudio transversal de las asociaciones de macronutrientes o micronutrientes con la presin arterial.3-4 En este estudio, a cada participante se le midi la presin arterial dos veces en cada una de cuatro ocasiones y se llen un recordatorio de 24 h cada da que se realiz dicha medicin. Los estudios de casos y testigos, que tambin se conocen como estudios retrospectivos o de casos y controles, estn diseados para responder a la pregunta, las personas enfermas (casos) tienen diferente consumo de nutrientes respecto de las personas a las que no se les ha diagnosticado enfermedad (testigos)? Por ejemplo, las personas con cardiopata consumen ms colesterol alimenticio y cidos grasos saturados que las personas sin cardiopata? En estudios de casos y testigos, personas diagnosticadas con la enfermedad en fecha reciente y un grupo de individuos sin el padecimiento fueron entrevistados en relacin a sus hbitos alimentarios. El objetivo es determinar el consumo habitual de nutrientes antes de que la enfermedad comience. Los estudios prospectivos tambin se denominan estudios de cohorte, de frecuencia, de seguimiento y longitudinales. La pregunta formulada en estudios prospectivos cuando se considera que un nutriente se relaciona con riesgo elevado de enfermedad es, las personas con consumo ms alto desarrollan o mueren por la enfermedad ms a menudo o ms pronto que las personas con consumo ms bajo? O bien, si se considera que un nutriente est relacionado con la disminucin del riesgo de enfermedad, el planteamiento sera, las personas con el consumo ms bajo desarrollan o mueren por la enfermedad ms a menudo o ms pronto que las personas con el consumo ms alto. Por ejemplo, tienen las personas que consumen ms de 50 g/da de alcohol mayor probabilidad de sufrir un accidente vascular cerebral que los individuos que consumen menos alcohol? A las personas no enfermas al momento del estudio transversal se les dio seguimiento para observar quin desarrollaba la enfermedad y en qu momento. Los estudios ecolgicos comparan datos agregados que representan a poblaciones completas. Un ejemplo comn de este tipo de estudio es aquel en que las tasas de mortalidad especficas por enfermedad en diferentes pases se correlacionan con mediciones de nutrientes basadas en datos de desaparicin de alimentos.26 El estudio INTERSALT incluy anlisis ecolgicos sobre asociaciones de electrlitos urinarios y otros factores de la presin arterial, as como anlisis transversales sobre asociaciones electrlitos-presin arterial dentro de los individuos.27-28 Los estudios experimentales que comprenden intervenciones nutricionales son los estudios de alimentacin o los que se reali-zan en una unidad metablica y las pruebas clnicas con asignacin al azar. Los primeros consisten en la alimentacin de grupos de individuos con dietas que se miden con precisin y en las que se vari uno o ms componentes, y despus se mide un efecto en una variable biolgica. La ecuacin de Keys, que predice el cambio de colesterol total por las modificaciones en los consumos de cidos grasos saturados y poliinsaturados y el

colesterol alimenticio, se determin a partir de un estudio realizado en una unidad metablica.29 Un diseo comn de los estudios de alimentacin es el diseo cruzado, en el cual cada participante sirve como su propio testigo. La prueba clnica con asignacin al azar es un estudio prospectivo en el cual los individuos son asignados al azar a grupos de intervencin y testigo. Despus de la asignacin aleatoria, ambos grupos son vigilados cronolgicamente para valorar la eficacia y seguridad de la intervencin. Por ejemplo, la prueba en el Primary Prevention of Hypertension fue una prueba clnica con asignacin aleatoria y controlada sobre los efectos de la prdida de peso, la reduccin del consumo de sodio, la disminucin del consumo de alcohol y el aumento del ejercicio en la frecuencia de hipertensin de cinco aos en varones y mujeres con presin arterial normal alta.30

MTODOS DE COMPARACIN DE GRUPOS EN ESTUDIOS TRANSVERSALES En el cuadro 5-1 se listan los mtodos de anlisis que pueden utilizarse para comparar el consumo de nutrientes entre dos grupos (p. ej., varones y mujeres) o entre tres o ms grupos (p. ej., estadounidenses de raza negra, individuos de origen hispano y blancos). Para el consumo de nutrientes considerado como una variable continua, el objetivo del anlisis es determinar si la media o mediana del consumo difiere en forma significativa entre o al interior de los grupos. Para cada anlisis, el cuadro indica el mtodo analtico habitual, la alternativa no paramtrica y los mtodos que pueden utilizarse para ajustar los factores de confusin potenciales de diferencias intergrupales, por ejemplo, edad o consumo energtico total. Las pruebas no paramtricas hacen menos suposiciones respecto de la forma de las distribuciones de variables que las pruebas paramtricas, como la prueba t bimuestral o el anlisis de varianza. En la prueba de Wilcoxon para datos independientes y la de Kruskal-Wallis, las observaciones reales se reemplazan por sus rdenes en la muestra combinada de todas las observaciones. Si el consumo de nutrientes se divide en categoras, el objetivo habitual del anlisis es determinar si las distribuciones del consumo son homogneas en todos los grupos. Los mtodos listados en el cuadro 5-1 tambin pueden utilizarse para comparar el consumo de nutrientes al inicio de un estudio experimental, por ejemplo, para determinar si la asignacin al azar de la prueba clnica proporcion grupos equiparables respecto del consumo de nutrientes especficos. Un texto til sobre tales mtodos, y los descritos enseguida, es el de Rosner.31

MTODOS DE COMPARACIN DE ESTUDIOS DE CASOS Y TESTIGOS En el cuadro 5-2 se listan los mtodos de anlisis que pueden utilizarse para comparar consumo de nutrientes entre casos y testigos en esta clase de estudios no ajustados y ajustados. El ajuste a menudo se realiza en dichos estudios para hacer que casos y

testigos sean equiparables en variables que podran confundir las asociaciones de la variable de inters con la enfermedad. Para estudios de casos y testigos no ajustados, los mtodos listados son idnticos a los de comparacin del consumo de nutrientes entre dos grupos en estudios transversales. Para estudios ajustados de casos y testigos, los mtodos de anlisis necesitan tener en cuenta el ajuste. Por lo tanto, para una comparacin simple de medias entre casos y testigos, el investigador debe utilizar la prueba t pareada ms que una bimuestral, o la prueba de Wilcoxon para datos emparejados ms que para datos independientes. Cuando la regresin mltiple se utiliza para ajustar la diferencia de la media entre casos y testigos para otras variables en estudios de casos y. controles ajustados, el investigador necesita asegurar que las variables dependiente e independiente del modelo estn definidas de manera correcta. En tales estudios, la variable dependiente es la diferencia en el consumo de nutrientes de cada par caso-testigo, en tanto las variables independientes son las diferencias al interior del par de las variables de confusin potenciales. La prueba de significancia de una diferencia ajustada de la media es la prueba de la hiptesis en que la interseccin en el modelo equivale a cero.

MTODOS DE VALORACIN DE ASOCIACIONES EN ESTUDIOS EPIDEMIOLGICOS En el cuadro 5-3 se listan los mtodos para valorar asociaciones del consumo de nutrientes con criterios de valoracin en estudios transversales o ecolgicos, estudios de casos y testigos ajustados y no ajustados, y estadios prospectivos. Para cada tipo de estudio, el cuadro indica mtodos que pueden utilizarse cuando el consumo de nutrientes es modelado como una variable continua o como una variable segn categoras. El cuadro tambin lista la variable dependiente de cada tipo de anlisis. Por ejemplo, en la regresin proporcional de Cox de riesgos instantneos, la variable dependiente es el tiempo o algn episodio, como muerte o cardiopata coronaria. En estudios de casos y testigos, la variable dependiente es tpicamente condicin de caso y testigo. Como en los estudios transversales y ecolgicos puede haber ambas variables dependientes, continuas y dictomas (que se divide en dos), se indican los mtodos para ambos tipos de variables dependientes. No aparece ninguna variable dependiente para regresin logstica condicional porque no hay ningn criterio de valoracin que vare con el individuo en este modelo. En la regresin logstica condicional, las variables independientes son la diferencia de casos y controles en cada variable, y el modelo no incluye un trmino constante. Los de Kahn y Sempos32 y Vittinghoff et al.33 son textos tiles sobre logstica y mtodos de regresin de Cox. La correlacin de Spearman se lista para uso en estudios transversales y ecolgicos, ya que es la opcin no paramtrica del coeficiente de correlacin entre producto y momento de Pearson. El coeficiente de correlacin entre producto y momento no debe utilizarse si el consumo de nutrientes o la segunda variable tiene una distribucin muy sesgada,

debido al supuesto de que en su empleo cada variable tiene una distribucin normal para cada valor de la otra variable. En los anlisis que comprenden regresin lineal, la atencin se centra en la diferencia de la media de la variable dependiente por una unidad o cambio ms grande en la variable independiente. De all que la atencin se centre en el coeficiente de regresin. En la regresin logstica y de Cox, el inters se centra en los clculos del riesgo relativo. En la regresin logstica, el riesgo relativo est dado por la oportunidad relativa o razn de momios {odds ratio, OR) y en la regresin de Cox por la razn de riesgos. En ambos modelos, las estimaciones del riesgo se obtienen mediante incremento de las rdenes de magnitud (manipulacin exponencial) del coeficiente de regresin o al multiplicarlo por un factor cmodo. Por ejemplo, si el consumo energtico total es la variable alimentaria de inters, la modificacin exponencial del coeficiente de regresin da el riesgo relativo del resultado de dos personas cuyo consumo energtico total difiere en 1 kcal. Dado que sta no es una diferencia particularmente significativa del clculo del riesgo relativo, un investigador debe multiplicar el coeficiente de regresin por 500 para obtener el riesgo relativo del resultado en dos personas cuya diferencia en el consumo energtico total sea de 500 kcal. Cuando el consumo de nutrientes est categorizado y las variables imaginarias se incluyen en el modelo de regresin, el tratamiento exponencial del coeficiente de regresin de una variable imaginaria proporciona el riesgo del resultado de los de la categora correspondiente a la variable imaginaria en relacin con la categora de referencia, como el cuartil 4 en relacin con el cuartil 1. En anlisis basados en la regresin de Cox, es posible que no se observen asociaciones verdaderas entre alimentacin y enfermedad si hay cambios sustanciales del consumo de nutrientes entre la valoracin inicial de la alimentacin y el desarrollo de enfermedad, o si hay cambios sustanciales en el ordenamiento de los participantes en el estudio respecto del consumo durante el seguimiento. ANLISIS DE ESTUDIOS DE INTERVENCIN QUE PROPICIAN UN CAMBIO DEL CONSUMO DE NUTRIENTES En los estudios de intervencin nutricional, los investigadores a menudo desean examinar los efectos de la intervencin sobre los consumos de nutrientes especficos despus de finalizada la intervencin. Pueden valerse de tres procedimientos para determinar si el consumo de nutrientes especficos cambi en un grupo de intervencin respecto de un grupo testigo, o en tres o ms grupos: 1. Comparar el consumo en grupos de seguimiento, sin tener en cuenta el consumo antes de la intervencin, por medio de los mtodos de estudios transversales mostrados en el cuadro 5-1. 2. Comparar el cambio en el consumo desde antes de la intervencin hasta el seguimiento en grupos con los mtodos de estudios transversales. 3. Comparar el consumo en grupos bajo seguimiento mediante el ajuste del consumo antes de la intervencin, con regresin lineal mltiple o anlisis de covarianza.

Los investigadores tienden a utilizar el segundo procedimiento para los estudios de intervencin, aunque suele ser menos potente que el anlisis de covarianza. No siempre se cumplen los supuestos en relacin con el anlisis de covarianza en un estudio de intervencin. Sin embargo, el primer procedimiento se prefiere sobre el segundo si no hay diferencias de consumo entre los grupos en la valoracin previa a la intervencin, y la correlacin entre las valoraciones antes de la intervencin y de seguimiento del nutriente de inters es menor de 0.5. Las correlaciones que no llegan a 0.5 no son infrecuentes respecto de muchos nutrientes valorados en dos ocasiones.12 De all que para el consumo de nutrientes lo mejor sea ignorar el consumo previo a la intervencin. Antes de dirigir los anlisis en los estudios de intervencin nutricional, los investigadores deben examinar las correlaciones de los nutrientes desde antes de la intervencin hasta el seguimiento, y estar preparados para ignorar el consumo previo a ella en los anlisis. Por ltimo, al realizar los anlisis de cualquier nutriente especfico en relacin con un resultado o en relacin con una enfermedad, es importante recordar que los individuos consumen alimentos, no nutrientes. REFERENCIAS 1. 2. 3. 4. 5. 6. 7. Slattery, ML, et al. J. Am. Coll. Nutr. 14: 635; 1995. Goldberg, GR, et al. Eur. J. Clin. Nutr. 45: 569; 1991. Stamler, J, et al. J. Hum. Hypertens. 17: 591; 2003. Dennis, B, et al. J. Hum. Hypertens. 17: 609; 2003. Liu, K. Am. J. Clin. Nutr. 59: 262s; 1994. SAS Institute, Inc. SAS Online Doc9.1.3. Cary, NC: SAS Institute. Inc., 2004. Freedman, LS, et al. J. Nutr. 134: 1836; 2004.

8. Neter, J, Wasserman, W, and Kutner, MH. Applied Linear Regression Models. Homewood, IL: Richard D. Irwin, Inc., 1983. 9. 10. 11. Ryan, TP. Modern Regression Methods. New York: John Wiley & Sons, Inc., 1997. Willett, WC, Howe, GR, and Kushi, LH. Am. J. Clin. Nutr. 65: 1220s; 1997. Willett, W. Nutritional Epidemiology. New York: Oxford University Press, 1990.

12. Grandits, GA, Bartsch. GE, and Stamler, J. In: Dietary and Nutritional Methods and Findings: The Multiple Risk Factor Intervention Trial (MRFIT). Stamler J, et al., Eds. Am. J. Clin. Nutr. 65: 21 Is; 1997. 13. 14. Shatzkin, A, et al. Int. J. Epidemiol. 32: 1054; 2003. Brown, CC, et al. Am. J. Epidemiol. 129: 323; 1994.

15. National Research Council. Diet and Health: Implications for Reducing Chronic Disease Risk. Washington, DC: National Academy Press, 1989. 16. 17. 18. 19. 20. Reed, D, McGee, D, Yano, K, and Hankin, J. Hypertension 7: 405; 1985. McGee, D, Reed, D, and Yano, K. J. Chronic Dis. 37: 713; 1984. Elliott, P, et al. Arch. Intern. Med. 166: 79; 2006. Archer, SL, et al. J. Am. Diet. Assoc. 105: 1006; 2005. Fuller, WA. Measurement Error Models. New York: John Wiley & Sons, 1987.

21. Clayton, D and Gill, C. In: Design Concepts in Nutritional Epidemiology. Margetts BM, Nelson M, Eds., Oxford, UK: Oxford University Press, 1991, pp. 79-96. 22. 23. 24. Spiegelman, D, McDermott, A, and Rosner, B. Am. J. Clin. Nutr. 65: 1179s; 1997. Kipnis, V, et al. Am. J. Epidemiol. 158: 14; 2003. Sempos, CT, Liu, K, and Ernst, N. Am. J. Clin. Nutr. 69: Is; 1999.

25. Hennekens, CH and Buring, JE. Epidemiology in Medicine. Ma- yrent, SL, Ed., Boston, MA: Little, Brown and Company, 1987. 26. 27. 28. 29. 30. Stamler, J and Shekelle, R. Arch. Pathol. Lab. Med. 112: 1032; 1988. The INTERSALT Cooperative Research Group. J. Hypertens. 4: 781; 1986. The INTERSALT Cooperative Research Group. Br. Med. J. 297: 319; 1988. Keys, A, Anderson, JT, and Grande, F. Metabolism Stamler, R, et al. JAMA 262: 1801; 1989. 65: 776; 1965.

31. Rosner, B. Fundamentals of Biostatistics, 6th ed. Belmont, CA: Duxbury Press, 2006. 32. Kahn, HA and Sempos, C. Statistical Methods in Epidemiology. New York: Oxford University Press, 1989. 33. Vittinghoff, E, Glidden, DV, Schiboski, SC, and McCulloch, CE. Regression Methods in Biostatistics. Linear, Logistic, Survival and Repeated Measures Models. New York: Springer, 2005.