Sesgos en investigación
Sesgo de selección, de información y confusión: cómo reconocerlos y reducirlos.
Caso clínico
¿Es realmente eficaz el tratamiento?
Lees un estudio que afirma que un tratamiento nuevo es muy eficaz. ¿Cómo saber si sus resultados no están inflados o distorsionados por algún factor no previsto? Aquí entran los sesgos.
Un sesgo es un error sistemático en el diseño, la realización o el análisis de un estudio que lleva a una estimación incorrecta de la asociación entre una exposición y un resultado. A diferencia del error aleatorio, no disminuye al aumentar el tamaño de la muestra.
Sesgo de selección
Aparece cuando la forma de elegir a los participantes, o de perderlos durante el seguimiento, hace que los grupos no sean comparables o que la muestra no represente a la población.
Un estudio sobre un antihipertensivo que solo recluta pacientes de un hospital terciario, que suelen ser más graves o tener más comorbilidad que la población general.
Cómo reducirlo: aleatorización en los ensayos, muestreo probabilístico, criterios de inclusión y exclusión claros, y minimizar las pérdidas de seguimiento.
Sesgo de información o de clasificación
Aparece cuando hay errores al medir o clasificar la exposición o el resultado, o cuando la información se recoge de forma distinta en cada grupo.
- Sesgo de memoria: los participantes con la enfermedad recuerdan sus exposiciones pasadas de forma diferente que los controles.
- Sesgo del observador: saber si el participante está expuesto o enfermo influye en cómo el investigador mide o interpreta los resultados.
En un estudio de casos y controles sobre tabaco y cáncer de pulmón, los casos pueden recordar con más detalle su consumo de tabaco que los controles sanos.
Cómo reducirlo: cegamiento (simple, doble o triple), instrumentos de medida estandarizados y validados, y fuentes de información objetivas como la historia clínica.
Confusión
Ocurre cuando la asociación entre una exposición y un resultado está distorsionada por una tercera variable (la variable de confusión) que se asocia tanto con la exposición como con el resultado, y que no es un paso intermedio en la cadena causal.
Se observa que tomar café se asocia con más infartos. Pero quienes toman más café también fuman más. El tabaco es la variable de confusión.
Cómo controlarla: aleatorización, restricción, emparejamiento, análisis estratificado y ajuste estadístico (regresión multivariable).
Atención
Los sesgos amenazan constantemente la validez de los estudios. Hay que identificarlos y reducirlos en el diseño, y tenerlos en cuenta al interpretar los resultados. El análisis estadístico no corrige un sesgo de selección o de información.
¿Has terminado este tema?
Tu progreso se guarda solo en este navegador.