Sesgos y confusores

Conferencia 5.1
Nigel Paneth

Formulacin de hiptesis y
errores en la investigacin
Todos los estudios analticos deben
iniciar con una hiptesis claramente
formulada. La hiptesis deber ser
cuantificable y especfica. Deber
predecir una relacin de un especfico
tamao.begin with a clearly formulated
hypothesis.

 Por ejemplo:
Bebs que son alimentados al seno materno
tienen menos enfermedades que los bebs
alimentados con frmula.
Cules enfermedades?Cmo es definido el
tipo de alimentacin?Cun grande es la
diferencia en riesgo?
Un mejor ejemplo:
Bebs exclusivamente alimentados al seno
materno por 3 meses o ms tendrn una
reduccin en la incidencia de hospitalizaciones
por gastroenteritis de al menos del 30% durante
el primer ao de vida.

Slo prediccin especfica permite

extraer legtimas conclusiones de un
estudio que prueba una hiptesis. Pero
an con mejores hiptesis formuladas,
dos tipos de errores pueden ocurrir.
Tipo 1 - observando una diferencia
cuando no hay ninguna.
Tipo 2 - fracasando para observar una
diferencia cuando realmente hay.

Esos errores son generalmente

producidos por uno o ms de los
siguientes:
Error aleatorio
Misclasificacin al azar
Sesgo
Confusores

Error aleatorio
Desviacin de resultados e inferencias de
la verdad, occurriendo como resultado
del efecto del azar. Puede producir
errores tipo 1 o tipo 2.

Misclasificacin al azar (no

diferencial)
Error al azar aplicado a la medicin de
una exposicin o resultado. Errores en
clasificacin pueden slo producir
errores de tipo 2, excepto si aplica a un
confusor o a un gradiente de exposicin.

Sesgo
Sistemtica, no aleatoria desviacin de
resultados e inferencias de la verdad, o procesos
que dan lugar a tal desviacin. Cualquier
tendencia en la coleccin, anlisis,
interpretacin, publicacin o revisin de datos
que puedan dar lugar a conclusiones que son
sistematicamente diferentes de la verdad.
(Diccionario de Epidemiologa, 3a ed.)

Ms acerca de sesgo
Note que en sesgo, el enfoque es sobre un
artefacto de alguna parte del proceso de
investigacin (reunin de sujetos,
coleccin de datos, anlisis de datos) que
producen un resultado espurio. Sesgo
puede producir errores tipo 1 o tipo 2,
pero usualmente nos enfocamos en el tipo
1 debido a sesgo.

Ms sobre sesgo
Sesgo puede ser conciente o inconciente.
En epidemiologa, la palabra sesgo no
implica, como en su uso comn, perjuicio
o desviacin deliberada de la verdad.

Confusores
Un problema resultante de que un hecho de los
sujetos en estudio no ha sido separado de un
segundo hecho, y ha sido confundido con l,
produciendo un resultado espurio. El resultado
espurio surge del efecto del primer hecho
siendo erroneamente atribuido al segundo
hecho. Confusin puede producir un error tipo
1 o tipo 2, pero usualmente se enfoca en errores
tipo 1.

La diferencia entre sesgo y

confusor
Sesgo crea una asociacin que no es verdad,
pero confusores describe una asociacin
que es verdad, pero potencialmente errneo.

Ejemplos de error aleatorio, sesgo,

misclasificacin y confusor en el
mismo estudio:
Estudio: en un estudio cohorte, bebs de
mujeres quieneas alimentaron con
frmula y quiene alimentaron al seno,
fueron comparadas, y se encontr que la
incidencia de gastroenteritis, registrada
as en registros mdicos, es ms baja en
los bebs alimentados al seno.

Ejemplo de error aleatorio

Por azar, hay ms episodios de
gastroenteritis en el grupo alimentado
con frmula en la muestra del estudio,
produciendo un error tipo 1. (Si no se
encuentran diferencias, un error tipo 2
podra haber ocurrido si por azar haban
sido pocos episodios de gastroenteritis en
el grupo alimentado al seno.)

Ejemplo de misclasificacin
aleatoria
Ausencia de buena informacin sobre la
historia de alimentacin resulta en que algunas
madres que alimentan al seno siendo
aleatoriamente clasificadas como que
alimentan con frmula, y viceversa. Si sucede,
el estudio encontrar subestimaciones del
verdadero RR, cualquier modalidad de
alimentacin est asociada con alta incidencia
de enfermedad, produciendo un error tipo 2.

Ejemplo de sesgo
Los registros mdicos de bebs
alimentados con frmula slo son menos
completos que aquellos de los alimentados
al seno, y as, registrar slo pocos
episodios de gastroenteritis entre ellos.

Ejemplo de confusor
Las madres de bebs alimentados al seno son
de clase social alta, y los bebs tienen mejor
higiene, menos hacinamiento y quiz otros
factores que protegen contra la
gastroenteritis. Hacinamiento e higiene son
verdaderamente protectores contra
gastroenteritis, pero errneamente
atribumos sus efectos a la alimentacin al
seno.

Proteccin contra error aleatorio y

misclasificaccin aleatoria
Error aleatorio puede falsamente producir una
asociacin (error tipo 1) o falsamente no
producir una asociacin (error tipo 2).
Nos protegemos contra la misclasificacin
aleatoria produciendo error tipo 2 eligiendo la
ms precisa y segura medicin de la exposicin
y del resultado.

Proteccin contra error tipo 1

Protegemos nuestro estudio contra errores aleatorio
tipo 1 estableciendo que el resultado deber ser
improbable que haya ocurrido por azar (v.gr.
P<0.05). Valores de p son establecidas para
proteger contra errores tipo 1 debido al azar y no
se garantiza proteccin contra errores tipo1
debido a sesgos o confusores. Por esto decimos
que estadsticos demuestran asociacin pero no
causalidad.

Proteccin contra error tipo 2

Protegemos nuestro estudio contra errores tipo 2
por:
proveyendo tamao de muestra adecuado y
haciendo hiptesis de grandes diferencias.
Entre ms grande el tamao de muestra, ms
fcil se detectar una verdadera diferencia, y las
ms grandes diferencias sern ms fcilmente
detectadas. (Imagine cun difcil ser detectar un
riesgo aumentado del 1% de gastroenteritis en
los alimentados con frmula.)

Dos formas de incrementar

poder
El tamao de muestra necesario para detectar una
diferencia significativa es llamado el poder de un
estudio.
1. Eligiendo las mediciones ms precisa y segura de la
exposicin y del resultado, tienen el efecto de
incrementar el poder de nuestro estudio, debido a que
las varianzas de las mediciones del resultado, que
entran en las pruebas estadsticas, estn disminudas.
2. Teniendo un tamao de muestra adecuado de sujetos
en estudio.

Principios claves en sesgos y

confusores
El factor que crea el sesgo, o la variable
confusora, deber estar asociada con las
variables dependiente e independiente
(v.gr. Con la exposicin y con el
resultado). Asociacin del sesgo o
confusor slo con una de las dos variables
no es suficiente para producir un
resultado espurio.

Buena planeacin del estudio

protege contra todas las formas
de error

En el ejemplo dado:
El SESGO, llamado registro incompleto
tiene que estar asociado al tipo de
alimentacin (variable independiente) y
tambin con el registro de gastroenteritis
(variable dependiente) para producir un
resultado falso.
La VARIABLE CONFUSORA (o
confusor) mejor higiene, tiene que estar
asociado con el tipo de alimentacin y
tambin con gastroenteritis para
producir un resultado espurio.

Si el sesgo o el confusor estn asociados slo con

la variable dependiente o slo con la variable
independiente, no producirn sesgo ni
confusin.
Esto tiene una norma til:
Si puedes mostrar que un confusor potencial no
est asociado con una de las variables en el
estudio (exposicin o resultado), confusin
puede ser excludo,

Algunos tipos de sesgo

1. Sesgo de seleccin
Cualquier aspecto en la forma en que los
sujetos fueron reunidos en el estudio que
crea una diferencia sistemtica entre las
poblaciones comparadas que no es
debida a la asociacin en estudio (Sacket
lo llama sesgo de muestreo)
Ejemplos en Sackett:
Sesgo de no respondentes

2. Sesgos de informacin
Cualquier aspecto en la forma en que la informacin es reunida
en el estudio que crea una diferencia sistemtica entre las
poblaciones comparadas que no se deben a la asociacin en
estudio. (Sackett lo llama sesgo de medicin). El registro
incompleto en el ejemplo de alimentacin infantil es una forma
de sesgo de informacin.
Otros ejemplos
Sesgo de sospecha diagnstica

Sesgo de recuerdo
Algunas veces sesgo aplican a una poblacin de estudios,
preferentemente que a un estudio, como en el sesgo de
publicacin (tendencia a publicar artculos que muestran
resultados positivos).

Pensando en las formas en que las

variables pueden estar relacionadas a
sesgo y confusores
Pensar acerca de sesgo y confusores
apropiadamente, deje considerar las formas
en que exposicin y enfermedad pueden
estar relacionados. Como ejemplo, un hecho
epidemiolgico que ha causado controversia
en aos recientes es la asociacin observada
entre bajos niveles de colesterol y cncer de
colon.

Si encontramos que exposicin A est

asociada con enfermedad B, puede ser que:
1. Exposicin A causa enfermedad B
(A

B)

v.gr. Un bajo colesterol causa cncer de

colon

o puede ser que:

2. Enfermedad B cause exposicin A
(B

A)

v.gr. Cncer de colon causa bajos niveles

de colesterol.

Identificar el camino causal correcto

es imposible sin recurrir a informacin
adicional, especialmente informacin
sobre la secuencia temporal de los dos
fenmenos. Sesgo y confusor no
intervienen en este tipo particular de
confusin.

Pero otra forma en la cual la exposicin y la

enfermedad, pueden estar relacionadas es:
3. Exposicin A y enfermedad B son causados por un
por el factor X

XA

B
v.gr. Parece que diabetes e hipertensin estn asociados.

Diabetes causa hipertensin?

Hipertensin causa diabetes?
Es ms probable que diabetes e
hipertensin compartan un antecedente
comn, por ejemplo, obesidad.

Si hemos concludo que diabetes caus

hipertensin, si no tenan relacin causal, podemos
decir que:
La relacin entre hipertensin y diabetes es
confundida por obsesidad. Obesidad deber se
llamada variable confusora en esta relacin.
Otro afirmacin importante:
Confusores siempre son verdaderas causas de
enfermedad, mientras que sesgos son artefactos.

Mediacin y confusin
No todos los factores asociados con la
exposicin y con la enfermedad son una
variable confusora. Podra ser una
variable mediadora.
Un medidador tambin est asociado con
las variables independiente y dependiente,
pero es parte de la cadena causal entre las
variables independiente y dependiente.

Fracaso para distinguir un confusor de un

mediador, es uno de los ms comnes errores en
epidemiologa.
Esos dos tipos de variables no pueden ser
distinguidos con mtodos estadsticos. Pueden
ser slo separados basados en el entendimiento
de lo proceso total de la enfermedad.
Para hacer esta distincin clara, veamos como
controlamos para confusores en investigacin
epidemiolgica.

Apropiado control para

confusor
Hiptesis: Hay una asociacin entre una
exposicin (beber caf) y una enfermedad
(infarto al miocardio).

Paso 1. Hay una asociacin?

Beber caf eforma excesiva est
estadsticamente asociado con altas tasas de
infarto al miocardio. Caf es luego, la causa de
infarto al miocardio?
Paso 2. Identifique confusores potenciales:
Tabaquismo podra ser un confusor?
Paso 3. El confusor potencial est asociado con
la exposicin?
Bebedores de caf fuertes est asociado con
altas tasas de tabaquismo. Tabaquismo llena
uno de los criterios para confusores potenciales.

Paso 4. El confusor potencial est asociado

con la enfermedad de inters?
Smoking is associated with higher rates of
myocardial infarction. Smoking fulfills the
second criterion for potential confounding.
Paso 5. Qu sucede cuando controlamos para
tabaquismo?
El ajuste para tabaquismo elimina la
asociacin de bebedores de caf e infarto al
miocardio. La asociacin es explicada por el
hecho de que ms bebedores de caf son
tambin fumadores

Conclusin: Beber caf no es una

causa de infarto al miocardio

Control inapropiado para

confusor
Hiptesis: Hay una asociacin entre una
exposicin (obesidad) y una enfermedad
(infarto al miocardio).

Paso 1. Hay una asociacin?

Obesidad est estadsticamente asociado con
altas tasas de infarto al miocardio. Es
obesidad una causa de infarto al miocardio?
Paso 2. Identifique confusores potenciales
Podra el nivel del colesterol ser un confusor?
Paso 3. Est el potencial confusor asociado
con la exposicin?
Obesidad y colesterol estn asociados.

Paso 4. Est el potencial confusor

asociado con la enfermedad de inters?
Nivel de colesterol est asociado con tasas
altas de infarto al miocardio.
Paso 5. Qu sucede cuando controlamos
para el nivel de colesterol?
Ajuste para el colesterol elimina la
asociacin de obesidad e infarto al
miocardio.

Conclusin: No debemos concluir que

obesidad no es una causa de infarto al
miocardio, debido a que el nivel de colesterol
puede ser parte del camino causal de obesidad a
infarto al miocardio. Controlando por una
parte de la causa, es sobre control.

Ejemplos numricos para

confusores (o documentacin de
mediacin)
Encontramos que excesivo estudio est
asociado con migraa (RR = 1.58) en un
estudio cohorte de estudiante graduados. Sin
embargo, estamos interesados en que esta
exposicin es confundida con (o mediada por)
teniendo sueo. Si disminucin de sueo
confunde completamente la asociacin, luego,
cuando estratificamos por estatus de sueo, la
odss ratio para la asociacin de estudio escesivo
y migraa es reducida a 1.o en ambos strata.

Estudio excesivo
Migraa

22

Correcto
cantidad de estudio
7

No Migraa

38

23

TOTAL
22/60=.367
7/30=.233

60

30

RR=.367/.233=1.58

Pero ahora estratificamos por status de sueo,

resultando dos tablas 2 x 2:
Duerme suficiente

Poco sueo

XS

OK

XS

OK

20

No Migraa 20

18

18

10

20

20

Migraa

TOTAL

40

RR es ahora 1.0 para XS estudio en cada

grupo; status de sueo es un confusor o
un mediador de la asociacin de estudio
excesivo y migraa.

Resmen de cmo una tercera

variable puede relacionarse a otras
dos variables
(Exposicin y enfermedad)
A. Puede ser una variable confusora
Confusora

Exposicin

Enfermedad

B. Puede ser una variable mediadora (sinnimo

variable interventora)

Exposicin

Mediador

Enfermedad

Una exposicin que precede a un mediador en una

cadena causal es llamada una variable antecedente.

Ejemplo:
Bebs Afro-Americanos son ms pequeos
que bebs blancos. Bebs pequeos tienen
mortalidad ms alta. Controlando por
peso al nacer reduce o elimina las
diferencias entre los grupos tnicos en
mortalidad infantil. Significa que
etnicidad no es importante en mortalidad
infantil?No, debido a que peso al nacer es
parte del camino causal de etnicidad a
mortalidad infantil. Es un mediador.

C. Puede ser una variable moderadora (sinnimo:

variable interactuante o modificadora)
Moderador

Exposicin

Enfermedad

Una variable moderadora es la que modera o

modifica el camino en el cual la exposicin y la
enfermedad estn relacionados. Cuando una
exposicin tiene diferentes efectos sobre la
enfermedad a diferentes valores de una variable, que
es la variable llamada modificador.

Ejemplos:
Aspirina protege contra los ataques cardicos, pero slo

en hombre y no en mujeres. Decimos que el gnero

modera la relacin entre aspirina y ataques cardicos,
debido a que el es diferente entre los sexos. Decimos,
tambin, que hay interaccin entre sexo y aspirina en el
efecto de la aspirina sobre enfermedad cardica.
En individuos con altos niveles de colesterol, tabaquismo
produce un alto riesgo relativo de enfermedad cardiaca
que en individuos con bajos niveles de colesterol.
Tabaquismo interacta con colesterol en sus efectos
sobre enfermedad cardica.

Un efecto de interaccin o
efecto modificador
Un estudio encuentra que no hay relacin,
en infantes de <2,000 gr al nacer, entre
mltiple status del nacimiento ( siendo
nico o gemelo) y el riesgo de mortalidad
(Paneth et al, American J of
Epidemiology, 1982;116:364-375).

ODDS RATIO para mortalidad en nicos

(comparados con gemelos)
Sin ajustar = 1.06
Ajustado por peso al nacer = 1.02
Sin embargo, esta odds ratio, encubre
interesante informacin. Resulta que hay en
verdad una relacin entre pluralidad y
mortalidad en la siguiente forma:

Peso al nacer

ODDS para
mortalidad en nicos

501-750 gr
751-1000 gr
1001-1250 gr
1251-1500 gr
1501-1750 gr
1751-2000 gr

0.58
0.65
0.91
1.09
2.45
1.94

Claramente, bajo de 1250 gr la mortalidad

es ms baja en nicos, arriba de 1250 gr es
ms alta en nicos. Esos efectos en
direcciones opuestas, se cancelan uno a
otro. Esta reversa de RR no es usual usualmente interaccin acenta un riesgo
relativo que est presente a todos los
valores.
La prueba de interaccin es que la ODDS
RATIO (u otras medidas de asociacin)
cambian sustancialmente de acuerdo a
diferentes valores de una tercer variable.

Como la misclasificacin aleatoria

puede algunas veces producir un
error tipo 1
1. Misclasificacin aleatoria de un confusor
Si una variable confusora es aleatoriamente
misclasificada, y luego la relacin exposicinenfermedad es estratificada (o controlada) para
este confusor, una asociacin espuria puede
producirse. Esto requiere, usualmente, que el
confusor est fuertemente relacionado a la
exposicin.

Ejemplo: Tabaquismo y beber caf estn

asociados. Ya que ms bebedores de caf
son fumadores, ms bebedores de caf
registrados como no fumadores son
realmente fumadores que los no
bebedores de caf registrados como no
fumadores. Como resultado, los
bebedores de caf pueden ser encontrados
en algunos estudios, por tener altas tasas
de cncer de pulmn, an despus de
controlar por tabaquismo.

2. Misclasificacin al azar a lo largo de un gradiente de

exposicin
Si una exposicin tiene una fuerte asociacin con la
enfermedad, slo arriba de un lmite, misclasificacin al azar
de esa exposicin es probable que produzca una relacin de
dosis-respuesta. (No obstante este fenmeno seguramente
ocurre, nunca lo he visto en epidemiologa.)
Si tabaquismo slo produce cncer de pulmn entre los
fumadores de 2 cajas al da, los datos probablemente
mostraran algn efecto en los fumadores de 1 caja al da,
debido a que los fumadores de ms de dos cajas al da sean
probablemente mal clasificados como fumadores de una caja
que los no fumadores.