Sábado, Septiembre 20, 2014
   
Text Size
Frontpage Slideshow (version 2.0.0) - Copyright © 2006-2008 by JoomlaWorks

14.Sesgos: consideraciones prácticas para la investigación

docUn sesgo es un error sistemático durante el diseño, implementación o conclusión de la investigación que genera imprecisiones en una misma dirección, es decir: que ocurre de manera constante en alguna o todas las fases y que tiende a sobreestimar (dirección hacia arriba) o subestimar (dirección hacia abajo) los resultados y/ó conclusiones de la investigación. Por tales motivos, los sesgos representan una arista importante de entender, evitar o sino, al menos conocer la dirección en la que afectaron los resultados para poder mensurar y contextualizar de mejor manera la información de un estudio.


Los sesgos son errores que afectan la validez de un estudio. Muchos estudios incurren en ellos y en su mayoría se originan desde la concepción de la investigación cuando no considera las fases más importantes durante la recolección, análisis, interpretación o publicación de los datos.  En ocasiones, los sesgos pueden ser tan importantes que invalidan todo el trabajo realizado.

Existen tres categorías de sesgo bien tipificadas:

1.- Sesgo de selección ó factores que influyen en la selección de pacientes: Errores en la selección de sujetos que no tienen las mismas características y que tras investigarse la manera en la que se comportan o los resultados ante un evento, se concluye que los resultados se atribuyen al evento. Esto sucede cuando se compara un nuevo fármaco entre dos grupos pero uno de ellos tiene 90% de pacientes más graves y el otro solo un 10%. En los resultados encontramos que la mayoría de los pacientes graves no tuvieron mejoría importante mientras que, en el grupo con una mayoría de pacientes menos graves, casi todos mejoraron. Aquí no se puede valorar el efecto del fármaco, más bien se evaluó el comportamiento de la enfermedad en muy graves contra menos graves.

2.- Sesgo de información para la medición y valoración del efecto: Errores durante la captura de los datos que modifican la magnitud de las causas investigadas y los efectos identificados. Suponga que quiere conocer si un determinado medicamento disminuye una consecuencia grave (un evento cardiovascular). Ambos grupos de participantes (los que toman ese u otro medicamento) son comparables entre sí (tienen la misma edad, estado de salud, servicios de salud, nivel socioeconómico, etc) y uno es diagnosticado por un médico cardiólogo con 10 años de experiencia clínica y que cuenta con un ecocardiograma mientras que el otro grupo es diagnosticado por un médico pasante con un electro cardiograma. Sin generalizar, es más probable que en el grupo del cardiólogo se diagnostiquen los eventos vasculares que, en el otro grupo. Bajo el supuesto que el medicamento funciona igual de bien en los dos grupos, se puede concluir que el medicamento no es tan bueno para evitar la complicación cuando lo que ocurre es una variación del método para medir el evento. En este caso el primer grupo estuvo ante algo más preciso para medir y eso ocurrió sistemáticamente durante toda la investigación. Así pues, la conclusión estaría sesgada hacia abajo pues no le da su justo valor al nuevo fármaco.

3.-Sesgo de confusión: Estos sesgos obedecen a encontrar o no encontrar relaciones de causa efecto entre las verdaderas variables. Es decir: existe un factor o variable de confusión que se asocia a la consecuencia pero no la origina. Un ejemplo clásico es  la vacunación contra tuberculosis que se realizó para el personal de cierto centro hospitalario. Una vez vacunadas a las personas se encontró que un importante número desarrolló hepatitis B. En este caso ¿era la vacuna contra la tuberculosis una causa de hepatitis o existía un evento o variable que estaba relacionada con ambas variables y que en verdad ocasionaba el efecto? En este caso, se observó que la inoculación del virus se dio a través de las jeringas que se usaron para vacunar al personal: este era el factor de confusión.  Tras observar este ejemplo se pone de manifiesto el efecto negativo que tendría en la toma de las decisiones, el  no vacunar al personal contra la tuberculosis cuando el problema no era el vial de la vacuna sino el vehículo.
En la actualidad, existen otras clasificaciones de sesgos, sin embargo, para la mayoría de personas éstas son las tres fundamentales. Las categorías anteriormente citadas tienen la debilidad de no ser mutuamente excluyentes y por lo tanto, en ocasiones, algún error sistemático se imbrica en dos criterios. Aún así, siguen siendo categorías que para el uso corriente gozan de reconocimiento y pragmatismo.

La utilidad de conocer y preveer los sesgos es evitar complicaciones subsecuentes pues, una vez ocurrido el sesgo poco se puede corregir por medio de la estadística. En los casos menos desafortunados se puede estimar la dirección del sesgo pero, hasta ahora, no existen métodos que permitan aislarlo para seguir contando con un adecuado nivel de validez. Tres llamamientos importantes que hace el autor son: que la presencia de significancia estadística “no refleja la presencia o ausencia de sesgo”;  un estudio no es categóricamente sesgado o insesgado (sin sesgo) sino que, dado que el sesgo es una categoría de cantidad, puede tener rubros que afecten en mayor o menor medida y, existen variables que no originan una causa pero “modifican el efecto” del evento (medicamentos que funcionan mejor en edades tempranas, por sexo ó etnia). Éstos no son sesgos,  sólo limitan la generalización de los resultados. Algo que merece la pena recordar.

Finalmente, el autor señala algunos de los “tratamientos” utilizados para  “controlar” los sesgos señalando los métodos de restricción de participantes, el pareamiento de variables, el análisis multivariado como los tres más importantes. En este documento Gerhard muestra algunos ejemplos sencillos de cómo aprender y manejar algunos de los sesgos más frecuentes.

Ver artículo completo en: Gerhard T. Bias: considerations for research practice. Am J Health-Syst Pharm 2008; 65: 2159-2168.

Buscar

Suscríbase al Boletín