1. CAPITULO 30.
CONFUSION Y MODIFICACION DEL EFECTO.
La finalidad del análisis de los resultados de un estudio es obtener la mejor
estimación posible del efecto, diferencia o asociación de interés.
CONFUSION: Se define como la distorsión que se produce en la estimación
de la magnitud de la asociación entre el factor de estudio y la variable de
respuesta, debida a la influencia de uno o varios factores externos.
Para producir confusión una variable debe estar asociada tanto al factor de
estudio como con la variable de respuesta, y no debe formar parte de la cadena
causal entre ellos.
Su identificación no debe basarse en la existencia de una diferencia
estadísticamente significativa entre los grupos de estudio.
Desde un punto de vista práctico la presencia de un fenómeno de confusión
puede detectarse comprobando si el análisis bruto (sin tener en cuenta el factor
de confusión) y el ajustado (controlando el potencial de confusión) conducen a
resultados que difieren de forma clínicamente relevantes.
Dado que los factores de confusión son una amenaza constante a la validez de
los datos de un estudio, no solo es necesario considerar que variables pueden
confundir una asociación, sino también medirla de forma valida y precisa.
AJUSTE POR FACTORES DE CONFUSION: Puede realizarse en la fase de
análisis, pueden utilizarse estrategias en el diseño del estudio destinadas a
evitar o reducir la confusión.
TECNICAS DE CONTROL DE FACTORES DE CONFUSION EN EL DISEÑO:
1. ASIGNACION ALEATORIA: En los ensayos clínicos, tiende a conseguir grupos
similares para todas las variables pronosticas del resultado, ya que el único
factor que interviene en su distribución es el azar. Cuando se trata de
grupos pequeños, la probabilidad de que las variables se distribuyan
desigualmente y puedan actuar como factores de confusión es mayor.
2. RESTRICCION: una forma de conseguir grupos comparables respecto a la
distribución de una determinada variable es restringiendo la selección de
los sujetos de estudio.El uso de criterios de selección restrictivos tiene el
inconveniente de que reduce el número de sujetos candidatos, lo que
puede suponer una dificultad para alcanzar el tamaño de la muestra
necesario para el estudio en un tiempo razonable. Además limita la
capacidad de generalización de los resultados, al haber utilizado criterios
de selección restrictivos.
2. 3. EMPAREJAMIENTO: Implica que los sujetos de estudio y los del control se
emparejan en función de los valores de un determinado factor de
confusión. El emparejamiento fuerza que la distribución de los factores de
confusión sea idéntica entre los distintos grupos del estudio. Esta técnica
tiene limitaciones. Puede ser muy difícil encontrar los controles adecuados,
especialmente si se desea emparejar por muchas variables. E imposibilita
evaluar el efecto de las variables por las que se ha emparejado.
TECNICAS DE AJUSTE POR FACTORES DE CONFUSION:
Se conoce como ajuste estadístico.
1. ANALISIS ESTRATIFICADO: Permite evaluar la asociación entre el factor de
estudio y la variable de respuesta dentro de categorías homogéneas
(estratos) de una tercera variable.
La magnitud de un efecto de confusión se evalúa observando el grado de
discrepancia entre las estimaciones crudas y las ajustadas, y valorando no
su significación estadística, sino su relevancia clínica. La mejor estimación
es la ajustada, ya que ha controlado este fenómeno de confusión.
Es una técnica sencilla, asequible para los investigadores y los lectores de
revistas biomédicas. Su principal limitación es la dificultad para estratificar
por múltiples variables.
2. ANALISIS MULTIVARIANTE: Supera esta limitación del análisis estratificado y
permite estimar de forma eficiente el efecto de un factor de estudio sobre
una enfermedad, ajustado por varios potenciales factores de confusión,
simultáneamente.
Su uso implica la construcción de un modelo matemático.
PROBLEMAS DEL AJUSTE POR FACTORES DE CONFUSION
INFORMACION INADECIADA DE LOS DATOS:
A. AGRUPACION INADECUADA DE LOS DATOS: Cuando las categorías que se
crean son demasiado amplias y dentro de cada una de ellas existe cierta
heterogeneidad o gradiente de riesgo, el ajuste no controla todo el
fenómeno de confusión y queda ciento efectos residuales.
B. UILIZACION DE MEDIDAS INDIRECTAS POCO VALIDAS: Dadas las dificultades
para medir algunos de los fenómenos de interés, suelen utilizarse medidas
indirectas. Cuando se ajusta por ellas, no se controla todo el efecto de
dicho fenómeno, y queda cierta confusión residual.
C. MALA CLASIFICACION DE LAS VARIABLES DE CONFUSION: Cuando se miden
de forma imprecisa o poco valida, sus relaciones con el resto de las
variables no se estiman correctamente de forma que al ajustarse por ellas
no se contrala totalmente el fenómeno de confusión y también puede
quedar un efecto de confusión residual.
3. D. VARIABLES MUY CORRELACIONADAS: Aunque una variable actué como un
factor de confusión debe estar asociada con el factor de estudio, si ambas
variables están muy relacionadas, puede ser difícil distinguir sus efectos de
forma precisa. El ajuste implica estimar el efecto del factor de estudio sobre
la variable de respuesta, mientras se mantiene fijo el valor del factor de
confusión. Si el factor de estudio y el factor de confusión están muy
relacionados, prácticamente todos los sujetos con un valor determinado
de la variable de confusión tendrán el mismo valor del factor de estudio y
en consecuencia, será difícil estimar su efecto sobre la variable de
respuesta.
E. EXISTENCIA DE UNA MODIFICACION DEL EFECTO: La asunción que subyace
cuando se utiliza la estimación ajustada es que el factor de estudio tiene el
mismo efecto en cada uno de los estratos o categorías de la variable de
confusión. Cuando existe una modificación del efecto, y los resultados son
diferentes en cada estrato, la representación de una única estimación
ajustada no es adecuada.
F. VARIABLE INTERMEDIA EN LA CADENA CASUAL: No es apropiado ajustar por
una variable que es un paso intermedio en la cadena causal entre el
factor de estudio y la variable de respuesta. Un de las condiciones que
debe reunir una variable para ser considerada un potencial factor de
confusión es la de no ser un paso intermedio en la cadena causal.
G. VARIABLE QUE NO SON FACTORES DE CONFUSION: El ajuste por variables
que no son verdaderos factores de confusión no sesga la estimación, pero
la hace másimprecisa *a lo que se conoce como sobreajuste*. Aunque
algunas técnicas de análisis multivariables tienen ventaja respecto a las del
análisis estratificado para que sean realmente útiles, se deben tener en
cuenta las 2 condiciones básicas:
i. El objetivo de estudio debe estar bien definido, especificando
cual es la variable de estudio y cual la de respuesta, cuales
son los potenciales de confusión y cuáles son las potenciales
modificadoras del efecto.
ii. Y hay que incluir en el modelo solo aquellas variables que se
conoce o se sospecha firmemente que pueden ser
confusoras o modificadoras de efecto.
H. PRUEBAS ESTADISTICAS INADECUADAS: Si no se utilizan las pruebas
estadísticas correctas, no se controla adecuadamente el fenómeno de
confusión.
I. SELECCIÓN DE VARIABLES EN UN MODELO: La finalidad del análisis
estadístico es obtener la mejor estimación (no sesgada y lo más precisa
posible) del factor de estudio
4. EVALUACION DE LA MODIFICACION DEL EFECTO:
A diferencia del fenómeno de confusión, la modificación del efecto se evalua
estadísticamente, y puede decirse que existe cuando las estimaciones de cada
uno de los estratos presenta una diferencia estadísticamente significativa. Las
técnicas que se utilizan para evaluar su existencia son también el análisis
estratificado y el multivariante.
A. ANALISIS ESTRATIFICADO: Se realiza calculando la estimación del efecto en
cada uno de los estratos definidos por las categorías de la variable cuya
influencia se desea evaluar. A diferencia de lo que ocurre en el fenómeno
de confusión, la evaluación de la existencia de modificación del efecto en
un análisis estratificado se realiza mediante pruebas estadísticas
específicas, como la de. “Welch” ya que se trata de determinar si las
diferencias entre las estimaciones obtenidas en cada estrato pueden ser
causadas por la variabilidad aleatoria o si, por el contrario, reflejan
diferencias reales.
B. ANALISIS MULTIVARIANTE: Cuando se utiliza una técnica de análisis
multivariante para evaluar la presencia de modificación del efecto, debe
incluirse en el modelo no solo la variable que potencialmente puede
producir dicho efecto, sino también un término que refleje la interacción
entre esta variable y el factor de estudio. Puede decirse que existe
modificación del efecto cuando el coeficiente es estadísticamente
significativo (diferente a 0)
Los efectos de confusión y de modificación del efecto son muy distintos tanto en
la información que proporcionan como en la forma de interpretarla. Si una
variable actúa como factor de confusión depende de cómo se distribuya entre
los grupos de estudio y de si el efecto observado del factor de estudio sobre la
variable de respuesta puede explicarse total o parcialmente por esta distribución
desigual.
En cambio, la modificación del efecto refleja una característica de la relación
entre el factor de estudio y la variable de respuesta, ya que la magnitud de esta
relación depende de una tercera variable. Por tanto la modificación del efecto
debe ser descrita, pero no controlada. Además puede proporcionar claves
interesantes (hipótesis de trabajo) sobre los mecanismos causales de dicha
relación.