Ciencia sin seso… locura doble

Píldoras sobre medicina basada en pruebas

Entradas etiquetadasSesgo
image_pdf

La escopeta de feria

Hace unos días estuve con mi primo en las fiestas de nuestro barrio y, para entretenernos un rato, estuvimos disparando unos perdigones en una de las casetas, a ver si conseguíamos llevarnos el osito de peluche.

Pero, nada, ni por casualidad.

Yo disparé un montón de veces, pero no metí ni un perdigón en la diana. Todos quedaron alrededor, pero ni uno solo en el centro. Mi primo, sin embargo, es un tirador de primera. El problema es que le dieron una escopeta con la mira torcida, así que le salieron todos los perdigones desviados y tampoco metió ninguno dentro de la diana. En resumen, nos quedamos sin peluche. En la figura que os adjunto podéis ver el destrozo de disparos que hicimos los dos.error sistematico y aleatorio

De todas formas y para sacar provecho de esta situación, mirando las dianas se me ocurre que guardan algún parecido con los dos tipos de error que podemos tener en nuestros estudios epidemiológicos.

Estos son, en sentido general, dos: el error aleatorio y el error sistemático.

El error aleatorio se debe a nuestro amigo el azar, del que no hay manera de librarse. Puede tener dos causas fundamentales. La primera, el error de muestreo. Cuando obtenemos una muestra de una población lo hacemos con la idea de estimar un parámetro poblacional a través del estudio de un estimador de ese parámetro en la muestra. Sin embargo, debido al error de muestreo podemos obtener una muestra que no sea representativa de la población (si obtenemos varias muestras, todas serán ligeramente diferentes unas de otras). Esto pasará, sobre todo, cuando los tamaños de las muestras sean pequeños y cuando utilicemos técnicas de muestreo que no sean probabilísticas.

La otra fuente de error aleatorio es la propia variabilidad en la medición. Si nos tomamos la presión arterial varias veces, los resultados serán diferentes (aunque similares) debido, por una parte, a la propia variabilidad biológica y, por otra, a la imprecisión del aparato de medida que utilicemos.

Este error aleatorio se relacionará con la precisión del resultado. Una medida será tanto más precisa cuanto menor sea el componente aleatorio, por lo que puede aumentarse la precisión aumentando el tamaño de la muestra o siendo más cuidadoso con las mediciones.

En nuestro ejemplo del tiro, yo representaría el error aleatorio. Se me desvían los tiros al azar, de modo que por la nube de impactos puede uno imaginarse por donde está la diana, pero ningún disparo la alcanza. Lógicamente, cuantos más disparos haga, más probabilidad habrá de dar en el centro, aunque sea por azar.

El segundo error que mencionamos es el error sistemático, también llamado sesgo. Este se debe a un error en el diseño o en el análisis del estudio, que produce una estimación incorrecta o no válida del efecto que estamos estudiando. En nuestro ejemplo, como ya habréis adivinado, mi primo representa el error sistemático. El tira muy bien, pero como la escopeta está mal calibrada, los tiros dan fuera de la diana, desviándose todos sistemáticamente en una misma dirección. Viendo solo los tiros no podemos imaginar donde está el centro, como veíamos con mis disparos en mi diana, porque pensaríamos que el centro está en una localización que, en realidad, no le corresponde. Así, el error aleatorio afecta a la precisión, mientras que el sistemático compromete la validez de los resultados. Y otra cosa, por más que mi primo aumente el número de disparos, le seguirán saliendo torcidos. El error sistemático no disminuye porque aumentemos el tamaño de la muestra.

Y aquí lo vamos a dejar por hoy. No hemos hablado nada de los tipos de errores sistemáticos, que hay varios. Se pueden dividir en sesgos de selección, de información y de análisis que, a su vez, pueden dividirse en otros muchos. Pero esa es otra historia…

Errar es humano

Errar es humano, perdonar es divino. Eso dicen pero, ¿qué significa?. Si uno lee la frase puede entender que cometer errores forma parte de la naturaleza humana. Y quizás tenga algo de cierto, porque rara es la vez que los llamados seres humanos hacemos algo que no esté plagado de errores, aunque pongamos todo nuestro cuidado en no cometer ninguno.

En cuanto a lo de perdonar, también es cierto que es una cualidad más divina que humana. Aunque hay algunos errores que no merecen perdón, ni humano ni divino.

Pero centrémonos en nuestro tema: los errores de los estudios científicos. Porque existen dos tipos de errores que son comunes a cualquier tipo de estudio: los errores aleatorios y los errores sistemáticos.

Los errores aleatorios, como su nombre indica, se deben al azar. Habitualmente cuando queremos estudiar una variable en una población tenemos que contentarnos con una muestra seleccionada a partir de esa población. Pues bien, el muestreo aleatorio siempre encierra cierta probabilidad de que la muestra no sea representativa de la población de la que proviene. Esta probabilidad de error será mayor cuanto menor sea el tamaño de la muestra y cuanto mayor sea la variabilidad de la característica que estemos estudiando dentro de la población.

Otra causa de error aleatorio es la propia variabilidad de las mediciones que hagamos, ya sea por la propia variabilidad biológica, por el instrumento que utilicemos para medir o por la subjetividad o variabilidad del observador. Por ejemplo, pensemos que vamos a estudiar la prevalencia de enfermedad tuberculosa en nuestra muestra mediante el estudio de la reacción cutánea a la tuberculina y el día que vamos a medir se nos rompen las gafas. Cualquier parecido con la realidad será mera coincidencia.

El otro tipo de errores son los sistemáticos, también llamados sesgos, que habitualmente conducen a una estimación incorrecta del efecto que estamos estudiando. Estos no se deben al azar, sino a algún error en el diseño del estudio, ya sea relacionado con los participantes (sesgo de selección) o con la medición de la variable (sesgo de información).

El sesgo de selección se produce típicamente cuando elegimos una muestra no representativa de la población. Pensemos que queremos saber la prevalencia de una enfermedad y tomamos una muestra de los pacientes que acuden al consultorio. Lógicamente, el resultado estará sesgado y sobrevalorará la presencia de la enfermedad en la población.

Pero el sesgo de selección puede producirse también en otras situaciones. Por ejemplo, si escogemos un grupo control con una enfermedad relacionada con la de estudio, nuestro resultado será incorrecto. También puede ocurrir cuando la probabilidad de que los sujetos abandonen el estudio no sea igual en los dos grupos. Por ejemplo, supongamos que estamos estudiando dos intervenciones y en ambos grupos se pierde el mismo porcentaje, pero en uno tienden a perderse los que responden y en el otro los que no responden. Aunque el porcentaje de respuesta sea el mismo, en realidad la intervención más eficaz es aquélla en la que se pierden más lo que responden que los que no. Algo parecido ocurre en las encuestas con los que no contestan. Si preguntamos algo que esté mal visto socialmente, siempre subestimaremos el resultado real.

Por su parte, el sesgo de información se produce cuando, de forma sistemática, medimos de forma errónea o diferente en los dos grupos. En general, suele producirse por utilizar pruebas con poca sensibilidad o especificidad, por tener criterios diagnósticos erróneos o por cometer imprecisiones o errores en la recogida de los datos.

Pensemos que estudiamos el peso en un tipo de enfermos y la báscula está mal calibrada. O que estudiamos la talla y a un grupo le tallamos descalzo y al otro con zapatos.

Hay un par de diferencias entre los dos tipos de errores, aleatorio y sistemático. Como ya hemos dicho, el error aleatorio depende del tamaño muestral, por lo que tiende a ser menor al aumentar el tamaño de la muestra. Sin embargo, esto no ocurre con los errores sistemáticos, que se perpetúan por más que aumentemos el tamaño muestral.

Por otra parte, los errores aleatorios pueden controlarse con relativa facilidad, si no son muy grandes, durante la fase de análisis de los datos, mientras que los sistemáticos son mucho más difíciles de corregir al analizar los resultados. Por eso hay que ser muy cuidadoso durante la fase de diseño e intentar evitarlos.

Y con esto terminamos por hoy. Que sepáis que la familia de los sesgos es muy numerosa. Aunque todos pueden incluirse en alguno de los que hemos mencionado, hay muchos más tipos de sesgos descritos, muchos de ellos específicos de determinado tipo de diseño de estudio. Pero esa es otra historia…