Sesgos y confusores

1
Sesgos y confusores

• Conferencia 5.1
• Nigel Paneth

2
Formulación de hipótesis y errores en la
investigación

• Todos los estudios analíticos deben iniciar con
  una hipótesis claramente formulada. La hipótesis
  deberá ser cuantificable y específica. Deberá
  predecir una relación de un específico
  tamaño.begin with a clearly formulated
  hypothesis.

3

• Por ejemplo
•   Bebés que son alimentados al seno materno
  tienen menos enfermedades que los bebés
  alimentados con fórmula.
•   Cuáles enfermedades?Cómo es definido el tipo
  de alimentación?Cuán grande es la diferencia en
  riesgo?
• Un mejor ejemplo
•   Bebés exclusivamente alimentados al seno
  materno por 3 meses o más tendrán una reducción
  en la incidencia de hospitalizaciones por
  gastroenteritis de al menos del 30 durante el
  primer año de vida.

4

• Sólo predicción específica permite extraer
  legítimas conclusiones de un estudio que prueba
  una hipótesis. Pero aún con mejores hipótesis
  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.

5

• Esos errores son generalmente producidos por uno
  o más de los siguientes
•  
• Error aleatorio
• Misclasificación al azar
• Sesgo
• Confusores

6
Error aleatorio

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

7
Misclasificación al azar (no diferencial)

• Error al azar aplicado a la medición de una
  exposición o resultado. Errores en clasificación
  pueden sólo producir errores de tipo 2, excepto
  si aplica a un confusor o a un gradiente de
  exposición.

8
Sesgo

• Sistemática, no aleatoria desviación de
  resultados e inferencias de la verdad, o procesos
  que dan lugar a tal desviación. Cualquier
  tendencia en la colección, análisis,
  interpretación, publicación o revisión de datos
  que puedan dar lugar a conclusiones que son
  sistematicamente diferentes de la verdad.
  (Diccionario de Epidemiología, 3a ed.)
•  

9
Más acerca de sesgo

• Note que en sesgo, el enfoque es sobre un
  artefacto de alguna parte del proceso de
  investigación (reunión de sujetos, colección de
  datos, análisis 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.

10
Mós sobre sesgo

• Sesgo puede ser conciente o inconciente. En
  epidemiología, la palabra sesgo no implica, como
  en su uso común, perjuicio o desviación
  deliberada de la verdad.

11
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 él,
  produciendo un resultado espurio. El resultado
  espurio surge del efecto del primer hecho siendo
  erroneamente atribuido al segundo hecho.
  Confusión puede producir un error tipo 1 o tipo
  2, pero usualmente se enfoca en errores tipo 1.

12
La diferencia entre sesgo y confusor

• Sesgo crea una asociación que no es verdad,
  pero confusores describe una asociación que es
  verdad, pero potencialmente erróneo.

13
Ejemplos de error aleatorio, sesgo,
misclasificación y confusor en el mismo estudio

• Estudio en un estudio cohorte, bebés de mujeres
  quieneas alimentaron con fórmula y quiene
  alimentaron al seno, fueron comparadas, y se
  encontró que la incidencia de gastroenteritis,
  registrada así en registros médicos, es más baja
  en los bebés alimentados al seno.

14
Ejemplo de error aleatorio

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

15
Ejemplo de misclasificación aleatoria

• Ausencia de buena información sobre la historia
  de alimentación resulta en que algunas madres que
  alimentan al seno siendo aleatoriamente
  clasificadas como que alimentan con fórmula, y
  viceversa. Si sucede, el estudio encontrará
  subestimaciones del verdadero RR, cualquier
  modalidad de alimentación está asociada con alta
  incidencia de enfermedad, produciendo un error
  tipo 2.

16
Ejemplo de sesgo

• Los registros médicos de bebés alimentados con
  fórmula sólo son menos completos que aquellos de
  los alimentados al seno, y así, registrar sólo
  pocos episodios de gastroenteritis entre ellos.

17
Ejemplo de confusor

• Las madres de bebés alimentados al seno son de
  clase social alta, y los bebés tienen mejor
  higiene, menos hacinamiento y quizá otros
  factores que protegen contra la gastroenteritis.
  Hacinamiento e higiene son verdaderamente
  protectores contra gastroenteritis, pero
  erróneamente atribuímos sus efectos a la
  alimentación al seno.

18
Protección contra error aleatorio y
misclasificacción aleatoria

• Error aleatorio puede falsamente producir una
  asociación (error tipo 1) o falsamente no
  producir una asociación (error tipo 2).
• Nos protegemos contra la misclasificación
  aleatoria produciendo error tipo 2 eligiendo la
  más precisa y segura medición de la exposición y
  del resultado.

19
Protección contra error tipo 1

• Protegemos nuestro estudio contra errores
  aleatorio tipo 1 estableciendo que el resultado
  deberá ser improbable que haya ocurrido por azar
  (v.gr. Plt0.05). Valores de p son establecidas
  para proteger contra errores tipo 1 debido al
  azar y no se garantiza protección contra errores
  tipo1 debido a sesgos o confusores. Por esto
  decimos que estadísticos demuestran asociación
  pero no causalidad.

20
Protección contra error tipo 2

• Protegemos nuestro estudio contra errores tipo
  2 por
• proveyendo tamaño de muestra adecuado y
• haciendo hipótesis de grandes diferencias.
• Entre más grande el tamaño de muestra, más
  fácil se detectará una verdadera diferencia, y
  las más grandes diferencias serán más fácilmente
  detectadas. (Imagine cuán difícil será detectar
  un riesgo aumentado del 1 de gastroenteritis en
  los alimentados con fórmula.)

21
Dos formas de incrementar poder

• El tamaño de muestra necesario para detectar
  una diferencia significativa es llamado el poder
  de un estudio.
• Eligiendo las mediciones más precisa y segura de
  la exposición 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
  estadísticas, están disminuídas.
• Teniendo un tamaño de muestra adecuado de sujetos
  en estudio.
•  

22
Principios claves en sesgos y confusores

• El factor que crea el sesgo, o la variable
  confusora, deberá estar asociada con las
  variables dependiente e independiente (v.gr. Con
  la exposición y con el resultado). Asociación del
  sesgo o confusor sólo con una de las dos
  variables no es suficiente para producir un
  resultado espurio.

23
Buena planeación del estudio protege contra todas
las formas de error
24

• En el ejemplo dado
•  
• El SESGO, llamado registro incompleto tiene que
  estar asociado al tipo de alimentación (variable
  independiente) y también 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
  alimentación y también con gastroenteritis para
  producir un resultado espurio.

25

• Si el sesgo o el confusor están asociados sólo
  con la variable dependiente o sólo con la
  variable independiente, no producirán sesgo ni
  confusión.
• Esto tiene una norma útil
• Si puedes mostrar que un confusor potencial no
  está asociado con una de las variables en el
  estudio (exposición o resultado), confusión puede
  ser excluído,

26
Algunos tipos de sesgo

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

27

• 2. Sesgos de información
• Cualquier aspecto en la forma en que la
  información es reunida en el estudio que crea una
  diferencia sistemática entre las poblaciones
  comparadas que no se deben a la asociación en
  estudio. (Sackett lo llama sesgo de medición).
  El registro incompleto en el ejemplo de
  alimentación infantil es una forma de sesgo de
  información.
• Otros ejemplos -
• Sesgo de sospecha diagnóstica
• Sesgo de recuerdo
•  Algunas veces sesgo aplican a una población de
  estudios, preferentemente que a un estudio, como
  en el sesgo de publicación (tendencia a publicar
  artículos que muestran resultados positivos).

28
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
  exposición y enfermedad pueden estar
  relacionados. Como ejemplo, un hecho
  epidemiológico que ha causado controversia en
  años recientes es la asociación observada entre
  bajos niveles de colesterol y cáncer de colon.

29

• Si encontramos que exposición A está asociada
  con enfermedad B, puede ser que
•  
• 1. Exposición A causa enfermedad B
•   (A B)
• v.gr. Un bajo colesterol causa cáncer de colon

30

• o puede ser que
•  
• 2. Enfermedad B cause exposición A
• (B A)
•  
• v.gr. Cáncer de colon causa bajos niveles de
  colesterol.

31

• Identificar el camino causal correcto es
  imposible sin recurrir a información adicional,
  especialmente información sobre la secuencia
  temporal de los dos fenómenos. Sesgo y confusor
  no intervienen en este tipo particular de
  confusión.

32

• Pero otra forma en la cual la exposición y la
  enfermedad, pueden estar relacionadas es
•  
• 3. Exposición A y enfermedad B son causados por
  un por el factor X
•  
• X A
• B
•  
• v.gr. Parece que diabetes e hipertensión están
  asociados.

33

• Diabetes causa hipertensión?
• Hipertensión causa diabetes?
•  
• Es más probable que diabetes e hipertensión
  compartan un antecedente común, por ejemplo,
  obesidad.
•  

34

• Si hemos concluído que diabetes causó
  hipertensión, si no tenían relación causal,
  podemos decir que
•  
• La relación entre hipertensión y diabetes es
  confundida por obsesidad. Obesidad deberá se
  llamada variable confusora en esta relación.
•  
• Otro afirmación importante
• Confusores siempre son verdaderas causas de
  enfermedad, mientras que sesgos son artefactos.

35
Mediación y confusión

• No todos los factores asociados con la exposición
  y con la enfermedad son una variable confusora.
  Podría ser una variable mediadora.
• Un medidador también está asociado con las
  variables independiente y dependiente, pero es
  parte de la cadena causal entre las variables
  independiente y dependiente.

36

• Fracaso para distinguir un confusor de un
  mediador, es uno de los más comúnes errores en
  epidemiología.
•  
• Esos dos tipos de variables no pueden ser
  distinguidos con métodos estadísticos. Pueden ser
  sólo separados basados en el entendimiento de lo
  proceso total de la enfermedad.
•  
• Para hacer esta distinción clara, veamos como
  controlamos para confusores en investigación
  epidemiológica.

37
Apropiado control para confusor

• Hipótesis Hay una asociación entre una
  exposición (beber café) y una enfermedad (infarto
  al miocardio).

38

• Paso 1. Hay una asociación?
• Beber café eforma excesiva está estadísticamente
  asociado con altas tasas de infarto al miocardio.
  Café es luego, la causa de infarto al miocardio?
•  
• Paso 2. Identifique confusores potenciales
• Tabaquismo podría ser un confusor?
•  
• Paso 3. El confusor potencial está asociado con
  la exposición?
• Bebedores de café fuertes está asociado con
  altas tasas de tabaquismo. Tabaquismo llena uno
  de los criterios para confusores potenciales.

39

• Paso 4. El confusor potencial está asociado con
  la enfermedad de interés?
• Smoking is associated with higher rates of
  myocardial infarction. Smoking fulfills the
  second criterion for potential confounding.
•  
• Paso 5. Qué sucede cuando controlamos para
  tabaquismo?
• El ajuste para tabaquismo elimina la asociación
  de bebedores de café e infarto al miocardio. La
  asociación es explicada por el hecho de que más
  bebedores de café son también fumadores

40
Conclusión Beber café no es una causa de infarto
al miocardio
41
Control inapropiado para confusor

• Hipótesis Hay una asociación entre una
  exposición (obesidad) y una enfermedad (infarto
  al miocardio).

42

• Paso 1. Hay una asociación?  
• Obesidad está estadísticamente asociado con altas
  tasas de infarto al miocardio. Es obesidad una
  causa de infarto al miocardio?
•  
• Paso 2. Identifique confusores potenciales
• Podría el nivel del colesterol ser un confusor?
•  
• Paso 3. Está el potencial confusor asociado con
  la exposición?
• Obesidad y colesterol están asociados.

43

• Paso 4. Está el potencial confusor asociado con
  la enfermedad de interés?
• Nivel de colesterol está asociado con tasas altas
  de infarto al miocardio.
• Paso 5. Qué sucede cuando controlamos para el
  nivel de colesterol?
• Ajuste para el colesterol elimina la asociación
  de obesidad e infarto al miocardio.

44
Conclusión 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.
45
Ejemplos numéricos para confusores (o
documentación de mediación)

• Encontramos que excesivo estudio está asociado
  con migraña (RR 1.58) en un estudio cohorte de
  estudiante graduados. Sin embargo, estamos
  interesados en que esta exposición es confundida
  con (o mediada por) teniendo sueño. Si
  disminución de sueño confunde completamente la
  asociación, luego, cuando estratificamos por
  estatus de sueño, la odss ratio para la
  asociación de estudio escesivo y migraña es
  reducida a 1.o en ambos strata.

46

• Estudio excesivo Correcto
• cantidad
  de estudio
• Migraña 22 7
•  
• No Migraña 38 23
•  
• TOTAL 60 30
•  22/60.367
• 7/30.233
• RR.367/.2331.58

47

• Pero ahora estratificamos por status de sueño,
  resultando dos tablas 2 x 2
•  
• Duerme suficiente Poco sueño
•  
• XS OK XS
  OK
•  
• Migraña 20 5 2
  2
• No Migraña 20 5 18
  18
•  
• TOTAL 40 10 20
  20

48

• RR es ahora 1.0 para XS estudio en cada grupo
  status de sueño es un confusor o un mediador de
  la asociación de estudio excesivo y migraña.

49
Resúmen de cómo una tercera variable puede
relacionarse a otras dos variables(Exposición y
enfermedad)

• A. Puede ser una variable confusora
•  
• Confusora
•  
• Exposición Enfermedad

50

• B. Puede ser una variable mediadora (sinónimo
  variable interventora)
•  
•  
• Exposición Mediador
  Enfermedad
•  
•  
• Una exposición que precede a un mediador en una
  cadena causal es llamada una variable
  antecedente.

51

• Ejemplo
•  
• Bebés Afro-Americanos son más pequeños que bebés
  blancos. Bebés pequeños tienen mortalidad más
  alta. Controlando por peso al nacer reduce o
  elimina las diferencias entre los grupos étnicos
  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.

52

• C. Puede ser una variable moderadora (sinónimo
  variable interactuante o modificadora)
•  
• Moderador
•  
• Exposición Enfermedad
•  
•  Una variable moderadora es la que modera o
  modifica el camino en el cual la exposición y la
  enfermedad están relacionados. Cuando una
  exposición tiene diferentes efectos sobre la
  enfermedad a diferentes valores de una variable,
  que es la variable llamada modificador.

53

• Ejemplos
•  
• Aspirina protege contra los ataques cardiácos,
  pero sólo en hombre y no en mujeres. Decimos que
  el género modera la relación entre aspirina y
  ataques cardiácos, debido a que el es diferente
  entre los sexos. Decimos, también, que hay
  interacción entre sexo y aspirina en el efecto de
  la aspirina sobre enfermedad cardiáca. 
• 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 interactúa con
  colesterol en sus efectos sobre enfermedad
  cardiáca.

54
Un efecto de interacción o efecto modificador

• Un estudio encuentra que no hay relación, en
  infantes de lt2,000 gr al nacer, entre múltiple
  status del nacimiento ( siendo único o gemelo) y
  el riesgo de mortalidad (Paneth et al, American J
  of Epidemiology, 1982116364-375).

55

• ODDS RATIO para mortalidad en únicos (comparados
  con gemelos)
•  
• Sin ajustar 1.06
• Ajustado por peso al nacer 1.02
•  
• Sin embargo, esta odds ratio, encubre interesante
  información. Resulta que hay en verdad una
  relación entre pluralidad y mortalidad en la
  siguiente forma

56

• Peso al nacer ODDS para
  
• mortalidad
  en únicos
• 501-750 gr 0.58
• 751-1000 gr 0.65
• 1001-1250 gr 0.91
• 1251-1500 gr 1.09
• 1501-1750 gr 2.45
• 1751-2000 gr 1.94

57

• Claramente, bajo de 1250 gr la mortalidad es más
  baja en únicos, arriba de 1250 gr es más alta en
  únicos. Esos efectos en direcciones opuestas, se
  cancelan uno a otro. Esta reversa de RR no es
  usual - usualmente interacción acentúa un riesgo
  relativo que está presente a todos los valores.
• La prueba de interacción es que la ODDS RATIO (u
  otras medidas de asociación) cambian
  sustancialmente de acuerdo a diferentes valores
  de una tercer variable.

58
Como la misclasificación aleatoria puede algunas
veces producir un error tipo 1

• 1. Misclasificación aleatoria de un confusor
•  
• Si una variable confusora es aleatoriamente
  misclasificada, y luego la relación
  exposición-enfermedad es estratificada (o
  controlada) para este confusor, una asociación
  espuria puede producirse. Esto requiere,
  usualmente, que el confusor esté fuertemente
  relacionado a la exposición.

59

• Ejemplo Tabaquismo y beber café están asociados.
  Ya que más bebedores de café son fumadores, más
  bebedores de café registrados como no fumadores
  son realmente fumadores que los no bebedores de
  café registrados como no fumadores. Como
  resultado, los bebedores de café pueden ser
  encontrados en algunos estudios, por tener altas
  tasas de cáncer de pulmón, aún después de
  controlar por tabaquismo.

60

• 2. Misclasificación al azar a lo largo de un
  gradiente de exposición
•  
• Si una exposición tiene una fuerte asociación
  con la enfermedad, sólo arriba de un límite,
  misclasificación al azar de esa exposición es
  probable que produzca una relación de
  dosis-respuesta. (No obstante este fenómeno
  seguramente ocurre, nunca lo he visto en
  epidemiología.)
• Si tabaquismo sólo produce cáncer de pulmón
  entre los fumadores de 2 cajas al día, los datos
  probablemente mostrarían algún efecto en los
  fumadores de 1 caja al día, debido a que los
  fumadores de más de dos cajas al día sean
  probablemente mal clasificados como fumadores de
  una caja que los no fumadores.