La base de un estudio con validez y fiabilidad es un muestreo adecuado. Se puede lograr si tienes claros los tipos de errores que más se presentan, por lo que a continuación revisaremos los errores más frecuentes en la selección de la muestra y te diremos cómo evitarlos.

Actualízate sobre este tema en tan sólo 3 minutos.

Tipos de errores

El error aleatorio es generado por la variabilidad que existe al elegir una muestra. Este error no afecta la validez del estudio ni la relación exposición-enfermedad. Evitarás este tipo de sesgos al  aumentar el tamaño de tu muestra. El error  sistemático o sesgo es el fallo en  la ejecución que termina alterando los resultados de la muestra, lo que provoca una relación exposición-enfermedad incorrecta. Este último tipo de errores suelen ser predecibles por lo que son corregibles, más a delante te digo cómo.

Sesgos de selección

El sesgo de autoselección o del voluntario se refiere a que un participante se ofrezca a entrar al muestreo por exposición previa. Mientras que el sesgo diagnóstico o sesgo de Berkson es el riesgo de elegir una población que tenga alguna patología asociada como factor de exposición a lo estudiado.

El conocido como sesgo del obrero sano ocurre cuando el grupo de enfermos no está en el mercado laboral. La falacia de Neyman ocurre en casos-controles cuando se estudia una patología que causa muertes precoces y al iniciar el estudio los participantes muertos ya no pueden ser del grupo de casos.

Sesgo de información

Es cuando hay errores en la medición de variables claves, pueden ser causados tanto por los participantes como por el investigador, pudiendo ser enmascarados.

No dejes de leer:  Podcast: Nuestro papel en la resistencia a antimicrobianos

La clasificación incorrecta diferencial ocurre por ejemplo, cuando el sesgo de memoria hace que el participante enfermo se motive más a recordar posible factores de exposición a diferencia de un participante no enfermo. Otro tipo de sesgo que entra en esta clasificación es el sesgo de atención o efecto Hawthorne, el cual ocasiona que el participante se comporte diferente al saber que está siendo observado.

La clasificación incorrecta no diferencial se caracteriza al subestimar el efecto del factor exposición estudiado. Por ejemplo, el estudio de cáncer cervicouterino con dos grupos: uno con VPH y otro sin la infección. Existe mayor riesgo de presentar cáncer cérvico uterino en pacientes con VPH que en mujeres sin la infección.

Factores de confusión: ¿cómo reconocerlos?

  • Que sea un factor de riesgo para la enfermedad, como p.e. el tabaquismo para el cáncer.
  • Estar asociado a la exposición, p.e. cocinar con leña en la EPOC.
  • No ser un paso intermedio entre la exposición y la enfermedad.

Y para poder prevenir este tipo de confusiones te doy dos sencillas técnicas:

La fase de diseño consta de aleatorización en estudios experimentales, restricción y apareamiento. Esta última se refiere a dividir estudios de caso-control en dos grupos con lo mismos factores de confusión en diferente grupo cada uno.

Por otro lado, la fase de análisis estadístico se trata de un análisis estratificado haciendo categorías bien definidas y homogéneas. Si te enfrentas a muchos factores de confusión, opta por un análisis multivariante para poder calcular la fuerza de la asociación sin perder el control de las variables.

Validez y fiabilidad

Validez es la manera de cuantificar lo que realmente se quiere medir con exactitud. Para que un estudio sea válido, el resultado debe ser la verdad, es decir, no debe tener sesgo sistemático. Existen dos tipos de validez:

  • Interna: los resultados fueron correctos en el grupo principal de estudio.
  • Externa: los resultados  se pueden aplicar en  personas que no hayan sido parte del estudio.
No dejes de leer:  Estudios epidemiológicos: Breve revisión de los más relevantes.

Fiabilidad o repetibilidad se refiere a que no debe haber error aleatorio, ya que se busca la similitud de los resultados si se llegara a repetir el estudio en una población diferente.

Si vas a utilizar un test diagnóstico y no sabes si es el adecuado, compara los resultados con el Gold Standard. Entre más similitud tengan sus resultados en poblaciones con características lo más similares posibles, más criterio de validez tendrá esta prueba.

Para concluir recuerda que…

Los errores aleatorios son producidos al azar y se corrigen aumentando el tamaño de la muestra, a diferencia de los sesgos sistemáticos que no son al azar y sí afectan la validez del estudio. Los sesgos de selección se pueden evitar al no elegir grupo control hospitalizado, hacer más grande la población de enfermos terminales, y no aceptando voluntarios. No olvides cómo  detectar los factores de confusión para así poderlos controlar adecuadamente y que no afecten tus resultados.

Referencias Bibliográficas

Bonita R, Beaglehole R, Kjellström T. 2da ed.(2008). Epidemiología básica. Washington, EUA: Organización Panamericana de la Salud.

White, E., Armstrong, B., & Saracci, R.(2008-02-28). Principles of Exposure Measurement in Epidemiology: Collecting, Evaluating, and Improving Measures of Disease Risk Factors. : Oxford University Press. Retrieved 18 Sep. 2017.

Szklo, M. (Moyses) & Nieto, F. Javier (2004).Epidemiology : beyond the basics. Jones and Bartlett, Sudbury, Ma

Última modificación: 19 de septiembre del 2017 a las 17:30 hrs.