1. Ingeniería

Sesgo
Definición


El sesgo es un error sistemático que trae
como consecuencia una sobre o
subestimación de la intensidad de la
asociación
Puede encontrarse en cualquier etapa de la
inferencia y produce resultados o
conclusiones que difieren sistemáticamente
de la verdad
Las razones por las cuales un estudio
puede sesgarse son virtualmente
innumerables
1. Al revisar la literatura


selección de referencias que apoyan un solo
punto de vista
2. Al especificar y seleccionar la muestra para
nuestra investigación

Sesgo de prevalencia o incidencia (Sesgo de
Nyeman)
 si solo rastreamos tardíamente a aquellos que
fueron expuestos o afectados en forma precoz
perderemos los casos fatales o de breve duración.
Un padecimiento que ilustra este tipo de sesgo es
la enfermedad isquémica coronaria
p=0.000
50 casos menos
p=0.58



El estudio cohorte incluyó todos los casos de
EIC para el sexto examen (201 sujetos)
El estudio de C y C solo incluyó a 151
Por lo tanto en un estudio de sobrevivientes
de EIC un diseño de C y C no
necesariamente revela los factores que
influyen sobre el padecimiento sino mas bien
revelan aquellos factores que se asocian a
una mayor probabilidad de sobrevivir

Sesgo en la selección de los sujetos
una suposición básica implícita al análisis de
estudios retrospectivos es que los casos
seleccionados son representativos de todos los
casos en la población

Esta suposición será correcta si:
1. Todos los pacientes con esta enfermedad
recibieron atención medica y fueron
diagnosticados
2. Todos los centros de atención medica son
incluidos en el estudio en una búsqueda
exhaustiva de los casos

En la practica estos requerimientos rara vez
se satisfacen pues no todos los pacientes
buscan atención médica y no todos los
centros de atención son incluidos para el
reclutamiento de los casos

Otras suposiciones paralelas a estas son:


el grupo control es representativo de la población
sin la enfermedad
la prevalencia de la característica bajo estudio es
la misma en el grupo control que en la población
general sin la enfermedad

Los investigadores que realizan estudios
retrospectivos generalmente reclutan un
grupo control a partir de pacientes
hospitalizados con otro padecimiento y
asumen que la prevalencia de la
característica bajo estudio es un estimador
no sesgado de su prevalencia en la
población general sin ese padecimiento


Una ilustración de que esta suposición puede
resultar peligrosa la da el estudio sobre la
asociación entre cáncer y tuberculosis.
En las primeras 7,500 autopsias realizadas
en el Hospital Johns Hopkins un investigador
identificó 816 individuos con una neoplasia
maligna y 816 controles sin neoplasia
maligna y los apareó por edad, género, raza
y fecha de deceso


En la autopsia el 16.3% de los sujetos del
grupo control mostró TB activa, mientras que
en el grupo de cáncer solo el 6.6% mostró
esta patología
Esta diferencia (con la misma tendencia y
magnitud) persistió cuando los sujetos se
reclasificaron como varones y mujeres
caucásicos y no caucásicos


Se aceptó como un hecho que existía una
asociación negativa entre el cáncer y la TB
Una revisión reciente de los archivos
originales mostró que el grupo control había
incluido a un grupo considerable de
individuos que habían muerto de tuberculosis


Cuando los controles fueron seleccionados
de un grupo de casos que fallecieron por
cardiopatía se encontró la misma prevalencia
de TB en los casos y los controles
Los sesgos de selección no necesariamente
invalidan los hallazgos de un estudio

Debemos intentar satisfacer los siguientes
requisitos para incrementar la probabilidad
de que la asociación encontrada sea real
1. La intensidad de la asociación. En general se
puede demostrar numéricamente que solo
grados moderados de asociación (<3:1) pueden
ser resultado del sesgo de selección
2. Dependiendo de la enfermedad y el probable
factor etiológico (por ejemplo el nivel sérico de
colesterol o el número de cigarrillos fumados)
podemos clasificar la variable o factor en un
gradiente de menor a mayor o viceversa

Si el grado de asociación entre la
enfermedad y la variable se incrementa con
el incremento de los niveles de dicho factor
(o viceversa) reduce la probabilidad de que la
asociación sea debida a sesgo de selección
Sesgo de selección


Descrito originalmente por Berkson
Lo describió como un problema asociado al
uso de pacientes hospitalizados en estudios
retrospectivos

El encontró que se podía encontrar una
asociación espuria entre dos padecimientos
o entre una característica y una enfermedad
debido a las diferentes probabilidades de
ingreso para aquellos con la enfermedad, sin
la enfermedad y con la característica de
interés





Podemos ilustrar esto con un ejemplo
hipotético
Vamos a llamar X al factor etiológico
A será el grupo con la enfermedad (casos)
B será el grupo sin la enfermedad (controles)
Vamos a suponer que no existe una
asociación real entre la enfermedad A y el
factor X en la población general

Vamos a suponer que las probabilidades de
ingreso a un hospital son diferentes en los
tres grupos:




enfermedad A=10%
enfermedad B=70%
característica X=50%
Vamos ahora a considerar el número de
sujetos admitidos al hospital en cada grupo
Para aquellos con A sin X

10% de los 800 porque tienen A=80
Para aquellos con B y X



70% de los que ingresan porque tienen B= 140
50% de los restantes porque tienen X=30
140+30=170
Para aquellos con B sin X


70% de los que ingresan porque tienen B= 560
Si utilizamos una tabla de 2  2 para comparar
la enfermedad A (casos) y la enfermedad B
(controles) con respecto a aquellos que tienen y
no tienen la caracteristica X tendremos


Esto indicaría que existe una asociación
entre la enfermedad A y la característica X
aunque en realidad esta asociación no existe
en la población general
Esta asociación espuria es resultado de las
diferentes probabilidades de admisión al
hospital para los sujetos con las
enfermedades A y B y la característica X

Esta asociación espuria no se presentará si
a. X no afecta la hospitalización, esto es nadie se
hospitaliza simplemente porque tiene X
b. la probabilidad de ingreso para las
enfermedades A y B es la misma. Esta condición
obviamente constituye la excepción
c. la probabilidad de asociación espuria se
incrementará si el factor bajo estudio (en nuestro
ejemplo la característica X) es otra enfermedad

El sesgo de Berkson se demostró a través de
entrevistas a domicilio en muestras aleatorias
de la población

Debido a que durante las entrevistas se
investigó la historia de enfermedades y de
hospitalizaciones recientes, fue posible
calcular los riesgos tanto para la población
general como para el subgrupo de la
población general que había sido
hospitalizado en los 6 meses previos

Se estudio la posible asociación entre las
enfermedades óseas y las enfermedades
respiratorias (que por experiencia sabemos
que en general no están asociadas)
OR=(17)(2376)/(184)(207)=1.06 OR=(5)(219)/(18)(15)=4.06


La razón de momios en la población general
es de 1:1.06 debido a que no existe relación
entre las dos enfermedades
En el subgrupo de pacientes hospitalizados
tenemos una tasa de momios espuriamente
elevada (4.06:1)
Sesgo de detección

Una exposición inocente puede volverse
sospechosa si en vez de causar una
enfermedad causa un signo o un síntoma
que precipita la búsqueda de una
enfermedad
Sesgo de detección

Por ejemplo la relación entre los estrógenos
administrados para el control de los síntomas
del síndrome climatérico y el cáncer
endometrial
(38.4%)
(5.9%)
(39.8%)
(28.4%)


En el grupo del registro todas las pacientes
tenían tumor y se comparaban con pacientes
que no tenían
En el grupo de legrado e histerectomía no
todos las pacientes tenían cáncer
endometrial

Como es posible observar, la proporción de
los casos en los dos grupos expuestos a
estrógenos fue la misma

Se ha considerado que los estrógenos al
provocar sangrado en mujeres que ya no
sangraban provoquen la búsqueda de cáncer
de endometrio y no el cáncer en si

Si estudiamos más exhaustivamente a los
individuos expuestos a factores
supuestamente nocivos en base a
consideraciones teóricas, experimentos en
animales o reporte de casos, los sujetos
expuestos tienen una mayor probabilidad de
ser diagnosticados en comparación con los
sujetos no expuestos
Sesgo por falta de respuesta


Los sujetos que no participan en una muestra
especifica de la población pueden presentar
exposiciones o eventos que difieren de
aquellos que si lo hacen
El sesgo opuesto a este es el de los sujetos
voluntarios
Sesgo por falta de respuesta


Este es un sesgo muy común en estudios
descriptivos analíticos e incluso
experimentales
Por ello se insiste en que tratemos de
obtener por lo menos un 80% de
participación en nuestra muestra y comparar
a los que no respondieron con los que si lo
hicieron
Sesgo de la membresía


La membresía en un grupo (desempleados,
corredores, etc.) puede representar un grado
de salud o una exposición que difiere
sistemáticamente de aquella de la población
general
Un ejemplo típico de este sesgo es el de los
sujetos que gustan de trotar
Sesgo de la membresía

La hipótesis de que el ejercicio físico
vigoroso protege contra la enfermedad
coronaria recibió su apoyo inicial a partir de
estudios de casos y controles
22.5%
29.3%
OR= (194)(2029)/(840)(668)=0.70; χ2: 15.18; p=0.0000


Los sujetos con actividad física intensa
presentaban un 30% menos mortalidad por
EIC que los sujetos con actividad física leve
Esta hipótesis fue probada mas allá en
sobrevivientes de IAM que participaron o no
en forma voluntaria en un programa de
rehabilitación
RR=(7/66)/(18/64)=0.37; χ2=6.42, p=0.012

Sin embargo, cuando se llevo a cabo un
estudio experimental en donde los
sobrevivientes de un IAM fueron asignados
aleatoriamente a un grupo de rehabilitación
bisemanal o a un grupo de actividades
recreativas (sin efecto de entrenamiento) el
valor de la actividad física no pudo ser
demostrado
(7.23%)
(6.08%)
Sesgo de sospecha diagnostica

El conocer los antecedentes de exposición
del sujeto a un factor supuestamente nocivo
puede influenciar la intensidad del proceso
diagnostico
Sesgo del tamaño inadecuado de muestra

Las muestras que son muy pequeñas no
prueban nada; las muestras demasiado
grandes pueden probar cualquier cosa
Sesgo en la selección de un procedimiento

Ciertos procedimientos clínicos pueden ser
ofrecidos a aquellos sujetos que se
consideran como malos candidatos para otro
procedimiento. Por ejemplo selección de
pacientes para tratamiento medico vs.
quirúrgico
Sesgo de los voluntarios

Los voluntarios pueden presentar una
historia de exposición o de salud (tienden a
ser mas sanos) diferente a la de los sujetos
que no son voluntarios
Sesgo al ejecutar una maniobra
experimental (o una exposición)

Sesgo de contaminación:


cuando en un experimento los miembros del
grupo control reciben en forma inadvertida la
maniobra experimental, por ejemplo estudios de
EIC utilizando aspirina
Los resultados entre el grupo experimental y el
grupo control pueden reducirse en forma
sistemática
Sesgo de falta de cooperación

En los estudios experimentales que
requieren cooperación del paciente, la
eficacia de la maniobra va a afectarse por el
grado de cooperación del paciente. Por
ejemplo, son los pacientes de alto riesgo
coronario los que abandonan los programas
de rehabilitación
Sesgo de la personalidad del terapista

Cuando el tratamiento no es ciego, las
convicciones del investigador acerca de la
eficacia del tratamiento pueden afectar
sistemáticamente tanto los resultados como
la evaluación de los mismos
Sesgo al evaluar la exposición y los
resultados


El hecho de que el investigador conozca el
diagnostico de los casos puede influenciar la
intensidad y los resultados de la búsqueda
de una exposición a la supuesta causa de la
enfermedad
Esta fuente de sesgo opera en aquellas
situaciones en que se conoce la causa de la
enfermedad
Sesgo al evaluar la exposición y los
resultados

Por ejemplo, estudios sobre cáncer de
tiroides en niños en donde la asociación con
exposición a radiación se investigo con
diferente intensidad
Sesgo al evaluar la exposición y los
resultados


En un estudio con 36 casos se investigo el
antecedente de exposición a radiación por un
interrogatorio rutinario; se encontró positivo
en el 28% de los casos
Cuando se interrogo en forma intencionada
el 47% de los casos reporto exposición

Otra fuente de sesgo es aquella en donde los
casos y los controles recuerden eventos
pasados y las preguntas sobre la exposición
se repiten varias veces con los casos y solo
una vez con los controles; la exactitud de la
información no será uniforme
Sesgo de instrumentación

Los defectos en la calibración y
mantenimiento de los instrumentos de
medición pueden llevar a desviaciones
sistemáticas de los valores reales
Sesgo al analizar la información

El excluir los valores extremos (“mentirosos”)
no esta justificado desde el punto de vista
estadistico y puede introducir sesgo
Sesgo al interpretar el análisis de los datos

Sesgo de la significancia estadística

el confundir la significancia estadística con la
significancia biológica clínica o de salud publica
pueden llevar a estudios estériles o conclusiones
inútiles
Sesgo al evaluar la exposición y los
resultados