El proceso de medición es algo con lo que toda la vida el médico se va a relacionar; sin embargo, es importante hablar y mencionar algunos de los errores más comunes durante este proceso.
Lo que buscamos durante la medición es la validez (exactitud, certeza y/o conformidad) y la confiabilidad (precisión, reproducibilidad, consistencia y/o repetibilidad); no obstante, muchas veces por distintas circunstancias (características del sujeto o de los sujetos que se están midiendo, calibración del instrumento de medición, aleatorización de la muestra, estandarización del sujeto que está realizando la medición, etcétera), no siempre se cumplen estas características, y es en estos casos donde se pueden originar los distintos errores en el proceso de medición.
Tipos de error y de sesgo
La investigación científica siempre va a estar expuesta a algún tipo de error; sin embargo, el investigador debe hacer todo lo que esté en sus manos para evitar incurrir en alguno de estos errores; tenemos principalmente dos tipos:
Ejemplo:
Imagina que un médico y/o investigador desea realizar un estudio sobre obesidad en la alcaldía de Coyoacán. Algunas de las primeras cosas que tendría que definir serían: la forma en la que van a obtener el número de pacientes que deben estudiar, las características que deben cumplir las personas para incluirlas en el estudio y los instrumentos de medición que deben utilizar.
Una vez que se tenga definido el instrumento con el que se realizará la medición (estadímetro), tanto los médicos y/o investigadores deben saber emplear correctamente el instrumento.
Al principio del estudio, muy probablemente algunos médicos y/o investigadores no medirán correctamente el peso de los pacientes, debido a que apenas se están familiarizando con el uso del estadímetro; por lo tanto, los registros del peso corporal obtenidos serán erróneos. Como te puedes dar cuenta, en estas mediciones se está cometiendo el “error aleatorio”; en otras palabras, el error recae en quien realiza dicha medición.
Este tipo de error es muy difícil de predecir; sin embargo, la única manera en la que se puede hacer evidente es comparando los registros del peso que obtuvieron el médico y/o el investigador con los registros obtenidos por otros colegas en los mismos pacientes.
En este ejemplo, la única manera en la que se puede reducir este tipo de error “es estimando correctamente el tamaño de la muestra; a mayor tamaño de muestra, menor variabilidad y, por tanto, mayor probabilidad de que los resultados encontrados reflejen la realidad (ya que este se parecería más a la población)” (Villa, Moreno y García, 2012).
Es el error que principalmente podemos encontrar durante la recolección de la información, en el análisis de los datos, en la interpretación de los resultados, etcétera.
Algo importante que debemos mencionar es que este tipo de error es al único que le llamaremos sesgo.
Ejemplo:
Vamos a continuar con el ejemplo anterior. Únicamente que para el error de tipo sistemático vamos a suponer que todos los médicos y/o investigadores sí sabían utilizar correctamente el estadímetro; ahora, la variación está en el propio instrumento de medición.
Supongamos que el estadímetro presenta variaciones en la escala de los centímetros, y que falta algún número en dicha escala. Esto estaría produciendo un error de tipo sistemático, debido a que cualquier persona que realice la medición con el mismo estadímetro, cuya escala de centímetros es incorrecta, siempre va a estar cometiendo exactamente el mismo error.
Este tipo de error no lo podemos corregir aumentando el tamaño de la muestra, debido a que lo que está mal es el propio instrumento de medición; es decir, la variabilidad recae en la escala errónea de los centímetros del estadímetro.
La siguiente figura es una manera de representar los errores de tipo aleatorio y sistemático.
Tipos de error
De acuerdo con Villa (Villa, Moreno y García, 2012), la presencia de alguno de estos dos tipos de error puede poner en tela de juicio la validez y confiabilidad del fenómeno o efecto que estemos midiendo. Lo ideal es no contar con la presencia de alguno de estos errores. Cuando hay ausencia del error de tipo sistemático se puede asegurar que el estudio que se está realizando tiene validez.
Desafortunadamente, muchas veces esto no es posible, por lo que lo único que podemos hacer es reportar este tipo de errores.
Dependiendo de la etapa del estudio en que se originan los sesgos, se subclasifican en tres grupos:
| Tipos de sesgo | ¿En qué consiste? |
| Selección | Son los errores que se introducen durante la selección o el seguimiento de la población en estudio. |
| Información | Son errores originados durante los procesos de medición en la población en estudio. |
| Confusión | Se originan por la imposibilidad de asignar la exposición de manera aleatoria en los estudios observacionales y básicamente se originan porque los grupos de estudio no son comparables. |
Adaptado de M. Hernández, F. Garrido y E. Salazar. (2000, septiembre-octubre). Sesgos en estudios epidemiológicos. Salud Pública de México, 42(5), 438-446.
Para evitar alguno de estos tipos de sesgo, es de vital importancia que el investigador sea muy cuidadoso en la planeación de cada uno de los pasos del estudio que va a realizar, ya que una vez presentándose estos sesgos es difícil hacerles frente.
A continuación, se describe a mayor detalle cada uno de los sesgos:
A continuación, se presentan algunos sesgos de selección comunes en la investigación clínica:
Sesgos de selección comunes
Es frecuente en los estudios de casos y controles; sobre todo en aquellos en los que los casos se toman de los pacientes que están hospitalizados. Dado que la muestra a estudiar únicamente se toma del nosocomio y no de la población en general, los sujetos de estudio no son representativos de toda la población. Es decir, los resultados obtenidos a partir de este estudio no describirían el comportamiento del fenómeno estudiado en la población general.
También se le denomina “falacia de Neyman” o sesgo de prevalencia e incidencia. Éste se origina por analizar en conjunto los casos prevalentes y los casos incidentes, muchas veces originado por un retraso en el diagnóstico de alguna enfermedad, lo que obliga, indirectamente, a analizarlos de la misma manera o al mismo tiempo.
También se le denomina sesgo de efecto voluntario; como su propio nombre lo dice, se origina por la poca o falta de respuesta de los sujetos a estudio, esto debido a que tal vez no recuerdan la información que les estamos solicitando. Por ejemplo, al preguntarle a un adulto mayor lo que comió el día de ayer, tal vez no recuerde esta información o simplemente no quiera brindar la información que le estamos solicitando.
También se le denomina sesgo de membresía; este tipo de sesgo se comete cuando el grupo de sujetos a estudiar comparte una o más características y/o factores de riesgo. Si solamente se hace el estudio en dicho grupo de sujetos, no significa que lo que obtengamos tenga un comportamiento similar con el de la población en general.
Este tipo de sesgo proviene principalmente por falta de definiciones específicas de las variables de estudio o por procedimientos erróneos en la recolección de los datos; es decir, este tipo de sesgo proviene principalmente durante el proceso de medición, como tal.
Es más frecuente que lo encontremos en los estudios de cohorte y en los de casos y controles.
A su vez, este tipo de sesgo se puede originar a partir del entrevistador y del entrevistado; el primero dependerá de la manera en la que el entrevistador recolecta la información; y el segundo se origina por la calidad de la información que brinda el entrevistado.
Tipos de sesgo de información originados por el entrevistador
Es aquel sesgo que se origina al hacer una medición errónea de las variables que nos interesan con el mismo instrumento de medición entre los grupos a estudiar. La probabilidad de mala clasificación es la misma para todos los sujetos de ambos grupos de estudio.
Por ejemplo, al querer investigar la estatura de un conjunto de sujetos, el sesgo de información no diferencial podría originarse utilizando un mismo instrumento de medición para todos los individuos estudiados y que este instrumento estuviese mal calibrado o tuviera mal colocada la escala a utilizar, etcétera (tal como sucedió en el ejemplo introductorio).
Este tipo de error se produce cuando el proceso de medición es distinto para los grupos que estamos estudiando.
Por ejemplo, al querer investigar la estatura de un conjunto de sujetos, el sesgo de información diferencial podría originarse utilizando distintos instrumentos de medición para cada uno de los individuos estudiados; es decir, para un individuo utilizar un estadímetro, para otro individuo utilizar una cinta métrica, para otro individuo utilizar un metro de madera, etcétera. Esto estaría ocasionando una medición errónea y no comparable.
A partir del sesgo diferencial se desprenden:
De todos los sesgos que existen, éste es uno de los más complicados, pero no difícil de entender. La confusión es un fenómeno con el que comúnmente estamos relacionados; por ejemplo, cuando se estudian los factores de riesgo que pueden originar el cáncer pulmonar en algún paciente, nos enfrentamos con este tipo de sesgo al tener la necesidad de discernir entre los factores que verdaderamente participan en el desarrollo de esta patología.
Podríamos mencionar que algunos de los factores que pueden participar en el desarrollo de cáncer pulmonar son el tabaquismo y la contaminación, sólo por mencionar algunos factores de riesgo.
Sesgo de confusión
Al hacer mención a estos dos factores de riesgo, ¿verdaderamente los dos participan en el desarrollo de la enfermedad en cuestión o existe la presencia de algún sesgo de confusión?
Para poder responder a estas preguntas, es necesario que definamos las características que debe cumplir una variable para que se considere confusora:
En pocas palabras, podríamos decir que el sesgo de confusión se refiere a la mezcla del efecto de una variable externa con los de la exposición y la enfermedad de interés. A su vez, puede traer como consecuencia una sobre o subestimación de la asociación real.
Retomando el ejemplo que utilizamos:
Sesgo de confusión
Podríamos concluir que la variable tabaquismo es un factor de riesgo asociado directamente con el cáncer pulmonar; está asociada con la exposición en estudio y forma parte de la cadena causal de esta relación.
En cambio, la contaminación efectivamente es un factor de riesgo para el desarrollo de cáncer pulmonar; se puede asociar con la exposición en estudio, pero no es su consecuencia directa y ésta no forma parte de la cadena causal o de la evolución del cáncer pulmonar.
Por lo tanto, podemos afirmar que en este ejemplo hay un sesgo de confusión originado por la variable contaminación, la cual consideramos como una confusora.
Antes de hablar de la manera en la que se le puede hacer frente a cada uno de estos sesgos, es importante hablar del efecto de interacción.
Se refiere a aquellas variables o “valores que cambian la intensidad o el sentido de la relación entre el factor de estudio (exposición) y la variable dependiente (respuesta)” (Aguayo, 2007, p. 1).
La interacción, a diferencia de la confusión, no produce ningún sesgo; únicamente puede ampliar o disminuir el efecto que estamos estudiando. Para explicar más a detalle lo que es la interacción, utilizaremos el siguiente ejemplo:
La tuberculosis pulmonar es una enfermedad todavía muy frecuente en nuestra población; aunado a esto, la resistencia bacteriana está agravando este problema de salud.
Para que se presente esta enfermedad es necesario que estemos expuestos primeramente a la Mycobacterium tuberculosis, pero no es el único factor de riesgo que produce la enfermedad. Si una persona se expone a la bacteria, por ejemplo, por ser personal de salud, pero hace ejercicio, come saludablemente, no vive en hacinamiento, no fuma, no consume alcohol, no tiene conductas de riesgo, su sistema inmune es adecuado, etcétera; tiene muy baja probabilidad de desarrollar dicha enfermedad. En este caso, el estar expuesto a la bacteria, es un factor de riesgo primordial, pero tener conductas saludables, como las siete que describimos, hace que se disminuya el efecto que pudiera ocasionar la Mycobacterium tuberculosis, pues en este caso las siete variables de las que hablamos tienen un efecto antagonista, es decir, no potencializan el efecto de la presencia de la bacteria.
Por el contrario, si una persona se expone a la bacteria por tener algún familiar con tuberculosis y no hace ejercicio, no come saludablemente, vive en hacinamiento, fuma, consume alcohol, tiene otras conductas de riesgo, su sistema inmune está deprimido, etcétera; tiene una probabilidad muy alta de desarrollar dicha enfermedad. En este caso, estar expuesto a la bacteria es un factor de riesgo primordial y tener conductas nada saludables, como las siete que describimos, hace que se potencialice el efecto que pudiera ocasionar la Mycobacterium tuberculosis. Estas variables tienen un efecto sinergista, es decir, potencializan el efecto de la presencia de la bacteria y por lo tanto hacen que desarrollen la enfermedad.
Si somos estrictos, en este caso todos los factores de riesgo que describimos forman parte de la cadena causal de la tuberculosis.
Hassan, M. (2018). Tos [ilustración]. Tomada de https://pxhere.com/es/photo/1509031
Evidentemente, el investigador siempre estará expuesto a desarrollar alguno de los sesgos que hemos mencionado en cualquiera de los pasos de la investigación. Además, se debe mencionar que a veces es imposible corregir alguno de estos sesgos; sin embargo, es importante reconocerlos y reportarlos correctamente para un análisis posterior.
Cuando estamos ante un error de tipo aleatorio es importante aumentar el tamaño de la muestra, para disminuir el grado del error.
Sin embargo, cuando estamos hablando de algún sesgo, no lo vamos a poder corregir aumentando el tamaño de la muestra. Dependiendo del tipo de sesgo, es la manera de afrontarlo; únicamente se hablará en breve de alguna de las técnicas.
Algunas técnicas para corregir los sesgos son:
A manera de conclusión es importante que recuerdes cómo organizamos a los tipos de error y de sesgo:
Como puedes observar, a lo largo de tu desarrollo académico has estado expuesto indirectamente a alguno de los tipos de sesgo que hemos mencionado.
Desarrollo: Con base en la descripción de estos tipos de sesgo, distingue a cuál se hace referencia en cada descripción.
Durante el proceso de investigación, ya sea de algún fenómeno de interés o al querer llegar a un diagnóstico certero en un paciente, el médico debe realizar distintas mediciones que pueden presentar distintos tipos de sesgo, los cuales afectan las decisiones que tomas en el caso de un diagnóstico o las conclusiones y la interpretación a las que llegarás tras consultar la literatura científica.
Fuentes de información
Bibliografía
Argimon, J. y Jiménez, J. (Eds.). (2013). Métodos de investigación clínica y epidemiológica (4.ª ed.). Barcelona: Elsevier.
Dawson, B. & Trapp, R. (2004). Basic & Clinical Bioestatistics (4th ed.). Unites States of America: McGraw-Hill.
Fletcher, R., Fletcher, S. y Fletcher, G. (2016). Riesgo: exposición a la enfermedad. Epidemiología clínica, pp. 73-74. Barcelona: Wolters Kluwer.
Hernández, M., Garrido, F. y Salazar, E. (2000, septiembre-octubre). Sesgos en estudios epidemiológicos. Salud Pública de México, 42(5), 438-446.
Kleinbaum, D., Kupper, L. & Morgenstern, H. (1982). Epidemiology Research. United States of America: John Wiley & Sons, Inc.
Villa, A., Moreno, L. y García, G. (2012). Sesgo o error de medición. En Epidemiología y estadística (pp. 151-163). Ciudad de México: McGraw-Hill.
Documentos electrónicos
Aguayo, M. (2007). Confusión e interacción (1): Qué son, qué suponen y cómo manejarlas en el análisis estratificado (pp. 1-8). Consultado el 23 de mayo de 2019 de http://www.fabis.org/html/archivos/docuweb/Confu_Inter_1r.pdf
Colimon, K. (1990). Variables epidemiológicas. En Fundamentos de epidemiología (pp. 19-30). Madrid: Díaz Santos, S. A.
Cómo citar
Robles, V. y Zepeda, C. (2020). Sesgos en la investigación médica. Unidades de Apoyo para el Aprendizaje. CUAIEED/Facultad Medicina-UNAM. (Vínculo)
