Confusión

Un factor de confusión es una variable en un estudio que distorsiona la verdadera relación entre una exposición y un resultado, de modo que parece que la exposición y el resultado están más o menos asociados de lo que realmente están.

Suponga, por ejemplo, que escucha en las noticias que el consumo de café está vinculado con el desarrollo de enfermedades cardíacas y, como bebe mucho café, decide realizar un estudio para comprobar si es cierto.

En primer lugar, recluta a 100 personas bebedoras de café y a 100 que no lo hacen, las somete a seguimiento durante diez años y luego compara el número de personas que desarrollaron enfermedades cardíacas en cada grupo.

Ante todo debe reconocerse que hay que amar de verdad el café y ser bastante rico para pasarse diez años estudiándolo a golpe de talonario.

Digamos que la proporción de personas que desarrollan una cardiopatía en el grupo que bebe café es de 50 de cada 100, o el 50%, y la proporción que desarrollan una cardiopatía en el grupo que no bebe café es 20 de cada 100, o el 20% Comparando el 50% y el 20%, se obtiene un riesgo relativo de 2,5, lo que significa que el riesgo de desarrollar una cardiopatía para las personas que beben café es 2,5 veces mayor que en las personas que no lo bebe La asociación entre el consumo de café y las cardiopatías puede representarse con una flecha que apunta desde la exposición al resultad La flecha indica una posible relación causal, es decir, que el consumo de café puede provocar el desarrollo de cardiopatías.

Pero, ¿el consumo de café provoca realmente cardiopatías? Tal vez, o acaso exista una misteriosa tercera variable, como el tabaquismo, que está confundiendo la relación, o haciendo que parezca que hay un vínculo cuando realmente no sucede así.

Para que se considere que existe un factor de confusión deben cumplirse dos condiciones. La primera condición es que una variable tiene que estar asociada a la exposición, es decir, que se observe que la variable se da con una frecuencia significativamente mayor en un grupo que en el otro Así que en este caso, las personas que fuman tendrían que ser más o menos propensas a beber café en comparación con las personas que no fuman.

Por ejemplo, 45 personas, o el 45%, en el grupo que bebía café fumaban, en comparación con 5 personas, o el 5%, en el grupo que no bebía café, por lo que las personas que fumaban son 9 veces más propensas a beber café que las que no fuman.

Supongamos que fumar cigarrillos hace que la gente tenga ganas de café, por lo que el 90% de las personas que fuman también beben café, mientras que solo el 50% de las que no fuman beben además café.

Esta relación puede representarse con una flecha que apunta del tabaquismo al consumo de café, ya que las personas que fuman son más propensas a beber café que las que no fuman.

La segunda condición es que un factor de confusión tiene que estar asociado con el resultado, por lo que el tabaquismo tendría que estar asociado con el desarrollo de cardiopatías En nuestro estudio, de las 50 personas que fumaban, 40 personas, el 80%, desarrollaron cardiopatías, y 10 personas, el 20%, no lo hiciero Por lo tanto, el riesgo de cardiopatía para las personas que fuman es 4 veces mayor en comparación con las personas que no fum Dado que el tabaquismo daña el revestimiento de los vasos sanguíneos, es lógico que las personas que fuman tengan más probabilidades de desarrollar cardiopatías que las que no fuman.

Esta relación puede representarse dibujando una flecha desde el tabaquismo hasta la cardiopatía, ya que un aumento del tabaquismo conduce a un incremento de la cardiopatí Así, observando el diagrama, podemos ver que un aumento del tabaquismo lleva a un aumento del consumo de café y a una mayor aparición de cardiopatía Así que, aunque parezca que existe una relación entre ambas variables, es difícil saber si las cardiopatías dependen o no del café, ya que el riesgo de padecerlas también depende de si una persona fuma o no cigarrillos.

En algunos casos, la misteriosa tercera variable tiene una relación diferente con la exposición; en concreto, está causada por la exposición.

En ese caso, la variable puede considerarse un mediador. Por ejemplo, supongamos que queremos estudiar la relación entre la obesidad y las cardiopatías, y digamos que los valores de colesterol son la tercera variable.

Un aumento de la obesidad se asocia normalmente con un aumento del colesterol, y un aumento del colesterol suele relacionarse con un mayor riesgo de cardiopatía.

La razón por la que el colesterol no es un factor de confusión en esta situación es porque el simple hecho de aumentar el colesterol de una persona no cambia necesariamente su peso, por lo que el colesterol no influye en la obesidad.

Así que, en este caso, podríamos retirar el colesterol del diagrama y seguiríamos viendo la verdadera asociación entre la obesidad y las cardiopatías.

La confusión suele producirse cuando los dos grupos que se comparan no son similares entre sí, por ejemplo, si hay más fumadores en un grupo que en el otro.

Al diseñar el estudio se pueden utilizar tres métodos para asegurarse de que los dos grupos de estudio son similares: la aleatorización, la restricción de la población de estudio y el emparejamiento.

Los ensayos controlados aleatorizados utilizan una herramienta llamada aleatorización, lo que significa que las personas son seleccionadas para cada grupo de estudio mediante un proceso de azar.

Utilizando la aleatorización, hay una probabilidad bastante alta de que cada grupo tenga características similares. Desgraciadamente, puede ser poco ético asignar a las personas a beber café o a no beberlo si existe la posibilidad de que el consumo de café aumente el riesgo de cardiopatía, por lo que no es posible utilizar la aleatorización en todos los estudios.

Los estudios de cohortes y los estudios de casos y controles no asignan aleatoriamente a las personas a los grupos de tratamiento, pero pueden evitar la confusión de otras maneras.

Por ejemplo, pueden restringir la población de estudio a solo determinadas características. Así, si se sabe que el tabaquismo es un factor de confusión para la relación entre el consumo de café y el desarrollo de cardiopatías, se podría optar por incluir solo a las personas que no fuman.

De este modo, si existe una asociación entre el consumo de café y las cardiopatías, sabemos que no se debe a una diferencia en los hábitos de fumar entre los dos grupos.

Otra técnica utilizada para controlar los factores de confusión en los estudios de casos y controles es el emparejamiento.

En esta alternativa se emparejan los casos (las personas que tienen el resultado, como la cardiopatía) y los controles (las que no tienen el resultado, como la ausencia de cardiopatía) en función de determinadas características, como la edad, el sexo, la raza, el estatus socioeconómico o la ocupación.

Por ejemplo, en lugar de empezar con un grupo de personas que fuman o no fuman y hacerles un seguimiento durante diez años, podríamos partir de un grupo de personas que tienen o no tienen cardiopatías, y medir la proporción de personas de cada grupo que fuman y no fuman.

Es posible emparejar individualmente, como incluir a una persona que fuma en el grupo con cardiopatía por cada persona que fuma en el grupo sin cardiopatía Como alternativa, se puede emparejar por frecuencia, de modo que la proporción de controles con una determinada característica sea idéntica a la proporción de casos con la misma característica; por ejemplo, si incluyéramos 30 hombres y 20 mujeres en el grupo con cardiopatía, introduciríamos en el grupo 30 hombres y 20 mujeres sin cardiopatía.

También es posible controlar los factores de confusión en la fase de análisis mediante el emparejamiento. Por ejemplo, podría emparejar a cada persona que fumaba en el grupo que desarrolló una cardiopatía con una persona que fumaba en el grupo sin cardiopatía.

Sin embargo, este enfoque puede conllevar un problema cuando el número de personas que cumplen los criterios en un grupo es bajo, por ejemplo, si en el grupo sin cardiopatía hubiera solo 2 personas fumadoras.

Si se empareja a esas 2 personas con otras 2 del grupo con cardiopatías, solo se podría analizar la información de un total de 4 personas, un tamaño de muestra realmente pequeño Otra forma de controlar los factores de confusión durante la fase de análisis es la estratificación, es decir, la realización de análisis separados para cada estrato o nivel del factor de confusió Por ejemplo, el tabaquismo tiene dos estratos básicos: sí o no.

Así, cuando se analiza la relación entre el consumo de café y las cardiopatías, podrían hacerse dos cálculos distintos: uno para las personas que fuman y otro para las que no fum A continuación, se compararían los riesgos relativos de ambos cálculos estratificados, así como el riesgo relativo no estratificado del estudio original.

Por regla general, si los riesgos relativos en cada estrato son diferentes del riesgo relativo bruto o no estratificado, pero iguales entre sí, entonces se sabe que hay confusión Por ejemplo, el riesgo relativo bruto de nuestro ejemplo fue de 2,5.

Ahora, para calcular los otros dos riesgos relativos, estratificaremos los resultados en las 50 personas que fumaban y las 150 que no lo hacían.

De las personas del estudio que fumaban, 20 tomaban café y 30 no De los bebedores de café, 10 de ellos (el 50%) desarrollaron cardiopatías, y de los que no bebían café, 12 (el 40%) también presentaron cardiopatías.

Como las proporciones son iguales, el riesgo relativo es de 1,25. Es posible hacer un cálculo similar con el otro estrato, el grupo de no fumadores.

De las 150 personas del estudio que no fumaban, 80 tomaban café y 70 n De las 80 personas que tomaban café, 32 de ellas (el 40%) desarrollaron cardiopatías; de que no beben café, 21 (el 30%) también tuvieron cardiopatías.

En este caso, el riesgo relativo es de 1,3, muy similar al riesgo relativo del grupo que no fumaba. La media de estos dos riesgos relativos es de 1,29, lo que se denomina riesgo relativo ajustado.

Un riesgo relativo ajustado de 1,29 significa que las personas que beben café tienen 1,29 veces más riesgo de padecer una cardiopatía en comparación con las personas que no beben café, independientemente de si fuman o no.

Por último, en algunos casos, existen varias variables que confunden una relación. Por ejemplo, la relación entre el consumo de café y las cardiopatías podría verse confundida por el tabaquismo, y también por la edad, porque las personas mayores suelen beber más café y tienen un mayor riesgo de padecer cardiopatías, y por el sexo, ya que los hombres tienden a beber más café que las mujeres, y además presentan un mayor riesgo de padecer cardiopatí Estratificar múltiples factores de confusión de forma manual puede ser muy complicado, por lo que aquí es donde los modelos estadísticos, como la regresión lineal o la regresión logística, pueden ser útiles.

##Resumen Como breve resumen, los factores de confusión distorsionan la verdadera relación entre una exposición y un resultado, por lo que parece que la exposición y el resultado se encuentran más o menos asociados de lo que realmente están.

Un factor de confusión tiene que ser la causa de la exposición o estar asociado con ella, y ha de estar asociado con el resultado Se pueden controlar los factores de confusión en la fase de diseño de un estudio mediante la aleatorización en los ensayos controlados aleatorizados, la estratificación en los estudios de cohortes o de casos y controles y el emparejamiento en los estudios de casos y c ontroles.

También es posible controlar los factores de confusión en la fase de análisis de un estudio emparejándolos, estratificándolos o añadiéndolos a los modelos estadísticos mediante programas informáticos.