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 beben.

La asociación entre el consumo de café y las cardiopatías puede representarse con una flecha que apunta desde la exposición al resultado.

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 hicieron.

Por lo tanto, el riesgo de cardiopatía para las personas que fuman es 4 veces mayor en comparación con las personas que no fuman.

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 cardiopatía.

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 cardiopatías.

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.