| 29 | Capítulo
Sesgos
Los sesgos se definen como errores sistemáticos
que se introducen en un estudio y que dan como
resultado una estimación incorrecta (sesgada) del
parámetro o del efecto de interés. Por lo tanto, la
ausencia de errores sistemáticos, o sesgos, confiere
validez interna a un estudio.
A grandes rasgos, los sesgos se pueden deber a la
forma en que se seleccionan los sujetos de estudio
(sesgos de selección) o a la manera en que se recoge
la información (sesgos de información).
Una vez que aparece un sesgo no puede eliminarse
en el análisis, a diferencia de lo que ocurre con los
factores de confusión. Por esta razón, es fundamental
prevenir su aparición en la fase de diseño. Sin embar-
go, en la fase de interpretación es bueno volverse a
formular las mismas preguntas que se hicieron en los
inicios del estudio, cuando se escogió la población y
las variables que iban a ser medidas (tabla 29.1), lo que
ayudará a detectar posibles errores que hayan pasado
desapercibidos mientras el estudio se llevaba a cabo y
que pueden ser útiles para discutir los resultados.
Cuando se interpreta un estudio, debe explorarse la
posible presencia de sesgos como una explicación al-
ternativa a los resultados observados. Para ello hay que
tener en cuenta el tipo de estudio y las características es-
pecíficas de su diseño, si los sesgos son de selección y/o
información, y, en este último supuesto, si se trata de
un error diferencial o no diferencial. No interesa sólo
saber si ha introducido un sesgo, sino también conocer
su posible efecto sobre los resultados observados.
SESGOS DE SELECCIÓN
En los estudios transversales, la forma en que se
selecciona la muestra de sujetos o la presencia de
no respuestas pueden introducir sesgos de selección.
272
En los estudios longitudinales analíticos, los sesgos
de selección se presentan, principalmente, en los
estudios de casos y controles, y en los estudios re-
trospectivos de cohortes, donde tanto la exposición
(factor de estudio) como la enfermedad (respuesta)
han ocurrido en el momento de iniciarse el estudio.
En los estudios de casos y controles, los sesgos de se-
lección pueden ocurrir cuando la identificación de
los individuos para su inclusión en el estudio se basa
en criterios distintos según se trate de casos o de con-
troles y, además, estos criterios están relacionados
con la exposición en estudio. Análogamente, en
los estudios de cohortes, si la clasificación de los
individuos en «expuestos» y «no expuestos» depende
del desarrollo de la enfermedad de interés, también
se producirá un sesgo de selección.
Por el contrario, es menos frecuente que se produz-
can en los ensayos clínicos aleatorios, ya que el único
factor que interviene en la asignación de los individuos
a los grupos de estudio es el azar. De todos modos,
en los estudios prospectivos, ya sean de cohortes o
ensayos clínicos, las pérdidas durante el seguimiento
pueden dar lugar a un sesgo de selección.
Los sesgos de selección pueden ocurrir en nume-
rosas circunstancias, relacionadas con la forma de
identificar y seleccionar a los individuos para un
estudio (cuadro 29.1).
Selección del grupo control
Los estudios analíticos se basan en que el grupo de
estudio y el de referencia son comparables por las
variables pronósticas o predictoras de la respuesta, de
forma que sólo difieren en la presencia o no del factor
de estudio (principio de comparabilidad). En los en-
sayos clínicos aleatorios, la asignación aleatoria de los
sujetos a los grupos de estudio tiende a asegurar esta
© 2013. Elsevier España, S.L. Reservados todos los derechos

Tabla 29.1 Preguntas que se han de formular para evaluar la presencia de un sesgo
Pregunta Tipo de sesgo si la
respuesta es negativa
¿Todos los participantes tienen Sesgo de selección
la misma probabilidad de haber
recibido la intervención o haber
estado expuestos al factor de
estudio?
¿Los individuos que se pierden Sesgo de selección que limita la
tienen la misma probabilidad de comparabilidad final del estudio
desarrollar la respuesta que los
que finalizan el estudio?
¿La detección de la respuesta se Sesgo de información
ha hecho con las mismas pruebas
y con la misma intensidad en
todos los participantes?
¿La medición de la variable de Sesgo de información
respuesta es sensible y específica?
Cuadro 29.1 Situaciones en las que puede
haberse introducido un sesgo
de selección en un estudio
•฀ Selección฀del฀grupo฀control
•฀ Pérdidas฀de฀seguimiento
•฀ Supervivencia฀selectiva
•฀ Muestra฀no฀representativa฀de฀la฀población฀
de estudio
•฀ Sesgo฀de฀detección
•฀ Participación฀de฀voluntarios฀o฀efecto฀
de autoselección
© Elsevier. Fotocopiar sin autorización es un delito.
comparabilidad al inicio del estudio, mientras que
este principio es más difícil de asegurar en los estudios
observacionales, especialmente en los diseños de casos
y controles y en los retrospectivos de cohortes.
Ejemplo 29.1. Consideremos un estudio retrospec-
tivo de cohortes que trataba de analizar el efecto de
un programa de educación para diabéticos sobre el
control metabólico de la enfermedad. Para ello los in-
vestigadores incluyeron en el grupo de estudio 40
individuos que cumplían los siguientes requisitos:
a) haber sido tratados por primera vez en su centro
entre 1994 y 1996; b) haber cumplido los cinco apar-
tados de los que constaba el programa de educación,
y c) haber cumplido con las visitas de seguimiento. El
grupo control se formó contactando telefónicamente
Sesgos Capítulo | 29 |
Observaciones
En los ensayos clínicos se previene
con la asignación al azar
En los estudios observacionales
se previene siguiendo unos
criterios de selección y exclusión
muy estrictos
Hay que conocer los motivos
y estudiar una muestra de los que
se pierden para poder contestar
a la pregunta y poder interpretar
los resultados
Emplear técnicas
de enmascaramiento
Dar resultados falsos negativos
(atenúa la asociación)
En algunas ocasiones puede
estimarse su magnitud o corregirse
una vez finalizado el estudio
de manera consecutiva con aquellas personas de su
lista de pacientes que cumplían las siguientes con-
diciones: a) haber sido tratados por primera vez en
su centro entre 1994 y 1996; b) haber rechazado el
programa de educación, y c) haber acudido o no a
las visitas de seguimiento.
En este estudio se observó que los individuos
que habían recibido el programa poseían un mejor
control metabólico que la cohorte de referencia.
Sin embargo, no se podía asegurar que ello fuera
debido a haber recibido el programa de educación.
Al revisar los criterios de selección de ambos grupos,
puede observarse que son diferentes, ya que el grupo
control está formado por sujetos que habían re-
chazado el programa de educación y que podían
no haber acudido a las visitas de seguimiento. Así
pues, estos dos hechos parecen indicar que el grupo
de referencia podría estar formado por individuos
menos motivados por su enfermedad que los del
grupo de estudio, de forma que podría ser esta di-
ferente motivación la que les hubiera conducido a
un peor control de la diabetes, independientemente
del efecto del programa de educación. Este ejemplo
pone de manifiesto la dificultad que existe en los
estudios retrospectivos para evaluar determinadas
prácticas preventivas o exposiciones, debido a la
introducción de sesgos de selección.
La elección de un grupo de comparación adecuado
que evite los sesgos de selección es particularmente
273
Parte |4| Interpretación de resultados
difícil en los estudios de casos y controles. La se-
lección de los sujetos del grupo control ha de ser
independiente de la historia de exposición, y debe
excluir aquellos individuos que tengan enfermeda-
des relacionadas de forma positiva o negativa con la
exposición. Por otro lado, también se recomienda
incluir pacientes con diferentes patologías como
grupo control, y comprobar que las frecuencias de
exposición son similares entre ellas. La finalidad
de esta estrategia es que, si alguna de las patologías
seleccionada está asociada de forma positiva o ne-
gativa con la exposición, su influencia dentro del
grupo control sea pequeña.
Pérdidas de seguimiento
En los estudios prospectivos, una de las principales
causas potenciales de sesgos de selección son las
pérdidas de individuos, o abandonos, producidas
durante el período de seguimiento. Cuando las per-
sonas que se pierden durante el seguimiento difieren
de las que no abandonan por variables relacionadas
con el factor de estudio y la variable de respuesta, se
producirá un sesgo en los resultados. La introduc-
ción de este sesgo dependerá de los motivos de la
pérdidas, más que de su número.
Ejemplo 29.2. Supongamos un estudio de cohortes
en el que se sigue un grupo de sujetos fumadores y
otro de no fumadores, para comparar en ellos la in-
cidencia de cáncer de pulmón. Durante el período de
estudio es muy probable que se produzcan pérdidas
de seguimiento con mayor frecuencia en la cohorte de
fumadores debido a la aparición de problemas de salud
relacionados con el consumo de tabaco (p. ej., un ma-
yor número de defunciones por infarto de miocardio).
Si no se tiene en cuenta este hecho, se producirá un
sesgo en la estimación del riesgo de cáncer de pulmón
asociado al consumo de tabaco, ya que probablemente
los sujetos más expuestos (más fumadores) habrán
presentado otros problemas de salud relacionados,
de forma que la incidencia de cáncer se estimará en
un grupo de sujetos que estarán menos expuestos que
la cohorte inicial.
Tabla 29.2 Resultados de un estudio hipotético en el que se compara la incidencia de cardiopatía
isquémica (CI) de dos cohortes de 1.000 sujetos, seguidas durante 10 años
Vivos con CI Muertos por CI
Expuestos 50 250
No expuestos 80 20
Total 130 270
274
Supervivencia selectiva
El sesgo de selección debido a la supervivencia selecti-
va se produce en los estudios en que se incluyen casos
prevalentes, es decir, sujetos que han sobrevivido a las
primeras fases de su enfermedad. Si la letalidad de
una enfermedad depende de la exposición (p. ej., si la
cardiopatía isquémica [CI] es más grave en los sujetos
que presentan más factores de riesgo), los casos pre-
valentes no serán representativos de todos los casos,
sino que presentarán menores niveles de exposición,
lo que puede conducir a una estimación sesgada de
la asociación. Además, los casos prevalentes pueden
haber cambiado sus hábitos en relación con la expo-
sición (p. ej., haber dejado de fumar tras un infarto
de miocardio), hecho que también conduciría a un
sesgo en los resultados.
Ejemplo 29.3. Supongamos un estudio de cohortes
en el que se incluyen 1.000 individuos expuestos
a un factor de riesgo (p. ej., hipertensión arterial)
y 1.000 no expuestos. Ambos grupos son seguidos
durante 10 años con el fin de comparar las tasas de
incidencia de CI observadas en cada uno de ellos. Los
resultados a los 10 años se presentan en la tabla 29.2.
El riesgo de CI sería tres veces mayor en los expuestos
que en los no expuestos (300 casos de CI entre los
expuestos y sólo 100 entre los no expuestos).
Supongamos ahora que, en lugar de haberse lle-
vado a cabo este estudio, se hubiera realizado un
estudio de casos y controles 10 años después, selec-
cionando los casos prevalentes (supervivientes). Por
lo tanto, se incluirían como casos los sujetos vivos
con CI (primera columna de resultados de la tabla),
y como controles, los vivos sin CI (tercera columna
de resultados de la tabla). En este estudio hipotético,
la estimación del riesgo de CI sería OR = (50 × 900)/
(700 × 80) = 0,80. Dado que la OR es inferior a 1,
este resultado parece sugerir que la hipertensión
arterial habría actuado como un factor protector de
la CI. Por estos motivos, en los estudios de casos y
controles sobre una enfermedad con elevada morta-
lidad deben utilizarse siempre casos incidentes.
Vivos sin CI Total
700 1.000
900 1.000
1.600 2.000

Muestra no representativa
de la población de estudio
La selección de una muestra no representativa es una
causa frecuente de sesgo de selección en los estudios
transversales, aunque también puede presentarse en
los estudios analíticos. Se introduce en el proceso
de selección de la muestra a partir de la población de
estudio.
Ejemplo 29.4. Consideremos que se realiza un estudio
transversal para estimar la prevalencia de un problema
de salud (p. ej., hipercolesterolemia) en una comuni-
dad determinada. Si se selecciona la muestra a partir
de los individuos que acuden de forma espontánea a
los centros sanitarios públicos por cualquier motivo,
probablemente se obtendrá una estimación sesgada
de la prevalencia, ya que las personas que consultan
no son representativas de la población general, ni las
que lo hacen en centros públicos son comparables a
las que acuden a centros privados.
En este tipo de estudios debe identificarse clara-
mente la población de estudio y obtener una mues-
tra de ella mediante una técnica de selección que
tienda a asegurar su representatividad y prever es-
trategias para reducir el número de no respuestas.
Sesgo de detección
El sesgo de detección se produce cuando el procedi-
miento utilizado para identificar la presencia de la res-
puesta varía o se modifica según la presencia o la ausen-
cia del factor de estudio. Por ejemplo, en los estudios
de casos y controles, este sesgo podría presentarse si
los casos fueran individuos en los que la presencia
de enfermedad hubiera tenido mayor probabilidad de
diagnosticarse por la presencia de la exposición.
© Elsevier. Fotocopiar sin autorización es un delito.
Ejemplo 29.5. Un ejemplo clásico de este tipo de
sesgo es el estudio sobre el riesgo de tromboembolia
pulmonar (TP) asociado al uso de anticonceptivos
orales (AO). En el primer estudio de casos y con-
troles publicado sobre esta asociación (Sartwell
et al, 1969) se discutió que una posible explicación
era el hecho de que algunos médicos conocían la
hipótesis de trabajo y, en consecuencia, las mujeres
que tomaban AO tenían mayor probabilidad de
ser ingresadas con el diagnóstico de TP y, además,
podían haber sido sometidas a un mayor número
de pruebas para diagnosticar o descartar la enfer-
medad que las mujeres del grupo control. Si esto
hubiera sucedido realmente, la observación de una
mayor frecuencia de uso de AO en las mujeres con
TP podría explicarse, al menos en parte, porque la
Sesgos Capítulo | 29 |
hospitalización y la determinación del diagnóstico
habrían estado influidas por el uso de AO.
Participación de voluntarios o efecto
de autoselección
Cuando se decide utilizar voluntarios en un estudio,
debe tenerse en cuenta que pueden introducir un
sesgo, ya que estos sujetos habitualmente son dife-
rentes de los no voluntarios (autoselección). Si la
voluntad de participar está relacionada con factores
que pueden influir sobre la relación que se estudia,
la selección de este tipo de sujetos puede conducir
a una estimación sesgada.
Ejemplo 29.6. Un ejemplo de este tipo de sesgo es la
evaluación del efecto de la vacuna antipoliomielítica de
Salk. Se utilizaron dos diseños diferentes para valorar
la eficacia de la vacuna (Meier, 1978). En algunas co-
munidades se asignaron los niños al azar para recibir
la vacuna o una inyección de placebo. Sin embargo,
otras comunidades rehusaron participar en un ensayo
clínico aleatorio, pero estuvieron de acuerdo en que
la vacuna se podía administrar a los niños de familias
que mostraban su interés en recibirla y que los demás
podían servir de control. Al analizar los datos, los inves-
tigadores encontraron que las familias que aceptaron
voluntariamente la participación de sus hijos tenían un
nivel de estudios superior e ingresos económicos mayo-
res que los del grupo control. Aunque estas variables se
puedan controlar en el análisis, da idea de que ha exis-
tido una cierta selección por múltiples factores, algunos
de ellos no medidos, y que pueden sesgar la estimación
del efecto, en este caso, la eficacia de la vacuna.
Este proceso de selección puede producirse antes
de que los sujetos sean identificados para su inclu-
sión en el estudio. Por ejemplo, es bien conocido
que la mortalidad de los trabajadores en activo es
menor que la de la población de la misma edad y
el mismo sexo en su conjunto. Este efecto del traba-
jador sano se debe presumiblemente a un fenómeno
de autoselección, que permite a la gente que goza de
buena salud convertirse en (o mantenerse como) tra-
bajador en activo, en tanto que los que permanecen
desempleados, retirados, incapacitados o de algún
modo fuera de la población trabajadora activa son,
en general, un grupo que goza de menos salud.
SESGOS DE INFORMACIÓN
Se producen cuando la información sobre el factor
de estudio o la variable de respuesta es errónea o se
recoge de forma sistemáticamente diferente entre
275
Parte |4| Interpretación de resultados
los grupos de estudio. Son causas frecuentes el uso
de instrumentos de medida inadecuados o de de-
finiciones poco válidas o precisas de las variables,
los errores introducidos por los encuestadores o
por el personal que recoge la información, o errores
debidos a los propios participantes en el estudio,
como el sesgo de memoria. En el diseño del estudio
debe preverse su aparición, utilizando definiciones
e instrumentos de medida válidos y asegurando que
el personal que los aplica lo haga de igual forma en
los distintos grupos.
Cuando la finalidad de un estudio es la estima-
ción de un parámetro en una muestra de sujetos,
la presencia de un sesgo de este tipo conduce a la
obtención de un resultado no válido. En los es-
tudios analíticos, la introducción de un sesgo de
información conduce a una mala clasificación de los
sujetos respecto al factor de estudio o a la variable de
respuesta. Las consecuencias son diferentes según si
el error de clasificación respecto al estado de expues-
to o no expuesto en los estudios de casos y con-
troles (o de enfermo o no enfermo en los estudios
de cohortes) es o no independiente del estado de
enfermo o no enfermo (o expuesto o no expuesto,
en los estudios de cohortes). Cuando los errores
de clasificación no son independientes se habla de
mala clasificación diferencial, y cuando lo son, de mala
clasificación no diferencial.
Error de clasificación no diferencial
Cuando la proporción de sujetos clasificados erró-
neamente es similar en cada uno de los grupos
de estudio, se produce un error de clasificación
no diferencial. Un ejemplo de esta situación es el
empleo de una técnica poco sensible para medir la
exposición al factor de riesgo, que se aplica por igual
a los individuos de ambos grupos.
Todos los estudios de investigación clínica y epi-
demiológica tienen siempre algún grado de mala
clasificación de la exposición al factor de estudio
o de la variable de respuesta, ya que generalmente
es imposible utilizar un proceso de medición que
tenga a la vez un 100% de sensibilidad y un 100%
de esfecificidad.
Los errores de clasificación no diferenciales tien-
den a producir, aunque no siempre, una infraes-
timación de la verdadera diferencia o asociación,
es decir, que la estimación estará sesgada hacia la
unidad cuando se expresa en medidas relativas,
o hacia el cero si se expresa como una diferencia
absoluta. Por esta razón, para la validez de un es-
tudio estos errores suelen considerarse una amenaza
menor que los errores diferenciales. Sin embargo,
pueden ser un problema importante, ya que pueden
276
explicar algunas discrepancias entre los resultados de
diferentes estudios epidemiológicos.
El grado de infraestimación que producen depen-
de no sólo de la sensibilidad y la especificidad del
instrumento de medida utilizado, sino también de
la prevalencia de la exposición.
Ejemplo 29.7. Supongamos un estudio en que se
mide la exposición al factor de estudio con un ins-
trumento que tiene una sensibilidad del 90% y una
especificidad también del 90%, y en el que la pre-
valencia de exposición es del 50%. Si la verdadera
magnitud de la asociación entre la exposición y la
enfermedad fuera una odds ratio (OR) = 5, en el es-
tudio se observaría una OR = 3,29. Si la prevalencia
de exposición fuera del 1%, el valor de la OR obser-
vado en el estudio sería de 1,33.
Este hecho puede ser importante cuando se rea-
liza un ajuste por factores de confusión, ya que,
si la prevalencia de la exposición es diferente en
cada una de las categorías por las que se estratifica,
el efecto del error de medida será diferente en cada
una de ellas. En el ejemplo 29.7 puede verse que,
si la prevalencia de exposición fuera del 1% en una
categoría del factor de confusión y del 50% en la
otra, se obtendrían OR de 1,3 y 3,3, respectivamente,
lo cual daría la falsa impresión de que existe una
modificación de efecto, cuando en realidad la OR
es de 5 en ambas situaciones. Por lo tanto, si la
variable de confusión se ha medido sin error, pero
la exposición (o la respuesta) se ha medido inco-
rrectamente, los resultados deben interpretarse con
cautela, ya que pueden ser artefactos producidos por
el error de medida. Cuando es la propia variable de
confusión la que está sujeta a un error de medida
no diferencial, se puede observar la misma falsa
apariencia de modificación del efecto del factor de
estudio sobre la respuesta.
Otra posible consecuencia del error de medición
de una variable de confusión es que, al ajustar la es-
timación por dicha variable, puede quedar un efecto
de confusión residual.
Los ejemplos y comentarios anteriores ilustran los
peligros de la utilización de medidas de baja calidad,
no sólo a la hora de clasificar a los individuos según
su exposición al factor de riesgo o su estado de en-
fermedad, sino incluso de las variables de confusión
por las que se va a ajustar.
En la interpretación de los resultados de un es-
tudio que no ha observado un efecto, debe tenerse
en cuenta la posibilidad de que se haya introducido
un sesgo de clasificación no diferencial, para evaluar
en qué medida podría haber enmascarado un efecto
real. Por el contrario, tiene menos importancia en

estudios en los que se ha observado un efecto im-
portante, ya que este sesgo lo que produce es una
infraestimación del mismo. Consecuentemente, en
términos generales, no es correcto desdeñar un es-
tudio que ha observado un efecto simplemente por
el hecho de que exista un error de clasificación no
diferencial.
Error de clasificación diferencial
Los errores de clasificación diferencial pueden ir
tanto en la dirección de infraestimar la magnitud
de la asociación o de la diferencia, como en la de
sobrestimarla.
Un ejemplo de error de clasificación diferencial
es el denominado sesgo de memoria, que se produce
cuando los individuos con un determinado proble-
ma de salud recuerdan su historia de exposición de
forma distinta a cómo la recuerdan aquellos que no
tienen dicho problema. Suele producirse cuando se
recoge la información sobre la exposición mediante
una entrevista o un cuestionario, y los casos recuerdan
sus antecedentes de forma diferente a los controles.
También puede producirse cuando los individuos
expuestos a algún riesgo (ocupacional, ambiental,
etc.) informan sobre el desarrollo de problemas de
salud de forma diferente a como lo hacen los que no
están expuestos. Este tipo de sesgo es especialmente
problemático en los estudios de casos y controles,
y en los retrospectivos de cohortes, ya que tanto la
exposición como la enfermedad ya han ocurrido, y
puede conducir tanto a una sobrestimación como
a una infraestimación de la asociación entre la ex-
posición y la enfermedad, dependiendo de si los
casos recuerdan su exposición mejor o peor que
los controles.
Ejemplo 29.8. En un estudio realizado en madres
de niños con malformaciones congénitas, se obtuvo
© Elsevier. Fotocopiar sin autorización es un delito.
información mediante una entrevista personal sobre
8 posibles exposiciones durante el embarazo y se
comparó con la información registrada en la historia
clínica del obstetra (Werler et al, 1989). Se consiguió
la misma información, y de las mismas fuentes, de
un grupo de madres de hijos sin malformaciones,
que sirvió de control. La información sobre 5 de las
8 exposiciones fue igual de exacta en los casos que en
los controles, pero la historia de infección durante el
embarazo, de infertilidad tratada o no, y del uso de
métodos anticonceptivos durante 2 semanas o más
después del último período menstrual, fue mucho
más exacta en los casos que en los controles.
Otro tipo de sesgo diferencial es el debido al en-
trevistador o a la persona que recoge la información,
Sesgos Capítulo | 29 |
que aparece cuando existe alguna diferencia sistemá-
tica en la forma en que solicita, recoge o interpreta
los datos procedentes de los participantes en un
estudio, en función del grupo al que pertenecen.
Ejemplo 29.9. En un estudio de casos y controles
cuyo objetivo era evaluar la hipótesis de que la en-
dometriosis predispone a la infertilidad, se revisaron
las historias clínicas de 100 mujeres en las que se
había practicado una laparoscopia a causa de una
infertilidad (Strathy et al, 1982). En 21 de ellas se
diagnosticó endometriosis. Como grupo control
eligieron a 200 mujeres a las que se había practicado
una laparoscopia para una ligadura de trompas.
En este grupo control sólo se diagnosticó endome-
triosis en 4 mujeres, lo que suponía una OR = 13.
Se puede argumentar que la información sobre la
endometriosis no es comparable en los casos y en
los controles. No es lo mismo su búsqueda cuando
la laparoscopia se realiza a causa de infertilidad
que por ligadura de trompas. Probablemente, en
el primer caso se buscó con más insistencia, dando
lugar a un sesgo de información que sobrevaloraba
la asociación. De todos modos, si este sesgo se co-
rrige es muy probable que esta fuerte asociación dis-
minuya, pero no que desaparezca. Por el contrario, si
la asociación que se está estudiando es débil, la in-
troducción de un sesgo puede alterar totalmente la
interpretación de los resultados. Un estudio positivo
puede pasar a ser negativo, y viceversa, dependiendo
de la dirección del sesgo. Así pues, no sólo hay que
valorar la posible existencia de errores sistemáticos,
sino también su magnitud.
Un encuestador puede introducir un error de clasi-
ficación diferencial si conoce la hipótesis del estudio
y la condición (de expuesto o enfermo, según el
tipo de estudio) del entrevistado. En esta situación,
puede obtener información de los individuos de
forma diferente (más exacta o más exhaustiva) según
a qué grupo de estudio pertenezcan.
Ejemplo 29.10. Aunque el objetivo de un estudio
de casos y controles era la evaluación del efecto del
consumo de alcohol sobre el infarto de miocardio,
se explicaba a los participantes que se trataba de
una investigación sobre factores de riesgo de la hos-
pitalización. De esta forma, aunque los participantes
sabían que habían sufrido un infarto de miocardio,
no lo relacionaban con la hipótesis de estudio. Por
otro lado, los investigadores obtenían información
no sólo sobre el consumo de alcohol, sino también
sobre otros factores, lo que servía, así mismo, para
que los participantes no pudieran relacionar el con-
sumo de alcohol como el único factor de riesgo en
277
Parte |4| Interpretación de resultados

estudio. De esta forma se minimizaba la probabili-
dad de un sesgo de memoria o de un sesgo debido
al encuestador.
En los estudios de casos y controles, el sesgo debido
al entrevistador se produce al recoger datos sobre la
historia de exposición, dado que el conocimiento de
si se está entrevistando a un caso o a un control puede
condicionar la forma en que se recoge. Por la misma
razón, en los estudios retrospectivos de cohortes tam-
bién puede aparecer un sesgo debido al entrevistador
cuando se recoge información sobre la exposición. En
los estudios prospectivos de cohortes, el sesgo debido
al entrevistador se puede dar en el momento de re-
coger información sobre la enfermedad (variable de
respuesta). Este sesgo también puede aparecer en
estudios experimentales en los que, por razones prác-
ticas o éticas, no se utiliza un diseño controlado con
placebo ni técnicas de enmascaramiento.
Ejemplo 29.11. En un estudio de casos y controles
sobre el efecto protector de la aspirina frente al infarto
agudo de miocardio se pueden introducir preguntas
sobre la frecuencia de uso de otros medicamentos
analgésicos de los que no se tenga constancia de
que muestren ningún efecto sobre la enfermedad.
Si los casos y los controles difieren en la frecuencia
de uso de estos fármacos, se puede sospechar que se
ha cometido un sesgo de información. Si son dos o
más las personas que recogen la información, otra
estrategia para evaluar la posible existencia de un
sesgo de información es comparar los resultados
obtenidos por cada una de ellas. Si se observan di-
ferencias respecto a la frecuencia de exposición o en
otras variables, se pensará que existe un sesgo debido
al entrevistador.
En el cuadro 29.2 se resumen los principales
efectos de los errores de mala clasificación, tanto
diferenciales como no diferenciales.
Cuadro 29.2 Principales efectos de la mala
clasificación
•฀ Cuando฀la฀enfermedad฀se฀clasifica฀
como presente o ausente, la mala clasificación
no diferencial hace que se diluya la asociación
y en consecuencia se infraestima el efecto
de interés
•฀ Cuando฀la฀exposición฀se฀clasifica฀en฀dos฀
categorías, la mala clasificación no diferencial
infraestima la asociación
•฀ Cuando฀la฀exposición฀se฀clasifica฀en฀más฀
de dos categorías, la mala clasificación no
diferencial puede sobrestimar o infraestimar
la asociación
•฀ La฀mala฀clasificación฀diferencial฀
de la enfermedad o la exposición pueden
conducir a un sesgo en cualquier dirección
(sobrestimar o infraestimar la asociación)
•฀ La฀mala฀clasificación฀de฀un฀factor฀de฀confusión฀
conducirá฀a฀una฀ajuste฀incorrecto
•฀ La฀mala฀clasificación฀de฀un฀factor฀de฀confusión฀
puede dar lugar a estimaciones diferentes
según las categorías de la variable de confusión,
introduciendo una modificación espúrea
del efecto

BIBLIOGRAFÍA DE LOS EJEMPLOS

Meier P. The biggest public health
experiment ever. En: Tanur JM,
editor. Statistics: a guide to the
unknown. 20.a ed. Holden-Day;
1978. p. 3-15.
Sartwell PE, Masi AT, Arthes
FG, Greene GR, Smith HE.
Tromboembolism and
oral contraceptives: an
epidemiologic case-control
study. Am J Epidemiol.
1969;90:365-80.
Strathy JH, Molgaard CA,
Coulam CB, Melton 3rd LJ.
Endometriosis and infertility:
a laparoscopic study of
endometriosis among fertile
and infertile women. Fertil
Steril. 1982;38:667-72.
Werler M, Pober B, Nelson K,
Holmes L. Reporting accuracy
among mothers of malformed
and nonmalformed infants. Am
J Epidemiol.. 1989;129:415-21.

278

BIBLIOGRAFÍA
Berger VW, Exner DV. Detecting
selection bias in randomized
clinical trials. Control Clin
Trials. 1999;20:319-27.
Boutron I, Ravaud P. Classification
systems to improve assessment
of risk of bias. J Clin Epidemiol.
2012;65(3):236-8.
Chalmers I. Comparing like with
like: some historical mile-stones
in the evolution of methods
to create unbiased comparison
groups in therapeutic
experiments. Int J Epidemiol.
2001;30:1156-64.
Chyou PH. Patterns of bias due to
differential misclassification
by case-control status in
a case-control study. Eur J
Epidemiol. 2007;22(1):7-17.
Greenland S. An introduction
to instrumental variables
for epidemiologists. Int J
Epidemiol. 2000;29:722-9.
Grimes DA, Schulz KF. Bias
and causal associations in
observational research. Lancet.
2002;359(19):248-52.
Gurusamy KS, Gluud C, Nikolova
D, Davidson BR. Assessment
of risk of bias in randomized
clinical trials in surgery. Br J
Surg. 2009;96(4):342-9.
Infante-Rivard C, Jacques L.
Empirical study of parental
recall bias. Am J Epidemiol.
2000;152:480-6.
Jurek AM, Greenland S,
© Elsevier. Fotocopiar sin autorización es un delito.
Maldonado G, Church
TR. Proper interpretation
of non-differential
misclassification effects:
expectations vs observations. Int
J Epidemiol. 2005;34(3):680-7.
Lash TL, Silliman RA. A sensitivity
analysis to separate bias due to
confounding from bias due
to predicting misclassification
by a variable that does both.
Epidemiology. 2000;11:544-9.
Longford NT. Selection bias
and treatment heterogeneity
in clinical trials. Stat Med.
1999;18:1467-74.
Lundberg M, Hallqvist
J, Diderichsen F.
Exposure-dependent
misclassification of exposure
in interaction analyses.
Epidemiology. 1999;10:545-9.
Maldonado G, Greenland S.
Estimating causal effects. Int J
Epidemiol. 2002;31:422-9.
Marcus SM. Assessing non-consent
bias with parallel randomized
and nonrandomized clinical
trials. J Clin Epidemiol.
1997;50:823-8.
Marshall RJ. An empirical
investigation of exposure
measurement bias and its
components in case-control
studies. J Clin Epidemiol.
1999;52:547-50.
Nishioka SA, Gyorkos TW, Joseph
L, Collet JP. Selection of
subjects for hospital-based
epidemiologic studies based
on outward manifestations
of disease. Clin Invest Med.
2001;24:299-303.
Patten SB. Selection bias in
Sesgos Capítulo | 29 |
studies of major depression
using clinical subjects. J Clin
Epidemiol. 2000;53:351-7.
Phillips CV. Quantifying and
reporting uncertainty from
systematic errors. Epidemiology.
2003;14:459-66.
Richiardi L, Boffetta P, Merletti F.
Analysis of nonresponse bias in
a population-based case-control
study on lung cancer. J Clin
Epidemiol. 2002;55:1033-40.
Rockenbauer M, Olsen J, Czeizel
AE, Pedersen L, Sorensen HT.
EuroMAP Group. Recall bias
in a case-control surveillance
system on the use of
medicine during pregnancy.
Epidemiology. 2001;12:461-6.
Selby JV, Friedman GD,
Quesenberry CP, Weiss
NS. Ascertainment bias in
case-control studies of cancer
screening. J Clin Epidemiol.
2001;54:215-6.
Sturmer T, Thurigen D, Spiegelman
D, Blettner M, Brenner H.
The performance of methods
for correcting measurement
error in case-control studies.
Epidemiology. 2002;13:507-16.
Touloumi G, Pocock SJ, Babiker
AG, Darbyshire JH. Impact of
missing data due to selective
dropouts in cohort studies and
clinical trials. Epidemiology.
2002;13:347-55.
White E. Design and interpretation
of studies of differential exposure
measurement error. Am J
Epidemiol. 2003;157:380-7.
279