Seminario

26

CONTROL DE LA SELECCIÓN

Los sesgos de selección son errores sistemáticos que

se introducen durante la selección o el seguimiento del
grupo de estudio y que propician una conclusión
equivocada. Los errores de selección pueden ser
originados por el mismo investigador o ser el resultado
de la influencia de variables que pueden no ser evidentes
para el investigador y pasar desapercibidas.

El control de la selección incluye: identificar un marco

muestral, obtener una muestra completamente aleatoria,
eliminar los elementos que contengan características
particulares que influyan en nuestros resultados,
controlar variables con el análisis estadístico; y asegurar
de que las unidades de estudio no se pierdan durante el
proceso de seguimiento.

Todo comienza con utilizar una técnica de muestreo

probabilístico, recordando que la forma ideal de
seleccionar a las unidades de estudio, es mediante el
muestreo aleatorio simple, pero también es el medio más
costoso y difícil de alcanzar; sin embargo el no utilizarlo
es asumir un sesgo que debemos anunciar en el
protocolo de investigación.

1
 Para realizar un adecuado control de la selección de
las unidades de estudio que participaran en el estudio,
debemos tener en cuenta a los sesgos de selección, solo
así podremos evitarlos.
1. Sesgo de admisión
Todos los elementos que conforman la población,
deben tener la misma probabilidad de conformar la
muestra, si esto no es así, entonces se comete un sesgo
de admisión, pero esto puede ser más grave aun, cuando
alguno de los elementos que conforman la población, ni
siquiera tienen posibilidad de conformar la muestra, tal
como ocurre cuando no contamos con un marco
muestral.

Hay que recordar que el interés natural de todo

investigador es conocer lo que ocurre en la población, y
nunca la muestra; pero en la mayoría de los casos
recurrimos al estudio de una muestra ya sea porque la
población es desconocida, inaccesible o inalcanzable,
aparentemente el muestreo nos asegura que todas las
unidades de la población tienen la misma probabilidad de
incluirse en la muestra, pero la realidad es muy distinta.

Desde el momento en que definimos inadecuadamente

al marco muestral, ya sea porque la población es
desconocida, inaccesible o inalcanzable, el sesgo de
admisión se hace presente, desde el momento que

2
existen unidades de estudio que no tienen posibilidades
de incluirse en la muestra, por haber definido un marco
muestral que conceptualmente difiere de la población.

En un estudio descriptivo, el control del sesgo de

admisión se realiza en primer lugar definiendo
adecuadamente el marco muestral porque de allí
obtendremos al grupo de estudio o a los grupos
dependiendo del diseño que hayamos construido,
mientras el marco muestral sea igual a la población y
hayamos utilizado el muestreo aleatorio simple no habrá
sesgo de admisión, en todos los demás casos tendremos
que comunicar el potencial error sistemático.
En los estudios analíticos como, en los estudios de
factores de riesgo, donde aplicamos el diseño de casos y
controles, es muy común que los casos sean pacientes
diagnosticados en el hospital, cuando debieran ser
pacientes diagnosticados en la población; sin embargo
por comodidad obtenemos pacientes de un hospital,
eliminando así la posibilidad de incluirse en la muestra a
todos los casos que no acuden al hospital.

Pero lo anterior no es tan grave como obtener el grupo

de los controles también del mismo hospital, cuando
debieron haber salido necesariamente de la población, el
problema de utilizar controles hospitalarios, es que los
pacientes que no presentan la enfermedad en estudio,
presentan una enfermedad distinta, es decir que no están

3
completamente sanos y esta otra enfermedad se
convierte en una variable de confusión a la hora de
obtener conclusiones para nuestro estudio.

2. Sesgo de la autoselección
El grado de interés o motivación que pueda tener un
individuo que participa voluntariamente en una
investigación puede diferir sensiblemente en relación con
otros sujetos; el sesgo de autoselección, aparece cuando
las personas estudiadas tienen alguna forma de control
sobre la posibilidad de participar del estudio, si la
decisión de participar se correlaciona con la variable de
estudio, haciendo que la muestra no sea representativa.

Por ejemplo, en un centro hospitalario, los pacientes o

clientes tienen necesidades particulares (demandas
específicas) así como características socioeconómicas
que dependerán de si el hospital es público o privado; la
autoselección no necesariamente es sinónimo de
voluntariado, por ejemplo los pacientes que acuden al
consultorio particular de un médico son una muestra
autoseleccionada pero no necesariamente voluntaria.

4
 Un estudio basado en encuestas telefónicas, es un
estudio sesgado porque los encuestados son
autoseleccionados, desde el momento en que decidieron
contar con una línea telefónica, luego cuando deciden
atender a tan impertinente llamado; además las personas
que tienen fuertes opiniones o sustanciales
conocimientos pueden estar más dispuestos a gastar más
tiempo para contestar una encuesta que aquellos que no
lo tienen.

Pero podría ocurrir exactamente lo contrario, es decir,

que exista una negativa de los elementos que conforman
la población para formar parte de nuestro estudio,
precisamente porque no quieren exhibir una
característica que está siendo evaluada, por ejemplo, si
queremos conocer cuáles son las enfermedades de
transmisión sexual que han padecido los estudiantes de
medicina en el último año, los que hayan padecido una de
estas enfermedades, se van a negar a participar en el
estudio.

El control del sesgo de la autoselección se lleva a cabo

mediante una técnica de muestreo probabilístico,
idealmente el muestro aleatorio simple; este control se
logra cuando el grupo de personas que están siendo
estudiadas no tengan ningún tipo de control sobre si
participar o no; dado que la autoselección puede
sobredimensionar o subestimar los resultados que

5
estamos buscando.

Siempre existirán condiciones que lleve a las unidades

de estudio a decidir participar o no en el estudio, y esta
condición puede potencialmente influenciar en los
resultados ya sea de manera positiva o negativa; y
eliminar toda posibilidad de decisión en las unidades de
estudio es una utopía, por lo que el sesgo de
autoselección siempre estará presente, y el investigador
debe comunicar con exactitud, la forma en que reclutó a
sus unidades de estudio como una limitación a la
exactitud de las conclusiones.

6
 3. Sesgo de pertenencia
Llamado también sesgo de membresía, o sesgo de
afiliación se produce cuando entre los sujetos evaluados
se presentan subgrupos de elementos que comparten
algún atributo en particular, y este atributo está
relacionado de manera positiva o negativa con la variable
en estudio, esta característica constituye una variable,
que si no se controla ocasiona un sesgo de confusión.

Continuando con la secuencia de un estudio, no basta

con definir adecuadamente al marco muestral e impedir
que los participantes del estudio tengan alguna
posibilidad de decidir acerca de su participación, aún
podemos cometer un error sistemático, denominado
sesgo de pertenencia si dentro de la muestra existe un
segmento de personas que por su condición alterarán
completamente los resultados del estudio.

Veamos un ejemplo: Si queremos evaluar el nivel de

conocimientos sobre signos de alarma en las gestantes
en un centro de salud, y en el centro de salud, algunas
mujeres profesionales de la salud, como médicos,
enfermeras u obstetrices también están gestando, sus
conocimientos sobre signos de alarma sesgarán de
manera importante los resultados del grupo, mientras
mayor sea el número de estas mujeres.

Si obtenemos un promedio de la calificación del centro

7
de salud, este promedio estará anormalmente elevado,
precisamente porque han participado mujeres gestantes
que son profesionales de la salud y que saben sobre
signos de alarma; si retiramos a las profesionales de la
salud, el promedio global del grupo de estudio estará en
un nivel real; y eso es lo que nos interesa conocer; por
esta razón, debemos eliminar del estudio a las gestantes
que sean profesionales de la salud.
El control del sesgo de pertenencia, se consigue
mediante la aplicación de los criterios de elegibilidad
identificando estos subgrupos de la muestra y
eliminándolos con los criterios de exclusión, pero si no
podemos eliminarlos o el hecho de eliminarlos hace que
nuestro grupo disminuya de manera significativa,
entonces, deberemos recolectar ese dato, y lo
incluiremos en el análisis de datos para controlarlo
estadísticamente.

En los estudios analíticos el sesgo de pertenencia

ocurre cuando se trabaja con grupos preexistentes o no
formados de manera aleatoria, por ejemplo, en los
estudios cuasiexperimentales, donde la muestra de
estudio no se construyó aleatoriamente, sino porque los
pacientes necesitaban de alguna intervención
terapéutica, y esta condición podría asociarse a la
variable de estudio.

4. Sesgo de aleatorización

8
 La aleatorización se utiliza en los estudios
comparativos para neutralizar los diversos factores de
confusión (conocidos y desconocidos), esto es válido
tanto para los estudios observacionales como los
experimentales, siempre que sean prospectivos; el
procedimiento de la aleatorización hace que una
característica que puede influir sobre la variable de
estudio, se distribuya de manera homogénea en ambos
grupos.

En los ensayos clínicos controlados los participantes se

distribuyen al azar en los distintos grupos de
tratamiento, esto se realiza con la finalidad de evitar el
sesgo de selección; porque los pacientes pueden tener
padecimientos que el investigador desconoce y al
conformar los grupos de manera aleatoria, se elimina la
posibilidad de que los resultados se deban a este factor
de confusión, dejando la posibilidad únicamente que las
diferencias en ambos grupos se debe a la intervención
del investigador.

9
 La aleatorización se define como, aquel procedimiento
en el que todos los individuos tienen la misma
probabilidad de entrar al grupo de tratamiento como al
grupo control; reduce el sesgo de selección, por eso la
aleatorización es un procedimiento estandarizado en un
estudio experimental porque reduce la confusión.

Para la evaluación de la eficacia de un tratamiento o

de una intervención clínica, la metodología más adecuada
es el ensayo clínico aleatorizado, en los cuales la
asignación del grupo de tratamiento a los diferentes
pacientes se efectúa de forma aleatoria, con el fin
controlar una posible influencia de las diferentes
características individuales sobre el resultado.

El objetivo de la aleatorización es que los grupos

construidos de esta manera sólo difieran en la
característica que se plantea como causa, esto ayuda en
la demostración de la relación causa efecto, descrita por
Bradford Hill quién enumeró nueve criterios de
causalidad que pueden resumirse en tres: de validez
interna, de comprobación y de generalización.

En los estudios observacionales, no se controla la

asignación del paciente a un determinado tratamiento o
intervención, porque no son estudios manipulados, el
tratamiento se efectuó de acuerdo a las necesidades
terapéuticas de los pacientes, siendo por lo tanto el

10
investigador un mero observador de lo que ha ocurrido.

Por otro lado en los pre experimentos, donde la

administración del medicamento o la terapia responde a
las necesidades del paciente; y no, a la del investigador,
no es posible controlar el sesgo de aleatorización; siendo
que existe un tratamiento probado, no podemos tener
grupo blanco, no podemos dejar un grupo sin
tratamiento.
5. Sesgo de Prevalencia
Cuando la exposición de interés se encuentra asociada
al pronóstico, el estudio de casos prevalentes puede
producir asociaciones espurias; que no se observarán si
estudiamos casos incidentes; a este problema se le
conoce como sesgo de Neymann, donde la condición en
estudio, determina la pérdida prematura de las unidades
de estudio, la exclusión de los pacientes que fallecen
determina este tipo de sesgo.

Si estamos estudiando los efectos de una terapia para

un grupo de pacientes con cáncer, a medida que estos
pacientes vayan falleciendo, iremos perdiendo
información acerca nuestra intervención, pero esto
ocurre no solamente con los pacientes que fallecen,
también con los pacientes que desaparecen o no
regresan a la consulta médica, al no tener controles
sucesivos, también estamos perdiendo información.

11
 Veamos un ejemplo más casual: tenemos un grupo de
personas con obesidad, 30 diabéticos que necesitan bajar
de peso y se inscriben en un programa de dieta y
ejercicios, la promesa es que en 3 meses reducirán 10kg,
todos comienzan el programa pero poco a poco, van
desertando los pacientes, al final solo quedan 10; en los
cuales se observa efectivamente una reducción de 10 kg
en su peso.

El administrador del estudio dirá que su terapia, su

tratamiento, es 100% efectivo, porque los 10 pacientes
que llegaron al final del programa muestran una
reducción efectiva de su peso en 10 kg, sin embargo, los
otros 20 que abandonaron el programa, no sabemos si
lograron algún beneficio, por esta razón, debemos incluir
en el análisis estadístico a todos, incluso a los que se han
perdido; a esto se le denomina análisis de supervivencia.

12
 Para controlar el sesgo de prevalencia, debemos hacer
mediciones repetidas y seriadas sobre todo el grupo,
hasta el momento en que abandonan el tratamiento, la
información de aquellos que abandonaron el tratamiento
también es relevante para hallar las conclusiones en el
estudio, pero hacer mediciones repetidas implica hacer
un estudio prospectivo, que es la única forma que
controlar el sesgo de prevalencia.

Desde el principio dijimos que siempre, es mejor un

estudio prospectivo que un retrospectivo, bajo esa óptica
la incidencia siempre será mejor que la prevalencia,
porque solamente la incidencia controla el sesgo de
supervivencia selectiva, el cual aparece tanto en los
estudios descriptivos como en los estudios analíticos, en
este último grupo es conocido como sesgo de Neymann.

En síntesis
Para poder controlar adecuadamente los sesgos de
medición, necesitamos en primer lugar definir
adecuadamente el marco muestral e idealmente éste
debe ser igual a la población, en segundo lugar los
participantes no deben tener ninguna oportunidad de
decidir entre participar y no participar en el estudio, en
tercer lugar detectar variables intervinientes que pueden
afectar la relación causa-efecto y eliminarlas.

Cuarto, los estudios que cuentan con grupo control

13
aleatorizado tienen claras ventajas respecto de aquellos
que no lo tienen, los pacientes deben desconocer el
grupo al que pertenecen y preferir estudio prospectivo
que nos permita trabajar con incidencias, antes que
trabajar con prevalencias, nos aseguran controlar los
sesgos de selección; pero aún si conseguimos todo esto,
aún podemos estar expuestos a los sesgos de medición.

14