Dra.

Daphne Timaná Palacios

Los estudios analíticos implican una comparación entre
grupos. El principal requisito para que esta comparación sea
válida es que los grupos sean similares en relación con las
características que influyen sobre los resultados. A menudo,
estas variables se distribuyen de modo desigual y es necesario
corregir estas diferencias.
Tomemos un ejemplo sencillo: los resultados de una
investigación muestran que la incidencia de la LCFA es mucho
mayor en hombres que en mujeres: ¿significa esta diferencia
que el sexo es un factor de riesgo, o bien se puede explicar por
el diferente hábito tabáquico entre hombres y mujeres? En este
último caso, el tabaco sería un factor de confusión de la
relación entre el sexo y la incidencia de la LCFA.
El fenómeno de confusión aparece cuando la
asociación observada entre el factor de estudio y la
variable de respuesta puede ser total o parcialmente
explicada por una tercera variable (factor de
confusión) o, por el contrario, cuando una asociación
real queda enmascarada por este factor. Para que
una variable se considere de confusión debe estar
asociada tanto al factor de estudio como a la
respuesta, y no debe ser un paso intermedio en la
relación entre ellos.
Existen diferentes estrategias para "controlar" este
efecto y una de ellas es la estratificación.
■ La identificación de las variables que pueden ser
potenciales factores de confusión es, a menudo,
difícil. El conocimiento teórico sobre los mecanismos
causales de la respuesta y la revisión de estudios
que hayan abordado un objetivo similar serán de
gran ayuda para conocer qué variables pueden ser
potenciales factores de confusión. Esta identificación
es importante, ya que permitirá controlar el efecto de
confusión en la fase de análisis.
Supongamos que un estudio de casos y controles arrojó
una asociación positiva entre consumo de café y cáncer de
páncreas con los siguientes datos:
■ El análisis por estratos hace evidente que el consumo de tabaco ha
distorsionado la relación entre el consumo de café y el cáncer de
páncreas. En esta relación es el tabaco el que estaría
incrementando el riesgo de cáncer de páncreas, y como entre los
fumadores el consumo de café es más frecuente, la tabla simple
mostraba una asociación entre café y cáncer de páncreas.

■ El análisis individual de cada estrato debe ser complementado con

un análisis que estime el efecto general considerando los valores de
cada estrato. El método de Mantel-Haenszel es uno de los más
útiles para este análisis. La existencia de diferencias entre los
resultados de un análisis no estratificado y uno estratificado estará
mostrando que el factor por el que se estratificó ejerce un efecto de
confusión en la relación que exhiben los factores estudiados.

■ Epidat 3.1 permite la realización de tablas 2x2 estratificadas para

estudios transversales, de cohortes (con incidencia acumulada o
con tasas de incidencia), y de casos y controles.
 Estos resultados incluyen una tabla global (suma de
los estratos), el odds ratio e intervalo de confianza
(calculado según el método de Woolf) para cada
estrato, el odds ratio de la tabla global (odds ratio
crudo) y el odds ratio combinado (método de Mantel-
Haenszel) y de asociación de Mantel-Haenszel.
 La diferencia entre el odds ratio crudo (2,24) y el
combinado de Mantel-Haenszel (1,00) confirma el
efecto de confusión que ejerce la variable por la que
se estratifica.
 En el caso presentado, el Ji-cuadrado es bajo y el
valor de p, superior a un 5% (p>0,05),lo que hace
pensar que no hay diferencias apreciables entre los
OR en los estratos.

 Finalmente, la Prueba de asociación de Mantel-

Haenszel, con un valor de p por arriba de 0,05,
señala la falta de asociación entre la exposición y el
daño (café y cáncer de páncreas), una vez
controlado el efecto del tabaco.
En esta situación debe utilizarse el OR de Mantel-Haenszel
 En el caso presentado, el Ji-cuadrado es alto
(122.55) y el valor de p, inferior a un 5%
(p<0,05),lo que hace pensar que hay diferencias
apreciables entre los OR en los estratos
 Finalmente, la Prueba de asociación de Mantel-
Haenszel, con un valor de p por debajo de 0,05,
señala la asociación entre la exposición y el daño y
por lo tanto libre de sesgo de confusión, y por lo
tanto libre de sesgo de confusión.
■ Ejemplo 1. Consideremos un estudio en el que se
evalúa la asociación entre el ejercicio físico y el
infarto agudo de miocardio (IAM), partiendo de la
hipótesis de que a más ejercicio físico, menor es el
riesgo de sufrir un IAM. Una variable que podría
ejercer de factor de confusión sería la edad. Por un
lado, es más probable que los más jóvenes
realicen más ejercicio (relación con la variable de
estudio) y, por otro, que tengan un riesgo menor de
desarrollar un IAM (relación con la enfermedad). Si
se cumplen estas condiciones, la edad actuaría
como un factor de confusión que tendería a
sobrestimar el efecto protector del ejercicio físico
sobre el IAM.
■ Ejemplo 2. Siguiendo con el ejemplo anterior, el
sexo también podría ser un factor de confusión, ya
que los hombres suelen realizar más ejercicio
físico que las mujeres y, además, presentan un
riesgo mayor de padecer un IAM. Así pues, la
asociación protectora del ejercicio físico sobre el
IAM quedaría infraestimada si no se tuviera en
cuenta la diferencia en la proporción de hombres y
mujeres que pudiera haber en la muestra.
■ En la situación más extrema, un factor de
confusión puede invertir la dirección de una
asociación: es la llamada paradoja de Simpson.
■ Ejemplo 3. Rothman (1986) presenta el siguiente ejemplo: «supongamos que
un hombre entra en una tienda para comprarse un sombrero y encuentra una
estantería con 30, 10 de ellos negros y 20 grises. Descubre que 9 de los 10
sombreros negros le van bien, pero que de los 20 grises sólo le van bien 17.
Por tanto, toma nota de que la proporción de sombreros negros que le van
bien es del 90%, mientras que la de los grises es sólo del 85%. En otra
estantería de la misma tienda encuentra otros 30 sombreros, 20 negros y 10
grises. En ella, 3 (15%) de los sombreros negros le van bien y sólo 1 (10%) de
los grises. Antes de que escoja un sombrero, la tienda cierra y él decide volver
al día siguiente. Durante la noche, un empleado ha puesto todos los
sombreros en una única estantería: ahora hay en ella 60 sombreros, 30 de
cada color. El cliente recuerda que el día anterior la proporción de sombreros
negros que le iba bien era superior en ambas estanterías. Hoy se da cuenta
de que, aunque tiene delante los mismos sombreros, una vez mezclados,
sólo el 40% de los sombreros negros (12 de 30) le va bien, mientras que, de
los grises, le va bien el 60% (18 de 30)». Aunque este curioso cambio es
conocido como la paradoja de Simpson, no es realmente ninguna paradoja.
Este fenómeno es análogo al de confusión, que puede distorsionar una
asociación, incluso hasta el punto de cambiar su dirección.