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.
Linfedema (Lymphedema): Una Guía de Prevención y Sanación Para Pacientes Con Cáncer De Mama (A Breast Cancer Patient's Guide to Prevention and Healing)
El médico del cannabis: Seis años tratando enfermos de esclerosis múltiple, Alzheimer, fibromialgia, glioblastoma multiforme, cáncer de mama, problemas de memoria, óseos, autismo, insomnio...