Medicina Basada en la Evidencia

Estudios observacionales (III). Estudios de casos y controles – 125 – ción o intensidad en uno de los dos grupos de estudio, lo que influye en la validez de los resultados de forma impredecible (aumentando o reduciendo la asociación entre exposición y enfermedad). Un sesgo diferencial característico de los estudios de casos y controles es el sesgo de memoria, que se produce porque los casos tie- nen tendencia a recordar los aspectos relacionados con la exposición con más detalle que los controles. Por otra parte, el sesgo es no diferencial cuando la mala clasifi- cación se produce al azar, lo que tiende a modificar las estimaciones del estudio en favor de la hipótesis nula. Por último, debemos recordar que los estudios de ca- sos y controles son vulnerables a los sesgos de análisis: sesgo de confusión e interacción. Existen varias posibi- lidades para tratar de controlar la presencia de estos sesgos. En la fase de diseño podemos recurrir a la técni- ca de emparejamiento, que consiste en seleccionar los controles de forma que tengan la misma distribución del factor de confusión que los casos. Si los factores de confusión son fácilmente medibles e identificables, este emparejamiento puede hacerse de forma directa, pero en ocasiones esto no es posible y debemos recu- rrir a métodos indirectos, como seleccionar los contro- les de una procedencia geográfica similar a la de los ca- sos. No hay que olvidar que esta técnica requiere que, durante la fase de análisis de los datos, este se haga para datos pareados. En la actualidad, las técnicas de emparejamiento se utilizan poco y se prefiere recurrir a otras técnicas de la fase de análisis, como la estratifica- ción o el uso de modelos de regresión. En la Tabla 1 se recoge una relación de los sesgos que podemos encontrar en los estudios de casos y contro- les, detallando algunos que cuentan con terminología propia. Tabla 1. Posibles sesgos en estudios de casos y controles Tipo de sesgo Causa Selección Berkson Si los casos proceden de una muestra hospitalaria y la combinación de exposición y enfermedad aumenta la probabilidad de ingreso, la frecuencia de exposición estará sobrestimada entre los casos Falacia de Neyman Si se utilizan casos prevalentes en lugar de incidentes y la exposición implica una mayor o menor supervivencia, el nivel de exposición de los casos estará sesgado, produciéndose una infraestimación o sobrestimación de la asociación entre exposición y enfermedad Efecto del voluntario Los que aceptan participar pueden no ser representativos de la población Centrípeto Los pacientes atendidos en centros de referencia son más graves Popularidad Los pacientes acuden por la fama del servicio o del profesional Filtro de remisión Los profesionales remiten pacientes solo a determinados centros Del trabajador sano Una exposición ambiental laboral puede parecer no relacionada con la enfermedad por usar trabajadores con un buen nivel de salud (necesario para poder trabajar) De pertenencia Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún atributo en particular, relacionado positiva o negativamente con la variable en estudio Accesibilidad Pruebas disponibles solo en algunas localizaciones Información Memoria Los casos recuerdan mejor los detalles de su exposición que los controles (sesgo habitualmente diferencial) Detección o entrevistador El entrevistador pregunta con más detalle o interés a los casos que a los controles (sesgo habitualmente diferencial) Instrumento de medida erróneo El instrumento empleado para la medición de la exposición es impreciso (sesgo habitualmente no diferencial) Análisis Confusión Una variable relacionada con la exposición y con la enfermedad, desigualmente distribuida entre casos y controles origina una aparente asociación entre exposición y enfermedad que no existe cuando se tiene en cuenta la variable de confusión Interacción La presencia de una tercera variable interacciona con la exposición, de manera que su asociación con la enfermedad aumenta o disminuye en presencia o ausencia de dicha variable