Medicina Basada en la Evidencia

Medidas epidemiológicas – 238 – efecto que se investiga. Por este motivo, el error siste- mático se relaciona con la validez de los resultados, ya que la estimación solo puede ser válida si representa el verdadero valor. Como es lógico, este tipo de error es más difícil de controlar y no se corrige aumentando el tamaño muestral. Por lo tanto, resulta fundamental, al diseñar o anali- zar un estudio, valorar los sesgos que se hayan podido cometer: qué tipo de sesgos son, cuál es su magnitud y cómo pueden haber influido en los resultados. Tene- mos que ser capaces al menos de identificarlos y es- timar su posible repercusión. No siempre tendremos información como para estimar su magnitud, pero sí, al menos, tendremos que intuir su dirección, esto es, si los sesgos han podido aumentar o disminuir el efecto observado. El error sistemático no se corrige aumentando el tamaño muestral y conduce a una interpretación errónea o sesgada de los resultados En la Figura 1 vemos representado un símil para aclarar la diferencia entre error aleatorio y sesgo. En el error aleatorio (representado por los tiros de un tirador sin puntería), si aumentamos el número de disparos aca- baremos centrando el resultado en la diana, aunque sea de forma imprecisa, mientras que en el error sis- temático (representado por los tiros con una escopeta mal calibrada) no, lo que haremos será una estimación errónea del centro de la diana. Figura 1. Diferencias entre error aleatorio y sistemático 1. Sesgos de selección Se producen cuando la muestra de la que se obtienen los resultados no es representativa de la población, pero no por efecto del azar, sino por un error en los criterios de in- clusión o exclusión, o en la sistemática de reclutamiento. El sesgo de selección se debe a la elección de una muestra no representativa de la población y afecta a la validez externa de los resultados Estos sesgos afectan solo a la validez externa, ya que el diseño y análisis de los resultados pueden ser correc- tos, pero las conclusiones solo pueden aplicarse a la muestra estudiada. Este tipo de sesgos puede darse en diversas situaciones, entre las que podemos enumerar las siguientes: ■ Selección incorrecta de los grupos de estudio: si eva- luamos el efecto de un factor de exposición o inter- vención, los grupos comparados solo deberían dife- renciarse en el factor evaluado; sin embargo, estos grupos pueden presentar diferencias en otros facto- res implicados en el efecto. Esta comparabilidad se consigue en los estudios experimentales con la alea- torización, por lo que los estudios observacionales son más susceptibles a este tipo de sesgos. ■ Pérdidas durante el seguimiento: cuando los partici- pantes que se pierden son sistemáticamente diferen- tes de los que no lo hacen en variables relacionadas con el factor de estudio o la variable respuesta. Es lo que se denominan pérdidas informativas. ■ Ausencia de respuesta: esto es propio de las encues- tas transversales. Hay que tratar de recoger informa- ción para saber si los que no contestan difieren en algo de los que sí lo hacen. ■ Supervivencia selectiva: se produce cuando se se- leccionan casos prevalentes en lugar de incidentes. Este tipo de sesgo es típico de los estudios de casos y controles, en los que los casos más graves o más le- ves están infrarrepresentados por fallecimiento o cu- ración. Se conoce también como falacia de Neyman. ■ Sesgo de autoselección por participación de volunta- rios: en general, existe riesgo de que estos individuos tengan características diferentes a los no voluntarios. Veamos un ejemplo de sesgo de selección: Queremos estudiar el efecto de la exposición al taba- co durante el embarazo en el peso al nacer de los re- cién nacidos. Para ello, invitamos a participar en una encuesta a las madres que han acudido para el parto a una maternidad a lo largo de un periodo de tiempo, Existen innumerables tipos de sesgos descritos, aunque todos pueden agruparse dentro de tres grandes catego- rías: sesgos de selección, sesgos de información o clasi- ficación y sesgos de análisis. Error aleatorio Impreciso Error sistemático No válido