Medicina Basada en la Evidencia

Estadística básica – 656 – (IC 95: 0,79 a 1,84), similar al estimado crudo global an- teriormente. En este ejemplo, el sexo se comporta como factor de interacción o modificador del efecto y ni la estimación cruda ni la ponderada son válidas, solo las estimaciones de cada estrato. Si las estimaciones por subgrupos son diferentes de las crudas globales y además heterogéneas entre sí, lo más probable es que exista interacción o modificación del efecto; si las estimaciones son diferentes pero homogéneas entre sí, lo más probable es que exista confusión En la Figura 2 se presentan las estimaciones crudas, por estratos y ajustadas para los ejemplos de confusión e interacción de las Tablas 1 y 2 (supuestos 3 y 4). Si com- paramos las estimaciones crudas y ajustadas, con los factores de confusión son diferentes, mientras que con los de interacción son similares. Además, podemos ver que, cuando hay confusión, las estimaciones de cada estrato se desplazan en el mismo sentido, habitual- mente hacia el valor nulo, como ocurre en nuestro caso, aunque podrían también alejarse. Sin embargo, en la interacción las estimaciones por estratos se alejan de la estimación cruda, en sentidos opuestos, en nuestro ejemplo, alejándose del valor nulo, aunque esto depen- derá del tipo de interacción. Es muy importante tener en cuenta que confusión e in- teracción se interpretan de forma distinta. Siempre que encontremos una variable de confusión, nuestro objeti- vo será controlar su efecto y tratar de estimar una me- dida de asociación ajustada. Sin embargo, las variables modificadoras de efecto reflejan una característica de la relación entre exposición y efecto, cuya intensidad depende de la variable modificadora. En estos casos, aunque podemos calcular una medida ajustada, como hacemos con los factores de confusión, esta describe peor la asociación entre exposición y efecto que las es- timaciones por estratos. Por lo tanto, lo que debemos hacer cuando descubrimos una modificación de efecto es describirla y tratar de interpretarla. Cuando existe interacción lo más apropiado es presentar las estimaciones de cada subgrupo por separado; cuando existe confusión debemos realizar una estimación combinada de las de cada subgrupo para obtener una estimación ajustada En ocasiones, una tercera variable es, a la vez, factor de confusión y variable modificadora de efecto. En estos casos, la interacción siempre es más importante que la confusión, y es preciso ofrecer los resultados por estra- tos o subgrupos. Aunque la detección de interacciones puede tener im- portantes implicaciones prácticas, su búsqueda exage- rada, creando subgrupos numerosos o de escasa im- portancia clínica, puede dar lugar a hallazgos espurios o falsos. En general, siguiendo el principio de parsimo- nia, los modelos explicativos más simples son preferi- dos a los modelos complejos. Pasos del análisis estratificado Veamos los pasos a seguir en el análisis estratificado: 1. Calculamos el RR o el OR en crudo (es decir, sin es- tratificar). 2. Estratificamos por la tercera variable a controlar y calculamos el RR u OR específico de cada estrato. 3. Evaluamos la homogeneidad de las estimaciones del efecto entre los estratos. Aunque la homogeneidad puede ser valorada comparando las magnitudes de las estimaciones, existen test estadísticos para contras- tarla (por ej.: test de homogeneidad de Breslow-Day, test de homogeneidad de Mantel-Haenszel), que pro- porcionan las calculadoras y paquetes estadísticos, aunque cuando los estratos tienen pocos recuentos estos test pueden perder potencia estadística. 4. Si hay homogeneidad en las estimaciones del efec- to entre los estratos calculamos el RR u OR general ajustado mediante la fórmula de Mantel-Haenszel. Figura 2. Ejemplos de estimaciones crudas, por estratos y ajustadas de un factor de confusión y otro de interacción Tabaco en el hogar Introducción de gluten 4-6 meses Crudo Crudo Alta contaminación Sexo femenino Baja contaminación Sexo masculino Ajustado Ajustado Crisis asmática Enfermedad celíaca 1,72 1,14 1,30 1,18 1,21 1,21 0,5 1 2 1,92 0,66 Confusión Interacción