2 minute read

03. ERRORES

Generalidades

El error en la medición es una condición que conduce a una sobreestimación o subestimación de la verdadera asociación entre una exposición y un resultado (ENARM 2002). Existen 2 tipos principales de errores, el sistemático (conocido como error alfa, de validez interna o sesgo,) y el aleatorio (error beta). El primero ocurre cuando el diseño del estudio no es el adecuado para responder a la hipótesis y los resultados nos alejan de los valores reales. No se corrige aumentando la muestra porque es un error de diseño. Puede suponer una grave amenaza para la validez interna o externa de un estudio y por lo tanto debe ser minuciosamente controlado. Cuando hablamos de la validez de un diseño, tenemos que tener en cuenta que hay 2 tipos de validez:

Validez interna: Se refiere a la medida en que podemos afirmar con exactitud que las variables independientes (IV) produjeron el efecto observado dentro de los sujetos de estudio. Es decir, la validez interna es sobre la muestra del estudio y la coherencia interna del mismo para demostrar la hipótesis. Los sesgos que pueden producirse acá son el sesgo de confusión y el sesgo de medición. Validez externa: se refiere a la medida en que podemos generalizar nuestros resultados a través de población objetivo, eso ocurre cuando la muestra es representativa de la población objetivo debido a que se utilizó el tipo de muestreo probabilístico adecuado. Por otro lado, cuando hablamos de error aleatorio, es un error de la observación, producto del azar. Todo estudio se encuentra siempre en un margen de probabilidad de tener un error de precisión o estadístico. Representa la dispersión de los datos alrededor de la media. Por ende, se corrige aumentando la muestra. Este tipo de error no invalida el diseño, solo le quita potencia estadística.

Tipos de errores

A continuación, describiremos los principales tipos de errores sistemáticos, tipo I, alfa o sesgos más comunes.

Sesgo de selección: Está presente cuando los sujetos seleccionados difieren en características relevantes entre ellos, de esa forma los grupos de estudios se configuran de forma que no pueden ser comparables. Por ejemplo, el grupo de expuestos tienen más probabilidades de enfermar que el grupo expuesto debido a una mala selección de los mismos. Además, por una mala toma de la muestra se puede afectar a la validez externa del estudio. Este sesgo se puede corregir con la aleatorización de la toma de muestra en caso de estudios experimentales o con el pareamiento en caso de estudios observacionales.

Sesgo de información: Se refiere a los errores que se introducen durante la medición de la exposición, de los eventos u otras covariables en la población en estudio, que se presentan de manera diferencial entre los grupos que se comparan, y que ocasionan una conclusión errónea respecto de la hipótesis que se investiga (ENARM 2022). Por ello, representa un error en la validez interna. Existen sesgos de medición diferencial o no diferencial. Los más graves son los diferenciales pues generan una medición distinta entre los grupos de estudio. Algunos ejemplos de estos sesgos de medición diferenciales son: El efecto Hawthorne que ocurre cuando los sujetos cambian su conducta al sentirse observados (ENARM 2016 -A), este error puede evitarse con el uso de ciegos. Otros tipos de errores de medición son la regresión a la media o el sesgo ecológico.

Sesgo de confusión: Existe sesgo de confusión cuando observamos una asociación no causal entre la exposición y el evento en estudio o cuando no observamos una asociación real entre la exposición y el evento en estudio por la acción de una tercera variable que no es controlada. Este sesgo suele ocurrir al momento del análisis de los resultados (ENARM 2007 – B) y solo puede controlarse si se puede aislar el factor confusor mediante técnica multivariada o estratificación. Si no se puede medir el factor confusor la única forma de prevenirlo es aleatorizando los grupos de estudio, es por ello que los estudios observacionales son los más expuestos a este tipo de sesgo.

This article is from: