1. Validez de un estudio y sus amenazas
Toda asociación observada entre una exposición y una enfermedad debe someterse a escrutinio antes de interpretarse como causal. Las tres grandes amenazas a la validez de un estudio epidemiológico son el azar (abordado mediante pruebas de significación estadística e intervalos de confianza — ver Manual de Bioestadística), el sesgo (un error sistemático introducido por el propio diseño o ejecución del estudio) y la confusión (la distorsión de una asociación por un tercer factor).
2. Sesgo de selección
El sesgo de selección ocurre cuando la forma en que se seleccionan los sujetos del estudio (casos, controles, o la cohorte expuesta/no expuesta) genera una distorsión en la asociación estimada, porque los seleccionados no representan adecuadamente a la población de la que provienen. Es una amenaza particularmente relevante en los estudios de casos y controles (ver capítulo IV.2): si los controles no se seleccionan de forma que reflejen la distribución de exposición de la población que dio origen a los casos, cualquier comparación queda distorsionada desde el diseño mismo, sin posibilidad de corrección posterior en el análisis.
3. Sesgo de información
El sesgo de información (o de clasificación) surge de errores sistemáticos en la medición de la exposición o del desenlace. Su variante más relevante en los estudios de casos y controles es el sesgo de memoria (recall bias): los casos, al buscar activamente una explicación a su enfermedad, tienden a recordar y reportar exposiciones pasadas de forma distinta —típicamente con mayor detalle o mayor probabilidad de recuerdo— que los controles sanos, para quienes esa exposición nunca tuvo motivo de ser recordada con precisión (ver capítulo IV.2). Otra variante es el sesgo del observador, cuando quien recoge o clasifica los datos conoce la hipótesis del estudio y esto influye —consciente o inconscientemente— en cómo clasifica a cada sujeto.
Estrategias de control del sesgo de información: el cegamiento (que el evaluador desconozca la exposición o el estado de enfermedad del sujeto que está clasificando) y el uso de fuentes de información objetivas y estandarizadas (registros clínicos, mediciones de laboratorio) en lugar de exclusivamente el reporte retrospectivo del propio sujeto, cuando sea factible.
4. Confusión (confounding)
Un factor de confusión (confusor) distorsiona la relación observada entre una exposición y una enfermedad porque cumple simultáneamente dos condiciones: (1) está asociado con la exposición de interés (sin ser, a su vez, una consecuencia de ella), y (2) es, independientemente, un factor de riesgo para la enfermedad estudiada. Cuando ambas condiciones se cumplen, parte —o la totalidad— de la asociación observada entre la exposición y la enfermedad puede en realidad deberse al confusor, y no a la exposición en sí.
Ejemplo clásico: si se observa una asociación entre "portar encendedor" y cáncer de pulmón, no es porque portar un encendedor cause cáncer, sino porque el tabaquismo —la verdadera causa— está fuertemente asociado tanto con portar un encendedor (la exposición aparente) como con el cáncer de pulmón (el desenlace). El tabaquismo actúa aquí como confusor clásico.
¿Cómo se controla la confusión? En la etapa de diseño: mediante restricción (incluir en el estudio solo sujetos con un nivel fijo del confusor — por ejemplo, estudiar solo no fumadores) o mediante aleatorización (en ensayos clínicos, la asignación al azar de la exposición tiende a distribuir uniformemente los confusores, conocidos y desconocidos, entre los grupos comparados — ver capítulo V.1). En la etapa de análisis: mediante estratificación (analizar la asociación por separado dentro de cada categoría del confusor, y luego combinar los resultados — el mismo principio que el ajuste de tasas del capítulo II.3) o mediante análisis multivariado (modelos estadísticos que ajustan simultáneamente por múltiples confusores). A diferencia del sesgo de selección o información, la confusión —si fue medida— puede corregirse en el análisis aun después de que los datos ya fueron recolectados.
5. Riesgo atribuible
Mientras que el riesgo relativo (ver capítulo IV.1) cuantifica la fuerza de una asociación, las medidas de impacto cuantifican cuánta enfermedad podría evitarse si se eliminara la exposición — información con implicancias directas para la priorización de intervenciones de salud pública.
El riesgo atribuible en los expuestos (RAe) es la diferencia entre la incidencia en expuestos y la incidencia en no expuestos: representa el exceso de riesgo directamente atribuible a la exposición, entre quienes están expuestos.
RAe = Incidencia en expuestos − Incidencia en no expuestos
Ejemplo — cohorte de Framingham, hipertensión y enfermedad cardiovascular (retomando el estudio del capítulo IV.1): la incidencia en expuestos (hipertensos) fue de 545,5 por 1.000, y en no expuestos (normotensos), de 189,0 por 1.000. El riesgo atribuible en los expuestos es RAe = 545,5 − 189,0 = 356,5 casos por 1.000 — es decir, de cada 1.000 hipertensos, 356,5 casos de enfermedad cardiovascular son atribuibles directamente a la hipertensión (el resto habría ocurrido de todos modos, al mismo ritmo que en los normotensos).
El riesgo atribuible poblacional (RAP) extiende este cálculo a toda la población (expuestos y no expuestos combinados), y depende no solo de la fuerza de la asociación sino también de qué tan frecuente es la exposición en esa población:
RAP = Incidencia en la población total − Incidencia en no expuestos
Continuando el ejemplo de Framingham: la incidencia en la población total (hipertensos y normotensos combinados) fue de 196,0 por 1.000. RAP = 196,0 − 189,0 = 7,0 casos por 1.000 — el exceso de enfermedad cardiovascular en la población general atribuible a la hipertensión, mucho menor que el RAe porque solo una fracción de la población es hipertensa.
6. Fracciones atribuibles
Las fracciones atribuibles expresan el riesgo atribuible como porcentaje, lo que facilita la comparación entre exposiciones o poblaciones distintas.
Fracción atribuible en expuestos (RA%) = (RAe ÷ Incidencia en expuestos) × 100
Fracción atribuible poblacional (RAP%) = (RAP ÷ Incidencia en la población total) × 100
Framingham: RA% = (356,5 ÷ 545,5) × 100 ≈ 65,4% — del total de enfermedad cardiovascular que ocurre en los hipertensos, el 65,4% es atribuible a la hipertensión (el 34,6% restante habría ocurrido de todas formas). RAP% = (7,0 ÷ 196,0) × 100 ≈ 3,6% — solo el 3,6% de toda la enfermedad cardiovascular en la población general es atribuible a la hipertensión, un porcentaje mucho menor porque la hipertensión, aunque fuertemente asociada al riesgo individual, es relativamente poco prevalente en la población estudiada.
7. Riesgo individual versus impacto poblacional: la lección de Framingham
El ejemplo más instructivo del estudio de Framingham surge de comparar tres factores de riesgo cardiovascular simultáneamente:
| Factor de riesgo | Riesgo relativo (RR) | Prevalencia de la exposición | Fracción atribuible poblacional (RAP%) |
|---|---|---|---|
| Hipertensión | 2,9 | 2,0% | 3,6% |
| Cardiomegalia | 2,1 | 10,0% | 9,8% |
| Tabaquismo | 1,9 | 71,9% | 39,5% |
¿Por qué el tabaquismo, con el riesgo relativo más bajo de los tres, tiene por lejos el mayor impacto en la población? El riesgo relativo mide cuánto aumenta el riesgo en un individuo expuesto respecto de uno no expuesto — es una medida de la fuerza causal a nivel individual, independiente de qué tan común sea la exposición. La fracción atribuible poblacional, en cambio, depende del producto entre esa fuerza de asociación y la prevalencia de la exposición en la población: una exposición que multiplica poco el riesgo individual pero afecta a la gran mayoría de la población (71,9% de tabaquismo, frente a apenas 2,0% de hipertensión y 10,0% de cardiomegalia en esta cohorte) termina siendo responsable de una proporción mucho mayor de toda la enfermedad que ocurre en esa población. Esta es la razón por la cual, desde la perspectiva de la salud pública —que busca reducir la carga total de enfermedad en la población, no el riesgo de un único individuo— eliminar el tabaquismo tendría un impacto muchísimo mayor sobre la incidencia de enfermedad cardiovascular que eliminar la hipertensión, a pesar de que, individuo por individuo, la hipertensión es el factor de riesgo relativo más fuerte de los tres. Esta distinción entre fuerza de asociación (RR/OR, relevante para establecer causalidad y para el pronóstico de un paciente individual) e impacto poblacional (RAP/RAP%, relevante para priorizar políticas e intervenciones de salud pública) es uno de los conceptos más frecuentemente evaluados y, a la vez, más frecuentemente confundidos en epidemiología.
Trampa de examen: "el factor de riesgo con mayor RR es el que hay que priorizar en una campaña de salud pública" es un razonamiento incompleto. La priorización de intervenciones poblacionales debe basarse en la fracción atribuible poblacional (que incorpora la prevalencia de la exposición), no únicamente en la fuerza de la asociación individual (RR u OR).
8. Puntos clave
- Amenazas a la validez: azar, sesgo (selección, información/memoria, observador) y confusión.
- Confusor: asociado con la exposición y, a la vez, factor de riesgo independiente para la enfermedad — se controla por diseño (restricción, aleatorización) o por análisis (estratificación, multivariado).
- RAe = incidencia expuestos − incidencia no expuestos; RAP = incidencia población total − incidencia no expuestos; RA% y RAP% expresan lo mismo como porcentaje.
- Framingham: hipertensión (RR más alto, prevalencia más baja, RAP% más bajo) vs. tabaquismo (RR más bajo, prevalencia mucho más alta, RAP% mucho más alto) — RR mide fuerza individual, RAP% mide impacto poblacional.