Errar es humano - Ciencia sin seso…locura doble

La escopeta de feria
Hace unos días estuve con mi primo en las fiestas de nuestro barrio y,
para entretenernos un rato, estuvimos disparando unos perdigones en una de
las casetas, a ver si conseguíamos llevarnos el osito de peluche.
Pero, nada, ni por casualidad.
Yo disparé un montón de veces, pero no metí ni un perdigón en la diana.
Todos quedaron alrededor, pero ni uno solo en el centro. Mi primo, sin
embargo, es un tirador de primera. El problema es que le dieron una
escopeta con la mira torcida, así que le salieron todos los perdigones
desviados y tampoco metió ninguno dentro de la diana. En resumen, nos
quedamos sin peluche. En la figura que os adjunto podéis ver el destrozo de
disparos que hicimos los dos.
De todas formas y para sacar provecho de esta situación, mirando las
dianas se me ocurre que guardan algún parecido con los dos tipos de error
que podemos tener en nuestros estudios epidemiológicos.
Estos son, en sentido general, dos: el error aleatorio y el error
sistemático.
El error aleatorio se debe a nuestro amigo el azar, del que no hay
manera de librarse. Puede tener dos causas fundamentales. La primera, el
error de muestreo. Cuando obtenemos una muestra de una población lo hacemos
con la idea de estimar un parámetro poblacional a través del estudio de un
estimador de ese parámetro en la muestra. Sin embargo, debido al error de
muestreo podemos obtener una muestra que no sea representativa de la
población (si obtenemos varias muestras, todas serán ligeramente diferentes
unas de otras). Esto pasará, sobre todo, cuando los tamaños de las muestras
sean pequeños y cuando utilicemos técnicas de muestreo que no sean
probabilísticas.
La otra fuente de error aleatorio es la propia variabilidad en la
medición. Si nos tomamos la presión arterial varias veces, los resultados
serán diferentes (aunque similares) debido, por una parte, a la propia
variabilidad biológica y, por otra, a la imprecisión del aparato de medida
que utilicemos.
Este error aleatorio se relacionará con la precisión del resultado. Una
medida será tanto más precisa cuanto menor sea el componente aleatorio, por
lo que puede aumentarse la precisión aumentando el tamaño de la muestra o
siendo más cuidadoso con las mediciones.
En nuestro ejemplo del tiro, yo representaría el error aleatorio. Se me
desvían los tiros al azar, de modo que por la nube de impactos puede uno
imaginarse por donde está la diana, pero ningún disparo la alcanza.
Lógicamente, cuantos más disparos haga, más probabilidad habrá de dar en el
centro, aunque sea por azar.
El segundo error que mencionamos es el error sistemático, también
llamado sesgo. Este se debe a un error en el diseño o en el análisis del
estudio, que produce una estimación incorrecta o no válida del efecto que
estamos estudiando. En nuestro ejemplo, como ya habréis adivinado, mi primo
representa el error sistemático. El tira muy bien, pero como la escopeta
está mal calibrada, los tiros dan fuera de la diana, desviándose todos
sistemáticamente en una misma dirección. Viendo solo los tiros no podemos
imaginar donde está el centro, como veíamos con mis disparos en mi diana,
porque pensaríamos que el centro está en una localización que, en realidad,
no le corresponde. Así, el error aleatorio afecta a la precisión, mientras
que el sistemático compromete la validez de los resultados. Y otra cosa,
por más que mi primo aumente el número de disparos, le seguirán saliendo
torcidos. El error sistemático no disminuye porque aumentemos el tamaño de
la muestra.
Y aquí lo vamos a dejar por hoy. No hemos hablado nada de los tipos de
errores sistemáticos, que hay varios. Se pueden dividir en sesgos de
selección, de información y de análisis que, a su vez, pueden dividirse en
otros muchos. Pero esa es otra historia…
Errar es humano
Errar es humano, perdonar es divino. Eso dicen pero, ¿qué significa?. Si
uno lee la frase puede entender que cometer errores forma parte de la
naturaleza humana. Y quizás tenga algo de cierto, porque rara es la vez que
los llamados seres humanos hacemos algo que no esté plagado de errores,
aunque pongamos todo nuestro cuidado en no cometer ninguno.
En cuanto a lo de perdonar, también es cierto que es una cualidad más
divina que humana. Aunque hay algunos errores que no merecen perdón, ni
humano ni divino.
Pero centrémonos en nuestro tema: los errores de los estudios
científicos. Porque existen dos tipos de errores que son comunes a
cualquier tipo de estudio: los errores aleatorios y los errores
sistemáticos.
Los errores aleatorios, como su nombre indica, se deben al azar.
Habitualmente cuando queremos estudiar una variable en una población
tenemos que contentarnos con una muestra seleccionada a partir de esa
población. Pues bien, el muestreo aleatorio siempre encierra cierta
probabilidad de que la muestra no sea representativa de la población de la
que proviene. Esta probabilidad de error será mayor cuanto menor sea el
tamaño de la muestra y cuanto mayor sea la variabilidad de la
característica que estemos estudiando dentro de la población.
Otra causa de error aleatorio es la propia variabilidad de las
mediciones que hagamos, ya sea por la propia variabilidad biológica, por el
instrumento que utilicemos para medir o por la subjetividad o variabilidad
del observador. Por ejemplo, pensemos que vamos a estudiar la prevalencia
de enfermedad tuberculosa en nuestra muestra mediante el estudio de la
reacción cutánea a la tuberculina y el día que vamos a medir se nos rompen
las gafas. Cualquier parecido con la realidad será mera coincidencia.
El otro tipo de errores son los sistemáticos, también llamados sesgos,
que habitualmente conducen a una estimación incorrecta del efecto que
estamos estudiando. Estos no se deben al azar, sino a algún error en el
diseño del estudio, ya sea relacionado con los participantes (sesgo de
selección) o con la medición de la variable (sesgo de información).
El sesgo de selección se produce típicamente cuando elegimos una muestra
no representativa de la población. Pensemos que queremos saber la
prevalencia de una enfermedad y tomamos una muestra de los pacientes que
acuden al consultorio. Lógicamente, el resultado estará sesgado y
sobrevalorará la presencia de la enfermedad en la población.
Pero el sesgo de selección puede producirse también en otras
situaciones. Por ejemplo, si escogemos un grupo control con una enfermedad
relacionada con la de estudio, nuestro resultado será incorrecto. También
puede ocurrir cuando la probabilidad de que los sujetos abandonen el
estudio no sea igual en los dos grupos. Por ejemplo, supongamos que estamos
estudiando dos intervenciones y en ambos grupos se pierde el mismo
porcentaje, pero en uno tienden a perderse los que responden y en el otro
los que no responden. Aunque el porcentaje de respuesta sea el mismo, en
realidad la intervención más eficaz es aquélla en la que se pierden más lo
que responden que los que no. Algo parecido ocurre en las encuestas con los
que no contestan. Si preguntamos algo que esté mal visto socialmente,
siempre subestimaremos el resultado real.
Por su parte, el sesgo de información se produce cuando, de forma
sistemática, medimos de forma errónea o diferente en los dos grupos. En
general, suele producirse por utilizar pruebas con poca sensibilidad o
especificidad, por tener criterios diagnósticos erróneos o por cometer
imprecisiones o errores en la recogida de los datos.
Pensemos que estudiamos el peso en un tipo de enfermos y la báscula está
mal calibrada. O que estudiamos la talla y a un grupo le tallamos descalzo
y al otro con zapatos.
Hay un par de diferencias entre los dos tipos de errores, aleatorio y
sistemático. Como ya hemos dicho, el error aleatorio depende del tamaño
muestral, por lo que tiende a ser menor al aumentar el tamaño de la
muestra. Sin embargo, esto no ocurre con los errores sistemáticos, que se
perpetúan por más que aumentemos el tamaño muestral.
Por otra parte, los errores aleatorios pueden controlarse con relativa
facilidad, si no son muy grandes, durante la fase de análisis de los datos,
mientras que los sistemáticos son mucho más difíciles de corregir al
analizar los resultados. Por eso hay que ser muy cuidadoso durante la fase
de diseño e intentar evitarlos.
Y con esto terminamos por hoy. Que sepáis que la familia de los sesgos
es muy numerosa. Aunque todos pueden incluirse en alguno de los que hemos
mencionado, hay muchos más tipos de sesgos descritos, muchos de ellos
específicos de determinado tipo de diseño de estudio. Pero esa es otra
historia…