Variables confundentes

Temas->>Epidemiologa analtica

Este tema es de nivel

BASICO

Variables confundentes
TEMA
EPIDEMIOLOGIA
ANALITICA
Estudios de cohortes
Estudios de cohortes
II
Casos
y controles
Casos
y controles II
Casos
y controles III
Intervalos de
confianza
Variables
confundentes
Anlisis estratificado

OTROS TEMAS
Introductorios
Instrumentales
introductorios
Paradigmas
epidemiolgicos
Indicadores de
riesgo EPI
Investigacin y EPI
Epidemiologa
descriptiva
Epidemiologa
analtica
Estudios
experimentales

Parte crucial de la etapa de interpretacin de los resultados y de

evaluacin de los hallazgos es analizar crticamente la posibilidad de que
eventuales factores pudieran estar invalidando metodolgicamente los
resultados. El investigador debe ser consciente de que los resultados
obtenidos pueden deberse a otros factores que no corresponden a la
intervencin en estudio y que de no ser consideradas pudieran llevar a
conclusiones equivocadas.
En trminos generales, frente a los resultados obtenidos el investigador
debe estar en condiciones de poder evaluar si los resultados pueden ser
originados por:
1.
2.
3.
4.
5.

Simple azar o chance

Ocurrencia de error sistemtico
Presencia de variables confundentes
Fenmenos de interaccin entre variables estudiadas.
Asociaciones causales

1. Simple azar o chance

Estadsticamente es posible conocer y controlar la probabilidad de
ocurrencia de error en la investigacin desde fases tan tempranas en la
investigacin como puede ser la etapa de muestreo. Subsecuentemente,
la revisin y anlisis preliminar de la informacin permite verificar la
magnitud real de error proveniente de los datos recogidos. Aunque el
error aleatorio es imposible de eliminar, el conocimiento de su cuanta
permite emitir juicios considerando su magnitud al evaluar los resultados
de la investigacin. Dependiendo del problema en cuestin y el nivel de
conocimientos imperantes el investigador debe decidir cul es el nivel
mximo de error tolerable para, por ejemplo, implementar una medida
preventiva o una de control en una poblacin.
2. Ocurrencia de error sistemtico
La participacin del sesgo en los resultados obtenidos en una
investigacin puede ser muchas veces abortada sometiendo a una
cuidadosa revisin y anlisis las caractersticas del diseo de la
investigacin, en particular aquellos aspectos referidos a la medicin de
las principales variables independientes del estudio (variables de
exposicin y covariables). Es esencial adems minimizar la probabilidad
de existencia de errores sistemticos derivados de la aplicacin de
instrumentos de medicin optimizando las condiciones de aplicacin de
dichos instrumentos mediante su evaluacin previa y su control
permanente durante la fase de trabajo de terreno y recoleccin de
informacin.
3. Presencia de variables confundentes e interaccin entre variables
estudiadas.
Un captulo importante en la investigacin epidemiolgica corresponde
al anlisis de resultados considerando la participacin de variables que
pudieran ejercer algn efecto sobre la relacin encontrada. Esto podra
manifestarse a travs de una distorsin del efecto observado respecto al
efecto real debido a una desigual distribucin de una variable extraa en
los grupos estudiados (efecto de confusin). Tambin es posible la
obtencin de un efecto no esperado, pero real, producto de la

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (1 de 6)31/08/2007 9:33:19

OBJETIVOS DE LA LECTURA

1. Conocer los factores que

pueden interferir en los
resultados obtenidos en un
estudio
2. Reconocer una variable
confundente

Variables confundentes

interrelacin simultnea de dos o ms factores participantes en el efecto

estudiado (interaccin).
4. Asociaciones causales
En el anlisis de relaciones de causalidad, el investigador debe tener la
certeza absoluta acerca de la direccionalidad de las asociaciones
observadas (prospectiva o no) y considerar que la exposicin estudiada
pudiera corresponder en realidad a un outcome o variable dependiente al
estudiar una cadena causal.

Variables confundentes
El efecto de confusin se produce cuando en el anlisis de una relacin,
existe distorsin en el efecto estimado, el que es producido por la
presencia de una variable extraa en el estudio de la asociacin.
El efecto que puede tener la presencia de esta variable extraa en el
resultado puede ser diverso: en ocasiones determina la existencia de
asociaciones positivas, las que en la prctica no son reales (error de tipo I
o ) o bien, pueden esconder asociaciones reales, las que en presencia
de esta variable extraa, quedan enmascaradas (error de tipo II o ).
El concepto de confusin es crtico en el anlisis epidemiolgico, siendo
ms importante en el terreno de la investigacin epidemiolgica
observacional o no experimental que en el campo experimental. Esto se
debe a que los estudios experimentales permiten un mejor control de este
efecto por caractersticas inherentes a su tipo de diseo (randomizacin,
control a priori de eventuales variables confundentes o el uso de
matching o pareamiento de variables).
Conceptualmente deben cumplirse algunos requisitos para considerar a
una variable como potencialmente confundente:

La variable incriminada debe estar simultneamente asociada con

la enfermedad (variable dependiente) en estudio y con la
exposicin,
Por tanto, debe ser un factor de riesgo para la enfermedad
estudiada,
El factor extrao si bien es cierto debe estar asociado con la
exposicin (o variable independiente), no debe ser consecuencia
de sta ltima.

Grficamente lo anterior corresponde a la siguiente representacin:

Figura 1:
Variables confundentes.

Por ejemplo, en el anlisis del efecto protector del Beta Caroteno en

relacin con el cncer del sistema digestivo, se encuentra evidencia

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (2 de 6)31/08/2007 9:33:19

Variables confundentes

favorable acerca del consumo de vegetales en la reduccin del riesgo del

cncer, concluyndose que el consumo de Beta Caroteno en la dieta rica
en vegetales es una medida especfica de proteccin contra el cncer.
Sin embargo, en este ejemplo pueden existir al menos dos posibles
variables confundentes a considerar. La primera, es la edad, variable que
se asocia con la incidencia de cncer, y que podra asociarse con el nivel
de consumo de verduras y hortalizas, lo que podra verificarse si en el
estudio se contara con informacin acerca de la constitucin por edad de
los sujetos estudiados.
Otra variable confundente podra ser el consumo de fibra en la dieta. En
este caso, el nivel de consumo y tipo de fibra est relacionada
simultneamente con la variable consumo de vegetales y con la
variable cncer. Para ambos ejemplos de posibles variables
confundentes, se cumplen las condiciones previamente sealadas para
poder considerarlas como tales. De no considerarse en el anlisis la
presencia de ellas pudiera concluirse una recomendacin errnea
basndose en una relacin esprea o ficticia.
Para mayor claridad respecto a las caractersticas de las variables
confundentes se plantearn tres situaciones hipotticas (Figura 2):
Figura 2.
Ejemplos de posible variables confundentes

1. En este caso, el tabaquismo se relaciona simultneamente con la

exposicin y con el desenlace u outcome. Corresponde realmente a una
variable confundente.

2. En esta situacin, el nivel de colesterol srico corresponde a una

variable intermedia, vale decir, en la cadena causal precede al dao y
es consecuencia de la exposicin principal en estudio. En este caso, la
variable no corresponde a una variable confundente.

3. Finalmente se da ac el caso en que la variable de exposicin

(tabaquismo) est asociada con una tercera variable (consumo de
alcohol). Si embargo, esta ltima, no corresponde a una variable
confundente, puesto que slo se asocia con la exposicin y no con el
desenlace.

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (3 de 6)31/08/2007 9:33:19

Variables confundentes

No siempre es fcil saber si se cumplen los requisitos para que una

variable sea considerada confundente. Por ejemplo, cmo saber si una
variable es factor de riesgo para el desenlace estudiado si se desconocen
antecedentes al respecto?
Para tales efectos, es posible que en el anlisis se pueda obtener
informacin desagregando la informacin recogida.
En un hipottico ejemplo de estudio de casos (enfermos) y controles
(sanos) destinados a establecer la existencia de asociacin entre la
exposicin al consumo de caf y el riesgo de cncer del pncreas, se
estudian 100 casos y 100 controles, con el siguiente resultado:
Tabla 1.
Ejemplo: Consumo de caf y cncer de pncreas
Consumo de caf
Exposicin +
Exposicin Total

Pacientes con cncer

30
70
100

Sujetos sanos
18
82
100

El valor de Odds ratio correspondiente es:

OR = 30 x 82 = 1.95
18 x 70
Con lo cual se concluye que el consumo de caf esta asociado con un
mayor riesgo de padecer de cncer del pncreas.
Una posible variable de confusin en este estudio pudiera estar dada por
la edad de los sujetos participantes en el estudio. Si as fuera,
primeramente se debera estudiar si se cumplen los requisitos para
considerar a esta variable como una variable de confusin:

En primer lugar se analizar la relacin existente entre la variable edad y

la variable dependiente en estudio (cncer de pncreas), utilizando para
ello informacin desagregada de la edad, considerada sta
dicotmicamente en menores o mayores de 40 aos de edad:
Tabla 2.
Ej. Consumo de caf y cncer del pncreas: casos y controles segn
grupo de edad
Edad (aos)
Menos de 40
Ms de 40

Pacientes con cncer

50
50

Sujetos sanos
80
20

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (4 de 6)31/08/2007 9:33:19

Variables confundentes

Total

100

100

Luego, el porcentaje de sujetos mayores de 40 aos con cncer es

claramente superior (50%) al de sujetos sanos (20%).
Esto se puede validar mediante un test de chi cuadrado
(

=19,78 , p < 0.0001)

En una segunda etapa, se estudiar la asociacin entre esta variable

(edad) con la variable exposicin.
Tabla 3.
Ej. Antecedente de exposicin de acuerdo a categora de edad, casos y
controles

Edad (aos)
Menores de 40
Mayores de 40

Consumo de Caf
Expuestos
No expuestos
13
117
35
35

Total
130
70

% Expuesto
10
50

Se aprecia que la frecuencia de exposicin no es uniforme en los estratos

de edad, teniendo los mayores de 40 aos un mayor porcentaje de
exposicin. Evaluado esto mediante un test de chi cuadrado, se tiene
=39.91, p < 0.0001
Finalmente, est claro que la edad de los sujetos, as categorizada, no es
consecuencia del consumo de caf, con lo cual se establece el
cumplimiento de los requisitos para que la variable edad pueda
considerarse como eventualmente confundente.
Web Gabriel Rada. Revisado 2007 Toms Merino

CONCEPTOS CLAVES
Los resultados obtenidos en un
estudio pueden deberse a otras
causas aparte de la estudiada:
1. Simple azar o chance
2. Ocurrencia de error sistemtico
3. Presencia de variables
confundentes
4. Fenmenos de interaccin
entre variables estudiadas
5. Asociaciones causales

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (5 de 6)31/08/2007 9:33:19

Variables confundentes

file:///C|/Documents%20and%20Settings/Salud%20Publica/Escritorio/RecEpidem/EPIANAL9A.HTM (6 de 6)31/08/2007 9:33:19