Estudio antropológico de 1961 elaborado por Juhan Aul (et) de la Universidad de Tartu , que midió a unas 50.000 personas.
En campos como la epidemiología , las ciencias sociales , la psicología y la estadística , un estudio observacional extrae inferencias de una muestra a una población donde la variable independiente no está bajo el control del investigador debido a preocupaciones éticas o limitaciones logísticas. Un estudio observacional común trata sobre el posible efecto de un tratamiento en los sujetos, donde la asignación de sujetos a un grupo tratado versus un grupo de control está fuera del control del investigador. [1] [2] Esto contrasta con los experimentos , como los ensayos controlados aleatorios , donde cada sujeto es asignado aleatoriamente a un grupo tratado o a un grupo de control. Los estudios observacionales, al carecer de un mecanismo de asignación, naturalmente presentan dificultades para el análisis inferencial.
Motivación
La variable independiente puede estar fuera del control del investigador por diversas razones:
Un experimento aleatorio violaría los estándares éticos . Supongamos que uno quisiera investigar la hipótesis aborto-cáncer de mama , que postula un vínculo causal entre el aborto inducido y la incidencia del cáncer de mama. En un experimento controlado hipotético, se comenzaría con un gran grupo de mujeres embarazadas y se las dividiría aleatoriamente en un grupo de tratamiento (que recibiría abortos inducidos) y un grupo de control (que no recibiría abortos), y luego realizaría exámenes periódicos de detección de cáncer en mujeres de ambos países. grupos. No hace falta decir que un experimento así iría en contra de los principios éticos comunes. (También sufriría diversas confusiones y fuentes de sesgo, por ejemplo, sería imposible realizarlo como un experimento a ciegas ). Los estudios publicados que investigan la hipótesis del aborto y el cáncer de mama generalmente comienzan con un grupo de mujeres que ya han abortado. El investigador no controla la pertenencia a este grupo "tratado": el grupo se forma después de que se ha asignado el "tratamiento". [ cita necesaria ]
Es posible que el investigador simplemente carezca de la influencia necesaria. Supongamos que un científico quiere estudiar los efectos en la salud pública de una prohibición comunitaria de fumar en áreas públicas interiores. En un experimento controlado, el investigador elegiría aleatoriamente un conjunto de comunidades para formar parte del grupo de tratamiento. Sin embargo, normalmente corresponde a cada comunidad y/o su legislatura promulgar una prohibición de fumar . Se puede esperar que el investigador carezca del poder político para lograr que precisamente aquellas comunidades del grupo de tratamiento seleccionado al azar aprueben una prohibición de fumar. En un estudio observacional, el investigador normalmente comenzaría con un grupo de tratamiento formado por aquellas comunidades donde ya está en vigor una prohibición de fumar. [ cita necesaria ]
Un experimento aleatorio puede resultar poco práctico. Supongamos que un investigador quiere estudiar el vínculo sospechoso entre un determinado medicamento y un grupo muy raro de síntomas que surgen como efecto secundario. Dejando de lado cualquier consideración ética, un experimento aleatorio no sería práctico debido a la rareza del efecto. Es posible que no haya un grupo de sujetos lo suficientemente grande como para que se observen los síntomas en al menos un sujeto tratado. Un estudio observacional normalmente comenzaría con un grupo de sujetos sintomáticos y avanzaría hacia atrás para encontrar aquellos a quienes se les administró el medicamento y luego desarrollaron los síntomas. Por lo tanto, se determinó un subconjunto del grupo tratado basándose en la presencia de síntomas, en lugar de mediante asignación aleatoria. [ cita necesaria ]
Muchos ensayos controlados aleatorios no son ampliamente representativos de los pacientes del mundo real y esto puede limitar su validez externa . Los pacientes que reúnen los requisitos para ser incluidos en un ensayo controlado aleatorio suelen ser más jóvenes, más propensos a ser hombres, más sanos y más propensos a ser tratados según las recomendaciones de las directrices. [3] Si la intervención se agrega posteriormente a la atención de rutina, una gran parte de los pacientes que la recibirán pueden ser ancianos con muchas enfermedades concomitantes y terapias farmacológicas, aunque estos grupos de pacientes en particular no habrán sido estudiados en el ensayos experimentales iniciales. Un estudio observacional que examine a los pacientes del mundo real en la atención de rutina diaria puede complementar los resultados del ensayo aleatorio para que sea más aplicable en la población de pacientes.
Tipos
Estudio de casos y controles : estudio desarrollado originalmente en epidemiología, en el que dos grupos existentes que difieren en resultados se identifican y comparan sobre la base de algún supuesto atributo causal.
Estudio transversal : implica la recopilación de datos de una población, o de un subconjunto representativo, en un momento específico.
"Aunque los estudios observacionales no pueden usarse para hacer declaraciones definitivas sobre la" seguridad, eficacia o efectividad "de una práctica, sí pueden: [4]
proporcionar información sobre el uso y la práctica en el "mundo real";
detectar señales sobre los beneficios y riesgos de...[el] uso [de prácticas] en la población general;
ayudar a formular hipótesis que se probarán en experimentos posteriores;
proporcionar parte de los datos a nivel comunitario necesarios para diseñar ensayos clínicos pragmáticos más informativos; y
informar la práctica clínica." [4]
Sesgo y métodos de compensación.
En todos esos casos, si no se puede llevar a cabo un experimento aleatorio, la línea alternativa de investigación adolece del problema de que la decisión de qué sujetos reciben el tratamiento no es completamente aleatoria y, por lo tanto, es una fuente potencial de sesgo . Un desafío importante al realizar estudios observacionales es sacar inferencias que estén aceptablemente libres de influencias de sesgos abiertos, así como evaluar la influencia de posibles sesgos ocultos. Los siguientes son un conjunto no exhaustivo de problemas especialmente comunes en estudios observacionales.
Sesgo de técnicas de emparejamiento
En lugar del control experimental, las técnicas estadísticas multivariadas permiten la aproximación del control experimental al control estadístico mediante el uso de métodos de emparejamiento. Los métodos de emparejamiento tienen en cuenta las influencias de los factores observados que podrían influir en una relación de causa y efecto. En la atención sanitaria y las ciencias sociales , los investigadores pueden utilizar el emparejamiento para comparar unidades que recibieron el tratamiento y el control de forma no aleatoria. Un enfoque común es utilizar el emparejamiento por puntaje de propensión para reducir la confusión , [5] aunque recientemente esto ha sido criticado por exacerbar los mismos problemas que busca resolver. [6]
Sesgo de comparación múltiple
Puede ocurrir un sesgo de comparación múltiple cuando se prueban varias hipótesis al mismo tiempo. A medida que aumenta el número de factores registrados, aumenta la probabilidad de que al menos uno de los factores registrados esté altamente correlacionado con la salida de datos simplemente por casualidad. [7]
Sesgo de variable omitida
Un observador de un experimento (o proceso) no controlado registra los factores potenciales y la salida de datos: el objetivo es determinar los efectos de los factores. A veces, es posible que los factores registrados no estén causando directamente las diferencias en la producción. Puede haber factores más importantes que no se registraron pero que, de hecho, son causales. Además, pueden estar correlacionados factores registrados o no registrados, lo que puede dar lugar a conclusiones incorrectas. [8]
Sesgo de selección
Otra dificultad de los estudios observacionales es que los propios investigadores pueden estar sesgados en sus habilidades de observación. Esto permitiría a los investigadores (ya sea consciente o inconscientemente) buscar la información que buscan mientras realizan su investigación. Por ejemplo, los investigadores pueden exagerar el efecto de una variable o restar importancia al efecto de otra: los investigadores pueden incluso seleccionar sujetos que se ajusten a sus conclusiones. Este sesgo de selección puede ocurrir en cualquier etapa del proceso de investigación. Esto introduce un sesgo en los datos cuando ciertas variables se miden sistemáticamente de manera incorrecta. [9]
Calidad
Una revisión Cochrane de 2014 (actualizada en 2024) concluyó que los estudios observacionales producen resultados similares a los realizados como ensayos controlados aleatorios . [10] La revisión informó poca evidencia de diferencias significativas en los efectos entre los estudios observacionales y los ensayos controlados aleatorios, independientemente del diseño. [10] Las diferencias deben evaluarse observando la población, el comparador, la heterogeneidad y los resultados. [10]
^ "Estudio observacional". Archivado desde el original el 27 de abril de 2016 . Consultado el 25 de junio de 2008 .
^ Porta M, ed. (2008). Diccionario de epidemiología (5ª ed.). Nueva York: Oxford University Press. ISBN9780195314496.
^ Kennedy-Martin T, Curtis S, Faries D, Robinson S, Johnston J (noviembre de 2015). "Una revisión de la literatura sobre la representatividad de muestras de ensayos controlados aleatorios y las implicaciones para la validez externa de los resultados de los ensayos". Ensayos . 16 (1): 495. doi : 10.1186/s13063-015-1023-4 . PMC 4632358 . PMID 26530985.
^ ab "Aunque los estudios observacionales no pueden proporcionar evidencia definitiva de seguridad, eficacia o efectividad, pueden: 1) proporcionar información sobre el uso y la práctica en el" mundo real "; 2) detectar señales sobre los beneficios y riesgos del uso de terapias complementarias en general población; 3) ayudar a formular hipótesis que se probarán en experimentos posteriores; 4) proporcionar parte de los datos a nivel comunitario necesarios para diseñar ensayos clínicos pragmáticos más informativos; y 5) informar la práctica clínica". "Estudios observacionales y análisis de datos secundarios para evaluar resultados en atención médica complementaria e integral". Archivado el 29 de septiembre de 2019 en Wayback Machine Richard Nahin, Ph.D., MPH, asesor principal de coordinación y extensión científica, Centro Nacional de Salud Complementaria e Integrativa , 25 de junio de 2012
^ Rosenbaum, Paul R. 2009. Diseño de estudios observacionales . Nueva York: Springer.
^ Rey, Gary; Nielsen, Richard (7 de mayo de 2019). "Por qué las puntuaciones de propensión no deberían utilizarse para el emparejamiento". Análisis Político . 27 (4): 435–454. doi :10.1017/pan.2019.11. hdl : 1721.1/128459 . ISSN 1047-1987. S2CID 53585283.| enlace al artículo completo (desde la página de inicio del autor
^ Benjamini, Yoav (2010). "Inferencia simultánea y selectiva: éxitos actuales y desafíos futuros". Diario Biométrico . 52 (6): 708–721. doi :10.1002/bimj.200900299. PMID 21154895. S2CID 8806192.
^ "Capítulo 18 de Introducción a la econometría: Sesgo de variable omitida". www3.wabash.edu . Consultado el 16 de julio de 2022 .
^ Martillo, Gaël P; du Prel, Jean-Baptist; Blettner, María (1 de octubre de 2009). "Evitar sesgos en los estudios observacionales". Deutsches Ärzteblatt Internacional . 106 (41): 664–668. doi :10.3238/arztebl.2009.0664. ISSN 1866-0452. PMC 2780010 . PMID 19946431.
^ abcToews , Ingrid; Anglemyer, Andrés; Nyirenda, John Lz; Además, Dima; Balduzzi, Sara; Grummich, Kathrin; Schwingshackl, Lukas; Bero, Lisa (4 de enero de 2024). "Resultados sanitarios evaluados con diseños de estudios observacionales en comparación con los evaluados en ensayos aleatorios: un estudio metaepidemiológico". La base de datos Cochrane de revisiones sistemáticas . 1 (1): MR000034. doi : 10.1002/14651858.MR000034.pub3. ISSN 1469-493X. PMC 10765475. PMID 38174786.
Otras lecturas
Rosenbaum PR (2002). Estudios observacionales (2ª ed.). Nueva York: Springer-Verlag. ISBN 0387989676.
"Manual NIST/SEMATECH sobre estadísticas de ingeniería" en NIST
