Un control científico es un experimento u observación diseñado para minimizar los efectos de variables distintas de la variable independiente (es decir, variables de confusión ). [1] Esto aumenta la confiabilidad de los resultados, a menudo a través de una comparación entre las mediciones de control y las otras mediciones. Los controles científicos son parte del método científico .
Los controles eliminan explicaciones alternativas de los resultados experimentales, especialmente los errores experimentales y el sesgo del experimentador. Muchos controles son específicos del tipo de experimento que se realiza, como en los marcadores moleculares utilizados en los experimentos SDS-PAGE , y pueden tener simplemente el propósito de garantizar que el equipo esté funcionando correctamente. La selección y el uso de controles adecuados para garantizar que los resultados experimentales sean válidos (por ejemplo, ausencia de variables de confusión ) puede resultar muy difícil. Las mediciones de control también se pueden utilizar para otros fines: por ejemplo, una medición del ruido de fondo de un micrófono en ausencia de una señal permite restar el ruido de mediciones posteriores de la señal, produciendo así una señal procesada de mayor calidad.
Por ejemplo, si un investigador alimenta con un edulcorante artificial experimental a sesenta ratas de laboratorio y observa que diez de ellas enferman posteriormente, la causa subyacente podría ser el edulcorante mismo o algo no relacionado. Otras variables, que pueden no ser fácilmente obvias, pueden interferir con el diseño experimental. Por ejemplo, el edulcorante artificial podría mezclarse con un diluyente y podría ser el diluyente el que provoque el efecto. Para controlar el efecto del diluyente, se realiza la misma prueba dos veces; una vez con el edulcorante artificial en el diluyente, y otra hecha exactamente de la misma manera pero usando solo el diluyente. Ahora el experimento está controlado por el diluyente y el experimentador puede distinguir entre edulcorante, diluyente y no tratamiento. Los controles suelen ser necesarios cuando un factor de confusión no puede separarse fácilmente de los tratamientos primarios. Por ejemplo, puede ser necesario utilizar un tractor para esparcir fertilizante cuando no existe otra forma practicable de esparcirlo. La solución más sencilla es disponer de un tratamiento en el que se pase un tractor sobre las parcelas sin esparcir fertilizante y de esta forma se controlen los efectos del tráfico de tractores.
Los tipos de control más simples son los controles negativos y positivos, y ambos se encuentran en muchos tipos diferentes de experimentos. [2] Estos dos controles, cuando ambos tienen éxito, suelen ser suficientes para eliminar la mayoría de las posibles variables de confusión: significa que el experimento produce un resultado negativo cuando se espera un resultado negativo, y un resultado positivo cuando se espera un resultado positivo. Otros controles incluyen controles de vehículos, controles simulados y controles comparativos. [2]
Cuando sólo hay dos resultados posibles, por ejemplo positivo o negativo, si el grupo de tratamiento y el control negativo producen un resultado negativo, se puede inferir que el tratamiento no tuvo ningún efecto. Si tanto el grupo de tratamiento como el control negativo producen un resultado positivo, se puede inferir que una variable de confusión está involucrada en el fenómeno en estudio y los resultados positivos no se deben únicamente al tratamiento.
En otros ejemplos, los resultados podrían medirse como duraciones, tiempos, porcentajes, etc. En el ejemplo de las pruebas de drogas, podríamos medir el porcentaje de pacientes curados. En este caso, se infiere que el tratamiento no tiene efecto cuando el grupo de tratamiento y el control negativo producen los mismos resultados. Se espera cierta mejora en el grupo placebo debido al efecto placebo , y este resultado establece la base sobre la cual el tratamiento debe mejorar. Incluso si el grupo de tratamiento muestra una mejora, es necesario compararlo con el grupo de placebo. Si los grupos muestran el mismo efecto, entonces el tratamiento no fue responsable de la mejora (porque el mismo número de pacientes se curaron en ausencia del tratamiento). El tratamiento sólo es eficaz si el grupo de tratamiento muestra más mejoras que el grupo de placebo.
A menudo se utilizan controles positivos para evaluar la validez de la prueba . Por ejemplo, para evaluar la capacidad de una nueva prueba para detectar una enfermedad (su sensibilidad ), podemos compararla con una prueba diferente que ya se sabe que funciona. La prueba bien establecida es un control positivo puesto que ya sabemos que la respuesta a la pregunta (si la prueba funciona) es sí.
De manera similar, en un ensayo enzimático para medir la cantidad de una enzima en un conjunto de extractos, un control positivo sería un ensayo que contiene una cantidad conocida de la enzima purificada (mientras que un control negativo no contendría ninguna enzima). El control positivo debe proporcionar una gran cantidad de actividad enzimática, mientras que el control negativo debe proporcionar una actividad muy baja o nula.
Si el control positivo no produce el resultado esperado, es posible que haya algún problema con el procedimiento experimental y se repita el experimento. Para experimentos difíciles o complicados, el resultado del control positivo también puede ayudar en comparación con resultados experimentales anteriores. Por ejemplo, si se determinó que la prueba de enfermedad bien establecida tiene el mismo efecto encontrado por experimentadores anteriores, esto indica que el experimento se está realizando de la misma manera que lo hicieron los experimentadores anteriores.
Cuando sea posible, se pueden utilizar múltiples controles positivos; si hay más de una prueba de enfermedad que se sabe que es efectiva, se puede probar más de una. Múltiples controles positivos también permiten comparaciones más precisas de los resultados (calibración o estandarización) si los resultados esperados de los controles positivos tienen diferentes tamaños. Por ejemplo, en el ensayo enzimático comentado anteriormente, se puede producir una curva estándar preparando muchas muestras diferentes con diferentes cantidades de enzima.
En la aleatorización, los grupos que reciben diferentes tratamientos experimentales se determinan al azar. Si bien esto no garantiza que no haya diferencias entre los grupos, sí asegura que las diferencias se distribuyan equitativamente, corrigiendo así los errores sistemáticos .
Por ejemplo, en experimentos en los que el rendimiento de los cultivos se ve afectado (por ejemplo, la fertilidad del suelo ), el experimento se puede controlar asignando los tratamientos a parcelas de tierra seleccionadas al azar. Esto mitiga el efecto de las variaciones en la composición del suelo sobre el rendimiento.
El cegamiento es la práctica de retener información que pueda sesgar un experimento. Por ejemplo, es posible que los participantes no sepan quién recibió un tratamiento activo y quién recibió un placebo . Si esta información estuviera disponible para los participantes del ensayo, los pacientes podrían recibir un efecto placebo mayor , los investigadores podrían influir en el experimento para cumplir con sus expectativas (el efecto del observador ) y los evaluadores podrían estar sujetos a un sesgo de confirmación . Se puede imponer un ciego a cualquier participante de un experimento, incluidos sujetos, investigadores, técnicos, analistas de datos y evaluadores. En algunos casos, puede ser necesaria una cirugía simulada para lograr el cegamiento.
Durante el transcurso de un experimento, un participante queda desenmascarado si deduce u obtiene de otro modo información que le ha sido enmascarada. El desenmascaramiento que se produce antes de la conclusión de un estudio es una fuente de error experimental, ya que se reintroduce el sesgo que se eliminó mediante el cegamiento. El desenmascaramiento es común en los experimentos ciegos y debe medirse e informarse. La metainvestigación ha revelado altos niveles de desenmascaramiento en los ensayos farmacológicos. En particular, los ensayos sobre antidepresivos están mal cegados. Las pautas de presentación de informes recomiendan que todos los estudios evalúen e informen sin cegamiento. En la práctica, muy pocos estudios evalúan el desenmascaramiento. [3]
El cegamiento es una herramienta importante del método científico y se utiliza en muchos campos de la investigación. En algunos campos, como la medicina , se considera imprescindible. [4] En la investigación clínica, un ensayo que no es ciego se llama ensayo abierto .