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…
PARA REFLEXIONAR Y
RESOLVER EN TU CUADERNO.
Según lo leído, investiga y realiza un resumen de los métodos
podemos utilizar para que podamos poseer una muestra representativa y evitar los
errores o sesgo por selección.
VER Instrumentos de medida: Sensibilidad, precisión,
incertidumbre. (PARTE V)
No hay comentarios.:
Publicar un comentario