¿Qué son las puntuaciones depropensión?

Marzo 2016

ARTÍCULO DE REVISIÓN 364 Rev Med Chile 2016; 144: 364-370 ¿Qué son las puntuaciones de propensión? DAGOBERTO OJEDA1,a, ROCÍO GÓMEZ2, ÁLVARO BURGOS2,b What are the propensity scores? Medical research is constantly looking for causality. Among study designs, randomized controlled trials are the most reliable way to estimate causal effects but are not always feasible. When this is the case, observational studies must be performed but this type of design unavoidably implies bias. Propensity scores, defined as the probability to receive a treatment conditional to a set of covariables allows to overcome confusion bias when searching for causal effects. (Rev Med Chile 2016; 144: 364-370) Key words: Bias, Propensity Score; Causality; Observational Study. 1Clínica Dávila. 2Universidad de los Andes. aMagíster Bioestadística. bBecado de Anestesiología. Fuente de apoyo financiero: Ninguna. Recibido el 28 de abril de 2015, aceptado el 2 de octubre de 2015. Correspondencia a: Dr. Dagoberto Ojeda Av. El Bosque 701, Dpto. 201, Providencia. eojedadinamarca@gmail.com Una explicación científica es aquella que identifica causas1. Éste es el objetivo de la investigación médica que está en constante búsqueda del motivo que desencadenó un evento2. No siempre es fácil discernir entre efecto causal, mera correlación o incluso asociación espuria3,4. Aunque no se tengan conocimientos formales de epidemiología, invariablemente existirá una comprensión innata de lo que es un modelo causal. Si no se supiera que el fuego quema o que el cruzar la calle sin mirar podría provocar la muerte, no se habría sobrevivido para estar leyendo este texto5. Empíricamente se habla de efecto causal cuando se intenta por ejemplo dilucidar si un analgésico es efectivo en el alivio de una cefalea. Lo ideal sería evaluar las respuestas en un mismo individuo dependiendo de si ingiere o no el medicamento. El contrastar lo que sucede al realizar una intervención con lo que acontece al no intervenir, es lo que se ha llamado modelo contrafáctico o de Resultados Potenciales4,6, también conocido como modelo de Neyman-Rubin7 (Figura 1). En el lenguaje cotidiano, lo contrafáctico está frecuentemente presente al referirnos a escenarios ficticios en relación a un suceso verdadero: “si hubiéramos llegado antes se habría salvado…”, es la supuesta respuesta que se habría obtenido de no haber ocurrido el evento real8. Como en la realidad no se puede comparar en un mismo individuo y al mismo tiempo lo que sucedería al administrar un tratamiento y al no hacerlo, se recurre a establecer este cotejo en forma colectiva. Vale decir, en un grupo de personas con cefalea se realiza una partición en dos subgrupos, uno en el que se realiza la intervención y otro que no se interviene, y se observa el resultado (alivio del dolor). Si eventualmente en el subgrupo tratado hubiera una mayor proporción de personas con cefalea más dolorosa que en el subgrupo no tratado, podría acontecer que no existiera diferencia en el alivio del dolor con el uso del analgésico. ¿Deberíamos hablar en este caso de ausencia de efecto causal? No, puesto que estamos comparando individuos de características distintas y no lo ocurrido en una misma persona. Lo que ocurre en este ejemplo es que se está introduciendo una tercera variable, además del factor causal y del efecto, que es la intensidad de la cefalea, la que está relacionada tanto con la causa como con el efecto y que confunde la relación entre el analgésico y el alivio del dolor9,10. Cuando se investigan relaciones causales en forma natural, es decir, cuando meramente se observa lo que ocurre en grupos de personas expuestas y no expuestas a un determinado factor, será improbable que estos grupos estudiados no difieran en sus características basales, introduciendo este factor de confusión anteriormente descrito. Este tipo de estudios llamados observacionales, se alejan entonces del principio contrafáctico y


Marzo 2016
To see the actual publication please follow the link above