1.3 Asociación no es lo mismo que causalidad

Publicado el noviembre 19, 2020 por John Castle

Traductor: Leonardo Perales

Este es el tercero de una serie de 34 blogs basados ​​en una lista de «Conceptos clave» desarrollados por un equipo de proyecto de Informed Health Choices. Este blog es una traducción al español de la serie: “Key Concepts for Assessing Treatment Claims” desarrollada por Students 4 Best Evidence (S4BE). Esta traducción fue realizada por el grupo Evidology en cooperación con Estudiantes por la Mejor Evidencia (ExME).

——————————–

Determinar si un resultado es directamente causado por un tratamiento o fue mera coincidencia, es un viejo problema. A menudo, establecer una relación causal puede ser difícil, y la causalidad es asignada a una intervención donde la evidencia no puede probarlo. Existen muchos ejemplos donde una asociación pudo haber sido malentendida por causalidad, y es importante que cuando evaluemos la evidencia de un efecto causal, se conduzcan ensayos adecuados para descartar otras variables.

Relaciones Espurias

Comer queso y morir enredado en tus sábanas

Hay muchas coincidencias en la vida donde podemos encontrar correlaciones entre dos factores aparentemente aleatorios. Es poco probable que una cosa cause la otra, pero algunos podrían creer que lo haga. Por ejemplo, el consumo de queso en EU entre 2000 y 2009 se correlacionó con el número de muertos por gente enredada en sus sábanas. ¿Uno de estos factores causó el otro? Probablemente no.

Ver una película de Nicholas Cage y ahogarse en una piscina…

También, el número de personas que se ahogaron en una piscina entre 1999 y 2009, se correlacionó con el número de películas protagonizadas por Nicholas Cage lanzadas en dicho tiempo. Es poco probable que Nicholas Cage sea la causa de gente ahogándose (aunque, si las víctimas estaban viendo una película de Nicholas Cage, pudieron haberse visto beneficiadas de ahogarse), pero ambas tasas son casi idénticamente correlacionadas.

Estudios observacionales

Los estudios observacionales son aquellos en los que vemos la proporción de un desenlace en grupos que fueron expuestos de manera distinta a una intervención o factor de riesgo. Este tipo de estudios pueden proveernos de evidencia de asociación entre factores. Sin embargo, no pueden ser usados con certeza para probar que los factores investigados están causalmente relacionados. Esto es porque pudieron no haber considerado variables desconocidas que afecten el resultado.

Ejemplo 1: Consumo de alcohol y tasas de mortalidad

En 1997, un gran estudio poblacional investigó el consumo de alcohol y tasa de mortalidad (entre otras variables) y fue publicado en el New England Journal of Medicine. Mostró muy claramente que niveles moderados de alcohol (1-2 bebidas por día) fue asociado con una disminución de mortalidad por cualquier causa, particularmente por enfermedad cardiovascular, incluso comparado con personas que no tomaban alcohol.

Innegablemente hay una asociación en sus resultados, pero no podemos decir con certeza que el alcohol por sí mismo causó el aumento de esperanza de vida. Esto es porque bien pudo haber otros factores involucrados que expliquen la diferencia. Por ejemplo, ¿y si las personas que consumían una bebida al día eran más relajadas? Hay una asociación entre estrés y aumento de riesgo cardiovascular, y el resultado pudo haber sido por esto. Otra explicación posible es la mayor interacción social en personas que toman de forma moderada, mientras que la soledad se ha asociado con menor esperanza de vida.

Ejemplo 2: Tabaquismo y cáncer

En la primera mitad del siglo XX era muy difícil decir que los cigarros causaban problemas de salud.

Las compañías de tabaco, con conflictos de intereses, impulsaron la idea de que el aumento del cáncer de pulmón en dicho período era por el aumento de la pavimentación y de la contaminación del aire. Uno de las primeras personas en establecer la relación entre fumar y cáncer de pulmón fue Sir Richard Doll. Sir Doll preguntó a sus pacientes muchas preguntas sobre su vida, incluyendo su nivel de consumo de tabaco. Sorprendentemente, la mayor asociación que encontró fue entre cáncer de pulmón y consumo de tabaco. Esta asociación fue repetida, incluso cuando se estudiaban diferentes grupos de personas de diferentes contextos, incluyendo doctores. Conforme el tiempo avanzó, la cantidad de estudios que mostraba la asociación se acumuló y la evidencia colectiva dio fuertes indicaciones de que el cáncer de pulmón era causalmente relacionado con el cigarro. Los estudios en animales mostraron que el “jugo” de tabaco aumentaba las tasas de cáncer en ratas. Estudios celulares mostraron que el humo del cigarro alteraba las células ciliadas que cubren nuestra tráquea, permitiendo a los contaminantes llegar a los pulmones. Los datos de los estudios observacionales eventualmente presionaron al gobierno a recomendar que la gente dejara de fumar.

Este es un ejemplo en donde una asociación puede ser muy estrechamente correlacionada y reproducible en diferentes poblaciones, y por lo tanto da evidencia suficiente a las personas para actuar. Sin embargo, las situaciones como esta son raras y los problemas vienen cuando las asociaciones son inapropiadamente tomadas como causalidad.

La mejor manera para probar una causa definitiva, particularmente para un medicamento o intervención, es conduciendo un ensayo clínico aleatorizado.

Evaluando causalidad en un ensayo clínico aleatorizado

Un ensayo clínico aleatorizado es un tipo de estudio que busca la ocurrencia de desenlaces en diferentes grupos, los cuales son seleccionados en una manera que los factores de confusión no tengan un impacto en el resultado.

Imagina que el factor 1 es un tratamiento y el factor 2 es el número de personas experimentando un síntoma particular. Si los participantes reciben o no el tratamiento debería ser la única diferencia entre los dos grupos. Idealmente, todo lo demás sobre los grupos debería ser exactamente igual: edad, sexo, etnia, estado de salud, alimentación, hora de levantarse, relaciones que han tenido, absolutamente todo. De esta manera, podríamos saber que el cambio en el factor 2, por ejemplo cualquier cambio en los síntomas, sería causado completamente por el efecto del factor 1 y no algún otro factor, cuya influencia podría estar afectando los resultados de maneras en las que podríamos no imaginar.

Obviamente, no vivimos en un mundo ideal. Vivimos en un mundo donde todos son diferentes y es imposible asegurar con certeza absoluta que ningún otro factor externo está causando un cambio en el factor 2. Para sobrellevar esto, intentamos asegurar que las personas en cada grupo sean tan similares como sea posible asignándolas al azar en grupos diferentes para que las variaciones entre las personas se distribuyan equitativamente, haciendo que se anulen entre sí. Después, intentamos minimizar el efecto de factores externos asegurando que la única cosa que cambie entre los grupos sea la exposición al tratamiento.

Controlando todos los factores, aparte de la variable que queremos estudiar, podemos decir con certeza razonable que hay en efecto una relación causal entre dos factores.

Así que ten cuidado con las afirmaciones de que un resultado es causado por un tratamiento…

Cuando leas un artículo que diga que un tratamiento o factor en el estilo de vida está asociado a mejores desenlaces, se cauteloso. Las personas que buscan y reciben un tratamiento pueden ser más sanas y tener mejores condiciones de vida que aquellas que no lo hicieron.

Por lo tanto, las personas recibiendo el tratamiento pueden aparentar beneficio, pero la diferencia en desenlaces puede ser porque sean más sanas o vivan en mejores condiciones. Hay innumerables formas en las que factores externos pueden influencias resultados experimentales, incluso en un ensayo clínico.

Desenmarañar la causa de una asociación es una tarea complicada y requiere a una persona valiente para afirmar que pueden probar de manera definitiva que un factor causa el otro. Lo que debes llevarte de esto es una sana dosis de escepticismo. Si te encuentras con alguien que afirma que una cosa causa la otra, asume que está equivocado hasta demostrar lo contrario. Pregúntate: ¿lo que tienes es una asociación o una causa?, ¿cómo fue investigado?, ¿el estudio fue un ensayo clínico aleatorizado?, ¿cómo hicieron que las demás variables se mantuvieran iguales en la comparación?

Cuando se trata de un tratamiento, recuerda que aunque el resultado de un ensayo puede mostrar una asociación entre un tratamiento y un resultado, el tratamiento puede no ser necesariamente la causa.

Artículo original: John Castle, «1.3 Association is not the same as causation«

Referencias:

[1] Proctor RN. The history of the discovery of the cigarette-lung cancer link: evidentiary traditions, corporate denial, global toll. Tob Control 2012;21(2):87-91.

[2] Thun MJ, Peto R, Lopez AD, et al. Alcohol consumption and mortality among middleaged and elderly U.S. Adults. N Engl J Med 1997;337:1705-14.

[3] Udell JA, Steg PG, Scirica BM, Smith SC Jr, Ohman EM, Eagle KA, Goto S, Cho JI, Bhatt DL; REduction of Atherothrombosis for Continued Health (REACH) Registry Investigators. Living alone and cardiovascular risk in outpatients at risk of or with atherothrombosis. Arch Intern Med. 2012 Jul 23;172(14):1086-95.

[4] http://www.tylervigen.com/spurious-correlations

[5] http://www.testingtreatments.org/category/learning-resources/claims-are-they-justified/1-3-association-is-not-the-same-as-causation/?nabm=0

[6] Photo by Thanasis on Unsplash

Tags: