La conocida frase formulada por Bradford Hill “asociación no es causalidad” señala la necesidad de examinar la influencia de factores que pueden distorsionar una relación estadística, generando la impresión de un efecto que en realidad no existe. Hill formuló ideas que orientan el razonamiento causal en epidemiología, incluyendo la fuerza y consistencia de la evidencia, la especificidad de la asociación, el establecimiento de la secuencia temporal, el gradiente biológico, la plausibilidad teórica, la coherencia con el conocimiento existente, la evidencia experimental y la analogía con fenómenos similares.
1. El azar: Puede generar relaciones espurias entre una exposición y un desenlace cuando la variabilidad natural de los datos no es adecuadamente controlada. Esta situación es más frecuente en estudios con tamaños muestrales pequeños, donde las estimaciones son inestables y más susceptibles a presentar patrones que no reflejan fenómenos reales. En términos prácticos, la asociación observada puede ser una manifestación de la variabilidad estadística inherente al muestreo. Es decir, el vínculo detectado puede desaparecer cuando aumenta el tamaño de la muestra.
2. Confusión: Se presenta cuando una variable externa, distinta de la exposición se relaciona con ambos y altera la estimación del efecto. El confuso no forma parte del mecanismo causal, sino que actúa como un factor extrínseco que induce una asociación artificial o altera la magnitud y dirección de un efecto real.
3. Sesgo de selección: Aparece cuando la forma en que se eligen los participantes en un estudio se relaciona con la exposición y con el desenlace. Tales distorsiones pueden generar asociaciones que no representan la dinámica real en la población de origen. Asimismo, las pérdidas diferenciales al seguimiento en estudios de cohorte pueden introducir distorsión si ocurren con mayor frecuencia en individuos expuestos o en quienes tienen mayor probabilidad de desarrollar el desenlace.
4. Causalidad inversa. Ocurre cuando la dirección temporal entre exposición y desenlace no está claramente establecida, lo cual puede conducir a interpretar erróneamente el efecto. Este problema es frecuente en estudios transversales o en análisis observacionales donde no se garantiza que la exposición preceda al evento de interés. En tales situaciones, el desenlace puede influir en el comportamiento, condiciones o características que se identifican erróneamente como causas.
5. Sesgo de información. Originado por errores en la medición de cualquiera de los componentes del estudio: exposición, desenlace o covariables. La mala clasificación puede ser diferencial cuando la magnitud del error difiere según el estatus de exposición o del desenlace o no diferencial, pero en ambos casos puede comprometer seriamente la validez interna.
Bibliografía
Hill, A. B. (1965). The environment and disease: association or causation? Proceedings of the Royal Society of Medicine. Recuperado de PubMed Central.
Shimonovich, M., et al. (2020). Assessing causality in epidemiology: revisiting Bradford Hill. (revisión). PubMed Central.
Hernán, M. A., & Robins, J. M. (2020; edición en curso). Causal Inference: What If. (Libro / recursos en línea; edición actualizada disponible).
Rothman, K. J., Greenland, S., & Lash, T. L. (Actualizaciones). Modern Epidemiology. (Obra de referencia sobre sesgos y confusión).