Asociación no es lo mismo que causalidad

Publicado el 23 de junio de 2017 por John Castle

Este es el tercero de una serie de 34 blogs basados en una lista de «Conceptos Clave» desarrollados por un equipo de proyecto de Opciones de Salud Informadas. Cada blog explicará un Concepto Clave que necesitamos entender para poder evaluar las reclamaciones de tratamiento.

————————————-

Determinar si un resultado es causado directamente por un tratamiento u ocurre casualmente, es un problema antiguo. A menudo, establecer un vínculo causal puede ser difícil y la causalidad se asigna a una intervención cuando las pruebas no pueden demostrarlo. Hay muchos ejemplos en los que se puede haber confundido la relación con la causalidad y es importante que, al evaluar la evidencia de un efecto causal, se lleven a cabo ensayos adecuados para descartar otras variables.

Correlaciones espurias: Comer queso y enredarse en sus sábanas

Hay muchas coincidencias en la vida donde se pueden encontrar correlaciones entre dos factores aparentemente aleatorios. Es poco probable que una cosa cause la otra, pero algunos podrían creer que lo son. Por ejemplo, el consumo de queso en los Estados Unidos entre 2000 y 2009 se correlacionó con el número de muertes por enredo de personas en sus sábanas . ¿Uno de estos factores causa el otro? Probablemente no.

Correlaciones falsas: Ver una película de Nicholas Cage y ahogarse en una piscina

Además, 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 que se estrenaron durante ese tiempo . Es muy poco probable que Nicholas Cage sea la causa de personas que se ahogan en piscinas (aunque, si las víctimas estaban viendo una película de Nicholas Cage, es posible que se hayan beneficiado de ahogarse), pero las dos tasas están correlacionadas casi de manera idéntica.

estudios Observacionales: Consumo de alcohol y tasas de mortalidad

Los estudios observacionales son aquellos que analizan la tasa de un resultado en grupos que estuvieron expuestos de manera diferente a una intervención o factor de riesgo. Pueden proporcionar pruebas sólidas de asociación entre factores. Sin embargo, no pueden utilizarse con certeza para demostrar que los factores investigados están relacionados causalmente. Esto se debe a que es posible que no hayan tenido en cuenta las variables desconocidas que afectan el resultado.

En 1997, el New England Journal of Medicine publicó un estudio poblacional muy amplio que analizó el consumo de alcohol y las tasas de mortalidad (entre otras variables). Mostró muy claramente que los niveles moderados de consumo de alcohol (entre 1 y 2 bebidas por día) se asociaron con una disminución en las tasas de mortalidad por todas las causas, particularmente por enfermedades cardiovasculares, incluso en comparación con las personas que no beben en absoluto.

Hay una asociación innegable en sus resultados, pero no podemos decir con certeza que el alcohol en sí mismo causó el aumento de la esperanza de vida. Esto se debe a que puede haber otros factores involucrados que explican la diferencia. Por ejemplo, ¿qué pasa si las personas que toman una copa al día están más relajadas? Existe una asociación entre el estrés y un mayor riesgo de enfermedad cardiovascular, y el resultado podría haber sido causado por esto. Otra posible explicación es el aumento de la interacción social en personas que beben moderadamente, ya que la soledad también puede estar asociada con una esperanza de vida más corta .

Ejemplo 2: Fumar y cáncer

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

Las compañías tabacaleras con intereses en conflicto impulsaron la idea de que el aumento del cáncer de pulmón en este período se debió al aumento del alquitranado de las carreteras y la contaminación del aire. Uno de los primeros hombres en establecer el vínculo entre el tabaquismo y el cáncer de pulmón fue Sir Richard Doll (el primero real es probable que sea un hombre alemán llamado Fritz Lickint cuyas ideas fueron usurpadas por el gobierno nazi). Sir Doll les hizo a los pacientes con cáncer de pulmón muchas preguntas sobre su vida, incluido su nivel de consumo de tabaco. Sorprendentemente, la mayor asociación que notó entre las tasas de cáncer de pulmón fue con el consumo de tabaco. Esta asociación se mantuvo en varias ocasiones, incluso cuando se estudian muchos grupos diferentes de personas de múltiples orígenes, incluidos los médicos. Con el paso del tiempo, la cantidad de estudios que mostraron esta asociación se acumuló y la evidencia colectiva dio fuertes indicios de que el cáncer de pulmón estaba causalmente relacionado con el cáncer. Los estudios en animales mostraron que el ‘jugo’ de tabaco aumentaba las tasas de cáncer en ratas. Los estudios celulares mostraron que el humo del cigarrillo «amortiguaba» las diminutas células ciliadas que recubren nuestras trompas, permitiendo que los contaminantes ingresaran al pulmón. Los crecientes datos de estudios de observación finalmente presionaron al gobierno para que recomendara que las personas dejaran de fumar.

Este es un ejemplo de donde una asociación puede estar estrechamente correlacionada y reproducible en diferentes poblaciones, por lo que da suficiente evidencia para que las personas actúen. Sin embargo, situaciones como esta son raras y los problemas surgen cuando las asociaciones se presentan inapropiadamente como causalidad.

La mejor manera de demostrar una causa definitiva, en particular para un medicamento o intervención, es mediante la realización de un ensayo controlado aleatorio.

Pruebas de causalidad en un ensayo controlado aleatorizado (ECA)

Un ensayo controlado aleatorizado es un tipo de estudio que analiza la aparición de resultados en diferentes grupos seleccionados de tal manera que es poco probable que los factores de confusión tengan un impacto en el resultado.

Imagine que el factor 1 es un tratamiento y el factor 2 es el número de personas que experimentan un síntoma en particular. La única diferencia entre los dos grupos debe ser si los participantes reciben o no el tratamiento (factor 1). Idealmente, todo lo demás sobre los grupos debería ser exactamente el mismo: su edad, su sexo, su etnia, su salud de larga data, la comida que comen, la hora en que se despiertan, las relaciones que tienen, absolutamente todo. De esta manera, sabremos que el cambio en el factor 2, es decir, cualquier cambio en sus síntomas es provocado enteramente por el efecto del factor 1, no por algún otro factor, cuya influencia puede estar impactando los resultados de maneras que no podemos imaginar.

Obviamente, no vivimos en un mundo ideal. Vivimos en un mundo donde todos son diferentes y es imposible asegurar, con total certeza, que ningún otro factor externo está causando un cambio en el factor 2. Para superar esto, tratamos de asegurarnos de que las personas de cada grupo sean lo más similares posible al aleatorizarlas a diferentes grupos para que las muchas variaciones entre las personas se distribuyan de manera igual, anulándose entre sí de manera efectiva. Luego, tratamos de minimizar el efecto de los factores externos asegurando que lo único que cambia entre los grupos es la exposición al tratamiento.

Al controlar todos los factores, aparte de la variable que queremos estudiar, podemos decir con certeza razonable que efectivamente hay un vínculo causal entre los dos factores.

Por lo tanto, tenga cuidado con las afirmaciones de que un resultado es causado por un tratamiento

Al leer un artículo que dice que un tratamiento o factor de estilo de vida está asociado con mejores resultados, tenga cuidado. Las personas que buscan y reciben un tratamiento pueden estar más sanas y tener mejores condiciones de vida que las que no lo hacen. Por lo tanto, las personas que reciben el tratamiento pueden parecer beneficiadas, pero la diferencia en los resultados podría deberse a que son más saludables y tienen mejores condiciones de vida. Hay docenas de maneras en que los factores externos pueden influir en los resultados experimentales, incluso en un ensayo clínico.

Separar la causa de la asociación es un asunto complicado y se necesita una persona valiente para afirmar que puede probar definitivamente que un factor causa otro. Lo que deberías sacar de esto es una buena dosis de escepticismo. Si te encuentras con alguien que profesa que una cosa causa la otra, asume que está equivocado hasta que estés convencido de lo contrario. Pregunta: ¿es lo que tienes una asociación o una causa? ¿Cómo se investigó esto? ¿El estudio fue un ECA? Cómo todas las demás variables se mantuvieron iguales.

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