Saltar al contenido principal
Library homepage
 
LibreTexts Español

Estudios de causalidad y observación

  • Page ID
    151204
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    CO-3: Describir las fortalezas y limitaciones de experimentos diseñados y estudios observacionales.

    Objetivos de aprendizaje

    LO 3.2: Explicar cómo el diseño del estudio impacta los tipos de conclusiones que se pueden extraer.

    Supongamos que se realizó el estudio observacional descrito anteriormente, y los investigadores determinaron que el porcentaje que tuvo éxito con el método combinado medicamento/terapia fue mayor, mientras que el porcentaje que tuvo éxito sin terapia ni con medicamentos fue el más bajo. En otras palabras, supongamos que existe evidencia clara de una asociación entre el método utilizado y la tasa de éxito. ¿Podrían entonces concluir que el método combinado medicamento/terapia causa más éxito que no usar ni terapia ni medicamento?

    Una representación visual de la relación entre la Variable Exploratoria y la Variable de Respuesta. La Variable Exploratoria es el Método que se utiliza, y puede o no estar relacionada con la Variable de Respuesta, que es Éxito o Fracaso.

    Precisamente en este punto nos enfrentamos a la debilidad subyacente de la mayoría de los estudios observacionales: algunos miembros de la muestra han optado por ciertos valores de la variable explicativa (método de abandono), mientras que otros han optado por otros valores. Podría ser que esos individuos puedan ser diferentes en formas adicionales que también jugarían un papel en la respuesta de interés.

    Por ejemplo, supongamos que las mujeres tienen más probabilidades de elegir ciertos métodos para dejar de fumar, y supongamos que las mujeres en general tienden a dejar de fumar con más éxito que los hombres Los datos harían parecer que el método en sí mismo era el responsable del éxito, mientras que en verdad puede ser que ser mujer es la razón del éxito.

    Podemos expresar este escenario en términos de las variables clave involucradas. Además de la variable explicativa (método) y la variable de respuesta (éxito o fracaso), una tercera variable acechante (género) está ligada (o confundida) con los valores de la variable explicativa, y puede provocar en sí misma que la respuesta sea un éxito o un fracaso. El siguiente diagrama ilustra esta situación.

    Aquí, la Variable Exploratoria, que es el Método, puede afectar a la Variable de Respuesta, que es Éxito o Fracaso. También tenemos una Variable al acecho, que es Género. Se confunde con la Variable Exploratoria, por lo que también puede estar afectando a la Variable de Respuesta.

    Dado que la dificultad surge debido a que los valores de la variable acecha están vinculados con los de la variable explicativa, una manera de intentar desentrañar la verdadera naturaleza de la relación entre las variables explicativas y de respuesta es separar los efectos de la variable acechante. En general, controlamos los efectos de una variable al acecho estudiando por separado los grupos que son definidos por esta variable.

    Precaución

    Podríamos controlar la variable al acecho “género” estudiando a mujeres y hombres por separado. Entonces, si tanto las mujeres como los hombres que eligieron un método tienen tasas de éxito más altas que las que optan por otro método, estaríamos más cerca de producir evidencia de causalidad.

    Ahora, tenemos dos estudios separados. El estudio para Mujeres se representa utilizando un círculo que representa el Método, conectado a otro círculo con una flecha. El otro círculo representa Éxito o Fracaso. Tenemos el mismo diagrama para Hombres, mostrando que Mujeres y Hombres ahora están separados en estudios totalmente diferentes.

    El diagrama anterior demuestra lo sencillo que es controlar para la variable al acecho género.

    Observe que no afirmamos que controlar por género nos permitiría hacer una afirmación definitiva de causalidad, solo que estaríamos más cerca de establecer una conexión causal. Esto se debe a que también pueden estar involucradas otras variables al acecho, como el nivel de deseo de los participantes de dejar de fumar. Específicamente, quienes han optado por utilizar el método medicamento/terapia pueden ser ya los que están más decididos a tener éxito, mientras que quienes han optado por dejar de fumar sin invertir en medicamentos o terapia pueden, desde el principio, estar menos comprometidos con dejar de fumar. El siguiente diagrama ilustra este escenario.

    La Variable Exploratoria, que es el Método, puede afectar a la Variable de Respuesta, que es Éxito o Fracaso. También tenemos una Variable al acecho, que es Deseo de Renunciar. Se confunde con la Variable Exploratoria porque aquellos con más ganas de dejar de fumar pueden usar drogas y/o terapia. Entonces, la Variable Acechando también puede estar afectando a la Variable de Respuesta.

    Para intentar controlar esta variable al acecho, podríamos entrevistar a los individuos desde el inicio para calificar su deseo de dejar de fumar en una escala de 1 (más débil) a 5 (más fuerte), y estudiar la relación entre método y éxito por separado para cada uno de los cinco grupos. Pero el deseo de dejar de fumar es obviamente algo muy subjetivo, difícil asignarle un número específico. De manera realista, es posible que no podamos controlar de manera efectiva la variable al acecho “deseo de dejar de fumar”.

    Además, ¿quién quiere decir que el género y/o el deseo de dejar de fumar son las únicas variables que acechan involucradas? Puede haber otras diferencias sutiles entre los individuos que eligen uno de los cuatro métodos distintos que los investigadores no imaginan al intentar controlar posibles variables al acecho.

    Por ejemplo, los fumadores que optan por dejar de usar ni terapia ni drogas pueden tender a estar en un tramo de ingresos más bajo que aquellos que optan por (y pueden pagar) medicamentos y/o terapia. Quizás los fumadores en un grupo de ingresos más bajos también tienden a tener menos éxito en dejar de fumar porque más de sus familiares y compañeros de trabajo fuman. Así, el estatus socioeconómico es otra posible variable al acecho en la relación entre el método de cese y la tasa de éxito.

    Es debido a la existencia de un número prácticamente ilimitado de variables potenciales al acecho que nunca podemos estar 100% seguros de una afirmación de causalidad basada en un estudio observacional. Por otro lado, los estudios observacionales son una herramienta extremadamente común utilizada por los investigadores para intentar sacar conclusiones sobre las conexiones causales.

    Si se tiene mucho cuidado para controlar las variables más probables que acechan (y para evitar otros escollos que discutiremos actualmente), y si el sentido común indica que hay una buena razón para que una variable cause cambios en la otra, entonces los investigadores pueden afirmar que un estudio observacional proporciona buenos evidencia de causalidad.

    Los estudios observacionales están sujetos a otras trampas además de variables al acecho, derivadas de diversos aspectos del diseño para evaluar los valores explicativos y de respuesta. El siguiente par de ejemplos ilustra algunas otras dificultades que pueden surgir.

    EJEMPLO:

    Supongamos que los investigadores quieren determinar si las personas tienden a picar más mientras ven la televisión. Un posible diseño que consideramos fue reclutar participantes para un estudio observacional, y darles diarios para registrar sus actividades horarias al día siguiente, incluyendo televisión vista y refrigerios consumidos. Entonces podrían revisar las revistas para determinar si el consumo de refrigerios fue mayor durante los tiempos de televisión.

    Lo identificamos como un estudio observacional prospectivo, llevado a cabo en el tiempo. Estudiar a las personas en el entorno más natural de sus propios hogares hace que el estudio sea más realista que un entorno experimental artificial. Aún así, cuando las personas están obligadas a registrar su comportamiento tal y como ocurre, pueden ser demasiado cohibidas para actuar de manera natural. Es posible que quieran evitar la vergüenza y por lo tanto pueden reducir su visualización de televisión, o su consumo de refrigerios, o la combinación de los dos.


    Otro posible diseño es reclutar participantes para un estudio observacional retrospectivo. Pídales que recuerden, por cada hora del día anterior, si estaban viendo televisión, y qué refrigerios consumían cada hora. Determinar si el consumo de alimentos fue mayor durante los tiempos de TV.

    Este diseño tiene la ventaja de no perturbar el comportamiento natural de las personas en términos de ver televisión o refrigerios. Tiene la desventaja de confiar en los recuerdos de las personas para registrar los valores de esas variables desde el día anterior. Pero un día es un período de tiempo relativamente corto para recordar tales detalles, y mientras la gente esté dispuesta a ser honesta, los resultados de este estudio podrían ser bastante confiables. El tema de obtener respuestas honestas se abordará en nuestra discusión de encuestas por muestreo.

    A estas alturas ya debería tener una idea de lo difícil —o quizás incluso imposible— que es establecer la causalidad en un estudio observacional, sobre todo por el problema de las variables al acecho.

    La clave para establecer la causalidad es descartar la posibilidad de cualquier variable al acecho, o en otras palabras, garantizar que los individuos difieran únicamente con respecto a los valores de la variable explicativa.

    En general, este es un objetivo que tenemos muchas más posibilidades de lograr llevando a cabo un experimento bien diseñado.


    Estudios de causalidad y observación is shared under a CC BY-NC-SA 4.0 license and was authored, remixed, and/or curated by LibreTexts.