5.2: Estudios de Causalidad

Si queremos sacar conclusiones sobre la causalidad, las observaciones son insuficientes. Esto se debe a que el simple hecho de ver a B siempre seguir A afuera en el mundo no nos dice que A causa B. Por ejemplo, tal vez ambos son causados por Z, lo que no nos dimos cuenta siempre había sucedido antes que esos A y B, y A es simplemente un poco más rápido que B, así parece siempre para proceder, incluso para causar, B. Si, por otro lado, salimos al mundo y hacemos A y luego siempre vemos B, tendríamos pruebas más convincentes de que A causa B.

Por lo tanto, distinguimos dos tipos de estudios estadísticos

DEFINICIÓN 5.2.1. Un estudio observacional es cualquier estudio estadístico en el que los investigadores se limiten a mirar (medir, hablar, etc.) a los individuos en los que están interesados. Si, en cambio, los investigadores también cambian algo en el entorno de sus sujetos de prueba antes (y posiblemente después y durante) de tomar sus mediciones, entonces el estudio es un experimento.

EJEMPLO 5.2.2. Una simple encuesta de, por ejemplo, las opiniones de los votantes sobre los candidatos políticos, es un estudio observacional. Si, como se hace a veces, al sujeto se le dice algo así como “déjame leerte una declaración sobre estos candidatos y luego volverte a preguntarte tu opinión” [este es un ejemplo de algo llamado push-polling], entonces el estudio se ha convertido en un experimento.

Nótese que para ser considerado un experimento, no es necesario que el estudio utilice principios de buen diseño experimental, como los descritos en este capítulo, meramente que los investigadores hagan algo a sus sujetos.

EJEMPLO 5.2.3. Si abofeteo a mi hermano, noto que grite de dolor, y triunfalmente me vuelvo hacia ti y te digo “¡Mira, abofetear duele!” entonces he hecho un experimento, simplemente porque hice algo, aunque sea un experimento estúpido [pequeña muestra no aleatoria, sin comparación, etc., etc.].

Si te veo abofetear a alguien, que clama de dolor, y luego hago el mismo anuncio triunfante, entonces sólo he hecho un estudio observacional, ya que la acción tomada no fue por mí, el “investigador”.

Cuando hacemos un experimento, normalmente imponemos nuestro cambio intencional en varios sujetos de prueba. En este caso, no importa el tema de la indagación, robaremos una palabra a la comunidad médica:

DEFINICIÓN 5.2.4. Lo que le hacemos a los sujetos de prueba en un experimento se llama el tratamiento.

Grupos de Control

Si estamos haciendo un experimento para tratar de entender algo en el mundo, no debemos simplemente hacer el nuevo tratamiento interesante a todos nuestros sujetos y ver qué pasa. En cierto sentido, si lo hiciéramos, simplemente estaríamos cambiando el mundo entero (al menos el mundo de todos nuestros sujetos de prueba) y luego haciendo un estudio observacional, que, como hemos dicho, sólo puede proporcionar evidencia débil de causalidad. Para realmente hacer un experimento, debemos comparar dos tratamientos.

Por lo tanto, cualquier experimento real involucra al menos dos grupos.

DEFINICIÓN 5.2.5. En un experimento, la colección de sujetos de prueba que obtiene el nuevo e interesante tratamiento se llama grupo experimental, mientras que los sujetos restantes, que reciben algún otro tratamiento como simplemente la práctica común pasada, se denominan colectivamente el control grupo.

Cuando tenemos que poner sujetos de prueba en uno de estos dos grupos, es muy importante utilizar un método de selección que no tenga sesgo. La única manera de estar seguro de esto es [como se discutió anteriormente] usar una asignación aleatoria de sujetos al grupo experimental o control.

Experimentos Humano-Sujeto: El Efecto Placebo

Los humanos son particularmente difíciles de estudiar, porque su conciencia de sus entornos puede tener efectos sorprendentes en lo que hacen e incluso en lo que sucede, físicamente, a sus cuerpos. Esto no se debe a que la gente falsifique los resultados: puede haber cambios reales en el cuerpo de los pacientes incluso cuando les das un medicamento que no es fisiológicamente efectivo, y cambios reales en su desempeño en pruebas o en eventos deportivos cuando simplemente les convences de que les irá mejor, etc. .

DEFINICIÓN 5.2.6. Una consecuencia beneficiosa de algún tratamiento que no debe causar directamente [por ejemplo, fisiológicamente] una mejora se llama el Efecto Placebo. Tal tratamiento “falso”, que parece real pero no tiene ningún efecto fisiológico real, se llama placebo.

Tenga en cuenta que aunque el Efecto Placebo se basa en dar a los sujetos un tratamiento “falso”, el efecto en sí no es falso. Se debe a una compleja conexión mente-cuerpo que realmente cambia la situación concreta y objetivamente medible de los sujetos de prueba.

En los primeros días de la investigación sobre el Efecto Placebo, la píldora que los médicos darían como placebo se parecería a otras píldoras, pero estaría hecha solo de azúcar (glucosa), que (en esas cantidades bastante pequeñas) esencialmente no tiene consecuencias fisiológicas y también lo es una especie de píldora ficticio neutra. Todavía a menudo llamamos placebos médicos píldoras de azúcar a pesar de que ahora a menudo están hechas de algún material aún más neutro, como el aglutinante de almidón que se usa como matriz que contiene el ingrediente activo en píldoras regulares, pero sin ningún ingrediente activo.

Dado que el Efecto Placebo es un fenómeno real con consecuencias reales y medibles, al hacer un diseño experimental y elegir el nuevo tratamiento y el tratamiento para el grupo control, es importante darle algo al grupo control. Si no obtienen nada, no tienen las consecuencias benéficas del Efecto Placebo, por lo que no tendrán mediciones tan buenas como el grupo experimental, aunque el tratamiento experimental no tuviera ningún efecto útil real. Entonces tenemos que igualar para ambos grupos el beneficio que brinda el Efecto Placebo, y darles a ambos un tratamiento que se vea más o menos igual (comparar pastillas con píldoras, inyecciones a inyecciones, operaciones a operaciones, sesiones de estudio de tres horas en un formato a sesiones de tres horas en otro formato, etc.) a los sujetos.

DEFINICIÓN 5.2.7. Se dice que un experimento en el que hay un grupo de tratamiento y un grupo control, a cuyo grupo control se le da un placebo convincente, se dice que está controlado con placebo.

Cegador

Necesitamos una última herramienta fundamental en el diseño experimental, la de mantener a sujetos y experimentadores ignorantes de qué sujeto está recibiendo qué tratamiento, experimental o control. Si los sujetos de prueba son conscientes de en qué grupo han sido puestos, esa conexión mente-cuerpo que causa el Efecto Placebo puede causar una diferencia sistemática en sus resultados: esta sería la definición misma de sesgo. Entonces no se lo decimos a los pacientes, y nos aseguramos de que su tratamiento de control se vea igual que el verdadero experimental.

También podría ser un problema si el experimentador supiera quién estaba recibiendo qué tratamiento. Quizás si el experimentador supiera que un sujeto solo estaba recibiendo el placebo, serían más compasivos o, alternativamente, más despectivos. En cualquier caso, el ambiente sistemáticamente diferente para ese grupo de sujetos volvería a ser una posible causa de sesgo.

Por supuesto, cuando decimos que el experimentador no sabe qué tratamiento está recibiendo un paciente en particular, queremos decir que no lo saben al momento del tratamiento. Los registros deben mantenerse en alguna parte, y al final del experimento, los datos se dividen entre grupos control y experimental para ver cuál fue efectivo.

DEFINICIÓN 5.2.8. Cuando una parte se mantiene ignorante del tratamiento que se está administrando en un experimento, decimos que la información ha sido cegada. Si ni los sujetos ni los experimentadores saben quién recibe qué tratamiento hasta el final del experimento (cuando ambos deben ser informados, uno por equidad, y otro para aprender algo de los datos que se recolectaron), decimos que el experimento fue doble ciego.

Combinándolo todo: ECA

Este, entonces es el estándar de oro para el diseño experimental: para obtener datos experimentales confiables e imparciales que puedan proporcionar evidencia de causalidad, el diseño debe ser el siguiente:

DEFINICIÓN 5.2.9. Un experimento que es

• aleatorizado
• controlado con placebo.
• doble ciego

se llama, para abreviar, un ensayo aleatorizado controlado [ECA] (donde se asume el “placebo-” y el “doble ciego” aunque no se indique).

Variables al acecho confundidas

Un par de últimos términos en este tema son bastante poéticos pero también muy importantes.

DEFINICIÓN 5.2.10. Una variable al acecho es una variable que el experimentador no puso en su investigación.

Entonces, una variable al acecho es exactamente lo que más temen los experimentadores: algo en lo que no pensaron, que podría afectar o no el estudio que están haciendo.

A continuación se presenta una situación que también podría causar problemas para aprender de los experimentos.

DEFINICIÓN 5.2.11. Dos variables se confunden cuando no podemos distinguir estadísticamente sus efectos sobre los resultados de nuestros experimentos.

Cuando estamos estudiando algo recolectando datos y haciendo estadísticas, las variables confundidas son un gran problema, porque no sabemos cuál de ellas es la verdadera causa del fenómeno que estamos investigando: son estadísticamente indistinguibles.

La combinación de los dos términos anteriores es lo peor para un proyecto de investigación: ¿y si hay una variable al acecho (una que no pensaste investigar) que se confunde con la variable que estudiaste? Esto sería malo, porque entonces tus conclusiones se aplicarían igualmente bien (ya que las variables son estadísticamente idénticas en sus consecuencias) a esa cosa en la que no pensaste... así que tus resultados bien podrían ser completamente malentendidos causa y efecto.

El problema de confundir con variables al acecho es particularmente malo con los estudios observacionales. En un experimento, puedes elegir intencionalmente tus sujetos de manera muy aleatoria, lo que significa que cualquier variable al acecho debe distribuirse aleatoriamente con respecto a cualquier variable al acecho —pero controlada con respecto a las variables que estás estudiando— así que si el estudio encuentra una relación causal en tu estudio variables, in no se pueden confundir con una variable al acecho.

EJEMPLO 5.2.12. Supongamos que quieres investigar si los nuevos zapatos deportivos elegantes hacen que los corredores sean más rápidos. Si solo haces un estudio observacional, podrías encontrar que esos atletas con los zapatos nuevos sí corren más rápido. Pero una variable al acecho aquí podría ser lo ricos que son los atletas, y tal vez si miraras a los atletas ricos y pobres tendrían la misma relación con tiempos lentos y rápidos que los atletas que usan zapatos nuevos vs viejos. Esencialmente, la variable qué tipo de zapato lleva el atleta (categórico con los dos valores nuevo y viejo) se está confundiendo con la variable acechante. Entonces la conclusión sobre la causalidad podría ser falsa, y en cambio la verdad real podría ser que los atletas adinerados, que tengan mucho apoyo, buenos entrenadores, buena nutrición, y tiempo para dedicarse a su deporte, corren más rápido.

Si, en cambio, hiciéramos un experimento, no tendríamos este problema. Seleccionaríamos atletas al azar —así que algunos serían ricos y otros no— y daríamos a la mitad de ellos (el grupo experimental) los zapatos nuevos y elegantes y a la otra mitad (el grupo control) el viejo tipo. Si el tipo de zapato fuera la verdadera causa de correr rápido, lo veríamos en nuestro resultado experimental. Si realmente es la variable al acecho de la riqueza del deportista lo que importa, entonces veríamos que a ninguno de los grupos le iría mejor que al otro, ya que ambos tienen una mezcla de deportistas ricos y pobres. Si el tipo de zapato realmente es la causa del running rápido, entonces veríamos una diferencia entre los dos grupos, a pesar de que había atletas ricos y pobres en ambos grupos, ya que sólo un grupo tenía los zapatos nuevos y elegantes.

En resumen, los experimentos son mejores para dar evidencia de causalidad que los estudios observacionales en gran parte porque un experimento que encuentra una relación causal entre dos variables no puede confundir la variable causal en estudio con una variable al acecho.