Razonamiento Contrafactual

El razonamiento contrafactual es la lógica fundamental de la inferencia causal moderna: define el efecto de una exposición como una comparación entre lo que realmente ocurrió y lo que habría ocurrido bajo una exposición diferente, contraria a los hechos, para los mismos individuos o población. Dado que solo uno de estos resultados se observa, la inferencia causal se convierte en un problema de recuperación del contrafactual faltante.

Definition

El razonamiento contrafactual define un efecto causal como un contraste entre resultados potenciales, los resultados que una unidad experimentaría bajo diferentes exposiciones, de los cuales, como máximo, uno se observa para cada unidad.

Scope

Este tema abarca el marco de resultados potenciales (modelo causal de Rubin), la definición de efectos causales individuales y promedio como contrastes contrafactuales, y el problema fundamental de la inferencia causal de que solo un resultado potencial por unidad es observable. Es una referencia metodológica, no una guía clínica.

Core questions

• ¿Qué habría ocurrido a las mismas personas bajo una exposición diferente?
• ¿Cómo se define un efecto causal cuando solo se puede observar un resultado?
• ¿Cómo se relacionan los efectos causales individuales y promedio?

Key concepts

• Resultados potenciales
• Efecto causal individual versus promedio
• Problema fundamental de la inferencia causal
• Contraste contrafactual
• Intercambiabilidad
• Consistencia

Mechanisms

En el modelo de resultados potenciales formalizado por Rubin (rubin-1974), cada unidad tiene un resultado potencial bajo cada exposición posible; el efecto causal individual es el contraste entre ellos, y el efecto causal promedio es la media poblacional de esos contrastes. El problema fundamental es que solo se observa el resultado bajo la exposición realmente recibida, por lo que el contrafactual debe estimarse utilizando un grupo de comparación. Esto es válido solo cuando los grupos son intercambiables, es decir, habrían tenido la misma distribución de resultados si hubieran recibido la misma exposición (greenland-robins-1986), y cuando el resultado observado coincide con el resultado potencial correspondiente (consistencia). La aleatorización hace que la intercambiabilidad se cumpla por diseño; en los datos observacionales debe asumirse y defenderse (hernan-robins-2006). Los diagramas causales proporcionan una representación estructural complementaria de estas mismas suposiciones contrafactuales (greenland-pearl-robins-1999).

Clinical relevance

La definición contrafactual aclara lo que realmente significa un efecto de tratamiento o exposición y por qué un grupo de comparación válido es esencial, lo que sustenta la evaluación de toda la evidencia causal en las ciencias de la salud. Describe la lógica de la estimación de efectos y no es una base para decisiones diagnósticas o de tratamiento individuales.

Epidemiology

El marco de resultados potenciales es la columna vertebral conceptual de los métodos epidemiológicos contemporáneos, desde ensayos aleatorizados hasta análisis observacionales que utilizan ajuste, ponderación o g-métodos. Proporciona el lenguaje en el que ahora se definen la confusión (confounding), el sesgo de selección y la modificación del efecto (hernan-robins-2006).

History

La idea de los resultados potenciales se remonta al trabajo de Neyman de principios del siglo XX sobre experimentos aleatorizados y fue generalizada a estudios observacionales por Rubin en 1974 (rubin-1974). Greenland y Robins lo conectaron con la confusión epidemiológica (epidemiologic confounding) a través de la intercambiabilidad (greenland-robins-1986), y el marco, posteriormente unificado con diagramas causales (greenland-pearl-robins-1999), se convirtió en un elemento central de cómo los epidemiólogos definen y estiman los efectos causales (hernan-robins-2006).

Debates

¿Cuán bien definida debe estar una intervención contrafactual?

Algunos argumentan que los contrastes contrafactuales solo tienen sentido para exposiciones que corresponden a intervenciones hipotéticas razonablemente bien definidas, lo que plantea preguntas sobre los efectos de atributos como la raza o el peso corporal; otros adoptan una visión más amplia de los contrastes admisibles.

Key figures

• Donald Rubin
• Jerzy Neyman
• James Robins
• Sander Greenland
• Miguel Hernán

Seminal works

• rubin-1974
• greenland-robins-1986
• greenland-pearl-robins-1999

Frequently asked questions

¿Por qué se le llama el 'problema fundamental' de la inferencia causal?

Porque para cualquier unidad solo se puede observar el resultado bajo la exposición realmente recibida; el resultado bajo la exposición alternativa está ausente, por lo que el efecto causal individual nunca puede medirse directamente.

¿Cómo ayuda la aleatorización con los contrafactuales?

La asignación aleatoria hace que los grupos de exposición sean intercambiables en promedio, por lo que el resultado observado en un grupo estima el resultado contrafactual faltante del otro, permitiendo estimar el efecto causal promedio.