Diseño Cuasi-Experimental y de Experimento Natural

Los diseños cuasi-experimentales evalúan el efecto de una intervención o exposición cuando la asignación aleatoria es imposible, poco ética o impracticable, utilizando una variación estructurada pero no aleatoria para aproximar una comparación controlada. Los experimentos naturales son una forma estrechamente relacionada en la que la exposición surge de un cambio de política, un programa o un evento externo en lugar de la asignación por parte del investigador, lo que permite a los investigadores estudiar intervenciones a nivel poblacional que nunca podrían ser aleatorizadas.

Definition

Un diseño cuasi-experimental estima el efecto de una intervención sin asignación aleatoria, basándose en una comparación estructurada (a lo largo del tiempo, entre grupos o a través de un umbral) para aislar el efecto de la intervención; un experimento natural es un cuasi-experimento en el que la exposición está determinada por eventos fuera del control del investigador.

Scope

Este tema abarca la lógica compartida por los cuasi-experimentos y los experimentos naturales, diseños comunes como las series de tiempo interrumpidas, los estudios controlados antes-después, la diferencia en diferencias y la regresión de discontinuidad, y cómo se sitúan entre los ensayos aleatorizados y los estudios puramente observacionales. Es una referencia metodológica dentro de la práctica basada en la evidencia y no ofrece instrucciones clínicas.

Core questions

• ¿Cómo se pueden estimar los efectos causales cuando la aleatorización no es posible?
• ¿Qué estructuras de comparación explotan las series de tiempo interrumpidas, la diferencia en diferencias y la regresión de discontinuidad?
• ¿Qué amenazas a la validez persisten cuando la asignación no es aleatoria?

Key concepts

• Asignación no aleatoria
• Series de tiempo interrumpidas
• Diferencia en diferencias
• Regresión de discontinuidad
• Estudio controlado antes-después
• Contrafactual y grupo de comparación
• Factores de confusión y tendencias seculares

Mechanisms

Al carecer de aleatorización, estos diseños construyen un contrafactual a partir de la estructura en lugar del azar. Las series de tiempo interrumpidas comparan la tendencia antes de una intervención con la tendencia después, utilizando la trayectoria pre-intervención como el curso esperado en ausencia de la intervención (Kontopantelis et al., 2015). La diferencia en diferencias contrasta el cambio a lo largo del tiempo en un grupo expuesto con el cambio en un grupo de comparación no expuesto para anular las tendencias seculares compartidas, y la regresión de discontinuidad explota una regla de umbral que asigna la exposición para estimar los efectos cerca del punto de corte. Debido a que la asignación no es aleatoria, el sesgo residual, los efectos históricos y la selección siguen siendo amenazas que deben abordarse mediante el diseño y el análisis (Shadish et al., 2002).

Clinical relevance

Los cuasi-experimentos y los experimentos naturales proporcionan gran parte de la evidencia sobre intervenciones a nivel poblacional y de políticas en salud, donde la aleatorización a menudo es imposible. Esta entrada explica cómo se genera y evalúa dicha evidencia y no es una base para decisiones clínicas individuales.

Evidence & guidelines

La guía del Medical Research Council enmarca cómo los experimentos naturales pueden evaluar de manera creíble las intervenciones de salud pública y qué condiciones fortalecen sus inferencias (Craig et al., 2012). Los informes metodológicos describen las series de tiempo interrumpidas y los enfoques basados en regresión relacionados cuando la aleatorización no es una opción (Kontopantelis et al., 2015), y en los marcos de clasificación, dichos diseños generalmente se tratan como evidencia observacional que puede mejorarse cuando la comparación es sólida (Guyatt et al., 2008).

History

Las bases conceptuales fueron establecidas por Campbell y sus colegas a mediados del siglo XX en las ciencias sociales, distinguiendo los diseños experimentales de los cuasi-experimentales y catalogando las amenazas a la validez, consolidadas posteriormente por Shadish, Cook y Campbell (2002). La investigación en salud adoptó cada vez más estos diseños y los experimentos naturales para evaluar políticas y programas, con la aparición de guías dedicadas a la salud pública (Craig et al., 2012).

Debates

¿Cuánto peso causal puede soportar la evidencia cuasi-experimental?

Diseños sólidos como los experimentos naturales bien realizados y la regresión de discontinuidad pueden acercarse a la credibilidad de los ensayos para ciertas preguntas, pero sin aleatorización, los supuestos necesarios para la inferencia causal son más fuertes y difíciles de verificar, por lo que el peso de la evidencia es debatido y depende del diseño.

Key figures

• Donald Campbell
• Thomas Cook
• William Shadish
• Peter Craig

Seminal works

• shadish-2002
• craig-2012-natural
• kontopantelis-2015-its

Frequently asked questions

¿En qué se diferencia un cuasi-experimento de un ensayo aleatorizado?

Ambos evalúan una intervención frente a una comparación, pero un cuasi-experimento no asigna la intervención al azar; se basa en una estructura como el tiempo, las diferencias de grupo o un umbral para construir la comparación, lo que deja más margen para los factores de confusión.

¿Qué es un experimento natural?

Es un cuasi-experimento en el que la exposición es creada por un evento, política o programa fuera del control del investigador, lo que permite el estudio de intervenciones, a menudo a escala poblacional, que no podrían asignarse aleatoriamente.