Análisis de Sensibilidad

En la inferencia causal, el análisis de sensibilidad pregunta cuán robusta es la conclusión de un estudio frente a las violaciones de sus supuestos no comprobables, con mayor frecuencia el supuesto de que no existe una confusión no medida. En lugar de tratar una estimación puntual como definitiva, cuantifica cuán fuerte tendría que ser un sesgo oculto para explicar o cambiar sustancialmente el efecto observado.

Definition

El análisis de sensibilidad en la inferencia causal es un conjunto de métodos que cuantifican cuánto sesgo no medido, típicamente confusión no medida, tendría que estar presente para alterar materialmente o anular un efecto causal estimado.

Scope

Este tema cubre la justificación del análisis de sensibilidad y del sesgo cuantitativo en la investigación observacional, la noción de un factor de confusión no medido lo suficientemente fuerte como para anular un resultado, y medidas resumidas como el valor E. Es una referencia metodológica, no una guía clínica.

Core questions

• ¿Cuán robusta es una estimación causal a la confusión no medida?
• ¿Cuán fuerte tendría que ser un sesgo oculto para explicar el resultado?
• ¿Cómo se puede comunicar a los lectores el impacto de las suposiciones no comprobables?

Key concepts

• Confusión no medida
• Análisis de sesgo cuantitativo
• Valor E
• Límites de sesgo
• Robustez de las estimaciones causales

Mechanisms

El análisis de sensibilidad reconoce que las suposiciones clave de identificación no pueden verificarse a partir de los datos y, en cambio, pregunta qué magnitud de violación cambiaría la conclusión. Ding y VanderWeele (ding-vanderweele-2016) derivaron límites que muestran cuán fuertemente un factor de confusión no medido, en sus asociaciones tanto con la exposición como con el resultado, tendría que actuar para explicar una asociación observada, sin requerir suposiciones sobre la distribución del factor de confusión. Basándose en esto, el valor E (vanderweele-ding-2017) resume el resultado como la fuerza mínima de asociación que un factor de confusión no medido necesitaría tanto con la exposición como con el resultado para explicar completamente la estimación; valores E más grandes indican mayor robustez. Dichos análisis complementan un ajuste cuidadoso, que a su vez debe evitar introducir sesgos mediante una elección inapropiada de covariables (schisterman-2009).

Clinical relevance

El análisis de sensibilidad indica a los lectores cuánta confianza puede soportar una afirmación causal observacional, lo cual es fundamental para evaluar la evidencia sobre tratamientos y exposiciones. Describe la robustez de la evidencia y no es una base para decisiones individuales de diagnóstico o tratamiento.

Epidemiology

El análisis de sesgo cuantitativo y el valor E se informan cada vez más junto con las estimaciones primarias en la epidemiología observacional y la investigación de efectividad comparativa, donde la confusión no medida es una preocupación persistente. El valor E, en particular, ha sido ampliamente adoptado como un resumen conciso de robustez (vanderweele-ding-2017).

History

El análisis formal de sensibilidad para la confusión no medida tiene sus raíces en los debates de mediados del siglo XX sobre las afirmaciones causales observacionales, y el análisis de sesgo cuantitativo moderno se sistematizó en los libros de texto de epidemiología (rothman-2008). Los límites de Ding y VanderWeele (ding-vanderweele-2016), que requieren pocas suposiciones, y el posterior valor E (vanderweele-ding-2017) hicieron que tales análisis fueran lo suficientemente simples para su informe rutinario.

Debates

¿Cómo debe interpretarse y utilizarse el valor E?

El valor E ofrece un resumen conveniente de robustez, pero los comentaristas advierten que no sustituye el razonamiento sustantivo sobre qué factores de confusión son plausibles y cuán fuertes podrían ser en la realidad.

Key figures

• Tyler VanderWeele
• Peng Ding
• Sander Greenland
• Timothy Lash

Seminal works

• ding-vanderweele-2016
• vanderweele-ding-2017

Frequently asked questions

¿Qué indica un valor E?

Informa la fuerza mínima de asociación que un factor de confusión no medido necesitaría tanto con la exposición como con el resultado para explicar completamente el efecto observado; un valor E mayor significa que el resultado es más robusto a dicha confusión.

¿El análisis de sensibilidad prueba que un resultado es correcto?

No. No confirma la causalidad; cuantifica cuán robusto es un hallazgo a sesgos no medidos específicos, dejando la plausibilidad de esos sesgos al juicio sustantivo.