Emparejamiento y Estratificación en Estudios

El emparejamiento y la estratificación son herramientas de diseño utilizadas para controlar el factor de confusión, estableciendo un equilibrio para los factores conocidos en un estudio desde el principio. El emparejamiento empareja o agrupa a los sujetos de modo que los grupos de comparación compartan la misma distribución de un factor de confusión, mientras que la estratificación divide a los sujetos en estratos homogéneos dentro de los cuales se realizan las comparaciones. Ambas son formas de hacer que los grupos de comparación sean más similares en variables seleccionadas, de modo que el contraste de interés esté menos distorsionado por esas variables.

Definition

El emparejamiento es una técnica de diseño que selecciona sujetos de comparación para que compartan la distribución de uno o más factores de confusión con los sujetos índice, y la estratificación es la división de los sujetos en subgrupos (estratos) definidos por factores de confusión, de modo que las comparaciones exposición-resultado se realicen dentro de estratos homogéneos.

Scope

La entrada cubre la justificación del emparejamiento y la estratificación, la diferencia entre el emparejamiento individual y por frecuencia, el uso de estratos tanto en estudios observacionales como en ensayos aleatorizados, y las implicaciones analíticas (como la necesidad de un análisis emparejado o estratificado). Se enmarca como una referencia metodológica sobre el control de factores de confusión mediante el diseño y no proporciona instrucciones clínicas.

Key concepts

• Control de factores de confusión por diseño
• Emparejamiento individual (por pares) versus emparejamiento por frecuencia
• Estratos y comparación dentro del estrato
• Aleatorización estratificada en ensayos
• Análisis emparejado (métodos condicionales)
• Sobreemparejamiento
• Pérdida de eficiencia por emparejamiento en no-confusores

Mechanisms

Ambas técnicas eliminan o reducen el factor de confusión por una variable elegida antes del análisis. El emparejamiento fuerza a que el factor emparejado tenga la misma distribución en los grupos que se comparan, por lo que ya no puede confundir la asociación, pero requiere un análisis que respete la estructura emparejada; analizar datos emparejados como si no lo estuvieran puede sesgar los resultados. La estratificación divide a los sujetos en estratos dentro de los cuales el factor de confusión es esencialmente constante, estima la asociación dentro de cada estrato y combina las estimaciones específicas de cada estrato. En los ensayos aleatorizados, la aleatorización estratificada realiza la asignación por separado dentro de los estratos para mantener los factores pronósticos importantes equilibrados entre los brazos, generalmente combinada con el bloqueo.

Clinical relevance

Reconocer si un estudio controló el factor de confusión mediante emparejamiento o estratificación, y si analizó los datos en consecuencia, forma parte de la evaluación de la credibilidad de una asociación observada. Esta entrada describe la metodología de diseño y análisis para la investigación y no es una fuente de orientación diagnóstica o de tratamiento.

Evidence & guidelines

La literatura metodológica distingue el acto de diseño del emparejamiento del acto analítico del análisis estratificado o emparejado, y enfatiza que los diseños emparejados requieren análisis emparejados para evitar sesgos. La guía sobre la aleatorización estratificada en ensayos señala que es más útil en estudios más pequeños y debe combinarse con el bloqueo, y los textos de epidemiología estándar establecen cuándo el emparejamiento mejora la eficiencia y cuándo el sobreemparejamiento en un no-confusor la perjudica.

History

El emparejamiento se ha utilizado durante mucho tiempo en estudios de casos y controles de enfermedades crónicas para controlar factores de confusión fuertes como la edad y el sexo, y la monografía de Breslow y Day de 1980 codificó el análisis condicional (emparejado) que requieren estos diseños. El análisis estratificado se remonta a los métodos de Mantel-Haenszel de mediados del siglo XX, y la aleatorización estratificada se adoptó en los ensayos clínicos para mantener los factores pronósticos equilibrados entre los brazos de tratamiento, con revisiones metodológicas posteriores que aclararon cuándo añade valor.

Debates

¿Cuándo ayuda el emparejamiento y cuándo es contraproducente?

El emparejamiento en un factor de confusión genuino puede mejorar la eficiencia, pero el emparejamiento en una variable que no es un factor de confusión, o que se encuentra en la vía causal, puede reducir la eficiencia o introducir sesgos (sobreemparejamiento); la decisión depende de la estructura causal, no de la conveniencia.

¿Es necesaria la aleatorización estratificada en ensayos grandes?

La estratificación mantiene equilibrados los factores pronósticos clave y es más valiosa en ensayos más pequeños, mientras que en ensayos grandes la aleatorización simple tiende a equilibrar los factores por sí misma; la sobreestratificación puede crear muchos estratos dispersos y complicar el diseño.

Key figures

• Norman Breslow
• Nicholas Day
• Kenneth Rothman
• Sander Greenland
• Neil Pearce

Seminal works

• breslow-day-1980-matching
• pearce-2016-matched
• kernan-1999-stratified

Frequently asked questions

¿Cuál es la diferencia entre emparejamiento y estratificación?

El emparejamiento es una decisión de muestreo que se toma cuando se seleccionan los sujetos (elegir sujetos de comparación para que compartan la distribución de un factor de confusión), mientras que la estratificación divide a los sujetos en subgrupos definidos por un factor de confusión y compara la exposición y el resultado dentro de esos subgrupos; los datos emparejados también requieren un análisis emparejado.

¿Qué es el sobreemparejamiento?

El sobreemparejamiento es el emparejamiento en una variable que no debería emparejarse, como una que no es un factor de confusión o que se encuentra en la vía causal entre la exposición y el resultado; puede reducir la eficiencia estadística o sesgar la estimación en lugar de mejorar el control del factor de confusión.