Resumen

Una técnica recomendada en la literatura, para detectar si una variable es o no de confusión en un modelo de Cox, es aplicada en algunos modelos de la familia exponencial. El objetivo es determinar si esta técnica es válida en los modelos logístico, Poisson y lineal clásico. Una técnica alternativa, basada en los odds, es propuesta para el caso del modelo logístico. Los resultados muestran que las técnicas tienen un comportamiento similar cuando la confusión está presente en el modelo; sin embargo, la técnica propuesta resultó ser más efectiva en los escenarios en que hay ausencia de este fenómeno.

1. INTRODUCCIÓN

El término inglés “confounding” es usado por los epidemiólogos cuando una covariable está asociada tanto con el resultado de interés y un factor de riesgo principal [7]. La presencia de estas variables puede distorsionar el efecto observado de una exposición sobre un resultado; este efecto se refiere a una aparente relación, cuando la variable de confusión es la causante de la relación; o aparente falta de relación, cuando la variable de confusión atenúa la relación [15]. Por ejemplo, en tablas de contingencia, la asociación que se observa para varios grupos, puede invertir su dirección cuando los datos se combinan en un solo grupo. Esta inversión se conoce como la paradoja de Simpson [9].

Existen en la literatura estadística, varios métodos que permiten evaluar confusión, entre los más comunes se encuentran el riesgo relativo, las razones de odds y las estandarizaciones [1]; otros métodos como aleatorización, restricción y matching son implementados en el diseño de estudio y antes del proceso de recolección de los datos, con el objetivo de controlar este fenómeno [10,11,12]. Una discusión sobre el uso de estos métodos se puede ver Mickey [11] y Kamangar [10].

Otros procedimientos empleados para controlar los factores de confusión en los análisis son, la estratificación y los modelos multivariados [13]. Con la estratificación se trata de buscar grupos dentro de los cuales el factor de confusión no varíe y así evaluar la asociación entre la exposición y la enfermedad dentro de cada estrato del confusor, y luego emplear el estimador de Mantel - Haenszel para ajustar los resultados para cada estrato [13], con este método se determina que hay confusión cuando se encuentran diferencias entre los resultados crudos y los ajustados de acuerdo al estrato. Este método se vuelve poco manejable cuando se tiene un gran número de estratos o de covariables, o inclusive un número grande de posibles confusores. En estas situaciones es de gran utilidad implementar entonces modelos multivariados.

Wilson [14], Becher [2], Chao [4], Chen [5], Frank [6], Austin [1], entre otros; estudian los efectos que causa la presencia de estas variables en algunos modelos de regresión.

• Materias:Modelos matemáticos Modelo Matemático Logística
• Subjects:Mathematical models Mathematical model Logistics
• Palabras claves:Confusión; Familia exponencial; Modelo de Cox; Regresión
• Keywords:Confounding; Exponential Family; Cox Models; Regression