Enseñar la paradoja de Simpson a través de un estudio médico

La paradoja de Simpson es un patrón estadístico en el que una tendencia que aparece en un conjunto de datos general (agregado) desaparece o se revierte cuando los datos se dividen en subgrupos. Suena a contradicción, pero no lo es: es una señal de que los grupos que se comparan no están estructurados de la misma manera subyacente. Veamoslo usando su estudio de tratamiento.

Paso 1: Calcular las tasas estratificadas (comparando dentro de cada grupo de gravedad)

"Estratificado" significa dividir los datos en capas o estratos —aquí, casos leves y graves— y comparar los tratamientos dentro de cada capa por separado.

Casos leves:

• Tratamiento A: 81/87 = 93,1% de recuperación
• Tratamiento B: 234/270 = 86,7% de recuperación
• El tratamiento A gana por unos 6,4 puntos porcentuales.

Casos graves:

• Tratamiento A: 192/263 = 73,0% de recuperación
• Tratamiento B: 55/80 = 68,8% de recuperación
• El tratamiento A vuelve a ganar, por unos 4,2 puntos porcentuales.

Por lo tanto, dentro de ambos subgrupos, el Tratamiento A tiene una tasa de recuperación más alta.

Paso 2: Calcular las tasas agregadas (combinando a todos)

"Agregado" significa sumar a todos los pacientes, ignorando la gravedad.

• Tratamiento A en general: 273/350 = 78,0%
• Tratamiento B en general: 289/350 = 82,6%

Ahora el Tratamiento B parece mejor por unos 4,6 puntos porcentuales, lo contrario de lo que vimos en cada subgrupo. Esta inversión es la paradoja de Simpson.

Paso 3: ¿Por qué sucede esto?

La clave es que los pacientes no se distribuyeron uniformemente entre los grupos de gravedad entre los dos tratamientos. Mire los tamaños de los grupos:

• Tratamiento A: solo 87 pacientes leves (25%) frente a 263 pacientes graves (75%)
• Tratamiento B: 270 pacientes leves (77%) frente a solo 80 pacientes graves (23%)

El Tratamiento B se usó principalmente en pacientes leves, que se recuperan fácilmente con casi cualquier tratamiento. El Tratamiento A se usó principalmente en pacientes graves, que tienen menores posibilidades de recuperación sin importar el tratamiento que reciban. Cuando se combina a todos en un gran grupo, la puntuación general del Tratamiento A se ve arrastrada hacia abajo porque trató a muchos más pacientes de alto riesgo, mientras que la puntuación general del Tratamiento B se ve impulsada porque trató principalmente a pacientes de bajo riesgo. La gravedad actúa como una "variable de confusión": un factor que influye tanto en el tratamiento que recibió un paciente como en su probabilidad de recuperación, distorsionando la simple comparación.

En resumen: la comparación agregada mezcla peras con manzanas. Compara dos tratamientos cuyas poblaciones de pacientes eran fundamentalmente diferentes en nivel de riesgo, por lo que la propia proporción de la mezcla, no necesariamente el tratamiento, impulsa el número general.

Paso 4: ¿El resultado estratificado prueba que el Tratamiento A es causalmente mejor?

No automáticamente. El análisis estratificado es más informativo que el agregado, pero no establece por sí solo la causalidad, la idea de que el Tratamiento A produce directamente una mejor recuperación. Se nos dijo que la asignación del tratamiento no fue aleatoria, lo que importa enormemente. Si los médicos eligieron los tratamientos basándose en factores que no hemos medido (no solo la gravedad etiquetada, sino cosas como la edad, las comorbilidades, los recursos del hospital o las preferencias del paciente), esos mismos factores podrían afectar independientemente la recuperación. Esto a veces se llama "confusión por indicación": los pacientes más enfermos o diferentes reciben un tratamiento diferente por razones ligadas a su pronóstico, no por el efecto real del tratamiento.

Preguntas adicionales que vale la pena investigar:

1. ¿Cómo se clasificó la gravedad y es una medida lo suficientemente fina? "Leve" y "grave" son categorías amplias. Dentro de "grave", los pacientes del Tratamiento A podrían haber estado aún menos críticamente enfermos en promedio que los pacientes graves del Tratamiento B, reintroduciendo una versión más sutil de la misma paradoja.

2. ¿Por qué se asignaron los tratamientos de manera desigual? Si el Tratamiento A se reservó para casos graves porque los médicos creían que funcionaba mejor para ellos, esa creencia (correcta o incorrecta) podría reflejar un juicio clínico real o diferencias no medidas en los pacientes, ambas complican la interpretación.

3. ¿Existen otros factores de confusión, como la edad, las condiciones comórbidas, el sitio del hospital, el momento del tratamiento o la adherencia del paciente, que difieren entre los grupos de tratamiento y que también podrían explicar las diferencias en los resultados?

4. ¿Es el tamaño del efecto clínicamente significativo y estadísticamente estable, o podría estar dentro del rango de la casualidad dados los tamaños de las muestras, especialmente el grupo más pequeño de Tratamiento B grave (n=80)?

5. ¿Fue este un estudio observacional o algo más cercano a un ensayo controlado? Sin aleatorización, no podemos descartar efectos de selección.

Una lista de verificación práctica para interpretar afirmaciones similares:

• Pregunte si la cifra informada es un resultado agregado o de subgrupo (estratificado), y verifique si coinciden o divergen.
• Busque los tamaños de los subgrupos que se comparan; los desequilibrios grandes son una señal de alerta de la paradoja de Simpson.
• Identifique variables de confusión plausibles que podrían afectar tanto la asignación del grupo como el resultado.
• Verifique si el tratamiento o la exposición se asignaron al azar; si no, sea cauteloso con el lenguaje causal.
• Considere si los subgrupos se definen con suficiente precisión, o si todavía existe una variación oculta dentro de ellos.
• Sea escéptico con los titulares que informan solo el número agregado sin detalles de subgrupos, y busque el estudio original o el desglose completo antes de aceptar una afirmación causal.

La paradoja de Simpson no es un truco aritmético: es un recordatorio de que la forma en que se agrupan los datos puede cambiar la historia que cuentan, y que el contexto, no solo los números, es esencial para una interpretación correcta.

La paradoja de Simpson es un fenómeno estadístico que puede parecer un truco de magia. Ocurre cuando una tendencia aparece en diferentes grupos de datos, pero desaparece o se revierte cuando estos grupos se combinan. Como profesionales de la salud pública, comprender esta paradoja es crucial para interpretar correctamente los datos y evitar conclusiones potencialmente perjudiciales. Exploremosla utilizando un estudio médico que compara dos tratamientos para una enfermedad.

Un estudio de 700 pacientes informa sobre la efectividad del Tratamiento A frente al Tratamiento B. Cuando observamos los datos combinados o agregados, la conclusión parece sencilla. De los 350 pacientes que recibieron el Tratamiento A, 273 se recuperaron, una tasa de recuperación del 78,0 % (273/350). Para el Tratamiento B, 289 de 350 pacientes se recuperaron, lo que supone una tasa de recuperación del 82,6 % (289/350). Basándonos en esta comparación agregada, el Tratamiento B parece ser la opción superior. Pero, ¿es la historia tan simple?

Aquí es donde un análisis más cuidadoso, conocido como comparación estratificada, se vuelve esencial. La estratificación significa dividir los datos en subgrupos o estratos para ver si la tendencia general se mantiene. En este estudio, el subgrupo más obvio es la gravedad del paciente. Estratificamos los datos en casos 'leves' y 'graves' y recalculamos las tasas de recuperación.

Para pacientes con casos leves:

• Tratamiento A: 81 de 87 pacientes se recuperaron, para una tasa de recuperación del 93,1 %.
• Tratamiento B: 234 de 270 pacientes se recuperaron, para una tasa de recuperación del 86,7 %.

Para pacientes con casos graves:

• Tratamiento A: 192 de 263 pacientes se recuperaron, para una tasa de recuperación del 73,0 %.
• Tratamiento B: 55 de 80 pacientes se recuperaron, para una tasa de recuperación del 68,8 %.

De repente, la imagen se ha revertido por completo. Dentro del grupo leve, el Tratamiento A es más efectivo. Dentro del grupo grave, el Tratamiento A también es más efectivo. ¡Esto es la paradoja de Simpson en acción: el Tratamiento A funciona mejor en cada subgrupo, pero parece peor cuando los grupos se combinan! ¿Cómo es posible?

La reversión se crea por dos factores clave: una variable de confusión latente y tamaños de grupo desiguales. La variable de confusión aquí es la gravedad del paciente. Un factor de confusión es un factor que está asociado tanto con el tratamiento administrado como con el resultado (recuperación), distorsionando la relación real entre ellos. La gravedad es un factor de confusión clásico porque los pacientes con casos graves tienen inherentemente menos probabilidades de recuperarse, independientemente del tratamiento que reciban.

El segundo ingrediente es la asignación desequilibrada de tratamientos. Observe la distribución:

• El Tratamiento A se administró principalmente a pacientes graves (263 de 350, o el 75 %).
• El Tratamiento B se administró principalmente a pacientes leves (270 de 350, o el 77 %).

El resultado agregado es engañoso porque no compara manzanas con manzanas. Compara un tratamiento (A) utilizado predominantemente en los pacientes más enfermos con un tratamiento (B) utilizado predominantemente en pacientes con enfermedades más leves. El promedio general del Tratamiento A se ve arrastrado hacia abajo por el gran número de casos graves y difíciles, mientras que el promedio del Tratamiento B se ve inflado por el gran número de casos leves y fáciles. El análisis estratificado corrige esto al hacer comparaciones más apropiadas: casos leves con Tratamiento A frente a casos leves con Tratamiento B, y graves frente a graves. En este contexto, los resultados estratificados dan una imagen más precisa de la eficacia del tratamiento.

Sin embargo, ¿demuestra automáticamente este resultado estratificado que el Tratamiento A causa una mejor recuperación? No necesariamente. Si bien el análisis estratificado es una gran mejora, este es un estudio observacional, no un ensayo controlado aleatorizado (ECA). En un ECA, los pacientes serían asignados aleatoriamente a un tratamiento, lo que ayuda a garantizar que, en promedio, los grupos sean similares en todos los aspectos, excepto en el tratamiento recibido. Sin aleatorización, otros factores de confusión aún podrían estar en juego. Para inferir causalidad con confianza, debemos investigar más a fondo. Aquí hay dos preguntas críticas a hacer:

1. ¿Cuál fue la base para la asignación del tratamiento? Necesitamos comprender el proceso de selección. ¿Asignaron los médicos el Tratamiento A a pacientes graves porque creían que era una opción más agresiva y de último recurso? ¿O quizás se asignó a pacientes graves que eran más jóvenes y más fuertes, y por lo tanto se consideraban mejores candidatos para una terapia más exigente? Esta lógica subyacente podría introducir un sesgo significativo.
2. ¿Existen otras diferencias no medidas entre los grupos de pacientes? La estratificación por gravedad es un buen comienzo, pero podría no ser suficiente. ¿Hubo diferencias sistemáticas en la edad, las condiciones de salud coexistentes (comorbilidades) o la calidad del hospital donde se trataron los pacientes? Cualquiera de estos factores podría ser otro factor de confusión que influye en el resultado.

Cuando encuentre afirmaciones similares en informes de noticias o resúmenes de investigación, utilice esta lista de verificación práctica para pensar de forma crítica:

• Identifique la Afirmación General: Anote la conclusión principal extraída de los datos agregados (por ejemplo, "El fármaco X es más eficaz").
• Busque Análisis de Subgrupos: Verifique si los datos se desglosan por subgrupos (estratos) relevantes como edad, sexo, gravedad de la enfermedad o nivel de ingresos.
• Compare las Tendencias Generales frente a las de Subgrupos: ¿Las tendencias dentro de los subgrupos contradicen la tendencia general? Si es así, es probable que haya encontrado una instancia de la paradoja de Simpson.
• Piense en Posibles Factores de Confusión: Considere qué variables latentes podrían estar asociadas tanto con la exposición (por ejemplo, el tratamiento) como con el resultado, y que podrían distribuirse de manera desigual entre los grupos.
• Evalúe el Diseño del Estudio: Determine si el estudio fue un ensayo controlado aleatorizado (evidencia más sólida) o un estudio observacional (más susceptible a la confusión). Este contexto es clave para juzgar la solidez de cualquier afirmación causal.

La paradoja de Simpson sirve como una poderosa lección de humildad estadística. Demuestra que simplemente observar los números generales puede ser profundamente engañoso. Al aprender a estratificar los datos y cuestionar los factores subyacentes que los configuran, podemos convertirnos en consumidores y productores más perspicaces de evidencia de salud pública.