Sesgo de selección - Selection bias

El sesgo de selección es el sesgo introducido por la selección de individuos, grupos o datos para el análisis de tal manera que no se logra una aleatorización adecuada, asegurando así que la muestra obtenida no sea representativa de la población que se pretende analizar. A veces se lo denomina efecto de selección . La frase "sesgo de selección" se refiere con mayor frecuencia a la distorsión de un análisis estadístico , resultante del método de recolección de muestras. Si no se tiene en cuenta el sesgo de selección, algunas conclusiones del estudio pueden ser falsas.

Tipos

Sesgo de muestreo

El sesgo de muestreo es un error sistemático debido a una muestra no aleatoria de una población, lo que hace que algunos miembros de la población tengan menos probabilidades de ser incluidos que otros, lo que da como resultado una muestra sesgada , definida como una muestra estadística de una población (o no factores humanos) en el que todos los participantes no están igualmente equilibrados u objetivamente representados. Se clasifica principalmente como un subtipo de sesgo de selección, a veces denominado específicamente sesgo de selección de la muestra , pero algunos lo clasifican como un tipo de sesgo separado.

Una distinción del sesgo de muestreo (aunque no universalmente aceptado) es que socava la validez externa de una prueba (la capacidad de sus resultados para generalizarse al resto de la población), mientras que el sesgo de selección se ocupa principalmente de la validez interna para diferencias o similitudes encontradas en la muestra en cuestión. En este sentido, los errores que ocurren en el proceso de recolección de la muestra o cohorte causan un sesgo de muestreo, mientras que los errores en cualquier proceso posterior causan un sesgo de selección.

Los ejemplos de sesgo de muestreo incluyen la autoselección , la preselección de los participantes del ensayo, el descuento de los sujetos / pruebas del ensayo que no se completaron y el sesgo de migración al excluir a los sujetos que se han mudado recientemente dentro o fuera del área de estudio, el sesgo de duración , donde se detecta una enfermedad de desarrollo lento con mejor pronóstico, y sesgo de tiempo de espera , donde la enfermedad se diagnostica a los participantes antes que en las poblaciones de comparación, aunque el curso promedio de la enfermedad es el mismo.

Intervalo de tiempo

  • Terminación anticipada de un ensayo en un momento en que sus resultados apoyan la conclusión deseada.
  • Un ensayo puede terminarse anticipadamente con un valor extremo (a menudo por razones éticas ), pero es probable que el valor extremo lo alcance la variable con la varianza más grande , incluso si todas las variables tienen una media similar .

Exposición

  • Sesgo de susceptibilidad
    • Sesgo de susceptibilidad clínica , cuando una enfermedad predispone a una segunda enfermedad, y el tratamiento de la primera enfermedad erróneamente parece predisponer a la segunda enfermedad. Por ejemplo, el síndrome posmenopáusico da una mayor probabilidad de desarrollar también cáncer de endometrio , por lo que los estrógenos administrados para el síndrome posmenopáusico pueden recibir una culpa mayor que la real de causar cáncer de endometrio.
    • Sesgo protopático , cuando un tratamiento para los primeros síntomas de una enfermedad u otro resultado parece causar el resultado. Es un sesgo potencial cuando hay un lapso de tiempo desde los primeros síntomas y el inicio del tratamiento antes del diagnóstico real. Puede mitigarse con un retraso , es decir, la exclusión de exposiciones que ocurrieron en un período de tiempo determinado antes del diagnóstico.
    • Sesgo de indicación , una posible confusión entre causa y efecto cuando la exposición depende de la indicación, por ejemplo, se administra un tratamiento a personas con alto riesgo de contraer una enfermedad, lo que puede causar una preponderancia de personas tratadas entre las que contraen la enfermedad. Esto puede provocar una apariencia errónea del tratamiento como causa de la enfermedad.

Datos

  • Particionar (dividir) datos con conocimiento del contenido de las particiones y luego analizarlos con pruebas diseñadas para particiones elegidas a ciegas.
  • Alteración post hoc de la inclusión de datos basada en razones arbitrarias o subjetivas, que incluyen:
    • El cherry picking , que en realidad no es el sesgo de selección, pero el sesgo de confirmación , cuando subconjuntos específicos de datos se eligen para apoyar una conclusión (por ejemplo, citando ejemplos de avión se estrella como una prueba de vuelo de la aerolínea no seguro, sin tener en cuenta el ejemplo más común de los vuelos que completar de forma segura. Consulte: heurística de disponibilidad )
    • Rechazo de datos erróneos por (1) motivos arbitrarios, en lugar de de acuerdo con criterios previamente establecidos o generalmente acordados o (2) descartando " valores atípicos " por motivos estadísticos que no toman en cuenta información importante que podría derivarse de observaciones "salvajes".

Estudios

  • Selección de qué estudios incluir en un metanálisis (ver también metanálisis combinatorio ).
  • Realizar experimentos repetidos y reportar solo los resultados más favorables, quizás reetiquetando los registros de laboratorio de otros experimentos como "pruebas de calibración", "errores de instrumentación" o "estudios preliminares".
  • Presentar el resultado más significativo de una draga de datos como si fuera un solo experimento (que es lógicamente el mismo que el artículo anterior, pero se considera mucho menos deshonesto).

Desgaste

El sesgo de deserción es un tipo de sesgo de selección causado por la deserción (pérdida de participantes), descontando los sujetos / pruebas del ensayo que no se completaron. Está estrechamente relacionado con el sesgo de supervivencia , donde solo se incluyen en el análisis los sujetos que "sobrevivieron" a un proceso o el sesgo de falla , donde solo se incluyen los sujetos que "fallaron" en un proceso. Incluye abandono , falta de respuesta ( tasa de respuesta más baja ), abstinencia y desviaciones del protocolo . Da resultados sesgados cuando es desigual en cuanto a exposición y / o resultado. Por ejemplo, en una prueba de un programa de dieta, el investigador puede simplemente rechazar a todos los que abandonan la prueba, pero la mayoría de los que abandonan son aquellos para quienes no funcionó. Diferentes pérdidas de sujetos en el grupo de intervención y de comparación pueden cambiar las características de estos grupos y los resultados independientemente de la intervención estudiada .

Perdido durante el seguimiento , es otra forma de sesgo de deserción, que ocurre principalmente en estudios médicos durante un período de tiempo prolongado. El sesgo de no respuesta o retención puede verse influenciado por una serie de factores tangibles e intangibles, como; riqueza, educación, altruismo, comprensión inicial del estudio y sus requisitos. Los investigadores también pueden ser incapaces de realizar un contacto de seguimiento como resultado de una información de identificación y datos de contacto inadecuados recopilados durante la fase inicial de reclutamiento e investigación.

Selección de observadores

El filósofo Nick Bostrom ha argumentado que los datos se filtran no solo por el diseño y la medición del estudio, sino por la condición previa necesaria de que tiene que haber alguien haciendo un estudio. En situaciones en las que la existencia del observador o del estudio se correlaciona con los datos, se producen efectos de selección de la observación y se requiere un razonamiento antrópico .

Un ejemplo es el registro de eventos de impacto pasado de la Tierra: si los grandes impactos causan extinciones masivas y perturbaciones ecológicas que impiden la evolución de observadores inteligentes durante largos períodos, nadie observará ninguna evidencia de grandes impactos en el pasado reciente (ya que habrían impedido la evolución de los observadores inteligentes). observadores de la evolución). Por lo tanto, existe un sesgo potencial en el registro de impacto de la Tierra. De manera similar, los riesgos existenciales astronómicos podrían subestimarse debido al sesgo de selección, y debe introducirse una corrección antrópica.

Sesgo voluntario

El sesgo de autoselección o el sesgo voluntario en los estudios ofrecen más amenazas a la validez de un estudio, ya que estos participantes pueden tener características intrínsecamente diferentes de la población objetivo del estudio. Los estudios han demostrado que los voluntarios tienden a provenir de una posición social más alta que de un entorno socioeconómico más bajo. Además, otro estudio muestra que es más probable que las mujeres se ofrezcan como voluntarias para los estudios que los hombres. El sesgo de los voluntarios es evidente a lo largo del ciclo de vida del estudio, desde el reclutamiento hasta los seguimientos. En términos más generales, la respuesta de los voluntarios puede atribuirse al altruismo individual, el deseo de aprobación, la relación personal con el tema de estudio y otras razones. Como ocurre con la mayoría de los casos, la mitigación en el caso del sesgo de los voluntarios es un mayor tamaño de la muestra.

Mitigación

En el caso general, los sesgos de selección no se pueden superar con el análisis estadístico de los datos existentes únicamente, aunque la corrección de Heckman se puede utilizar en casos especiales. Se puede evaluar el grado de sesgo de selección examinando las correlaciones entre las variables exógenas (de fondo) y un indicador de tratamiento. Sin embargo, en los modelos de regresión , es la correlación entre los determinantes no observados del resultado y los determinantes no observados de la selección en la muestra lo que sesga las estimaciones, y esta correlación entre los no observables no puede evaluarse directamente mediante los determinantes del tratamiento observados.

Cuando se seleccionan datos con fines de ajuste o pronóstico, se puede configurar un juego de coalición para que se pueda definir una función de precisión de ajuste o pronóstico en todos los subconjuntos de las variables de datos.

Asuntos relacionados

El sesgo de selección está estrechamente relacionado con:

  • sesgo de publicación o sesgo de informe , la distorsión producida en la percepción de la comunidad o en los metanálisis al no publicar resultados poco interesantes (generalmente negativos), o resultados que van en contra de los prejuicios del experimentador, los intereses de un patrocinador o las expectativas de la comunidad.
  • sesgo de confirmación , la tendencia general de los humanos a prestar más atención a todo aquello que confirme nuestra perspectiva preexistente; o específicamente en la ciencia experimental, la distorsión producida por experimentos que están diseñados para buscar evidencia confirmatoria en lugar de intentar refutar la hipótesis.
  • sesgo de exclusión, resultado de aplicar diferentes criterios a casos y controles en cuanto a la elegibilidad para participar en un estudio / diferentes variables que sirven como base para la exclusión.

Ver también

Referencias