La necesidad de tener en cuenta la intervención del azar
Punto clave
- Se debe tener en cuenta la «intervención del azar» mediante la evaluación de la confianza que se puede otorgar a la calidad y la cantidad de evidencia científica disponible
Introducción: La intervención del azar y la «ley de los números grandes»
La obtención de evidencia científica fiable sobre los efectos de los tratamientos depende de evitar la introducción de sesgos (y abordar aquellos que no se evitaron). Si no se cumplen estas dos condiciones de las pruebas imparciales, la manipulación de los resultados de la investigación no logrará resolver los problemas que persistirán, ni sus peligrosas, a veces mortales, consecuencias. Por otro lado, aún cuando las medidas tomadas para disminuir los sesgos hayan tenido éxito, la intervención del azar puede inducir a conclusiones erróneas.
Todos saben que si se lanza una moneda reiteradamente no es tan extraño ver «series» de cinco o más caras o cruces, una tras otra. Y todos saben que cuantas más veces se lanza la moneda, más probable es que se termine con números similares de caras y cruces.
Cuando se comparan dos tratamientos, cualquier diferencia en los resultados podría reflejar simplemente la intervención del azar o la casualidad. Por ejemplo, el 40 % de los pacientes mueren después del tratamiento A en comparación con el 60 % de pacientes similares que mueren después de recibir el tratamiento B. En la tabla 1, se muestra lo que se esperaría si 10 pacientes recibieran cada uno de los dos tratamientos. La diferencia en el número de muertes entre los dos tratamientos se expresa como «riesgo relativo». El riesgo relativo en este ejemplo es 0,67.
Tratamiento A | Tratamiento B | Riesgo Relativo | |
---|---|---|---|
Número de pacientes muertos | 4 | 6 | (4:6 =) 0.67 |
Número total de pacientes | 10 | 10 |
En función de estos números pequeños, ¿sería razonable concluir que el tratamiento A fue mejor que el B? Probablemente no. El azar podría ser el motivo de que algunas personas mejoraron en un grupo más que en el otro. Si la comparación se repitiera en otros grupos pequeños de pacientes, el número de pacientes que morirían podría ser el inverso (seis contra cuatro), la proporción podría ser igual (cinco contra cinco) o podría obtenerse cualquier otro resultado, simplemente por la mediación del azar.
¿Pero qué esperaría ver si exactamente la misma proporción de pacientes en cada grupo de tratamiento (40 % y 60 %) muriera después de que 100 pacientes hubieran recibido cada uno de los tratamientos (Tabla 2)? Aunque la medida de la diferencia (el riesgo relativo) es exactamente el misma (0,67) que en la comparación mostrada en la Tabla 1, 40 muertes en comparación con 60 muertes es una diferencia más impresionante que 4 en comparación con 6, y es menos probable que refleje la intervención del azar.
Tratamiento A | Tratamiento B | Riesgo Relativo | |
---|---|---|---|
Número de pacientes muertos | 40 | 60 | (40:60 =) 0.67 |
Número total de pacientes | 100 | 100 |
Así pues, para evitar llegar a conclusiones erróneas debido a la intervención del azar en las comparaciones de los tratamientos, es necesario basar las conclusiones en números suficientemente grandes de pacientes que mueran, empeoren, mejoren o se mantengan sin cambios. A esto se lo suele llamar «la ley de los grandes números».