Estandarización y predicción para controlar la confusión: una nota metodológica sobre las alternativas disponibles

Resumen

¿Cuál es el riesgo añadido de muerte por tabaquismo? La regresión logística se ha convertido en el método estadístico más común para responder a estas preguntas en la literatura biomédica. Sin embargo, los análisis típicos estiman las razones de probabilidades (odds ratios), una métrica que a menudo se malinterpreta. 

Si bien las estimaciones de riesgos, sus diferencias y razones, ofrecen interpretaciones clínicas transparentes, los modelos estadísticos comúnmente utilizados presentan deficiencias metodológicas conocidas. La estandarización mediante modelado, ponderación o emparejamiento ofrece una solución. 

Los objetivos de este artículo son revisar los conceptos clásicos de estandarización y vincularlos con el modelado de regresión para la inferencia causal. Los autores también describen enfoques basados ​​en ponderación y emparejamiento en comparación con la estandarización basada en regresión. 

Utilizando un ejemplo de tabaquismo del estudio ARIC (Riesgo de Aterosclerosis en Comunidades), explican el valor de la estandarización, utilizada desde hace tiempo en medicina y salud pública, para estimar los riesgos, sus diferencias y razones para resultados binarios. 

Los autores demuestran cómo el software estadístico estándar, que utiliza modelos que se ajustan mejor a los datos y respetan los procesos biológicos o clínicos subyacentes, puede reexpresar los resultados en métricas clínicamente significativas. El Suplemento ofrece ejemplos con paquetes de software comunes.

El artículo original:

A. Russell Localio, James A. Henegan, Stephanie Chang, et al. Standardization and Prediction to Control Confounding: Estimating Risk Differences and Ratios for Clinical Interpretations and Decision Making. Ann Intern Med. [Epub 8 April 2025]. doi:10.7326/ANNALS-25-00082

Disponible en: https://n9.cl/16xky