Selección de factores de confusión en los  estudios observacionales publicados en revistas médicas de alto impacto

Introducción: Existe un creciente interés en el uso de datos y métodos observacionales para evaluar cuestiones sobre los efectos causales de las exposiciones en los resultados. Sin embargo, los estudios observacionales se basan en supuestos sólidos para respaldar conclusiones causales, incluyendo la ausencia de factores de confusión no controlados. [...] Evaluamos si se han producido mejoras a lo largo del tiempo en los métodos reportados para la selección de factores de confusión a controlar en estudios observacionales publicados en las revistas médicas y epidemiológicas con mayor factor de impacto.

Métodos: Realizamos un estudio transversal e identificamos las 10 revistas médicas (n = 5) y epidemiológicas (n = 5) con mayor factor de impacto. Revisamos todos los artículos indexados en PubMed de 2003, 2013 y 2023 para identificar estudios observacionales que evaluaran las asociaciones entre la exposición y los resultados en los que se esperaría un ajuste por factores de confusión. [...] Seleccionamos aleatoriamente la mitad de los artículos de cada revista y año para la evaluación completa e identificamos las características clave del estudio, incluyendo el diseño, el tipo de exposición y la fuente de financiación. Clasificamos los métodos informados por cada estudio para seleccionar factores de confusión: sin ajuste de factores de confusión, ajuste pero factores de confusión no especificados, factores de confusión seleccionados sin justificación, factores de confusión seleccionados sobre la base de una asociación establecida con el resultado, factores de confusión seleccionados sobre la base de criterios estadísticos (por ejemplo, desequilibrio entre grupos de exposición, estrategia de cambio en la estimación o regresión escalonada) o factores de confusión seleccionados sobre la base de un modelo causal, ya sea representado por un DAG o explicado en el texto.

Resultados: Se identificaron 623 estudios observacionales elegibles, incluidos 197 (31,6 %) publicados en revistas médicas y 426 (68,4 %) publicados en revistas epidemiológicas. De estos, 22 (3,5 %) no informaron haber ajustado los factores de confusión, 18 (2,9 %) no especificaron qué factores de confusión se seleccionaron, 281 (45,1 %) informaron haber seleccionado los factores de confusión sin justificación, 139 (22,3 %) informaron haber seleccionado los factores de confusión basándose en una asociación establecida con el resultado, 121 (19,4 %) informaron haber seleccionado los factores de confusión basándose en criterios estadísticos y 42 (6,7 %) informaron haber seleccionado los factores de confusión basándose en un modelo causal (35 utilizaron DAG y 7 proporcionaron una explicación en su texto). La selección de factores de confusión sin justificación se mantuvo relativamente constante entre 2003 y 2023, de 111 de 228 (48,7 %) a 68 de 164 (41,5 %), mientras que el uso de un modelo causal para identificar los factores de confusión aumentó, de 0 de 228 a 37 de 164 (22,6 %). Se observaron diferencias en los métodos utilizados para seleccionar factores de confusión según el tipo de revista y el diseño del estudio.

Discusión: Este estudio transversal reveló que, entre 623 estudios observacionales publicados durante las últimas dos décadas en las revistas médicas y epidemiológicas con mayor factor de impacto, aproximadamente la mitad seleccionó factores de confusión sin justificarlos. Si bien la presentación de informes sobre modelos causales, como los DAG, ha aumentado con el tiempo, en 2023 esto se hizo menos de una cuarta parte, lo que genera inquietud sobre cómo se seleccionan y justifican los factores de confusión en los estudios observacionales.

El artículo original:

Correia LCL, Mascarenhas RF, De Menezes FSC, et al. Confounder Selection in Observational Studies in High-Impact Medical and Epidemiological Journals. JAMA Netw Open. 2025;8(7):e2524176. doi:10.1001/jamanetworkopen.2025.24176

Disponible en: https://n9.cl/dk5yxq