IDEA ENCONTRADA // IDEA 133
Confusión causal
“Dos grupos pueden diferir antes del supuesto tratamiento de una forma que también cambia el resultado.”
01 / DIRECTO
Qué significa, sin vueltas
Hay confusión causal cuando una diferencia previa influye tanto en la exposición como en el resultado. Entonces parte de la comparación atribuida a la exposición puede venir de esa causa común.
02 / CONTEXTO
Un poco más
Hay confusión cuando una causa común, o una estructura equivalente, mezcla el efecto de la exposición con diferencias de base. Ajustar puede ayudar solo si se identifican y miden adecuadamente las variables necesarias.
03 / UTILIDAD
Por qué importa
Reconocerla evita tomar una asociación entre dos cosas como el efecto de una sobre la otra sin revisar cómo se formaron los grupos.
04 / EJEMPLO
Un ejemplo cercano
Quienes usan un suplemento también entrenan más; comparar su salud sin tratar el entrenamiento mezcla ambos procesos.
05 / LÍMITE
Lo que no significa
Añadir todas las variables disponibles a una regresión puede introducir sesgo si alguna es mediadora o colisionador.
06 / OBSERVA
Míralo en tu día
En el ejemplo de suplemento y salud, dibuja flechas desde entrenamiento hacia uso del suplemento y salud. Explica qué comparación quedaría mezclada.
NOTA FINAL
La idea que conviene guardar
Decide qué ajustar desde un modelo causal, no desde una lista automática de covariables.
DUDAS / 02
Preguntas que suelen quedar
¿Qué papel cumple una causa confusora?
Influye en la exposición y en el resultado, mezclando diferencias previas con el efecto que se quiere estimar.
¿Conviene ajustar por toda variable disponible?
No. Algunas variables pueden ser mediadoras o colisionadores y añadir sesgo.