Sesgo de selección

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, por lo que no se garantiza que la muestra obtenida sea representativa de la población que se pretende analizar. ^[1] 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.

El sesgo de muestreo es un error sistemático debido a una muestra no aleatoria de una población, ^[2] que hace que algunos miembros de la población tengan menos probabilidades de ser incluidos que otros, lo que resulta en una muestra sesgada , definida como una muestra estadística de una población (o factores no humanos) en la que todos los participantes no están igualmente equilibrados ni representados objetivamente. ^[3] Se clasifica principalmente como un subtipo de sesgo de selección, ^[4] a veces denominado específicamente sesgo de selección de muestra , ^{[5] [6] [7]} pero algunos lo clasifican como un tipo separado de sesgo. ^[8]

Una distinción entre el sesgo de muestreo (aunque no sea una distinción universalmente aceptada) es que socava la validez externa de una prueba (la capacidad de generalizar sus resultados al resto de la población), mientras que el sesgo de selección se ocupa principalmente de la validez interna de las 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 sesgo de muestreo, mientras que los errores en cualquier proceso posterior causan sesgo de selección.

Algunos ejemplos de sesgo de muestreo incluyen la autoselección , la preselección de los participantes del ensayo, el descuento de sujetos/pruebas del ensayo que no se completaron y el sesgo de migración al excluir a 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 el sesgo de tiempo de anticipación , donde la enfermedad se diagnostica antes en los participantes que en las poblaciones de comparación, aunque el curso promedio de la enfermedad es el mismo.

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

• Sesgo de susceptibilidad
  • Sesgo de susceptibilidad clínica , cuando una enfermedad predispone a una segunda enfermedad y el tratamiento de la primera parece predisponer erróneamente 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 mayor culpa de la que realmente tienen de causar cáncer de endometrio. ^[9]
  • 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 retraso en el tiempo entre los primeros síntomas y el inicio del tratamiento antes del diagnóstico real. ^[9] Puede mitigarse mediante el retraso , es decir, la exclusión de las exposiciones que ocurrieron en un cierto período de tiempo antes del diagnóstico. ^[10]
  • Sesgo de indicación , una posible confusión entre causa y efecto cuando la exposición depende de la indicación, p. ej., se administra un tratamiento a personas con alto riesgo de contraer una enfermedad, lo que puede provocar una preponderancia de personas tratadas entre aquellas que contraen la enfermedad. Esto puede provocar una apariencia errónea de que el tratamiento es una causa de la enfermedad. ^[11]

• Particionar (dividir) datos con conocimiento del contenido de las particiones y luego analizarlos con pruebas diseñadas para particiones elegidas a ciegas.
• Modificación posterior de la inclusión de datos basada en motivos arbitrarios o subjetivos, entre ellos:
  • Selección selectiva , que en realidad no es un sesgo de selección, sino un sesgo de confirmación , cuando se eligen subconjuntos específicos de datos para respaldar una conclusión (por ejemplo, citando ejemplos de accidentes aéreos como evidencia de que los vuelos de las aerolíneas no son seguros, mientras se ignora el ejemplo mucho más común de vuelos que se completan de manera segura. Véase: heurística de disponibilidad )
  • Rechazo de datos erróneos por (1) motivos arbitrarios, en lugar de hacerlo de acuerdo con criterios previamente establecidos o generalmente acordados, o (2) descartar " valores atípicos " por motivos estadísticos que no tienen en cuenta información importante que podría derivarse de observaciones "salvajes". ^[12]

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

El sesgo de deserción es un tipo de sesgo de selección causado por la pérdida de participantes, ^[13] descartando sujetos/pruebas del ensayo que no se completaron. Está estrechamente relacionado con el sesgo de supervivencia , donde solo los sujetos que "sobrevivieron" a un proceso se incluyen en el análisis o el sesgo de fracaso , donde solo se incluyen los sujetos que "fallaron" en un proceso. Incluye abandono , falta de respuesta ( tasa de respuesta más baja ), retiro y desviaciones del protocolo . Da resultados sesgados cuando es desigual con respecto a la exposición y/o el resultado. Por ejemplo, en una prueba de un programa de dieta, el investigador puede simplemente rechazar a todos los que abandonan el ensayo, pero la mayoría de los que abandonan son aquellos para los que no estaba funcionando. La pérdida diferente de sujetos en el grupo de intervención y de comparación puede cambiar las características de estos grupos y los resultados independientemente de la intervención estudiada . ^[13]

La pérdida de seguimiento es otra forma de sesgo de deserción, que se produce principalmente en estudios médicos durante un período de tiempo prolongado. El sesgo de no respuesta o de retención puede verse influido por una serie de factores tangibles e intangibles, como la riqueza, la educación, el altruismo, la comprensión inicial del estudio y sus requisitos. ^[14] Los investigadores también pueden ser incapaces de realizar contactos de seguimiento como resultado de la información de identificación y los datos de contacto inadecuados recopilados durante la fase inicial de reclutamiento e investigación. ^[15]

El filósofo Nick Bostrom ha sostenido que los datos se filtran no sólo en función del diseño y la medición del estudio, sino también por la condición previa necesaria de que debe haber alguien que lleve a cabo el estudio. En situaciones en las que la existencia del observador o del estudio está correlacionada con los datos, se producen efectos de selección de la observación y se requiere un razonamiento antrópico . ^[16]

Un ejemplo es el registro de impactos ocurridos en el pasado en la Tierra: si los grandes impactos causan extinciones masivas y perturbaciones ecológicas que impiden la evolución de observadores inteligentes durante largos períodos, nadie observará evidencia alguna de grandes impactos en el pasado reciente (ya que habrían impedido la evolución de observadores inteligentes). Por lo tanto, existe un sesgo potencial en el registro de impactos de la Tierra. ^[17] Los riesgos existenciales astronómicos también podrían subestimarse debido al sesgo de selección, y debe introducirse una corrección antrópica. ^[18]

El sesgo de autoselección o el sesgo de voluntariado en los estudios plantean otras amenazas a la validez de un estudio, ya que estos participantes pueden tener características intrínsecamente diferentes de la población objetivo del estudio. ^[19] Los estudios han demostrado que los voluntarios tienden a provenir de un nivel social más alto que de un entorno socioeconómico más bajo. ^[20] Además, otro estudio muestra que las mujeres tienen más probabilidades de ofrecerse como voluntarias para los estudios que los hombres. El sesgo de voluntariado es evidente durante todo el 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, un deseo de aprobación, una relación personal con el tema del estudio y otras razones. ^{[20] [14]} Como en la mayoría de los casos, la mitigación en el caso del sesgo de voluntariado es un mayor tamaño de la muestra. ^{[ cita requerida ]}

En general, los sesgos de selección no se pueden superar con el análisis estadístico de los datos existentes únicamente, aunque se puede utilizar la corrección de Heckman 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 genera el sesgo en las estimaciones, y esta correlación entre los no observables no se puede evaluar directamente mediante los determinantes observados del tratamiento. ^[21]

Cuando se seleccionan datos para 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.

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 confirma nuestra perspectiva preexistente; o específicamente en la ciencia experimental, la distorsión producida por experimentos que están diseñados para buscar evidencia confirmatoria en lugar de tratar de refutar la hipótesis.
• sesgo de exclusión, resultado de aplicar diferentes criterios a los casos y controles con respecto a la elegibilidad para participar en un estudio/diferentes variables que sirven como base para la exclusión.