Actualizado por ultima vez el 18 de octubre de 2022, por Luis Benites.
La paradoja de Berkson (también conocida como falacia de Berkson o sesgo de Berkson ) es la idea contraintuitiva de que los eventos que parecen estar correlacionados en realidad no lo están.
Tome dos eventos, A y B, que son eventos completamente independientes (por ejemplo, cáncer de pulmón y diabetes). Si un estudio selecciona tanto la presencia de A (cáncer de pulmón) como B (diabetes), la presencia de diabetes hará que la presencia de cáncer de pulmón sea más probable. Intuitivamente, esto no tiene sentido, pero los datos parecen respaldar esta noción contraria a la intuición, mostrando que, de hecho, existe una conexión.
Berkson escribió sobre la paradoja en 1946. Su artículo original mostró que dos enfermedades, que no tienen una relación real, pueden ser lo que él llamó » asociación espuria » en estudios de control de casos en hospitales . Sin embargo, la idea no fue ampliamente aceptada hasta 1979, cuando David Sackett de la Universidad McMaster proporcionó pruebas sólidas de que la paradoja de Berkson, de hecho, existe.
¿Qué causa la paradoja de Berkson?
La razón por la que la probabilidad de que ocurra el evento A es mayor en presencia del evento B se debe a que se excluyen los casos en los que no ocurre ninguno.
En un caso clásico (de Estadísticas médicas de Everitt de la A a la Z: una guía para médicos y estudiantes de medicina ), se analizaron los datos de las autopsias. Se encontraron juntos menos casos de cáncer y tuberculosis de los esperados, lo que implica que la tuberculosis protege de alguna manera contra el cáncer. Sin embargo, la razón real por la que las tasas parecen ser más bajas es porque no todas las autopsias están incluidas en el estudio; las personas con cáncer y tuberculosis pueden, por una u otra razón, tener tasas más bajas de autopsias.
Ejemplo sencillo
Para entender esto, considere un hospital de niños en particular durante un susto de influenza. Vamos a probar la idea contraria a la intuición de que tener influenza ofrece cierta protección contra la apendicitis.
- El 10 por ciento de la población general tiene influenza.
- En el hospital, lleno de niños enfermos, las probabilidades son, por supuesto, mayores; El 30 por ciento de los niños pueden haber sido ingresados por influenza.
- Supongamos ahora que el 10 % de los niños fueron admitidos por apendicitis.
Habrá cierta superposición; asumimos que un niño con apendicitis tiene las mismas probabilidades de contraer gripe que cualquier otro niño, y un niño con gripe aún puede tener apendicitis. El porcentaje de pacientes con apendicitis con influenza sería 10% de 10%, (0.10 * 0.10 = 0.01) o 1% de pacientes hospitalizados.
Motivos de ingreso hospitalario por cada 100 niños: influenza (azul), apendicitis (rojo), ambos (rojo/azul).
Si elige un niño del hospital al azar , tiene un 30% de posibilidades de tener influenza y un 10% de posibilidades de tener epilepsia/convulsiones. Es decir, 10 de cada 100 niños tendrán epilepsia/convulsiones, y 30 de cada cien tendrán influenza.
Ahora calculemos un nuevo porcentaje: la probabilidad de que un niño sin influenza tenga apendicitis.
Está eligiendo entre todos los niños en el área amarilla (70 niños) a continuación. Sabes lo siguiente:
- Los treinta pacientes con influenza fuera del cuadro amarillo incluyen a los niños con apendicitis/influenza (rojo/azul). En nuestro ejemplo, ese es solo un niño,
- De los 100 niños, hubo 10 pacientes con apendicitis en total, por lo que habrá 9 entre los setenta pacientes sin influenza que estamos seleccionando ahora.
Entonces podemos calcular el nuevo porcentaje: un niño sin influenza tiene una probabilidad de 9/70 = 12.9/100, o ~12.9 %, de tener apendicitis. Eso es más alto que la tasa del 10% de apendicitis entre todos los niños.
Entonces, aunque estos dos eventos son completamente independientes, las estadísticas internas del hospital hacen que parezca que tener influenza es un pequeño seguro contra la apendicitis.
Referencias
Berkson, Joseph (junio de 1946). “Limitaciones de la aplicación del análisis de tabla cuádruple a datos hospitalarios”. Boletín de biometría. 2 (3): 47–53
Ellenburg, Jordania. ¿Por qué los hombres guapos son tan idiotas? Revista Pizarra. Recuperado de http://www.slate.com/blogs/how_not_to_be_wrong/2014/06/03/berkson_s_fallacy_why_are_handsome_men_such_jerks.html el 3 de abril de 2016
Everitt, B. (2006). Estadísticas médicas de la A a la Z : una guía para médicos y estudiantes de medicina. Prensa de la Universidad de Cambridge.
Sacket, D. (1979). Sesgo en la investigación analítica. Revista de Enfermedades Crónicas 32(1-2): 51.
Snoep, Morabia, Hernandez-Diza, Hernan, Vandenbroucke.
Comentario: Una aproximación estructural a la falacia de Berkson y una guía para una historia de opiniones al respecto
Int J Epidemiol. 2014 abril; 43(2): 515–521.
Recuperado de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3997377/ el 2 de abril de 2018
Woodfine & Redelmeier. La paradoja de Berkson en la atención médica. Revista de Medicina Interna.
Volumen 278, Número 4. Páginas 424-426 2015. Recuperado de https://onlinelibrary.wiley.com/doi/full/10.1111/joim.12363 el 3 de abril de 2016
