Actualizado por ultima vez el 7 de mayo de 2021, por .
El sesgo de Neyman (también conocido como sesgo de prevalencia-incidencia ) es un tipo de sesgo que puede ocurrir en estudios de investigación en los que las personas extremadamente enfermas o las personas extremadamente sanas se excluyen de los resultados finales del estudio, lo que puede dar lugar a resultados sesgados.
Hay dos formas en las que este sesgo puede afectar los resultados de un estudio:
1. Si se excluye del estudio a personas extremadamente enfermas porque han fallecido, la enfermedad parecerá menos grave.
2. Si se excluye del estudio a individuos extremadamente sanos porque se han recuperado y han sido enviados a casa, entonces la enfermedad parecerá más grave.
Ejemplos de Neyman Bias
Aquí hay dos ejemplos de Neyman Bias que ocurren en diferentes escenarios:
Ejemplo 1: personas enfermas excluidas de un estudio.
Suponga que un grupo de investigadores de un hospital quiere estudiar la gravedad de una determinada cepa de gripe. Seleccionan al azar una muestra de 40 personas en el área que contraen esa cepa de gripe y monitorean sus resultados.
En este escenario, las personas que contraigan un caso particularmente grave de gripe y mueran a causa de ella serán excluidas del estudio. Esto significa que solo se incluirán en el estudio las personas con casos leves, lo que hará que la gripe parezca menos grave.
Ejemplo 2: Individuos sanos excluidos de un estudio.
Supongamos que un grupo de investigadores de un hospital quiere estudiar la gravedad de cierto resfriado estacional. Seleccionan al azar una muestra de 30 personas en el área que contraen el resfriado y monitorean sus resultados.
En este escenario, las personas que ya contrajeron el resfriado y se recuperaron no se incluirán en el estudio, lo que significa que solo se incluirán en el estudio las personas con casos más graves que no se hayan recuperado. Esto podría hacer que el resfriado parezca más severo.
¿En qué tipo de estudios ocurre el sesgo de Neyman?
El sesgo de Neyman ocurre con mayor frecuencia en estudios en los que hay un período de tiempo prolongado entre las personas que contraen una determinada enfermedad y luego se incluyen en un estudio simplemente porque esto les da más tiempo para (1) recuperarse y no ser incluidas en el estudio o ( 2) morir y no ser incluido en el estudio.
Los estudios de casos y controles son más susceptibles a este tipo de sesgo, pero también puede ocurrir en estudios de cohortes y estudios transversales.
Cómo prevenir el sesgo de Neyman
Hay dos formas de evitar las trampas del sesgo de Neyman:
1. Utilice casos de incidentes en lugar de casos prevalentes.
Un caso incidente es un caso recién diagnosticado de una enfermedad. Un caso prevalente es un caso existente de una enfermedad, en el que un individuo por lo general la ha tenido durante un período de tiempo más prolongado y, por lo tanto, tiene una versión más grave y progresiva de la enfermedad. Al utilizar casos de incidentes, es menos probable que las personas sean excluidas del estudio en algún momento, ya que son un caso nuevo.
2. Utilice estudios de seguimiento.
Otra forma de evitar el sesgo de Neyman es mediante un estudio de seguimiento en el que los investigadores hacen un seguimiento de las personas y examinan su situación una vez finalizado el estudio. Esto puede ser particularmente útil para monitorear a las personas que abandonaron un estudio porque se recuperaron de la enfermedad, lo que permite a los investigadores comprender mejor los efectos a largo plazo de una enfermedad.
Recursos adicionales
¿Qué es el sesgo de cobertura insuficiente?
¿Qué es el sesgo de referencia?
¿Qué es el sesgo de falta de respuesta?
¿Qué es la difusión del tratamiento?
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
