Variable concomitante: definición y ejemplos

Una variable concomitante (a veces denominada “covariable”) es una variable que no es de interés principal en un estudio, pero que, no obstante, puede tener alguna interacción con la (s) variable (s) de interés que se están estudiando.

No tener en cuenta este tipo de variables puede generar resultados sesgados o engañosos en un análisis, por lo que es importante abordarlos cuando sea posible.

En los estudios observacionales, es importante tener en cuenta el hecho de que las variables concomitantes pueden causar interpretaciones inusuales de los datos y las relaciones entre las variables. En estudios experimentales, es importante diseñar el experimento de tal manera que elimine o reduzca el riesgo de variables concomitantes.

Los siguientes ejemplos ilustran varios casos en los que podrían estar presentes variables concomitantes en un estudio:

Ejemplo 1

Los investigadores quieren comprender la relación entre la densidad de población y las ventas de helados. Sin embargo, una variable concomitante que probablemente afecta las ventas de helados es el clima.

Por lo tanto, si los investigadores desean realizar una regresión lineal para cuantificar la relación entre la densidad de población y las ventas de helados, también deben intentar recopilar datos sobre el clima para poder controlar esa variable en la regresión y poder obtener una estimación precisa. del efecto que tiene la densidad de población en las ventas de helados.

Ejemplo 2

Los investigadores quieren comprender la relación entre las horas dedicadas a la práctica y el promedio de puntos anotados por juego por los jugadores de baloncesto. Sin embargo, una variable concomitante que probablemente afecta los puntos promedio anotados son los minutos jugados por juego.

Por lo tanto, los investigadores también deben rastrear cuántos minutos juega un jugador por juego para poder incluirlo como una variable en el análisis de regresión y aislar el efecto que las horas dedicadas a la práctica tienen en los puntos promedio obtenidos por juego.

Relacionado: Cómo interpretar los coeficientes de regresión

Ejemplo 3

Los investigadores quieren saber si un determinado fertilizante conduce o no a un mayor crecimiento de las plantas. Sin embargo, la exposición a la luz solar y la frecuencia de riego son posibles variables concomitantes que probablemente afecten el crecimiento de las plantas.

Por lo tanto, los investigadores también deben recopilar datos sobre la exposición a la luz solar y la frecuencia de riego para poder incluirlos como variables en el análisis de regresión y poder comprender el efecto que tiene el fertilizante en el crecimiento de las plantas, después de tener en cuenta la exposición a la luz solar y la frecuencia de riego.

Cómo identificar y eliminar variables concomitantes

Para descubrir variables concomitantes, es útil tener experiencia en el dominio en el área en estudio. Al conocer qué variables potenciales podrían estar afectando la relación entre las variables del estudio que no se incluyen explícitamente en el estudio, es posible que pueda descubrir posibles variables concomitantes.

En estudios observacionales, puede resultar muy difícil eliminar el riesgo de variables concomitantes. En la mayoría de los casos, lo mejor que puede hacer es simplemente identificar, en lugar de prevenir, las posibles variables concomitantes que pueden tener un impacto en el estudio.

En los estudios experimentales, sin embargo, el impacto de las variables concomitantes se puede eliminar en su mayoría con un buen diseño experimental.

Por ejemplo, supongamos que queremos saber si dos píldoras tienen un impacto diferente en la presión arterial. Sabemos que las variables concomitantes, como la dieta y los hábitos de tabaquismo, también influyen en la presión arterial, por lo que podemos intentar controlar estas variables concomitantes mediante un diseño aleatorio. Esto significa que asignamos pacientes al azar para que tomen la primera o la segunda píldora.

Dado que asignamos pacientes al azar a grupos, podemos suponer que las variables concomitantes afectarán a ambos grupos aproximadamente por igual. Esto significa que cualquier diferencia en la presión arterial se puede atribuir a la píldora, en lugar del efecto de una variable concomitante.

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/