Confoundle · a reasoning trap

El sesgo de Berkson

Mira solo a los pacientes hospitalizados y puede parecer que dos enfermedades sin ninguna relación entre sí van de la mano. El motivo no es la biología, es la puerta de entrada. Cualquiera de las dos enfermedades puede hacer que te ingresen, así que quienes tienen las dos están sobrerrepresentados dentro, y desde ahí dentro las dos parecen ligadas. Cualquier grupo filtrado hace lo mismo: las personas a las que se hizo la prueba, los candidatos a los que se entrevistó, los clientes que se quedaron. Antes de creerte un patrón, pregúntate qué hizo falta para entrar en los datos.

The rule

Estudiar solo a las personas que han pasado un filtro puede inventar una relación que fuera de él no existe.

What it looks like

Entre los pacientes hospitalizados, los problemas de pulmón y los de articulaciones van juntos. ¿Están relacionadas las dos enfermedades?Una encuesta llamó a las puertas y preguntó a miles de personas corrientes qué enfermedades tenían. Entre quienes habían estado en el hospital en los seis meses anteriores, una cuarta parte de las personas con una enfermedad respiratoria tenía también una enfermedad de los huesos o las articulaciones, frente a bastante menos de una décima parte del resto.
Pregunta a todo el mundo y el vínculo desaparece.La misma encuesta, las mismas personas, las mismas dos enfermedades. Entre todas las personas a las que preguntó, las que tenían una enfermedad respiratoria tenían apenas algo más de probabilidad de tener una enfermedad ósea o articular que las que no la tenían, y las odds quedan en 1,06 frente a 1, que no es nada. El panel del hospital no es un hallazgo sobre la enfermedad, es un hallazgo sobre el ingreso. Cualquiera de las dos enfermedades puede llevarte a una cama de hospital, así que las personas que tienen las dos aparecen allí mucho más a menudo que las que tienen una sola, y dentro de esas paredes las dos parecen inseparables:

Why it works

Supón que dos enfermedades no tienen ninguna relación entre sí y que cada una por su cuenta te da cierta probabilidad de ingresar en el hospital. Alguien con la mala suerte de tener las dos tiene dos oportunidades de ingresar, así que es mucho más probable que esté en la planta que alguien que solo tiene una. Ponte ahora dentro de la planta y cuenta. Las personas con la primera enfermedad están muy enriquecidas en la segunda, porque eso es justamente lo que metió allí a muchas de ellas. No has descubierto un vínculo entre las enfermedades. Has vuelto a descubrir la norma de ingreso y la has disfrazado de biología. La forma general de esto es un colisionador: algo hacia lo que apuntan dos causas. Seleccionar en función de él, ya sea estudiando solo a los ingresados, solo a los que se hicieron la prueba o solo a los que tuvieron éxito, une esas causas dentro de tus datos aunque en el mundo real no las una nada. La defensa es una muestra definida antes del filtro, y por eso mismo las encuestas poblacionales y los registros de población entera valen lo que cuestan.

Fuente

Sackett DL. Bias in analytic research. J Chronic Dis. 1979;32(1-2):51-63, Table 2 (page 53), adapted from Roberts RS, Spitzer WO, Delmore T, Sackett DL. An empirical demonstration of Berkson's bias. J Chronic Dis. 1978;31(2):119-128.

See if it fools you

This page gives the answer away. The puzzle version shows you the same figures first and asks you to commit before the reveal.

Play this one