Confoundle · a reasoning trap

La confusión por indicación

Nadie reparte los medicamentos al azar. Los médicos prescriben por algo que ven en el paciente, y ese algo suele influir en cómo le iba a ir de todos modos. Así que las personas que toman un fármaco pueden morir más a menudo que las que no lo toman mientras el fármaco no hace absolutamente nada: se les dio a quienes ya estaban peor. Ajustar por las diferencias ayuda, pero solo por las diferencias que alguien anotó, y el motivo de la prescripción rara vez es una de ellas. Por eso vale tanto el cara o cruz.

The rule

Cuando un médico decide quién recibe un tratamiento, los tratados se diferencian de los no tratados en cosas que los datos nunca registraron, y el tratamiento carga con la culpa, o con el mérito, del motivo por el que se dio.

What it looks like

Los pacientes que tomaban este fármaco para el corazón murieron más a menudo que los que no lo tomaban. ¿Los está matando el fármaco?6800 personas con insuficiencia cardíaca. Cuando entraron en el ensayo, algunas ya tomaban digoxina porque un médico había decidido prescribírsela, y otras no. En los años siguientes murió el 40 por ciento de quienes ya la tomaban, frente al 31 por ciento del resto.
Los mismos 6800 pacientes, clasificados a cara o cruz. Ninguna diferencia.Son las mismas personas en los dos paneles, agrupadas de dos maneras distintas. Clasificadas según lo que habían decidido sus médicos, la digoxina parece letal. Clasificadas según la asignación aleatoria del ensayo, en la que no intervino ningún juicio clínico, los dos grupos mueren a la misma tasa. Los médicos recurrían a la digoxina en los pacientes que ya estaban peor, así que la prescripción llevaba dentro información sobre el paciente que nada en el conjunto de datos había registrado:

Ajustar por 27 características basales registradas apenas lo movió: el exceso pasó del 36 por ciento al 22 por ciento. Y ese mismo exceso apareció entre los pacientes que el ensayo había aleatorizado a placebo, personas que durante el ensayo no tomaron nada de digoxina. Un fármaco no puede dañar a quienes nunca lo recibieron, así que el exceso nunca fue el fármaco.

Why it works

Los tratamientos no se reparten al azar. Un médico prescribe por algo que ve en el paciente: está más enfermo, o más frágil, o sus síntomas son peores. Ese algo influye además en cómo le iba a ir de todos modos. Así que el grupo tratado parte de una situación distinta, y cualquier comparación con los no tratados mide a la vez el fármaco y el motivo por el que se eligió, enredados el uno con el otro. Funciona en las dos direcciones. Un fármaco que se da a los más graves parece dañino; un fármaco que se da a los que están mejor, o que solo pueden recibir los pacientes con fuerzas suficientes para acudir a una consulta, parece milagroso. La defensa habitual es ajustar por las diferencias, y ayuda, pero solo por las diferencias que a alguien se le ocurrió registrar. La impresión del clínico de que este paciente en concreto iba cuesta abajo es información real, es el motivo de que la prescripción ocurriera, y casi nunca está en el conjunto de datos. Esa es toda la razón de que los ensayos aleatorizados valgan lo que cuestan: el cara o cruz no puede saber nada del paciente, así que no puede colar ese motivo dentro de la comparación. Cuando un ensayo y un estudio observacional discrepan sobre el mismo fármaco, este suele ser el porqué.

Fuente

Aguirre Davila L, Weber K, Bavendiek U, et al. Digoxin-mortality: randomized vs. observational comparison in the DIG trial. Eur Heart J. 2019;40(40):3336-3341, and its Supplementary Appendix. Randomised arm sizes and deaths: The Digitalis Investigation Group. The effect of digoxin on mortality and morbidity in patients with heart failure. N Engl J Med. 1997;336(8):525-533, Table 2.

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