Los estudios mal diseñados o mal ejecutados pueden exagerar el efecto real de un tratamiento, haciéndolo parecer más beneficioso o perjudicial de lo que en realidad es. Si este error se repite una y otra vez, decimos que se trata de un error sistemático (sesgo) y que los resultados están sesgados.
Pensemos en un estudio sobre un tratamiento para controlar la presión arterial. Los investigadores miden la presión con un aparato (esfingomanómetro) que no está bien calibrado y da una medición de 10 milímetros de mercurio (mm Hg) por encima del valor real. En este caso, hay un error sistemático o sesgo porque siempre da la misma medida incorrecta por la mala calibración del instrumento de medición.
Del mismo modo, no podemos confiar en aquellos estudios de los que sospechamos que están mal realizados (riesgo de sesgo). Ni tampoco podemos confiar en las recomendaciones que se basan en estudios sesgados.
Por ejemplo, en un ensayo clínico los pacientes se asignan aleatoriamente al grupo que recibe el tratamiento o al grupo que no lo recibe o recibe otro tratamiento (grupo control). Pero si los investigadores o participantes que miden o informan de los resultados del estudio conocen qué tratamiento está recibiendo cada participante, podrían sesgar sus mediciones y proporcionar resultados más favorables para el brazo de interés. Esto se conoce como sesgo de medición.
El sistema GRADE evalúa hasta qué punto las limitaciones de los estudios incluidos en una revisión sistemática pueden sesgar los resultados. Existen diversas herramientas para evaluar el riesgo de sesgo según el diseño del estudio (ensayos clínicos aleatorizados, estudios observacionales, etc). Estas herramientas evalúan el riesgo de sesgo de cada estudio de manera individual.
No hay comentarios:
Publicar un comentario