Errores comunes al usar DAG

Un grafo dirigido acíclico (DAG, por sus siglas en inglés) es un mapa de tus supuestos causales que muestra qué variables influyen en otras. El error más común es ajustar por variables que parecen factores de confusión, pero que en realidad introducen sesgo, especialmente los colisionadores: variables causadas por otras dos variables. Cuando controlas un colisionador, creas una asociación falsa entre sus causas, lo que genera sesgo de colisionador. Otro error frecuente es controlar todas las variables anteriores a la exposición, porque puedes terminar ajustando por colisionadores sin darte cuenta. Lo correcto es identificar primero, a partir de tus conocimientos sobre el tema, todas las variables que causan la exposición, el resultado o la selección de participantes para tu estudio. Después, usa el DAG para determinar qué variables permiten bloquear las rutas que generan sesgo sin abrir otras nuevas.

Prueba esto: Antes de incluir una variable en tu conjunto de ajuste, pregúntate si podría ser un efecto común de otras dos causas de tu sistema.

Los errores al usar DAG suelen tener tres orígenes: entender mal la estructura causal, basarse en los datos en lugar de los supuestos y usar reglas demasiado simplificadas para seleccionar factores de confusión.

El error más peligroso es condicionar por colisionadores. Un colisionador es una variable a la que apuntan dos o más flechas: varias variables la causan. Cuando controlas un colisionador mediante estratificación, emparejamiento o ajuste por regresión, abres una ruta de puerta trasera entre sus causas y creas una asociación falsa donde no existe ninguna. Esto se llama sesgo en M cuando el colisionador se encuentra en una ruta entre la exposición y el resultado que pasa por dos variables no medidas. Aunque un colisionador ocurra antes de la exposición, ajustar por él puede introducir sesgo.

Un segundo error importante es controlar todas las variables anteriores a la exposición. A veces se enseña esta regla como «ajusta por todo lo que hayas medido antes del tratamiento». Este enfoque falla porque puede llevarte a ajustar por colisionadores sin darte cuenta. En su lugar, usa el criterio de causa disyuntiva: controla las variables que causan la exposición, el resultado o ambos. Pero excluye las que sabes que son variables instrumentales, es decir, causas de la exposición sin ninguna otra conexión con el resultado, ya que pueden amplificar el sesgo de los factores de confusión no medidos.

Un tercer error es dibujar DAG a partir de asociaciones estadísticas en lugar de supuestos causales. Las flechas de un DAG representan relaciones causales que existirían si intervinieras, no correlaciones en tus datos. Dos variables pueden ser estadísticamente independientes aunque exista una flecha causal entre ellas si los efectos se cancelan en la población. A su vez, las asociaciones en los datos pueden dar pistas engañosas sobre la estructura causal.

Por último, muchos DAG omiten nodos importantes, como la selección de participantes para el estudio o las variables no medidas. Incluir un nodo de selección aclara cómo llegaron las personas a formar parte de tu análisis y si condicionar por su inclusión, por ejemplo, al limitar el análisis a quienes sobrevivieron, introduce sesgo. Dibuja explícitamente las variables no medidas para hacer visibles los supuestos ocultos.

La investigación sobre los errores al usar DAG ha identificado errores sistemáticos que se repiten en la investigación aplicada. Suzuki y colaboradores (2019) documentan diez errores comunes. Entre ellos están no distinguir los nodos como variables aleatorias de los valores concretos que toman, no comprender que omitir flechas expresa supuestos fuertes de ausencia de efecto y pasar por alto que los DAG describen la confusión en promedio, no la que se produce en una asignación aleatoria concreta [1]. Greenland (2003) demostró que el sesgo por estratificación en un colisionador puede ser tan grave como la confusión clásica. Sin embargo, suele pasarse por alto porque los criterios tradicionales de selección de factores de confusión —estar asociados con la exposición y con el resultado, sin estar en la ruta causal— no evitan que se ajuste por colisionadores [2]. VanderWeele (2019) formalizó el criterio de causa disyuntiva para seleccionar factores de confusión. Mostró que controlar las causas de la exposición o del resultado, excluyendo las variables instrumentales, ofrece protección tanto frente al sesgo en M como frente al ajuste insuficiente. En cambio, el criterio de causa común es demasiado restrictivo y el criterio anterior al tratamiento es demasiado permisivo [3]. Tennant y colaboradores (2021) revisaron estudios que usaban DAG y encontraron grandes diferencias en la forma de presentar la información. Muchos estudios no comunicaban datos clave, como las variables no medidas, los nodos de selección o los conjuntos de ajuste mínimamente suficientes, lo que limitaba la transparencia y la utilidad de los diagramas [4].

Los propios DAG tienen limitaciones inherentes que pueden confundirse con errores de quien los usa. Son no paramétricos: indican la presencia o ausencia de efectos causales, pero no su magnitud, su forma funcional ni si varían entre personas. Tampoco permiten distinguir entre la confusión en promedio, que es un sesgo sistemático, y la confusión que se produce en un caso concreto por desequilibrios debidos al azar durante la aleatorización o el muestreo. Los DAG requieren un conocimiento completo de la estructura causal, algo que rara vez está disponible. Si incorporas supuestos incorrectos al DAG, llegarás a conclusiones incorrectas sobre el control de la confusión. Algunos sesgos, como el sesgo de selección al condicionar por un efecto común, no pueden distinguirse claramente del sesgo de confusión ni siquiera con la notación de los DAG. Además, los DAG suponen relaciones causales estáticas y requieren nodos separados para cada momento al modelar procesos longitudinales con retroalimentación o exposiciones que varían con el tiempo.