Intercambiabilidad e ignorabilidad

La intercambiabilidad es la regla de comparar en igualdad de condiciones para encontrar una causa real. Significa que los grupos que comparas deben ser tan similares en todos los demás aspectos relevantes que sea como si se les hubiera asignado el tratamiento al azar. Por ejemplo, si comparas el acceso a bibliotecas con las tasas de delincuencia, debes preguntarte si los barrios también difieren en su nivel de riqueza. Si es así, los grupos no son intercambiables.

Prueba esto: Si los grupos que comparas hubieran intercambiado sus circunstancias, ¿también se habrían intercambiado sus resultados?

La intercambiabilidad es el supuesto de que el resultado de un grupo habría sido el mismo que el del otro si ambos hubieran recibido el mismo tratamiento. El término ignorabilidad suele usarse con el mismo significado: podemos «ignorar» cómo se asignó a las personas a los grupos porque, una vez que tenemos en cuenta los factores clave, la asignación fue, en la práctica, aleatoria.

Piensa en un estudio médico que compara un medicamento nuevo con un placebo. Si los médicos dan el medicamento a los pacientes más enfermos y el placebo a los más sanos, los grupos no son intercambiables. No puedes saber si un mal resultado se debe al medicamento o al mal estado de salud inicial del paciente. Por eso los ensayos controlados aleatorizados son un método de referencia: la asignación al azar crea grupos intercambiables, en promedio.

En la vida real, rara vez contamos con una asignación al azar. Un empleador podría observar que los empleados que hacen un curso opcional de liderazgo reciben ascensos con más frecuencia. ¿Son intercambiables los dos grupos, quienes hacen el curso y quienes no? Probablemente no. Es probable que quienes se inscriben ya tengan más ambición y motivación, factores que también favorecen los ascensos. Los empleados ambiciosos eligen participar en el tratamiento, un problema conocido como sesgo de selección.

Cuando no podemos asignar el tratamiento al azar, intentamos hacer que los grupos sean comparables mediante ajustes estadísticos que tengan en cuenta variables de confusión como la ambición, la edad o la experiencia. El objetivo es lograr la «intercambiabilidad condicional»: que los grupos sean lo bastante similares después de tener en cuenta esos otros factores para poder aislar el verdadero efecto del curso.

La intercambiabilidad y la ignorabilidad son conceptos fundamentales de la inferencia causal moderna. Formalizan las condiciones necesarias para tratar los datos observacionales como si procedieran de un experimento aleatorizado [1, 2, 3].

• El concepto es central en el marco de resultados potenciales, donde el mecanismo de asignación del tratamiento debe ser independiente de los resultados potenciales, una propiedad que Donald Rubin denominó «ignorabilidad» [1]. (1974)
• En los modelos gráficos, se logra la intercambiabilidad cuando no hay «rutas de puerta trasera» sin bloquear entre el tratamiento y el resultado, un criterio formalizado por Judea Pearl [2]. (2009)
• La epidemiología y las ciencias sociales modernas usan estos principios para diseñar estudios observacionales y aplicar ajustes estadísticos que aproximen las condiciones de un ensayo aleatorizado, con el objetivo de lograr la «intercambiabilidad condicional» [3, 4]. [3] (2020)

La mayor limitación es que solo podemos hacer ajustes por los factores de confusión medidos. Si hay factores no medidos que afectan tanto al tratamiento como al resultado —por ejemplo, la motivación intrínseca de una persona—, no se cumplirá la intercambiabilidad y nuestra estimación causal estará sesgada [2, 3]. Esto suele llamarse «confusión residual». Además, el supuesto de intercambiabilidad no puede comprobarse únicamente con los datos; solo podemos recurrir al conocimiento del tema y a los diagramas causales para argumentar que es plausible [2].