Confusión dependiente del tiempo

La confusión dependiente del tiempo ocurre cuando un factor que influye tanto en si alguien recibe un tratamiento como en su resultado cambia a su vez por tratamientos anteriores. Esto crea un dilema sin salida: si ajustas por ese factor para eliminar la confusión, también eliminas por accidente parte del efecto real del tratamiento; si no ajustas por él, la confusión distorsiona tus resultados. Imagina que estudias si el ejercicio mejora la salud del corazón: la condición física influye tanto en quién hace ejercicio como en su salud cardíaca, pero el ejercicio también mejora la condición física con el tiempo; los métodos estadísticos habituales no pueden manejar correctamente este doble papel. Comprueba esto: En cualquier análisis longitudinal, pregúntate si tus variables de control podrían verse afectadas por exposiciones anteriores.

La confusión dependiente del tiempo aparece en estudios longitudinales, que siguen a las personas a lo largo del tiempo, cuando las covariables cambian y la exposición previa influye en ellas. En la confusión habitual, el ajuste mediante estratificación o regresión funciona bien. Aquí, en cambio, surge un dilema metodológico: la variable actúa a la vez como factor de confusión, porque afecta tanto a la exposición como al resultado, y como mediadora, porque forma parte de la vía por la que la exposición influye en el resultado.

En la investigación sobre salud laboral, la exposición a sustancias químicas en el trabajo podría empeorar la función pulmonar. Esta, a su vez, influye tanto en las asignaciones laborales posteriores —las personas con peor función pulmonar pasan a puestos con menor exposición— como en los resultados relacionados con enfermedades respiratorias. El ajuste habitual por la función pulmonar bloquearía incorrectamente parte del efecto de la sustancia química. En la investigación médica, el tratamiento del VIH afecta al recuento de CD4, que después influye tanto en las decisiones sobre tratamientos futuros como en la supervivencia, lo que crea el mismo desafío analítico.

La diferencia clave respecto a la confusión habitual es el ciclo de retroalimentación a lo largo del tiempo: la exposición afecta al factor de confusión, que después afecta a la exposición futura y al resultado. Esto incumple los supuestos en los que se basa el ajuste mediante regresión tradicional. Métodos especializados, como los modelos estructurales marginales con ponderación por probabilidad inversa, la fórmula g o la estimación g, están diseñados para manejar esta estructura mediante la creación de una pseudopoblación en la que la exposición es independiente del historial de los factores de confusión.

En la práctica, deberías sospechar que hay confusión dependiente del tiempo cuando tengas datos longitudinales con mediciones repetidas de la exposición y covariables actualizadas a lo largo del tiempo que podrían verse influidas por ella. La señal reveladora es que la variable por la que estás pensando ajustar forma parte de la vía causal entre una exposición anterior y el resultado, y también afecta a las decisiones sobre exposiciones posteriores.

La confusión dependiente del tiempo representa un desafío fundamental para la inferencia causal a partir de datos longitudinales. Robins (1986) fue el primero en formalizar este problema en el contexto de los estudios de mortalidad laboral. Mostró que el ajuste mediante regresión habitual produce estimaciones sesgadas cuando los factores de confusión dependientes del tiempo se ven afectados por exposiciones previas [1]. Hernán y Robins (2020) demuestran que este sesgo se produce porque el ajuste convencional genera estratificación por colisionadores y bloquea parte del efecto del tratamiento a través de la vía del factor de confusión dependiente del tiempo [2].

Los modelos estructurales marginales ofrecen una solución mediante la ponderación por probabilidad inversa, que crea una pseudopoblación en la que la exposición se asigna al azar en cada momento. La fórmula g (Robins, 1986) ofrece un enfoque alternativo mediante la estandarización a partir de la distribución conjunta de las covariables que cambian con el tiempo [1]. Los estudios han mostrado que los métodos habituales pueden sesgar de forma considerable las estimaciones del efecto del tratamiento en simulaciones realistas con confusión dependiente del tiempo.

• Robins (1986): Estableció el marco teórico que muestra que, cuando las covariables dependientes del tiempo se ven afectadas por tratamientos previos, la regresión habitual no logra estimar los efectos causales debido al ajuste inadecuado por variables que forman parte de la vía causal [1].
• Hernán y Robins (2020): Demostraron mediante grafos acíclicos dirigidos que ajustar por factores de confusión dependientes del tiempo afectados por la exposición introduce un sesgo de selección, aunque reduzca el sesgo de confusión. Esto crea un sesgo neto que no puede resolverse con métodos convencionales [2].
• Naimi et al. (2017): Mostraron mediante simulaciones que los modelos estructurales marginales reducen considerablemente el sesgo frente a la regresión habitual cuando hay factores de confusión dependientes del tiempo, aunque requieren especificar cuidadosamente el modelo para evitar la inestabilidad de los pesos [3].

Los modelos estructurales marginales requieren supuestos exigentes, como la intercambiabilidad secuencial, la positividad y la especificación correcta del modelo. Los pesos pueden volverse extremadamente inestables cuando las probabilidades de tratamiento se acercan a cero o a uno, lo que produce estimaciones con una varianza elevada. Estos métodos no pueden ajustar por la confusión no medida: cualquier factor de confusión dependiente del tiempo que no esté recogido en los datos seguirá sesgando los resultados. La fórmula g requiere modelar con precisión la distribución conjunta de todas las covariables que cambian con el tiempo, lo que exige recursos computacionales prohibitivos cuando hay muchas covariables. Los métodos de variables instrumentales ofrecen una alternativa cuando estos supuestos no se cumplen, pero requieren encontrar un instrumento válido, lo que implica otro conjunto de supuestos exigentes. Trabajos recientes sugieren que, en muchos contextos aplicados, el sesgo por confusión dependiente del tiempo puede ser modesto en comparación con otras fuentes de sesgo, aunque esto varía considerablemente según la aplicación.