PEC II - Introducción al pensamiento cien
co - Gustavo Capdevila Cucurull - 38123673T

Una de las principales metas de los estudios cien cos en ciencias de la salud es la de ser capaces de hacer
generalizables los resultados. Dicha generalización presupone dos hechos: primeramente, que no se puede
trabajar con toda la población que se quiere experimentar y que hay que acudir, por tanto, a una muestra; y en
segundo lugar, consecuencia del primero, que el diseño del estudio sea lo bastante apropiado como para que los
resultados obtenidos en la muestra sean un reejo de lo que ocurre en toda la población. No obstante, y
previamente a inferir los resultados de una muestra a la población, hay que cerciorarse de que los resultados de
la muestra están libres de error. Lo que sería lo mismo que preguntarse: estos resultados obtenidos en mi
muestra ¿son un el reejo de lo que ocurre en la población general? o, lo que es lo mismo, si hubiera estudiado
toda la población, ¿hubiera obtenido los mismos resultados?.

Tal como observan los autores del ar culo que estamos analizando el acuerdo entre los profesionales de la
salud es cada vez más amplio en lo que se reere al cuesonamiento de la correlación entre lactancia materna y
su papel como factor de protección ante enfermedades, y nos advierten de un probable sesgo de selección de
los datos. Dicho sesgo se produce cuando la asociación observada entre un comportamiento individual (X) y
algún resultado de interés (Y) no se debe a un vínculo causal entre ambos, sino a la existencia de un tercer
factor (Z) que haría que los individuos que  enen esa caracterís ca Z sean más proclives tanto a hacer X como a
obtener resultados. Así, en el caso que nos ocupa, la asociación entre lactancia y ventajas educavas quedaría
explicada por las caracteríscas de las familias que optan por la lactancia (generalmente, en nuestro entorno,
hogares con más recursos o más información). En resumen, serían estas caracteríscas, y no la leche en sí, las
que estarían causando la mejor salud de sus hijos.

Conviene poner énfasis en que un sesgo en la selección de una muestra puede propiciar una conclusión errónea
sobre la hipótesis evaluada. Dichos errores en la selección de datos pueden ser debidos al tejido de relaciones
complejas que se dan en la población en estudio que pueden no ser evidentes para el inves gador y pasar
desapercibidas, o pueden originarse por el propio invesgador.

Y según los autores del texto habría dos formas de afrontar esta cuesón a un nivel empírico:

1. En primer lugar se podría hacer aleatorio el acceso a la lactancia materna entre hogares.

2. También se podría evaluar la correlación en un contexto cultural diferente en el que el acceso a la lactancia
materna no esté fuertemente normavizado. Por ejemplo, uno en el que los padres que puedan transmir más
ventajas educavas por otras vías a sus hijos no sean quienes más se inclinen por la lactancia materna.

Mientras la primera estrategia implica dicultades tanto écas como prác cas, la segunda resulta más
praccable.

- Consideraciones importantes

La importancia del buen diseño de un estudio cien co incluye también el po de muestreo, que debe
garan zar la selección de una muestra representava de la población de estudio. El tamaño muestral ene una
importancia determinante puesto que un tamaño de muestra insuciente puede desvirtuar los resultados de un
estudio y un tamaño de muestra excesivo requiere del uso de recursos innecesarios y la posible exposición de
un grupo de pacientes a un determinado riesgo sin que esto sea necesario.

Sin embargo, el caso del sesgo es más complejo puesto que podemos solucionarlo si nos damos cuenta a
empo. Si éste ene lugar durante el diseño y funcionamiento del estudio y no puede ser eliminado, deberemos
considerar que nuestra inves gación no apunta hacia lo que queremos demostrar. Otras veces puede suceder
que no se haya tenido en cuenta ciertos factores que podían inuir en la respuesta y, sin  empo de reacción, los
valores obtenidos con enen un sesgo imposible de eliminar, dando lugar a conclusiones erróneas. Así, antes de
inferir los resultados de una muestra a la población hay que asegurarse de que los resultados de la muestra
están libres de error. Es recomendable an ciparse a los posibles sesgos, es decir, evaluar conscientemente el
estudio en la fase de diseño para tener en cuenta el máximo de factores que permitan la correcta esmación de
los parámetros.