Tutorial

Confusión e Interacción en Epidemiología

Este tutorial contrasta dos conceptos estadísticos clave en epidemiología mediante simulaciones y visualizaciones en R. La confusión ocurre cuando una tercera variable distorsiona la relación aparente entre exposición y resultado, mientras que la interacción (modificación del efecto) aparece cuando el efecto de la exposición varía según el nivel de otra variable. A través de ejemplos prácticos y código reproducible, el lector aprenderá a identificar y distinguir ambos fenómenos en sus propios análisis.

Ver repositorio Abrir tutorial

Descripción

El tutorial utiliza dos ejemplos simulados para ilustrar la diferencia entre confusión e interacción. En el primero, el tabaquismo actúa como variable confusora en la relación aparente entre consumo de café y riesgo cardiovascular: al estratificar por tabaco, la asociación desaparece.

En el segundo ejemplo, un fármaco antihipertensivo muestra efectos diferentes según el sexo biológico del paciente, evidenciando una interacción real donde la magnitud del efecto varía entre grupos.

Requisitos previos

  • R instalado (versión 4.0 o superior recomendada)
  • RStudio para ejecutar el archivo .Rmd
  • Paquetes de R: ggplot2, dplyr, gridExtra
  • Conocimientos básicos de regresión lineal y epidemiología analítica

Pasos clave

  • Instalar y cargar los paquetes necesarios en R
  • Simular datos con una variable confusora (café, tabaco y riesgo cardiovascular)
  • Visualizar la asociación cruda y la asociación estratificada para detectar confusión
  • Simular datos con modificación del efecto (fármaco y sexo)
  • Comparar las pendientes entre grupos para identificar la interacción
  • Abrir el .Rmd en RStudio y usar Knit para reproducir el documento completo

Código de ejemplo

Simulación de confusión: café y riesgo cardiovascular con tabaquismo como confusor.

library(ggplot2)
library(dplyr)

set.seed(42)
n <- 300

# Tabaquismo como confusor
tabaco <- rbinom(n, 1, 0.5)
cafe   <- rbinom(n, 1, 0.4 + 0.3 * tabaco)
riesgo <- 10 + 8 * tabaco + rnorm(n, 0, 3)

datos <- data.frame(cafe, tabaco, riesgo)

# Asociacion cruda (espuria)
lm(riesgo ~ cafe, data = datos)

# Asociacion ajustada por confusor
lm(riesgo ~ cafe + tabaco, data = datos)

Nota metodológica

Confusión e interacción son conceptos distintos que requieren respuestas distintas. La confusión es un sesgo que debe eliminarse mediante ajuste o estratificación; ignorarla lleva a conclusiones incorrectas. La interacción, en cambio, es un hallazgo biológico o clínico real que debe reportarse y explorarse, ya que indica que el efecto de la exposición no es uniforme en la población. Confundir ambos fenómenos es uno de los errores más comunes en la interpretación de estudios epidemiológicos.
Volver a tutoriales Ir al inicio