Disponible en:
-
English (UK)
-
Español
English (UK)
Español
Ten precaución con las comparaciones entre tratamientos que son sensibles a las suposiciones que se realizan.
A veces, las afirmaciones sobre tratamientos dependen de agrupar diferentes tipos de evidencia y hacer suposiciones. Por ejemplo, una afirmación sobre los efectos de una prueba de diagnóstico puede depender de la precisión de la prueba, de suposiciones sobre cómo los resultados de la prueba afectarán a las opciones de tratamiento y de la evidencia de los efectos del tratamiento.
Cuando una afirmación sobre un tratamiento depende de suposiciones, es importante considerar el fundamento en que se apoyan y analizar cómo de sensibles son los resultados a cambios en las suposiciones.
Por ejemplo, cuando se comparan los efectos de diferentes pruebas (p.ej. dos pruebas para detectar cáncer de cérvix) es necesaria una suposición sobre lo que se hará con las mujeres en función del resultado de la prueba (p.ej. cómo se tratará a las mujeres con una prueba positiva). Si no está claro qué pasará con ellas, es importante considerar cómo un cambio en esa suposición puede afectar a los resultados.
RECUERDA: Cuando las afirmaciones sobre tratamientos dependan de suposiciones, valora si las suposiciones están bien fundamentadas y cómo de sensibles son los resultados a los cambios en estas suposiciones.
Recursos y ejemplos
Counterfactuals: Causal Inference Bootcamp (Counterfactuals: Entrenamiento en inferencia causal). Vídeo en inglés de la Duke University que dura 4:52 minutos.
https://www.youtube.com/watch?v=9j_HWkrSxzI
The Credibility of the Unconfoundedness Assumption: Causal Inference Bootcamp (La credibilidad de las suposiciones sin confusores: Entrenamiento en inferencia causal). Vídeo en inglés de la Duke University que dura 3:01 minutos.
https://www.youtube.com/watch?v=FQ1CB0Svh8I
Sensitivity analyses (Análisis de sensibilidad). Sección del Manual Cochrane de Revisiones Sistemáticas.
https://handbook-5-1.cochrane.org/chapter_9/9_7_sensitivity_analyses.htm