Ficha Educativa

Sesgo de supervivencia en la investigación sanitaria

Los sujetos supervivientes parecen más sanos que la población real, distorsionando los hallazgos de investigación. Las personas mayores sanas en los estudios de cohortes sobrevivieron en parte gracias a la genética y el comportamiento, no a la dieta que todos afirman que les ayudó.

Evalúa10 min de lectura
Cómo se estructura esta entrada
Primero definiciones, luego mecanismos y finalmente “¿qué implica esto?”. Si tienes prisa, revisa rápidamente los encabezados y los recuadros destacados.
No es asesoramiento médico.
Contenido únicamente educativo. Si los síntomas son graves, persistentes o preocupantes, consulta con un profesional sanitario.

Los muertos que faltan en la investigación

El análisis de Abraham Wald de 1943 sobre los aviones de la Segunda Guerra Mundial ofrece la lección clásica sobre sesgo de supervivencia. Los ingenieros militares examinaban los aviones dañados que regresaban del combate y añadían blindaje donde se concentraban los impactos: fuselaje y alas. Wald identificó el fallo: solo estudiaban los aviones que regresaban, ignorando los derribados (que mostraban dónde realmente hacía falta el blindaje). Centrarse en los supervivientes les hizo perder el patrón de los que no sobrevivieron.

La investigación sanitaria enfrenta problemas idénticos. Un estudio que examina la dieta de los centenarios descubre que consumen aceite de oliva a diario, vino tinto y verduras: la dieta mediterránea. Conclusión: esta dieta promueve la longevidad. Pero los centenarios que sobrevivieron más de 100 años representan un subconjunto selecto. Algunos tenían genética protectora, otros dejaron de fumar pronto, otros hacían ejercicio regularmente. La dieta describe solo a los supervivientes; los que no sobrevivieron seguían patrones diferentes.

Los estudios de cohortes prospectivos sufren igualmente el sesgo de supervivencia. El Estudio del Corazón de Framingham comenzó en 1948, reclutando a 5200 adultos. A lo largo de 75 años, miles fallecieron, pero el estudio inicialmente no podía rastrear los factores de riesgo basales de los fallecidos. Los análisis de los participantes vivos mostraron que diferían de la población general en múltiples dimensiones (educación, acceso sanitario, apoyo social). Las conclusiones sobre el riesgo de enfermedad cardíaca se aplicaban a los supervivientes, no a la población completa representada en la línea basal.

La investigación del microbioma encuentra este sesgo en estudios de suplementos y dieta. Un estudio recluta a 500 personas interesadas en la suplementación con probióticos y las sigue. Las mediciones basales de la microbiota muestran alta abundancia de Faecalibacterium. Tras un año de suplementación, la abundancia se mantiene alta. Los investigadores concluyen que «los probióticos mantienen las bacterias beneficiosas». Pero el sesgo de selección basal distorsionó la imagen: se inscribieron usuarios conscientes de su salud (probablemente con mejor microbiota basal), las personas no saludables con disbiosis no participaron. Los supervivientes del estudio no son representativos de quienes necesitan la intervención.

El sesgo de adelanto diagnóstico agrava los problemas de supervivencia. Una prueba de cribado detecta la enfermedad antes, haciendo que la supervivencia desde el diagnóstico parezca más larga sin prolongar realmente la vida. Supongamos que un cribado de cáncer detecta tumores un año antes de lo que lo harían los síntomas. La supervivencia medida desde el diagnóstico mejora un año, creando la ilusión de beneficio, aunque la muerte ocurra a la misma edad. Solo examinar la mortalidad desde el cribado (no desde el diagnóstico) revela la verdad.

El sesgo de duración distorsiona de forma similar la investigación de cribados. El cribado detecta tanto cánceres agresivos de crecimiento rápido como los indolentes de crecimiento lento. Los cánceres de crecimiento lento tienen tiempos de supervivencia inherentemente más largos desde el diagnóstico, independientemente del cribado. Si el cribado detecta desproporcionadamente cánceres de crecimiento lento, las poblaciones cribadas parecen sobrevivir más, creando un falso beneficio.

El sesgo de tiempo inmortal afecta a los estudios observacionales que examinan medicación y desenlaces. Supongamos que comparas las tasas de enfermedad cardíaca entre usuarios y no usuarios de estatinas a 5 años. Si algunas personas comenzaron las estatinas después de su primer infarto, has creado una ventana temporal («tiempo inmortal») en la que los usuarios de estatinas no podían desarrollar eventos iniciales porque ya los habían tenido. Esto paradójicamente hace que las estatinas parezcan perjudiciales, cuando en realidad has creado un artefacto de selección.

Reconocer el sesgo de supervivencia requiere preguntar: ¿quién está en el estudio y quién está ausente? Los estudios de dieta que reclutan a ancianos que hacen ejercicio frente a ancianos sedentarios revelan efectos de la dieta confundidos con el ejercicio. Los estudios de microbioma que reclutan a usuarios de suplementos conscientes de su salud frente a la población general confunden los efectos de los suplementos con la conciencia general de salud.

Estrategias para abordar el sesgo de supervivencia: reclutar muestras poblacionales (no voluntarios autoseleccionados), rastrear a los perdidos en el seguimiento, analizar por intención de tratar (incluyendo a los que abandonan) y utilizar métodos de riesgos competitivos cuando la muerte elimina sujetos del análisis.

Vota y ayúdanos a mejorar con tus comentarios

Fuentes & referencias

  1. Ettman CK et al. (2021) Uncovering Survivorship Bias in Longitudinal Mental Health Surveys During the COVID-19 Pandemic Epidemiology PMID: 33564798
  2. Rahman R et al. (2023) The impact of survivorship bias in glioblastoma research Neuro-Oncology PMID: 37392899
  3. Godoy P et al. (2013) A critical evaluation of in vitro cell culture models for high-throughput drug screening and toxicity Journal of Internal Medicine PMID: 22252140
  4. Rennert K et al. (2015) Overview of in vitro cell culture technologies and pharmaco-toxicological applications Tissue Engineering Part B Reviews PMID: 20654357
  5. Viennois E et al. (2021) The gut microbiome of laboratory mice: considerations and best practices for translational research Mammalian Genome PMID: 33689000
Estándar Editorial
Every entry is grounded in peer-reviewed research and reviewed for accuracy. Cómo escribimos →