📊 statistics

Selection and Collider Restriction Bias Due to Predictor Availability in Prognostic Models

Esta nota metodológica investiga y discute los posibles sesgos de selección y restricción de colisionador que surgen debido a la disponibilidad de predictores en los modelos pronósticos.

Autores originales: Marc Delord

Publicado 2026-02-20

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Marc Delord

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que los modelos de pronóstico médico son como mapas del tesoro que los doctores usan para predecir si un paciente tendrá un problema de salud en el futuro (como un ataque al corazón o una falla renal). Estos mapas se basan en "pistas" o datos que el doctor toma del paciente: su edad, presión arterial, niveles de azúcar, etc.

El problema que señala este artículo es un error invisible pero muy peligroso en cómo se hacen y usan estos mapas. Se llama "Sesgo de Selección y Restricción del Colisionador", pero para entenderlo, usemos una analogía sencilla.

La Analogía del "Examen de Conducir"

Imagina que quieres crear un mapa para predecir quién tiene más probabilidades de chocar su coche.

La Pista (El Predictor): Para tu mapa, decides que la única pista importante es si el conductor tiene el cinturón de seguridad puesto.
La Realidad: En la vida real, no todos los conductores se ponen el cinturón. Pero, ¿quién sí lo hace?
- Las personas que ya tienen miedo de chocar (porque tienen un coche viejo o han tenido accidentes antes).
- Las personas que son muy cuidadosas por naturaleza.

Aquí es donde entra el truco del artículo:

1. El Error de "Solo mirar a los que tienen cinturón" (Sesgo de Selección)

Si tu estudio solo incluye a las personas que ya tienen el dato de "cinturón puesto" registrado en el sistema, estás cometiendo un error.

Estás ignorando a todos los conductores que no se ponen el cinturón (quizás porque son jóvenes y temerarios, o porque no tienen coche propio).
Al analizar solo a los que tienen el dato, tu mapa te dirá: "¡Oh! Quienes tienen el cinturón puesto chocan mucho más".
La verdad: No es el cinturón lo que causa el choque, es que las personas que ya tenían miedo de chocar (la enfermedad oculta) fueron las que se pusieron el cinturón. Al mirar solo a ese grupo, estás confundiendo la causa con el efecto.

2. El "Colisionador" (El punto de choque)

El artículo introduce un concepto más complejo llamado Colisionador. Imagina que el "cinturón puesto" es un punto de encuentro donde chocan dos flechas:

Flecha A: La persona tiene miedo de chocar (enfermedad oculta).
Flecha B: La persona es muy estricta con las reglas.

Ambas flechas hacen que la persona se ponga el cinturón. Si decides estudiar solo a la gente que tiene el cinturón puesto, estás "atrapando" a un grupo muy específico. Al hacerlo, creas una relación falsa entre cosas que no deberían estar conectadas.

Ejemplo: Podrías concluir erróneamente que "las personas que son estrictas con las reglas (Flecha B) chocan más", simplemente porque en tu grupo de estudio (solo gente con cinturón), las personas estrictas son las que también tenían miedo de chocar.

El Ejemplo Real: El Riñón (KFRE)

El autor usa un ejemplo real para ilustrar esto: la Ecuación de Riesgo de Falla Renal (KFRE). Es un modelo famoso para predecir si un paciente con enfermedad renal va a necesitar diálisis.

Las pistas necesarias: Edad, sexo, y dos pruebas de sangre/orina (eGFR y uACR).
El problema: En la vida real, los médicos no le hacen estas pruebas a todos.
- ¿A quién se las hacen? Generalmente a los pacientes que ya parecen estar muy enfermos o que el médico sospecha que tienen un riesgo alto.
- Si un paciente se ve "bien" o tiene síntomas leves, el médico no le pide la prueba.

El resultado del sesgo:
Cuando los científicos crean el modelo usando solo los datos de los pacientes que sí se hicieron la prueba, están mirando solo a los "enfermos sospechosos".

El modelo aprende que "tener la prueba hecha" es un signo de enfermedad grave.
Pero en la vida real, si intentas usar ese modelo en un paciente normal que no se hizo la prueba porque se veía bien, el modelo falla. No puede predecir su riesgo porque le falta la "pista" (la prueba), y además, el modelo está "viciado" porque solo aprendió de gente que ya estaba en un estado avanzado de enfermedad.

¿Por qué importa esto?

Es como si un entrenador de fútbol creara una estrategia para ganar partidos basándose solo en los jugadores que ya están en el hospital por lesiones.

El entrenador pensaría: "¡Todos los que tienen lesiones graves son los que ganan!".
Pero en realidad, los que ganan son los que juegan bien. El entrenador solo vio a los lesionados porque fueron los únicos que fueron al médico.

La Conclusión Simple

El artículo nos dice que:

No podemos confiar ciegamente en los modelos médicos si los datos que usamos para crearlos solo vienen de pacientes a los que ya se les hicieron pruebas específicas.
Si un médico solo mide algo (como el azúcar en sangre) cuando el paciente ya parece muy enfermo, ese dato deja de ser una "pista" neutral y se convierte en un espejo deformado de la enfermedad.
Para que los mapas del tesoro (modelos) funcionen, necesitamos asegurarnos de que las pistas (datos) estén disponibles para todos, no solo para los que ya están en problemas. Si no, el mapa nos llevará a un callejón sin salida.

En resumen: Si solo miras a los pacientes que ya tienen los datos, estás creando un mapa que solo funciona para ese grupo especial, y te engañará cuando intentes usarlo con la gente normal.

1. El Problema

El desarrollo y validación de modelos de predicción clínica (puntuaciones pronósticas) asumen implícitamente que los predictores necesarios están disponibles de manera rutinaria en el punto de atención. Sin embargo, en la práctica, la inclusión en los estudios de desarrollo o validación (especialmente con datos retrospectivos) se restringe por construcción a pacientes que tienen los predictores registrados.

El problema central identificado es que esta restricción no es aleatoria. Cuando la medición de un predictor depende de la severidad subyacente de la enfermedad o de procesos de atención relacionados con el riesgo de resultado, el análisis se vuelve sesgado.

Sesgo de Selección Clásico: Ocurre cuando la severidad de la enfermedad influye tanto en el resultado como en la probabilidad de que se mida el predictor.
Sesgo de Restricción por Colisionador (Collider Restriction Bias): Ocurre cuando la disponibilidad del predictor actúa como un "colisionador" (un nodo en un gráfico causal que recibe flechas de dos o más variables). Si la disponibilidad del predictor depende tanto de la severidad de la enfermedad como de otros factores relacionados con el resultado, condicionar en la disponibilidad del predictor distorsiona las asociaciones entre todos los predictores y el resultado, incluso si no hay una relación causal directa entre ellos.

2. Metodología

El autor utiliza un enfoque teórico basado en la inferencia causal y gráficos acíclicos dirigidos (DAGs) para ilustrar los mecanismos de sesgo:

Análisis Causal (Figura 1): Se presentan tres escenarios:
- Panel A (Sesgo de Selección Simple): La severidad de la enfermedad ( $U$ ) influye en el resultado ( $Y$ ) y en la medición del predictor ( $P1$ ). Restringir el análisis a pacientes con $P1$ medido selecciona a individuos con mayor severidad.
- Panel B (Sesgo de Selección con Proxy): Un predictor medido ( $P1$ ) actúa como proxy de la severidad no observada ( $U$ ). La detección de $P1$ desencadena la medición de un segundo predictor ( $P2$ ), restringiendo el análisis a quienes tienen $P2$ . Esto también genera sesgo de selección.
- Panel C (Sesgo de Restricción por Colisionador): La disponibilidad de $P2$ es un colisionador. Depende tanto de la severidad subyacente ( $U$ ) como de un proxy medido ( $P1$ ). Condicionar en la disponibilidad de $P2$ (es decir, analizar solo a quienes tienen el dato) crea una asociación espuria entre $P1$ y $U$ , distorsionando los coeficientes del modelo.
Estudio de Caso (Ecuación de Riesgo de Fallo Renal - KFRE): Se utiliza el KFRE como ejemplo empírico. Este modelo predice el fallo renal basándose en edad, sexo, TFG estimada (eGFR) y relación albúmina/creatinina en orina (uACR).
- Se analizan datos de la realidad clínica (Reino Unido y EE. UU.) que muestran que las pruebas de uACR no se realizan sistemáticamente en todos los pacientes con enfermedad renal crónica (ERC), sino que su realización depende de la sospecha clínica, la severidad (eGFR baja) y el reconocimiento formal de la ERC.
- Esto crea un escenario donde la disponibilidad de uACR es un colisionador influenciado por la severidad de la enfermedad y otros factores de riesgo.

3. Contribuciones Clave

Identificación de un Sesgo Implícito: El artículo destaca que la literatura metodológica sobre modelos pronósticos ha prestado poca atención explícita a la suposición de que los predictores están disponibles de manera independiente del riesgo de resultado.
Distinción Teórica: Diferencia claramente entre el sesgo de selección clásico (donde el modelo puede aún reflejar a la población de alto riesgo) y el sesgo de colisionador (que distorsiona las asociaciones entre todos los predictores y el resultado, invalidando los coeficientes estimados).
Ilustración Práctica: Demuestra cómo la dinámica clínica real (donde las pruebas se solicitan basándose en la gravedad o síntomas) introduce automáticamente sesgos de colisionador en los conjuntos de datos de entrenamiento y validación.
Implicación para el KFRE: Explica por qué, a pesar de tener un buen rendimiento predictivo en estudios de validación, la adopción del KFRE en la práctica clínica rutinaria es limitada: la disponibilidad de los datos necesarios (uACR) no es universal y está sesgada.

4. Resultados y Hallazgos

Distorsión de Coeficientes: Cuando se condiciona en la disponibilidad de un predictor que actúa como colisionador (como la uACR en el KFRE), las estimaciones de los coeficientes de regresión para los predictores (incluyendo aquellos que no causan la medición, como la edad o el sexo) se vuelven sesgadas y no representan la verdadera relación causal en la población general.
Falta de Generalización: Los modelos desarrollados en datos donde los predictores están "completos" (porque solo se incluyeron pacientes que los tenían) pueden no ser aplicables a poblaciones donde la medición es incompleta o dependiente de la severidad.
Evidencia Empírica: Los datos de auditorías nacionales muestran que menos del 40% de los pacientes con ERC en etapas 3-5 reciben pruebas de albuminuria anualmente, y esta tasa aumenta significativamente solo cuando hay un diagnóstico formal o una severidad percibida, confirmando el mecanismo de colisionador.

5. Significado e Impacto

Reevaluación de la Validez: Este trabajo desafía la validez metodológica de muchos modelos pronósticos existentes que no han considerado la disponibilidad de los predictores como una fuente de sesgo.
Guía para el Desarrollo Futuro: Sugiere que el desarrollo de modelos debe incluir la consideración explícita de los patrones de datos faltantes y los mecanismos de medición.
Simplificación de Modelos: Apoya la consideración de modelos pronósticos simplificados que utilicen predictores disponibles de manera rutinaria y menos dependientes de procesos de atención sesgados, especialmente en cohortes prospectivas.
Mejora de la Práctica Clínica: Reconocer este sesgo es crucial para evitar decisiones clínicas erróneas basadas en modelos que sobreestiman o subestiman el riesgo debido a la estructura de los datos de entrenamiento.

En resumen, el artículo advierte que la disponibilidad del predictor es una suposición central, a menudo implícita y peligrosa, que puede convertir un modelo estadísticamente sólido en una herramienta clínicamente engañosa si no se aborda el sesgo de restricción por colisionador.