摘要:Los conceptos de causalidad y sesgo están en la base de la investigación biomédica moderna, desde el análisis de cientos de factores de exposición, hasta los megaestudios para evaluar intervenciones. Los consumidores de estos productos de la investigación, vemos con desconcierto, que una conclusión que se formula hoy, se pone en duda mañana, y se desecha poco tiempo después, para eventualmente ser retomada en el futuro bajo otras ópticas u otros presupuestos. Aunque no es el único responsable, el sesgo metodológico juega un papel importante como determinante de esta realidad. Este artículo tiene el propósito de destacar el concepto de sesgo, relevante, entre otras posibles acepciones, para la investigación biomédica contemporánea, y su asociación con la definición técnica de "confusión", exponer la visión moderna sobre el significado práctico de una causa y examinar críticamente dos modernos recursos analíticos para afrontar el problema del sesgo y la causalidad: los puntajes de susceptibilidad y las variables instrumentales.
其他摘要:The concepts of causation and bias are crucial to modern biomedical research, ranging from the analysis of hundreds of exposure factors to megatrials, in order to assess the impact of interventions. As consumers of these research products, we are amazed that a statement made today is put into question tomorrow, discarded afterwards, and eventually retaken in the future from different perspectives or under different assumptions. Although the methodological bias is not the only culprit, it plays an important role as determinant of this reality. This paper intended to clarify the concept of bias, which is relevant, among other possible meanings, to contemporary biomedical research, and its association with the technical meaning of confounding. Other objectives were to present the current vision on the practical meaning of cause in epidemiological causal inference, and to critically review two modern analytical tools to deal with bias and causation such as propensity scores and instrumental variables.