ROBINS-I: cómo evaluar riesgo de sesgo en estudios no aleatorizados

Una muestra grande o un valor de p pequeño no eliminan la confusión. Cuando una intervención no se asigna al azar, las personas que la reciben pueden diferir desde el principio de quienes no la reciben. ROBINS-I ayuda a examinar cómo esas diferencias y otros procesos afectan resultados de estudios no aleatorizados de intervenciones.

¿Por qué no basta RoB 2?

RoB 2 corresponde a ensayos aleatorizados. En estudios no aleatorizados de intervenciones necesitas examinar, entre otras cosas, confusión y selección antes de la intervención. Define la comparación causal y el efecto que te interesa; ROBINS-I no es una herramienta universal para todos los estudios observacionales.

• La confusión puede hacer que los grupos tengan pronósticos diferentes desde el inicio.
• La selección puede dejar fuera a personas de manera relacionada con el desenlace.
• Una clasificación incorrecta cambia quién figura como expuesto a la intervención.
• Los tiempos de intervención y seguimiento deben alinearse para evitar comparaciones sesgadas.

Dominios del marco clásico

El marco clásico organiza la revisión en estos dominios. Indica qué versión estás utilizando, porque las revisiones de la herramienta pueden modificar criterios y procedimientos. No combines versiones sin explicar el cambio.

1. Sesgo por confusión
2. Sesgo en selección de participantes
3. Sesgo en clasificación de las intervenciones
4. Sesgo por desviaciones de las intervenciones previstas
5. Sesgo por datos faltantes
6. Sesgo en la medición del desenlace
7. Sesgo en la selección del resultado reportado

Confusión

Piensa qué características influyeron tanto en recibir la intervención como en el desenlace. Si las personas más graves recibieron con mayor frecuencia el tratamiento, parte de la diferencia puede proceder de esa gravedad. Ajustar variables no elimina automáticamente confusión residual o no medida.

• La edad, fragilidad y gravedad pueden influir en recibir la intervención y en el desenlace.
• La comorbilidad y función renal pueden modificar selección y pronóstico.
• El acceso y los tratamientos concomitantes también pueden explicar parte de la diferencia.

Selección

Revisa cómo entraron las personas al análisis y cuándo comenzaron exposición y seguimiento. Si para clasificarse como tratada una persona tuvo que sobrevivir un periodo previo, puede aparecer sesgo de tiempo inmortal. La alineación temporal importa para una comparación causal.

• Comprueba cuándo empieza el seguimiento en cada grupo.
• Relaciona ese inicio con el momento de recibir la intervención.
• El sesgo de tiempo inmortal aparece si clasificarse como tratado exige sobrevivir antes.

Clasificación de la intervención

Una prescripción no demuestra que la persona recibiera la intervención. Comprueba cómo se clasificó cada grupo y si registros o códigos administrativos pudieron introducir errores relacionados con el desenlace.

Desviaciones

Cambios de tratamiento, intervenciones adicionales y adherencia pueden modificar la comparación. Examínalos de acuerdo con el efecto de interés, en vez de tratar cualquier desviación como equivalente.

Datos faltantes

Importan las razones de las pérdidas y su relación con el resultado. Compara los grupos y explica qué supuestos necesita el análisis para manejar datos faltantes; el porcentaje por sí solo no resuelve el juicio.

Medición del desenlace

Si un grupo tiene un seguimiento más intenso, puede detectar más eventos sin que estos ocurran realmente con mayor frecuencia. Revisa definiciones, procedimientos y oportunidades de medición en ambos grupos.

Selección del resultado

Varios desenlaces, tiempos y modelos abren posibilidades de elegir resultados favorables. Busca qué se planificó y qué se publicó, y declara cuando la información no permite distinguir una elección prevista de otra posterior.

Juicios de riesgo de sesgo

En el marco clásico se usan estas categorías, además de reconocer cuándo no hay información suficiente. Acompaña el juicio con razones y no lo expreses como un porcentaje: una cifra no permite saber qué amenaza a la comparación.

• Bajo: el resultado es comparable al de un ensayo bien realizado respecto al riesgo de sesgo.
• Moderado: el estudio ofrece evidencia razonable, pero no esa protección.
• Serio: un problema importante amenaza la interpretación.
• Crítico: las limitaciones impiden una interpretación útil del efecto.
• Sin información: el texto no permite juzgar; no significa riesgo moderado.

Asociación no es sinónimo de causalidad

Cuando el diseño y los supuestos no permiten sostener una interpretación causal, “se asoció con” puede ser la formulación adecuada. Un ajuste estadístico no basta para afirmar que la intervención produjo el resultado. Explica qué confusión podría permanecer y cómo afectaría tu lectura.

¿Cómo se relacionan ROBINS-I y GRADE?

ROBINS-I caracteriza el riesgo de sesgo del resultado evaluado. GRADE valora la certeza del cuerpo de evidencia por desenlace y considera también otros dominios. El juicio de ROBINS-I sirve de base para esa valoración, pero no constituye por sí solo el nivel final de certeza.

Aprender GRADE

ROBINS-I frente a RoB 2

La elección depende del diseño y de la pregunta, no de cuál herramienta produzca una etiqueta más favorable. Usa RoB 2 para resultados de ensayos aleatorizados y ROBINS-I para estudios no aleatorizados de intervenciones. En revisiones sistemáticas, ROBIS evalúa riesgo de sesgo de la revisión, que es otra tarea.

Aprender RoB 2

Indica la versión utilizada

Identifica la versión concreta de ROBINS-I y revisa sus instrucciones antes de aplicar los criterios. Si una evaluación asistida no la indica, esa ausencia debe señalarse. No atribuyas a una versión reglas que proceden de otra.

¿Cómo utiliza MediCritikx ROBINS-I?

Una etiqueta como “riesgo serio” necesita una explicación que puedas revisar. Contrasta el dominio señalado con los métodos y los resultados del estudio, y distingue datos de inferencias. Estos elementos ayudan a discutir cómo ese problema cambia la interpretación, sin asumir que toda asociación es causal.

“ROBINS-I: serio” necesita una razón. Por ejemplo, si la gravedad influyó en recibir la intervención y no se midió adecuadamente, explica por qué esa confusión puede cambiar el resultado.

• Identifica el dominio que preocupa.
• Cita la información que sostiene el juicio.
• Distingue lo observado de lo inferido.
• Explica cómo cambiaría la interpretación.