Inferencia causal y diseño de estudios observacionales

No: ajustar por confusores es un primer paso que se confunde a menudo con el último, pero una regresión ajustada responde una pregunta de asociación condicional, no causal. Aplica cuando la pregunta real es "qué efecto tiene X sobre Y" y no solo "están X e Y asociadas tras ajustar". La diferencia es de fondo: una regresión multivariante ajustada por edad y sexo estima una asociación condicional; estimar un efecto causal exige un diseño con supuestos causales explícitos, un conjunto de ajuste derivado de la estructura causal del problema y no de la significación estadística, y un análisis de sensibilidad que evalúe cuánto dependería la conclusión de una posible confusión no medida. Elegir qué variables ajustar mirando los p-valores, sin un marco causal, puede introducir sesgo en lugar de quitarlo. Lo que distingue la inferencia causal no es un modelo más sofisticado, sino hacer explícitos y defendibles los supuestos bajo los que una asociación puede leerse como efecto.

Un DAG (grafo acíclico dirigido) es la representación formal de la estructura causal del problema: qué causa qué, según el conocimiento del dominio, dibujado antes de ejecutar ningún modelo. Aplica a cualquier estudio con pretensión causal, porque la estructura causal es la que determina qué variables ajustar, no al revés. El DAG identifica el conjunto mínimo de ajuste, es decir, qué variables controlar y, sobre todo, cuáles no tocar: ajustar por una variable mediadora elimina parte del efecto que se quiere estimar, y ajustar por una colisionadora introduce sesgo donde no lo había. También permite evaluar si la pregunta causal es siquiera identificable con los datos disponibles, y ser transparente cuando no lo es. Construir el DAG con el equipo investigador, que aporta el conocimiento del dominio, es lo que ancla todo el análisis posterior. Decidir el ajuste sin un DAG es elegir a ciegas qué sesgos se corrigen y cuáles se crean.

Sin aleatorización, los grupos difieren en características que afectan al desenlace, y los propensity score methods buscan equilibrar esas diferencias para hacer la comparación más defendible. Aplica cuando se quiere estimar el efecto de una intervención o exposición con datos observacionales de registros, cohortes o bases administrativas. El propensity score, la probabilidad de recibir el tratamiento dadas las covariables, se usa para emparejar (matching), ponderar (IPTW con estabilización y truncamiento) o estratificar, y puede combinarse con estimación doblemente robusta, que mejora la protección frente a mala especificación si al menos uno de los modelos implicados está correctamente especificado. La clave está en la evaluación del balance: un propensity score se valida comprobando que las covariables quedan equilibradas entre grupos, mediante diferencias estandarizadas y comparación de distribuciones, no con un p-valor. Si el matching o el weighting no logran un balance aceptable, se reporta y se evalúan alternativas, no se fuerza un resultado. Equilibrar los grupos observados reduce el sesgo, pero no sustituye la aleatorización ni elimina la confusión no medida.

Toda estimación causal a partir de datos observacionales descansa en supuestos no verificables con los propios datos, así que el trabajo no es "demostrar causalidad" sino hacer esos supuestos explícitos y cuantificar cómo de sensible es la conclusión a su incumplimiento. Aplica a cualquier estudio observacional con pregunta causal, donde la honestidad sobre los supuestos es parte del rigor. En lugar de asumir que los supuestos se cumplen y seguir adelante, se ejecuta un análisis de sensibilidad cuantitativo, como el E-value o el quantitative bias analysis, que estima, bajo supuestos explícitos, qué magnitud de confusión no medida sería compatible con explicar o debilitar el efecto estimado. Eso convierte un supuesto implícito en un argumento cuantificable: un efecto que solo se debilita bajo escenarios de confusión poco plausibles es más defendible que uno que se desvanece con un sesgo pequeño. La conclusión no se presenta como prueba definitiva equivalente a un ensayo, sino como una estimación causal con sus supuestos de identificación declarados y su robustez cuantificada. Esa transparencia es justo lo que un revisor exigente pide.

Sí, si el diseño permite una comparación defendible; no basta con observar un antes y un después. Aplica cuando no hay grupo control aleatorizado, pero sí datos pre y post implementación y un grupo o discontinuidad que permita construir un contrafactual razonable, y se quiere separar el efecto del cambio de las tendencias que ya venían ocurriendo. Difference-in-differences compara la evolución del grupo afectado con la de un grupo de comparación, bajo el supuesto de tendencias paralelas que debe examinarse, no asumirse; según el caso, también pueden encajar diseños de regresión discontinua. La premisa de fondo es que, sin aleatorización, el diseño del estudio se convierte en el análisis: diseñar bien la comparación importa más que aplicar un modelo sofisticado sobre una comparación mal planteada. Lo que se entrega es una estimación de impacto con su diseño y sus supuestos explícitos, no una atribución automática del cambio observado a la política.

El análisis de mediación y moderación causal es, en realidad, una parte de la inferencia causal con público y entrada propios: encaja cuando la pregunta es por qué o para quién ocurre un efecto: descomponerlo en directo e indirecto a través de un mediador, o ver si varía según subgrupos. La inferencia causal y el diseño de estudios observacionales es el paraguas más amplio: estimar el efecto de una intervención o exposición sobre un outcome cuando no hay aleatorización, con DAGs, propensity scores, difference-in-differences, g-computation y análisis de sensibilidad. No responden exactamente a la misma pregunta: la mediación descompone un efecto en vías directas e indirectas bajo supuestos causales adicionales; la inferencia causal general estima el efecto total o marginal de una exposición, intervención o política. Quien busca específicamente "análisis de mediación" tiene un servicio propio para ello; quien plantea una pregunta causal más amplia entra por aquí. Se trabajan de forma coordinada: la mediación es un caso particular dentro de este marco.

El aparato metodológico se solapa, con propensity scores, diseño observacional y control de confusión, pero el framing y el contexto difieren. El Real World Evidence encaja cuando el marco es la generación de evidencia clínica a partir de datos de práctica real para un contexto biofarmacéutico o de medical affairs, con su lenguaje y sus destinatarios propios. La inferencia causal y el diseño de estudios observacionales es el marco para preguntas causales en investigación sanitaria y salud pública: efectos de intervenciones, exposiciones o políticas en registros, cohortes o datos administrativos. No es que uno sea más riguroso que el otro: comparten métodos, pero responden a la misma familia de preguntas desde encuadres distintos. Si la necesidad se plantea como generación de evidencia de mundo real para biopharma, el encuadre natural es RWE; si se plantea como estimar un efecto causal en un estudio de investigación o de salud pública, es este servicio. La elección es de contexto, no de método.

Se entrega la estimación del efecto causal con todo el andamiaje que la sostiene: el DAG que formaliza los supuestos, el conjunto de ajuste justificado y la estrategia de estimación (matching, weighting, g-computation, difference-in-differences o mediación, según la pregunta). Se acompaña de la evaluación de balance y del análisis de sensibilidad ante confusión no medida. Aplica a quien necesita responder a revisores que exigen evidencia causal y no solo asociaciones ajustadas. El material incluye la discusión formal de los supuestos de identificación y los análisis de sensibilidad que cuantifican la amenaza de la confusión no medida, que es justo lo que un revisor riguroso pregunta cuando cuestiona una afirmación causal. Todo queda documentado en R con código reproducible, de modo que cada estimación sea trazable hasta el modelo, el conjunto de ajuste y los supuestos que la sostienen. El reparto se mantiene: el equipo investigador aporta el conocimiento del dominio y firma el trabajo; el servicio aporta el marco causal, la estimación y su defensa metodológica. Lo que se entrega no es una afirmación causal rotunda, sino una estimación con sus supuestos a la vista y su robustez cuantificada.