Métodos actuales para asegurar la validez de los estudios de causalidad en Medicina / Current methods to assure the validity of the causality studies in Medicine

RESUMEN Fundamento: Los estudios de causalidad deben aportar resultados certeros, lo cual depende de la adecuación de los mismos, de ahí la necesidad de conocer los métodos que aseguren la validez de estas investigaciones. Objetivo: Sistematizar los métodos actuales para el estudio de causalidad en Medicina que incluye el diseño, los requerimientos que aseguran su validez y los métodos para el cumplimiento de estos requerimientos. Desarrollo: Se realizó una revisión bibliográfica en bases de datos biomédicas, se seleccionó la literatura de mayor actualidad, integralidad y cientificidad con la cual se organizó una síntesis crítica, a la que se le agregó la experiencia de las autoras. Se presentan técnicas para la detección y tratamiento de la confusión y la interacción y para garantizar la comparabilidad entre grupos. Entre las técnicas se destacan la aleatorización mendeliana, el puntaje de susceptibilidad, los G-métodos, los modelos estructurales marginales y anidados, la lógica difusa y el análisis estadístico implicativo. Conclusiones: A pesar del avance en los métodos estadísticos es el investigador el encargado de garantizar la no confusión residual y discernir entre lo estadísticamente significativo y lo clínicamente aceptable.

ABSTRACT Background: Causality studies must provide accurate results, which depends on their adequacy, therefore the need of knowing the methods that ensure the validity of these investigations. Objective: To systematize the current methods for the study of causality in Medicine that includes the design, the requirements that ensure its validity and the methods for complying with these requirements. Development: It was carried out a bibliographic review in biomedical databases and selected the most current, comprehensive, scientific literature, with this, a critical synthesis was organized, with the experience of the authors. Techniques for the detection and treatment of confusion and interaction were presented, also to ensure comparability between groups. Among the techniques, Mendelian randomization, susceptibility score, G-methods, marginal and nested structural models, fuzzy logic and implicative statistical analysis stand out. Conclusions: Despite the progress in statistical methods, the researcher is responsible for guaranteeing residual non-confusion and distinguishing between statistically significant and clinically acceptable.

Métodos actuales para asegurar la validez de los estudios de causalidad en Medicina / Current methods to assure the validity of the causality studies in Medicine

RESUMEN Fundamento: Los estudios de causalidad deben aportar resultados certeros, lo cual depende de la adecuación de los mismos, de ahí la necesidad de conocer los métodos que aseguren la validez de estas investigaciones. Objetivo: Sistematizar los métodos actuales para el estudio de causalidad en Medicina que incluye el diseño, los requerimientos que aseguran su validez y los métodos para el cumplimiento de estos requerimientos. Desarrollo: Se realizó una revisión bibliográfica en bases de datos biomédicas, se seleccionó la literatura de mayor actualidad, integralidad y cientificidad con la cual se organizó una síntesis crítica, a la que se le agregó la experiencia de las autoras. Se presentan técnicas para la detección y tratamiento de la confusión y la interacción y para garantizar la comparabilidad entre grupos. Entre las técnicas se destacan la aleatorización mendeliana, el puntaje de susceptibilidad, los G-métodos, los modelos estructurales marginales y anidados, la lógica difusa y el análisis estadístico implicativo. Conclusiones: A pesar del avance en los métodos estadísticos es el investigador el encargado de garantizar la no confusión residual y discernir entre lo estadísticamente significativo y lo clínicamente aceptable.

ABSTRACT Background: Causality studies must provide accurate results, which depends on their adequacy, therefore the need of knowing the methods that ensure the validity of these investigations. Objective: To systematize the current methods for the study of causality in Medicine that includes the design, the requirements that ensure its validity and the methods for complying with these requirements. Development: It was carried out a bibliographic review in biomedical databases and selected the most current, comprehensive, scientific literature, with this, a critical synthesis was organized, with the experience of the authors. Techniques for the detection and treatment of confusion and interaction were presented, also to ensure comparability between groups. Among the techniques, Mendelian randomization, susceptibility score, G-methods, marginal and nested structural models, fuzzy logic and implicative statistical analysis stand out. Conclusions: Despite the progress in statistical methods, the researcher is responsible for guaranteeing residual non-confusion and distinguishing between statistically significant and clinically acceptable.

Alternatives to Randomized Control Trials: A Review of Three Quasi-experimental Designs for Causal Inference

The Randomized Control Trial (RCT) design is typically seen as the gold standard in psychological research. As it is not always possible to conform to RCT specifications, many studies are conducted in the quasi-experimental framework. Although quasi-experimental designs are considered less preferable to RCTs, with guidance they can produce inferences which are just as valid. In this paper, the authors present 3 quasi-experimental designs which are viable alternatives to RCT designs. These designs are Regression Point Displacement (RPD), Regression Discontinuity (RD), and Propensity Score Matching (PSM). Additionally, the authors outline several notable methodological improvements to use with these designs.

Los diseños de Pruebas Controladas Aleatorizadas (PCA) son típicamente vistas como el mejor diseño en la investigación en psicología. Como tal, no es siempre posible cumplir con las especificaciones de las PCA y por ello muchos estudios son realizados en un marco cuasi experimental. Aunque los diseños cuasi experimentales son considerados menos convenientes que los diseños PCA, con directrices estos pueden producir inferencias igualmente válidas. En este artículo presentamos tres diseños cuasi experimentales que son formas alternativas a los diseños PCA. Estos diseños son Regresión de Punto de Desplazamiento (RPD), Regresión Discontinua (RD), Pareamiento por Puntaje de Propensión (PPP). Adicionalmente, describimos varias mejorías metodológicas para usar con este tipo de diseños.