Una variable de confusión es un tercer factor que se relaciona a la vez con tu exposición y con tu resultado, sin ser un eslabón intermedio entre ambos. Su efecto se mezcla con el que quieres medir y puede exagerar, ocultar o incluso fabricar por completo una asociación. Se controla en el diseño o en el análisis, y siempre debe reportarse.
Es el error que más veces convierte un hallazgo interesante en un hallazgo falso, y aparece en cuanto tu tesis afirma que algo se asocia con algo. A continuación, cómo reconocerla, qué hacer con ella y qué exige declarar la guía internacional de reporte para estudios observacionales.
Las tres condiciones que debe cumplir
No cualquier variable relacionada con tu tema es confusora. Para serlo tiene que cumplir las tres condiciones a la vez:
- Se asocia con la exposición (la causa que estudias).
- Se asocia con el resultado (el efecto que mides), de forma independiente de la exposición.
- No es un paso intermedio en la cadena causal entre exposición y resultado.
La tercera condición es la que más se pasa por alto y la que más daño hace. Si el tercer factor está en medio del camino —la exposición lo provoca y él provoca el resultado— entonces es un mediador, no una confusora. Y ajustar por un mediador es un error grave: borra justamente el efecto que querías demostrar.
Un ejemplo del terreno educativo, que es el más común en las tesis mexicanas. Supón que encuentras que las horas de estudio se asocian con el promedio final. El nivel socioeconómico de la familia podría ser confusor: influye en cuánto tiempo libre tiene el estudiante para estudiar y, por vías distintas, también en su desempeño. En cambio, la asistencia a clase probablemente sea un mediador: estudiar más lleva a asistir más y asistir más mejora el promedio. La primera hay que controlarla; la segunda no, salvo que quieras responder una pregunta diferente.
La prueba práctica para distinguirlas: pregúntate si el tercer factor existe antes de la exposición o si aparece como consecuencia de ella. Lo que viene antes puede confundir; lo que viene después, mediar. Cuando la respuesta no sea evidente, dibuja las flechas en una hoja antes de tocar el software: un diagrama causal de tres o cuatro variables resuelve en cinco minutos discusiones que de otro modo se arrastran hasta la defensa.
Un ejemplo trabajado
Conviene ver el mecanismo con cifras, aunque sean ilustrativas. Imagina que en una muestra de estudiantes encuentras que quienes usan una plataforma digital de apoyo obtienen mejores promedios que quienes no la usan, con una diferencia cruda de ocho puntos. Suena a un resultado contundente.
Ahora observa quiénes usan la plataforma: en tu misma muestra, la usan sobre todo estudiantes de turno matutino, que además tienen menos carga laboral. Cuando analizas por separado a los del turno matutino y a los del vespertino —es decir, cuando estratificas— la diferencia dentro de cada grupo se reduce a dos puntos. Lo que parecía efecto de la plataforma era, en buena medida, efecto de quién la usaba.
Ese contraste entre el ocho crudo y el dos ajustado es exactamente el tipo de hallazgo que debes reportar, y no es una mala noticia: demuestra que hiciste el trabajo. La conclusión honesta no es “la plataforma no sirve”, sino “una parte importante de la diferencia observada se explica por la composición de los grupos, y el efecto propio de la plataforma, si existe, es menor de lo que sugiere la comparación simple”.
Cómo se controla: dos momentos
Hay dos oportunidades para hacerlo, y la primera es mucho mejor que la segunda.
En el diseño, antes de recolectar
- Aleatorización. Si asignas al azar la exposición, las confusoras —incluidas las que ni siquiera se te ocurrieron— se reparten de forma equilibrada entre grupos. Es la razón por la que el experimento es el diseño más fuerte. En muchas tesis no es viable ni ético, y por eso el resto de esta lista importa.
- Restricción. Limitas tu muestra a un solo nivel de la confusora: por ejemplo, estudias únicamente mujeres, o únicamente un semestre. Elimina la confusión de esa variable, pero reduce a quién puedes generalizar.
- Emparejamiento. Seleccionas participantes de modo que los grupos queden equilibrados en la variable problemática. Es habitual en estudios de casos y controles, y cuando lo usas debes reportar los criterios de emparejamiento y cuántos controles hay por caso.
En el análisis, después de recolectar
- Estratificación. Analizas por separado dentro de cada nivel de la confusora y comparas los resultados, como en el ejemplo de los turnos. Es transparente y fácil de explicar en la defensa, y tiene la ventaja de que cualquier lector puede seguir el razonamiento sin saber estadística avanzada.
- Modelos multivariados. Incluyes la confusora como covariable en una regresión y obtienes una estimación ajustada. Es lo más común en tesis cuantitativas y permite controlar varias variables a la vez, algo que la estratificación hace mal cuando la muestra es pequeña, porque los subgrupos se quedan sin casos.
La regla dura del análisis: solo puedes ajustar por lo que mediste. Si no registraste la edad, la escolaridad de los padres o la antigüedad laboral, ninguna técnica estadística podrá controlarlas después. Por eso la lista de potenciales confusoras se hace antes del trabajo de campo, no cuando los resultados no salen como esperabas. Esa lista sale de tu revisión de literatura: las variables que otros estudios de tu área identificaron como relevantes. Añadir dos o tres preguntas a tu instrumento en la etapa de diseño cuesta muy poco; recolectar de nuevo porque falta una variable cuesta un semestre.
Qué exige reportar la guía STROBE
Para estudios observacionales —cohortes, casos y controles, y transversales— la referencia internacional es la declaración STROBE. Su lista de verificación menciona las confusoras en cuatro puntos distintos, lo que da idea de cuánto pesan:
- Ítem 7 (Variables): define con claridad todos los desenlaces, exposiciones, predictores, potenciales confusores y modificadores del efecto, con criterios diagnósticos si aplica.
- Ítem 12a (Métodos estadísticos): describe todos los métodos estadísticos, incluidos los usados para controlar la confusión.
- Ítem 14a (Datos descriptivos): presenta las características de los participantes e información sobre exposiciones y potenciales confusores.
- Ítem 16a (Resultados principales): da estimaciones sin ajustar y, cuando aplique, estimaciones ajustadas por confusores con su precisión (por ejemplo, intervalo de confianza del 95%). Deja claro por cuáles confusores se ajustó y por qué se incluyeron.
El ítem 16a es el más exigente y el que más tesis incumplen: pide las dos estimaciones, la cruda y la ajustada, y además la justificación de cada variable incluida. Presentar ambas no es opcional ni redundante. Es informativo: si la asociación cruda es fuerte y la ajustada se desvanece, acabas de demostrar que había confusión, y eso es un resultado legítimo que debes contar, no esconder.
Si no sabes qué guía de reporte le corresponde a tu diseño, revisa la comparación de guías de reporte para tu tesis, que explica cuál te toca según el estudio que estés haciendo.
Cómo escribirlo en tu tesis
En el capítulo de método, incluye un párrafo explícito. Una estructura que funciona: “Se consideraron como potenciales variables confusoras X, Y y Z, seleccionadas a partir de [literatura previa / criterio teórico]. Estas variables se midieron mediante [instrumento] y se controlaron mediante [ajuste en modelo de regresión / estratificación / emparejamiento].”
En resultados, presenta la tabla con las estimaciones crudas y ajustadas lado a lado, con sus intervalos de confianza. Y en la discusión, dedica un par de líneas a la confusión residual: reconoce que pueden existir factores no medidos que sigan influyendo. Ese reconocimiento no debilita tu trabajo. Es lo que distingue un análisis honesto de uno ingenuo, y a los sinodales les gusta encontrarlo.
Para que ese párrafo sea escribible necesitas haber definido tus variables con precisión desde el principio: revisa cómo se realiza la operacionalización de variables. Y si aún estás decidiendo cómo analizar tus datos, la guía de análisis de datos cuantitativos te orienta sobre qué técnica corresponde a tu diseño.
Preguntas frecuentes
¿Cuál es la diferencia entre variable de confusión y sesgo?
El sesgo es un error introducido por cómo seleccionaste o mediste (por ejemplo, seleccionar participantes de forma no representativa). La confusión proviene de un tercer factor real que se mezcla con tu asociación. El sesgo se previene con un mejor procedimiento; la confusión, controlando la variable.
¿Una variable de confusión invalida mi tesis?
No, siempre que la identifiques, la controles y lo reportes. Lo que sí compromete tu trabajo es afirmar una relación causal sin haber considerado explicaciones alternativas.
¿Cómo sé cuáles son las confusoras de mi tema?
De la literatura previa de tu campo y del razonamiento teórico sobre qué precede a tu exposición. No se descubren mirando tus datos: se anticipan y se miden. Si un estudio parecido al tuyo ajustó por una variable, tienes una razón sólida para medirla también.
¿Puedo ajustar por muchas variables por si acaso?
No conviene. Ajustar por mediadores borra el efecto que quieres estimar, y meter demasiadas covariables en muestras pequeñas vuelve inestables las estimaciones. Cada variable incluida debe tener una razón que puedas escribir, tal como pide STROBE.
¿Qué es un modificador del efecto y en qué se diferencia?
Un modificador del efecto no distorsiona la asociación: la cambia según su nivel. Es decir, el efecto de tu exposición es genuinamente distinto en hombres y en mujeres, o en un turno y en otro. La confusora se controla para eliminarla; el modificador se reporta, porque forma parte del hallazgo.
¿Esto aplica a tesis cualitativas?
El término procede de la investigación cuantitativa y observacional. En un estudio cualitativo la preocupación equivalente es dar cuenta de explicaciones alternativas y del contexto, con estrategias como la triangulación.
El siguiente paso
Si tu tesis afirma que algo se asocia con algo, el apartado de confusores es lo que separa una afirmación defendible de una que se cae en la primera pregunta del jurado. Escríbelo desde ahora, mientras defines tus variables, y no al final.
Tesify te ayuda a redactar el método y los resultados con la estructura completa y cada fuente citada en APA 7 mientras escribes. Empieza tu tesis con Tesify. El texto sigue siendo 100% tuyo.