Aplicación de métodos de inferencia causal en epidemiología psiquiátrica

Las asociaciones entre los factores de riesgo putativos y los trastornos psiquiátricos y por el uso de sustancias están muy extendidas en la literatura. Basar los esfuerzos de prevención en tales hallazgos es peligroso. La aplicación de métodos de inferencia causal, aunque desafiante, es fundamental para desarrollar modelos etiológicos realistas y potencialmente accionables para la psicopatología.

Los métodos causales se pueden dividir en ensayos clínicos aleatorios (ECA), experimentos naturales y modelos estadísticos. Los primeros 2 enfoques pueden controlar potencialmente tanto los factores de confusión conocidos como los desconocidos, mientras que los métodos estadísticos controlan solo los factores de confusión conocidos y medidos. El criterio estándar, los ECA, puede tener limitaciones importantes, especialmente con respecto a la generalización. Además, por razones éticas, muchos ECA no pueden abordar muchas preguntas críticas en epidemiología psiquiátrica.

Revisamos, con ejemplos, métodos que intentan cumplir con supuestos de aleatorización como si fueran, usar variables instrumentales o usar diseños pre-post, diseños de discontinuidad de regresión o diseños correlativos. Cada método tiene fortalezas y limitaciones, especialmente la plausibilidad de la aleatorización y generalización como si. De la gran familia de métodos estadísticos para la inferencia causal, examinamos la puntuación de propensión y los modelos marginales, que se aplican mejor a las muestras con fuertes predictores de exposición a factores de riesgo.

La inferencia causal es importante porque informa los modelos etiológicos y los esfuerzos de prevención. La opinión de que la causalidad puede resolverse definitivamente solo con ECA y que ningún otro método puede proporcionar inferencias potencialmente útiles es simplista. Más bien, cada método tiene diferentes fortalezas y limitaciones.

Necesitamos evitar los extremos de las afirmaciones causales excesivamente celosas y la visión cínica de que la información causal potencial es inalcanzable cuando los ECA no son factibles. La triangulación, que aplica diferentes métodos para dilucidar inferencias causales para abordar la misma pregunta, puede aumentar la confianza en las afirmaciones causales resultantes.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://jamanetwork.com