Una variable confusora es una tercera variable que se relaciona con la independiente y con la dependiente sin estar en la cadena causal entre ambas. Su presencia hace que aparezca una asociación que en realidad no existe, o que se exagere una que sí. Controlarla es lo que separa una correlación de un argumento causal defendible.

Los tres criterios de identificación

Una variable es confusora si cumple las tres condiciones a la vez. Si falla una, no lo es:

1. Se asocia con la variable independiente. Los grupos que comparas difieren en ella.
2. Se asocia con la variable dependiente, con independencia de la variable independiente.
3. No es un paso intermedio del efecto de la independiente sobre la dependiente.

El tercer criterio es el que más errores provoca. El ejemplo clásico: se observa que el consumo de helado se asocia con los ahogamientos. La temperatura cumple los tres criterios —hace subir el consumo de helado, hace subir los baños en el mar y no es un eslabón entre helado y ahogamiento—, así que es una confusora. Al controlarla, la asociación desaparece.

Confusora, mediadora o moderadora: la distinción que decide todo

Las dos filas en negrita son las que arruinan trabajos por exceso de celo. Meter «todas las variables disponibles» como controles no es prudencia: si una de ellas es un mediador, estás borrando precisamente el mecanismo que querías demostrar; si es un colisionador, estás creando una asociación espuria que no existía en los datos sin ajustar.

La regla operativa: una variable solo entra como control si tienes un argumento teórico de que es causa común, no porque «esté en el dataset».

Cómo decidir: dibuja el grafo antes de tocar el software

La herramienta estándar es el grafo acíclico dirigido: dibujas cada variable como un nodo y cada relación causal que asumes como una flecha. Con el dibujo delante, la clasificación se vuelve mecánica:

• Si dos flechas salen de la misma variable hacia X y hacia Y → confusora, contrólala.
• Si está en el camino X → M → Y → mediadora, no la controles.
• Si dos flechas llegan a ella desde X y desde Y → colisionadora, no la controles.

Diez minutos de papel ahorran un modelo mal especificado. Y ese dibujo, incluido en el trabajo, es uno de los elementos que más credibilidad da a un apartado de método, porque hace explícitos los supuestos causales en lugar de dejarlos implícitos.

Las cinco estrategias de control

1. Aleatorización. Si asignas al azar, cualquier confusora —incluidas las que no has medido ni imaginado— se reparte por igual entre grupos. Es la única estrategia que controla lo desconocido, y por eso el experimento sigue siendo el diseño de referencia.
2. Restricción. Limitar la muestra a un solo nivel de la confusora: estudiar solo mujeres de 20 a 25 años elimina el efecto del sexo y la edad, a costa de reducir la generalización.
3. Emparejamiento. Elegir controles con el mismo perfil que los casos en las variables sospechosas. Habitual en estudios de casos y controles.
4. Estratificación. Analizar dentro de cada nivel de la confusora. Si el efecto se mantiene en todos los estratos, no era confusión; si desaparece, sí lo era.
5. Ajuste estadístico. Incluirla como covariable en la regresión o aplicar un análisis de covarianza (ANCOVA), que compara medias ajustadas por la covariable.

Las cuatro primeras son de diseño y actúan antes de recoger datos; la quinta es de análisis y actúa después. Si aún estás a tiempo, la restricción y la aleatorización resuelven el problema mucho mejor que cualquier ajuste posterior.

Cómo saber si el control funcionó

El criterio empírico habitual: compara el coeficiente de tu variable independiente antes y después de introducir la covariable. Un cambio del 10 % o más en el coeficiente se considera evidencia de confusión relevante. Es una regla práctica, no una ley, pero es el criterio que se aplica en epidemiología y el que un tribunal reconocerá.

Ojo con un efecto secundario: al añadir covariables correlacionadas entre sí puedes generar colinealidad, que infla los errores típicos y desestabiliza los coeficientes. Es un problema distinto de la confusión —afecta a la precisión, no al sesgo— y se diagnostica con el factor de inflación de la varianza. Cuando la estructura de los datos es anidada, parte de lo que parece confusión puede resolverse mejor con modelos multinivel.

Qué escribir en la memoria

«Se identificaron a priori tres potenciales variables confusoras a partir de la literatura: edad, nivel socioeconómico y experiencia previa. Todas ellas se asociaban tanto con la variable independiente como con la dependiente sin formar parte del mecanismo hipotetizado. Se incluyeron como covariables en el modelo. El coeficiente de la variable principal pasó de β = 0,41 a β = 0,28 tras el ajuste, una reducción del 32 % que confirma la presencia de confusión, manteniéndose no obstante la significación (p = 0,006).»

Ese párrafo aporta lo que se evalúa: identificación previa y justificada, criterio de clasificación y evidencia cuantitativa del efecto del ajuste. Después, las confusoras no medidas van al apartado de limitaciones, porque en un diseño observacional siempre queda confusión residual y reconocerlo es parte del rigor.

Preguntas frecuentes

¿Qué es una variable confusora?

Es una tercera variable asociada tanto con la independiente como con la dependiente que no forma parte de la cadena causal entre ambas. Su presencia puede generar una asociación aparente entre dos variables que en realidad no se influyen, o distorsionar la magnitud de una asociación real.

¿Cómo distingo una confusora de una mediadora?

Por su posición causal: la confusora es causa común de ambas variables y es anterior a la independiente, mientras que la mediadora está en el camino entre ellas, como eslabón del mecanismo. Controlar una mediadora es un error, porque elimina justamente el efecto que se pretende demostrar.

¿Puedo incluir todas las variables como controles por si acaso?

No. Incluir mediadoras elimina el efecto de interés y ajustar por variables colisionadoras puede crear asociaciones espurias que no existían. Cada control debe justificarse con un argumento teórico de que se trata de una causa común.

¿Cómo sé si el ajuste ha corregido la confusión?

Comparando el coeficiente de la variable independiente antes y después de introducir la covariable. Un cambio igual o superior al 10 % se considera habitualmente evidencia de confusión relevante en la literatura epidemiológica.

¿La aleatorización elimina todas las confusoras?

En expectativa sí, y esa es su gran ventaja: reparte por igual entre grupos tanto las confusoras conocidas como las que no se han medido ni identificado. Con muestras pequeñas puede quedar desequilibrio por azar, por lo que conviene comprobar la comparabilidad inicial de los grupos.