Hay un error de ajuste peor que bloquear un efecto. Es inventarlo.
Escribí antes sobre el mediador: ajustas por él y borras parte del efecto que querías medir. Tu estimación se atenúa. Es caro, pero al menos falla hacia el nulo — el sesgo empuja hacia “no encontré nada”, que es el error menos escandaloso de los dos.
El colisionador hace lo contrario. Crea una asociación donde no había ninguna.
Qué es un colisionador
Una variable es colisionador cuando dos flechas llegan a ella. Es el efecto común de dos causas.
Si A y B son independientes, pero ambas causan C, entonces A y B siguen siendo independientes en la población general. Pero dentro de los estratos de C, dejan de serlo.
La intuición: si sabes que C ocurrió, y sabes que A no la causó, entonces B se vuelve más probable. Condicionar sobre el efecto común hace que sus causas compitan entre sí por explicarlo. Esa competencia es la asociación espuria.
No es un tecnicismo raro. Ocurre cada vez que alguien restringe una muestra, ajusta “por si acaso”, o simplemente estudia a quienes llegaron al hospital.
El caso que la epidemiología aprendió por las malas
Estudias si una exposición se asocia con una enfermedad, y reclutas a tus casos y controles entre pacientes hospitalizados.
Parece razonable. Es donde están los pacientes, donde está el expediente, donde puedes medir.
El problema: tanto la exposición como la enfermedad aumentan la probabilidad de estar hospitalizado. La hospitalización es un efecto común — un colisionador. Y al reclutar solo hospitalizados, ya condicionaste sobre él antes de analizar nada.
Resultado: encuentras una asociación entre exposición y enfermedad que puede no existir fuera de ese hospital. El sesgo no está en tu modelo. Está en tu marco muestral, y ningún ajuste posterior lo arregla.
El ajuste no siempre corrige. A veces es el que introduce el problema.
Dónde aparece hoy, con datos modernos
El caso clásico es viejo. Los modernos son peores porque no se ven.
Cohortes de voluntarios. Quien se inscribe en un biobanco tiende a tener más educación, mejor salud y más conciencia sanitaria. Si tanto la exposición como el desenlace influyen en la probabilidad de participar, la participación es un colisionador — y toda la cohorte está condicionada sobre él.
Pérdidas de seguimiento. Si los expuestos con peor evolución abandonan el estudio más que los demás, permanecer en el estudio se vuelve un colisionador. Analizar solo a quienes completaron el seguimiento condiciona sobre él.
Restringir por una variable “para controlar”. “Analicé solo a los que tenían el dato completo.” Si tener el dato completo depende a la vez de la exposición y del desenlace, acabas de abrir una ruta que no existía.
Estudiar solo a los que tienen la enfermedad. Las llamadas paradojas de la obesidad, del fumador, del índice de masa corporal — buena parte de ellas se explica por condicionar sobre un colisionador al restringir la muestra a enfermos. La “protección” aparente aparece porque, entre los enfermos, algo tuvo que causar la enfermedad.
Por qué los datos no te van a avisar
Esto es lo incómodo, y es lo mismo que pasaba con el mediador: no hay nada en los datos que distinga un colisionador de un confusor.
Ambos producen asociación entre exposición y desenlace. Ambos cambian el estimador al entrar al modelo. Ambos pueden salir significativos. El criterio del cambio del 10%, la selección paso a paso, el AIC — todos tratan igual a los dos, porque miran magnitudes, no estructura.
La diferencia está en la dirección de las flechas, y la dirección no está en la tabla. Está en lo que tú crees sobre cómo funciona el mundo.
Por eso hay que escribirlo antes. Un DAG no te da información que no tuvieras: te obliga a declarar los supuestos que ya estabas usando en silencio, y los pone donde un revisor puede discutirlos.
Con el grafo escrito, la pregunta deja de ser una opinión. El criterio de puerta trasera identifica qué rutas no causales hay que cerrar, la d-separación verifica si un conjunto las cierra todas — y, crucialmente, avisa si el conjunto que propusiste abre una ruta nueva al condicionar sobre un colisionador.
Eso último es lo que ningún procedimiento automático de selección de variables hace, porque no puede.
En IAM-CausalKit esa verificación es determinística: el motor formal identifica el rol de cada variable y rechaza los conjuntos que abren rutas. No es una sugerencia estadística; es una demostración sobre el grafo que escribiste.
Tres preguntas para tu análisis en curso
- ¿Cómo entró la gente a tu muestra? Si la selección depende a la vez de la exposición y del desenlace, ya estás condicionando sobre un colisionador y ningún ajuste lo deshace.
- ¿Quién se perdió en el seguimiento, y por qué? Si el abandono depende de ambos extremos, analizar a los que quedaron es condicionar.
- ¿Alguna covariable de ajuste ocurre después de la exposición Y del desenlace, o es consecuencia de ambos? Si sí, quítala del modelo y justifica por qué.
La diferencia entre un hallazgo y un artefacto rara vez está en el software. Está en si alguien dibujó el diagrama antes de decidir a quién incluir.