Ana V. Diez Roux
Divisiones de Medicina y de Epidemiología de la Universidad Columbia
Nueva York, Nueva York, Estados Unidos
PARTE I
El análisis multinivel es una técnica analítica
que resulta útil en salud pública y epidemiología. El
presente glosario define sus conceptos y términos fundamentales. El
análisis multinivel surgió en las áreas de la educación,
la sociología y la demografía; en salud pública y epidemiología
se le ha prestado atención en años recientes. Este glosario
explica los conceptos fundamentales y los términos relacionados con
el análisis multinivel que se han empleado con poca coherencia o que
se prestan a confusión. También se aclaran algunos términos
y conceptos (como las variables grupales y las falacias inferenciales) relacionados
en general con la presencia de múltiples niveles de organización.
Aunque el glosario hace generalmente referencia a individuos que forman parte
de un grupo, el análisis multinivel es aplicable a diversas situaciones
en las que unidades de nivel inferior, o “microunidades”, se imbrican
en otras de nivel superior, o “macrounidades” (por ejemplo, participantes
en estudios, como en el metanálisis; o mediciones en individuos a lo
largo del tiempo, como en los análisis de mediciones repetidas). En
el texto de las entradas las remisiones a términos que tienen entrada
propia van en itálicas.
DATOS AGREGADOS
Término utilizado para referirse a datos o variables de una unidad
de nivel superior (por ejemplo, un grupo) construidos combinando información
de las unidades de nivel inferior que componen la de nivel superior (por ejemplo,
individuos de un grupo). Son datos agregados los índices sinópticos
de las propiedades de los individuos integrantes de un grupo, por ejemplo
el porcentaje de residentes de un vecindario que completaron los estudios
secundarios, o el ingreso medio de los habitantes de una provincia. La idea
implícita en casi todos los usos del término “datos agregados”
es que la variable agregada es simplemente un índice agregado de propiedades
de unidades de nivel inferior, y no una medida directa de una propiedad del
nivel superior (pero esto no siempre es cierto; véase variables
derivadas).
FALACIA ATOMISTA
Es la que puede surgir cuando se hacen inferencias sobre la variabilidad
intergrupal (o la relación entre variables grupales) a partir de datos
individuales. Más en general, es la falacia de inferir conclusiones
sobre la variabilidad entre unidades de nivel superior con datos correspondientes
a unidades de nivel inferior. La falacia atomista surge porque las asociaciones
entre dos variables individuales pueden ser diferentes de las asociaciones
entre variables análogas pero grupales. Por ejemplo, en un estudio
con individuos puede observarse que el mayor ingreso individual se asocia
a una menor mortalidad por cardiopatía coronaria. Si se infiere de
estos datos que a escala de país el mayor ingreso per cápita
se asocia con la reducción de la mortalidad por cardiopatía
coronaria, el investigador quizá esté incurriendo en una falacia
atomística (porque entre países, los mayores ingresos per cápita
pueden, en realidad, asociarse con una mayor mortalidad por cardiopatía
coronaria). Las fuentes de la falacia atomista son similares a las de la falacia
ecológica. En la falacia atomista, el modelo conceptual que
se está sometiendo a prueba corresponde al nivel superior, pero los
datos se recopilan a un nivel inferior (1, 2). La falacia atomista a veces
se ha denominado falacia individualista (3, 4).
EFECTOS DE COMPOSICIÓN
Se habla de efectos de composición cuando las diferencias entre grupos
(o entre contextos) en un resultado (por ejemplo, las tasas de morbilidad)
son atribuibles a diferencias en la composición de los grupos (es decir,
a las características de los individuos que componen los grupos) (5).
Por otro lado, cuando las diferencias entre grupos son atribuibles a los efectos
de propiedades o variables grupales, se dice que son el resultado de
efectos contextuales.
ANÁLISIS CONTEXTUAL
Enfoque analítico originalmente empleado en sociología para
investigar el efecto de las características colectivas o grupales en
los resultados individuales (4, 6, 7). En el análisis contextual, las
variables predictivas grupales (que suelen construirse agregando características
de individuos de cada grupo) se incluyen junto con variables individuales
en regresiones estándar en las que el individuo es la unidad de análisis
(modelos de efectos contextuales). Este enfoque permite
examinar simultáneamente cómo se relacionan las variables
individuales y las variables grupales con los resultados individuales,
dando cabida a macroprocesos que se suponen con repercusiones a nivel individual
independientemente de los efectos de las variables a nivel individual (6).
“Análisis contextual” y análisis multinivel
se han empleado a veces como sinónimos (8-10). Ambos planteamientos
son similares en que permiten investigar de qué manera las variables
grupales (macrovariables), las individuales (microvariables) y sus interacciones
se relacionan con los resultados a nivel individual. Sin embargo, los modelos
multinivel son más generales que los modelos contextuales originales,
porque: 1) permiten (y tienen en cuenta) la posibilidad de correlación
residual entre los individuos pertenecientes a un mismo grupo; y 2) permiten
estudiar la variabilidad intergrupal y los factores asociados con ella. En
cambio, en los modelos contextuales no se suele tener en cuenta la correlación
residual (aunque pueden modificarse para que lo hagan) y no permiten estudiar
la variabilidad intergrupal o los factores asociados con ella (véase
también componentes de la varianza).
EFECTOS CONTEXTUALES
Término que suele emplearse para referirse a los efectos de las
variables definidas a un nivel superior (generalmente grupal) en los resultados
definidos a un nivel inferior (generalmente individual) tras controlar los
factores de confusión a nivel individual (inferior). Casi siempre se
emplea este término para referirse al efecto de una variable grupal
derivada (por ejemplo, ingreso medio en un vecindario) en un resultado
individual (como la tensión arterial) una vez controlado su homónimo
individual (por ejemplo, el ingreso individual) (6,11). A veces, sin embargo,
con “efectos contextuales” se hace referencia, de modo general,
a los efectos de las variables grupales, ya sean derivadas o
integrales. El término puede aplicarse a cualquier situación
que implique unidades de nivel inferior que forman parte de otras de nivel
superior (por ejemplo, efectos contextuales de las características
de un país en las tasas de morbilidad de zonas pequeñas, o efectos
contextuales de las características tisulares en la biología
celular). Los efectos contextuales se contrastan a veces con los efectos
de composición (5).
MODELOS DE EFECTOS CONTEXTUALES
Son modelos de regresión en los que las unidades de análisis
son individuos y las variables predictivas de los resultados individuales
incluyen variables grupales e individuales. Los modelos tradicionales de efectos
contextuales son equivalentes a modelos multinivel en los que todos los coeficientes
entran en el modelo como fijos (es decir, no se incluye un término
de error (U0j o Uij) en las ecuaciones grupales o de nivel 2; véase
modelos multinivel). Véase análisis contextual.
VARIABLES CONTEXTUALES
Véase variables derivadas y variables
grupales
EFECTOS TRANSNIVEL
Término utilizado para referirse a los efectos principales de las
variables de nivel superior (por ejemplo, variables grupales) en los
resultados a nivel inferior (por ejemplo, resultados individuales) y a las
modificaciones de los efectos de variables de nivel inferior (individual)
por variables de nivel superior (grupal) (véase interacción
transnivel) (12). Un ejemplo de efecto transnivel es el efecto de la desigualdad
de ingreso en un país sobre el nivel individual de salud (efecto de
una variable de nivel superior en los resultados a un nivel inferior); o la
mayor asociación entre el ingreso individual y la salud individual
en presencia de gran desigualdad de ingreso en un país (modificación
de efecto de una variable de nivel inferior por una variable de nivel superior).
A veces se utiliza el término “efectos ecológicos”
como sinónimo de “efectos transnivel” (12).
INFERENCIA TRANSNIVEL
Situación en la que se hacen inferencias sobre los factores asociados
con la variabilidad del resultado a un nivel a partir de datos de otro nivel
(por ejemplo, cuando se infiere algo sobre una relación entre variables
a nivel individual a partir de asociaciones a nivel grupal, o viceversa).
Véase falacia ecológica y falacia atomística.
INTERACCIÓN TRANSNIVEL
Se dice que existe interacción transnivel cuando los efectos de
variables de nivel inferior resultan modificados por características
de las unidades de nivel superior, al que pertenecen las unidades de nivel
inferior (o viceversa) (5, 12). Por ejemplo, si la relación entre ingreso
individual y tensión arterial difiere en función de las características
del vecindario (es decir, cuando hay interacción entre variables del
vecindario y variables individuales), se dice que estamos ante una interacción
transnivel. En los modelos multinivel cada vez que se modela el efecto de
una variable de nivel inferior (individual) en función de características
de nivel superior (grupales) (como en la ecuación (3) de la entrada
modelos multinivel), en el modelo final habrá una interacción
transnivel (
en la ecuación (4) de la entrada modelos multinivel).
VARIABLES DERIVADAS
Son un tipo de variables grupales que se construye “agregando”
matemáticamente (por ejemplo, mediante una media aritmética,
una proporción o una medida de dispersión) las características
de los individuos del grupo (tales son, por ejemplo, el porcentaje de personas
que no completaron los estudios secundarios, el ingreso medio o la desviación
estándar de la distribución de ingresos) (11, 13). Algunas variables
derivadas no tienen análogo individual (como ocurre, por ejemplo, con
la desviación estándar de la distribución de ingresos)
y por consiguiente apuntan necesariamente a constructos grupales. Otras (por
ejemplo, el ingreso medio del vecindario) tienen análogo individual
(el ingreso individual), pero pueden proporcionar información sobre
constructos grupales, distintos de los homónimos individuales. La media
de la variable dependiente del grupo (por ejemplo, la proporción de
infectados en un estudio de las causas de infección) puede considerarse
un tipo especial de variable derivada (14). Las variables derivadas y las
variables integrales a veces se presentan como conceptualmente diferentes,
pero están estrechamente interrelacionadas. Las variables derivadas
a menudo actúan conformando ciertas propiedades integrales del grupo.
Por ejemplo, la composición de un grupo puede influir en los tipos
predominantes de contactos interpersonales, valores y normas, o puede conformar
la organización o reglamentos del grupo que afectan a todos los miembros
(15). Se han empleado los términos “variables analíticas”
y “variables agregadas” como sinónimos de “variables
derivadas”. También se ha recurrido al término “variables
contextuales” como sinónimo de “variables derivadas”14,
aunque a veces “variables contextuales” se usa para referirse al
conjunto de las variables grupales (6, 13).
FALACIA ECOLÓGICA
Es la que puede aparecer al inferir conclusiones a escala individual (es
decir, sobre las relaciones entre variables individuales) a partir de datos
grupales. La falacia ecológica surge porque las asociaciones entre
dos variables grupales (o ecológicas) pueden ser diferentes de las
asociaciones entre variables análogas pero individuales. Estas diferencias
entre las asociaciones a nivel individual y grupal se describieron por primera
vez para los coeficientes de correlación (16), pero pueden también
encontrarse en otras medidas de asociación, como los coeficientes de
regresión (11, 17). De manera más general, la falacia puede
surgir cuando se usan datos de unidades de nivel superior para hacer inferencias
respecto a factores asociados con la variabilidad entre unidades de nivel
inferior, es decir, cuando el modelo conceptual que se pone a prueba corresponde
al nivel inferior, pero los datos se recopilan a un nivel superior (1, 2).
Supongamos que un investigador observa que comparando países el mayor
ingreso per cápita se asocia con una mayor mortalidad por lesiones
en accidentes de tránsito. Si de ello infiere que a escala individual
el ingreso individual más alto se asocia con un aumento de la mortalidad
por tráfico, puede estar incurriendo en la falacia ecológica,
porque dentro de cada país, en las personas de ingreso elevado la mortalidad
por tráfico puede ser siempre menor que en las de ingreso bajo. En
lo que respecta a los coeficientes de regresión, la falacia ecológica
puede surgir de: 1) la falta de información sobre los constructos que
corresponden a un nivel inferior; 2) no darse cuenta de que una variable definida
y medida a un nivel puede corresponder a un constructo distinto al de la variable
homónima a otro nivel (18) (por ejemplo, el ingreso medio a nivel de
país se refiere a un constructo distinto al ingreso a nivel individual).
Referencias
(1) Riley MW. Special problems of sociological analysis. In: Sociological
research I: a case approach.New York: Harcourt, Brace, and World, 1963:700–25.
(2) Diez-Roux AV. Bringing context back into epidemiology: variables and fallacies
in multilevel analysis. Am J Public Health 1998;88:216–22.
(3) Alker HR. A typology of ecological fallacies. In: Dogan M, Rokkam S, eds.
Social ecology. Boston: The MIT Press, 1969:69–86.
(4) Scheuch EK. Social context and individual behavior. In: Dogan M, Rokkam
S, eds. Social ecology. Boston: The MIT Press, 1969:133–55.
(5) Duncan C, Jones K, Moon G. Context, composition, and heterogeneity: using
multilevel models in health research. Soc Sci Med 1992;46:97–117.
(6) Blalock HM. Contextual-effects models: theoretical and methodological
issues. Ann Rev Sociol 1984;10:353–72.
(7) Iversen G. Contextual analysis. Newbury Park, CA: Sage, 1991.
(8) Hermalin A. The multilevel approach: theory and concepts. The methodology
for measuring the impact of family planning programs on fertility. Population
studies Addendum Manual IX. New York: United Nations,1986;66:15–31.
(9) van den Eeden P, Huttner HJ. Multi-level research. Curr Sociol 1982;30:1–178.
(10) DiPrete TA, Forristal JD. Multilevel models: methods and substance. Annu
Rev Sociol 1994;20:331–57.
(11) Morgenstern H. Ecologic studies in epidemiology: concepts, principles,
and methods. Annu Rev Public Health1995;16:61–81.
(12) Blakely TA, Woodward AJ. Ecological effects in multi-level studies. J
Epidemiol Community Health 2000;54:367–74.
(13) Lazarsfeld PF, Menzel H. On the relation between individual and collective
properties. In: Etzioni A, ed. A sociological reader on complex organizations.
New York: Holt, Rinehart, and Winston, 1971:499–516.
(14) Susser M. The logic in ecological: I. The logic of analysis. Am J
Public Health 1994;84:825–9.
(15) Valkonen T. Individual and structural effects in ecological research.
In: Dogan M, Rokkam S, eds. Social ecology. Boston: The MIT Press,
1969:53–68.
(16) Robinson WS. Ecological correlations and the behavior of individuals.
Am Sociol Rev 1950;15:351–7.
(17) Piantadosi S, Byar DP, Green SN. The ecological fallacy. Am J Epidemiol
1988;127:893–904.
(18) Diez-Roux AV, Schwartz S, Susser E. Ecologic studies and ecologic variables
in public health research. In: The Oxford textbook of public health.
Volume 2. London: Oxford University Press, 2002:493–508. 1995.
Fuente: Publicado originalmente con el título
“A glossary for multilevel analysis” en: Journal of Epidemiology
and Community Health, 56:588-594, 2002.
