Estudio de casos y controles: qué es, cómo elegir los controles y cómo analizarlo

En breve

Un estudio de casos y controles parte de personas que ya tienen la enfermedad o el desenlace (casos) y de personas que no lo tienen (controles), y compara con qué frecuencia estuvieron expuestas antes a un factor. Es el diseño más eficiente para enfermedades raras o de latencia larga. Como no sigue a nadie en el tiempo, no mide incidencia: su medida es la odds ratio. Lo que decide su calidad es elegir los controles de la misma población de la que salen los casos y medir la exposición igual en los dos grupos. Se analiza con regresión logística (condicional si hay emparejamiento individual) y se reporta con STROBE.

Imagina que quieres saber qué factores se asocian a una enfermedad que afecta a una de cada diez mil personas. Una cohorte necesitaría seguir a cientos de miles de personas durante años para reunir unos pocos casos. El estudio de casos y controles le da la vuelta al problema: empieza por los casos, que ya existen, y busca hacia atrás qué los diferencia de quienes no enfermaron. Por eso se le llama «investigación al revés» (Schulz y Grimes, 2002).

Es rápido, barato y muy habitual en tesis de medicina, enfermería y odontología, pero también el diseño en el que más fácil es equivocarse sin darse cuenta. Esta guía repasa qué es, cuándo conviene, cómo elegir casos y controles, cómo se calcula e interpreta la odds ratio con un ejemplo resuelto, qué análisis usar y qué sesgos te va a señalar el revisor.

Qué es un estudio de casos y controles

Es un estudio observacional en el que se seleccionan las personas según tengan o no el desenlace y se compara su exposición previa. Si la exposición fue más frecuente en los casos que en los controles, hay una asociación entre exposición y enfermedad.

La diferencia con un estudio de cohortes es el punto de partida. La cohorte parte de la exposición y espera a ver quién enferma; los casos y controles parten de la enfermedad y miran hacia atrás. De esa dirección salen todas sus ventajas y todos sus problemas: no hay que esperar a que aparezcan los casos, pero tampoco puedes contar cuántos expuestos enferman, porque el número de casos y de controles lo decidiste tú.

Cuándo conviene este diseño (y cuándo no)

  • Enfermedades raras: es el único diseño viable cuando hay pocos casos.
  • Latencia larga: entre la exposición y la enfermedad pasan años (cánceres, enfermedades crónicas).
  • Brotes: hay que identificar rápido la fuente (un alimento, un procedimiento).
  • Varias exposiciones a la vez: con los mismos casos y controles puedes estudiar muchos factores.

No conviene cuando la exposición es rara (habría muy pocos expuestos en los dos grupos; ahí la cohorte de expuestos es mejor), cuando necesitas la incidencia o cuando la exposición solo se puede medir con fiabilidad antes de que aparezca la enfermedad.

Dos ejemplos clásicos

Tabaco y cáncer de pulmón. Doll y Hill (1950) entrevistaron a pacientes hospitalizados con cáncer de pulmón y a pacientes con otras enfermedades, emparejados por sexo, edad y hospital, y encontraron que entre los casos había más fumadores y más grandes fumadores. Fue una de las primeras pruebas sólidas de la relación, confirmada años después por su cohorte de médicos británicos.

Dietilestilbestrol y adenocarcinoma vaginal. Herbst et al. (1971) estudiaron ocho casos de un tumor vaginal rarísimo en mujeres jóvenes y 32 controles. Siete de las ocho madres de los casos habían tomado dietilestilbestrol durante el embarazo, frente a ninguna madre de los controles. Con solo ocho casos, el diseño identificó un efecto adverso de un fármaco que había afectado a la generación anterior.

Cómo elegir los casos

Define el caso con criterios diagnósticos explícitos y verificables (no «pacientes con úlcera», sino «úlcera de pie diabético grado 1 o superior en la escala de Wagner, diagnosticada en la consulta de enfermería entre enero y diciembre»). Siempre que puedas, usa casos incidentes (recién diagnosticados) y no prevalentes: los prevalentes son los que sobreviven y siguen enfermos, y los factores asociados a la duración de la enfermedad se mezclan con los asociados a su aparición.

Cómo elegir los controles: la decisión que más pesa

El principio es uno: los controles deben representar la exposición de la población de la que salieron los casos, es decir, personas que, si hubieran enfermado, habrían sido incluidas como casos (Wacholder et al., 1992). No se trata de que sean «sanos», sino de que vengan de la misma base.

  • Controles hospitalarios: accesibles y con un recuerdo parecido al de los casos, pero pueden estar ingresados por enfermedades relacionadas con la exposición (si estudias tabaco y eliges controles con EPOC, la asociación desaparece).
  • Controles poblacionales: representan mejor la base, pero son más caros de reclutar y responden menos.
  • Controles de vecindario, de amistad o de la misma consulta: útiles en estudios pequeños, con el riesgo de que se parezcan demasiado a los casos en la exposición.

Puedes reclutar más de un control por caso para ganar potencia cuando los casos escasean; la ganancia se reduce mucho a partir de tres o cuatro controles por caso (Grimes y Schulz, 2005).

Emparejamiento: cuándo sí y cuándo no

Emparejar es elegir los controles para que se parezcan a los casos en uno o varios confusores (edad, sexo, centro). Puede ser individual (a cada caso, uno o varios controles concretos) o por frecuencia (la misma distribución de edad y sexo en los dos grupos). Dos reglas: no emparejes por la exposición ni por variables muy relacionadas con ella (sobreemparejamiento), y recuerda que una variable por la que emparejas ya no se puede estudiar como factor de riesgo.

La medida: la odds ratio

Como el número de casos y controles lo fijas tú, no puedes calcular la incidencia ni el riesgo relativo directamente. Lo que sí puedes calcular es la odds ratio (OR): la odds de haber estado expuesto entre los casos dividida por la odds de exposición entre los controles. Cuando la enfermedad es rara, la OR se aproxima al riesgo relativo; y si los controles se eligen entre las personas en riesgo en el momento en que aparece cada caso (muestreo por densidad de incidencia), la OR estima la razón de tasas sin necesidad de ese supuesto (Vandenbroucke y Pearce, 2012).

Un ejemplo de tesis (ficticio): 120 pacientes diabéticos con úlcera de pie (casos) y 240 diabéticos sin úlcera atendidos en los mismos centros (controles). La exposición es no haber recibido educación estructurada en el cuidado del pie en los dos años anteriores.

Sin educación (expuestos)Con educaciónTotal
Casos (con úlcera)72 (60 %)48120
Controles (sin úlcera)84 (35 %)156240

OR = (72 × 156) / (48 × 84) = 2,79 (IC 95 % [1,77, 4,38]). La odds de no haber recibido educación fue casi tres veces mayor entre quienes desarrollaron la úlcera. Fíjate en lo que no dice: no dice que el riesgo de úlcera sea 2,79 veces mayor, ni cuántos pacientes sin educación desarrollan úlcera. Puedes calcular la OR y su intervalo desde tu tabla en la calculadora de odds ratio; la diferencia con el riesgo relativo está en odds ratio frente a riesgo relativo.

Qué análisis estadístico usar

SituaciónAnálisis
Una exposición, sin emparejamientoOR cruda con su IC 95 % y chi-cuadrado (o prueba exacta de Fisher con frecuencias pequeñas)
Controlar uno o dos confusores por estratosOR de Mantel-Haenszel
Varios confusores, sin emparejamiento o con emparejamiento por frecuenciaRegresión logística (no condicional), incluyendo las variables de emparejamiento
Emparejamiento individualRegresión logística condicional; con pares 1:1 y una exposición binaria, prueba de McNemar

Con emparejamiento individual, el análisis tiene que respetar el diseño. Pearce (2016) explica cuándo un análisis no condicional que ajusta por las variables de emparejamiento da el mismo resultado y cuándo romper las parejas sesga la OR hacia la unidad. Para escribir los resultados tienes cómo reportar una regresión logística en APA 7 y cómo reportar la odds ratio, y la tabla la puedes montar con el generador de tablas de regresión logística.

Sesgos que te van a señalar

  • Sesgo de selección. Controles que no vienen de la misma base que los casos. Es el fallo más frecuente y el más difícil de arreglar después.
  • Sesgo de recuerdo. Quien ha enfermado busca explicaciones y recuerda mejor sus exposiciones que quien está sano. Cuando se pueda, mide la exposición con registros (historia clínica, receta electrónica) en lugar de con la memoria.
  • Sesgo del entrevistador. Si quien pregunta sabe quién es caso, puede insistir más. Entrevistadores ciegos al grupo y cuestionarios estructurados lo reducen.
  • Causalidad inversa. La enfermedad puede haber cambiado la exposición (alguien que deja de hacer ejercicio por los síntomas iniciales). Define la ventana de exposición antes del diagnóstico.

Ventajas y limitaciones

VentajasLimitaciones
Rápido y barato; viable con pocos casosNo mide incidencia ni riesgo relativo directamente
Ideal para enfermedades raras o de latencia largaMuy sensible al sesgo de selección de controles y al de recuerdo
Permite estudiar varias exposiciones a la vezIneficiente si la exposición es rara
No hay pérdidas de seguimientoLa secuencia temporal puede ser difícil de establecer

Cómo reportarlo

La guía es STROBE, en su versión para casos y controles (von Elm et al., 2007). Lo que más falta en los manuscritos: la definición exacta de caso y de control, de dónde salen los controles y por qué representan la base de los casos, cuántos controles por caso y con qué criterio de emparejamiento, cómo se midió la exposición y si fue igual en los dos grupos, y las OR crudas y ajustadas con sus intervalos. Antes de enviar, el comprobador de checklist STROBE te dice qué ítems aparecen en tu texto y cuáles no.

Si estás planteando un estudio de casos y controles para tu tesis doctoral o para un artículo, en la consultoría de bioestadística para tu estudio clínico revisamos la selección de controles y el emparejamiento antes de recoger datos, calculamos el tamaño de la muestra y ejecutamos la regresión logística, condicional si toca, con las tablas listas para el manuscrito.

Preguntas frecuentes

¿Por qué en un estudio de casos y controles se usa la odds ratio y no el riesgo relativo?

Porque el número de casos y de controles lo fija el investigador, así que no se puede calcular cuántos expuestos enferman, que es lo que necesita el riesgo relativo. La odds ratio sí se puede estimar y, si la enfermedad es rara o los controles se muestrean por densidad de incidencia, se aproxima al riesgo relativo o a la razón de tasas.

¿Cuántos controles por caso necesito?

Lo habitual es uno o dos. Si los casos escasean, se pueden reclutar más controles para ganar potencia, pero a partir de tres o cuatro por caso la ganancia es pequeña y no compensa el coste.

¿Es obligatorio emparejar los controles?

No. Emparejar sirve para controlar un confusor fuerte desde el diseño, pero obliga a un análisis que respete el emparejamiento y te impide estudiar las variables emparejadas. Muchas veces basta con recoger bien los confusores y ajustarlos en la regresión logística.

¿Qué diferencia hay entre un estudio de casos y controles y una serie de casos?

La serie de casos describe a un grupo de pacientes con una enfermedad, sin grupo de comparación. El estudio de casos y controles compara a los casos con un grupo de controles, lo que permite estimar una asociación con una medida (la odds ratio) y su intervalo de confianza.

¿Qué guía de reporte se usa?

STROBE, en su versión para estudios de casos y controles. Incluye ítems específicos sobre la definición de casos y controles, el emparejamiento y su tratamiento en el análisis.

Referencias

  • Doll, R., & Hill, A. B. (1950). Smoking and carcinoma of the lung: Preliminary report. BMJ, 2(4682), 739–748. https://doi.org/10.1136/bmj.2.4682.739
  • Grimes, D. A., & Schulz, K. F. (2005). Compared to what? Finding controls for case-control studies. The Lancet, 365(9468), 1429–1433. https://doi.org/10.1016/S0140-6736(05)66379-9
  • Herbst, A. L., Ulfelder, H., & Poskanzer, D. C. (1971). Adenocarcinoma of the vagina: Association of maternal stilbestrol therapy with tumor appearance in young women. New England Journal of Medicine, 284(16), 878–881. https://doi.org/10.1056/NEJM197104222841604
  • Pearce, N. (2016). Analysis of matched case-control studies. BMJ, 352, i969. https://doi.org/10.1136/bmj.i969
  • Schulz, K. F., & Grimes, D. A. (2002). Case-control studies: Research in reverse. The Lancet, 359(9304), 431–434. https://doi.org/10.1016/S0140-6736(02)07605-5
  • Song, J. W., & Chung, K. C. (2010). Observational studies: Cohort and case-control studies. Plastic and Reconstructive Surgery, 126(6), 2234–2242. https://doi.org/10.1097/PRS.0b013e3181f44abc
  • Vandenbroucke, J. P., & Pearce, N. (2012). Case-control studies: Basic concepts. International Journal of Epidemiology, 41(5), 1480–1489. https://doi.org/10.1093/ije/dys147
  • von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. https://doi.org/10.1016/S0140-6736(07)61602-X
  • Wacholder, S., McLaughlin, J. K., Silverman, D. T., & Mandel, J. S. (1992). Selection of controls in case-control studies: I. Principles. American Journal of Epidemiology, 135(9), 1019–1028. https://doi.org/10.1093/oxfordjournals.aje.a116396

¿Estás diseñando un estudio de casos y controles?

Revisamos juntos la definición de caso, la elección y el emparejamiento de los controles y el tamaño de la muestra, y ejecuto el análisis (OR ajustadas, regresión logística condicional) con la sintaxis y las tablas para tu manuscrito.

Ver la consultoría de bioestadística →

Cómo citar esta guía

Ciudad-Fernández, V. (2026, 29 de octubre). Estudio de casos y controles: qué es, cómo elegir los controles y cómo analizarlo. Ciudad Science. https://analisisdedatospsicologia.com/blog/estudio-de-casos-y-controles

Sigue leyendo

Todos los artículos del blog