Introducción
Como un verdadero experimento, un diseño cuasi-experimental tiene como objetivo establecer una relación de causa y efecto entre una variable independiente y una dependiente.
Sin embargo, a diferencia de un verdadero experimento, un cuasi-experimento no se basa en una asignación aleatoria. En cambio, los sujetos se asignan a grupos en función de criterios no aleatorios.
El diseño cuasi experimental es una herramienta útil en situaciones en las que los experimentos reales no pueden utilizarse por razones éticas o prácticas.
Desarrollo del tema
Diferencias entre cuasi-experimentos y experimentos verdaderos
Hay varias diferencias comunes entre los diseños verdaderos y cuasi-experimentales.
| – | Verdadero diseño experimental | Diseño cuasi-experimental |
|---|---|---|
| Asignación al tratamiento | El investigador asigna aleatoriamente a los sujetos a los grupos de control y tratamiento. | Se utiliza algún otro método no aleatorio para asignar sujetos a grupos. |
| Control sobre el tratamiento | El investigador suele diseñar el tratamiento. | El investigador a menudo no tiene control sobre el tratamiento, sino que estudia grupos preexistentes que recibieron diferentes tratamientos después del hecho. |
| Uso de grupos de control | Requiere el uso de grupos de control y tratamiento. | No se requieren grupos de control (aunque se usan comúnmente). |
Ejemplo de un experimento real frente a un cuasi-experimento
Supongamos que está interesado en el impacto de una nueva terapia psicológica en pacientes con depresión.
| Ejemplo: verdadero diseño experimental Para realizar un experimento real, asigna al azar a la mitad de los pacientes en una clínica de salud mental para que reciban el nuevo tratamiento. La otra mitad, el grupo de control, recibe el tratamiento estándar para la depresión. Cada pocos meses, los pacientes completan una hoja que describe sus síntomas para ver si el nuevo tratamiento produce efectos significativamente mejores (o peores) que el estándar. |
Sin embargo, por razones éticas, es posible que los directores de la clínica de salud mental no le den permiso para asignar aleatoriamente a sus pacientes a tratamientos. En este caso, no puede ejecutar un experimento real.
En su lugar, puede utilizar un diseño cuasi-experimental.
| Ejemplo: diseño cuasi-experimental Descubre que algunos de los psicoterapeutas de la clínica han decidido probar la nueva terapia, mientras que otros que tratan a pacientes similares han optado por seguir el protocolo normal. Puede utilizar estos grupos preexistentes para estudiar la progresión de los síntomas de los pacientes tratados con la nueva terapia frente a los que reciben el tratamiento estándar. Aunque los grupos no se asignaron al azar, si se tienen en cuenta correctamente las diferencias sistemáticas entre ellos, se puede estar razonablemente seguro de que las diferencias deben surgir del tratamiento y no de otras variables de confusión. |
Tipos de diseños cuasiexperimentales
Existen muchos tipos de diseños cuasiexperimentales. Aquí explicamos tres de los tipos más comunes: diseño de grupos no equivalentes, discontinuidad de regresión y experimentos naturales.
Diseño de grupos no equivalentes
En el diseño de grupos no equivalentes, el investigador elige grupos existentes que parecen similares, pero donde solo uno de los grupos experimenta el tratamiento.
En un verdadero experimento con asignación aleatoria, los grupos de control y tratamiento se consideran equivalentes en todos los sentidos excepto en el tratamiento. Pero en un cuasi-experimento en el que los grupos no son aleatorios, pueden diferir de otras maneras: son grupos no equivalentes.
Al utilizar este tipo de diseño, los investigadores intentan tener en cuenta cualquier variable de confusión controlándola en su análisis o eligiendo grupos que sean lo más similares posible.
Este es el tipo más común de diseño cuasi-experimental.
| Ejemplo: diseño de grupos no equivalentes Tienes la hipótesis de que un nuevo programa después de la escuela conducirá a calificaciones más altas. Elige dos grupos similares de niños que asisten a diferentes escuelas, uno de los cuales implementa el nuevo programa y el otro no. Al comparar a los niños que asisten al programa con los que no, puede averiguar si tiene un impacto en las calificaciones. |
Discontinuidad de regresión
Muchos tratamientos potenciales que los investigadores desean estudiar están diseñados en torno a un punto de corte esencialmente arbitrario, en el que los que están por encima del umbral reciben el tratamiento y los que están por debajo no.
Cerca de este umbral, las diferencias entre los dos grupos suelen ser tan mínimas que casi no existen. Por lo tanto, los investigadores pueden utilizar a los individuos justo por debajo del umbral como grupo de control y a los que están justo por encima como grupo de tratamiento.
| Ejemplo: discontinuidad de regresión Algunas escuelas secundarias en los Estados Unidos están reservadas para estudiantes de alto rendimiento, quienes deben superar una determinada puntuación en una prueba para poder asistir. Los que pasan esta prueba muy probablemente difieren sistemáticamente de los que no lo hacen. Sin embargo, dado que la puntuación de corte exacta es arbitraria, los estudiantes que se encuentran cerca del umbral (aquellos que apenas aprueban el examen y los que fallan por un margen muy pequeño) tienden a ser muy similares, y las pequeñas diferencias en sus puntuaciones se deben principalmente a factores aleatorios, oportunidad. Por lo tanto, puede concluir que cualquier diferencia en los resultados debe provenir de la escuela a la que asistieron. Para probar el impacto de asistir a una escuela selectiva, puede estudiar los resultados a largo plazo de estos dos grupos de estudiantes (los que apenas aprobaron y los que apenas reprobaron). |
Experimentos naturales
Tanto en los experimentos de laboratorio como de campo, los investigadores normalmente controlan a qué grupo se asignan los sujetos. En un experimento natural, un evento o situación externa («naturaleza») da como resultado la asignación aleatoria o similar de sujetos al grupo de tratamiento.
| Ejemplo: discontinuidad de regresión Algunas escuelas secundarias en los Estados Unidos están reservadas para estudiantes de alto rendimiento, quienes deben superar una determinada puntuación en una prueba para poder asistir. Los que pasan esta prueba muy probablemente difieren sistemáticamente de los que no lo hacen. Sin embargo, dado que la puntuación de corte exacta es arbitraria, los estudiantes que se encuentran cerca del umbral (aquellos que apenas aprueban el examen y los que fallan por un margen muy pequeño) tienden a ser muy similares, y las pequeñas diferencias en sus puntuaciones se deben principalmente a factores aleatorios, oportunidad. Por lo tanto, puede concluir que cualquier diferencia en los resultados debe provenir de la escuela a la que asistieron. Para probar el impacto de asistir a una escuela selectiva, puede estudiar los resultados a largo plazo de estos dos grupos de estudiantes (los que apenas aprobaron y los que apenas reprobaron). |
Aunque algunos usan asignaciones aleatorias, los experimentos naturales no se consideran experimentos verdaderos porque son de naturaleza observacional.
| Ejemplo: experimento natural El Estudio de Salud de Oregón es uno de los experimentos naturales más famosos. En 2008, el estado de Oregón decidió ampliar la inscripción en Medicaid, el programa de seguro de salud público de bajos ingresos de los Estados Unidos, a más adultos de bajos ingresos. Sin embargo, como no podían permitirse cubrir a todos los que consideraban elegibles para el programa, en su lugar asignaron lugares en el programa en función de una lotería aleatoria. Los investigadores pudieron estudiar el impacto del programa utilizando a las personas inscritas como un grupo de tratamiento asignado al azar, y a los demás que eran elegibles pero no tuvieron éxito en la lotería como grupo de control. |
Aunque los investigadores no tienen control sobre la variable independiente, pueden explotar este evento después del hecho para estudiar el efecto del tratamiento.
Cuándo usar el diseño cuasi-experimental
Aunque los experimentos verdaderos tienen una mayor validez interna, puede optar por utilizar un diseño cuasiexperimental por razones éticas o prácticas.
Ético
A veces sería poco ético proporcionar o negar un tratamiento de forma aleatoria, por lo que un verdadero experimento no es factible. En este caso, un cuasi-experimento puede permitirle estudiar la misma relación causal sin los problemas éticos.
El Estudio de Salud de Oregón es un buen ejemplo. Sería poco ético proporcionar al azar un seguro de salud a algunas personas, pero evitar deliberadamente que otros lo reciban únicamente con fines de investigación. Sin embargo, dado que el gobierno de Oregón enfrentó restricciones financieras y decidió brindar un seguro de salud a través de la lotería, estudiar este evento después del hecho es un enfoque mucho más ético para estudiar el mismo problema.
Práctico
El verdadero diseño experimental puede ser inviable de implementar o simplemente demasiado costoso, especialmente para los investigadores que no tienen acceso a grandes flujos de financiación.
En otras ocasiones, se requiere demasiado trabajo para reclutar y diseñar adecuadamente una intervención experimental para un número adecuado de sujetos para justificar un verdadero experimento.
En cualquier caso, los diseños cuasi-experimentales le permiten estudiar la pregunta aprovechando los datos que otros (a menudo, el gobierno) han pagado o recopilado previamente.
Ventajas y desventajas
Los diseños cuasi-experimentales tienen varios pros y contras en comparación con otros tipos de estudios.
- Mayor validez externa que la mayoría de los experimentos verdaderos, porque a menudo involucran intervenciones del mundo real en lugar de entornos de laboratorio artificiales.
- Mayor validez interna que otros tipos de investigación no experimental, porque le permiten controlar mejor las variables de confusión que otros tipos de estudios.
- Menor validez interna que los experimentos verdaderos: sin aleatorización, puede ser difícil verificar que se hayan tenido en cuenta todas las variables de confusión.
- El uso de datos retrospectivos que ya se han recopilado para otros fines puede ser inexacto, incompleto o de difícil acceso.
Preguntas frecuentes sobre diseños cuasi-experimentales
¿Qué es un cuasi – experimento?
Un cuasi-experimento es un tipo de diseño de investigación que intenta establecer una relación de causa y efecto. La principal diferencia con un experimento real es que los grupos no se asignan al azar.
¿Qué es la asignación aleatoria?
En la investigación experimental, la asignación aleatoria es una forma de colocar a los participantes de su muestra en diferentes grupos mediante la aleatorización. Con este método, cada miembro de la muestra tiene una probabilidad conocida o igual de ser colocado en un grupo de control o en un grupo experimental.
¿Cuándo debo usar un diseño cuasi – experimental?
El diseño cuasiexperimental es más útil en situaciones en las que sería poco ético o práctico realizar un experimento real.
Los cuasi-experimentos tienen una validez interna más baja que los experimentos verdaderos, pero a menudo tienen una validez externa más alta, ya que pueden usar intervenciones del mundo real en lugar de entornos de laboratorio artificiales.
Conclusión
Una vez abordado el tópico en cuestión, resulta relevante enfatizar que los cuasi-experimentos son estudios que tienen como objetivo evaluar intervenciones pero que no utilizan la aleatorización. Al igual que los ensayos aleatorios, los cuasi experimentos tienen como objetivo demostrar la causalidad entre una intervención y un resultado. Además, pueden ser utilizados tanto en mediciones previas como posteriores a la intervención, así como grupos de control seleccionados de forma no aleatoria.
Fuentes consultadas
- Harris, A. D., McGregor, J. C., Perencevich, E. N., Furuno, J. P., Zhu, J., Peterson, D. E., & Finkelstein, J. (2006). The use and interpretation of quasi-experimental studies in medical informatics. Journal of the American Medical Informatics Association: JAMIA, 13(1), 16–23. https://doi.org/10.1197/jamia.M1749
- Thomas, L. (2020, July 31). Quasi-experimental design. Scribbr. https://www.scribbr.com/methodology/quasi-experimental-design/