¿Qué sesgos pueden presentar la dicotomización de variables? Donner y Eliasziw estudiaron las consecuencias de la dicotomización de variables continuas con respecto a la pérdida de potencia estadística y concluyeron que en estudios de confiabilidad tal pérdida puede ser considerable. Cumsille ha demostrado que la dicotomización de la variable de control implica el cambio de un modelo de regresión lineal a un modelo no lineal. Se puede presentar una infraestimación y sobrestimación de las variables medidas. Perdida de la información y potencia estadística del análisis realizado. Su evaluacion es inadecuada. Su efectividad es cuestionada Conclusiones basadas en la combinación de variables suele ser dudosa. ¿Qué facilita la dicotomización de variables? Altman indica que la categorización de variables continuas permite a los investigadores evitar los fuertes supuestos requeridos por ciertos modelos acerca de la relación entre las variables y la medición del riesgo Se representa de una mejor manera el estado de enfermo/no enfermo facilitar la interpretación de los coeficientes de un modelo estadístico según los criterios de varios estudios que se han realizado asi como comparaciones en cuanto a la dicotomización de variables debe evitarse en lo posible y se encuentra que se encuentran una serie de peligros ampliamente reconocidos. Referencias: Cumsille, F. y Bangdiwala, S.I. (2000). Categorización de variables en el análisis estadístico de datos: consecuencias sobre la interpretación de resultados.
