--- title: "Conceptos estadísticos" titulo: "Conceptos Estadísticos para la Lectura Crítica" carpeta: "02-Conocimiento-Relevante" tipo: nota-marco estado: borrador evidencia: capa-A fecha-creacion: 2026-05-10 fecha-revision: 2026-05-10 tags: [estadistica, sesgo, intervalos-de-confianza, sensibilidad, especificidad, valor-predictivo, base-rate, denominador] relacionadas: - "[[02-Conocimiento-Relevante/02-Epidemiologia]]" - "[[10-Evidencia-Cientifica/01-Niveles-de-Evidencia]]" - "[[06-Como-Lo-Diagnostican/05-Limitaciones-Diagnosticas]]" - "[[00-Contexto/00-Clase-Base-de-Analisis-Epidemiologico]]" --- # Conceptos Estadísticos para la Lectura Crítica > **Rol de esta nota:** Herramientas estadísticas mínimas para evaluar críticamente los datos epidemiológicos del Hantavirus y de cualquier evento de salud pública. No pretende ser un curso de estadística — pretende evitar los errores más frecuentes de interpretación de datos numéricos en contexto epidemiológico. --- ## La regla de oro: ningún número habla por sí solo El Principio 6 del marco fundacional del proyecto afirma que el número sin contexto no informa. Esta sección formaliza ese principio en términos estadísticos concretos. Ante cualquier cifra epidemiológica, las preguntas obligatorias son: 1. ¿Cuál es el denominador? (el número sobre el que se calcula el porcentaje) 2. ¿Cuál es la referencia histórica? (¿es más o menos de lo esperado?) 3. ¿Cuál es la incertidumbre? (¿qué tan confiable es el dato?) 4. ¿Cómo se definió lo que se está contando? (¿cómo se construyó el numerador?) --- ## Sensibilidad y especificidad de las pruebas diagnósticas Estas métricas describen la capacidad de una prueba para identificar correctamente a los enfermos y a los sanos: | Métrica | Definición | Fórmula | |---|---|---| | **Sensibilidad** | Capacidad de detectar los enfermos verdaderos | VP / (VP + FN) | | **Especificidad** | Capacidad de descartar a los sanos verdaderos | VN / (VN + FP) | | **VPP** (Valor Predictivo Positivo) | Probabilidad de estar enfermo si el test es positivo | VP / (VP + FP) | | **VPN** (Valor Predictivo Negativo) | Probabilidad de estar sano si el test es negativo | VN / (VN + FN) | *VP = Verdadero Positivo; VN = Verdadero Negativo; FP = Falso Positivo; FN = Falso Negativo* ### El efecto de la prevalencia en el VPP: por qué importa saber quién se testa El VPP de un test depende no solo de la especificidad del test sino también de la **prevalencia de la enfermedad en la población que se está testeando**. Este es el error estadístico más frecuente en la lectura de resultados diagnósticos: **Ejemplo con RT-PCR de Hantavirus (especificidad 99%):** | Escenario | Prevalencia en población testeada | VPP | |---|---|---| | Trabajador rural con síntomas en zona endémica | 10% | 92% | | Residente urbano sin síntomas ni exposición | 0,01% | ~1% | El mismo test positivo en el trabajador rural casi con certeza indica infección real. En el residente urbano sin factores de riesgo, casi con certeza es un falso positivo — aunque el test es el mismo. **Aplicación al Hantavirus en 2026:** Si en un contexto de alta atención mediática se realizan pruebas de Hantavirus en poblaciones de bajo riesgo, la mayoría de los positivos serán falsos positivos. Esto inflaría artificialmente el número de "casos confirmados". --- ## El error de la tasa de base (base rate neglect) El sesgo cognitivo más documentado en la interpretación de riesgos médicos: ignorar la probabilidad a priori (la tasa de base) cuando se evalúa una probabilidad posterior. **Ejemplo clásico:** - Enfermedad X tiene una prueba diagnóstica con sensibilidad 99% y especificidad 99% - La enfermedad afecta al 0,1% de la población - Si una persona aleatoria da positivo, ¿cuál es la probabilidad de que realmente tenga la enfermedad? Respuesta intuitiva habitual: 99%. Respuesta correcta: ~9%. (De cada 1000 personas testeadas, ~1 tiene la enfermedad y da positivo; ~10 no tienen la enfermedad y dan falso positivo. Así que de 11 positivos, solo 1 es verdadero → VPP ≈ 9%) Este error es la razón por la que testear a poblaciones de bajo riesgo produce más confusión que información. --- ## Intervalos de confianza: la incertidumbre que los medios ocultan Un intervalo de confianza del 95% (IC 95%) es el rango de valores dentro del cual, con un 95% de probabilidad, se encuentra el valor verdadero del parámetro estimado. **Ejemplo:** CFR del Andes virus = 30% (IC 95%: 22–41%) Esto significa: con los datos disponibles, el CFR real probablemente está entre el 22% y el 41%. Afirmar que el CFR es "del 30%" como si fuera un valor exacto oculta esta incertidumbre. Los medios de comunicación raramente reportan intervalos de confianza — presentan las estimaciones puntuales como certezas. Ver → [[09-Medios-y-Narrativas/05-Lenguaje-y-Narrativas]] --- ## Correlación vs. causalidad Dos variables pueden estar correlacionadas (moverse juntas estadísticamente) sin que una cause a la otra. Las causas posibles de una correlación son: 1. A causa B 2. B causa A (causalidad inversa) 3. C causa tanto A como B (factor de confusión) 4. La correlación es puramente azarosa en ese conjunto de datos (falsa positiva) **Ejemplo en Hantavirus:** - Observación: los casos de Hantavirus son más frecuentes en personas que viven cerca de bosques - Interpretación incorrecta: vivir cerca de bosques causa Hantavirus - Interpretación correcta: vivir cerca de bosques aumenta la probabilidad de contacto con roedores → aumenta la exposición → aumenta el riesgo de infección. La causalidad pasa por un mecanismo intermediario específico. Los medios de comunicación frecuentemente presentan correlaciones como causalidades. La pregunta metodológica clave es siempre: ¿cuál es el mecanismo propuesto? --- ## Significación estadística vs. relevancia clínica Un resultado estadísticamente significativo (p < 0,05) no es necesariamente clínicamente relevante, y viceversa. - Un estudio muy grande puede detectar una diferencia minúscula como estadísticamente significativa aunque no tenga ninguna importancia práctica - Un estudio pequeño puede no detectar como significativa una diferencia que es clínicamente importante Para el Hantavirus, esto importa al interpretar estudios de antivirales o de efectividad de medidas preventivas en muestras pequeñas. --- ## Números absolutos vs. riesgo relativo El riesgo relativo (RR) describe cuántas veces más probable es un evento en el grupo expuesto respecto al no expuesto. El riesgo absoluto describe la diferencia real en probabilidad. **Ejemplo:** - RR de HPS en trabajadores rurales vs. población general: 50× - Pero si la incidencia en población general es 0,001%, el riesgo absoluto en trabajadores rurales es 0,05% — todavía bajo en términos absolutos El lenguaje de riesgo relativo tiende a ser dramático. El de riesgo absoluto tiende a poner las cosas en perspectiva. Los medios prefieren el primero; la comunicación de riesgo rigurosa requiere ambos. --- ## Fuentes y nivel de evidencia | Fuente | Capa | Notas | |---|---|---| | Greenhalgh T. *How to Read a Paper: The Basics of Evidence-Based Medicine*. 6th ed. Wiley. 2019 | A | La referencia más accesible para lectura crítica de literatura médica | | Gerd Gigerenzen. *Reckoning with Risk*. Penguin. 2002 | A | El mejor libro sobre la comunicación del riesgo y los errores estadísticos | | Altman DG, Bland JM. *Statistics Notes series*. BMJ. 1994–2020 | A | Serie de notas breves sobre conceptos estadísticos — disponible en BMJ online | --- ## Conexiones salientes - [[02-Conocimiento-Relevante/02-Epidemiologia]] — la base epidemiológica de estos conceptos estadísticos - [[10-Evidencia-Cientifica/01-Niveles-de-Evidencia]] — el sistema de capas que formaliza la incertidumbre - [[06-Como-Lo-Diagnostican/05-Limitaciones-Diagnosticas]] — los sesgos estadísticos en el diagnóstico - [[00-Contexto/00-Clase-Base-de-Analisis-Epidemiologico]] — el Principio 6 (el número sin contexto no informa) formalizado aquí