Medir (y comprender) la incertidumbre para lograr mejores decisiones

No lo es, no lo sabemos. Es un sentimiento esencial de un ser humano que generalmente se enfoca en el futuro: lo que pasará mañana. Pero la incertidumbre no vive sola en el calendario. También se instala al considerar los procesos que conducen a lo que sucede: ¿por qué me mide 1,65 metros? ¿Qué nos lleva, o no, desarrollar cáncer? ¿Qué están afectando los genes? No solo pregunte si, al lanzar la moneda, será costoso, sino que los mecanismos físicos y contextuales impulsan esos resultados y medidas.

No hay bola de vidrio: la realidad es compleja, ruidosa y a veces caprichosa; Y nuestro conocimiento es inevitablemente limitado. Lo que tenemos es un lenguaje para cuantificar esa falta de seguridad y convertirla en algo que podamos tomar decisiones: probabilidad. Y tenemos una disciplina que llama a ese idioma en el que observamos y medimos: estadísticas.

La probabilidad de lo que nos preocupa

Quizás el aterrizaje de la idea en el ejemplo nos ayuda a entenderlo mejor. Pensemos en el cáncer de pulmón. Las preocupaciones personales sobre la presencia de esta enfermedad se formulan en condiciones binarias: “¿Puedes tocarme o no?” – Pero la respuesta a esta duda razonable es probable. No es lo mismo decirnos que es probable desarrollar esta enfermedad 3%, 20%u 80%, ¿verdad? Ningún figurus garantiza el resultado final, pero cambiará las decisiones que tomamos con respecto a la frecuencia que haremos los exámenes, nuestros hábitos y nuestras prioridades.

La pregunta es entonces en cómo determinar esa probabilidad. Podemos centrarnos en la búsqueda de estimaciones construidas con condiciones similares, exposición ambiental, hábitos, antecedentes, etc., sin perder el hecho de que será, la evaluación y, como tal, se volverá a conectar, volver a conectarse. Por lo tanto, un estudio serio no confirmará “su riesgo es 3%” como si la propiedad fuera descubierta, pero “dadas sus características y datos disponibles, el riesgo es muy probable entre 1%y 5%”. Además, “muy probablemente” también se puede cuantificar, tratando de poner la clasificación y la coherencia en lo que sabemos lo que no.

¿Y qué depende de la calidad de esa evaluación? Bueno, básicamente tres pilares. Primero, datos: no es solo tanto, sino qué tan bien representan a la población que nos importa. Segundo, Diseño: cómo se recopilan estos datos, con qué controles, con qué tipo de cuidado evita el sesgo. Tercero, Modelo: Simplificación matemática y técnicas estadísticas que utilizamos para implementar una evaluación y cuya aplicabilidad dependerá de mejores o peores resultados con los mismos datos. Los datos suficientes, obtenidos por un buen diseño y analizado la técnica correcta siempre detendrán otro paso hacia el éxito.

A partir de aquí aparece otra pregunta: cuáles son variables realmente involucradas en riesgo. Volviendo al cáncer de pulmón, podemos evaluar factores como el tabaco, la contaminación, la ocupación, la actividad física … pero, alrededor, porque ver dos cosas que se mueven juntas no es suficiente para concluir que uno causó otro. Es posible que un gran estudio de observación determine que aquellos que hacen menos cáncer de pulmón hacen más deportes, pero quizás una conexión real es que más deportes no fuman.

Esto es lo que en las estadísticas, llamamos confusión. Para limpiarlo, tenemos que trabajar en ese segundo pilar que discutimos: un diseño más específico y más exigente elegiremos qué variables incluir en un modelo o qué será más efectivo en el modelo.

¿Cuánto me afecta eso?

Una vez que termina esa fase, la siguiente pregunta es el tamaño. No es suficiente saber si el factor afecta, también necesitamos saber cuánto cambia el riesgo. Esto debe distinguirse por riesgo absoluto y relativo. Decir que “fumar duplica el riesgo” significa hablar en una visión relativa: si una persona no feroz tiene un 10% de riesgo, duplicarlo conduce al 20%. Suena igualmente fuerte cuando el riesgo pasa 0.5% a 1%, pero el impacto práctico es diferente.

En ese sentido, cuando se hace referencia a este hábito, hablan de riesgos relativos, probabilidad de probabilidad, pero realmente importante que esta jerga termine convirtiéndose en números que leen que en la vida pueden ponerlo en sus vidas.

Y el último obvio que nunca quedó: ver uno de estos valores escritos, puede haber porcentaje. Es importante que no lo confunda con probabilidad y, en ese sentido de probabilidad, nunca supera el 100%. Dar valor es fácil. Interpretarlo y comprender las reglas que lo administran, no tanto.

Una guía breve para comprender la probabilidad

Volvamos al momento en que le informan sobre su probabilidad de cáncer de pulmón. Lo habitual es ver eso expresado en porcentaje (entre 0% y 100%). También se puede expresar hasta el tiempo que un -3% es 0.03; 20% son 0.2 o como “x cada n” donde, por ejemplo, uno de cada 1 000 sería 0.1% (0.001) o tres de diez, al 30%.

El problema ocurre cuando los formatos se mezclan en el mismo texto, porque tendemos a ver más (n) que en parte (x) y podemos ser “uno de cada 1,000” riesgo de “uno en 100”, cuando en realidad estamos hablando de 0.1% en comparación con el 1%.

Se dio cuenta del número, es hora de interpretarlo y tenemos dos miradas diferentes. La apariencia honesta comprende la probabilidad como la frecuencia que veríamos el evento cuando repitamos el proceso muchas veces. Funciona muy bien en contextos controlados y repetibles. Pero cuando estamos hablando de la probabilidad de lluvia o de que una persona está informada, donde no podemos “repetir” el mismo día o la misma vida, lo cual es más natural, lo que con probabilidad conduce al grado de evidencia coherente a través de la coherencia con la nueva evidencia.

Estas dos perspectivas también ayudan a comprender la incertidumbre de la evaluación. El rango de valores creíbles que discutimos anteriormente se llaman intervalos de confianza bajo la frecuencia de paradigma o intervalos de credibilidad bajo Baesonia. En ambos casos, nos ayudan a medir la confiabilidad de la evaluación. El riesgo estimado entre el 1% y el 5% no son los mismos entre 1% y 10%. Quizás ambas cifras nos dejan tranquilos a la enfermedad, pero el primer intervalo es más específico y, por lo tanto, más informativo sobre lo que sabemos y señalamos, probablemente mejores datos o un mejor uso de estos.

En resumen, la inseguridad está presente en cualquier proceso diurno y no se puede eliminar, pero es una medida. En esto, lo devolvemos visible y honesto. La probabilidad y las estadísticas no prometen conciencia, sino mejores preguntas y un más consciente de la decisión. No se trata de controlar el bosque lleno de esquinas oscuras, sino caminar a través de él con mejores criterios.

La versión original de este artículo fue publicada en la revista Telos, por Foundation Telephone.