Hypothesizing an effect size by considering individual variation
Este artículo presenta un enfoque para formular hipótesis realistas sobre el efecto promedio de un tratamiento en estudios experimentales u observacionales, considerando primero la distribución de efectos individuales y demostrando su utilidad con ejemplos en medicina, economía y psicología.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Título: No adivines el promedio, imagina la variedad: Una guía sencilla sobre cómo predecir los efectos de un tratamiento
Imagina que eres un arquitecto que va a construir un puente. Antes de poner el primer ladrillo, necesitas saber qué tan fuerte debe ser. Si adivinas mal, el puente podría colapsar o ser una obra maestra innecesariamente costosa. En la ciencia, esto es lo que llamamos "hacer una hipótesis sobre el tamaño del efecto": intentar predecir cuánto cambiará algo (como una medicina, una política o una enseñanza) antes de hacer el experimento.
El problema es que los científicos suelen cometer un error grave: intentan adivinar un solo número (el "promedio") y se equivocan mucho.
Este artículo de Gelman y sus colegas propone una solución brillante: deja de pensar en un número y empieza a pensar en una historia completa de variaciones.
Aquí te lo explico con analogías cotidianas:
1. El error de la "Medida Mágica"
Imagina que un médico dice: "Mi nueva medicina salvará al 25% de los pacientes". Suena bien, ¿verdad? Pero, ¿qué significa eso realmente?
- ¿Salva al 25% de todos un poco?
- ¿O salva al 100% de un grupo pequeño y no hace nada por el resto?
Los científicos a menudo se obsesionan con ese "25%" promedio. Pero la realidad es como una orquesta: no todos los instrumentos tocan la misma nota al mismo volumen. Algunos pacientes se curarán milagrosamente, otros no cambiarán en absoluto, y algunos incluso podrían empeorar. Si solo te fijas en el "volumen promedio" de la orquesta, pierdes la esencia de la música.
2. La trampa de los "Pilotajes" (Pruebas pequeñas)
A veces, los científicos hacen una prueba pequeña (un "piloto") con 20 personas antes de lanzar el estudio grande. Si en esas 20 personas la medicina funcionó increíblemente bien, piensan: "¡Genial! Funcionará igual de bien en 10,000 personas".
La analogía: Es como si fueras a pescar en un lago. Lanzas una red pequeña y sacas 5 peces gigantes. Te emocionas y piensas que el lago está lleno de peces gigantes. Pero la realidad es que quizás solo pescaste en el único lugar donde había peces grandes, y el resto del lago está lleno de peces pequeños o nada. Las pruebas pequeñas son tan ruidosas que te pueden dar una ilusión óptica de éxito.
3. La nueva estrategia: "El Mapa de la Variación"
En lugar de preguntar "¿Cuál es el número promedio?", el artículo sugiere que hagamos un ejercicio mental de desglose:
- Pensemos en los extremos: ¿Quién es la persona a la que esta medicina le salvaría la vida al 100%? ¿Y quién es a la que no le haría absolutamente nada?
- Pensemos en los "Nulos Puros": Hay gente a la que el tratamiento simplemente no les afecta (porque no toman la pastilla, porque su cuerpo no la absorbe, o porque ya estaban sanos). Imagina que el 50% de la gente es "inmune" al tratamiento.
- Construyamos la historia: Si el 50% no cambia nada, y el otro 50% mejora un 100%, el "promedio" real es solo un 50%. ¡Mucho más bajo que lo que imaginábamos al principio!
La analogía del restaurante:
Imagina que abres un restaurante y quieres saber si tu plato estrella es bueno.
- El viejo método: Preguntas a 5 amigos: "¿Te gusta?". Todos dicen "¡Sí!". Promedio: 100% de aprobación.
- El nuevo método: Te preguntas: "¿A quién le gustará de verdad?".
- A los vegetarianos no les gustará (0%).
- A los que odian el picante no les gustará (0%).
- Solo a los amantes de la comida picante les encantará (100%).
- Si tu restaurante sirve a todo el mundo, tu "promedio" real será mucho más bajo. Entender esto te ayuda a saber si vale la pena abrir el restaurante (hacer el experimento) y cuánta gente necesitas invitar (tamaño de la muestra).
4. ¿Por qué es esto importante? (El "Crisis de la Replicación")
Muchos estudios científicos fallan al repetirse. ¿Por qué? Porque los primeros estudios a menudo se hacen en condiciones "perfectas" (con gente muy seleccionada) y los científicos asumen que funcionará igual en el mundo real.
Al pensar en la variación individual, nos volvemos más humildes y realistas:
- Sabemos que un efecto grande en un grupo pequeño puede ser un "efecto de selección" (solo funcionó con los que ya estaban listos).
- Entendemos que si un tratamiento funciona para algunos pero no para otros, el "promedio" será pequeño, y necesitamos muchos más datos para verlo claramente.
En resumen
El artículo nos dice: Deja de intentar adivinar un solo número mágico.
En su lugar, imagina una caja de herramientas llena de diferentes resultados posibles para diferentes personas.
- ¿Quiénes se beneficiarán mucho?
- ¿Quiénes no se beneficiarán en absoluto?
- ¿Quiénes podrían incluso salir perdiendo?
Al construir esta "historia de variación" antes de empezar, los científicos pueden diseñar mejores experimentos, evitar ilusiones ópticas sobre el éxito y, lo más importante, entender la realidad tal como es: compleja, variada y llena de matices, no un simple número redondo.
La moraleja: No busques el promedio de la multitud; entiende la diversidad de la multitud. Así es como se hace ciencia más honesta y útil.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.