🧬 biology

Equivalence testing in pesticide risk assessment -- Evaluation and practical guidance for design, analysis and interpretation

Este artículo evalúa los marcos de pruebas de equivalencia para la evaluación de riesgos de pesticidas, demostrando que, si bien es necesario un mayor número de réplicas por sitio para tomar decisiones regulatorias fiables, el enfoque original de la EFSA supera a otros métodos alternativos en la detección de efectos nocivos, y que la potencia estadística puede mantenerse con menos sitios mediante el ajuste de covariables o la aleatorización por anticúster.

Autores originales: Dimitry Wintermantel, Julia Osterman, Magdalena M. Mair, Florian Hartig

Publicado 2026-07-09

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Dimitry Wintermantel, Julia Osterman, Magdalena M. Mair, Florian Hartig

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que eres un juez en una sala de tribunal, pero en lugar de decidir si alguien es culpable de un delito, estás decidiendo si un nuevo pesticida es seguro para las abejas melíferas. Durante mucho tiempo, la regla del juego era: "Si no podemos probar que el pesticida está dañando a las abejas, entonces debe ser seguro".

El problema con esta vieja regla es que, a veces, la sala del tribunal es demasiado pequeña, los testigos están demasiado confundidos o la evidencia es demasiado desordenada para ver el daño, incluso cuando está ahí. Es como intentar escuchar un susurro en un estadio ruidoso; el hecho de que no hayas escuchado el susurro no significa que el susurro no estuviera allí. Este artículo argumenta que este enfoque de "el silencio significa seguridad" ha permitido que pesticidas peligrosos se filtren por las grietas.

Aquí hay un desglose de los hallazgos del artículo utilizando analogías simples:

1. La Nueva Regla: "Demuestra que eres seguro, no solo que eres inofensivo"

La Autoridad Europea de Seguridad Alimentaria (EFSA) ha cambiado las reglas. Ahora, la empresa de pesticidas (el demandado) debe demostrar que su producto causa menos de una caída del 10% en el tamaño de una colonia de abejas. Esto se llama una Prueba de Equivalencia.

La Forma Antigua (Prueba de Diferencia): "¿Murieron las abejas? Si no podemos probar que murieron, ganas". (Esto es como decir: "Si no puedo probar que robaste mi billetera, no la robaste", incluso si no busqué con mucha atención).
La Nueva Forma (Prueba de Equivalencia): "Muéstranos que el daño es tan pequeño que está por debajo de la línea del 10%. Si no puedes demostrar que está por debajo de esa línea, pierdes".

2. La Controversia: Dos Reglas Diferentes

Algunos críticos (Hotopp et al.) argumentaron que la nueva regla es demasiado estricta. Dijeron: "Las abejas tienen fluctuaciones naturales en su población, como una montaña rusa. Si comparamos las abejas con el pesticida con el promedio de las abejas de control, podríamos rechazar pesticidas seguros solo debido al ruido natural".

Ellos propusieron una nueva "regla": En lugar de comparar el pesticida con el promedio de las abejas seguras, compáralo con el punto más bajo del rango de confianza de las abejas seguras. Argumentaron que esto haría que fuera más fácil pasar la prueba.

El Veredicto del Artículo:
Los autores realizaron miles de simulaciones por computadora (como jugar un videojuego un millón de veces para ver qué sucede) y descubrieron que la nueva regla de los críticos es en realidad una regla laxa.

La Analogía: Imagina que el límite de seguridad es un requisito de altura para una montaña rusa (debes medir menos de 6 pies para estar seguro).
- La regla de la EFSA dice: "Mide la altura de la persona. Si mide menos de 6 pies, es segura".
- La regla de los Críticos dice: "Mide la altura de la persona, pero luego resta un poco de 'margen de maniobra' antes de medir. Si mide menos de 6 pies después de restar el margen de maniobra, es segura".
El Resultado: La regla de los críticos deja pasar a personas que en realidad son demasiado altas (pesticidas peligrosos) porque el "margen de maniobra" oculta su verdadera altura. El artículo muestra que la regla de la EFSA es la única que mantiene de manera confiable a los peligrosos fuera.

3. El Costo de la Seguridad: ¿Cuántas Colmenas Necesitamos?

Para asegurar que la prueba sea precisa (estadísticamente robusta o "con poder"), se necesita suficiente información. El artículo encontró que para estar 100% seguro de que un pesticida es seguro, es necesario probarlo en muchos lugares diferentes (sitios) con muchas colmenas.

El Problema: Los estudios actuales suelen utilizar muy pocos sitios. Es como intentar juzgar la calidad de todo un bosque mirando solo un árbol.
La Solución: El artículo muestra que si tienes un pesticida que es verdaderamente seguro (o que causa muy poco daño, como una caída del 5%), no necesitas tantos sitios como sugerían las reglas anteriores, PERO sí necesitas más de los que usamos actualmente.

4. El Truco de Magia: "Equilibrar la Balanza"

El artículo ofrece una forma ingeniosa de reducir el número de colmenas necesarias sin perder precisión. Se llama Aleatorización por Anticlúster (Anticlustering Randomization).

La Analogía: Imagina que estás dividiendo a un grupo de personas en dos equipos para una carrera. Si solo eliges nombres de un sombrero, un equipo podría recibir accidentalmente a todos los corredores altos y rápidos, y el otro a los cortos y lentos. El resultado de la carrera sería injusto, no por los zapatos que usaron (el pesticida), sino por su altura.
La Solución: Antes de la carrera, emparejas cuidadosamente a los corredores altos con los corredores cortos y los divides equitativamente entre los equipos. Esto asegura que ambos equipos comiencen en igualdad de condiciones.
En el Artículo: Los investigadores crearon una herramienta informática (una función de R) que ayuda a los científicos a organizar sus colmenas de modo que las colonias fuertes y las colonias débiles estén perfectamente equilibradas entre el grupo "seguro" y el grupo del "pesticida". Este "nivelar el campo de juego" significa que necesitas menos colmenas para obtener una respuesta clara, ahorrando dinero y tiempo mientras mantienes seguras a las abejas.

5. La Conclusión Final

No confíes en la "regla laxa": La prueba alternativa propuesta por los críticos hace que sea demasiado fácil aprobar pesticidas peligrosos.
Confía en la regla de la EFSA: Es estricta, pero es la única que protege de manera confiable a las abejas.
Haz bien las matemáticas: Necesitamos más sitios de campo de los que usamos actualmente, pero podemos reducir el número necesario mediante una planificación inteligente (equilibrando las abejas) antes de comenzar el experimento.
La interpretación importa: Si un estudio no logra probar que un pesticida es seguro, eso no significa automáticamente que el pesticida sea peligroso; simplemente significa que aún no hemos probado que sea seguro. No deberíamos llamar "seguro" a algo solo porque no encontramos pruebas de daño.

En resumen: Para proteger a nuestros polinizadores, debemos dejar de adivinar y empezar a medir con una regla estricta y justa, utilizando una organización inteligente para asegurar que nuestras mediciones sean claras.

Resumen Técnico: Pruebas de Equivalencia en la Evaluación de Riesgos de Pesticidas

Planteamiento del Problema

Las evaluaciones de riesgo regulatorio para pesticidas, particularmente para las abejas melíferas (Apis mellifera), se han basado históricamente en pruebas de diferencia (pruebas de significancia contra una hipótesis nula de "no efecto"). Este enfoque es propenso a errores de Tipo II (falsos negativos) en estudios con bajo poder estadístico, donde grandes efectos perjudiciales pueden pasar desapercibidos debido a la alta varianza o a la baja replicación. En consecuencia, pesticidas dañinos para los polinizadores han pasado ocasionalmente la aprobación regulatoria solo para ser restringidos o prohibidos posteriormente.

Mientras que la Autoridad Europea de Seguridad Alimentaria (EFSA) revisó su guía de 2023 para cambiar hacia las pruebas de equivalencia (específicamente, una prueba de no inferioridad) para asegurar que los efectos de los pesticidas no excedan un Objetivo de Protección Específico (SPG, por sus siglas en inglés) de una reducción del 10% en el tamaño de la colonia, este enfoque ha enfrentado críticas. Los críticos, notablemente Hotopp et al. (2024), argumentan que el marco de la EFSA requiere una replicación de sitios excesiva, lo que hace que la aprobación regulatoria sea impracticable. Propusieron una alternativa, la "prueba de Hotopp", que define los efectos del tratamiento en relación con el límite inferior del intervalo de confianza del 90% del grupo de control, argumentando que esto tiene en cuenta la variabilidad natural. El problema central abordado por este artículo es si la recomendación de la EFSA o la alternativa de Hotopp protege mejor contra la clasificación errónea de pesticidas de alto riesgo como de "bajo riesgo", y cuáles son los requisitos reales de tamaño de muestra para una evaluación fiable.

Metodología

Los autores realizaron extensas simulaciones de bootstrap paramétrico imitando estudios de campo de abejas melíferas de carácter regulatorio, utilizando datos de control de un estudio industrial real (Rolke et al., 2016) como base para los parámetros distribucionales.

Diseño de la Simulación:

Generación de Datos: Los autores simularon conjuntos de datos con variaciones en el número de sitios (de 4 a 4 con 45) y un número fijo de colonias por sitio (6). Generaron recuentos iniciales de abejas y datos de puntos temporales subsiguientes utilizando un Modelo Lineal Mixto Generalizado (GLMM) con una distribución binomial negativa, incorporando efectos aleatorios para el sitio y la colonia.
Efectos del Tratamiento: Se asignaron efectos de tratamiento simulados que variaban desde un 0% hasta un -20% (reducción en el tamaño de la colonia).
Estrategias de Ajuste: El estudio evaluó cuatro estrategias para manejar la variabilidad del tamaño inicial de la colonia:
1. Sin ajuste: Ignorar el tamaño inicial.
2. Ajuste de diseño: Utilizar una nueva función de R (experimental_allocation()) para realizar una randomización de anticlustering, equilibrando los números iniciales de abejas entre tratamientos y sitios antes del experimento.
3. Ajuste estadístico: Incluir el tamaño inicial de las abejas como una covariable en el GLMM.
4. Ajuste combinado: Utilizar tanto el ajuste de diseño como el estadístico.
Comparación de Pruebas: Las simulaciones compararon tres enfoques estadísticos:
1. Prueba de Equivalencia de la EFSA: Una prueba de no inferioridad unilateral donde la hipótesis nula es que el efecto excede el SPG del 10% (probada a $\alpha = 0.2$ ).
2. Prueba de Equivalencia de Hotopp: Una prueba de equivalencia alternativa que desplaza la línea base al límite inferior del IC del 90% del control.
3. Prueba de Diferencia: Prueba de significancia tradicional (unilateral, $\alpha = 0.05$ ).
Métricas de Evaluación: Los autores analizaron la compensación entre las clasificaciones de "bajo riesgo" falsas (error de Tipo I en el contexto de la equivalencia, o falsa confianza) y las clasificaciones de "alto riesgo" falsas (error de Tipo II, o falsa desconfianza) utilizando gráficos de Pareto. También determinaron el número de sitios necesarios para alcanzar un poder del 80% para clasificar pesticidas con tamaños de efecto reales de 0% y -5% como de "bajo riesgo".

Resultados Clave

1. Comparación de las Pruebas EFSA vs. Hotopp

Compensaciones Estadísticas: Se encontró que las pruebas de la EFSA y de Hotopp son estadísticamente equivalentes en su capacidad para distinguir entre pesticidas de alto y bajo riesgo si sus niveles de $\alpha$ se ajustan para alinear las tasas de protección. Sin embargo, la prueba de Hotopp está calibrada de forma distinta: a un $\alpha$ nominal de 0.2, opera efectivamente con una tasa de error mucho mayor, lo que conduce a tasas significativamente más altas de clasificación errónea de pesticidas de alto riesgo como de "bajo riesgo".
Tasas de Falsa Confianza: Bajo el tamaño de muestra recomendado (10 sitios, 6 colonias), la prueba de Hotopp clasificó erróneamente pesticidas con un efecto real de -12% como de "bajo riesgo" en el 50% de los casos y efectos de -15% en el 33% de los casos. En contraste, la prueba de la EFSA mantuvo las tasas de falsa confianza por debajo del umbral nominal del 20% para todos los tamaños de efecto probados.
Conclusión sobre la Prueba de Hotopp: Los autores concluyen que la prueba de Hotopp no ofrece una ventaja estadística, sino que reduce la rigurosidad de la prueba, lo que potencialmente incentiva un aumento de la varianza de fondo para aprobar la equivalencia.

2. Requisitos de Tamaño de Muestra

Factibilidad para Pesticidas de Bajo Riesgo: Para pesticidas con un tamaño de efecto real de 0%, la prueba de equivalencia de la EFSA es factible con la replicación actual o ligeramente aumentada (6–7 sitios con ajuste; 9 sitios sin ajuste).
Requisitos para Efectos Moderados: Para pesticidas con un tamaño de efecto real de -5% (un efecto negativo pero tolerable), el estudio encontró que se requieren 24–25 sitios con estrategias de ajuste, en comparación con ~34 sitios sin ajuste.
Comparación con la Guía Anterior: Los requisitos de sitios para la nueva guía de la EFSA (prueba de equivalencia) son generalmente menores que los implicados por la guía de 2013 (prueba de diferencia con un umbral del 7%), que requería de 29 a 41 sitios para detectar una reducción del 7% con un poder del 80%.

3. Impacto del Ajuste de Covariables

Reducción de la Varianza: Tanto la randomización de anticlustering (ajuste de diseño) como el ajuste estadístico (inclusión de covariables) redujeron sustancialmente el número de sitios necesarios para alcanzar un poder del 80%.
Eficiencia: El ajuste del tamaño inicial de la colonia redujo el requisito de sitios para un efecto del -5% en aproximadamente 10 sitios por tratamiento en comparación con los diseños no ajustados. Los autores señalan que el ajuste de diseño es preferible ya que no reduce los grados de libertad y es inmune a la manipulación del análisis post-hoc.

Contribuciones Clave

Validación de la Guía de la EFSA: El artículo proporciona evidencia basada en simulaciones de que el marco de pruebas de equivalencia de la EFSA 2023 es estadísticamente robusto y controla eficazmente la tasa de conclusiones falsas de "bajo riesgo" al nivel de $\alpha$ especificado, a diferencia de la alternativa de Hotopp.
Estimaciones Prácticas de Tamaño de Muestra: El estudio cuantifica el número específico de sitios necesarios para demostrar la seguridad de forma fiable para pesticidas con diversos tamaños de efecto, aclarando que, si bien es necesaria una mayor replicación para efectos moderados, esta es a menudo menor de lo que se asumía anteriormente bajo el paradigma de las pruebas de diferencia.
Herramientas Metodológicas: Los autores introducen y validan la randomización de anticlustering a través de una nueva función de R (experimental_allocation()) como una estrategia de diseño rentable para reducir la varianza y los requisitos de sitios sin comprometer el poder estadístico.
Marco de Interpretación: El artículo propone un marco de interpretación matizado para los resultados de las pruebas de equivalencia, distinguiendo entre "bajo riesgo demostrado", "alto riesgo demostrado" y "alto riesgo no excluido" (resultados no significativos), argumentando en contra de la interpretación binaria de las pruebas de equivalencia no significativas como prueba definitiva de alto riesgo.

Significado y Reivindicaciones

El artículo sostiene que el cambio hacia las pruebas de equivalencia es una evolución necesaria y científicamente sólida para la evaluación de riesgos regulatorios. Argumenta que:

Se Cumplen los Objetivos de Protección: La prueba de equivalencia de la EFSA asegura que el Objetivo de Protección Específico (SPG) se cumpla con una probabilidad controlada de error, poniendo la carga de la prueba en la industria química para demostrar la seguridad con suficiente poder.
No hay Almuerzo Gratis: Los intentos de reducir la rigurosidad de la prueba (como propone Hotopp et al.) para reducir los requisitos de tamaño de muestra aumentan inevitablemente el riesgo de aprobar pesticidas dañinos.
Factibilidad: Con la implementación de estrategias de reducción de la varianza, como la asignación equilibrada, los requisitos de tamaño de muestra para la nueva guía son factibles y a menudo menores que los requeridos por la guía anterior para detectar tamaños de efecto más pequeños.
Generalizabilidad: Estos principios se extienden más allá de las abejas melíferas a cualquier estudio de ecotoxicidad de nivel superior, abogando por objetivos de protección claros, pruebas de no inferioridad y estrategias de reducción de la varianza previas al experimento.

Los autores concluyen que la adopción amplia de estas prácticas —específicamente la prueba de equivalencia de la EFSA combinada con la asignación equilibrada— reducirá la probabilidad de autorizar pesticidas dañinos y alineará los resultados regulatorios con los objetivos de protección ambiental.