Testing the limits of past-adapted explanations by post-endpoint randomisation: anticipatory EEG as a worked case

Resumen Técnico: Pruebas de los Límites de las Explicaciones Adaptadas al Pasado mediante la Aleatorización Post-Endpoint

Planteamiento del Problema
En la neurociencia anticipatoria, particularmente respecto a las señales de EEG como la Variación Negativa Contingente (CNV), los investigadores explican típicamente la actividad cerebral pre-evento utilizando información "adaptada al pasado": tiempo transcurrido, probabilidad de la señal, riesgo condicional, activación (arousal) e historial de ensayos disponibles antes de que ocurra el evento. Si bien los modelos predictivos pueden ajustar los datos utilizando estos factores, un "ajuste" no establece la "suficiencia". El problema central es distinguir si estos factores adaptados al pasado agotan la variación sistemática en un endpoint comprometido o si queda una variación sistemática no explicada que podría estar ordenada por información no disponible en el momento de la medición. Las medidas estándar de bondad de ajuste no pueden resolver esto; dejan abierta la posibilidad de que el pasado explique los datos meramente por azar o sobreajuste (overfitting), sin probar que no se requiere información dependiente del futuro.

Metodología: Inferencia Basada en Diseño de Nivel II-A
El artículo introduce el Nivel II-A, un marco de inferencia basado en el diseño que pone a prueba la distinción entre ajuste y suficiencia mediante la aleatorización post-endpoint. La metodología se basa en un límite temporal estricto y una serie de condiciones operativas y estadísticas:

1. Compromiso del Endpoint: Se computa y se "bloquea" un endpoint de un solo ensayo (p. ej., una amplitud tipo CNV) en el tiempo $t_1$ utilizando únicamente la información disponible hasta ese momento ($F_{t_1}$). Esto incluye el uso de un comparador de "solo hacia adelante" (un predictor ciego a la etiqueta) para eliminar la estructura anticipatoria registrada, dejando un "residuo congelado".
2. Aleatorización Post-Compromiso: Solo después de que el endpoint queda fijado, el sistema asigna un retraso ($\tau_L$) al evento imperativo. Este retraso se extrae de una ley de aleatorización declarada basada en estratos de pre-asignación, pero permanece estrictamente oculto a la construcción del endpoint y al ajuste del comparador.
3. La Hipótesis Nula: Bajo la "factorización adaptada al pasado", el retraso asignado (una etiqueta futura) debe ser estadísticamente independiente del endpoint ya comprometido o del residuo congelado. Formalmente, $P(\tau_L \in D | F_{t_1}) = P_{sch}(D | R_j)$. Si la clase adaptada al pasado es suficiente, el retraso asignado no puede ordenar sistemáticamente el endpoint.
4. Condiciones de Validez: El marco requiere:
   • (R1) Programador Operacional: El retraso se genera y se oculta después del compromiso.
   • (R2) Integridad Temporal: Ningún dato post-$t_1$ (p. ej., filtrado de fase cero) se filtra en el endpoint o en el comparador.
   • (R3) Integridad de la Muestra Retenida: Los procesos de selección (entrega, rechazo de artefactos, inclusión) no deben inducir una dependencia entre el retraso y el endpoint (neutralidad de retraso).
5. Arquitectura de Decisión: El clasificador es no compensatorio y sigue una jerarquía estricta:
   • Auditorías: Verificaciones de fuga temporal, cumplimiento de entrega e integridad del programador.
   • Calificaciones: Verificaciones de sesgo de selección (diagnósticos de colisionador), estimabilidad del participante y validez de la ruta (aislamiento de asignación vs. e-valor secuencial).
   • Inferencia: Prueba de una pendiente negativa material ($\beta_\tau < 0$) utilizando calibración específica de la ruta (pruebas de aleatorización o e-valores de martingala) y un umbral de magnitud ($\beta_{min}$) derivado de un piso de resolución ciego a la etiqueta.
   • Resultados: El sistema clasifica los resultados en: Desviación Negativa Soportada (evidencia de insuficiencia), Adecuación de Solo Hacia Adelante (nulo afirmativo), Fallo Diagnóstico, Limitación de Selección, Dirección Opuesta o Inconclusivo.

Contribuciones Clave

• Marco de Nivel II-A: Una nueva estructura inferencial que transforma la suposición de "el pasado lo explica" en una afirmación testable y calificada por magnitud. Desplaza la carga de la prueba de "mostrar un ajuste" a "descartar el ordenamiento dependiente del futuro".
• Sonda de Aleatorización Post-Endpoint: El uso de un retraso asignado después de la medición como un control negativo. Esto crea una "prueba de frontera" donde cualquier ordenamiento sistemático por parte del retraso implica un fallo de la clase adaptada al pasado.
• Nulo Afirmativo Calificado por Magnitud: El artículo define un resultado de "adecuación de solo hacia adelante" no como un simple no-rechazo, sino como una conclusión acotada. Requiere que la tubería de análisis sea sensible para detectar un efecto de magnitud específica (determinada por tasas de falsa adecuación calibradas por simulación) y no encuentre ninguno.
• Benchmarking Sintético: Los autores proporcionan una tubería de benchmark de código abierto totalmente especificada (benchmark de aleatorización post-endpoint de Nivel II-A) con 1200 conjuntos de datos simulados por escenario. Esto valida la capacidad de la tubería para controlar el falso soporte, recuperar señales inyectadas e identificar correctamente fallos operativos (fugas, sesgo de selección, efectos de colisionador).

Resultados
El artículo presenta resultados exclusivamente de datos sintéticos; no se analizan datos de EEG humano. El benchmark sintético valida la tubería contra siete familias de escenarios:

• Nulo Limpio: Bajo un generador puro de solo hacia adelante, la tubería produjo 0/1200 resultados soportados (tasa de falso soporte = 0.000). Clasificó el 89.4% como "Adecuación de Solo Hacia Adelante" y el 9.8% como "Inconclusivo" (debido a límites de resolución), demostrando un control estricto de falsos positivos mientras reconoce los costes de información.
• Señal Inyectada: Cuando se inyectó una pendiente negativa material ($-60 \mu V s^{-1}$), la tubería la soportó en el 99.1% de los casos con 0% de resultados de falsa adecuación.
• Modos de Fallo:
  • Fuga Temporal: El 100% de los conjuntos de datos con fuga post-endpoint fueron correctamente clasificados como "Fallo Diagnóstico".
  • Sesgo de Selección: Los escenarios con sesgo de selección estándar o inducido por colisionadores fueron correctamente dirigidos a resultados de "Limitación de Selección" (99.7% y 99.9% respectivamente), evitando el falso soporte.
  • Dirección Opuesta: Las inyecciones positivas fueron correctamente clasificadas como "Desviaciones de Dirección Opuesta" (99.3%), bloqueándolas de ser interpretadas como soporte para la hipótesis negativa.
• Fronteras de Resolución: El benchmark estableció fronteras de falsa adecuación para el nulo afirmativo: 15 $\mu V s^{-1}$ para la ruta de aislamiento de asignación y 30 $\mu V s^{-1}$ para la ruta de e-valor secuencial. Por debajo de estas magnitudes, la tubería no puede distinguir de forma fiable un nulo limpio de una pequeña desviación sistemática.

Significancia y Reivindicaciones
El artículo pretende proporcionar una frontera metodológica más que un descubrimiento biológico. Su significancia radica en:

1. Exclusión Rigurosa: Ofrece una forma de probar si una clase de modelos adaptados al pasado es suficiente para explicar un endpoint comprometido, yendo más allá del mero ajuste de modelos.
2. Neutralidad de Mecanismo: Una "Desviación Negativa Soportada" indica que la clase adaptada al pasado es insuficiente, pero no identifica el mecanismo (p. ej., no prueba la "precognición" o un sustrato físico específico). Simplemente establece que los factores adaptados al pasado declarados no agotan la variación.
3. Nulos Calibrados: Proporciona un marco para la "evidencia de ausencia" que está calibrado por la sensibilidad de la tubería (tasa de falsa adecuación), convirtiendo la "ausencia de evidencia" en una "conclusión afirmativa acotada".
4. Generalizabilidad: Aunque se ilustra con EEG anticipatorio, los autores afirman que el diseño es de dominio general, aplicable a cualquier escenario donde un estadístico se compromete irrevocablemente antes de que se genere una etiqueta exógena (p. ej., pronósticos, ensayos clínicos, sistemas de decisión algorítmica).

Los autores declaran explícitamente que ninguna decisión empírica se toma en este artículo; el trabajo fija la regla mediante la cual tales decisiones podrían tomarse y demuestra mediante datos sintéticos que la regla se comporta según lo declarado. El marco requiere una replicación independiente (Nivel II-B) para pasar de un rechazo a nivel de clase a una teoría mecánica sustantiva.