Azar,

 normalidad  y  causalidad  

Andrés  Gempeler  
 Medición  
•  Parte  de  los  procesos  centrales  en  la  
construcción  del  conocimiento  cien9fico.    

•  Variables:  aquellas  caracterísAcas  de  la  

realidad  que  pueden  modificarse  en  el  Aempo  
o  según  cambios  en  el  espacio.    
 Variables  
“Duras”  y  “Blandas”  
•  3  mundos  de  Karl  Popper    ó    
     los    3  planos  de  Roger  Penrose  
 
–  1:  mundo  Lsico;  material  
 
–  2:  mundo  psicológico,  autoconsciencia;  
senAmientos,  pensamientos,  memoria.  
 
–  3:  ideas  y  cultura;  razón  y  sus  instrumentos  
 Variables  
“Duras”  y  “Blandas”  
•  1:  mundo  Lsico;  material.  
•  2:  mundo  psicológico,  autoconsciencia;  senAmientos,  
pensamientos,  memoria.  
•  3:  ideas  y  cultura;  razón  y  sus  instrumentos.  

–  Variables  de  planos  1  y  3  =  “objeAvas”  =  “duras”  

Replicables  por  diferentes  observadores.  
 
–  Variables  de  plano  2  =  “subjeAvas”  =  blandas  
RelaAvas  al  sujeto  que  las  experimenta.  
 Variable  

Una  caracterísAca  de    

un  ente,  de  un  conjunto  de  entes,  
 de  un  fenómeno,  o  de  un  conjunto  de  fenómenos  
eventos,  
 que  puede  adoptar  diferentes  valores  (cuanAtaAvas)  
o  estados  (cualitaAvas).  
 Medición  

La  percepción  sistemáAca  y  ordenada  de  

caracterísAcas  de  la  realidad  
 Medición  y  fuentes  de  variabilidad  
(error)  
Hay  4  posibles  explicaciones  para  los  respuesta  que  damos  
a  la  pregunta  de  invesAgación  luego  de  hacer  mediciones:    
1.  Es  correcta  
2.  Es  incorrecta  por  errores  provenientes  de  
variación  aleatoria    
3.  Es  incorrecta  por  la  introducción  de  errores  
sistemáAcos    
4.  Es  incorrecta  por  una  combinación  de  las  dos  
anteriores  
 
 Medición  y  fuentes  de  variabilidad  
(error)  
Mediciones  pueden  ser  correctas  o  incorrectas.    
 
La  confianza  que  tenemos  sobre  la  medición  depende  de  
los  atributos  del  método  de  medición,  que  son:    
 
–  La  exacAtud  

–  La  precisión  
 
 ExacAtud  
“Accuracy”  –  Validez  
 
En  qué  grado  el  resultado  de  la  medición  refleja  
el  valor  verdadero  de  una  variable    
 Mide  la  realidad?  
 
Validez,  y  exacAtud,  usualmente  se  refieren  a  la  
ausencia  de  sesgo  
 Precisión  
“Precision”  –  Confiabilidad  o  Consistencia  
 
Rango  de  variación  o  fluctuación  de  mediciones  de  
una  misma  variable,  con  un  mismo  instrumento.    
Mientras  menor  sea,  hay  mayor  precisión.    
 
Validez,  y  exacAtud,  usualmente  se  refieren  a  la  
ausencia  de  sesgo  
 El  resultado  de  la  medición  
Será  veraz    
 o  correcto  
 
A  la  variabilidad  “extraña”  que  no  es  
inherente  al  verdadero  estado  de  la  
variable  medida,  se  le  llama  Error  
Desviación  sistemáAca  de  la  realidad  

 
SESGO  
 Error  aleatorio  
En  ausencia  de  sesgo,  aún  existe  la  posibilidad  
de  error,  por  mala  suerte,  por  azar.    
 
   
 
 Error  aleatorio  
Muestra  a9pica?  
 
   
 
 Azar  -­‐  Variabilidad  
 
Teoría  de  probabilidades  nos  permite  esAmar  el  
posible  papel  del  azar  en  el  resultado  de  una  
medición  específica.    

(Valor  de  p)                                  

 Azar  -­‐  Variabilidad  
Por   la   incerAdumbre   aleatoria   inherente   a   la  
medición,   cuando   se   obAene   un   valor,   si   no   está  
sesgado,   se   espera   que   sea   compaAble   con   un  
intervalo   de   valores   cuyo   rango   depende   de   la  
consistencia  (reproducibilidad)  del  proceso.    
 
 
 (intervalo  de  confianza)  
Causalidad  
 ¿Definición?  

•  Producción  
•  Causa  necesaria  
•  Causas  suficiente  –  componente  
•  Causalidad  probabilísAca  
 
 Postulados  de  Koch  
•  The  microorganism  must  be  found  in  abundance  in  all  
organisms  suffering  from  the  disease,  but  should  not  be  
found  in  healthy  organisms.  
•  The  microorganism  must  be  isolated  from  a  diseased  
organism  and  grown  in  pure  culture.  
•  The  cultured  microorganism  should  cause  disease  when  
introduced  into  a  healthy  organism.  
•  The  microorganism  must  be  reisolated  from  the  inoculated,  
diseased  experimental  host  and  idenAfied  as  being  idenAcal  
to  the  original  specific  causaAve  agent.  
Criterios  de  Bradford  Hill  
 
Medición  de  variables  
 
 
Análisis  à  Asociación  
¡Asociación  no  es  lo  mismo  que  
causalidad!  
Otra  vez…  
¡Asociación  no  es  lo  mismo  que  
causalidad!  
¡Asociación  no  es  lo  mismo  que  
causalidad!  
Normalidad  /  Anormalidad  
Normalidad  estadísAca  
 (or “Gaussian,” after the mathemati- curve is shown in Figure 3.7. The curve is symmetr
t described it). The normal distribution,
Normalidad  estadísAca  
cal and bell shaped. It has the mathematical proper
tistical theory, describes the frequency that about two-thirds of the observations fall with

Frequency

Standard deviations –3 –2 –1 0 +1 +2 +3

2.14 13.59 34.13 34.13 13.59 2.14

Percent of 68.26
area under
the curve 95.44

99.72

Figure 3.7 ■ The normal (Gaussian) distribution.

 Normalidad  =  salud?  
•  Normal  como  usual,  común  o  esperado.    

–  Peso  de  los  habitantes  en  PAI  

–  Peso  de  los  habitantes  en  PBI.    

     Probablemente  ninguno  es  salud…  

 heavy house
16 telephone, a
period (Fig.
8 declining fu
across the B

Mortality
4 21% to 38%
between no
2 on the health

0
115 120 140 160 180 Abnormal
Usual systolic blood pressure (mm Hg) Condition
Figure 3.9 ■ Ischemic heart disease mortality for peo- Clinical Ou
ple ages 40 to 49 years is related to systolic blood pres-
sure throughout the range of values occurring in most
It makes intuiti
people. There is no threshold between normal and abnormal. or finding as “a
“Mortality” is presented as a multiple of the baseline rate. (Data a better outcom
from Prospective Studies Collaboration. Age-specific relevance good sense for
of usual blood pressure to vascular mortality: a meta-analysis of dition is causin
individual data for one million adults in 61 prospective studies. no difference, w
Lancet 2002;360:1903–1913.) symptomatic p
A 20,000

Mortality rate / 100,000 person-years

16,000

12,000

8,000

4,000
<18.5 18.5–21.9 22.0–24.9 25.0–27.4 27.5–29.9 30.0–34.9 ≥35.0
2
Body mass index (kg/m )

B 40
Men with functional decline (%)

30

20

10

0
<18.5 18.5–21.9 22.0–24.9 25.0–27.4 27.5–29.9 30.0–34.9 ≥35.0
2
Body mass index (kg/m )
Figure 3.10 ■ Abnormal as associated with disease and other patient outcomes. The re-
lationship between body mass index and (A) total mortality and (B) functional decline in men age
65 and older on Medicare. Body mass index is weight in kilograms divided by height in meters
 cance of a All observations are subject to variation because of
the performance of the instruments and observers
ough expe-
te patients’ Fuentes  de  variación  
involved in making the measurements. The conditions
gainst such
estionnaires Table 3.3
nicians and Sources of Variation
y. To over-
e, research- Source of
r states. To Variation Definition
he numbers Measurement Variation
day perfor-
Instrument The means of making the measurement
fsky Perfor-
nal capacity Observer The person making the measurement
ents receiv- Biologic Variation
rmal) to 0 Within Changes in a person at different times and
e of 60? At individuals situations
sional assis-
Between Biologic differences from person to person
eir personal
individuals
 ased result (lack of 100
ack of reliability). It
variation by making
d by following stan- 80

Radiographs read positive (%)

easurements involve
hines, variation can
o control. 60

40

are used as part

Injury and Acute 20
(ALI-ARDS), se-
terial hypoxemia
But do specialists 0
read radiographs Readings by 21 experts
rts in pulmonary
Figure 3.2 ■ Observer variability. Variability among
x-rays from criti- 21 specialists reading chest x-rays for acute lung injury
decided whether and acute respiratory distress syndrome. The percentage of
c criteria for the radiographs read as positive for the diagnosis varied from
centage of radio- 36% to 71% among the experts. (Data from Rubenfeld GD,
diagnosis ranged Caldwell E, Granton J, et al. Interobserver variability in ap-
experts (Fig. 3.2), plying a radiographic definition for ARDS. Chest 1999;116:
ference between 1347–1353.)
 CONDITIONS OF DISTRIBUTION OF SOURCE OF
MEASUREMENT MEASUREMENT VARIATION

Within individual patient

Simultaneous–same observer Measurement

Simultaneous–2 observers Measurement

Between visits Biologic

Among patients Biologic

60 70 80 90 100 110
Diastolic blood pressure (mm Hg)
 30
20
Serum Alkaline
potassium 20 phosphatase

10
10

3.0 4.0 5.0 20 40 60 80 100 120 140

Percent

mEq/L Units

30 40

Plasma 30
20 glucose Hemoglobin
20
10
10

100 150 200 8 9 10 11 12 13 14 15 16

mg/100 mL g/100 mL
Figure 3.6 ■ Actual clinical distributions. (Data from Martin HF, Gudzinowicz BJ,
Fanger H. Normal Values in Clinical Chemistry. New York: Marcel Dekker; 1975.)

The Normal Distribution distribution of repeated measurements of the same

Mensaje  de  la  clase  
¡Asociación  no  es  lo  mismo  que  
causalidad!  
Hasta  luego!  
Four  diVerent  
types  of  causal  relaAons  can  be  derived  from  
these  two  definiAons:  necessary  and  suYcient,  
necessary  but  not  suYcient,  suYcient  but  not  
necessary,  and  neither  necessary  nor  suYcient.  
A  small  minority  of  epidemiologists  maintain  
that  the  term  “cause”  should  be  limited  to  
highly  specific  necessary  condiAons.21  22  The  
view  that  all  causes  must  be  necessary  for  their  
eVects  is  tradiAonally  associated  with  the  germ  
theory  of  disease,    
•  Cigareqe  
•  smoke,  for  example,  is  not  necessary  for  
•  development  of  lung  cancer.  In  fact,  some  
epidemiology  
•  texts  and  commentaries  have  stated  
•  that  causes  of  complex  chronic  diseases,  like  
•  cancer  and  heart  disease,  tend  to  fit  into  the  
•  “neither  necessary  nor  suYcient”  category  
•  s.  A  suYcientcomponent  
•  cause  is  made  up  of  a  number  of  
•  components,  no  one  of  which  is  suYcient  for  
•  the  disease  on  its  own.  When  all  the  components  
•  are  present,  however,  a  suYcient  cause  is  
•  formed.  Because  more  than  one  set  of  
components  
•  may  be  suYcient  for  the  same  eVect,  a  
•  disease  may  have  mulAple  causes.  
•  hold  in  the  absence  of  empirical  
•  evidence.  In  short,  the  suYcientcomponent  
•  cause  definiAon  requires  that  we  
•  assume  the  existence  of  countless  hidden  
eVect  
•  modifiers  to  turn  every  less  than  perfect  
correlaAon  
•  into  pure  determinism