PM1 - Progresión 12: Estudios Observacionales y Experimentales

Estudios

Observacionales y Experimentales

Progresión 12

2023 © Todos los derechos reservados

Dr. Alejandro Javier Díaz Barriga Casales, Director del proyecto Mat. Andrés Alonso Flores Marín, COSFAC M. en C. Alma Violeta García López, Coordinadora académica / Dr. Óscar Alberto Garrido Jiménez, Diseño académico Mtro. Luis Felipe de Jesús Malacara Preciado, Diseño académico / Lic. Carolina Chávez Muñoz, Diseño instruccional

12:

Progresión

Valora las ventajas y limitaciones de los estudios observacionales y los compara con el diseño de experimentos, a través de la revisión de algunos ejemplos tomados de diversas fuentes. C4M1: Esquematiza situaciones para su solución mediante el uso de datos numéricos, representación simbólica y conceptos matemáticos para dar un significado acorde con el contexto.

Anotaciones didácticas:

(Transversalidad) Reconocer las fuentes confiables de datos estadísticos es una instancia de progresión 4 de Cultura Digital sobre criterios de selección de la información.

El método científico y la estadística.

La investigación científica comienza con una pregunta sobre algún fenómeno observable, que se pretende responder. En torno a esta pregunta se encuentran las etapas del método científico. Parte importante del proceso es el diseño de un estudio que sirva para responder dicha pregunta. Muchas veces se echa mano de la estadística en ciertas etapas del método científico, sobre todo cuando se espera encontrar correlación entre variables, más precisamente, suelen buscar relaciones de causalidad entre ellas. En este genially describiremos los dos principales estudios estadísticos: el estudio observacional y el estudio experimental. La diferencia entre ellos radica en sus métodos. Comprender la diferencia entre estos dos tipos de estudio, nos servirá para poder discernir sobre la calidad de la información que llega a nosotros. ¿Cuántas veces nos hemos encontrado noticias del estilo: Un estudio de la universidad A, afirma que las personas que realizan B, tienen más posibilidades de C?

El siguiente ejemplo es un mal ejemplo de estudio observacional, que nos invita a dudar de las correlaciones que vemos en los medios. Por ejemplo: Se ha descubierto que el consumo per cápita de queso mozzarella en Estados Unidos, está correlacionado con la cantidad de doctorados en ingeniería civil.

Por supuesto lo primero que deberíamos cuestionarnos es la calidad de los datos que se utilizaron para dicho estudio. Debemos preguntarnos si las variables que nos interesa estudiar, tienen relación directa con los datos recolectados o generados en el proceso. Sin embargo esto no es suficiente, en ocasiones debemos cuestionar mucho más profundamente el tipo de estudio que se realizó y cómo se llegó a la conclusión. En este ejemplo tenemos dos variables que se comportan muy similarmente. ¿Es acaso que el consumo de queso mozzarella detona el impulso de obtener un doctorado en ingeniería civil? ¿O el volumen de doctorados en ingeniería civil promueve el consumo de queso mozzarella en la población? Que estas dos variables estén correlacionadas, no implica que exista una relación causal entre ellas.

Correlación no es causalidad

¿Qué es la causalidad? Judea Pearl, lleva décadas intentando definir matemáticamente la causalidad. En su libro “El Libro del Porqué”, describe que en nuestra capacidad de entender el mundo en términos de causas y efectos, se pueden distinguir 3 peldaños de potencia predictiva: El primero, es el de la observación y el estudio de correlaciones. En el segundo se encuentra nuestra capacidad de intervenir, aquí ocurren los estudios experimentales. En este peldaño podemos intervenir las variables y saber que nuestra intervención tendrá un efecto en la realidad. El tercer nivel es el de las causas más profundas, por ejemplo cuando se va puliendo un fármaco de elementos imprescindibles para solo dejar la sustancia suficiente y necesaria que causa el efecto deseado y no más. Aquí podemos formular lo que Pearl llama contrafácticos, que en el ejemplo del fármaco sería distinguir sustancias sin las cuales, el fármaco no podría lograr su propósito.

¿Cómo se determina la causalidad? Supongamos que tenemos dos variables correlacionadas X y Y. Para establecer una relación causal entre ellas, tendríamos que medir la probabilidad de que ocurra Y, si intervenimos la variable X, Pearl lo denota como P(Y|do(X)), que es distinto de la probabilidad condicional P (Y|X), pues ahí está presente X. En el estudio de la causalidad, do(X) significa variar la presencia o cantidad de X y estudiar los efectos que esta variación tiene en Y. Esta diferencia sutil pero sustancial, significa dar un salto de la correlación a la causa. Un primer paso de este salto es asegurarnos que no hay otras variables causando Y. Otro paso importante es controlar terceras variables o variables de confusión. A continuación veremos un ejemplo de cómo se determina una variable de confusión.

*Foto de la escalera del libro: El libro del porqué.

¿Los estrógenos causan cáncer?

pues los estrógenos causaban un sangrado, posteriormente el sangrado hacía que la paciente acudiera al médico y ahí era detectado su cáncer asintomático. Hay pues, dos escenarios:

A continuación describimos una de las más importantes controversias médicas de los años setenta. En aquellos años por primera vez en la historia, miles de mujeres fueron medicadas con estrógenos después de la menopausia en EU. El uso de estrógenos fue impulsado por los medios de comunicación, libros populares y muchos médicos. En 1975, surgió un estudio que mostraba que mujeres que usaron estrógenos tenían más riesgo de padecer cáncer de endometrio, que mujeres que no habían tomado estrógenos. Científicos de la Universidad de Yale, propusieron que los estrógenos no necesariamente tenían relación directa con el cáncer, pensaron que lo que podría haber ocurrido, era que el uso de estrógenos llevó a la detección de un cáncer que ya estaba ahí, pero no había sido diagnosticado en la ausencia de estrógenos;

1. Los estrógenos producen cáncer 2. Los estrógenos aceleraban el diagnóstico de un cáncer silencioso ya existente, pues podía causar sangrados, lo que llevaba a las mujeres a asistir al médico.

¿Cómo podríamos distinguir estos dos posibles escenarios?

Investigadores de Yale propusieron restringir el estudio a mujeres con sangrado, mientras que investigadores de Boston y Harvard, argumentaron que se encontraría relación entre el cáncer y los estrógenos en la población de mujeres con sangrado, incluso si los estrógenos no provocan el cáncer. Observaron que hay dos caminos verdes entre el consumo de estrógenos y el diagnóstico de cáncer: uno de ellos es el horizontal superior que va de estrógenos, sangrado uterino y finalmente el diagnóstico; y el otro parte del consumo de estrógenos pasa por sangrado uterino, considera la flecha que reacciona el sangrado con el cáncer y finalmente el diagnóstico. Ambos caminos están bloqueados por el sangrado uterino, incluso si los estrógenos no causan cáncer. Así que restringir el estudio a personas con sangrado uterino, no ayudaría a distinguir si en efecto los estrógenos producen cáncer.

¿Qué se puede hacer entonces? Veamos qué ocurre al quitar la flecha entre el sangrado y el diagnóstico.

Ahora solamente hay un camino entre el consumo de estrógenos y el diagnóstico de cáncer, lo que podría implicar una relación causal entre estrógenos y cáncer. Este argumento con diagramas causales fue suficientemente convincente para que el estudio no se centrara solamente en mujeres con sangrado uterino, sino que su enfoque principal fuera la variable X: consumo de estrógenos después de la menopausia. La variable cuyo efecto se quiere estudiar es la variable explicativa. La variable que se sospecha que está afectada por la otra variable es la variable de respuesta. La variable de respuesta a menudo se considera el resultado de interés. Las variables que no se consideran en el estudio pero que también pueden estar relacionadas a la variable de respuesta se denominan variables latentes o variables de confusión, pues en ocasiones nos impiden llegar a una conclusión de causa y efecto entre las

Estudios observacionales

Contras: Se basan en datos difícilmente confirmables.No hacen uso de grupos control para comprobar sus conclusiones.No tienen en cuenta todos los factores que pueden influir en los resultados.No estudian causalidad.

Un estudio observacional, también llamado epidemiológico, es un estudio en el que se buscan correlaciones entre variables y resultados. Sin embargo, un estudio observacional no controla los posibles efectos de las variables de confusión y, por tanto, aunque un estudio observacional puede establecer correlación entre las variables explicativas y de respuesta, no puede establecer una conclusión de causa y efecto. Aún así, los estudios observacionales pueden ser muy importantes e interesantes y suelen ser el primer paso para un estudio más profundo o para conocer alguna característica relevante para una población. Pros: Son menos costosos que los estudios experimentales.Pueden durar muchos años.Pueden incluir a muchos más participantes que los estudios experimentales.Pueden considerar el desarrollo de una enfermedad o la muerte como un resultado.

NOTA DIDÁCTICA: Es un estudio puramente observacional, se puede realizar un censo en tus estudiantes sobre sus 3 o 4 canales de Youtube, Twitch, series de TV o stream favoritos. Si bien, conocemos datos generales sobre las preferencias de la población, es recomendable conocer a tus estudiantes a través de sus gustos en entretenimiento y lo que consumen en internet. Éste dato, aunque parezca superficial, puede decirnos mucho sobre ellas y ellos.

Estudios experimentales

Un experimento es un estudio en el que el investigador impone un tratamiento (variable explicativa) a una población. Idealmente los sujetos de la población son idénticos en todos los aspectos salvo en la aplicación del tratamiento. Se divide la población de manera que a un grupo se le aplique el tratamiento (grupo experimental) y a un grupo no (grupo control). La asignación aleatoria es el método preferido para asignar a los sujetos a cada grupo. Cada sujeto tiene las mismas posibilidades de ser asignado a cualquiera de los grupos. Al grupo experimental se le aplica el tratamiento y al control no, esto sirve para medir la respuesta al tratamiento. También se intenta asignar a los sujetos de manera que las variables de confusión tienden a equilibrarse en los dos grupos. Si ambos grupos tienden a diferir sustancialmente en la variable respuesta, se puede concluir que la variable explicativa causa la diferencia en la respuesta.

En los estudios médicos, los grupos de comparación son particularmente importantes, pues los sujetos del grupo control pueden ser tratados con un placebo, o dependiendo del estudio, también pueden ser tratados con un procedimiento médico estándar, mientras que el grupo control es tratado con un procedimiento novedoso. En estos estudios los sujetos desconocen el tratamiento que reciben pues conocerlo podría afectar su respuesta. Cuando es posible se recomienda que los experimentos sean doble ciego, es decir, que la persona que evalúa los resultados, también desconozca el tipo de tratamiento de los sujetos, así su juicio evaluador no se ve influido por un sesgo.

Pros: Utilizan variables controladas y monitoreadas. Comparan los resultados entre grupo control y grupo experimental. Pueden aleatorizar la división de la población para hacer frente a factores desconocidos que podrían influir en los resultados. Contras: Con muy costosos en tiempo y recursos Usan marcadores de salud distintos al desarrollo de una enfermedad o muerte Por su costo y complicación, tienen poblaciones de estudio muy pequeñas Son más cortos que la mayoría de los estudios observacionales

Recomendamos fuertemente la lectura de éste artículo https://www.dietdoctor.com/es/estudios-observacionales-vs-experimentales sobre la importancia de distinguir este tipo de estudios al leer artículos nutricionales que se encuentran en la red. Pues en su mayoría, los artículos sobre la dieta, son falsos o por lo menos, no confiables, ya que se basan en estudios puramente observacionales que rara vez llegan a la experimentación para comprobar sus conclusiones.

NOTA DIDÁCTICA: Pide a tus alumnos que busquen artículos nutricionales en portales de internet, y analicen la naturaleza del estudio que llevó a la conclusión que se muestra en el artículo. https://www.dietdoctor.com/es/estudios-observacionales-vs-experimentales.

Da clic aquí para ir al enlace

La siguiente actividad es sugerida por Shaughnessy, Chance (2017). Se trata de determinar si un tratamiento es efectivo. La pregunta que queremos determinar es: ¿Será más fácil para los estudiantes memorizar palabras significativas? El experimento se realiza de la siguiente manera: Se preparan dos listas impresas (a una cara) de 20 palabras, una de las listas tiene palabras significativas y fáciles de reconocer, mientras que la segunda lista contiene palabras que pueden no tener sentido. Es importante que los estudiantes no sepan que hay dos listas distintas.

Por ejemplo: Lista 1: UNICEF-ADN-FBI-USB-INE-PVC-VOL-PIB-NBA-PCR Lista 2: JUFKCE-RAF-BIU-SSA-TGV-AGR-ELM-NBI-BAC-HPR A continuación se barajan las listas para distribuir boca abajo, al azar a los estudiantes. Una vez repartidas las listas, pídales que las lean por 30 segundos. Después tendrán que ponerlas nuevamente boca abajo. Pídales que escriban al reverso todas las palabras que puedan recordar. Después pídales que intercambien su lista con un vecino para ‘calificar’, la calificación consta solamente de la cantidad de palabras recordadas correctamente de la lista establecida, y recolecten los datos colaborativamente.

Se sugieren los siguientes puntos para guiar un análisis del experimento.

• Discutan por qué este estudio es un experimento y no un estudio observacional.
• Identifiquen y clasifiquen (por tipo de variable) las variables explicativas y las variables respuestas en este estudio.
• Hagan un diagrama del diseño de este estudio.
• Expliquen cómo la asignación aleatoria fue implementada y por qué es importante para el estudio.
• Expliquen cómo la ceguera fue implementada y por qué es importante en el estudio.
• Realicen gráficas de puntos de las palabras memorizadas, comparando a los dos grupos de tratamiento.
• ¿Los datos experimentales parecen apoyar la conjetura sobre la memorización de palabras significativas?
• Si el grupo de palabras significativas obtiene resultados sustancialmente mejores que el grupo de palabras sin sentido, ¿Se puede concluir que el orden de las letras es la causa de las puntuaciones más altas? ¿Qué pasaría si el ejercicio no se hiciera sobre palabras sino sobre una secuencia de 30 letras al azar?
• ¿Y si los buenos memorizadores resultaron estar en el grupo de palabras significativas? ¿Cómo se podrían convencer de que el factor suerte no determina la asignación de listas de palabras?
• Calculen la media y la mediana de ambos grupos de tratamiento y comparen estas medidas. ¿La diferencia de estos valores es sustancial?
• ¿Están convencidos de que hay un efecto genuino al memorizar palabras significativas en contraste con la memorización de palabras sin sentido?

Finalmente una pregunta para autorreflexión.

• ¿Se te ocurre algún experimento que puedas implementar en clase que pueda ser de interés para tus estudiantes?
• ¿Qué pregunta intenta responder?
• ¿Cuáles serían la(s) variables explicativas y la(s) variables respuesta?
• ¿Cómo diseñar e implementar el experimento?

Da clic aquí para ir al enlace del video

Bibliografía:

Correlación Mozarella-Doctorados en Ingeniería CivilSpurious Correlationshttps://tylervigen.com/spurious-correlations Shaughnessy, J.M., Chance, B., Krandendonk, H., Enfoque de las matemáticas para la educación media superior. Razonamiento y construcción de significados en Estadística y Probabilidad. NCTM, 2017. Pearl, J., Mackenzie, D. El libro del porqué. Pasado y presente, Barcelona, 2020. Franziska Spritzler, RD. Estudios observacionales o experimentales (en nutrición) https://www.dietdoctor.com/es/estudios-observacionales-vs-experimentales Harriet Hall. Estudios observacionales y estudios experimentales. https://pensar.org/2021/09/estudios-observacionales-y-estudios-experimentales/ Foto de Judea Pearl http://bayes.cs.ucla.edu/jp_home.html Causal diagrams. Draw your assumptions before your conclusions. Miguel Hernán Curso EdX-Harvard

Continua con el siguiente recurso