Azar Y Causalidad.pdf

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 mathematit described it). The normal distribution, tistical theory, describes the frequency

curve is shown in Figure 3.7. The curve is symmetr cal and bell shaped. It has the mathematical proper that about two-thirds of the observations fall with

Frequency

Normalidad  estadísAca  

Standard deviations –3

–2 2.14

Percent of area under the curve

–1 13.59

0 34.13

+1 34.13

+2 13.59

68.26 95.44 99.72

Figure 3.7 ■ The normal (Gaussian) distribution.

+3 2.14

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 telephone, a period (Fig. declining fu across the B 21% to 38% between no on the health

16

Mortality

8 4 2 1 0 115 120

140

160

180

Usual systolic blood pressure (mm Hg) Figure 3.9 ■ Ischemic heart disease mortality for people ages 40 to 49 years is related to systolic blood pressure throughout the range of values occurring in most people. There is no threshold between normal and abnormal. “Mortality” is presented as a multiple of the baseline rate. (Data from Prospective Studies Collaboration. Age-specific relevance of usual blood pressure to vascular mortality: a meta-analysis of individual data for one million adults in 61 prospective studies. Lancet 2002;360:1903–1913.)

Abnormal Condition Clinical Ou

It makes intuiti or finding as “a a better outcom good sense for dition is causin no difference, w symptomatic p

Mortality rate / 100,000 person-years

A

20,000

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

30.0–34.9

≥35.0

2

Body mass index (kg/m )

B

Men with functional decline (%)

40

30

20

10

0 <18.5

18.5–21.9 22.0–24.9 25.0–27.4 27.5–29.9 2

Body mass index (kg/m ) Figure 3.10 ■ Abnormal as associated with disease and other patient outcomes. The relationship 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 ough expete patients’ gainst such estionnaires nicians and y. To overe, researchr states. To he numbers day perforfsky Perfornal capacity ents receivrmal) to 0 e of 60? At sional assiseir personal

All observations are subject to variation because of the performance of the instruments and observers involved in making the measurements. The conditions

Fuentes  de  variación  

Table 3.3 Sources of Variation Source of Variation

Definition

Measurement Variation Instrument

The means of making the measurement

Observer

The person making the measurement

Biologic Variation Within individuals

Changes in a person at different times and situations

Between individuals

Biologic differences from person to person

are used as part Injury and Acute (ALI-ARDS), seterial hypoxemia But do specialists read radiographs rts in pulmonary x-rays from critidecided whether c criteria for the centage of radiodiagnosis ranged experts (Fig. 3.2), ference between

100

Radiographs read positive (%)

ased result (lack of ack of reliability). It variation by making d by following staneasurements involve hines, variation can o control.

80

60

40

20

0

Readings by 21 experts Figure 3.2 ■ Observer variability. Variability among 21 specialists reading chest x-rays for acute lung injury and acute respiratory distress syndrome. The percentage of radiographs read as positive for the diagnosis varied from 36% to 71% among the experts. (Data from Rubenfeld GD, Caldwell E, Granton J, et al. Interobserver variability in applying a radiographic definition for ARDS. Chest 1999;116: 1347–1353.)

CONDITIONS OF MEASUREMENT

DISTRIBUTION OF MEASUREMENT

SOURCE OF VARIATION

Within individual patient Simultaneous–same observer

Measurement

Simultaneous–2 observers

Measurement

Between visits

Biologic

Among patients

Biologic

60

70

80

90

Diastolic blood pressure (mm Hg)

100

110

30 20

Serum potassium

Alkaline phosphatase

20

10

Percent

10

3.0

4.0

5.0

20 40

60

mEq/L

80 100 120 140

Units

30

40

Plasma glucose

20

30

Hemoglobin 20

10 10

100

150

mg/100 mL

200

8

9

10

11

12

13

14

15

16

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   •  •  •  •