Ya está disponible en YouTube la sesión 9 del curso de Metodología y Estadística de la @uiem2017
Hablamos sobre correlación y, sobre todo, de causalidad.
(Link al final del 🧵)
Una correlación puede ser perfecta y de todos modos ser inútil.
Por ejemplo, un reloj con la hora de 🇪🇸 tendría una correlación perfecta con la hora de 🇲🇽 pero me haría llegar temprano a mis citas.
Por otro lado, mucha gente cree que, aunque las correlaciones no sirvan para detectar causalidad, por lo menos sirven para detectar:
1) X influye en Y (o al revés). 2) La misma causa influye tanto en X como Y. 3) Una hipótesis valiosa.
Pero esto es falso.
El número de películas con Nicolas Cage no influye en cuánta gente se ahoga. El número de ahogados no influye en cuántas películas hay con Nicolas Cage y no es probable que el mismo fenómeno cause ambas cosas.
Tampoco hay hipótesis útiles que buscar aquí.
El análisis de causalidad no siempre es intuitivo.
Sobre todo en Medicina en donde una exposición puede no ser "causa necesaria", ni "causa suficiente" y de todos modos definitivamente causar enfermedades.
Es frecuente encontrar médicos que piensan que los ensayos clínicos aleatorizados sirven para encontrar relaciones causales.
Pero esto también es un error.
(Cambien las agujas de acupuntura de la imagen por cualquier medicamento de su elección).
O personas que creen que la "pirámide de la evidencia" tiene algo que ver con la causalidad.
Pero esto también es falso.
Hablando de @yudapearl , sería un error hablar de causalidad sin recomendar su libro.
En donde, por cierto, nos recuerda que ni Bradford Hill creía que los criterios que propuso son una buena herramienta para encontrar relaciones causales.
La mejor forma de evaluar causalidad es con análisis contractuales.
Hablamos sobre ellos en la sesión y, si quieren profundizar en el tema, les recomiendo este post de @fhuszar .
Estoy obsesionado con el metabolismo humano, los modelos biológicos de envejecimiento y con la datos (Mido todo lo que puedo y hasta tengo todo mi 🧬 secuenciado).
Hace poco concluí que tengo ~10 años menos.
🧵sobre ¿Cómo ser un evidence-based chavo-ruco?
Primero hay que dejar claro que NO HAY NADA DE MALO CON ENVEJECER.
¡Al contrario! Es prueba de nuestra fortuna y buenas decisiones.
Les tengo mucho más respeto a las canas y a las arrugas que fobia.
El objetivo es otro:
Ahora bien, se ha avanzado mucho en nuestro entendimiento sobre
¿Por qué envejecemos?
El paper clásico es el "López-Otín"
Y como siempre, es complicado... Genes, ambiente y hábitos influyen en el resultado final.
El curso de conceptos estadísticos indispensables para profesionales de la salud que le di a los residentes del @incmnszmx ya está en Youtube.
Busquen el link a la playlist en el 🧵
(quiero que sí lean el 🧵 😉) @doctormacias RT🙏
2/ No podemos practicar Medicina Basada en la Evidencia, si no le entendemos a la evidencia... 🤦♂️
Pues bien... Desde hace décadas, muchos estudios han mostrado que la mayoría de los profesionales de la salud tiene problemas utilizando conceptos estadísticos básicos 😟