Hace unos días circuló esta imagen como argumento y “prueba” de que la mortalidad infantil ha disminuido en Colombia como consecuencia directa de intervenciones recientes.
Explicaré por qué estas atribuciones no se pueden hacer así no más. En casos como estos, como epidemiólogos tenemos la responsabilidad de ayudar a aclarar.
Que mueran menos niños siempre será una gran noticia. Lo es. Pero que la tasa baje no significa automáticamente que se deba a una intervención específica. Ahí está el meollo del asunto.
Si efectivamente se están reduciendo las muertes infantiles, debemos entender cuánto, cómo y por qué. Para afirmarlo como evidencia científica se requiere algo más que una gráfica con una regresión joinpoint.
Voy a destacar 5 puntos básicos que espero que quienes valoran la evidencia científica tengan en cuenta:
1️⃣ Sobre la regresión joinpoint.
Es una herramienta estadística útil para identificar cambios en tendencia en una serie temporal. Pero es descriptiva: detecta puntos donde la pendiente cambia; no explica por qué cambia. Además, importa cómo se construye la serie y la escogencia del periodo. ¿Por qué empieza en 2015 y no se usa toda la información disponible, especialmente tratándose de una tendencia de largo plazo? Aquí el análisis de sensibilidad es clave: ¿qué pasa si incluyo años previos?, ¿la pendiente se mantiene?, ¿el quiebre sigue apareciendo en el mismo punto? En la gráfica el punto de cambio está en 2023 y muestra una caída cercana al −30% anual en solo dos años. En series cortas, pocos puntos pueden modificar fuertemente la pendiente. Y otra pregunta fundamental: ¿cómo se trataron los años 2020–2022, atípicos por la pandemia y que alteraron la atención en salud y los registros?
2️⃣ Aunque sean tasas, el contexto demográfico importa.
En Colombia los nacimientos han caído de forma muy marcada desde 2020: de más de 629.000 en 2020 a alrededor de 454.000 en 2024 (≈−28%). Cambios tan abruptos pueden alterar la composición de los nacidos vivos (edad materna, perfil socioeconómico, riesgo perinatal). Si disminuyen más los nacimientos en ciertos grupos, la tasa agregada puede cambiar sin que exista necesariamente una intervención nueva como causa principal. Además, cuando el número total de eventos baja, la variabilidad relativa puede aumentar y generar cambios porcentuales grandes en periodos cortos. Que natalidad y tasa cambien en magnitudes cercanas al 30% obliga a analizar composición, estabilidad del registro y comportamiento por subgrupos antes de atribuir el efecto.
3️⃣ ¿Cuál fue la intervención?
Si se afirma que el descenso es consecuencia directa de una política, es clave conocer cuál fue exactamente la intervención, cómo se implementó, en qué territorios, con qué intensidad y qué la hacía diferente de lo anterior. ¿Hubo un cambio sustantivo respecto al status quo previo? Sin esa caracterización precisa, no es posible evaluar mecanismos ni plausibilidad.
4️⃣ Criterios orientadores básicos.
Al menos dos criterios clásicos de Bradford Hill ayudan como guía:
– Temporalidad: la intervención debe ocurrir antes del efecto y el tiempo transcurrido debe ser compatible con el mecanismo esperado.
– Dosis–respuesta: ¿donde hubo mayor intensidad de intervención se observa mayor reducción?
Un cambio abrupto en un periodo muy corto exige examinar con cuidado estos puntos.
5️⃣ Transparencia y reproducibilidad.
No basta una gráfica aislada. Debe existir un informe técnico completo que detalle fuentes de datos, definiciones, métodos estadísticos, supuestos y análisis alternativos. Además, la reproducibilidad exige que las bases de datos (o los agregados necesarios) y el código de análisis estén disponibles para evaluación por pares o investigadores independientes.
Esto no es un capricho metodológico. Se trata de saber si las intervenciones realmente funcionan y cuánto. Y si funcionan, que se consoliden como nuevo estándar. Precisamente para eso sirve la evidencia rigurosa en salud pública.
Ya tenemos disponible el libro MEDICINA BASADA EN LA EVIDENCIA ! Elaborado por pediatras del los grupos/comités de pediatría basada en la evidencia de la AEP y la AEPap. No te lo puedes perder! https://t.co/LVJGwiSUvo
Recordad que ChatGPT está basado en un modelo de lenguaje, no es una base de conocimiento. NO HAGÁIS BÚSQUEDAS BIBLIOGRÁFICAS EN CHATGPT. Y si alguien os dice que lo uséis para ello, huid y que os devuelvan el dinero.
Datos del mundo real: cualquier información que ayude a mejorar la atención al paciente y que provenga de fuentes distintas a los ensayos clínicos tradicionales. Su análisis genera Evidencia de Mundo Real. Cell. 2020;180:9-14
ChatGPT y el Sesgo en las Citas Científicas https://t.co/HJ5pe4UxwR
Las fuentes más citadas son tenidas en cuenta para la generación de textos por IA
#ChatGPT#sesgopublicación
👏 ¡Felicitamos a la Dra. Diana Cuesta por su merecido reconocimiento! Su dedicación y pasión son inspiradoras. Un ejemplo a seguir en la comunidad médica. La Dra @dpcuesta es #OrgulloHGM🧡
Un dia muy especial recibiendo de la Academia de Medicina de Medellín - premio Manuel Uribe Ángel 2023 -categoría oro - como docente de la Facultad de Medicina de la UPB. GRACIAS estudiantes por lo aprendido y por los retos que me motivan, gracias UPB!! @upbcolombia
#Statistics thought of the day: A binary endpoint with incidence of 0.2 yields an effective sample size of 0.48n compared to a continuous or ordinal outcome: https://t.co/TEd0jhi5Yk @vandy_biostat #biostatistics#clinicaltrials @EdgeforScholars #rmscourse#bbrcourse
Humanizar los servicios de salud es comprender los lazos afectivos que unen a nuestros pacientes y sus mascotas. Doña Olga recibió, feliz, la visita de Dulce en las instalaciones del Hospital General. ¡Una compañía que ayuda a sanar! #HGMSomosTodos🧡