El estadístico, presidente de la Royal Statistical Society británica, lleva media vida analizando cómo los números pueden ayudarnos a comprender y mejorar nuestra salud
«No creo en que las matemáticas sean la única forma correcta de acercarse a los problemas ni que debamos tomar nuestras decisiones desde un punto de vista matemático. Somos seres humanos», dice el matemático y estadístico David Spiegelhalter mientras ojea el recuento de pasos de su teléfono móvil. Pese a su currículo, ha sabido tomar distancia. Miembro del del Churchill College (Cambridge) y licenciado en Oxford, buena parte de su trayectoria se ha basado en analizar datos y revisar estadísticas sobre nuestra salud. Hace más de 40 años, ya trabajaba en la Unidad de Bioestadística del Consejo de Investigación Médica de Cambridge; ha sido consultor de GlaxoSmithKline, Novartis o la Agencia Mundial Antidopaje. Con todo, el también presidente de la Royal Statistical Society británica repite una y otra vez que los números no lo son todo. Ahora bien, «en determinados momentos, necesitamos tener una idea de cuánto de grande es algo y eso es lo que las matemáticas y los datos te dicen», explica. Viene de publicar en España El arte de la estadística (Capitán Swing), un ensayo con el que pretende alfabetizar en la interpretación de la estadística, los datos y sus representaciones gráficas —lo que se conoce como data literacy—. Con la verdad en juego, se trata de una guerra crucial en la que una de las batallas más importantes se juega en el campo de la salud.
—La primera pregunta puede ser tan obvia como complicada. ¿Por qué los datos y la estadística son importantes para nuestra salud?
—Hay dos formas de entender por qué lo son. Una es a nivel individual y otra como sociedad. Como individuos, y especialmente una vez nos vamos haciendo mayores, debemos empezar a tomar decisiones sobre nuestra salud. Yo por ejemplo tengo 69 años y tengo cáncer de próstata, a todos nos pasan cosas y si queremos estar más involucrados en nuestras decisiones, si queremos trascender de esa anticuada medicina paternalista en la que simplemente se te decía qué y qué no debías hacer, debemos tener cierto conocimiento de los potenciales efectos beneficiosos de un tratamiento. Y esto, necesariamente, implica ser capaces de cuantificar de alguna manera qué tratamientos tienen mejores tasas de supervivencia, cuáles tienen mayores efectos secundarios y, en definitiva, cuánto vamos a poder vivir. Todo esto, puede ser traducido a números. Los números no son nunca el todo. Pero pueden darnos una visión que, sin ellos, sin una capacidad para cuantificar las cosas, nos dejaría solos ante nuestros miedos, nuestras emociones, nuestras ansiedades o nuestras esperanzas. Y sinceramente, creo que deberíamos ser capaces de algo mejor que eso.
—Dice que los números no son todo, pero vivimos un tiempo en el que necesitamos ver números para creernos cualquier cosa. Por una parte es positivo, ¿pero vivimos obsesionados?
—Efectivamente, hay cosas para las que no necesitaríamos números. Para las decisiones que tomamos sobre cómo queremos vivir, sobre si hacer ejercicio, si fumar, beber o llevar una dieta saludable, no necesitamos ser ingenieros aeroespaciales. Es en esas decisiones evidentes sobre la salud cuando se utilizan los números para manipularnos emocionalmente, para que nos preocupemos y nos puedan vender una dieta o cualquier otra cosa. Otra cosa es cuando hablamos de situaciones mucho más graves, cuando tenemos que pensar en tratamientos médicos que no podemos elegir basándonos en el sentido común. Ahí tenemos que fijarnos en los datos.
—Eso a nivel individual. ¿Y como sociedad?
—Los datos también nos dirigen hacia decisiones que tomamos como sociedades, hacia políticas de salud pública como los impuestos con los que debemos gravar el alcohol o el tabaco. O sobre el covid y sus restricciones; sobre la conveniencia de llevar o no mascarillas o la efectividad de las vacunas. En estas cuestiones, la estadística es muy importante. Sin los números no podemos decidir ni discutir de manera sensata sobre salud. Pero, del mismo modo que pasa a nivel individual, aquí la estadística tampoco lo es todo. Durante el covid no solo era una cuestión de estadística, era también un debate sobre libertades individuales, sobre los posibles daños, sobre educación… Todas estas cosas son mucho más complicadas de llevar al plano numérico. Debemos entender cuándo es apropiado y cuándo no tratar de llevar las cosas al plano numérico. Y cuándo las cosas deben depender de nuestros sentimientos, de nuestros valores o de nuestra conciencia.
—¿Se imagina cómo hubiese sido la medicina actual si no nos hubiésemos apoyado en los números?
—No tendríamos buenos tratamientos, seguiríamos manteniendo creencias primitivas porque no dispondríamos de estudios precisos para saber qué cosas funcionan y cuáles no. Volveríamos al medievo, porque la salud se seguiría basando en opiniones personales. En inglés, a aquella ciencia que no está basada en evidencia, decimos que está basada en eminencia. Sería una ciencia en la que solo es correcto aquello que las grandes autoridades digan que lo es. La recolección de datos y pruebas supuso revolucionar por completo la historia de la medicina. Cada pastilla que nos tragamos, cada decisión que tomamos, está basada en eso. Incluso para decir que fumar es malo hubo que recolectar datos. Porque antes solo teníamos las experiencias personales. Tu abuelo pudo haber fumado durante cuarenta años y haber vivido hasta los 96, pero no podemos basar la ciencia en eso.
—Hablaba antes de que hay cosas para las que no necesitaríamos demasiada estadística, y se refería específicamente al alcohol. Sin embargo, durante muchos años se defendió que la gente que bebía una copa de vino al día vivía más que los abstemios.
—Yo todavía lo creo.
—Pero es que los estudios no preguntaban a las personas abstemias por qué no bebían y resulta que muchos ya tenían patologías previas. Es lo que se denominó sesgo del exbebedor.
—Incluso sacando a los exbebedores de la estadística, se ve que los abstemios tienen peores niveles de salud que la gente con un consumo ocasional. Todos los estudios muestran que los no bebedores tienen una salud particularmente mala. Esto no quiere decir que el consumo ocasional de alcohol mejora la salud, pero los datos no se explican solo con ese sesgo. En base a esto, uno podría creer que el alcohol en consumos moderados no es dañino en general, que incluso podría ser beneficioso. Y ese escenario es el que está siendo discutido. Evidentemente, sabemos que una cantidad alta de alcohol es perjudicial, pero las conclusiones sobre los consumos moderados siguen estando sometidas a un tremendo debate, incluso con la enorme cantidad de datos que hemos recopilado hasta el día de hoy. Y todavía no lo sabemos. Es así de claro, realmente, no lo sabemos. No podemos dar una conclusión definitiva y fiable sobre los riesgos y beneficios del consumo moderado de alcohol.
—¿Cuándo empezamos a recolectar y representar en gráficas los datos sobre nuestra salud? Recuerdo el trabajo de John Snow y el cólera en Londres, que se considera una de las primeras representaciones gráficas sobre un problema de salud.
—John Snow fue el primer epidemiólogo que utilizó el espacio para representar un problema. Usó un mapa sobre el que colocó los datos que había recolectado sobre la enfermedad y pudo ver cómo la mayor concentración de casos se daba en Broad Street, donde estaba la bomba de agua contaminada. El cólera venía del suministro público y logró identificarlo con un trabajo detectivesco. Fue algo brillante para la época y ahora se utilizan mapas constantemente para representar problemas de salud. Sin duda, fue uno de los primeros, pero a nivel gráfico y de análisis estadístico, el trabajo de Florence Nightingale durante la Guerra de Crimea en 1854, supuso un salto espectacular. Se realizaron gráficos mostrando las tasas de mortalidad de los soldados y la influencia de los cuidados hospitalarios. Supuso un gran salto. El uso de mapas y otros gráficos en la primera mitad del siglo XIX en países como Francia está considerada como la edad dorada de los representación gráfica de la estadística.
—El ejemplo de la guerra es un buen ejemplo de los problemas que puede dar la estadística. Hay un dato sobre la Primera Guerra Mundial y la preocupación por el aumento brutal de soldados atendidos por heridas de arma en la cabeza en el bando británico tras implantarse el uso del casco. En una primera lectura parecía que su uso era perjudicial, pero es que antes había menos casos porque en vez de lesionados había muertos.
—Es fantástico, porque supone un ejemplo de lo que se conoce como sesgo de selección. Y esta es una de las cosas más complicadas, realizar una selección correcta para un análisis estadístico, preguntarte qué es lo que no estás viendo. Resulta muy tentador fijarse únicamente en los datos que se te presentan en tus narices sin pensar en todas las cosas que no se ven. Existe otro gran ejemplo de esto en la estadística de la aviación de la Segunda Guerra Mundial. Los aliados comenzaron a estudiar en qué puntos de la estructura blindada del avión se recibían más disparos con el fin de reforzar estas zonas y se sorprendieron con que cerca de los motores apenas se recibían impactos, por lo que, en un primer vistazo, no vieron necesario aumentar la seguridad de esas zonas. ¡No! Es que los que recibían impactos en esas zonas jamás regresaban. Son dos ejemplos estupendos sobre la importancia de preguntarse siempre qué es lo que no estoy viendo. ¿Cuáles son los efectos de la elección que estoy haciendo?
—¿Podemos fiarnos de una etiqueta de un embalaje de un medicamento que nos prometa un 99 % de efectividad?, ¿disponemos de las herramientas suficientes para interpretar este tipo de datos o somos víctimas fáciles?
—Me gusta bastante la expresión data literacy (en español, alfabetización de datos). Se refiere a la capacidad de manejar los datos, pero también de pensar de manera crítica sobre los reclamos basados en ellos. Yo te puedo contar cualquier historia y, a través de los números, hacerla parecer más grande, más pequeña, asustarte o tranquilizarte. Sin contar mentiras, dispongo de mecanismos para contar esa historia de la manera que a mí me interese. Porque no es lo mismo decir que algo tiene un 2 % de mortalidad que decir que existe un 98 % de supervivencia. Sin embargo, lo único que cambia es cómo que te he contado la misma historia . Debemos estar muy alerta ante posibles trucos. Los periodistas, por ejemplo…
—Ya tardábamos en llevarnos las culpas.
—Pero es que es habitual que se usen estas técnicas para lograr que la audiencia pinche en una información a través de un titular. Y son estrategias muy inteligentes que los que redactan estos titulares utilizan. Y debemos ser conscientes de que nos están manipulando a través de nuestras emociones.
—Esa estadística muchas veces llega ya masticada desde la industria a través de comunicados de prensa.
—Totalmente, es muy habitual. Los periodistas reciben notas de prensa constantemente de estudios que han sido elaborados por empresas privadas buscando que se reproduzcan las increíbles virtudes para la salud de esto y de lo otro. E incluso muchas veces son los propios científicos los que te cuentan su película buscando cobertura mediática que amplíe su repercusión. Es importante estar muy atento a lo que nos están contando. Pero es que luego estas informaciones también llegan a la redes sociales donde ya es imposible de contrastar y donde todo el mundo puede decir lo que sea. Por ejemplo, hace poco leí una historia de que el 94 % de los matrimonios en Portugal finalizan en divorcio. Un sinsentido total que se hizo viral en redes. El estudio consistía en un seguimiento durante un año del número de divorcios y el número de matrimonios. Pero es que se hizo durante el año del covid y se alcanzó un desfase porque la gente no se podía casar. Es una forma ridícula de medir las tasas de divorcio. Nadie puede pensar que esto es sensato. El problema es cuando interpretaciones de este estilo vienen de algún tipo de autoridad. Y a veces pasa.
—Sabe lo que pasa, que las matemáticas son difíciles.
—Por supuesto que las matemáticas son difíciles. Y la estadística y la probabilidad puede que sean incluso más complicadas. Las matemáticas, al menos, te dicen si algo está bien o está mal, pero la estadística requiere que conozcas de dónde vienen los datos, si existe algún sesgo para saber si son fiables. Es particularmente complicad. Enseñar data literacy es tan importante como las matemáticas.
—¿Algún consejo para poder identificar si una información científica es fiable?
—Si existiesen tips para poder identificar una información fiable, rápidamente alguien se inventaría cómo sortearlos. En el libro trato de dar algunas guías a diferentes niveles. Creo que se puede empezar con preguntas muy básicas: la primera, ¿quién me está contando esto?; la segunda: ¿qué me están asegurando? Luego podremos entrar en valoraciones técnicas y juzgar las cifras en detalle, pero, por encima de todo, creo que la pregunta clave es preguntarse si la información procede de una fuente que merezca realmente nuestra confianza. Preguntarse cómo a esta fuente le conviene que yo me sienta. Cuando te enfrentas a una estadística de este estilo, hay que plantearse cómo te has sentido cuando la has escuchado, porque ese sentimiento es, probablemente, el que alguien buscaba cuando te contó lo que te contó.
—Entre las estadísticas que desgrana en su libro, destaca la que vincula comer bacon todos los días con un incremento de un 18 % del riesgo de cáncer de colon.
—Ese dato, que creo que es plausible, nos dice que comer diariamente carne procesada incrementa el riesgo de padecer cáncer de colon en ese casi 20 %. Esto es así. Pero debemos entender que se trata de un incremento relativo; hablamos de que el riesgo previo que ya tú tenías de padece cáncer de colon se ve incrementado en un 18 %. La probabilidad de padecer cáncer de colon, que es una enfermedad terrible, es bastante baja. Un 6 % de las personas padecerá cáncer de colon a lo largo de su vida. Es decir, se trata de un aumento del 18 % sobre un 6 % de la población, lo que supone aplicar los porcentajes de dos maneras muy distintas. En un porcentaje relativo que se le añade a unos puntos porcentuales. La realidad de estos datos es que de cien personas que no comen bacon, seis de ellas van a padecer cáncer de colon en algún momento de su vida, mientras que de cada cien personas que comen bacon absolutamente todos los días siete desarrollarán la enfermedad. Ese aumento del 18 % sobre un 6 % supone un aumento de una persona en ese grupo de cien. Cuando expones los datos de esta manera, la cifra ya no parece ser tan significativa. Y esto no es un cuestionamiento a la ciencia. Hablamos de los mismos hechos, pero presentados de maneras distintas.
—Está claro que no parece un incremento importante hasta que te toca ser esa persona número siete. ¿No se corre el riesgo también de minimizar los riesgos?, ¿casi de favorecer malos hábitos?
—Sí, este es un punto de vista importante. Yo a veces como bocadillos de bacon, pero no lo hago habitualmente. No me los voy a comer todos los días. No pienso ni acercarme a esa séptima persona que puede padecer cáncer de colon. La estadística tiene un impacto en mis hábitos, pero no para que viva asustado, sino para lograr que los riesgos a los que nos enfrentamos a diario en la vida sean cada vez más pequeños. Es como mirar antes de cruzar la calle, minimiza los riesgos. Así es como vivimos. Es un ejemplo más, al igual que tomo estatinas para tratar de reducir todavía más el pequeño riesgo de que me pueda pasar algo. Ni de broma quiero animar a la gente a fumar o a beber. No, no, no. Creo que debemos llevar estilos de vida saludables. Pero también creo que no deberíamos vivir asustados o que se nos asuste con cosas que tienen la importancia que tienen. Porque si hacemos esto, cuando nos enfrentemos a números que realmente sean motivo de preocupación, la gente acabará por pensar que siempre se dice lo mismo y que nunca pasa nada.
—Si un problema con la recolección de datos en salud es que a veces se nos olvida mirar donde se debería. ¿Tal vez el día de mañana nos digan algo que contradice lo que nos están diciendo hoy?
—Creo que es muy importante que seamos capaces de expresar cierta incertidumbre científica. Siempre podemos estar equivocados en algo. Sobre determinados conceptos, sí que tenemos total confianza en que las cosas son así. En general, podemos estar seguros de que fumar es malo o que el sobrepeso traerá consecuencias para tu salud. Todo esto lo sabemos, no tenemos ninguna duda. Pero es cierto que en otras muchas cuestiones existen dudas razonables y si las autoridades se apresuran a asegurar que «esto es, sin duda, perjudicial» o «tienes que dejar de hacer esto, sin duda» y se acaba por demostrar que las conclusiones eran erróneas, la gente responderá siendo crítica. Y con razón.
—Antes hablábamos de estatinas y usted reconoce en su libro que es imposible saber si realmente estos fármacos van a impedir que alguien sufra un accidente cardiovascular.
—Lo que sé es que, tomando como referencia el promedio, las estatinas van a reducir el riesgo. Yo me tomo mis estatinas todos los días, pero no tengo ni la más mínima idea de si me estoy beneficiando o no. Si nunca me da un infarto, tal vez tampoco lo hubiese tenido sin tomar pastillas; y si tengo un infarto, no sé si las estatinas habrán servido para que no lo haya tenido antes. Pero me las sigo tomando porque sé que, de manera general, reducen el riesgo, porque se han hecho estudios aleatorios de calidad con cientos de miles de personas en los que se ve que las personas que toman estatinas tienen menos infartos que las personas que no las toman. No puedo predecir qué me va a pasar. Nadie puede hacer esto. Lo que sí puedo hacer es intentar variar el nivel de riesgo. Pero es que este tipo de cosas las hacemos todo el rato. Cuando vamos conduciendo a algún lugar, no sabemos qué nos puede pasar, pero sabemos que las probabilidades de que todo vaya bien se reducen si nos abrochamos el cinturón de seguridad o si conducimos de forma segura. Podemos igualmente con esto sufrir un accidente, pero nuestra vida se basa en una reducción de los riesgos. Hay veces que es más obvio, como cuando miramos a los lados para cruzar la acera, pero en otras ocasiones los riesgos no son tan evidentes y tenemos que tirar de estudios y de estadísticas.
Ver artículo original