HG Wells nunca dijo que “un día el razonamiento estadístico sería tan importante para ser un buen ciudadano como leer y escribir”. Sin embargo, si lo hubiera dicho hubiera acertado de lleno. Políticos, gestores, científicos, todo el mundo tiene un indicador, una media o un p-valor preparado para acompañar sus argumentos. El origen de esta información no siempre es clara y en ocasiones su interpretación, o el resultado, es erróneo.
Sirva de ejemplo una polémica que hubo en el mes de febrero en el Reino Unido que terminó con un grupo de médicos regalando una edición de 3 metros del libro “How to read a paper” a Jeremy Hunt, secretario de salud del gobierno británico. Hunt, para defender su plan “seven-day NHS”, afirmó que en el Reino Unido los pacientes con un ictus que ingresaban en fin de semana tenían una mayor probabilidad de morir. 59 reputados neurólogos acusaron a Hunt, por carta al Sunday Times, de interpretar mal resultados estadísticos y de usar datos desfasados para justificar sus políticas.
No sé si tendré que regalar libros, y de qué tamaño, pero sí puede ser interesante aprovechar este espacio para reflexionar sobre el uso o abuso de la estadística y la fascinación, casi religiosa, por los p-valores significativos. Una cantinela, la de la significación estadística, que me recuerda aquello de “científicamente probado” que lucían muchos productos que se publicitaban por televisión cuando era pequeño. Un resultado estadísticamente significativo es el sello que todos buscamos sin parar, pero haríamos bien en recordar la historia de Pahom y preguntarnos: ¿cuántos p-valores necesita un investigador? Estadísticamente significativo o la estadística vista como una significativa excusa.
Continuará.
Entrada elaborada por Cristian Tebé Cordomí (@Cristiantb), Servicio de Asesoría Estadística del Institut d’Investigació Biomèdica de Bellvitge y Profesor Asociado en la Universitat Rovira i Virgili.