Cómo leer tus propias probabilidades de síntomas: 7 de 9 frente a 2 de 20

Abre un diario de síntomas y clima tras unas semanas de uso y la pregunta que ronda tu cabeza es casi siempre la misma: ¿mañana será un día malo? Esa pregunta concreta —una predicción, un número asignado a un día que todavía no ha ocurrido— no es algo que tus propios datos, ni los de nadie, puedan responder de verdad. Lo que tus datos sí pueden responder, una vez que hay suficientes, es algo más concreto y más útil: en los días parecidos a este, ¿con qué frecuencia las cosas te fueron mal, en comparación con la frecuencia con la que te van mal en un día normal? Esa respuesta se parece menos a un titular y más a un par de fracciones —mal en 7 de los últimos 9 días tras una caída brusca de presión, mal en 2 de los últimos 20 días normales— y aprender a leer bien ese par es, en esencia, toda la destreza real que hace falta para usar bien cualquier diario personal de salud. Una aclaración antes de empezar: este es material informativo, no un consejo médico. MeteoHealth es una app de bienestar, no una herramienta de diagnóstico; si un síntoma es nuevo, intenso o va a más, eso es una conversación para tu médico, no para este artículo.

Por qué el veredicto poblacional no es tu veredicto

Uno de los intentos más cuidadosos de resolver la cuestión del clima y los síntomas a nivel poblacional merece detenerse en él, porque el resultado va en contra de lo que espera oír la mayoría de las personas que registran sus propios síntomas. Zebenholzer y sus colegas siguieron a 238 personas con migraña que vivían a menos de 25 km de una única estación meteorológica en Viena, hicieron que cada una llevara un diario diario durante 90 días, y contrastaron esos diarios con once mediciones meteorológicas más diecisiete situaciones climáticas categorizadas registradas los mismos días (Zebenholzer et al., 2011). Varias señales que parecían prometedoras en un primer análisis —una cresta de alta presión, menor velocidad del viento, un cambio en la duración de las horas de sol— no mantuvieron su significación estadística en el análisis final. La conclusión de los propios investigadores fue tajante: el clima está considerablemente sobrevalorado como desencadenante de dolores de cabeza, muy por detrás de factores más mundanos como el estrés y, para muchas pacientes, la menstruación. Es una frase incómoda para que la cite una app construida en torno al clima y los síntomas, y aun así se cita aquí, porque es exactamente la razón de que importe el resto de este artículo. Si el clima fuera un desencadenante fuerte y fiable en toda una población, un registro personal no necesitaría una lectura cuidadosa: simplemente confirmaría el promedio. No lo confirma, y un segundo estudio agudiza aún más ese desajuste. Entre 77 personas con migraña que Prince y sus colegas contrastaron con condiciones meteorológicas medidas, aproximadamente la mitad resultó ser objetivamente sensible a al menos un factor climático —pero más pacientes creían que el clima era su desencadenante de lo que las mediciones respaldaban (Prince et al., 2004). Aquí la creencia se adelanta a los datos en ambas direcciones: algunas personas convencidas de que el clima les afecta no lo ven confirmado en las cifras, y un veredicto de «sobrevalorado, en promedio» no descarta que sea real para una persona concreta dentro de esa «mitad». Los promedios y las creencias son, ambos, el instrumento equivocado para la pregunta individual, y hay una razón concreta para ello. Fisher, Medaglia y Jeronimus, trabajando con seis estudios de medidas repetidas, encontraron que la varianza en torno al valor esperado era de dos a cuatro veces mayor dentro de cada individuo que entre grupos (Fisher, Medaglia & Jeronimus, 2018). Su argumento más amplio: un hallazgo a nivel de grupo se transfiere limpiamente a un individuo solo en lo que los estadísticos llaman un proceso ergódico —aquel en el que el patrón entre personas y el patrón dentro de una misma persona a lo largo del tiempo comparten la misma forma— y los procesos psicológicos como la fluctuación de síntomas normalmente no son ergódicos. Un estudio poblacional, por bien realizado que esté, nunca se diseñó para responder «qué me pasa a mí». Un registro personal no es un sustituto de segunda categoría para esa respuesta; está más cerca de ser el único instrumento capaz de darla. Para el panorama poblacional más completo detrás de ese veredicto de «sobrevalorado», meteosensibilidad: qué dice la ciencia y presión atmosférica y dolor de cabeza profundizan en el debate sobre los mecanismos: este artículo continúa donde ambos lo dejan.

Frecuencias naturales: por qué «7 de 9» vence a «78%»

Incluso cuando alguien acepta que su propio registro es el lugar correcto donde mirar, la forma en que ese registro se comunica puede echar por tierra todo el ejercicio. Gigerenzer y sus colegas, al analizar lo mal que se comunica la estadística sanitaria en toda la medicina, escribieron sin rodeos que muchos médicos, pacientes, periodistas y políticos por igual no entienden lo que significan las estadísticas sanitarias o extraen conclusiones equivocadas sin darse cuenta —un analfabetismo estadístico colectivo, la incapacidad generalizada de entender el significado de los números (Gigerenzer et al., 2007). Su solución propuesta es un formato concreto, casi anticuado: las frecuencias naturales, la forma en que los humanos codificaban la información antes de que se inventaran las probabilidades matemáticas a mediados del siglo XVII —recuentos simples que no están normalizados respecto a tasas base, a diferencia de las frecuencias relativas y las probabilidades condicionales, y por eso mucho más fáciles de digerir para un cerebro. Su ilustración estándar es un escenario de mamografía: con una prevalencia de cáncer del 1%, una sensibilidad de la prueba del 90% y una tasa de falsos positivos del 9%, la mayoría de las personas a las que se pregunta qué significa un resultado positivo sobrestiman gravemente la probabilidad de cáncer. Expuesto como frecuencias naturales sobre 1000 mujeres, el panorama se aclara enseguida. De las 1000, 10 tienen cáncer realmente, y unas 9 de esas 10 dan positivo en la prueba. De las 990 sin cáncer, unas 89 también dan positivo, puramente como falsas alarmas. Suma ambos grupos y unas 98 mujeres obtienen un resultado positivo en total —solo 9 de ellas, aproximadamente 1 de cada 10, tienen realmente cáncer. Esas cuatro frecuencias naturales suman el total real de 1000, mientras que las probabilidades condicionales equivalentes no suman 100%: cada par se normaliza por separado respecto a su propia tasa base, que es exactamente el paso que oculta lo que está ocurriendo. Una cifra como «un resultado positivo significa alrededor de un 90% de probabilidad de cáncer» suena precisa y no es verificable por quien la lee. «9 de las 98 que dieron positivo tienen realmente cáncer» es una operación aritmética que cualquiera puede repetir. La misma lógica se traslada directamente a un diario personal de clima. «Mal en 7 de los últimos 9 días con una caída brusca de presión» es una frecuencia natural: dos números enteros, nueve días reales que se vivieron de verdad, una aritmética que puedes verificar contra tu propio diario. «Un 78% de probabilidades de un día malo cuando cae la presión» es el mismo hecho disfrazado de un modo que oculta el 9, y que te invita a dejar de preguntarte qué hay detrás.

El número que no significa nada sin su pareja

Incluso una frecuencia natural clara como «7 de 9» es, por sí sola, una frase inacabada, y aquí es donde la mayor parte del seguimiento personal, dentro o fuera de una app, se equivoca silenciosamente. Siete días malos de nueve días con caída de presión suena dramático por sí solo. Que eso diga algo sobre la presión depende por completo de un número que tiene que colocarse justo al lado: con qué frecuencia esa misma persona tiene un día malo cuando no ha pasado nada en particular —un día normal, registrado de la misma manera, sin ningún cambio de presión notable. Supongamos que el recuento de días normales resulta ser 2 días malos de 20. Coloca las dos fracciones una junto a la otra: alrededor del 78% de los días con caída de presión fueron malos (7 de 9), frente al 10% de los días normales (2 de 20). Esa es una brecha real y considerable, y es la brecha —no la cifra en bruto de 7 de 9 por sí sola— la que realmente hace el trabajo de sugerir un patrón. Ahora cambia solo el recuento de días normales y observa cómo se invierte la conclusión. Supongamos que los días normales resultan ser, en cambio, 15 días malos de 20 —alguien que en general está pasando una racha difícil, por razones que pueden no tener nada que ver con el clima. La tasa de días con caída de presión sigue siendo de 7 de 9, todavía alrededor del 78%. Pero la tasa de días normales ahora es del 75% —15 de 20—, lo bastante cercana como para que prácticamente no haya diferencia entre los dos grupos. La misma cifra titular, «mal en 7 de 9 días con caída de presión», describe dos situaciones completamente distintas según cómo fueran los demás días: en el primer caso apunta a la presión, en el segundo apunta a casi nada, porque esta persona simplemente está teniendo más días malos que buenos ahora mismo, al margen del clima. Una frecuencia aislada reportada para una condición todavía no es un hallazgo. Se convierte en uno solo cuando se contrasta con la frecuencia equivalente de los días sin esa condición, contada de la misma manera en ambos lados. Una idea de lo que puede llegar a significar un «día con caída de presión» en este tipo de contabilidad aparece en un estudio de diario japonés: Okuma y sus colegas hicieron que 34 personas con migraña llevaran registros diarios y encontraron que los ataques se agrupaban en los días en que la presión atmosférica descendía hasta aproximadamente 1003–1007 hPa, entre 6 y 10 hPa por debajo de los 1013 hPa estándar (Okuma et al., 2015). La caída exacta que cuenta varía según la persona y la estación, pero la forma de la comparación —días de caída frente a días normales, contados de la misma manera— es lo que sí se generaliza.

Por qué la propia prueba estadística se convierte en una decisión a esta escala

Hay una complicación adicional al pasar de «estas dos fracciones parecen distintas» a «lo bastante distintas como para que probablemente no sea azar». Con los tamaños de muestra que tiene de verdad un diario personal en sus primeras etapas —un puñado de días con caída de presión frente a unas pocas decenas de días normales—, la prueba estadística usada para comparar dos recuentos deja de ser una formalidad que cualquier método estándar maneja de la misma manera. Una revisión de Campbell sobre las pruebas de chi-cuadrado y Fisher–Irwin en tablas dos por dos pequeñas encontró que, en general, la opción con mejor desempeño era una versión corregida del chi-cuadrado —la llamada prueba «N−1»— siempre que el menor recuento esperado en la tabla sea de al menos 1, recurriendo por debajo de ese umbral, según la regla de Irwin, a la prueba exacta de Fisher–Irwin (Campbell, 2007). Vale la pena detenerse en esto: la orientación más antigua y familiar exigía un recuento esperado mínimo de al menos 5 en cada celda antes de confiar en una prueba de chi-cuadrado ordinaria —un listón que un diario con 9 días de caída de presión, y una celda de «día malo» de dos o tres entradas, tarda en superar. Nada de esto significa que una prueba de chi-cuadrado ordinaria esté secretamente equivocada, ni que la prueba exacta sea la única opción correcta en todos los casos; significa que a los 9 días, o 20, o 30, qué prueba se usa deja de ser un detalle de fondo y se convierte en una decisión con consecuencias reales sobre si una brecha entre dos fracciones se considera significativa. Inclinarse por la opción más conservadora a esta escala tiende a infravalorar un patrón en lugar de sobrevalorarlo, la dirección más segura en la que equivocarse. También es una razón más por la que un porcentaje solitario, ofrecido sin los recuentos subyacentes, merece el mismo escrutinio que cualquier otra afirmación aritmética sin verificar.

Los días que no se registran no cuentan

Hay un fallo que ninguna prueba estadística puede corregir a posteriori, porque ocurre antes, en el momento del registro. Si un diario de síntomas solo recibe una entrada en los días que ya se sienten notables —un dolor de cabeza fuerte, una mala noche, un día del que hay algo que contar—, la comparación con días normales de la sección anterior no existe, por construcción, no porque los días normales fueran raros, sino porque nadie los anotó. Cualquier frecuencia que salga de un diario construido así se verá sistemáticamente peor que la realidad, porque al denominador le falta su categoría más grande y más aburrida. Esto es solo una parte más estrecha de una disciplina de registro más amplia —qué anotar, con qué cercanía al momento, cómo evitar que la memoria edite silenciosamente el registro—, tratada por completo en cómo llevar un diario de síntomas que realmente encuentre tus desencadenantes. La versión corta aquí: un día normal, anotado sin más, es una entrada tan valiosa como uno malo, porque es lo único que convierte «7 días malos» en una fracción que significa algo.

Cuando la respuesta es «no hay patrón» —y por qué eso sigue siendo una respuesta

Una vez que hay suficientes días normales en el registro, ocurre una de dos cosas, y solo una de ellas da un titular satisfactorio. A veces la tasa de días con caída de presión y la tasa de días normales realmente se separan —más cerca del primer ejemplo aritmético anterior que del segundo—, y ese es un resultado real y personalmente útil. Con la misma frecuencia, semanas de registro cuidadoso terminan más cerca del segundo ejemplo: las dos tasas quedan lo bastante próximas como para que no haya una brecha significativa entre ellas, lo que en lenguaje llano significa que las caídas de presión no parecen influir demasiado en esta persona en concreto. Ese resultado coincide con lo que Zebenholzer y sus colegas encontraron a nivel poblacional, donde varias señales que parecían reales en un primer análisis no sobrevivieron al análisis final, y merece tomarse tan en serio como el resultado contrario. Una brecha que se cierra bajo escrutinio no es un experimento fallido: es el mismo proceso que habría señalado una brecha real, informando correctamente de que esta en particular no está ahí. Leer «no hay patrón» como una decepción en lugar de como información es la misma mentalidad que, para empezar, permite que sobrevivan las correlaciones ilusorias: sigue buscando el patrón que esperaba en lugar de aceptar el que muestran realmente los recuentos.

Lo que realmente aparece en la app

El papel de MeteoHealth en todo esto es deliberadamente limitado. Registra los síntomas junto al clima y los datos de Apple Health del mismo día, y una vez que hay suficiente historial, muestra una frecuencia personal —días malos tras una caída de presión— justo al lado de la frecuencia equivalente para los días normales, como recuentos, no como un porcentaje solitario. Mientras el diario todavía es corto, indica cuántas entradas más harían que esa comparación mereciera la pena leerse, en lugar de ofrecer un número prematuramente y dejar que asumas que ya significa algo. La aritmética se ejecuta en el propio dispositivo, sobre datos que no necesitan salir del teléfono para ser útiles. Nada de esto equivale a un diagnóstico ni a una predicción: la app no diagnostica una afección, no predice el mañana y no te dice qué causó un día malo. Muestra cómo fueron tus propios días, uno junto al otro, y deja la interpretación de esa comparación donde le corresponde: con dos números y una aritmética que cualquiera puede repetir. El clima puede estar vinculado a cómo se siente una persona concreta, o puede que no. La única forma de averiguar cuál de las dos cosas es cierta para un cuerpo en particular es mirar los propios días de ese cuerpo, contados correctamente, frente a los días normales con los que se comparan.