Cómo llevar un diario de síntomas que realmente encuentre tus desencadenantes

Cada artículo de esta serie ha llegado hasta ahora a la misma conclusión honesta y un poco insatisfactoria. Presión y dolor de cabeza: un vínculo real pero modesto, enredado con una creencia que se adelanta a los datos (sensibilidad al clima: qué dice realmente la ciencia). Articulaciones y lluvia: estudios genuinamente contradictorios, divididos por el diseño de la investigación tanto como por cualquier otra cosa. Tormentas geomagnéticas: una señal pequeña a nivel poblacional que se sostiene sobre una evidencia demasiado escasa para decir qué significa para una persona concreta. Calor, humedad y fatiga: el único vínculo lo bastante sólido como para llamarlo física básica, pero socavado por lo mucho que varía el umbral personal de cada quien. Lee los cuatro artículos y una misma idea los recorre a todos: la respuesta a nivel poblacional nunca es un «sí» ni un «no» limpios, es «débilmente, para algunas personas, y depende». Eso no es una evasiva. Es la forma real y honesta de esta ciencia, y significa que la única pregunta útil que queda no es «¿el clima afecta a las personas?», sino «¿me afecta a mí, y cómo lo sabría en realidad?». Este artículo trata de responder correctamente a esa segunda pregunta —con un diario construido para que lo revise la estadística, no la memoria. Una aclaración antes de empezar: este es material informativo, no un consejo médico. Si un síntoma es nuevo, intenso o alarmante, eso es una conversación para un médico, no para una aplicación o una hoja de cálculo.

Por qué tu memoria es una mala jueza

Empecemos por el experimento más directo posible sobre esta misma pregunta. En 1996, Donald Redelmeier y Amos Tversky —un médico y el psicólogo que, junto con Daniel Kahneman, fue pionero en el estudio de los sesgos cognitivos— siguieron a 18 pacientes con artritis durante más de un año, registrando su dolor junto con el clima local real que cada paciente creía que le afectaba. Cuando procesaron los datos, no encontraron ninguna asociación estadísticamente significativa entre el dolor de ningún paciente y su propio factor meteorológico señalado —ni en un solo paciente del grupo (Redelmeier & Tversky, 1996). Ese resultado por sí solo podría significar simplemente que el clima realmente no importa para las articulaciones, lo cual encaja con buena parte de lo ya cubierto en esta serie. Pero el mismo estudio realizó un segundo experimento, más limpio: mostró a 97 estudiantes universitarios secuencias puramente aleatorias, generadas por ordenador, de dos variables sin ninguna relación incorporada, y les pidió que juzgaran si las secuencias estaban correlacionadas. Las personas informaron sistemáticamente ver correlaciones en ese ruido —patrones que, por construcción, no estaban ahí para encontrarse. La conclusión de los autores fue que la creencia en el vínculo entre clima y dolor probablemente sobrevive no porque los datos la respalden, sino porque la mente humana está hecha para detectar patrones existan o no —lo que los investigadores llaman correlación ilusoria.

Esa tendencia tiene un compañero bien documentado: el sesgo de confirmación, el hábito de notar y recordar los días que encajan con una historia que ya sostienes —un día de tormenta con un dolor de cabeza fuerte— mientras se resta importancia en silencio al día de tormenta que pasó sin incidentes, y ni siquiera se registra el día despejado que también resultó ser malo. Añade el sesgo de recuerdo puro y simple —el hecho de que reconstruir «qué tan fuerte me dolía la cabeza hace tres semanas» es un acto mucho menos preciso que valorarlo ahora mismo— y obtienes un sistema de memoria que, estructuralmente, es un mal instrumento para esta pregunta en concreto. Un estudio que comparó los cuestionarios retrospectivos sobre dolor de cabeza de 181 niños con los diarios en tiempo real de esos mismos niños durante cuatro semanas encontró exactamente este patrón en la práctica: en comparación con el diario, el cuestionario retrospectivo sobrestimó de forma sistemática tanto la intensidad como la duración del dolor de cabeza, y el tamaño de ese error seguía la edad del niño, la gravedad del dolor de cabeza y las puntuaciones de depresión (van den Brink, Bandell-Hoekstra & Abu-Saad, 2001). Nada de esto significa que las personas sean descuidadas o deshonestas respecto a sus propios síntomas. Significa que la memoria nunca se creó para funcionar como un instrumento de medición, y pedirle un trabajo del nivel de la estadística es pedirle una tarea para la que nunca fue diseñada.

Lo que un diario debe hacer bien

La solución a la que recurren los investigadores tiene nombre: evaluación ecológica momentánea, o EMA (ecological momentary assessment) —registrar un síntoma cerca del momento en que ocurre, en el entorno en el que ocurre, en lugar de reconstruirlo después a partir de la memoria. El método se formalizó en un artículo fundacional de 1994 de Arthur Stone y Saul Shiffman, quienes argumentaron que evaluar síntomas, ánimo y comportamiento en tiempo real y en el entorno cotidiano real de una persona evita los problemas de recuerdo que socavan los informes retrospectivos (Stone & Shiffman, 1994). Aplicado a un diario personal de clima y síntomas, ese principio se traduce en una lista corta de hábitos concretos, no en la instrucción vaga de «prestar atención»:

1. Registra cerca del momento, no al final de la semana. Un registro del mismo día es una medición; una reconstrucción de toda la semana el domingo por la noche ya está derivando de vuelta hacia la memoria y sus sesgos.
2. Registra también los «fallos», no solo los «aciertos». Un día tranquilo con presión normal y sin dolor de cabeza es un dato exactamente tan importante como un día de tormenta con un dolor fuerte; omitirlo es sesgo de confirmación con pasos adicionales, simplemente disfrazado de diario.
3. Mantén las categorías constantes. Puntuar un síntoma en la misma escala de 0 a 10, o marcar la misma lista corta de síntomas, todos los días, es lo que hace que el día 3 sea comparable con el día 60. Un diario que cambia sus propias unidades a mitad de camino no se puede analizar en absoluto.
4. Deja que el clima se asocie automáticamente cuando sea posible. Cuanto menos dependa un diario de que recuerdes por separado comprobar y anotar la presión o la humedad del día, menos margen tiene el sesgo de recuerdo para colarse de nuevo por una puerta trasera.
5. Sigue registrando más allá del punto en el que parece que ya conoces la respuesta. Esta es la regla más difícil y la que más gente rompe primero, por una razón que la siguiente sección precisa.

Por qué hace falta estadística, no un vistazo, para saberlo

Supongamos, hipotéticamente, que tras un mes de registros diarios tus datos muestran una correlación de r = 0,34 entre los días de baja presión y qué tan fuerte se sintió el dolor de cabeza ese día. Es una cifra que parece real —del tipo de correlación limpia que produciría un satisfactorio «ajá». Pero con solo 30 días de datos detrás, una correlación de ese tamaño arroja un valor p de aproximadamente 0,07 según la prueba estadística estándar para correlaciones —lo cual no supera el umbral convencional de significación de 0,05. En términos sencillos: con tan pocos datos, una correlación de ese tamaño todavía es bastante plausible que sea una coincidencia, aunque en la pantalla parezca significativa. Llamarlo un hallazgo en ese punto sería cometer exactamente el mismo error que cometieron los estudiantes universitarios de Redelmeier y Tversky con ruido puro: ver un patrón antes de que haya evidencia suficiente para distinguirlo del azar.

Aquí está la parte que hace que valga la pena registrar durante más tiempo: sigue registrando, y supongamos que esa misma relación de r = 0,34 se mantiene cuando llegas a los 90 días —unos tres meses de registros constantes. Ejecuta la misma prueba estadística sobre la muestra más grande, y ahora esa correlación del mismo tamaño arroja un valor p de aproximadamente 0,001 —muy por debajo del umbral de significación, porque una correlación de un tamaño dado se vuelve mucho más difícil de explicar por azar una vez que se mide a lo largo de tres veces más días. Entre el día 30 y el día 90 no cambió nada en la relación subyacente; solo cambió la cantidad de evidencia detrás de ella. Esa es la razón honesta y nada glamorosa de por qué «dale tiempo» no es un tópico vacío: la potencia estadística para detectar un efecto real (o descartar correctamente uno falso) aumenta con el número de observaciones, y un mes de seguimiento entusiasta normalmente no basta.

La trampa de las comparaciones múltiples: por qué importa la FDR

Hay una segunda trampa que se abre en el momento en que empiezas a comprobar más de una variable meteorológica a la vez, que es exactamente lo que hace la mayoría de la gente: presión, temperatura, humedad, viento y más, todo puesto a prueba contra un síntoma en la misma sesión. Prueba ocho factores meteorológicos distintos contra tus síntomas usando el umbral de significación habitual de 0,05 para cada uno por separado, y el azar puro por sí solo hace que aproximadamente uno de cada veinte de esos tests parezca «significativo» aunque ninguna de las relaciones subyacentes sea real —y a lo largo de ocho tests simultáneos, eso se acumula hasta una probabilidad notablemente elevada de que al menos una falsa alarma aparezca pareciendo un descubrimiento. Este es el problema de las comparaciones múltiples, y es la versión estadística de la trampa del sesgo de confirmación de la que se habló antes en este artículo: cuantas más preguntas le hagas a los mismos datos a la vez, más oportunidades le das al propio azar de entregarte un falso positivo que parece exactamente uno real.

La solución estándar es una corrección por tasa de falsos descubrimientos, o FDR (false discovery rate) —un método introducido por Yoav Benjamini y Yosef Hochberg en 1995 específicamente para esta situación, en la que se prueban muchas hipótesis a la vez y un umbral de significación simple y sin corregir dejaría pasar demasiados falsos positivos (Benjamini & Hochberg, 1995). En lugar de exigir un umbral imposiblemente estricto para cada test individual —lo que tiende a sepultar los efectos reales junto con los falsos—, la corrección FDR ajusta el umbral según cuántas comparaciones se hicieron, de modo que, entre las asociaciones que terminan marcadas como «significativas», la proporción esperada de las que en realidad son falsas se mantiene controlada y conocida, en lugar de dejarse a la conjetura. Aplicado a un diario personal del clima, esto es la diferencia entre «la presión salió significativa, así que debe de ser mi desencadenante» y «la presión se mantuvo significativa incluso después de tener en cuenta los otros siete factores que también comprobé» —la segunda afirmación es la que vale la pena confiar, y es la que necesita corrección para hacerse honestamente.

SIGNIFICANCE × DAYS · SAME_r=0.34

n=30 · p≈.07n=90 · p≈.001p=0.05

DAYS_LOGGED →

• n=30No significativo — la coincidencia sigue siendo posible
• n=90Significativo — improbable que sea azar

8_FACTORS_TESTED

UNCORRECTED_p<.05

↓

AFTER_FDR

Solo cuentan las asociaciones que superan la corrección FDR

FIG.06 · SIGNIFICANCE + FDR · ILLUSTRATIVE_EXAMPLE · NOT_A_MEASUREMENT

Lo que esto realmente te da: una muestra de tamaño uno, hecha correctamente

Esta es la lógica detrás de un diseño de investigación llamado ensayo n-of-1 (de un solo paciente): en lugar de preguntar si un tratamiento o un desencadenante funciona para las personas en general, tomas las propias observaciones repetidas y consistentes de una persona como conjunto de datos, con los demás días de esa misma persona sirviendo de comparación —no hace falta un grupo de control aparte, porque cada persona es su propio control a lo largo del tiempo (Duan, Kravitz & Schmid, 2013). Eso es exactamente lo que es un diario de síntomas y clima bien llevado: no un sustituto de la investigación poblacional, sino un conjunto de datos legítimo y significativo a nivel individual por derecho propio, siempre que esté construido tal como describen las secciones anteriores —registrado cerca del momento, incluyendo los días ordinarios, durante el tiempo suficiente, comprobado con un método que tenga en cuenta que se está probando más de una cosa a la vez.

Esta es también, sencillamente, la razón por la que MeteoHealth existe como aplicación y no como una plantilla de hoja de cálculo. Registra tus síntomas y tu ánimo en dos toques, empareja cada entrada con el clima local y las métricas de Apple Health que ya recopilas, y ejecuta la estadística real en el dispositivo —correlaciones de Pearson, ANOVA y corrección por tasa de falsos descubrimientos entre las variables meteorológicas que comprueba—, de modo que lo que aparece como un patrón en tus propios datos ya ha pasado por la misma disciplina descrita en este artículo, en lugar de un simple vistazo a un gráfico. No diagnostica ni predice nada; te muestra tus propios números, con la incertidumbre dejada honestamente a la vista, y está construida enteramente en el dispositivo, de modo que los datos personales de salud detrás de esos números nunca tienen que salir de tu teléfono. Todo lo demás en esta serie —los promedios poblacionales débiles, el desacuerdo entre estudios, la brecha entre la creencia y los datos— es la razón por la que ese enfoque resulta necesario en primer lugar. Un estudio poblacional puede decirte qué suele ser cierto en promedio, entre miles de personas a las que nunca conocerá individualmente. No puede decirte si el dolor en tu rodilla este martes sigue la caída de presión de fuera. Solo tu propio registro, leído por la estadística y no por la memoria, puede hacer eso.

En resumen

A lo largo de todo este ciclo, la respuesta honesta a «¿el clima afecta la salud?» ha sido alguna versión de «débilmente, de forma desigual, y depende de la persona» —nunca un sí limpio, nunca un no limpio. Ese no es un lugar insatisfactorio donde aterrizar; es el lugar correcto donde aterrizar, y apunta directamente a qué hacer a continuación. La memoria es una mala jueza para estas preguntas: encuentra patrones en la aleatoriedad de forma fiable y recuerda los días que confirman una historia mientras olvida los que no. Un diario corrige eso solo si se registra cerca del momento, incluye los días ordinarios junto con los notables, y se mantiene el tiempo suficiente como para darle a la estadística real —no a un vistazo a un gráfico— evidencia suficiente para distinguir un patrón genuino del ruido, teniendo correctamente en cuenta que comprobar varios factores meteorológicos a la vez hace más probables las falsas alarmas a menos que el análisis esté preparado para manejarlo. Haz eso, y ya no estarás adivinando, ni confiando en una memoria construida para engañarte precisamente en esto. Estarás llevando a cabo un estudio legítimo de una sola persona sobre el único conjunto de datos que siempre iba a importar más: el tuyo.