ESCRIBO

 

(Literatura digital) 

Cuando me preguntan qué hago después de jubilarme como docente universitario, contesto sin demasiadas vueltas: escribo.

La respuesta suele sorprender. Tal vez porque durante toda mi vida profesional nunca me consideré un “escritor por placer”. No escribí en ratos libres, ni como hobby, ni como forma de evasión. Siempre escribí ligado a mi profesión: como médico y como docente universitario. Historias clínicas, clases, apuntes, evaluaciones, reflexiones académicas. Escritura con función, con destinatario, con obligación.

Hoy escribo distinto. No porque haya cambiado mi historia, sino porque cambió el lugar desde donde escribo.

Con el tiempo fui comprendiendo algo simple pero decisivo: toda escritura se apoya en dos ejes básicos

1.    La forma

2.    El contenido

Durante años trabajé ambos sin pensarlo demasiado, casi de manera intuitiva. Hoy, ya sin urgencias institucionales, puedo mirarlos con más conciencia.

La forma es la arquitectura del texto. Es el orden, el ritmo, el párrafo que respira, la puntuación que guía, el título que orienta. La forma no es adorno: es hospitalidad. Es la manera en que uno recibe al lector.
En ese aspecto, herramientas como Word me resultaron fundamentales. No porque escriban por mí, sino porque me permiten revisar, corregir, mover, ajustar. Me devuelven algo muy médico: la posibilidad de volver sobre lo hecho y mejorarlo. La escritura como proceso, no como acto definitivo.

El contenido, en cambio, tiene que ver con lo que quiero decir, pero también con cómo se ordena lo que pienso. Y acá aparece una novedad impensada en otros tiempos: la inteligencia artificial conversacional.

No la vivo como un reemplazo, ni como una delegación del pensamiento. La vivo como un interlocutor. Alguien que me ayuda a arrancar, a ordenar ideas, a explorar registros distintos, a convertir intuiciones en texto. La IA no pone la experiencia; esa viene de años de medicina, docencia, lecturas y vida. Pero sí ayuda a darle forma verbal a lo que ya está.

La combinación de estas dos herramientas —una que cuida la forma y otra que acompaña el contenido— me permitió algo que no había previsto: descubrir una nueva pasión en la adultez mayor.

No se trata de “matar el tiempo”. Al contrario. Se trata de habitarlo. De transformar el ocio en algo productivo, no en términos de rendimiento, sino de sentido. Escribir se volvió un espacio propio, elegido, sin evaluaciones ni programas oficiales. Un lugar donde sigo siendo médico y docente, pero sin el peso del rol, solo con la responsabilidad de ser fiel a mi mirada.

Durante años escribí porque debía.
Hoy escribo porque puedo.

Y en ese pequeño desplazamiento encontré algo valioso: una manera de seguir pensando, compartiendo y aprendiendo, ahora como autor de mi propio tiempo.

 

EL JUEGO DEL PENSAR: PROBABILIDAD EN MOVIMIENTO PARA TOMI Y SANTI

 PODCAST

(Literatura digital)

Se describe el proceso cognitivo de ajustar nuestras creencias iniciales basándonos en la evidencia observada. El autor utiliza una analogía futbolística para ilustrar que el pensamiento efectivo requiere flexibilidad y adaptación constante ante los cambios de la realidad. Esta metodología implica que la intuición inicial debe ser refinada por la lógica consciente y el análisis de datos nuevos. Finalmente, se vincula esta capacidad de aprendizaje con el teorema de Bayes, el cual permite cuantificar matemáticamente estas probabilidades. En resumen, pensar correctamente se define como la habilidad de actualizar juicios cuando el entorno evoluciona.

FILOSOFÍA Y LÓGICA DEL DIAGNÓSTICO MÉDICO CIENTÍFICO

 

PODCAST

(Literatura digital)

 

Se presenta los fundamentos filosóficos, éticos y técnicos que sustentan la práctica del diagnóstico en las ciencias de la salud. El autor vincula principios del realismo y el humanismo con la aplicación rigurosa del método científico y la responsabilidad social. Se examinan detalladamente los mecanismos del razonamiento clínico, distinguiendo entre procesos analíticos conscientes y enfoques intuitivos. Asimismo, se explica la utilidad de la estadística y la probabilidad, utilizando el Teorema de Bayes para interpretar la precisión de las pruebas diagnósticas. Finalmente, se ilustra la importancia de conceptos como la sensibilidad y especificidad mediante ejercicios prácticos sobre patologías cardíacas.

1. Introducción: La Ciencia y la Ética del Diagnóstico Médico

El diagnóstico en las ciencias de la salud es un acto de profunda complejidad y responsabilidad. No se trata simplemente de aplicar una técnica o interpretar un número, sino de un ejercicio de razonamiento que se apoya en sólidos principios filosóficos y éticos. La práctica médica moderna exige un actuar basado en el conocimiento, enmarcado en lo que el filósofo Mario Bunge denominó "Cientificismo" —el uso del método científico para el diagnóstico y tratamiento— y "Praxiología científica", cuya máxima es "Conocer antes que actuar".

Esta rigurosidad se alinea con la norma ISO 26000 sobre responsabilidad social, que destaca la "Rendición de cuentas" como un pilar fundamental. El profesional debe ser capaz de justificar sus decisiones basándose en la mejor evidencia disponible. Por ello, es imperativo ir más allá de la superficie de los resultados. Este artículo aborda una pregunta central que todo clínico y paciente se ha hecho: ¿Qué significa realmente un resultado "positivo" en una prueba médica y cómo podemos estar seguros de su significado?

2. Los Pilares de una Prueba Diagnóstica

Para evaluar el rendimiento de cualquier prueba diagnóstica, es esencial comprender tres conceptos fundamentales. Estos parámetros nos permiten cuantificar la precisión y la utilidad de una prueba en un contexto determinado.

• Sensibilidad: Es la capacidad de la prueba para detectar correctamente a los individuos que tienen la enfermedad. Mide qué tan bien la prueba identifica a los verdaderos enfermos. Se calcula como la proporción de enfermos con un resultado positivo. Sensibilidad = a / (a + c)

• Especificidad: Es la capacidad de la prueba para identificar correctamente a los individuos que están sanos. Mide qué tan bien la prueba descarta la enfermedad en quienes no la padecen. Se calcula como la proporción de sanos con un resultado negativo. Especificidad = d / (d + b)

• Prevalencia: Se refiere a la proporción de individuos en una población específica que tienen la enfermedad en un momento dado. Es un indicador de qué tan común o rara es la condición que se está estudiando.

3. Organizando los Datos: La Tabla de Contingencia

La herramienta clave para visualizar y calcular el rendimiento de una prueba diagnóstica es la "Tabla de doble entrada", también conocida como "Tabla de contingencia" o "Tabla de dos por dos". Esta estructura nos permite clasificar a los individuos según su estado real de salud (enfermo o sano) y el resultado de la prueba (positivo o negativo).

Cada celda de la tabla tiene un significado preciso:

• Verdadero Positivo (VP o a): Individuos enfermos que la prueba identifica correctamente como positivos.

• Falso Positivo (FP o b): Individuos sanos que la prueba identifica incorrectamente como positivos.

• Falso Negativo (FN o c): Individuos enfermos que la prueba identifica incorrectamente como negativos.

• Verdadero Negativo (VN o d): Individuos sanos que la prueba identifica correctamente como negativos.

La estructura es la siguiente:

         | **Enfermos**         | **Sanos**            |

:---------- | :------------------- | :------------------- | Prueba (+) | Verdadero Positivo (a) | Falso Positivo (b) | Prueba (-) | Falso Negativo (c) | Verdadero Negativo (d) |

4. El Valor Predictivo Positivo (VPP): La Pregunta Clave

Mientras que la sensibilidad y la especificidad son propiedades intrínsecas de una prueba, no responden directamente a la pregunta más importante que surge en la práctica clínica. Es decir, la sensibilidad y la especificidad nos informan sobre el rendimiento de la prueba en el laboratorio, pero el VPP nos informa sobre su rendimiento en un paciente concreto dentro de una población específica. El Valor Predictivo Positivo (VPP) es la probabilidad de que un paciente con un resultado positivo realmente tenga la enfermedad. De manera complementaria, el Valor Predictivo Negativo (VPN) nos dice la probabilidad de que un paciente con un resultado negativo realmente esté sano.

Fórmula del Valor Predictivo Positivo (VPP): VPP = Verdaderos Positivos / (Verdaderos Positivos + Falsos Positivos) O, usando la nomenclatura de la tabla: VPP = a / (a + b)

En esencia, el VPP es el concepto que traduce el resultado de la prueba en una probabilidad real para el individuo. Responde a la pregunta que resuena en cada consultorio: "Doctor, si mi prueba es positiva, ¿qué tan probable es que esté enfermo?".

Para ver este concepto crucial en acción y entender cómo se aplica en la consulta diaria, analicemos un escenario clínico común.

5. Aplicación Práctica: Un Caso Clínico de Hipertensión y HVI

Analicemos el "Problema N°1": un paciente masculino de 50 años con Hipertensión Arterial (HTA) a quien se le realiza un electrocardiograma (ECG) para detectar una posible Hipertrofia Ventricular Izquierda (HVI).

Los datos clave para este escenario son:

• Prevalencia de HVI en pacientes con HTA: 30%

• Sensibilidad del ECG para HVI: 43%

• Especificidad del ECG para HVI: 95%

Si aplicamos estos datos a una población teórica de 100 pacientes hipertensos, podemos construir la siguiente tabla de contingencia:

         | **Enfermos (HVI)** | **Sanos** | **Totales** |

:---------- | :----------------- | :-------- | :---------- | Prueba (+) | VP = 12.9 (a) | FP = 3.5 (b) | 16.4 | Prueba (-) | FN = 17.1 (c) | VN = 66.5 (d)| 83.6 | Totales | 30 | 70 | 100 |

Ahora, aplicamos la fórmula del VPP con los valores de la tabla: VPP = 12.9 / (12.9 + 3.5) = 0.79.

"El cálculo nos muestra un VPP del 79%. Esto significa que, en este contexto, un paciente con hipertensión y un ECG positivo para HVI tiene un 79% de probabilidad de tener realmente la condición."

Del mismo modo, se puede calcular el Valor Predictivo Negativo (VPN), que para este caso es también del 79%, indicando una alta probabilidad de que un paciente con un ECG negativo no tenga HVI.

6. El Factor Decisivo: Por Qué la Prevalencia lo Cambia Todo

Un VPP del 79% parece razonablemente alto. Sin embargo, este valor no es una constante universal para el ECG. Como demostraremos a continuación, existe un factor que puede alterar drásticamente el poder predictivo de esta y cualquier otra prueba: la prevalencia de la enfermedad. Los siguientes ejemplos demuestran cómo una prevalencia muy baja puede anular el poder de una prueba aparentemente precisa.

6.1. Ejemplo 1: El Detector de Terroristas

Imaginemos un escenario extremo: una ciudad con 100 terroristas y 1 millón de no terroristas. Se instala una cámara con un software de detección facial que tiene un 99% de acierto y solo un 1% de error. Si la alarma suena, ¿cuál es la probabilidad de que la persona detectada sea realmente un terrorista?

• Verdaderos Positivos (VP): 99% de 100 terroristas = 99

• Falsos Positivos (FP): 1% de 1,000,000 de no terroristas = 10,000

• VPP: 99 / (99 + 10,000) = 0.009

La probabilidad de que una persona detectada por la alarma sea realmente un terrorista es de solo el 0.9%. A pesar de la alta precisión de la cámara, la bajísima prevalencia de terroristas genera una enorme cantidad de falsos positivos, haciendo que la mayoría de las alarmas sean incorrectas. Este ejemplo, aunque extremo, ilustra el inmenso riesgo de falsas alarmas en cualquier programa de cribado de baja prevalencia.

6.2. Ejemplo 2: El Cribado de una Enfermedad Rara

Consideremos ahora el "Problema N°3": una enfermedad rara que afecta a 1 de cada 1000 personas. Se aplica una prueba de cribado a la población general que tiene una tasa de falsos positivos del 5%. Asumamos una sensibilidad del 95%. Si un paciente recibe un resultado positivo, ¿cuál es la probabilidad de que realmente tenga la enfermedad?

Para una población de 1000 personas, tenemos 1 enfermo y 999 sanos.

• Verdaderos Positivos (VP): 0.95

• Falsos Positivos (FP): 49.5 (según los datos del problema)

• VPP: 0.95 / (0.95 + 49.5) = 0.0188

Incluso con un resultado positivo, la probabilidad de que el paciente tenga esta rara enfermedad es de solo 1.88%. Este es un ejemplo clásico de cómo el cribado masivo de enfermedades raras, si no se interpreta con el debido rigor estadístico, puede generar más ansiedad y procedimientos invasivos innecesarios que beneficios reales, subrayando la importancia crítica de la probabilidad pre-prueba.

7. Conclusión: Razonamiento Clínico en la Era de los Datos

La interpretación de una prueba diagnóstica es un ejercicio intelectual que va mucho más allá del resultado aislado de "positivo" o "negativo". Como hemos visto, el contexto clínico y, sobre todo, la prevalencia de la enfermedad, son determinantes para entender el verdadero significado de la prueba.

Cuando nos enfrentamos a resultados conflictivos o contrarios a la intuición, es fundamental no dejarse llevar por el razonamiento automático. En su lugar, debemos recurrir a los cálculos matemáticos formulados por el Reverendo Thomas Bayes hace más de 200 años.

Entender conceptos como el Valor Predictivo Positivo no es un mero ejercicio académico; es la aplicación práctica del Teorema de Bayes en la cabecera del paciente. Es una herramienta esencial para un razonamiento clínico sólido, que permite a los profesionales de la salud tomar decisiones más informadas y cumplir con su responsabilidad ética y científica hacia el paciente.

 

SISTEMA DE EVALUACIÓN MEDICINA I 2022 FACULTAD DE MEDICINA UNNE

 

(Literatura digital)

Se detalla el esquema pedagógico y calificativo de la asignatura Medicina I en la Universidad Nacional del Nordeste para el ciclo 2022. El sistema propone una evaluación integral y continua que trasciende los exámenes tradicionales al valorar competencias clínicas, compromiso social y producciones académicas. A través de una planilla de seguimiento detallada, se observa cómo diversas disciplinas y trabajos grupales convergen en una ponderación final para la promoción del alumno. El texto enfatiza la importancia del seguimiento docente y la retroalimentación constante como herramientas para el crecimiento profesional del estudiante. Finalmente, se busca transformar la percepción del examen, presentándolo no como un obstáculo punitivo, sino como un proceso formativo esencial para la futura práctica médica.

CLASE INAUGURAL: escrita en un lenguaje claro, honesto y pedagógico, sin tecnicismos innecesarios, pero sin subestimar su capacidad de comprensión. Es un texto que explica el sentido del sistema de evaluación en Medicina I año 2022, no solo la mecánica, y ayuda a disminuir ansiedad, malentendidos y reclamos.

Medicina I Incluye las Áreas: Semiología Clínica, Oftalmología, Dermatología, Psicología, y Bioética. El sistema de evaluación incluye una Evaluación Diagnóstica el primer día de clase y dos evaluaciones formativas por sistema múltiple choice en la plataforma Moodle para que el alumno se familiarice con la plataforma y luego el resto de la evaluaciones sumativas

---

Cómo y para qué evaluamos en Medicina I

La evaluación en Medicina I no es un solo examen ni una sola nota.
Es un proceso continuo que acompaña todo el cursado y tiene como objetivo principal ayudarte a aprender, mejorar y crecer como futuro/a médico/a.

1. ¿Qué buscamos evaluar?

En esta materia no evaluamos solo cuánto estudiás o cuánto memorizás. Evaluamos distintas dimensiones de tu formación:

• Conocimientos teóricos
• Habilidades clínicas (cómo interrogás, examinás y razonás)
• Actitudes profesionales (responsabilidad, respeto, compromiso)
• Trabajo en equipo y reflexión académica
• Vínculo con la comunidad y la realidad social

Por eso utilizamos diferentes tipos de evaluación, cada uno con un sentido específico.

---

2. ¿Por qué hay tantas instancias de evaluación?

Porque ningún instrumento por sí solo alcanza para evaluar la formación médica.

Durante el cursado vas a tener:

• Evaluaciones de desempeño clínico (Mini-CEX)
  En Semiología, Oftalmología, Dermatología y Psicología, donde se observa cómo te desenvolvés frente a situaciones clínicas reales o simuladas.
• Evaluaciones teóricas en plataforma Moodle
  A través de parciales con preguntas de opción múltiple, que permiten evaluar conocimientos y razonamiento clínico.
• Producciones académicas
  Como la monografía grupal, que busca desarrollar lectura crítica, escritura y trabajo colaborativo.
• Trabajo de extensión comunitaria
  Que apunta a integrar la medicina con la realidad social y el compromiso con la comunidad.

Cada una de estas instancias aporta información distinta sobre tu aprendizaje.

---

3. Algo muy importante: todas las evaluaciones tienen devolución

Cada nota que recibís va acompañada de una devolución del docente correspondiente.

Eso significa que:

• no se trata solo de un número,
• sino de saber qué hiciste bien,
• qué necesitás mejorar,
• y cómo hacerlo.

El objetivo del feedback es que puedas corregir, ajustar y aprender durante el cursado, no “descubrir” todo recién al final.

---

4. ¿Cómo se calcula la nota final?

Todas las evaluaciones se registran en una planilla donde:

• se promedian y ponderan las distintas instancias,
• se integran los aspectos teóricos, prácticos, académicos y sociales,
• se obtiene una nota final, que refleja el recorrido completo del cursado.

Esa nota no surge de una sola evaluación, sino del conjunto del proceso.

---

5. ¿Qué significa la columna final: “Promociona / No promociona”?

La promoción no es automática ni depende de un solo examen.

Promocionar significa que:

• completaste todas las instancias obligatorias,
• participaste del proceso formativo,
• recibiste las devoluciones correspondientes,
• y alcanzaste los niveles esperados para avanzar en la carrera.

Es una comunicación institucional, que certifica que estás en condiciones de continuar tu formación médica.

---

6. ¿Qué esperamos de vos como estudiante?

Esperamos que:

• te involucres activamente en el cursado,
• aproveches las devoluciones para mejorar,
• no estudies solo “para la nota”, sino para aprender,
• entiendas la evaluación como parte del aprendizaje, no como un castigo.

---

7. Un mensaje final

En Medicina I la evaluación no está pensada para excluir, sino para acompañar tu formación desde el inicio de la carrera.

Si entendés cómo se evalúa y por qué, la evaluación deja de ser una amenaza y se convierte en una herramienta para crecer como futuro/a médico/a.

Diapositivas

RAZÓN DE VEROSIMILITUD POSITIVA RAZÓN DE PROBABLIDAD POSITIVA LIKELIHOOD RATIO +

 

 

 

(literatura digital)

De 30% a 44%: El Viaje Matemático Detrás de un Diagnóstico

Introducción: El Vértigo de Esperar un Resultado

La espera de un resultado médico importante, como el de una biopsia, es un momento de profunda ansiedad. El tiempo parece detenerse y la mente se llena de preguntas. Cuando finalmente llega el informe, una sola palabra puede parecer un veredicto final: "Positivo". Inmediatamente, esta palabra se asocia con certeza, con la confirmación de nuestros peores temores.

Pero, ¿qué significa realmente un resultado "positivo"? ¿Es una sentencia definitiva? La realidad es mucho más matizada y, sorprendentemente, menos alarmante de lo que podríamos pensar. La medicina moderna no se basa en absolutos, sino en probabilidades que se ajustan con cada nueva pieza de información.

Este artículo explora el viaje desde la incertidumbre inicial hasta un entendimiento más claro del riesgo, utilizando una poderosa herramienta estadística que los médicos emplean para interpretar los resultados de las pruebas: la "Razón de Verosimilitud" (Likelihood Ratio). A través de un caso real, descubriremos las cuatro lecciones clave que se ocultan detrás de un diagnóstico.

1. "Positivo" no es lo mismo que "Certeza"

La primera lección es la más contraintuitiva. En el caso que analizamos, la probabilidad inicial de tener la enfermedad, basada en la prevalencia en el grupo de edad del paciente, era del 30%. Después de recibir un resultado "positivo" en la biopsia, uno esperaría que este riesgo se disparara a un 80%, 90% o incluso más.

Sin embargo, el riesgo real solo aumentó del 30% al 44%. ¿Por qué un salto tan pequeño? La respuesta está en las características de la propia prueba. Esta biopsia tenía una alta Sensibilidad (93%), lo que significa que es muy buena para detectar la enfermedad cuando realmente está presente. Pero también tenía una baja Especificidad (50%), lo que implica que identifica incorrectamente la enfermedad en el 50% de las personas sanas, generando una alta tasa de falsos positivos.

Esto nos enseña algo fundamental: un resultado positivo no es un diagnóstico definitivo. Es una pieza de evidencia que debe ser ponderada. Las limitaciones de una prueba son tan importantes como sus fortalezas para entender lo que el resultado realmente significa.

2. La "Razón de Verosimilitud", el número que realmente importa

Para cuantificar el verdadero poder diagnóstico de una prueba, los médicos utilizan un número clave: la Razón de Verosimilitud Positiva, a menudo llamada Cociente de Probabilidad Positivo (CPP) o LK+ por sus siglas en inglés.

En términos sencillos, este único número nos dice cuánto debemos aumentar nuestra confianza en que la enfermedad está presente después de obtener un resultado positivo. Se calcula con una fórmula que considera tanto las fortalezas como las debilidades de la prueba:

LK+ = Sensibilidad / (1 - Especificidad)

Para nuestra biopsia de ejemplo, el cálculo es: 0.93 / (1 - 0.50) = 1.86. Un LK+ de 1.86 representa un aumento pequeño a moderado en la probabilidad. Esto explica matemáticamente por qué el riesgo no saltó al 90%; el poder de la prueba simplemente no era lo suficientemente fuerte como para justificar un cambio tan drástico.

3. El cálculo secreto: De "Riesgo" a "Chance" y de vuelta

Para aplicar correctamente la Razón de Verosimilitud (1.86), los estadísticos no pueden simplemente multiplicar el riesgo inicial (30%). Primero deben convertir la probabilidad (conocida como "Riesgo") en un formato diferente llamado "Chance" (u Odds en inglés). El proceso, aunque parece complejo, es una forma metódica de actualizar una creencia con nueva evidencia.

Se realiza en tres pasos claros:

1. Convertir Riesgo inicial a Chance: El riesgo inicial del 30% (R=0.30) se convierte a una Chance inicial. Usando la fórmula O = R / (1-R), obtenemos 0.30 / (1 - 0.30) = 0.42.

2. Actualizar la Chance: Ahora, la Chance inicial (0.42) se multiplica por la Razón de Verosimilitud (1.86) de la prueba. El resultado es la nueva Chance actualizada: 0.42 x 1.86 = 0.78.

3. Convertir la nueva Chance a Riesgo: Finalmente, la nueva Chance (0.78) se convierte de nuevo a un porcentaje de riesgo. Usando la fórmula R = O / (1+O), el cálculo es 0.78 / (1 + 0.78) = 0.438, lo que equivale a un 43.8% (redondeado al 44%).

Este cálculo metódico es el motor que permite a los médicos pasar de una probabilidad inicial a una probabilidad posterior mucho más informada, eliminando las conjeturas y la intuición.

4. El panorama completo: Del diagnóstico a la decisión

El 44% de riesgo de tener la enfermedad no es el final de la historia. Para tomar decisiones de tratamiento, lo que realmente importa es el riesgo que la enfermedad representa para la vida del paciente. El objetivo final es traducir la probabilidad de diagnóstico en un riesgo tangible.

Para ello, se realiza un último cálculo: se multiplica la probabilidad de tener la enfermedad (el 44% que acabamos de calcular) por la tasa de mortalidad estimada de esa enfermedad si no se trata a lo largo de 15 años (en este caso, un 15%). El resultado es el número más importante para la toma de decisiones: un 6.6% de riesgo de mortalidad en 15 años.

Pero esta cifra solo cuenta la mitad de la historia. Para tomar una decisión informada, es crucial conocer la otra cara de la moneda: ¿qué sucede si se opta por el tratamiento? En este caso, la supervivencia estimada con tratamiento activo es del 99.2%. Ahora el panorama es completo: se puede sopesar un riesgo de mortalidad del 6.6% sin tratamiento frente a una probabilidad de supervivencia del 99.2% con él.

La biopsia positiva aumentó el riesgo para el diagnóstico de un 30% a un 44 % lo que implica un riesgo de mortalidad a 15 años del 6.6 %.

Conclusión: Más allá de los números

El viaje matemático desde el 30% inicial hasta el 44% y, finalmente, al 6.6% de riesgo, transforma el "vértigo" de la incertidumbre en una plataforma sólida para la toma de decisiones. Contrapone el peso abrumador de la palabra "Positivo" con la realidad manejable de una cifra concreta. La estadística médica no es una herramienta para generar miedo, sino para ofrecer claridad. Es un mapa que nos guía a través de decisiones complejas sobre nuestra salud.

 

PENSAR, RECORDAR E INTERPRETAR

 

(Literatura digital)

Cuando observamos el mundo —un hecho histórico, un recuerdo personal, un paciente, una escena cotidiana— no partimos nunca de cero. Siempre miramos desde algo que ya creemos, desde una experiencia previa, desde una historia que nos habita.

A eso se lo llama probabilidad previa:
no es una certeza, sino una expectativa inicial, una hipótesis con la que salimos a mirar la realidad.

El pensamiento bayesiano, formulado matemáticamente en el siglo XVIII por el monje y matemático Thomas Bayes, puso en ecuaciones algo profundamente humano:
conocer no es confirmar verdades, sino ajustar creencias.

La idea central es simple y cotidiana:

creemos algo → observamos algo nuevo → ajustamos lo que creíamos

La observación no borra lo anterior: lo modifica.
El conocimiento no avanza por reemplazo, sino por actualización.

El gráfico bayesiano que acompaña este texto ilustra ese proceso.
La curva de la probabilidad previa representa lo que creemos antes de observar: nuestras expectativas, nuestra experiencia, nuestros supuestos iniciales.
La curva de la observación muestra la realidad tal como se nos presenta, siempre con algo de ruido e imprecisión.
Y la curva de la probabilidad posterior expresa el resultado de ese encuentro: una creencia ajustada, más informada, pero nunca definitiva.

En ese cruce aparece una palabra que suele sonar técnica, pero que usamos todo el tiempo sin notarlo: verosimilitud.
La verosimilitud no pregunta si algo es verdad, sino algo mucho más simple:

si esto fuera cierto… ¿tendría sentido lo que estoy viendo?

En la vida diaria lo decimos de otro modo:
“esto cierra”,
“tiene lógica”,
“algo no me convence”.

Ahora bien, no todo dato que “cierra” tiene el mismo peso.
Aquí aparece un concepto clave del pensamiento bayesiano: el Likelihood Ratio (razón de verosimilitudes).

El Likelihood Ratio no pregunta “¿esto es verdad?”, sino algo más prudente y más honesto:

“Este dato que acabo de ver, ¿cuánto debería cambiar lo que yo creía antes?”

Algunos datos empujan fuerte nuestras creencias; otros apenas las mueven.
El Likelihood Ratio mide justamente eso: la fuerza real de un dato para modificar una idea previa.

Esto lo diferencia del Valor Predictivo Positivo (VPP), que responde a otra pregunta distinta:

“Ahora que el resultado es positivo, ¿qué probabilidad hay de que sea cierto?”

El VPP depende mucho del contexto: de cuán frecuente sea el fenómeno, del lugar, de la población.
El mismo dato puede tener un VPP alto en un contexto y bajo en otro.

El Likelihood Ratio, en cambio, es más estable y más honesto, porque no se deja llevar por el contexto:
mide el peso propio del dato, no el entusiasmo que genera.
Por eso es el verdadero puente entre la probabilidad previa y la probabilidad posterior.

Esta lógica no vale solo para la ciencia.
En Historia, no observamos los hechos, sino sus huellas: documentos, relatos, silencios. Cada nueva fuente no reemplaza la interpretación previa, la ajusta. Por eso la Historia no dice “esto fue así”, sino: esto es hoy lo más probable que haya ocurrido.

Y vale también para la memoria personal. Recordar no es abrir un archivo intacto, sino reconstruir el pasado desde el presente. Cada recuerdo nuevo puede reforzar lo que ya creíamos de nuestra historia, o tensionarlo y obligarnos a matizarlo. Por eso dos personas pueden recordar lo mismo de manera distinta, sin que una mienta: actualizaron de modo diferente sus creencias internas.

El pensamiento bayesiano introduce, en el fondo, una ética del conocimiento:
no confundir probabilidad con verdad,
no convertir una interpretación en dogma,
aceptar que toda certeza es provisoria.

Conocer no es alcanzar certezas, sino aprender a ajustar lo que creemos.
Dudar no empobrece el pensamiento: lo afina.
Y cambiar de opinión no es un error, sino una forma de fidelidad a la experiencia.

Tal vez pensar así no nos acerque a la verdad definitiva,
pero sí a una comprensión más honesta y más humana.

PODCAST PARA TOMI Y SANTI