2022-07-02 16:59:24
#A_mayor_inoculación_mayor_infección 010722
1/2
Estimados miembros de Akasha Comunidad:
En las carreras científico-biológicas, una de las primeras cosas que aprendemos al llevar estadística es a realizar cálculos de asociación y construir modelos sencillos de regresión. Un análisis de regresión es una forma matemática de determinar cuáles variables (explicativas o independientes) tienen un impacto sobre la “conducta” de otra variable (respuesta o dependiente). Nos permite responder las preguntas de “¿qué factores son más importantes? ¿qué podemos ignorar? ¿cómo interactúan los factores entre sí? Y ¿qué tan certera es la asociación observada? No la usamos solo los científicos del área biológica, también usan estos métodos matemáticos los economistas y los científicos sociales. Se calcula un coeficiente de determinación, conocido como R2, y nos dice que tanto se “explican” las variables independientes a la variable dependiente (https://blog.minitab.com/es/analisis-de-regresion-como-puedo-interpretar-el-r-cuadrado-y-evaluar-la-bondad-de-ajuste)
Entonces, vamos a suponer que quiero determinar si hay una relación posiblemente causal entre el número de horas que alguien lee y postea en Twitter y la capacidad de realizar actividades de abstracción (pensamiento lógico y razonamiento matemático). Supongamos que incluyo en mi estudio a 50 personas, 25 hombres y 25 mujeres, de entre 20 y 30 años, todos con una licenciatura concluida en una misma área y sin problemas cognitivos, y a todos les aplico un examen de pensamiento abstracto además de colectar información sobre cuántas horas al día lee y postea en Twitter desde hace un año. Vamos a suponer que, al terminar el experimento, grafico los resultados y encuentro que entre más horas dedica a Twitter, menor puntaje en el examen de pensamiento abstracto. Al hacer el análisis de regresión calculo una R2 de 0.6. Esto quiere decir que el 60% de la variación que se observó en los resultados del examen puede ser explicado por el número de horas que la persona le dedica a Twitter. Claro que puede haber otros factores que también estén jugando un papel en determinar la calificación del examen (su alimentación, su genética, su estado emocional, las horas que duerme al día…) ya que hay 40% de variación que no explica mi variable independiente.
Espero que me esté explicando. Es importante porque la gráfica que anexo en la última sección de este mensaje muestra un análisis de regresión elaborado por el Dr. Simon Goddek (https://t.me/goddek), quien es Dr. en Biotecnología. Lo que hizo fue tomar los datos de la CDC sobre porcentaje de la población vacunada para los distintos estados de la unión americana y ver qué tanto explicaba esto el número de casos de infección. Verán que entre más porcentaje de la población está inoculada contra COVID-19, más es el número de infecciones nuevas (casos nuevos por 100,000 habitantes). La línea punteada es la que estableció la regresión, y algunos estados están por encima de esa línea y otros por debajo, pero la tendencia es clara: a mayor inoculación, mayor es el número de infecciones nuevas. No incluyó el coeficiente de determinación (R2) en la imagen, pero simplemente con ver la imagen podemos estimar que será alto, cercano a un 70-80%. La parte que no alcanza a explicar esta regresión podría relacionarse con diferencias en las comorbilidades en la población de cada estado, diferencias en la estructura etaria de la población, diferencias en la alimentación, dieta, exposición al sol, etc.). Ni siquiera podríamos inferir con base en estos datos que “las vacunas no funcionan” …. Si fuera así, habría una nube de puntos sin ninguna relación. El asunto es que, claramente, entre más se inoculan, más se infectan (¿recuerdan las ADEs, las inmunosupresiones, anergias, tolerancia inmune…? ¡explicaciones, hay!)
(Continúa en 2/2)
48 views13:59
C
