Asociación no es causalidad
¿Realmente sabrías explicarle a un/a compañero/a de trabajo la diferencia entre estos dos conceptos?
Si tu respuesta es que sí, no hace falta que sigas leyendo, pero si no lo tienes del todo claro, te recomiendo que sigas leyendo porque te aseguro que con tan solo una imagen lo vas a entender para siempre y serás capaz de explicarlo.
Voy a ir directa al grano. Primero observa esta imagen, intenta entenderla y luego lee mi explicación, aunque igual no hace falta ni que la leas.
Hernán M, Robins JM (2020). Causal Inference: What If. Boca Raton: Chapman & Hall/CRC. Disponible en: https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/
Asociación o correlación, son dos palabras para definir el mismo concepto, implica comparar el trocito de rombo blanco (pacientes tratados) contra el trocito de rombo gris (pacientes no tratados).
A nuestra población de interés la dividimos en dos partes (tratados/no tratados) y nos hacemos preguntas como:
¿Cuál es el riesgo en los tratados?
¿Cuál es el riesgo en los no tratados?
Observa ahora la causalidad. La causalidad, en cambio, implica comparar a todo el rombo blanco (tratamos a toda la población) contra todo el rombo gris (no tratamos a nadie de la población).
Ahora no estamos dividiendo a nuestra población de interés en dos partes, estamos tratando a toda la población y comparándola con la misma población sin haberla tratado.
Aquí, las preguntas que nos hacemos son:
¿Cuál sería el riesgo si todos los pacientes hubieran sido tratados?
¿Cuál sería el riesgo si ningún paciente hubiera sido tratado?
De esta manera estamos eliminando completamente cualquier otro factor que pueda influir en nuestra relación de interés y podemos tranquilamente hablar de causalidad.
Seguramente ahora estarás pensando, ¡pero nunca podremos saber qué hubiera pasado si hubiésemos tratado a toda la población o si no tratamos a nadie! Porque en la realidad solo se trata a unos cuantos y a otros no. En la realidad tu no intervienes o le das un fármaco a un paciente si no crees que lo necesita. ¡Cierto!
Aquí es donde interviene la inferencia causal intentando dar respuesta a estas preguntas (¿qué hubiera pasado si hubiésemos tratado a todos los pacientes? y ¿qué hubiera pasado si no hubiésemos tratado a ningún paciente?), emulando un ensayo clínico aleatorio a partir de datos observacionales del mundo real.
Pero esto ya es otra historia que te iré explicando en futuras publicaciones.
Ahora solo quédate con la imagen anterior e imagínate que para poder hacerlo deberemos imaginar lo que pasaría en dos mundos paralelos, en dos mundos contrarios, en dos mundos contrafactuales. Imagina por un momento que existe un mundo paralelo al nuestro en el que no ha habido una pandemia mundial. ¡La de comparaciones causales que podríamos hacer sin necesidad de emular un ensayo clínico aleatorio!
Y ahora, ¿te atreves a explicárselo a un/a compañera/o? Estoy segura de que sí, aunque quizás deberás esperar a que vuelva de vacaciones 😊. Me hará ilusión que me cuentes en los comentarios como ha ido.
