Despliega el menú
Sociedad

Tercer Milenio

Entrevista a Anabel Forte, estadística 

“Necesitamos que los científicos publiquen resultados negativos aunque no sean los esperados”

¿Puede un modelo matemático salvarnos de los zombis o detener la epidemia de obesidad? Al menos, puede sernos de ayuda, pero solo si lo utilizamos bien. De eso se encarga Anabel Forte, matemática y profesora de la Universidad de Valencia, que asegura que la estadística es una de las claves para hacer avanzar la ciencia.

Anabel Forte, en el ICMAT.
Anabel Forte, en el ICMAT.
Álvaro Muñoz Guzmán

Anabel Forte es estadística y divulgadora científica. Como buena comunicadora de la ciencia sabe quedarse con su público porque engancha a su audiencia con invasiones zombis para terminar hablándoles de modelos matemáticos, de cómo las estadísticas nos ayudan a explicar la farmacocinética en nuestro cuerpo y por qué la calidad científica se resiente si los investigadores solo publican los resultados positivos y se callan los negativos.

Forte, investigadora de la Universidad de Valencia, pasó por Madrid para dar una conferencia titulada '¿Dónde huir cuando atacan los zombis?. La estadística entre la realidad y el modelo'. Y aunque esa era la primera y principal pregunta de esta entrevista, nos fuimos de allí sin respuesta porque la cosa tiene truco: ella trabaja entre la realidad y el modelo, investigando cómo construir un puente para aplicar las fórmulas que nos salven de forma efectiva de los muertos vivientes. Está en ello.

¿Cuánto sabe realmente sobre técnicas para esconderse de los zombis?

¡Pues sé un poco! [risas]. Lo de los zombis surgió porque aparte de hacer matemática estadística, me gusta la divulgación y necesitaba un título para mi ponencia que llamara la atención. Me acordé que, cuando todo el mundo estaba enganchado a 'The Walking Dead', sacaron unos artículos de modelos estadísticos sobre zombis que eran precisamente de los que yo estaba estudiando … Y dije: pues es el enganche perfecto.

¿Modelos estadísticos sobre zombis?

Son modelos que explican cómo se comportan las epidemias: cómo se pasa de ser susceptible a tener la enfermedad, de estar en recuperación a haberse recuperado… Puedes estar en distintas casillas y con un modelo de ecuaciones diferenciales explicamos cómo se pasa de una a la otra y con qué facilidad.

Ecuaciones contra los zombis, deberían explicarlos así en los institutos…

Estos modelos sirven para muchas cosas. Se utilizan también para describir epidemias sociales, como la obesidad, el tabaquismo o el alcoholismo. También en la farmacocinética y la fármacodinámica, que son áreas de la farmacología que nos ayudan a averiguar qué cantidad de un medicamento tenemos que tomar, cómo se distribuye y cuánto tiempo tarda en salir del organismo.

Dice que estos modelos son muy conocidos. ¿Qué hace usted con ellos exactamente?

Sí, esos modelos están muy estudiados y matemáticamente son muy bonitos, pero la realidad nunca es igual que el modelo. Siempre hay un salto entre la realidad y la teoría, y hace falta tenerlo en cuenta porque, si no, la estimación no funciona. A lo que yo me dedico es a ese trocito que hay entre la realidad y el modelo. A ver cómo se puede tener en cuenta esa incertidumbre para que el modelo sea realmente útil.

¡Esto parece más interesante que los zombis!

Hay modelos de todo tipo, por ejemplo, para explicar el flujo de un volcán, el bombeo de un corazón… incluso para entender cómo cae una bola desde un tejado y cuáles son las constantes físicas que afectan a su movimiento. Esto nos sirve para comprobar si estamos entendiendo bien las leyes de la física. A veces nos encontramos desfases que nos hacen pensar. Sobre todo, nos sirven para darnos cuenta de que quizá nuestro modelo no sea del todo correcto y nos ayuda a mejorarlo.

Ha mencionado la obesidad como una epidemia que se puede modelizar, a pesar de que es algo que normalmente relacionamos con el resultado de decisiones individuales: lo que comes o el ejercicio que haces.

Sin embargo, tiene una dimensión social que somos capaces de convertir en un modelo matemático. El tabaquismo es otro problema que parece solo individual (si decides fumar o no fumar) pero que tiene un fuerte componente social: tú vas a un bar y si hay alguien fuera fumando o alguien bebiendo, es más probable que tú acabes fumando o bebiendo.

Esto se ve muy bien en ambientes universitarios: el número de bebedores aumenta a medida que sube el curso en el que están. Y no tiene que ver con el que te estés volviendo loco o te estés estresando por la carga de trabajo. Tiene que ver con las relaciones que tú tienes en ese momento.

¿Esto explicaría, al menos en parte, que aunque cada vez conozcamos mejor los riesgos de beber o de fumar, sigamos empezando a beber y a fumar?

Sí, porque no se trata solo de tener más información para decidir, que también; sino que además hay un contagio. Claro que el contagio funciona también al revés: si cada vez menos gente fuma, cada vez menos gente empezará a fumar. Pero hace falta tiempo, claro. De hecho, en estos modelos lo que buscábamos eran medidas de control: dónde poner las cortapisas, dónde es eficaz actuar para evitar ese contagio. Es lo que pasa con cualquier tipo de enfermedad social.

¿Tienes un ejemplo de cuándo es eficaz poner una cortapisa para una enfermedad social?

Recuerdo a un compañero que estaba modelizando el divorcio como algo socialmente contagioso [ríe]. Estudiaba si la gente se divorcia más cuando lo ve a su alrededor, en concreto, si la aprobación del divorcio en un país aumentaba las tasas de divorcio en el país de al lado, que era algo que argumentaban los sectores conservadores. Lo que observó fue que no tenía ningún efecto llamada. De hecho, observó que la aprobación de leyes que facilitasen las separaciones y el divorcio no hacía que aumentasen los casos tampoco en el propio país.

Eso dejará tranquila a mucha gente… ¿En qué cosas estos modelos tienen que mejorar para sernos realmente útiles?

En Estados Unidos, que es lo que yo conozco mejor, hay mucha gente trabajando en grupos interdisciplinares. En España hay muy buena investigación en modelos climáticos y médicos, pero hasta que no consigamos integrar equipos que se dediquen a trabajar desde todos los puntos de vista para llevar los modelos más allá de las matemáticas, enfrentándolos a la realidad, no podremos avanzar todo lo posible. Si yo tengo un modelo buenísimo con el que modelizar cómo se comporta el clima, pero no lo pruebo con datos ni mido la incertidumbre, no voy a mejorarlo.

Se dedica también a la divulgación estadística. Muchas veces el público no tiene muy claro lo importante que es la solidez de la estadística detrás de un avance científico.

Yo siempre digo que la estadística es la ciencia detrás de la ciencia. La estadística no se ve, y lo que no se ve, no se conoce. La gente se ha olvidado de que hay cada vez más científicos que nos formamos en estadística y estudiamos a diario. Así que nos encontramos con que de repente llegan y te dicen: “La significación estadística, eso hay que quitarlo de en medio, es una basura porque eso no funciona bien, ¡no se puede reproducir!” y a lo mejor es verdad, pero ¿por qué? ¿Por qué pasa esto? ¡Tendremos que averiguarlo y mejorarlo!

¿Cómo afecta conocer o no la estadística detrás de un estudio científico?

Por un lado, si soy una científica y solo he aprendido algo de estadística en primero de carrera, cuando hago un estudio no sé ni si tengo una muestra suficiente, ni si la muestra era representativa, ni si tengo un sesgo… Puede que no haya diseñado el experimento correctamente.

Por otro lado, hay un problema más general. Puede haber un buen protocolo en el diseño del experimento, pero eso requiere también de un buen diseño estadístico detrás que quede inscrito en un registro porque, si no, se puede perder todo por el camino. A veces ocurre que hay 50 investigadores estudiando exactamente lo mismo, a todos les ha salido un valor significativo pero negativo, y no lo han publicado porque publicar resultados negativos no vende. Y eso significa que puede venir otro detrás y volver a intentar lo mismo. Se pierde mucho dinero y mucho tiempo así.

Yo creo que, por un lado, para hacer un buen experimento tienes que aliarte con un buen estadístico que te ayude a diseñarlo. Por otro, escríbelo en un registro para que todo quede documentado. Y por último, publica tus resultados, aunque no haya salido lo que tú esperabas.

¿Crees que es cierta la idea generalizada de que la matemática y la estadística son ciencias eminentemente masculinas?

El problema que hay con las matemáticas es que en la carrera se ve paridad, pero luego yo quería formar una familia y para eso necesitaba una estabilidad, tomarme mi tiempo, mi baja… eso crea una situación de incertidumbre y un conflicto con el nivel de exigencia de la carrera científica.

Una situación diferente que para los científicos…

Claro. Yo he vuelto a pasar estancias fuera de casa este año y cuando lo hago, dejo a mis hijos con mi marido. Un compañero se los deja a su mujer. Cuando estamos en un almuerzo con otros colegas, alguien me pregunta “¿Y quién se queda con tus niños?”, y cuando respondo que están con su padre: “Qué suerte tienes de que tu marido se quede con ellos”… A mi compañero nadie le pregunta ni le dice cosas así. Es una anécdota, pero yo creo que demuestra por qué una vez que pasas el periodo del doctorado apenas hay mujeres, hasta que más adelante se van reincorporando poco a poco.

La famosa conciliación, que aún es una utopía en muchos casos.

En la profesión científica hace falta tener alguien detrás apoyándote, porque si no, no puedes avanzar. Y creo que hay que reivindicar algo muy importante: los cuidados. Yo, en este momento de mi vida, necesito cuidados; alguien que me acompañe y me facilite la posibilidad de hacer viajes de trabajo, por ejemplo. Para los dos miembros de la pareja es igual de difícil asumir toda la carga de la casa mientras el otro no está, pero a él nadie le dice “¡qué suerte tienes de que se ocupe tu mujer!”.

-Ir al suplemento Tercer Milenio

Etiquetas
Comentarios