Caso resuelto: misma mejoría aparente, mecanismos diferentes

450.1. El problema de una curva convincente

Después de introducir un cambio, una puntuación empieza a disminuir de forma gradual. La trayectoria es ordenada, la reducción es grande y el patrón se describe con facilidad. Ninguno de esos rasgos indica qué proceso produjo el descenso, y tampoco autoriza a atribuirlo de inmediato a la intervención que lo precedió.

El caso que se resuelve aquí es enteramente sintético. Se construyen tres historias generadoras que producen la misma curva durante el periodo inicial de observación. En la primera cambia una entrada contextual; en la segunda se modifica una retroalimentación conductual; en la tercera se altera la relación entre el estado y su medición. La coincidencia entre ellas se impone por construcción algebraica, de modo que no depende del ruido ni del tamaño de una muestra.

El ejercicio reúne las distinciones del módulo entre persistencia, condiciones externas y modelos de observación. Una mejoría real puede depender de que el entorno se mantenga favorable. Una curva descendente puede reflejar un cambio de mecanismo, aunque también puede deberse a un cambio de escala. Lo que se busca es diseñar observaciones capaces de separar esas posibilidades sin dar por sentado que alguna de ellas sea preferible de antemano.

Los valores se expresan en unidades abstractas de carga. No representan un diagnóstico, una escala validada ni el curso esperable de una persona concreta, y los modelos no deben leerse como indicaciones clínicas. Las ecuaciones permiten resolver cada inferencia de manera explícita y señalar el punto exacto en que hace falta información adicional. Su simplicidad deliberada facilita comprobar cada paso y reconocer qué supuesto sostiene cada conclusión.

450.2. Lo que se observa al principio

Se dispone de mediciones entre los tiempos cero y doce. La puntuación inicial vale uno y en cada intervalo se multiplica por 0,9, de modo que el registro observado satisface

En el cuarto intervalo la puntuación es 0,6561; en el octavo, cerca de 0,430467, y en el duodécimo, cerca de 0,282430. La reducción respecto del valor inicial supera el setenta por ciento. Esa descripción es exacta para la medida observada, aunque todavía no dice nada sobre la forma en que esa medida se relaciona con el proceso que interesa.

La regularidad geométrica invita a pensar en un proceso de recuperación con memoria. Sin embargo, una ecuación que reproduce la curva no determina cuál es la cantidad que conserva esa memoria. Podría tratarse del estado, de una entrada que el sistema filtra o de un factor de medición que varía con el tiempo. El ajuste temporal deja esa interpretación sin resolver.

Se sabe además que al inicio se produjo un cambio planificado. Esa coincidencia temporal no especifica por qué vías actuó el cambio, que pudo modificar el entorno, una conducta o las expectativas sobre el registro, o varios de estos componentes a la vez. La formulación del caso debe mantener separados el acontecimiento conocido y el mecanismo que se propone para explicar su asociación con la trayectoria.

450.3. Primera historia: una condición externa deja de sostener la carga

En el primer generador, el estado evoluciona según $x_{t+1}=0.9x_t+0.1c_t.$

Antes del periodo observado el contexto vale uno y el estado se encuentra en su equilibrio, que también vale uno, porque la igualdad $x=0.9x+0.1$ solo se cumple para $x=1$. Al comenzar el seguimiento la entrada contextual pasa a cero. La ecuación se reduce entonces a una multiplicación por 0,9 y genera exactamente la curva inicial.

Dentro del modelo, la disminución corresponde a un cambio real del estado. La condición externa ha dejado de aportar la entrada que mantenía el nivel previo, y la persistencia propia del sistema hace que la reducción ocurra de forma gradual aunque el cambio contextual haya sido instantáneo. El retraso de la respuesta no demuestra, por tanto, que la causa también haya actuado de manera gradual.

Como interpretación hipotética puede pensarse en una restricción cotidiana que desaparece durante un tiempo. El ejemplo no identifica esa restricción con ningún acontecimiento particular ni sostiene que cualquier problema responda de este modo. Lo que la ecuación describe es una posibilidad causal precisa, formada por una entrada sostenida, una memoria parcial y un descenso que comienza cuando la entrada se retira.

Si el contexto siguiera siendo favorable, la trayectoria continuaría acercándose a cero. Si la condición anterior volviera, el mismo sistema recibiría otra vez su carga. En esta historia la duración de la mejoría depende de lo que ocurra después con el contexto, aunque los parámetros internos permanezcan constantes durante todo el ejercicio.

450.4. Segunda historia: cambia una retroalimentación

Antes del cambio, el segundo generador sigue la dinámica

El estado uno es un punto fijo porque la pérdida de una décima queda compensada por la contribución de la retroalimentación, que en ese punto vale $0.2\cdot\tfrac{1}{2}=0.1$. El término saturante representa una influencia que crece con el estado y cuyo incremento se modera cuando el estado es alto. No se le asigna ninguna identidad diagnóstica.

La derivada de la regla es $0.9+\beta/(1+x)^2$. En el estado uno vale 0,95, de manera que las perturbaciones pequeñas en torno a ese equilibrio se disipan. En el estado cero vale 1,1, y ese otro equilibrio resulta inestable frente a perturbaciones positivas pequeñas. Estas propiedades pertenecen a la regla sintética y sirven para precisar qué forma de persistencia se ve modificada.

Al comenzar el seguimiento, el coeficiente de retroalimentación se fija en cero. La ecuación posterior vuelve a ser una multiplicación por 0,9 y el estado desciende exactamente como en la primera historia. Aquí la curva resulta de un cambio de parámetro, mientras que en la historia anterior resultaba de retirar una entrada aditiva.

En términos conductuales, la operación podría describirse como la desaparición de una consecuencia que antes mantenía parte del proceso. Para sostener esa explicación en una persona habría que observar la conducta, su consecuencia y la relación temporal propuesta entre ambas. La curva total no basta para demostrar que la retroalimentación haya cambiado.

El modelo tampoco establece que el cambio de parámetro sea permanente. Se lo mantiene fijo durante el ejercicio para obtener una predicción definida, aunque en una aplicación el parámetro podría depender del contexto, del aprendizaje o del regreso de condiciones anteriores. La propia regla muestra qué implicaría ese regreso. Como el equilibrio cero es inestable cuando $\beta=0.2$, cualquier remanente positivo del estado volvería a crecer hacia uno si se restableciera la retroalimentación. Partiendo del valor alcanzado en el tiempo veinticuatro, sesenta intervalos con el coeficiente original llevarían el estado hasta cerca de 0,85. Que el cambio sea interno al sistema no dice nada, por sí solo, sobre la duración del beneficio.

450.5. Tercera historia: cambia la relación de medición

En el tercer generador el estado permanece constante en uno. La puntuación observada se obtiene multiplicando el estado por un factor de medición que disminuye con el tiempo:

La curva observada coincide exactamente con las anteriores, aunque el estado representado no haya mejorado. La diferencia reside en el modelo de observación. De manera abstracta, el factor puede representar un cambio de calibración, del periodo de referencia o de la correspondencia entre la respuesta y el atributo.

Esta posibilidad no supone engaño ni desacredita en general los autoinformes. Tras nuevas experiencias, una persona puede entender de otro modo una pregunta, adoptar un punto de comparación diferente o responder pensando en otro periodo. La investigación sobre calidad de vida relacionada con la salud ha estudiado este fenómeno con el nombre de response shift. Sprangers y Schwartz (1999) lo definieron como un cambio en el significado de la autoevaluación y distinguieron la recalibración de los estándares internos, la repriorización de valores y la reconceptualización del constructo evaluado. El factor $g_t$ del modelo se asemeja sobre todo a la primera de esas formas. Un instrumento también puede cambiar por razones técnicas, y en cualquier caso la explicación exige examinar las condiciones concretas en que se respondió.

Borsboom, Mellenbergh y van Heerden (2004) propusieron una concepción causal de la validez según la cual un test es válido para medir un atributo si ese atributo existe y si sus variaciones producen causalmente variaciones en los resultados de la medición. De ella extrajeron una consecuencia metodológica: la investigación de validación debería ocuparse de los procesos que transmiten el efecto del atributo a las puntuaciones. Esa formulación ayuda a plantear la pregunta central del caso, que es qué proceso produce la variación observada. Se trata de una propuesta conceptual sobre la validez. No demuestra que un cambio de medición como el del modelo explique una mejoría clínica determinada.

Para identificar la tercera historia hacen falta observaciones cuya relación con el estado no comparta el mismo cambio de ganancia. Repetir la misma pregunta puede reproducir la curva una y otra vez sin resolver la duda. La consistencia interna del registro tampoco garantiza que su relación con el atributo se haya mantenido estable.

450.6. Igualdad inicial y divergencia posterior

El seguimiento se prolonga hasta el tiempo veinticuatro. En la primera historia la entrada contextual vuelve a uno a partir de la medición doce, de modo que el estado empieza a recibirla en el intervalo siguiente. En la segunda la retroalimentación sigue anulada. En la tercera el factor de medición vuelve a uno desde la medición trece.

Las operaciones posteriores difieren entre historias, así que no constituyen un ensayo que aplique la misma intervención a tres grupos. Sirven para mostrar qué predice cada mecanismo cuando se sabe y se registra qué cambió en él. La comparación debe conservar esa diferencia para no atribuir la divergencia exclusivamente a estados internos.

El regreso de la entrada produce en la primera historia una recuperación gradual de la carga, mientras que en la segunda el cambio de parámetro sigue vigente y el descenso continúa. La tercera se comporta de otro modo, porque al restablecerse la ganancia la puntuación salta en un solo intervalo al nivel constante del estado. La forma de la divergencia resulta informativa cuando va acompañada de registros sobre el contexto y la medición.

450.7. Código íntegro del caso

import math
import numpy as np

r, T = 0.9, 24
contextual = np.zeros(T+1)
feedback = np.zeros(T+1)
latent_constant = np.ones(T+1)
contextual[0] = feedback[0] = 1.0
for t in range(T):
    context_input = 0.1 if t >= 12 else 0.0
    beta = 0.0  # retroalimentación anulada desde el inicio del seguimiento
    contextual[t+1] = r*contextual[t]+context_input
    feedback[t+1] = r*feedback[t]+beta*feedback[t]/(1+feedback[t])
time = np.arange(T+1)
gain = np.where(time <= 12, r**time, 1.0)
measurement = latent_constant*gain

# igualdad durante el periodo inicial y valores del seguimiento
assert np.allclose(contextual[:13], feedback[:13])
assert np.allclose(contextual[:13], measurement[:13])
k = np.arange(13)
assert np.allclose(contextual[12:], 1-(1-r**12)*r**k)
assert np.isclose(feedback[24], r**24)
assert np.isclose(measurement[24], 1.0)

# regla de retroalimentación previa al cambio (beta = 0.2)
f = lambda x: r*x+0.2*x/(1+x)
df = lambda x: r+0.2/(1+x)**2
assert np.isclose(f(1.0), 1.0)
assert np.isclose(df(1.0), 0.95) and np.isclose(df(0.0), 1.1)

for t in [0, 4, 8, 12, 24]:
    print(t, round(contextual[t], 6), round(feedback[t], 6),
          round(measurement[t], 6))

# restablecer beta = 0.2 desde el valor alcanzado en t = 24
x = feedback[24]
for _ in range(60):
    x = f(x)
print('estado tras 60 intervalos con beta = 0.2', round(x, 6))

# resúmenes de la curva inicial
half_time = np.log(0.5)/np.log(r)
initial_sum = np.sum(r**np.arange(13))
assert np.isclose(initial_sum, (1-r**13)/(1-r))
print('tiempo continuo equivalente hasta la mitad', round(half_time, 6))
print('suma de puntuaciones iniciales', round(initial_sum, 6))

# regresión a la media en una normal bivariante estandarizada
rho, c = 0.6, 2.0
phi = math.exp(-c**2/2)/math.sqrt(2*math.pi)
lam = phi/(0.5*math.erfc(c/math.sqrt(2)))
print('E[Z2 | Z1 = 2]', round(rho*c, 6))
print('E[Z1 | Z1 > 2]', round(lam, 6))
print('E[Z2 | Z1 > 2]', round(rho*lam, 6))
print('descenso esperado tras seleccionar Z1 > 2', round((1-rho)*lam, 6))

Las comprobaciones verifican la igualdad de las tres historias durante el periodo inicial, la forma cerrada del retorno contextual, los valores del seguimiento y las propiedades locales de la regla de retroalimentación. El código usa reglas deterministas para que la indeterminación inicial quede a la vista sin ruido. Añadir error de medición ampliaría la incertidumbre, aunque no hace falta para producir el problema de identificación. Las últimas líneas calculan las cantidades gaussianas que se emplean en la sección 450.14.

450.8. Estimar una velocidad no identifica su soporte

Dos puntos positivos consecutivos de la curva inicial bastan para recuperar el cociente 0,9. En escala logarítmica, la pendiente temporal es aproximadamente −0,105361 por intervalo. Ambas cantidades describen con exactitud la velocidad observada, aunque pueden pertenecer al proceso de estado o al proceso de medición.

En las dos primeras historias el cociente expresa la persistencia del estado una vez retirada una contribución. En la tercera expresa la variación de la ganancia. Una estimación muy precisa de la velocidad seguiría sin indicar en qué parte del modelo se localiza. La precisión de un parámetro descriptivo es una propiedad distinta de la identificación de su interpretación.

Si el estado y la ganancia cambiaran a la vez de forma geométrica, la puntuación observada dependería del producto de ambos cocientes y muchas parejas darían el mismo resultado. Un cociente de estado de 0,95 combinado con una ganancia que se multiplica en cada intervalo por cerca de 0,947368 reproduce, por ejemplo, el cociente observado de 0,9.

Esta extensión muestra que las historias puras no agotan las posibilidades. Una parte de la mejoría podría ser sustantiva y otra deberse a la medición. Para estimar ambas contribuciones harían falta restricciones adicionales o medidas con relaciones de observación diferentes. Elegir una descomposición sin esa información atribuiría una precisión aparente a una cantidad que los datos no identifican.

450.9. Resolver la trayectoria contextual de retorno

Desde el tiempo doce, la primera historia vuelve a recibir una entrada de una décima y su equilibrio vuelve a ser uno. La distancia entre ese equilibrio y el estado se reduce por un factor de 0,9 en cada intervalo, de modo que

Al cabo de doce intervalos adicionales el estado alcanza aproximadamente 0,797337. La ecuación permite distinguir un retorno gradual de un salto de medición. En el primer punto posterior al cambio contextual el estado vale cerca de 0,354, muy lejos de uno, porque conserva memoria de su nivel reducido y se aproxima al equilibrio poco a poco.

La predicción depende de que el contexto regrese exactamente a su nivel anterior y de que los parámetros no cambien. Un retorno parcial llevaría a otro equilibrio, y la presencia de otras entradas podría desviar la trayectoria. Una discrepancia con la curva calculada puede informar sobre esas condiciones; leerla de manera automática como fracaso de la intervención previa sería apresurado.

En esta historia la mejoría inicial sigue siendo real. El regreso de una condición desfavorable explica que se pierda parte del beneficio, y describir lo ocurrido como ausencia de cambio verdadero confundiría la dependencia contextual con la falta de efecto. La evaluación tiene que reconocer qué condiciones hicieron posible la reducción y cuáles explican después su mantenimiento o su reversión.

450.10. Una segunda medida con otra relación de observación

Supóngase que se registra un indicador funcional cuya relación con el estado se mantiene estable. En el mundo sintético más simple ese indicador coincide con el estado. Durante los primeros doce intervalos disminuiría en las historias contextual y de retroalimentación, mientras que en la historia de medición permanecería constante.

La discrepancia separaría la tercera explicación de las otras dos. Un indicador funcional real, sin embargo, no es una observación perfecta del estado. Depende de oportunidades, esfuerzo, apoyo y criterios de registro, de modo que su incorporación mejora la comparación solo cuando se explicita qué aporta y qué cambios podrían alterar su propia medición.

Interesa elegir una fuente que no repita la misma pregunta bajo otra etiqueta. Si dos medidas comparten el mismo cambio de referencia, pueden descender juntas sin resolver nada. La diversidad de métodos necesita una justificación de cómo se relaciona cada uno con el proceso, algo que la simple acumulación de instrumentos no proporciona.

Una discrepancia entre experiencia y funcionamiento tampoco debería resolverse descartando una de las fuentes. Puede indicar que la persona funciona mejor a costa de un esfuerzo elevado o que el malestar disminuye sin que cambien sus oportunidades. También puede ocurrir que las escalas recojan dominios distintos. El seguimiento necesita interpretar el patrón completo y admitir la posibilidad de beneficios parciales.

450.11. Registrar acontecimientos antes de interpretarlos

El registro contextual debería precisar cuándo cambió la condición propuesta, cuánto duró y si su intensidad fue constante. Una anotación retrospectiva y vaga es compatible con muchas trayectorias. La resolución temporal tiene que permitir comparar el momento del cambio de entrada con el comienzo y la velocidad de la respuesta.

La hipótesis de retroalimentación exige observar la secuencia que supuestamente se modificó. Si se propone que una conducta obtenía una consecuencia que la mantenía, conviene registrar por separado las oportunidades, la conducta y la consecuencia. Una frecuencia menor puede deberse simplemente a que hubo menos oportunidades mientras la relación de mantenimiento seguía intacta.

En el caso de la hipótesis de medición se revisan las instrucciones, el periodo de referencia y las condiciones en que se respondió. Un cambio de plataforma o de formulación puede alterar la comparabilidad entre momentos, igual que un cambio en la forma de interpretar las preguntas. Conservar las versiones sucesivas del procedimiento permite reconocer cuándo una diferencia de puntuación coincide con una modificación de este.

El registro de acontecimientos no garantiza causalidad, aunque impide que las explicaciones posteriores se construyan sin anclaje temporal. Permite, además, detectar cambios simultáneos que una narración sencilla pasaría por alto. El caso necesita esa información para pasar de una curva compatible con tres historias a una comparación entre predicciones más específicas.

450.12. Una observación elegida por su capacidad de discriminar

No todas las mediciones adicionales valen lo mismo. Otra puntuación del mismo instrumento durante el tramo inicial confirmaría la regularidad geométrica y seguiría siendo compatible con las tres historias. Una medida estable del estado aportaría más información sobre la hipótesis de medición, aunque todavía no separaría el contexto de la retroalimentación.

Para diferenciar las dos primeras historias sería útil observar la variación ordinaria de la condición contextual y comprobar si anticipa cambios con la forma que predice la ecuación. Provocar una condición perjudicial para obtener esa información no es necesario ni aceptable. Pueden aprovecharse las variaciones que ocurren de manera natural, teniendo presentes las limitaciones que impone su interpretación.

También puede buscarse evidencia directa sobre la relación conductual. Si una consecuencia antes asociada a una conducta deja de producirse y esa modificación precede a cambios compatibles con el modelo, crece la información a favor de la segunda historia. Las entradas concurrentes y los errores de registro siguen siendo posibles, por lo que la conclusión debe guardar proporción con la evidencia.

La elección de observaciones puede organizarse a partir de predicciones rivales, preguntando qué resultado espera cada historia y con qué precisión. Una medida resulta especialmente útil cuando esas predicciones difieren y su error no las vuelve indistinguibles. Este criterio da prioridad a la información sustantiva frente a la acumulación de registros que repiten la misma ambigüedad.

450.13. Alivio inmediato y factores de persistencia

Una disminución del malestar puede tener valor aunque no modifique todos los factores que lo mantenían. El análisis debe separar el resultado observado de la pregunta por la persistencia. Exigir que cada beneficio elimine todas las vulnerabilidades posibles impondría un criterio injustificado.

En la primera historia el alivio depende de una condición ambiental, y su seguimiento debería examinar la estabilidad de esa condición favorable y el acceso a ella. En la segunda el cambio de retroalimentación se mantiene por hipótesis; una evaluación real tendría que comprobar si la relación reaparece en otros contextos. La tercera plantea una cuestión previa, porque la puntuación requiere revisar su comparabilidad antes de inferir cualquier cambio del estado.

El contraste entre historias no establece una jerarquía moral ni clínica. Una mejora contextual sostenida puede ser más relevante que un pequeño cambio de parámetro. Un cambio de medición puede revelar que el instrumento anterior captaba mal el objetivo, en cuyo caso tiene un interés propio que va más allá del error. La interpretación depende de lo que se pretende conocer.

Cramer y colaboradores (2016) modelaron la depresión mayor como una red de catorce síntomas binarios en la que la probabilidad de activación de cada síntoma es una función logística de la actividad de los síntomas conectados con él, ponderada por un parámetro global de conectividad. En una segunda simulación añadieron un término de estrés externo. Las redes con conexiones fuertes tendían a permanecer en un estado con muchos síntomas activos y mostraban histéresis, de modo que la salida exigía reducir el estrés muy por debajo del nivel que había desencadenado la transición; las redes débilmente conectadas presentaban, en cambio, recuperaciones espontáneas. Los parámetros se estimaron a partir de datos interindividuales de una muestra de gemelos, y los autores no validaron el proceso en trayectorias de personas individuales. Su trabajo muestra cómo ciertas reglas de interacción generan estados mantenidos en simulación. El caso presente conserva la distinción entre esa posibilidad matemática y la evidencia que haría falta para atribuir persistencia o recuperación a una retroalimentación concreta en una trayectoria individual.

450.14. Regresión a la media como explicación adicional

Las tres historias no agotan las alternativas. Si el seguimiento comienza cuando una puntuación es excepcionalmente alta, la medición siguiente puede acercarse al nivel habitual sin que haya intervenido ninguna acción eficaz. Este fenómeno debe distinguirse de un mecanismo de recuperación causado por el cambio introducido.

Barnett, van der Pols y Dobson (2005) presentaron la regresión a la media como un fenómeno ubicuo en los datos repetidos, que debe considerarse siempre como posible causa de un cambio observado y cuyo efecto puede atenuarse con un mejor diseño y con métodos estadísticos adecuados. En 2015 los mismos autores publicaron una corrección. En ella señalan un error en la fórmula del efecto esperado de regresión a la media impresa en la página 217 del artículo, indican que la correlación del ejemplo numérico que la acompaña debía ser 0,36 y no 0,64, lo que eleva el efecto esperado de 9,6 a 17,3 mg/dl, y modifican la fórmula para que incorpore la dirección del cambio según se seleccione a los participantes por encima o por debajo del punto de corte. Los cálculos que siguen no usan esa fórmula. Proceden de propiedades elementales de la distribución normal bivariante y se obtuvieron de manera independiente.

Sean dos mediciones estandarizadas, conjuntamente gaussianas, con medias cero y correlación 0,6. La esperanza de la segunda condicionada a que la primera valga exactamente dos es $0.6\cdot 2=1.2$. La disminución esperada de ocho décimas surge de la estructura de la distribución, sin ningún efecto de tratamiento.

En la práctica la inclusión suele depender de un umbral más que de un valor puntual. Para dos variables normales estandarizadas con correlación $\rho$, seleccionadas por $Z_1>c$, se cumple

donde $\varphi$ y $\Phi$ son la densidad y la función de distribución de la normal estándar, y $\lambda(c)$ es además la media de $Z_1$ en el grupo seleccionado. Con $c=2$ y $\rho=0.6$, la primera medición promedia cerca de 2,373 en ese grupo y la segunda cerca de 1,424. El descenso esperado, $(1-\rho)\,\lambda(c)\approx0.949$ unidades estandarizadas, ocurre sin intervención alguna. Si la selección se hiciera por debajo de un umbral negativo, el desplazamiento tendría el signo contrario, en concordancia con la importancia que la corrección de 2015 atribuye a la dirección de la selección.

La explicación no implica que toda mejoría sea regresión a la media. Señala una alternativa relevante cuando la inclusión o el comienzo del seguimiento dependen de valores extremos. Disponer de varias observaciones previas y de un contraste adecuado ayuda a estimar cuánto podría contribuir. Con una sola medición inicial elevada queda menos información para separar la fluctuación, la tendencia y el efecto de una acción.

450.15. Contrafactuales y atribución del cambio

La pregunta causal compara lo ocurrido con lo que habría ocurrido bajo otra condición. En una persona se observa la trayectoria realizada, nunca al mismo tiempo su alternativa sin el cambio. Las ecuaciones del ejercicio permiten calcular ambas porque se conoce el generador, una ventaja de la que se carece con datos reales.

En la historia contextual, mantener la entrada en uno habría conservado el estado en su equilibrio inicial. En la de retroalimentación, mantener el coeficiente en 0,2 habría producido el mismo resultado desde esa condición inicial, mientras que en la de medición una ganancia constante igual a uno habría dado una puntuación constante. Los tres contrafactuales explican el mismo contraste observado mediante operaciones distintas.

Saber que una acción ocurrió no indica cuál de esas operaciones llevó a cabo. La atribución requiere información sobre sus componentes y sobre los cambios concurrentes. Una misma acción puede modificar a la vez el contexto y la conducta, y entonces una explicación combinada resulta más adecuada que cualquiera de las historias puras.

El contraste no busca negar la experiencia de mejoría. Su propósito es precisar qué afirmación está respaldada, ya sea que disminuyó una puntuación, que cambió un resultado funcional, que se modificó una condición o que existe evidencia de una vía causal particular. Estas afirmaciones pueden tener grados de apoyo diferentes y conviene mantenerlas separadas.

450.16. Errores de medición y capacidad de distinguir historias

La igualdad inicial de los tres generadores se mantiene si a cada uno se le añade un error aditivo, independiente del estado y con la misma distribución. Sus predicciones observacionales iniciales siguen siendo iguales en distribución. Una mayor precisión reduciría el ruido sin resolver una equivalencia que ya existía en ausencia de error.

Después del tiempo doce las predicciones divergen bajo las condiciones especificadas. La capacidad de distinguirlas depende entonces del tamaño del error, del número de observaciones y de que las condiciones posteriores se hayan registrado correctamente. Una única puntuación puede ser compatible con varias trayectorias si su incertidumbre es amplia.

Los errores también pueden estar correlacionados en el tiempo. Un desplazamiento sostenido del criterio de respuesta puede confundirse con una tendencia del estado, y suponer errores independientes cuando no lo son produce intervalos demasiado estrechos y una confianza excesiva en la forma de la curva.

La revisión tiene que comparar modelos de estado y modelos de observación. Complicar el proceso dinámico sin examinar la medición puede atribuir al sistema patrones que provienen del registro. En sentido opuesto, explicar toda variación como error puede ocultar cambios sustantivos. Las medidas complementarias y los acontecimientos conocidos ayudan a restringir ambas partes de la formulación.

450.17. Ausencias en el seguimiento

La falta de registros puede relacionarse con el estado, con el contexto o con la carga que supone responder. Si se omiten los momentos difíciles, la trayectoria disponible puede exagerar la mejoría; si se responde sobre todo durante las dificultades, ocurre lo contrario. La dirección del sesgo depende del proceso de observación.

En el caso sintético completo no faltan mediciones. Una extensión podría eliminar de manera selectiva los puntos en que la carga supera cierto valor, y entonces el promedio de los valores restantes dejaría de representar el promedio de la trayectoria. Rellenar los huecos con una curva suave podría ocultar justamente los episodios omitidos.

Conviene conservar indicadores de la oportunidad de responder y los motivos conocidos de cada ausencia. Un periodo sin actividad registrada no equivale a un periodo sin dificultades. La distinción importa sobre todo cuando el contexto modifica a la vez el estado y la posibilidad de completar el seguimiento.

La evaluación puede explorar escenarios de sensibilidad sobre los valores no observados, siempre que se presenten como supuestos y no como datos recuperados. Si la conclusión cambia mucho entre supuestos plausibles, el resultado sigue siendo incierto. Una serie completa obtenida por imputación no elimina esa limitación.

450.18. Tiempo hasta un umbral y carga acumulada

La curva inicial permite calcular el tiempo necesario para que la puntuación se reduzca a la mitad. Al resolver la potencia geométrica se obtiene

Como las observaciones son discretas, el primer registro por debajo de la mitad corresponde al intervalo siete, con un valor de 0,478297. El valor fraccionario resulta de una interpolación exponencial y no de una medición adicional. Mantener esa distinción evita atribuir al registro una precisión temporal que no tiene.

La suma de las puntuaciones entre los tiempos cero y doce es aproximadamente 7,458134 y coincide con $(1-0.9^{13})/(1-0.9)$. Esta cantidad resume la carga observada acumulada en intervalos iguales. Las tres historias comparten esa suma inicial, aunque en la tercera la suma del estado verdadero sea trece. Un resumen acumulado hereda la ambigüedad del instrumento del que procede.

El tiempo hasta un umbral y la suma acumulada responden a preguntas distintas. Dos trayectorias pueden cruzar el mismo umbral habiendo acumulado cargas previas diferentes, y ninguno de los dos indicadores identifica por sí solo el mecanismo. Su utilidad depende de que el umbral y la medida acumulada correspondan a resultados sustantivos, elegidos antes de saber qué resumen resulta más favorable.

450.19. Un seguimiento mínimo con preguntas explícitas

Un seguimiento informativo del caso incluiría la puntuación original, una medida complementaria con un significado definido y registros de las condiciones propuestas como mecanismos. La frecuencia de medición se elegiría según la velocidad de cambio esperada y la carga que impone observar. Ningún calendario universal garantiza la identificación.

La primera pregunta sería si la disminución se reproduce en resultados cuya medición permanece comparable. Luego interesaría saber si el cambio sigue a variaciones contextuales registradas y si existe evidencia sobre la relación conductual que se supone modificada. Las respuestas pueden apoyar una combinación de historias en lugar de una explicación exclusiva.

Los criterios de contraste deberían fijarse antes de revisar el seguimiento completo. Puede definirse, por ejemplo, qué retraso temporal admite la hipótesis contextual y qué cambio en la secuencia conductual sería compatible con la segunda historia. Especificarlo de antemano reduce la posibilidad de reinterpretar cualquier resultado como una confirmación.

El plan debe prever qué hacer cuando las fuentes discrepan. Una mejoría subjetiva sin cambio funcional puede ser relevante y pedir otra explicación, del mismo modo que un cambio funcional sin reducción del malestar merece ser descrito. Medir varios resultados tiene sentido precisamente para conservar esas diferencias en vez de forzarlas dentro de una narración uniforme.

450.20. Qué puede concluirse al resolver el caso

Durante los primeros doce intervalos solo se identifica una trayectoria observada descendente. Las tres historias son compatibles con ella y no pueden ordenarse según su ajuste a esos datos. La atribución al contexto, a la retroalimentación o a la medición permanece abierta hasta que se incorpore información capaz de discriminar.

En el seguimiento construido, la historia contextual muestra un retorno gradual ligado al restablecimiento de la entrada, la de retroalimentación prolonga el descenso y la de medición vuelve al nivel uno cuando se restablece la ganancia. Estas diferencias son consecuencias de ecuaciones y operaciones conocidas. No provienen de ningún estudio clínico.

Una medida complementaria estable separaría la historia de medición ya durante el periodo inicial. Los registros de contexto y de secuencias conductuales ayudarían a comparar las otras dos. La calidad de la inferencia depende de la precisión de esas observaciones y, sobre todo, de su correspondencia con las variables del modelo.

Antes de interpretar una mejoría como cambio de mecanismo es necesario especificar el proceso observado, la operación realizada y las alternativas que producirían el mismo resultado. Con esa especificación es posible reconocer los beneficios reales sin cerrar antes de tiempo la pregunta por el mecanismo, y orientar el seguimiento hacia las observaciones que podrían corregir la explicación.

450.21. Formular el resultado del seguimiento sin excederlo

Supóngase ahora, en una aplicación hipotética, que la medida complementaria también disminuye y que el procedimiento de registro se mantiene estable. Esos datos debilitarían una explicación basada solo en la ganancia del instrumento original. Todavía no demostrarían un cambio de la retroalimentación, porque la historia contextual también predice una disminución del estado.

Si además el descenso sigue a una modificación contextual documentada y el beneficio se mantiene mientras dura esa condición, la explicación ambiental gana apoyo. Atribuir a esa vía una proporción precisa del cambio exigiría un contraste causal más fuerte. La formulación puede reconocer una relación temporal consistente sin presentarla como una estimación de efecto identificada.

Si se observa una modificación de la secuencia conductual propuesta y esta anticipa cambios posteriores en contextos comparables, aumenta la información a favor de la segunda historia. Aun así, esa relación podría compartir causas con la mejoría. La conclusión debe describir qué alternativas han perdido plausibilidad y cuáles siguen abiertas.

Expresado mediante afirmaciones graduadas, el resultado del seguimiento conserva la mejoría observada, indica qué fuentes la corroboran y delimita el mecanismo que recibe apoyo. De este modo la claridad visual de la curva no se traslada a una explicación más cerrada de lo que los datos permiten, y queda establecido qué observaciones futuras convendría obtener.

Referencias

Barnett, A. G., van der Pols, J. C., y Dobson, A. J. (2005). Regression to the mean: What it is and how to deal with it. International Journal of Epidemiology, 34(1), 215–220. DOI.

Barnett, A. G., van der Pols, J. C., y Dobson, A. J. (2015). Correction to: Regression to the mean: What it is and how to deal with it. International Journal of Epidemiology, 44(5), 1748. DOI.

Borsboom, D., Mellenbergh, G. J., y van Heerden, J. (2004). The concept of validity. Psychological Review, 111(4), 1061–1071. DOI.

Cramer, A. O. J., van Borkulo, C. D., Giltay, E. J., van der Maas, H. L. J., Kendler, K. S., Scheffer, M., y Borsboom, D. (2016). Major depression as a complex dynamic system. PLOS ONE, 11(12), e0167490. DOI.

Sprangers, M. A. G., y Schwartz, C. E. (1999). Integrating response shift into health-related quality of life research: A theoretical model. Social Science & Medicine, 48(11), 1507–1515. DOI.