Del modelo dinámico a la evaluación individual de transiciones en salud mental

Una señal calculada con registros diarios puede aparecer antes de que un cuestionario semanal indique un aumento de síntomas. Esa precedencia admite varias interpretaciones. La señal podría anticipar el comienzo del cambio, detectar un cambio que ya empezó entre dos evaluaciones o responder a una fluctuación que nunca desemboca en el desenlace buscado. Distinguir esas posibilidades exige saber qué ocurrió, cuándo pudo conocerse y qué se había decidido medir antes de mirar el resultado.

En salud mental, la palabra transición suele cubrir objetos distintos, ya que puede designar la pérdida de estabilidad de una solución matemática, un salto estadístico en una serie, el aumento persistente de una puntuación o un episodio definido mediante evaluación clínica. Cada objeto tiene una regla de identificación y un grado de observabilidad propios. La evaluación individual consiste en construir y comprobar las relaciones entre ellos.

Una persona puede aportar miles de respuestas sin que observemos más de un episodio. Esa densidad, útil para estudiar su trayectoria con detalle, deja pocos desenlaces con los que evaluar una alarma. También podemos reunir muchos participantes y encontrar que un indicador se asocia con empeoramiento; todavía faltará establecer cómo se comporta una regla de alerta cuando debe decidir, para una persona concreta, antes de que su futuro esté disponible.

El cambio del modelo y el cambio que cuenta

En un modelo dinámico, una transición puede definirse por un cambio cualitativo de las soluciones, como la desaparición de un equilibrio, un cambio de su estabilidad o la aparición de una oscilación. Esa definición atañe a las ecuaciones y a sus parámetros. Para vincularla con una persona necesitamos una relación entre las variables del modelo y las observaciones, porque una puntuación de tristeza, una medida de actividad y una entrevista no observan directamente la estabilidad de un equilibrio.

Tampoco se obtiene esa relación asignando nombres clínicos a los estados. Si un modelo oculto separa períodos de mayor y menor malestar, la partición depende de las emisiones permitidas, de la escala temporal y de los datos usados para estimarla. Llamar episodio a uno de sus componentes añade una interpretación que debe contrastarse, porque es posible que el componente capture cambios de horario, de contexto o de respuesta al cuestionario junto con la variación sintomática.

La hipótesis de una pérdida gradual de estabilidad propone una secuencia particular, en la que ciertas propiedades de la dinámica cambiarían antes del desenlace observado. Para contrastarla hay que medir esa dinámica durante un intervalo adecuado y definir el desenlace con un criterio que no sea simplemente la presencia del indicador. Si definimos transición como aumento de autocorrelación, encontrar autocorrelación elevada antes de las transiciones sería una comprobación circular.

Un aumento persistente de síntomas, por otra parte, no demuestra que el mecanismo haya sido una bifurcación. Puede haberse producido por un cambio abrupto del entorno, por una perturbación intensa o por una evolución gradual que cruza el umbral de una escala. Como una misma regla clínica puede reunir trayectorias con mecanismos distintos, la ausencia de la señal asociada a un mecanismo particular no hace desaparecer los desenlaces producidos por otros.

Esta separación permite formular dos preguntas de investigación sin obligarlas a tener la misma respuesta. Una busca evidencia compatible con un mecanismo dinámico y la otra evalúa si una regla anticipa un desenlace con suficiente fiabilidad en unas condiciones definidas. Un indicador podría servir para predecir sin identificar el mecanismo causal o, al revés, describir correctamente una propiedad del sistema y resultar poco útil para anticipar episodios poco frecuentes o difíciles de fechar.

La elección del desenlace determina qué datos faltan. Si interesa un aumento de malestar, una puntuación repetida puede ser pertinente; si interesa el inicio de un episodio, habrá que especificar cómo se adjudica. Si el objetivo es una alteración del funcionamiento cotidiano, la evaluación tendrá que incluir ese funcionamiento. Sustituir el desenlace a mitad del análisis sin declararlo cambia el problema, aunque la misma curva siga pareciendo convincente.

Fechar un desenlace que necesita confirmación

Consideremos una serie didáctica, inventada únicamente para examinar el calendario, que no corresponde a una persona atendida ni a una escala clínica validada. Un índice arbitrario de malestar se registra cada siete días y los dos primeros registros definen una referencia de cuatro unidades. Antes del seguimiento se acuerda llamar cambio persistente a un aumento de al menos cinco unidades sobre esa referencia, presente en tres evaluaciones semanales consecutivas.

La primera evaluación elevada ocurre el día veintiuno, pero ese día todavía no sabemos si cumplirá el criterio de persistencia. La confirmación llega el día treinta y cinco. En una base de resultados podríamos registrar el veintiuno como fecha de comienzo y el treinta y cinco como fecha de confirmación. Ambas fechas describen aspectos diferentes del mismo desenlace y deben conservarse.

Una alarma emitida el día diecinueve precede en dos días a la primera evaluación elevada, pero si se la compara con la confirmación parecería adelantarse dieciséis días. Si la pregunta era cuándo comenzaron los síntomas, elegir la segunda resta amplía artificialmente el tiempo de anticipación. La confirmación tardía resuelve la adjudicación del resultado sin desplazar hacia el futuro el comienzo de lo que se intenta anticipar.

Los registros semanales tampoco revelan por sí solos el instante exacto del cambio subyacente. Suponiendo que la fase ascendente cruza el umbral una sola vez entre la última evaluación inferior y la primera superior, ese cruce quedaría entre los días catorce y veintiuno. La alarma del diecinueve podría haber ocurrido después del cruce, ya que el intervalo compatible con su adelanto va desde un valor algo mayor que menos cinco días hasta dos días. Bajo esa descripción no se ha demostrado anticipación del cruce.

La suposición de un solo cruce importa. Entre evaluaciones podría haber ascensos y retornos que el calendario semanal no recoge; tres puntuaciones elevadas separadas por una semana acreditan persistencia según la regla acordada, pero no observan continuamente todo ese tiempo. Por eso el informe debe nombrar el desenlace operacional y evitar atribuirle una precisión temporal que las mediciones no tienen.

Conocer el desenlace después de emitir una predicción es parte normal de su evaluación. No hay filtración de información por usar el día treinta y cinco para confirmar qué ocurrió, siempre que esa confirmación no haya intervenido en la regla que produjo la alarma del diecinueve. La filtración aparece cuando se emplea ese conocimiento posterior para elegir retrospectivamente la ventana, el indicador o el umbral y luego se presenta la elección como si hubiera estado disponible en el momento de la alerta.

La adjudicación independiente ayuda a conservar esta distinción. Quienes determinan el desenlace necesitan criterios suficientes y datos de seguimiento, pero no necesitan ajustar sus decisiones para que coincidan con las alertas. Si conocen las predicciones, conviene registrar ese hecho y evaluar cómo podría influir en la clasificación. La separación entre predictor y resultado importa especialmente cuando ambos se construyen con respuestas sobre contenidos muy parecidos.

Qué han mostrado los estudios individuales

Los estudios intensivos han hecho observable una parte de estas trayectorias, con alcances diferentes. Wichers, Smit y Snippe (2020) reunieron seis series utilizables, con evaluaciones afectivas varias veces al día y síntomas depresivos semanales. El análisis principal se centró en la persona que presentó un cambio abrupto significativo, identificado mediante análisis de puntos de cambio. En su trayectoria encontraron aumentos de indicadores antes del cambio. También examinaron comparaciones con personas sin transición. La recogida de datos fue prospectiva, pero el artículo no evaluó un sistema que estuviera entregando alertas operativas durante el seguimiento.

Ese resultado permite estudiar la secuencia dentro de una persona. La selección del caso que cambió plantea también una pregunta pendiente sobre la frecuencia con que una regla fijada de antemano produciría la misma señal durante períodos que no terminan en el desenlace. El patrón anterior a un episodio es una parte de la evaluación y la otra la aportan los períodos de estabilidad, los cambios graduales y las personas sin episodios.

Curtiss y colaboradores (2023) analizaron ocho semanas de registros diarios de afecto en treinta y un participantes con depresión. Resumieron para cada persona la tendencia de los indicadores y relacionaron esos resúmenes con el cambio en los síntomas entre el comienzo y el final del seguimiento. La asociación entre aumento de autocorrelación y empeoramiento fue de aproximadamente 0,41, en una comparación que incluyó treinta participantes por una exclusión analítica. El resultado relaciona diferencias entre personas en sus tendencias y desenlaces, sin dar una sensibilidad de alarma ni una fecha prospectiva de activación para cada individuo.

Bos y colaboradores (2022) estudiaron veinte personas con trastorno bipolar. Definieron las transiciones como un aumento de al menos seis puntos en una semana en los cuestionarios correspondientes, sin ese aumento en las dos semanas previas, de modo que el criterio era un cambio de puntuación y no una puntuación total de seis. Identificaron quince transiciones en once participantes. Para el contraste sin transición encontraron períodos que cumplían otra condición de estabilidad en siete de las nueve personas restantes. Los indicadores se analizaron en ventanas alineadas con las transiciones ya identificadas y su rendimiento mostró heterogeneidad individual y falsas señales.

Una evaluación alineada con el desenlace responde a cómo se comportaban las series antes de ese desenlace. Convertirla en un sistema de alerta exige una regla que pueda examinar la serie sin saber dónde terminará el intervalo anterior al episodio, además de períodos de comparación seleccionados de manera compatible con el uso futuro. Un valor predictivo calculado con una composición particular de transiciones y períodos estables no es automáticamente una probabilidad poblacional.

Tonge y colaboradores (2024), en un análisis de datos secundarios de cuatro participantes en remisión, encontraron señales compatibles con ralentización crítica en la persona que recayó, pero también indicaciones falsas en personas que no recayeron. Los métodos empleados no coincidieron entre sí. Este resultado, descrito en el resumen del artículo, añade una dificultad concreta, porque la conclusión puede depender de cómo se estime el indicador. Un contraste entre procedimientos informa sobre esa dependencia, pero no autoriza a conservar solo el procedimiento que coincide con el episodio conocido.

Los estudios no son intercambiables. Cambian la población, los cuestionarios, la frecuencia de respuesta y la definición del desenlace. También cambia la cantidad estimada, sea una asociación, una tendencia anterior al episodio o el rendimiento de una regla secuencial. Leer sus resultados exige respetar esas unidades de inferencia, sin ordenar todos los artículos en una única lista de éxitos y fracasos.

De la repetición entre personas a la evidencia para una persona

Disponer de un procedimiento personalizado significa que algún componente se adapta a la persona, sea su media de referencia, su variabilidad, los síntomas que registra o los parámetros de una dinámica. La personalización puede mejorar la correspondencia con su trayectoria, pero no suprime la necesidad de validación. Un umbral calculado con datos propios sigue siendo un umbral estimado y puede variar mucho si el período inicial es breve o poco representativo.

Hay que distinguir la información usada para ajustar de la usada para comprobar. Si la única transición observada determina qué síntomas son relevantes, qué duración de ventana funciona y qué nivel dispara la alerta, esa misma transición no puede comprobar de forma independiente todas esas decisiones. Una segunda trayectoria posterior, conservada fuera del ajuste, permite evaluar parte de ese aprendizaje, aunque con episodios escasos la incertidumbre seguirá siendo amplia.

La evaluación entre personas puede aportar evidencia útil para el individuo sin prometer una identidad de procesos. Puede estudiarse, por ejemplo, un procedimiento que estima una referencia personal con un tramo inicial y luego aplica una misma regla de detección. Al reservar personas completas para la evaluación se comprueba si el procedimiento puede empezar a trabajar con alguien que no contribuyó a diseñarlo. Al reservar períodos futuros de personas conocidas se comprueba otra capacidad, la de continuar funcionando durante su seguimiento.

Ambas tareas necesitan informar qué se adapta y cuándo, porque reservar una persona no basta si la normalización de sus registros usa también el período futuro que se pretende predecir. Tampoco basta dividir filas al azar cuando fragmentos casi contiguos de una misma trayectoria quedan a ambos lados del ajuste. Una evaluación individual conserva el orden temporal de las decisiones y el origen de la información compartida entre personas.

Un ejemplo construido, con dos personas que tienen cuatro episodios observados cada una, muestra por qué el promedio no describe toda la distribución del rendimiento. Una regla anticipa los cuatro episodios de la primera y ninguno de la segunda, mientras otra anticipa dos de cada persona. Ambas alcanzan una sensibilidad conjunta de cuatro sobre ocho, con distribuciones individuales diferentes y un promedio idéntico.

El ejemplo no permite afirmar que la primera persona sea intrínsecamente predecible y la segunda impredecible, porque ocho episodios siguen siendo pocos y podrían ocurrir en contextos distintos. Sí muestra que el promedio conjunto no identifica dónde se concentran los errores. Para estudiar un procedimiento personalizado conviene conservar los resultados por persona, sus tiempos de observación y el número de eventos que aportan, junto con el resumen común.

La escala temporal define además qué significa una oportunidad de error. Una persona seguida durante un año dispone de muchas más ocasiones de activar una alarma que otra seguida durante un mes. Esa diferencia de exposición se pierde si ambas se clasifican solo como alguna vez alertadas. Si se cuentan todas las evaluaciones diarias como independientes, se ignora que una racha puede estar ligada al mismo episodio. La unidad elegida debe corresponder a la pregunta, que puede referirse a personas detectadas, episodios anticipados, alertas emitidas o tiempo bajo alerta.

Contar alertas con el denominador correcto

Snippe y colaboradores (2023) analizaron cuarenta y una personas del proyecto TRANS-ID Tapering, veintidós con recurrencia y diecinueve sin ella, con gráficos de control que estimaban referencias personales a partir de los primeros veintiocho días. Con la configuración principal, el pensamiento negativo repetitivo señaló dieciocho de las veintidós recurrencias y también a ocho de las diecinueve personas sin recurrencia. En el afecto negativo de alta activación, los recuentos correspondientes fueron diez y dos.

Esos recuentos separan dos porcentajes que suelen confundirse. En el pensamiento negativo repetitivo, ocho sobre diecinueve equivalen al 42,1 % de quienes no tuvieron recurrencia y ocho sobre veintiséis, al 30,8 % de quienes fueron señalados. En el segundo indicador las cifras son dos sobre diecinueve (10,5 %) y dos sobre doce (16,7 %). El artículo presenta ambos tipos de porcentaje en distintos pasajes y sus denominadores responden a preguntas diferentes.

La proporción de falsos positivos entre personas sin desenlace describe cuánto se activa la regla en ese grupo, mientras que la proporción de falsas señales entre todos los señalados describe qué fracción de sus avisos no estuvo acompañada por el desenlace. La segunda depende especialmente de cuántos desenlaces hay en la población y en el período evaluados. Es posible mejorar una de estas cantidades a costa de detectar menos episodios.

Consideremos ahora dos poblaciones completamente didácticas de mil personas, observadas durante el mismo horizonte. Supongamos una sensibilidad del ochenta por ciento y una especificidad del noventa por ciento, idénticas en ambas poblaciones por construcción y sin relación con ningún dispositivo clínico real. En la primera población cien personas tienen el desenlace y en la segunda, quinientas.

En la población A, ochenta de las ciento setenta personas alertadas tienen el desenlace, aproximadamente un 47,1 %, frente a cuatrocientas de las cuatrocientas cincuenta alertadas en la población B, aproximadamente un 88,9 %. Como no hemos modificado la sensibilidad ni la especificidad, toda la diferencia procede de la frecuencia del desenlace dentro del horizonte.

Si $\pi$ es la frecuencia del desenlace, $s$ la sensibilidad y $c$ la especificidad, la probabilidad condicional es

donde $Y=1$ indica que ocurre el desenlace y $A=1$, que aparece una alerta. El numerador cuenta la fracción de verdaderos avisos y el denominador añade la de avisos entre quienes no tendrán el desenlace.

Trasladar una alarma a otro contexto exige revisar esa frecuencia y también la posibilidad de que cambien la sensibilidad y la especificidad. En el ejemplo las mantuvimos constantes para aislar un efecto, pero en un estudio clínico pueden cambiar la gravedad inicial, los antecedentes, el momento del seguimiento o la forma de contestar. Mantener la misma regla informática no garantiza mantener sus propiedades estadísticas.

La probabilidad posterior tampoco basta para diagnosticar a una persona. Expresa una frecuencia condicional bajo un procedimiento, una población y un horizonte. Su calibración solo puede examinarse con varias predicciones comparables y desenlaces observables. Un único desenlace no distingue una predicción probabilística razonable de una mala, porque un evento con probabilidad baja puede ocurrir y uno con probabilidad alta puede no ocurrir. La comprobación debe conservar también el horizonte, ya que una probabilidad para la próxima semana no se calibra contando todos los episodios que aparezcan durante el año.

La calibración agregada merece una comprobación adicional. En otro ejemplo didáctico, un algoritmo asigna una probabilidad del diez por ciento a cada una de mil personas y ocurren cien desenlaces, de manera que la frecuencia total coincide exactamente con la probabilidad anunciada. Supongamos, sin embargo, que dos contextos de seguimiento con quinientas personas cada uno aportan veinticinco y setenta y cinco desenlaces, es decir, frecuencias del cinco y del quince por ciento. La coincidencia global oculta una sobreestimación en un contexto y una subestimación en el otro.

Con ese reparto no hemos descubierto la probabilidad verdadera de cada persona, solo una diferencia verificable que la predicción constante no recoge. Para investigar su origen habría que considerar qué distingue los contextos, cuánto seguimiento aportan y si la comparación estaba prevista o se buscó después entre muchas subdivisiones. Una corrección estimada a partir de esa diferencia también necesita evaluación posterior. La calibración comprueba el procedimiento bajo agrupaciones relevantes, sin resolver automáticamente toda la heterogeneidad individual.

La exactitud global puede ocultar otro problema. En la población A de la tabla, una regla que nunca emitiera alertas acertaría en novecientas de las mil clasificaciones, con una exactitud del noventa por ciento y una sensibilidad nula. Esa cifra de aciertos describe sobre todo la frecuencia de quienes no presentan el desenlace. En una tarea orientada a anticipar cambios hay que observar además cuántos cambios se detectan y cuántas alertas se producen al hacerlo.

Recoger prospectivamente y evaluar prospectivamente

Recoger datos a medida que ocurren protege frente a ciertos problemas del recuerdo, pero no fija por sí mismo el análisis, porque una base reunida prospectivamente todavía permite escoger ventanas después de conocer las transiciones. Una evaluación que reconstruye las decisiones por orden temporal puede ser válida para estudiar el rendimiento histórico de una regla, siempre que cada decisión use exclusivamente la información que habría estado disponible.

La entrega efectiva de alertas es otro paso, que requiere comprobar retrasos de recepción, disponibilidad de respuestas y ejecución del cálculo. Un indicador calculable con registros pasados no es necesariamente un servicio que funcionó de forma continua durante el estudio. El informe debe distinguir el análisis de señales que habrían podido emitirse de los avisos que realmente recibieron las personas o los profesionales.

Smit y colaboradores (2025) analizaron treinta y siete participantes, diecinueve con transición y dieciocho sin ella. En su análisis principal del afecto negativo de baja activación encontraron aumentos de autocorrelación en siete de los diecinueve casos con transición y en cuatro de los dieciocho sin transición; para la varianza fueron cinco y dos. El promedio de sensibilidad del 32,9 % que comunican a través de comprobaciones de robustez resume distintas especificaciones y no es una fracción simple del total de treinta y siete. Las ventanas posteriores al comienzo de la transición se excluyeron usando la fecha adjudicada.

Ese trabajo y el de Snippe proceden del mismo proyecto TRANS-ID Tapering con selecciones analíticas distintas, por lo que aportan análisis relacionados y no dos muestras independientes, aunque tengan autores o fechas diferentes. También estudian indicadores distintos. Los cambios de dinámica y los cambios de nivel no responden exactamente a la misma hipótesis.

La fecha de transición puede usarse legítimamente para contrastar una teoría sobre lo que ocurre antes del desenlace, pero evaluar una alarma sin ese conocimiento exige establecer además cuándo se prueba la regla y con qué horizonte. Un análisis que termina justo antes de cada transición dispone de una frontera que el sistema operativo desconoce. Esa frontera debe sustituirse por una secuencia de decisiones definidas por el calendario o por las observaciones ya recibidas.

Un protocolo operativo conserva la versión del algoritmo y sus parámetros al inicio del período de evaluación y puede admitir actualizaciones, aunque la regla de actualización también tiene que estar especificada. Si el modelo vuelve a aprender, debe saberse qué registros estaban disponibles, qué resultados ya se habían confirmado y desde qué momento rige la nueva versión. Reentrenar con desenlaces que aún no estaban confirmados modifica retrospectivamente la información disponible.

La ausencia de aviso también necesita definición, porque puede significar que el indicador permaneció bajo el umbral, que faltaron datos para calcularlo o que el sistema no estuvo operativo. Agrupar las tres situaciones oculta un componente de la evaluación individual. Una regla que funciona bien únicamente durante períodos de alta adherencia no tiene el mismo alcance que otra que produce resultados interpretables durante todo el seguimiento.

Los cuestionarios breves reducen el trabajo por respuesta, pero multiplicar su frecuencia puede modificar la participación. Si la falta de respuestas se concentra cerca de un empeoramiento, eliminar esos intervalos puede seleccionar los momentos más fáciles de evaluar. Una opción analítica es declarar la falta de información y medir cuánto seguimiento queda sin predicción; otra es construir un procedimiento específico para los datos incompletos y evaluarlo como parte del sistema. Rellenar retrospectivamente con respuestas futuras no reproduce ninguna de esas opciones.

La observación cambia cuando se actúa

En una aplicación clínica, el seguimiento puede coincidir con decisiones de atención, cambios de tratamiento o modificaciones del entorno. Esas acciones pertenecen al proceso que genera los desenlaces observados, así que un registro que solo conserve síntomas y alertas tendrá dificultades para explicar por qué algunas trayectorias terminan de manera diferente.

Supongamos que después de una señal se produce una evaluación profesional, cambia la atención recibida y el desenlace previsto no aparece durante el horizonte. Su ausencia puede registrarse correctamente. Para afirmar que la alerta era falsa, en el sentido de que no existía riesgo, habría que saber qué habría ocurrido sin esa respuesta; para afirmar que la respuesta evitó el desenlace habría que resolver el mismo problema contrafactual desde la otra dirección. Ninguna de esas dos conclusiones se deduce de la secuencia observada.

Por ello el objetivo debe nombrar las condiciones de seguimiento, ya que predecir un desenlace bajo la atención habitual, predecirlo bajo una política que responde a las alertas y estimar el efecto de esa respuesta son tareas distintas. La última requiere una comparación adecuada entre estrategias, además de comprobar las predicciones. Ninguna de las cifras de asociación o anticipación descritas demuestra el beneficio de una intervención guiada por alertas.

También los criterios de desenlace pueden incorporar decisiones de atención, como ocurre en los seguimientos que combinan puntuaciones, persistencia, información cualitativa y cambios en el cuidado recibido. Esa combinación puede buscar relevancia clínica, aunque es útil conservar sus componentes para interpretar el resultado. Una puntuación elevada, una decisión profesional y una confirmación posterior no pueden fecharse como si fueran el mismo acontecimiento.

Los datos de contexto merecen su propio calendario. Una modificación del tratamiento puede comenzar un lunes y quedar registrada en una entrevista el viernes; un algoritmo que trabaja el martes solo puede usar lo que ya conoce, aunque el análisis final sepa que el cambio comenzó el lunes. Lo mismo ocurre con problemas de sueño descritos retrospectivamente o con eventos vitales que se informan semanas después. La fecha del hecho y la fecha de disponibilidad de su registro cumplen funciones diferentes.

Esta precisión no exige construir un sistema clínico imaginario; con ella se especifica qué se ha evaluado en los datos existentes y qué faltaría comprobar en otro estudio. La salida de una investigación puede ser una estimación de rendimiento, una distribución de errores y una descripción de los períodos sin información; convertirla en una instrucción terapéutica excedería los resultados obtenidos.

Un informe individual que conserve sus límites temporales

Un informe sobre una persona debería permitir reconstruir cada decisión relevante. La alerta necesita una fecha de emisión, el indicador que la produjo, la referencia con que se comparó y la versión de la regla. El desenlace necesita su definición, los registros usados para adjudicarlo y la fecha en que pudo confirmarse. Con esos elementos es posible revisar una aparente anticipación sin depender solo del aspecto de una gráfica.

El informe permite también reconocer desacuerdos útiles. Una medida puede anticipar cambios de nivel mientras otra reacciona a cambios de variabilidad, o una puede dar más avisos y otra no avisar durante muchos episodios. La comparación sirve si ambas se evalúan con oportunidades de observación semejantes y un desenlace común. Elegir después la más favorable para cada episodio produciría un procedimiento nuevo, cuyo selector también necesitaría evaluación.

Cuando solo existe un episodio conocido, se puede describir con precisión qué señal lo precedió y cómo se comportó durante los períodos disponibles sin episodio. Para estimar su rendimiento personal de manera estable harán falta más desenlaces o supuestos que permitan compartir información con otras personas. Esos supuestos pueden ser razonables, pero deben quedar visibles. Muchos registros de afecto mejoran la caracterización de la serie, pero no multiplican retrospectivamente el número de episodios observados.

Retomemos la secuencia didáctica de evaluaciones semanales, cuya regla de desenlace se fijó antes del seguimiento con una referencia de cuatro unidades, un aumento de cinco y su presencia en tres visitas consecutivas. La primera visita elevada fue la del día veintiuno y la confirmación llegó el día treinta y cinco. Una alerta del diecinueve queda documentada como anterior en dos días al primer registro elevado, sin que eso demuestre que precedió al cruce subyacente.

Si la misma regla hubiera emitido una alerta el día doce, su separación respecto de la primera visita elevada sería de nueve días. Bajo la suposición explícita de un único cruce entre las visitas de los días catorce y veintiuno, habría precedido a ese cruce en más de dos días y como máximo en nueve. Esa es la anticipación compatible con el calendario supuesto. Los registros disponibles no justifican convertirla en una fecha exacta de inicio ni extenderla hasta los veintitrés días que separan la alarma de su confirmación final.

Referencias

Bos, F. M., Schreuder, M. J., George, S. V., Doornbos, B., Bruggeman, R., van der Krieke, L., Haarman, B. C. M., Wichers, M., & Snippe, E. (2022). Anticipating manic and depressive transitions in patients with bipolar disorder using early warning signals. International Journal of Bipolar Disorders, 10, 12. https://doi.org/10.1186/s40345-022-00258-4

Curtiss, J. E., Mischoulon, D., Fisher, L. B., Cusin, C., Fedor, S., Picard, R. W., & Pedrelli, P. (2023). Rising early warning signals in affect associated with future changes in depression: A dynamical systems approach. Psychological Medicine, 53(7), 3124–3132. https://doi.org/10.1017/S0033291721005183

Smit, A. C., Helmich, M. A., Bringmann, L. F., Oldehinkel, A. J., Wichers, M., & Snippe, E. (2025). Critical slowing down in momentary affect as early warning signal of impending transitions in depression. Clinical Psychological Science, 13(4), 760–773. https://doi.org/10.1177/21677026241305136

Snippe, E., Smit, A. C., Kuppens, P., Burger, H., & Ceulemans, E. (2023). Recurrence of depression can be foreseen by monitoring mental states with statistical process control. Journal of Psychopathology and Clinical Science, 132(2), 145–155. https://doi.org/10.1037/abn0000812

Tonge, N. A., Miller, J. P., Kharasch, E. D., Lenze, E. J., & Rodebaugh, T. L. (2024). An investigation of the potential clinical utility of critical slowing down as an early warning sign for recurrence of depression. Journal of Behavior Therapy and Experimental Psychiatry, 82, 101922. https://doi.org/10.1016/j.jbtep.2023.101922

Wichers, M., Smit, A. C., & Snippe, E. (2020). Early warning signals based on momentary affect dynamics can expose nearby transitions in depression: A confirmatory single-subject time-series study. Journal for Person-Oriented Research, 6(1), 1–15. https://doi.org/10.17505/jpor.2020.22042