CARTA DEL DIRECTOR CARTA DEL DIRECTOR

239

La distribucin normal de Gauss y el hombre tipo de Quetelet

De ti se trata en esta fbula Horacio (Stiras) La distribucin normal de Gauss Estudiando las variaciones que se producen al medir repetidamente un mismo objeto (largo de una mesa, posicin de un planeta), o sea lo que se llamara distribucin de los errores de medicin, Gauss describi una ecuacin cuyo grfico es la famosa curva normal o curva de Gauss, (1) que es de forma acampanada y simtrica, cuya altura y ancho dependen del valor de la varianza de la poblacin; cuanto mayor sea la varianza (mayor es la dispersin) y ms baja y ancha es la curva. La curva de Gauss estndar tiene una media del universo (!) = 0, y una varianza ("2) = 1 (Figura 1). A esa distribucin de los errores de medicin Gauss la llam distribucin normal, en el sentido de norma, porque al decir distribucin normal de los errores de medicin, quera decir que sa era la norma de distribucin de los errores de medicin de un solo y mismo objeto. Entonces, al hablar del lmite fiduciario (del latn fides = confianza) intervalo de confianza del 95%, se quiere decir que entre esos lmites tendramos el 95% de los errores posibles de medicin. A Gauss nunca se le ocurri pensar que su ecuacin y grfico se utilizara para hablar de distribucin normal de un grupo o serie de valores individuales distintos. Podemos reconocer esta diferencia crucial utilizando un ejemplo muy simple. Si estamos en la situacin en que a 1 voluntario le extraemos 1 litro de sangre de la que separamos 500 ml de plasma, y sobre estos 500 ml hacemos 1.000 determinaciones de triglicridos. En un mundo de perfeccin infinita (ideal) los 1.000 resultados deberan ser exactamente iguales o idnticos, pero en la vida real no lo son debido a que las mediciones tienen cierto error. Estos 1.000 datos por lo tanto tendrn una distribucin normal de los errores de medicin o sea una curva de distribucin gaussiana. Si ahora en lugar de hacer las 1.000 determinaciones en un nico voluntario, tomamos 1.000 voluntarios y le efectuamos a cada uno una determinacin de triglicridos plasmticos, la distribucin de estos 1.000 datos (que ahora van a corresponder a una poblacin de 1.000 individuos y no a 1.000 mediciones del mismo individuo) no siguen la distribucin descripta por Gauss. (2) En realidad, la curva de distribucin de los triglicridos en una poblacin de individuos es completamente asimtrica, con una concentracin mayor dentro de los valores ms bajos (considerados clnicamente normales) hacia la izquierda del grfico y una pendiente larga y prolongada hacia los valores ms altos; a esta distribucin en los valores de una poblacin se la llama con moda a la izquierda (ya que la moda es el valor que se repite ms veces o de mayor frecuencia). La distribucin de las variables biolgicas pueden tener muchas formas comprobables empricamente; la TSH tambin tiene una distribucin asimtrica con moda a la izquierda, la altura de la poblacin de un colegio va a mostrar dos picos de frecuencia o modas, primero la de los alumnos y luego la de los maestros, por eso se la llama distribucin bimodal, y hay otras distintas. Como corolario podemos decir si bien los errores de medicin se distribuyen como lo describi Gauss, los datos individuales de las variables biolgicas no deben necesariamente distribuirse segn la ecuacin de Gauss. Esto permite dos simples conclusiones con implicaciones clnicas importantes. La primera es que si la distribucin no es gaussiana, la media ya no describe la mejor medida de tendencia central, ni en el intervalo de confianza del 95% (IC 95%) se encontrarn 95 de cada 100 mediciones. Por lo tanto, debern utilizarse otras medidas de estadstica descriptiva para las medidas de tendencia central y de dispersin (mediana, intervalo intercuartilos, moda, etc.). La segunda es de orden epistemolgico y mucho ms importante, al hablar de IC 95% de la curva normal de Gauss, muchos han supuesto que estamos hablando de valores clnicamente normales. Sin embargo, podemos darnos cuenta fcilmente de que no es as si consideramos, por ejemplo, la distribucin

0,4 FUNCION DE FRECUENCIA

MEDIA

0,3

0,2

0,1

0,0

-3

-2

-1

Fig. 1. Curva de Gauss estndar (! = 0, "2 = 1).

240

REVISTA ARGENTINA DE CARDIOLOGA / VOL 72 N 3 / MAYO-JUNIO 2004

de los valores plasmticos de LDL-colesterol. Muchos de los pacientes que estaran dentro del IC95 tienen un riesgo aumentado de eventos cardiovasculares o muerte, y como ya discutimos en otras cartas inicialmente se consideraba normal un umbral < 130 mg dl, luego <100 mg dl y actualmente sospechamos que no existe ningn umbral definido en nuestra sociedad actual y por lo tanto cuanto ms bajo, menor es el riesgo cardiovascular. Esto sucede de esta manera en la prctica mdica, debido a que las mediciones estadsticas de las variables biolgicas no pueden por s y ante s reconocer el juicio que significa estar enfermo, sin que ese valor haya surgido en algn momento en la conciencia del hombre. Es decir, el gold standard de las variables de laboratorio presentes y futuras es la conciencia del hombre que se experiment distinto de su estado normal; es por ello que no son las mediciones de las variables biolgicas las que determinan por s que la persona est enferma, sino que es la nocin de enfermedad del paciente la que asigna valor de anormalidad a una medicin biolgica. El hombre tipo de Quetelet Tratemos de rastrear cmo surgi esta confusin. Cuando nos acercamos a mediados del siglo XIX aparece una figura, la del astrnomo real de Blgica Adolfo Quetelet, como el impulsor principal del movimiento estadstico. Hasta ese momento las estadsticas slo se usaban para mostrar estabilidades, como la cantidad de juicios, las diferentes clases de crmenes, la cuantificacin de las enfermedades; en suma, estaban hechas por funcionarios estatales que llevaban registros minuciosos. Quetelet pens en la utilizacin de la estadstica no como un funcionario sino como un hombre de ciencia, como un astrnomo, que buscara en las caractersticas fsicas y de la conducta de sus conciudadanos regularidades dignas de las regularidades de los astros que meda en su observatorio. Es casi seguro que Quetelet participaba de la concepcin determinista del mundo de la mayora de los cientficos contemporneos, y esa concepcin determinista estaba siendo amenazada por la nueva ciencia estadstica, ya que la determinacin de la relacin directa de causa y efecto era desafiada por la reciente teora de la probabilidad. Era necesario encontrar leyes sociolgicas que fueran semejantes a las leyes naturales de los astrnomos. Quetelet estaba enamorado de los nmeros y le gustaba sacar conclusiones; veremos cmo sus conclusiones siguen influyndonos en el siglo XXI. Quetelet conoca muy bien la ley de errores desarrollada a principios del siglo XIX, porque la aplicaba en su campo de estudio que eran las mediciones astronmicas. La representacin grfica de dicha ley es la ya discutida curva acampanada de la llamada distribucin normal o distribucin de Gauss alrededor de la media.

Haba dos caminos para llegar a esa curva. El ms antiguo, de comienzos del siglo XVIII, se estableca como lmite de una tirada de monedas o como una distribucin de binomios (la proporcin que sale cara de una muestra n de monedas lanzadas al aire, repetidas muchas veces). El otro camino era la repeticin de medidas de posicin de un astro que realizaban los astrnomos, que presentaba una desviacin de los errores de observacin, establecida matemticamente por Gauss. Ahora bien, la curva est caracterizada por dos variables: la media y algn grado de dispersin. Si todas las medidas se agrupaban cerca de la media, la medicin era confiable, y segn aumentaba su grado de dispersin se volva menos confiable. Pero aun en esta ltima situacin, la medida real porque no debemos olvidar que estamos estimando medidas reales de la naturalez ms probable era la media. La medida de dispersin que se us en todo el siglo XIX, ya que nuestro conocido desvo estndar fue acuado por Karl Pearson recin en 1894, fue el error probable del tambin astrnomo F. W. Bessel en 1815. La idea central consiste en que el error probable divide las mediciones en dos clases igualmente probables: la mitad de las mediciones errar por exceso y la otra mitad por defecto. Quetelet, haciendo un juego de prestidigitacin, aplic la misma curva de distribucin gaussiana de errores a fenmenos biolgicos y sociales en los que el trmino medio (la media o el promedio actual) no va a ser nunca ms una cantidad real. O sea con un pase de manos transform la media que era una cantidad real (la medida real ms probable), en un concepto abstracto estadstico. Por qu decimos que Quetelet hizo de la media (promedio) un concepto abstracto; pensemos en un hombre promedio (hombre tipo como dira Quetelet) que pudo haberse casado 1,22 veces o tenido 2,7 hijos, para darnos cuenta rpidamente de lo absurdo que resulta considerarlos cantidades reales; el hombre promedio es slo una cmoda ficcin. Sin embargo, para Quetelet el hombre medio o el hombre tipo hablaba de las caractersticas de un pueblo o de una nacin como tipo racial. Si antes se defina a una nacin por su lugar geogrfico, su historia, su lengua o su cultura; ahora habra que agregarles las caractersticas fsicas y morales que compendiaban a esa nacin. (3) En Bruselas, en 1844 escribi: Otra cuestin de suma importancia se presenta aqu. Puede uno preguntarse si en un pueblo existe un homme type, un hombre que represente a ese pueblo por su estatura y en relacin con el cual deben considerarse todos los dems hombres de la misma nacin como desviaciones ms o menos grandes. Las cifras que uno obtenga al medir a estos ltimos se agruparn alrededor de un trmino medio, de la misma manera que los nmeros que uno obtendra si ese mismo hombre tipo hubiera sido medido nume-

CARTA DEL DIRECTOR

241

rosas veces mediante mtodos ms o menos imprecisos. En este ensayo que est dirigido a sus alumnos ms distinguidos para celebrar los 30 aos de profesorado, transmuta claramente la curva gaussiana de distribucin de errores de medicin de cantidades fsicas desconocidas, a la curva de dispersin de los atributos de una media abstracta e ideal de una poblacin. Utilizando un pensamiento por analoga y aprovechando que estas propiedades podan someterse a las mismas tcnicas formales algebraicas, las convierte en propiedades reales. Utilizando como fuente una publicacin en el Edinburgh Medical Journal sobre la medida de la altura y el trax de ms de 5.000 soldados escoceses, lleg a la conclusin de que el tipo medio de trax era de 92 cm de permetro, y que esto era como medir un solo escocs de 92 cm de trax con un error probable de 33,34 milmetros. Segn lo expres al ao siguiente en una obra popular, si una persona poco prctica en medir el cuerpo humano midiera repetidamente a un soldado tpico, 5.738 mediciones hechas en un individuo no se agruparn ciertamente con ms regularidad... que las 5.738 mediciones hechas en los soldados escoceses; y si se nos presentaran las dos series sin ninguna especificacin particular, nos veramos muy confusos para establecer qu serie se tom de los 5.378 soldados diferentes y cul se obtuvo de un solo individuo aplicando menos habilidad y medios ms toscos de medicin. (3) Esta descripcin ficticia de Quetelet podemos llamarla hiptesis del sastre tosco o quiz de la cinta mtrica aleatoriamente variable. Ahora, cmo legitima Quetelet el paso de la abstraccin aritmtica de un promedio ficticio a un nmero objetivo y real que describe a la poblacin? l da a entender que si los errores de una medicin de un solo hombre concreto tienen una distribucin gaussiana, y si ahora utilizando la misma tcnica y conociendo que estamos midiendo a diferentes hombres, tambin nos da una curva de distribucin normal de Gauss satisfactoria, entonces podramos inferir, como en un silogismo, que el tipo medio la media o el promedio actual, es por lo tanto un valor verdadero y existente, una propiedad, ya no de una persona, sino de una entidad colectiva llamada poblacin. Pero, se ajustaba el fenmeno de medicin de individuos distintos a la curva de distribucin normal como postulaba Quetelet? l mismo aplic inmediatamente su distribucin a la altura de los reclutas franceses, y cuando los resultados refutaron su teora, encontr una explicacin

ad hoc, argumentando que los reclutas franceses hacan fraude fingiendo baja estatura... porque en ese pas exista el servicio militar obligatorio (?). Es difcil conocer hasta qu punto los datos recogidos por Quetelet respondan realmente a la curva de distribucin de errores de Gauss, ya que en esa poca no existan las pruebas para conocer si una distribucin era verdaderamente gaussiana. Durante muchos aos a nadie se le ocurri poner a prueba si los fenmenos de las poblaciones se ajustaban a la curva de distribucin de errores de Gauss, simplemente porque nadie se planteaba esta cuestin en esa poca. Los autores alemanes escpticos, como Lexis, propusieron las primeras pruebas 30 aos despus. Quetelet no se qued aqu, ya que sigui trabajando en las mediciones estadsticas del cuerpo humano, cre la antropometra e impuls el desarrollo de los mtodos estadsticos en la medicina. Aunque su nombre nos suene raro a los mdicos asistenciales, todos implcitamente lo homenajeamos cuando diariamente utilizamos el ndice de Quetelet, que no es otro que nuestro muy conocido ndice de Masa Corporal. Conclusin Ahora s sabemos definitivamente que no existe una nica dispersin de las distintas medidas biolgicas en las poblaciones, y que las distribuciones deben ser reconocidas como se presentan empricamente en la naturaleza. Alguien ha comentado que la utilizacin de la curva de errores de Gauss para la descripcin de la distribucin de las variables biolgicas en las poblaciones ms que a una curva de errores se parece a una comedia de errores, ya que los estadsticos-matemticos pensaban que era un hecho emprico comprobado por las observaciones de los bilogos, y stos por el contrario pensaban que era una ley matemtica enunciada por aqullos. Es ya tiempo de que terminemos con esta confusin. Hernn C. Doval
BIBLIOGRAFA
1. Slo como curiosidad escribimos la ecuacin desarrollada por Gauss: Y = [1 / #(2$"2)] exp[-0,5(x - !)2 / "2], donde exp indica antilogaritmo natural. 2. Tessler, J. Mdulo: Estadstica descriptiva de datos cualitativos, del curso virtual La investigacin clnica en la prctica mdica. GEDIC.com.ar. 3. Hacking, I. La domesticacin del azar. La erosin del determinismo y el nacimiento de las ciencias del caos. Gedisa Barcelona; 1995.