1. home
  2. /Divulgación

¿Qué es la Paradoja de Simpson? La contradicción que explica por qué algunos datos alarmistas sobre las vacunas son falsos

Esta teoría se podría aplicar a las cifras que están circulando sobre la efectividad de los inoculantes y las hospitalizaciones

2 Minutos de lectura
Pandemia

Los primeros en observarla fueron los estadísticos Karl Pearson (1899) y Udny Yule (1903)

© GettyImages

Las estadísticas inundan el día a día de la pandemia, pero hay que saber cómo tratar los datos: sin el contexto adecuado pueden conducir a los ciudadanos a conclusiones equivocadas. Este es el punto de partida de la Paradoja de Simpson: una contradicción que nada tiene que ver con la famosa serie y que es fundamental para identificar datos falsos sobre el coronavirus que generan innecesarias alarmas.

La Paradoja de Simpson o efecto de Simpson-Yule, tal y como explica Javier Álvarez Liébana, fue observada por un par de estadísticos: Karl Pearson (1899) y Udny Yule (1903). Al contrario de lo que ocurre con otras teorías, esta no fue bautizada en honor a estos dos pioneros. Su nombre llegó de la mano de CR Blyth en 1972, aludiendo al artículo de E. Simpson en que aseguraba que la media de la suma no es la suma de las medias.

Coronavirus
Pone el acento en el riesgo que entraña trabajar con proporciones de grupos que tienen diferentes tamaños o distintas propiedades ©GettyImages

Qué es la Paradoja de Simpson

Para comprender esto es clave conocer qué es la Paradoja de Simpson, también conocida como Efecto de Simpson-Yule. Se produce cuando la asociación de dos variables cambia en el momento en el que se controla el efecto de una tercera variable que, hasta ese momento, no se había tenido en cuenta. En el caso del COVID-19, las dos primeras serían las tasas de mortalidad y de vacunación y la tercera la edad.

Esta paradoja pone el acento en el riesgo que entraña trabajar con proporciones de grupos que tienen diferentes tamaños o distintas propiedades. Tal y como explican en El País, insta, por lo tanto, a no extraer conclusiones de los estudios estadísticos si no tenemos todos los datos a nuestro alcance. Algo que se puede aplicar a la pandemia del coronavirus y, más concretamente, a la efectividad de las vacunas y al número de hospitalizados.

SPAIN-HEALTH-VIRUS-HOSPITAL
La teoría insta a no extraer conclusiones de los estudios estadísticos si no tenemos todos los datos ©GettyImages

Eficacia de las vacunas

En los últimos días algunas informaciones apuntaban a que la eficacia de las vacunas no era del 95 por ciento sino del 67 por ciento. Un punto al que se llega sin tener en cuenta toda la información.

Estas cifras aluden al número de personas mayores que estando protegidas con las dos dosis han perdido la vida. Lo cierto es que aquellos ciudadanos que han rebasado la barrera de los 50 años cuenta con una probabilidad 20 veces mayor de experimentar la enfermedad en su faceta más grave. Si comparamos las cifras entre grupos de igual tamaño y características, el porcentaje es mucho más bajo. Además, a esto hay que añadir la existencia de patologías previas, nivel de movilidad, de obesidad, comportamiento de riesgo, etc.

Hospitalizaciones

Otro de los puntos es el número de hospitalizados graves que cuentan con las dos dosis: afirman que es del 60 por ciento. Una cantidad que, nuevamente, debe ser contextualizada. ¿La razón? La comparativa no es proporcional porque los grupos tienen tamaños muy diferentes: si, aproximadamente, el 80 por ciento de las personas que tienen más de doce años tienen las dos pautas, este grupo es mucho mayor que el de los que todavía no han recibido la vacuna.