Epistemología del desacuerdo cotidiano

                                   Y por qué Kappa importa

 

Al desacuerdo en la vida cotidiana solemos interpretarlo como error, terquedad o mala fe. Sin embargo, desde una perspectiva epistemológica, revela algo más profundo: la distancia entre experiencia compartida y criterio de decisión. Dos personas pueden observar el mismo fenómeno, describirlo de modo parecido y, aun así, no llegar a la misma conclusión. En ese caso hay umbrales distintos. El problema no está en los hechos, sino en el punto donde cada uno decide decir “sí” o “no”.

Aquí conviene distinguir con precisión: Correlación: los juicios varían juntos. Cuando algo aumenta para uno, aumenta para el otro. Describe acompañamiento. Concordancia: los juicios coinciden exactamente. Describe identidad de decisión. La epistemología del desacuerdo comienza cuando advertimos que la correlación no garantiza concordancia. Compartir una tendencia no implica compartir un veredicto. Y muchas prácticas humanas —diagnosticar, juzgar, evaluar— dependen del veredicto, no de la tendencia.

Un ensayo breve desde la mesa: Estábamos con Blanca y nos trajeron un plato que, objetivamente, estaba salado. Ella lo notó de inmediato y dijo muy salado. Yo también percibí el exceso de sal, pero no con la misma intensidad.

En ese pequeño desacople se esconde una distinción conceptual importante: había correlación, pero no concordancia suficiente.

La correlación es cómoda: Indica que dos juicios se mueven en la misma dirección: cuando a uno algo le parece más salado, al otro también. No estamos en mundos perceptivos opuestos. Compartimos el mismo estímulo y una sensibilidad parecida.

Pero la concordancia exige algo más exigente: no solo sentir parecido, sino emitir el mismo veredicto. Decir lo mismo sobre lo mismo.

 

En la mesa, esa diferencia suele pasar desapercibida: Decimos “más o menos estamos de acuerdo” y seguimos comiendo. Sin embargo, desde un punto de vista más riguroso, no lo estamos. Usamos umbrales distintos. La experiencia es correlacionada. Si repitiéramos esta escena muchas veces —distintos platos, distintos restaurantes— podríamos incluso cuantificar el acuerdo.

Veríamos que coincidimos más de lo que el azar explicaría, pero menos de lo necesario como para hablar de plena concordancia. No porque uno se equivoque, sino porque el lenguaje sensorial es impreciso y las categorías (“salado”, “bien”, “excesivo”) no están calibradas.

Este ejemplo doméstico revela algo más general, en la clínica, en la ética, en la política, abundan situaciones en las que las personas concuerdan en la tendencia, pero no en la conclusión. Se confunde entonces correlación con acuerdo, y el desacuerdo se vive como obstinación o incluso mala fe. Cuando en realidad, muchas veces, es solo un desacuerdo de umbrales. La concordancia no es un requisito para convivir, pero sí para decidir juntos.

La escena del plato salado enseña, en miniatura, una lección mayor: compartir una percepción no garantiza compartir una decisión. Y entender esa diferencia no elimina el desacuerdo, pero lo vuelve más honesto, más preciso y, quizá, más tolerable. Correlación: compartimos la dirección del juicio. Concordancia: compartiríamos el veredicto. En  la vida cotidiana está llena de situaciones —como ese plato salado— donde convivimos razonablemente bien sin necesidad de concordar del todo, Kappa nos oferta medir la concordancia, ¨el acuerdo real¨.

 

1.-Primer punto clave:

Kappa no se calcula sobre un solo plato, sino sobre una serie de juicios repetidos. Un único caso solo ilustra la idea, pero no permite cuantificar.

• Salimos a comer varias veces.
• En cada comida, ambos clasificamos el plato como:
• Salado
• No salado

Eso ya permite medir concordancia.

2. Construimos la tabla , en lenguaje de mesa, no de laboratorio:

Supongamos 10 platos compartidos:

	Blanca: Salado	Yo: No salado
Vos: Salado	4	2
Vos: No salado	1	3

Interpretación:

• Coincidimos en 4 platos: “sí, salado”
• Coincidimos en 3 platos: “no, está bien”
• Discrepamos en 3 platos (el típico “para vos sí, para mí no”)

Acuerdo observado ,lo intuitivo:

Acuerdos totales:
4 + 3 = 7 de 10 → 70 %

En la mesa diríamos: “Bastante de acuerdo, ¿no?”

Pero Kappa nos pregunta el acuerdo esperado por azar:

Calculamos qué tan seguido coincidiríamos al azar:

• Yo  dije “salado” 6 veces.
• Blanca dijo “salado” 5 veces.

El acuerdo esperado por azar resulta ≈ 0,50 (50 %).

 

El acuerdo según Kappa de   Cohen dice:

                                                                              

Interpretación traducida al lenguaje cotidiano:

Un Kappa ≈ 0,40 se interpreta como: concordancia moderada

En castellano de sobremesa: No estamos en desacuerdo sistemático, pero tampoco “pensamos igual”. Compartimos una sensibilidad parecida, pero con umbrales distintos. Esto encaja perfecto la frase: “Estaba salado, pero no tanto.”

Lo interesante:

El índice de Kappa muestra algo que la conversación informal no distingue:  El 70 % de acuerdo parece alto. Pero parte de ese acuerdo es trivial (azar + categorías groseras). Lo que queda es una concordancia real pero limitada.

¿Cómo se puede cuantificar la concordancia?

Traducción final a una sola frase:

Con Blanca coincidimos bastante en cuándo un plato tiende a estar salado, pero no lo suficiente como para emitir siempre el mismo veredicto; nuestro Kappa culinario sería moderado. Este ejemplo doméstico explica mejor Kappa que muchos papers.

 

Adenda

La correlación detecta si dos variables se mueven juntas siguiendo un patrón, aunque los valores no coincidan.

La concordancia, en cambio, evalúa acuerdos de juicio: indica si distintos observadores o mediciones dicen lo mismo sobre el mismo objeto, descontando el azar.

Pueden coincidir, pero no se implican: puede haber correlación sin concordancia  y concordancia sin correlación .

La correlación pertenece al plano de la descripción empírica, mientras que la concordancia toca el plano normativo y epistemológico del juicio.

 

Conclusión

Una visión de la naturaleza del desacuerdo desde una perspectiva epistemológica, distinguiendo fundamentalmente entre la correlación de percepciones y la concordancia de veredictos. A través del análisis de la experiencia cotidiana y el uso del índice Kappa , se demuestra que el desacuerdo no es necesariamente un fallo del conocimiento, sino una manifestación de umbrales de decisión divergentes ante un mismo fenómeno. Se concluye que, si bien la correlación indica una tendencia compartida, solo la concordancia permite la toma de decisiones conjuntas, siendo el índice Kappa la herramienta precisa para cuantificar este acuerdo más allá del azar.

 

La cama de Procusto y la paradoja de Simpson;  

en lo cotidiano, en los días de lluvia y dolores articulares, en el uso de la estadística en general:

“Los días húmedos me duelen todas las articulaciones.” ¿Quién no escuchó esta frase, ya sea en el consultorio médico o en una reunión familiar? A veces la afirmación va más allá del comentario casual y se transforma en pronóstico: “va a llover, me duelen los huesos”.

Somos seres narrativos. Organizamos la experiencia en relatos, y esos relatos producen creencias que —cuando se repiten— se consolidan en sentido común. La asociación entre días húmedos y dolor articular u óseo no escapa a este mecanismo. La repetición de testimonios, la memoria selectiva de los días más difíciles y el énfasis social en la experiencia del dolor hacen que esta conexión parezca casi intuitivamente verdadera.

Es imperativo no confundir correlación con causalidad. La correlación no prueba causalidad. Con esta advertencia en mente, decidí buscar si existía algún sustento empírico para una creencia tan extendida. Lo que encontré no fue simplemente una confirmación o una refutación, sino una lección profunda sobre escala de análisis, narrativa humana y epistemología.

La intuición local: análisis mes a mes

Si observamos los datos por separado, mes a mes, la narrativa popular parece respaldada:

• Junio
• Días lluviosos: 10 → dolor en 9 (90%)
• Días no lluviosos: 20 → dolor en 15 (75%)
• Julio
• Días lluviosos: 20 → dolor en 4 (20%)
• Días no lluviosos: 11 → dolor en 1 (9%)

En ambos meses, el dolor fue más frecuente en los días lluviosos, lo que parece confirmar la intuición común: la humedad duele.

El agregado contradice: la paradoja de Simpson

Pero si en lugar de analizar los meses por separado combinamos los datos del bimestre, la conclusión se invierte:

• Días lluviosos (junio + julio): 30 → dolor en 13 (43%)
• Días secos (junio + julio): 31 → dolor en 16 (52%)

Los mismos datos, organizados de otra forma, dicen algo diferente: los días secos tuvieron un porcentaje mayor de dolor.

Este fenómeno se llama paradoja de Simpson (o efecto Yule–Simpson): una tendencia que aparece claramente en varios subgrupos desaparece o incluso se invierte cuando esos subgrupos se combinan. Esto no es un error matemático; es una advertencia epistemológica: los datos no hablan solos, hablan según cómo y con qué estructura los analizamos.

Escalar la evidencia: mirar años y la investigación científica

Aquí es donde la pregunta se vuelve más relevante: ¿Qué dice la ciencia cuando se analizan datos en períodos más largos —anuales o multianuales?  En los últimos años se han publicado estudios que no se limitan a observaciones anecdóticas o registros de unos pocos días:

• Una revisión sistemática con 14 estudios observacionales encontró que algunos factores meteorológicos, como presión atmosférica y humedad relativa, tuvieron correlaciones leves con dolor en personas con osteoartritis, mientras que la temperatura mostró una correlación negativa (más frío asociado a más dolor). Pero estos efectos fueron moderados y variables, y los autores concluyeron que se requieren estudios mejor diseñados y más consistentes para validar estos hallazgos.
• En contraste, una revisión sistemática centrada en artritis reumatoide señaló que, a nivel de grupo, las asociaciones entre variables climáticas (temperatura, presión, humedad) y dolor fueron muy cercanas a cero, aunque algunos individuos parecían sensibles a ciertos factores.
• Otro meta-análisis amplio concluyó que no parece existir un vínculo claro entre cambios en temperatura, humedad, presión o precipitación y el riesgo de dolor en afecciones comunes como osteoartritis de rodilla, cadera o dolor lumbar.
• Investigaciones de gran escala que analizaron miles de eventos de dolor en más de 15 000 participantes internacionales no encontraron evidencia consistente de que el clima —lluvia, humedad o presión atmosférica— tenga un efecto directo y generalizable sobre el dolor musculoesquelético.

En sintesis: la evidencia científica a nivel anual o multianual es mixta y no permite afirmar causalidad directa entre lluvia (o humedad) y dolor articular. Algunos estudios pequeños o subgrupos muestran asociaciones leves, pero los análisis grandes y rigurosos tienden a no confirmar un efecto uniforme y consistente.

 ¿Por qué persiste la creencia?

La experiencia subjetiva no es “mentira”; el dolor existe y es real. Pero la memoria humana no calcula promedios ni controla variables. La mente selecciona lo memorable: un día lluvioso con dolor intenso se recuerda; un día seco sin dolor, no. El resultado es una narrativa que parece lógica desde adentro, aunque no resista un análisis robusto de datos.

Además, factores como temperatura, presión atmosférica y humedad cambian simultáneamente, y pueden interactuar con el comportamiento de cada persona —actividad física, descanso, sueño, estado de ánimo— confundiéndose con el efecto del clima. Por eso, incluso cuando algunos estudios detectan correlaciones, estas suelen ser moderadas y específicas de subgrupos, no universales.

Lección epistemológica

La historia de “el clima duele” deja de ser una anécdota trivial y se convierte en una enseñanza profunda sobre cómo construimos conocimiento:

• La narrativa humana busca sentido, pero puede ser engañosa.
• La correlación no es causalidad.
• El nivel de análisis (mes vs. año vs. multianual) importa.
• Incluso los datos científicos pueden mostrar patrones contradictorios si no se controlan variables de confusión.

La paradoja de Simpson nos recuerda que una intuición puede ser localmente verdadera y globalmente falsa. Y que, en ciencia, comprender no es solo medir: es entender desde dónde y durante cuánto tiempo estamos mirando.  Si existe un veredicto definitivo, no es que “el clima no influye nunca”, sino que no hay evidencia sólida y generalizable de un efecto causal directo entre días lluviosos y dolor articular cuando se mira con métodos rigurosos y períodos largos. Y esa es una lección que va mucho más allá del dolor en los huesos.

Acción de Procusto	Acción Estadística (Simpson)	Resultado
ACORTAR (Cortar las piernas)	Eliminar el Contexto: Borramos las diferencias entre Invierno y Verano. Quitamos los "detalles" que estorban.	El dato cabe en la gráfica, pero está mutilado (pierde su verdad).
ESTIRAR (Descoyuntar)	Generalizar Falsamente: Tomamos una tendencia menor y la expandimos para que aplique a todo (decir "la lluvia es buena" siempre).	El dato cubre todo el espectro, pero es falso (una conclusión artificial).

 

 

 

Conclusión

La persistencia del mito "el clima duele" no es una mentira deliberada, sino un subproducto de cómo funciona nuestra mente. Evolutivamente, estamos diseñados para detectar patrones.Pero en el mundo moderno, este instinto nos lleva a correlaciones espurias. Para evitar la Cama de Procusto y no caer en la Paradoja de Simpson, debemos aceptar que la realidad es compleja y estratificada.

·        No obligues a los datos a encajar en un molde simple.

·        Recuerda que una intuición puede ser localmente verdadera y globalmente falsa.

Entender esto es vital no solo para la medicina, sino para cualquier análisis crítico: la verdad suele esconderse en los detalles que nuestra narrativa intenta recortar. Para evitar la Paradoja de Simpson, debemos romper la cama de Procusto: No obligues a los datos a encajar en un molde simple. Si la realidad es compleja (tiene variables ocultas), tu análisis debe ser complejo (estratificado).