Métodos No Paramétricos en Ciencias VeterinariasAplicaciones prácticas para el análisis sin supuestos paramétricos

Quien haya dirigido tesis de grado o posgrado en ciencias veterinarias en alguna universidad latinoamericana sabe que hay una escena que se repite con variantes menores, pero con una regularidad casi predecible. El tesista llega con sus datos conteos de huevos de parásitos, puntajes de condición corporal, tiempos de recuperación posanestésica, calificaciones de cojera en una escala de cinco puntos y los introduce en un software estadístico con la intención de aplicar una prueba t o un ANOVA. Alguien le dijo alguna vez que esas eran las pruebas "estándar", y nadie le explicó con suficiente claridad que la palabra estándar no significa universal. Los datos se resisten. El histograma muestra una distribución que se aplasta contra el cero y se arrastra hacia la derecha con una cola larga. La prueba de Shapiro-Wilk arroja un valor p de 0.003. El tesista, presionado por los plazos y quizá por la inercia de hacer lo que siempre se ha hecho, aplica la prueba paramétrica de todos modos, obtiene un valor p, escribe sus conclusiones y entrega el documento.

Ese documento contiene un error que no es de tipeo ni de redacción. Es un error de lógica estadística: la inferencia descansa sobre supuestos que los datos no cumplen, y el valor p que se reporta puede estar lejos del que correspondería. A veces la conclusión coincide con la que se habría obtenido por la vía correcta. Otras veces no. Y el problema es que el investigador no tiene forma de saber en cuál de los dos casos se encuentra.

Este libro nace de esa realidad, no de una inquietud teórica abstracta. Nace de haber visto, a lo largo de años de docencia e investigación en universidades ecuatorianas y latinoamericanas, cómo los métodos no paramétricos se enseñan con frecuencia como una nota al pie, un apéndice menor del curso de bioestadística que se menciona en la última clase del semestre, cuando ya nadie presta demasiada atención. Y nace también de la convicción de que esos métodos merecen un tratamiento serio, extenso y anclado en los problemas reales que enfrenta el veterinario investigador de esta región.

La investigación veterinaria en América Latina trabaja con condiciones que hacen de los métodos no paramétricos no una alternativa de segunda categoría, sino una necesidad de primer orden. Las muestras son pequeñas porque los animales grandes cuestan, porque los ensayos clínicos con bovinos o equinos no pueden replicar los tamaños de los estudios con roedores de laboratorio, y porque las restricciones éticas y presupuestarias limitan el número de unidades experimentales. Los datos son frecuentemente ordinales: escalas de dolor, grados de lesión histopatológica, clasificaciones del estado sanitario de un hato. Los conteos huevos por gramo de heces, unidades formadoras de colonias, garrapatas por animal producen distribuciones tan alejadas de la campana gaussiana que pretender analizarlas con pruebas paramétricas es forzar una herramienta donde no cabe. Los estudios de campo en fincas de Chimborazo, del altiplano boliviano, de los valles interandinos de Colombia o de las llanuras chaqueñas argentinas generan datos con ceros inflados, valores extremos y asimetrías que no desaparecen ni con transformaciones logarítmicas.

Frente a ese panorama, los autores de esta obra han tomado decisiones que conviene hacer explícitas porque definen su carácter.

La primera es que este no es un libro de recetas. No se limita a decir "si sus datos no son normales, use Kruskal-Wallis". Antes de cada prueba, se explica por qué funciona: qué hace con los datos, qué información extrae de los rangos o de los signos, cuál es la lógica que sustenta el estadístico de prueba. Un investigador que entiende la mecánica de una prueba no solo la aplica mejor, sino que sabe reconocer cuándo no debe aplicarla.

La segunda decisión es que los métodos no paramétricos se presentan siempre en diálogo con sus equivalentes paramétricos, no en oposición a ellos. Cada capítulo incluye una comparación explícita: qué se gana y qué se pierde en potencia estadística al elegir la vía no paramétrica, en qué condiciones ambas pruebas dan conclusiones idénticas, y en qué situaciones divergen de manera que la elección del método cambia la interpretación del estudio. Esa honestidad es necesaria porque la estadística no tiene herramientas perfectas; tiene herramientas más o menos adecuadas según la estructura de los datos y la pregunta que se formula.

La tercera decisión es que cada concepto se ancla en un problema veterinario concreto. Los ejemplos no son genéricos ni inventados para facilitar el cálculo. Son situaciones que un veterinario reconoce: la evaluación de un protocolo antiparasitario en ovinos Corriedale de la sierra ecuatoriana, la comparación de protocolos analgésicos en perras sometidas a ovario histerectomía, la infestación por garrapatas en bovinos de distintos genotipos, la sobrevivencia de vacas con anaplasmosis tratadas con imidocarb frente a oxitetraciclina, la composición de comunidades parasitarias en sistemas productivos de páramo versus valle. Los datos simulados se basan en rangos publicados en la literatura, con razas, fármacos, patologías y localidades que pertenecen a la geografía productiva de la región.

La cuarta decisión, quizá la que más distingue a este libro de otros textos de estadística no paramétrica disponibles en español, es la integración completa con R. No se trata de un apéndice con fragmentos de código sueltos. Cada prueba se implementa con código completo, comentado línea por línea, con la salida de consola reproducida e interpretada valor por valor. Cuando existen varias funciones en R para la misma prueba y las hay, con diferencias reales en el cálculo del valor p, se muestran todas y se explica por qué dan resultados distintos. El estudiante puede copiar el bloque de código, ejecutarlo en su computadora y obtener exactamente lo que el libro describe. Esa reproducibilidad no es un detalle cosmético; es la base de la práctica estadística responsable.

Los ocho capítulos del libro cubren un arco que va desde los fundamentos y la verificación de supuestos hasta las tendencias actuales en métodos bayesianos no paramétricos y aprendizaje automático aplicado a datos veterinarios. El primer capítulo establece cuándo y por qué los métodos paramétricos fallan, y proporciona las herramientas de diagnóstico gráficas y formales para tomar esa decisión con evidencia. Los capítulos segundo, tercero y cuarto desarrollan las pruebas clásicas para una muestra, dos muestras, múltiples grupos, tablas de contingencia y correlación, con sus respectivas comparaciones post hoc y medidas de tamaño del efecto. El quinto capítulo aborda el análisis de sobrevivencia y los métodos de remuestreo, dos familias de técnicas que comparten la filosofía de extraer información sin imponer supuestos distribucionales. El sexto capítulo se dedica a los datos ordinales, las escalas de evaluación clínica y la potencia estadística, un tema que la investigación veterinaria latinoamericana necesita discutir con más franqueza. El séptimo capítulo presenta los métodos multivariados basados en distancias PERMANOVA, ANOSIM, NMDS, la regresión no paramétrica y los modelos aditivos generalizados. El octavo cierra con las normas de reporte según APA séptima edición y un panorama de hacia dónde se mueven los métodos analíticos en la disciplina.

Cada capítulo sigue una estructura uniforme que incluye objetivos de aprendizaje con verbos operativos, introducción con un problema veterinario real, desarrollo teórico-práctico progresivo, implementación en R, un estudio de caso integrador con análisis completo, una sección de errores frecuentes escrita desde la experiencia directa de quienes han corregido esos errores en tesis y manuscritos, y ejercicios de autoevaluación en tres niveles de dificultad con sus respuestas o rúbricas. Esa uniformidad no es rigidez: es una decisión pedagógica para que el lector sepa siempre dónde buscar lo que necesita, ya sea la fórmula con sus símbolos definidos, el código en R para replicar el ejemplo, o la advertencia sobre el error que no debe cometer.

Una aclaración necesaria sobre las referencias: los autores han priorizado artículos publicados en revistas veterinarias indexadas en Scopus, Web of Science y SciELO de los últimos diez años, complementados con los textos clásicos de Conover, Siegel y Castellan, Hollander y Wolfe, y Daniel, que siguen siendo fuentes insustituibles para la fundamentación teórica.

Este libro está dirigido a estudiantes de semestres avanzados de Medicina Veterinaria y Zootecnia, a maestrantes y doctorandos que enfrentan el análisis de sus datos de tesis, y a investigadores en ejercicio que necesitan un manual de consulta con respaldo teórico y aplicación práctica inmediata. No exige formación previa en métodos no paramétricos ni experiencia sólida en R, aunque sí asume conocimientos de estadística descriptiva y nociones básicas de pruebas de hipótesis. Es, en suma, el libro que los autores habrían querido tener a mano cuando empezaron a enseñar bioestadística y a dirigir tesis en las que los datos nunca se portaban como la teoría prometía.

Que cumpla su propósito.