El porqué y el cómo de los datos: la evidencia científica con Susana Astiz

00:00:06: Bienvenidos a Qui Comienza Rumilan, un espacio para los rumiantes.

00:00:10: Un podcast de Beringer Ingerge e Invalimálgelz España el que creamos contenidos sobre la salud y el bienestar de grandes y pequeños rumiantes con el objetivo de aportar valor a los profesionales del sector.

00:00:22: contamos siempre con expertos que nos pueden aportan información de primera mano sobre temas que marcan la actualidad las últimas novedades o las cuestiones clave para la labor de veterinarios y ganaderos.

00:00:34: Y hoy tenemos a una invitada especial, ella ha sido protagonista de algunos de los episodios más escuchados del rumilán.

00:00:40: Ya muchos la conocéis pero brevemente os lo presento porque tenemos con nosotros a Susana Stitz, investigadora científica de INIA CSIC.

00:00:48: En su trayectoria profesional ha trabajado como clínica en el campo tanto en España como en Alemania y también como técnica en distintas farmacéuticas.

00:00:57: Este amplio recorrido le ha permitido tener una visión e experiencia.

00:01:04: Bienvenida a Rumilan, Susana.

00:01:06: Muchas gracias Sirvia por contarte de nuevo conmigo y un placer volver a estar en Rumilan.

00:01:12: Pues Susana hoy vamos hablar de estadística de datos y más en concreto del porqué y cómodo los datos.

00:01:18: Y si pienso en esto la primera pregunta es clara ¿Podemos generar evidencias científicas en nuestro día-a-dia?

00:01:24: Clarísimo que sí, mi respuesta primera inmediata y cierta.

00:01:29: Podemos generar evidencias científicas en nuestro día a día.

00:01:32: Y es que en veterinaria tomamos decisiones constantemente En principio basándonos en esas evidencias publicadas que estudiamos o en evidencias que generamos nosotros mismos Por ejemplo, cuando decidimos qué tratamiento usar si un protocolo funciona.

00:01:45: Si un problema que vemos realmente está aumentando a lo largo del tiempo en estos últimos meses etcétera o si un cambio de estrategia de manejo merece la pena o no.

00:01:56: El problema es cuándo.

00:01:57: estas decisiones o estas convicciones que tenemos No se basan en evidencias sino sensaciones anécdotas recuerdos selectivos.

00:02:06: Y entonces en este vlog, en este episodio quería hablar de que no siempre debemos fiarnos de nuestras sensaciones ni convicciones.

00:02:13: Ni siquiera cuando llevamos años de experiencia y proponeros qué debemos contraponer a estos productos cerebrales que no son más que recuerdos, creencias e intuiciones incluso convicciónes pero que muchas cosas son falsas.

00:02:25: y esto que te debemos contra poner son los datos... Pero no datos tal cual sino datos de calidad.

00:02:32: por ejemplo si yo veo una vaca con una determinada postura, yo puedo suponer que tiene fiebre o asumo que está enferma.

00:02:39: Está separado del grupo.

00:02:40: no rumia.

00:02:41: tienen las orejas algo crispadas hacia atrás todo lo que queramos y nos creemos que los sabemos.

00:02:46: pero realmente yo no lo sé.

00:02:48: hasta que no haya tomado datos voy a la vaca la exploro y veo qué tiene fIEBRE.

00:02:53: he medido pues hondas ruminales lo que sea y ya una vez que lo ha explorado, que tengo los datos, ya no hablaré de creo que está mala mira esa vaca probablemente.

00:03:03: No diré ¿esa vaca es tan ferma?

00:03:05: Tiene fiebre?

00:03:06: entonces estos hechos esta que es una cosa muy elemental este idea nos la tenemos que recordar día a día cuántas cosas decidimos en base a creo qué intuyo qué y cuantas cosas.

00:03:17: es porque he visto que tengo estos datos y es así la realidad.

00:03:22: Entonces, lo que hay que hacer es tomar datos para extraer de ahí la información objetiva.

00:03:28: Que ya será lo máximo que podamos libre de sesgos.

00:03:31: y puedo tener sensaciones intuiciones recuerdos.

00:03:34: pero si finalmente puedo ir a mi excel ,a mi ordenador y mirar los datos esa información esta sí que es la realidad Y me sorprenderé muchísimas veces viendo qué esa realidad no es como yo creía incluso no es cómo yo estaba absolutamente convencida.

00:03:50: En resumen, menos me da la sensación o creo y más miremos los datos.

00:03:55: Menos creo que esta vaca está mal y más la vaca tiene cuarenta con dos de fiebre taquicar de intensa y atonía ruminal.

00:04:01: Buen ejemplo.

00:04:02: te resumen para cerrar tu primera respuesta.

00:04:06: Y entonces por lo que me comentas el kit de la cuestión es trabajar con datos pero creo que esto no es nuevo porque es algo que ya hacemos todos.

00:04:13: De hecho en muchas ocasiones lo que tenemos es demasiados datos.

00:04:17: Pues sí, este es otro melón por mi perfil e evolución profesional.

00:04:21: Muchas veces me encuentro con compañeros y compañeras que me comentan yo tengo muchísima información de campo y venga vamos a sacar conclusiones podemos hacer una public y me pide la ayuda para verlo.

00:04:31: Y luego ocurre cuando lo vemos juntas.

00:04:34: muchas veces les tengo que decir todo el dolor en mi corazón que los datos no valen para nada.

00:04:40: Me parte el alma, pero es que faltan tantas cosas.

00:04:43: o los datos no son fiables y es porque nos han recogido de manera adecuada.

00:04:48: Y una vez pasado el tiempo ya no podemos extraer la información o yo no podemos corregir esos datos.

00:04:54: a veces están desestructurados y al organizarlos se ve que falta la información esencial o simplemente hay veces que están mal registrados.

00:05:01: si no te puedes fiar.

00:05:02: Fiar me refiero no podemos estar seguros de qué el dato es como parece que es.

00:05:07: Y es una pena porque la recuperación de los datos es muy costosa, pero el que sea muy laboriosa y muy costoso no asegura su calidad.

00:05:15: No asegura que nos valgan para algo.

00:05:18: Pues vamos a tratar de seguir avanzando.

00:05:20: El primer paso es recoger datos y recogerlos.

00:05:23: bien, ¿no?

00:05:23: De cualquier manera... Pero para tenerlo claro qué datos en concreto hemos de recoger

00:05:30: Exactamente.

00:05:30: Esto es lo primero que debemos tener claro qué datos debo coger.

00:05:34: y para ello, lo primerísimo que hay que saber es ¿Qué pregunta quiero contestar con los datos?

00:05:40: Cuando decimos ¡Tengo mucha información!

00:05:41: Venga vamos a sacar algo ¿Qué es lo que quiere sacar?

00:05:45: Actualmente nosotros ni siquiera nos planteamos ya recoger datos, por lo que dices.

00:05:49: Es que los datos se recogen en las granjas, sobre todo en la granja lechera del día a día, se recogen automáticamente a tiempo real casi cada minuto.

00:05:57: Tenemos miles de datos de producción, repro, constantes vitales y la mayoría de las granjas tienen muchísimos datos para sacar información suficiente.

00:06:06: de ahí tomar decisiones.

00:06:07: el problema No planteamos previamente preguntas adecuadas o a veces simplemente no planteamos ninguna pregunta, entonces vamos ir paso a paso ordenando las ideas.

00:06:19: Lo primero que tenemos que tener claro es qué queremos contestar y aunque parece una pregunta de pero gruyo no lo es tanto para saber qué tenemos que contestar.

00:06:29: hay que pensar qué es lo que nos preocupa intriga qué necesitamos responder.

00:06:34: ¿Qué sería bueno saber para luego cambiar una estrategia?

00:06:37: Para comprar algo, para recetar algo.

00:06:38: Para retirar algún manejo.

00:06:41: Se hablamos por ejemplo de reproducción.

00:06:43: muchas veces me dicen... Venga quiero ver en esta granja si la reproducción va bien.

00:06:48: Vale, reproducción es muy amplio.

00:06:50: hay que concretar a qué te refieres.

00:06:52: entonces vamos andando y a lo mejor lo que quieren realmente es simplemente comprobarse un protocolo hormonal tras el cual inseminamos funciona bien o no vale pues seguimos.

00:07:03: entonces No quieres ver si la reprova bien, lo que quieres ver es el protocolo A funciona bien.

00:07:08: Pero ¿qué es?

00:07:09: ¿Funciona bien respecto a

00:07:10: qué?,

00:07:11: porque siempre hacemos una comparativa.

00:07:13: Pues queremos ver que el protocoló A funcione mejor o peor respecto al protocoló B O que el protocolo A funciona mejor y peor.

00:07:19: respectúan hacer nada Que en repro es o inseminación hace lo visto o en vacas de carne.

00:07:24: podría ser en monta natural.

00:07:28: Entonces ya hemos concretado la pregunta.

00:07:31: Quiero ver si funciona mejor que otro, quiero ver si funcione control o a veces quiero ver sí funciona ahora respecto al ciclo pasado.

00:07:37: Esto científicamente es un poco más peleagudo para asegurar que podemos hacer la comparativa.

00:07:42: pero bueno... Es una pregunta pertinente que muchas veces nos hacemos y entonces ya tenemos la pregunta que podemos responder con nuestros datos.

00:07:51: Una vez que tenemos la pregunta o preguntas claras ya todo va siendo más sencillo porque tenemos la idea, tendemos la mente clara y seguimos el siguiente paso.

00:08:02: El segundo paso muy importante hemos dicho quiero ver si el protocolo a imaginarse el protocoló a hormonal funciona mejor o peor que el protocolobé vale pero eso de funcione mejor o tiene un efecto adecuado lo que sea.

00:08:15: qué es eso también hay que definirlo.

00:08:18: ¿Qué es con protocolo hormonal?

00:08:19: Funcione bien porque puede ser que se queden preñadas las vacas a primera inseminación tras ese protocolo, pero también podría ser que las vaca en un máximo de tres inseminaciones tras el protocolo si quedan preñada.

00:08:31: O podría ser simplemente que las bacas me salgan en celo o que ovulen el folículo que yo estimulo... El que voy a inseminar.

00:08:40: que ovulen esas vacas, las hay que hago todos los pinchazos hormonales y no llegan a ovular.

00:08:45: Bueno nada es mejor ni peor.

00:08:48: simplemente lo tenemos que tener claro porque en función de cómo define yo qué funciona un protocolo voy a recoger unos datos u otros.

00:08:55: y una vez que lo tenemos claro ya seguimos avanzando.

00:08:58: ya sabemos qué datos vamos a coger porque ya sabemos ¿qué pregunta voy a contestar?

00:09:03: Y como la vamos a contestarlo.

00:09:06: Otro ejemplo muy fácil es, por ejemplo cuando estábamos con la pandemia de Covid.

00:09:10: Si queríamos ver si una estrategia ante el Covid funcionaba mejor o peor decíamos vale probamos comparamos las estrategias y vemos cuántas personas tienen covid.

00:09:20: pero es tan fácil decir cuánta persona tiene covid que es tener covid.

00:09:24: Simplemente hay que definirlo, pero no es tan banal porque puede ser COVID.

00:09:28: Que tengas síntomas más PCR, que tengas Síntomas Más Tés Rápido Positivo.

00:09:35: Solamente PCR positivo solamente té rápido y da igual.

00:09:40: No quiero decir que una cosa sea mejor que otra.

00:09:43: lo que tenemos que tener es clara la definición de a qué declaramos un paciente positivo.

00:09:48: Y ya está.

00:09:49: Entonces, con esta puntualización vamos a aclarar unas definiciones estadísticas pero fundamentales simplemente para que me podáis ir siguiendo a medida que vamos avanzando en la descripción de cómo recoger datos.

00:10:00: Y es la diferencia de lo que llamamos variable y lo que llamo dato.

00:10:03: Una variable es cualquier característica que queremos estudiar, cualquier cosa sobre la que yo tomo datos, cualquier cualidad o medida que voy a efectuar sobre mis individuos sobre los que estudio.

00:10:19: Por ejemplo, variable producción de leche.

00:10:21: Dato.

00:10:22: Trenta y dos litros la vaca pepita produce hoy treinta y dos litres en el día.

00:10:28: es otro ejemplo.

00:10:28: variable preñestras.

00:10:30: la sincronización del protocolo a dato positivo negativo ha quedado preñada sino variable positiva.

00:10:37: covid o enfermo de covid dato positivo o negativo.

00:10:42: esto parece muy obvio, pero hay veces que lo mezclamos.

00:10:44: Entonces vamos a tener muy claro que yo puedo tener muchas variables y luego cada animal va a tener un dato en cada una de esas variables porque las variables son unas características.

00:10:55: ok hasta aquí lo tengo claro y en base a esto entiendo qué decido... ¿qué variables necesito recoger para poder contestar mi pregunta?

00:11:04: es esto así correcto?

00:11:06: sí exactamente siempre debo recoger por supuesto las variables que llamamos, estadísticamente se llaman variable independiente principal o sea el tratamiento.

00:11:17: El protocolo y os puede parecer obvio que si quiero valorar el protocolo A respecto al protocolo B voy a tener siempre apuntado qué vaca ha seguido el protocoló ahí.

00:11:29: pero hay veces que me han pasado datos de alguna estrategia reproductiva Y no aparece eso.

00:11:36: No sé qué vacas han tenido que tratamiento, porque lo habían puesto con colores y los colores se han esfumado, por diferentes características.

00:11:45: Primero la variable independiente principal es el tratamiento.

00:11:48: Tendré una columna o una variable donde ponga tratamiento y cada vaca tendrá una SELA, otra SELB o A y control etcétera.

00:11:56: Por supuesto siempre la variable dependiente principal se llama así que es el efecto.

00:12:01: en este caso el ejemplo de protocolo hormonal, pues preñez.

00:12:05: Pero podría ser también temperatura corporal, células somáticas o bula o no.

00:12:10: a día siete de la aplicación hormonal hay varias variables.

00:12:14: La dependiente principal según lo que haya definido es si hemos consensuado qué es preñeza primera inseminación.

00:12:19: tras el protocolo será preñeza primer inseminacion y una estandar positiva y trastanda negativa.

00:12:24: Y luego Tengo que recoger todas las características, o sea, todas las variables... ...que ya sé que pueden influir en mi resultado.

00:12:34: Esto realmente es poner sentido común y conocimiento al estudio que voy a hacer.

00:12:39: Si es sobre fertilidad pues yo sé que aparte de mi protocolo a mi protocoló B sí que afectan el número de partos que tiene la vaca El nivel productivo que tiene una vaca, el número diseminaciones que es esa de la vacas Que es esa que voy valorar El inseminador el toro, el THI en el momento de la inseminación.

00:12:58: Todas estas variables que se influyen.

00:13:01: ¿cómo se influye?

00:13:02: A lo mejor un recién acabado un estudiante me dice y qué variable es cojo.

00:13:06: bueno pues lo que hay que hacer es estudiar sobre el tema que voy a hacer.

00:13:09: los veterinarios de granja esto ya lo saben.

00:13:12: saben que la fertilidad depende de muchas otras cosas y cuando yo quiero valorar si un protocolo me mejora además tendré que haber recogido todas esas variables que también influyen.

00:13:23: Y son variables, son características que voy a ir tomando datos en cada semilación o cada vaca.

00:13:30: La lista me dice... ¡Ah!

00:13:31: Es que la lista es infinita.

00:13:34: Te lo dicen como protestando pero no es verdad, no es cierto que las listas de las variables a recoger un estudio sea infinita y en muchos casos ni siquiera son muy costosas de recoger.

00:13:43: todos estos datos de reproducción muchas veces los importamos directamente de los datos del ordenador de granja.

00:13:52: Pero es muy importante, algunas que cuestan más hay veces que hay que invertir dinero o tiempo en recogerlas.

00:13:58: Pero hay que recoger todas las variables que sabemos que influyen y que se puedan recoger.

00:14:02: Claro si alguna supone una gran inversión de dinero porque es un análisis metabólico especial pues no.

00:14:09: pero las que sé que influyan y puedo recogirlas tengo que recogen.

00:14:14: Yo siempre aconsejo recoger todas las variables fáciles y baratas entre comillas de recoger.

00:14:21: Fechas en aplicación de los tratamientos operarios, hay muchas rajas que tienen detectores automatizados de THI pues volcar los datos de cada día que hacemos la inseminaciones de los THIs.

00:14:35: Los nombres delotes de los productos aplicados.

00:14:39: Son cosas que lo que tarras son dos minutos en recoger esa información.

00:14:45: y tengo mucha experiencia en luego recopilar estas tablas de datos.

00:14:49: Y por lo que sea, al principio no sabíamos qué algo una información podía ser en esencial y cuando procesamos los datos lo es.

00:14:56: No hemos recogido esa variable entonces hay veces que no podemos analizar porque nos falta exactamente aquello que sabemos que influye y a no tenerlo controlado.

00:15:05: No podemos saber si el efecto es por el protocolo o es por eso que nos sabemos?

00:15:09: Entonces que nos falta posterioridad muchísima rabia y sin embargo sí hemos cogido una variable que no costaba nada recoger y luego nos utiliza porque no vale para nada, porque no es esencial pues no pasa nada.

00:15:21: Entonces tenemos que intentar evitar eso en lo posible.

00:15:24: prefiero tener variables de sobra siempre y cuando no sean a alto coste pero sin que nos falten variables que a posteriori pueden llegar a ser importantes

00:15:36: al final por todo lo que estás comentando también la dificultad encontrar el punto medio no entender ese exceso de datos que al final no tienen una función o luego precisamente que te falte uno que necesitabas.

00:15:50: Así que para seguir y pensando ya en el siguiente paso, ¿cómo recogemos datos fiables?

00:15:58: Sí lo siguiente ya tenemos la pregunta cómo definimos las respuestas a preguntas y cómo, qué variables tenemos que recoger.

00:16:06: Y ahora vamos físicamente.

00:16:08: ¿cómo lo recogemos?

00:16:09: Que podemos coger una tabla en un papel pero luego lo tenemos que informarizar entonces asumo que normalmente lo recogemos el Excel.

00:16:17: Puntualización El Excel no es un soporte, no es una herramienta pensada para actuar o ser usada como base de datos.

00:16:25: Hay otros soportes muchísimos mejores, otras marcas y otras herramientas que nos permite meter códigos de seguridad etcétera.

00:16:34: pero bueno todo el mundo utilizamos el Excel.

00:16:38: lo vamos a hacer en Excel.

00:16:39: El soporte abrimos un Excel y nos proponemos recoger datos con esto que ya hemos decidido.

00:16:46: Otro tema importante ¿Cómo montamos?

00:16:48: O diseñamos ese Excel de datos?

00:16:51: A la hora de montarlo, tenemos que tener siempre presente que nuestra prioridad es que ese Excel sea siempre inteligible para cualquier persona.

00:17:02: Nosotros mismos u otra y en cualquier momento ahora dentro de un año pero a lo mejor también dentro de diez.

00:17:10: Un buen archivo de datos debe poderlo entender cualquiera sin necesidad de que te llamen.

00:17:15: oye ¿te acuerdas cómo hiciste esto?

00:17:17: qué decisión ponías?

00:17:18: diagnóstico de gestación pero te acuerbas a qué días.

00:17:21: tiene que estar todo perfectamente claro y los resultados, los datos lo que pongo en cada celda también totalmente coherente.

00:17:32: Para que sea inteligible yo siempre recomiendo, bueno recomiendo obligo debería ser una obligación.

00:17:38: no tenemos que tener claro el mi excel.

00:17:42: hay diferentes hojas.

00:17:43: en cada libro Excel hay diferentes ojas.

00:17:45: una la primera suele ser la de los datos.

00:17:49: Obligo a crear una hoja que llamo diccionario o códigos y ahí voy a aclarar las leyendas de todas las variables.

00:17:58: Las características, pues la primera variable será la identificación.