Método experimental

El método experimental consiste en producir deliberadamente la situación que se quiere estudiar, alterando una condición y manteniendo constantes las demás, para poder atribuir a esa condición lo que ocurra después. Su diferencia con la observación no está en la cantidad de datos ni en el uso de instrumentos, sino en una sola cosa: el investigador interviene. En la observación se recoge lo que hay; en el experimento se fabrica el contraste. De ahí sale su ventaja y también su precio.

La ventaja es causal. Cuando dos grupos difieren únicamente en el tratamiento recibido, la diferencia posterior no puede deberse a otra cosa, y eso es lo que ningún estudio observacional consigue del todo: por muchas variables que se controlen estadísticamente, siempre queda la sospecha de que la variable decisiva es una que nadie midió. El precio es que fijar todo lo demás no siempre es posible, casi nunca es barato y con frecuencia no es lícito.

El experimento de Lind merece contarse despacio porque enseña la estructura entera. Doce enfermos en el mismo estado, la misma comida, el mismo aire encerrado del entrepuente, y una sola diferencia entre parejas: sidra, elixir de vitriolo, vinagre, agua de mar, una pasta de ajo y mostaza, o dos naranjas y un limón. A los seis días los dos marineros de los cítricos estaban en condiciones de volver al servicio y ninguno de los otros diez había mejorado. Lind había construido un contraste limpio sin saber nada de vitamina C ni de estadística, simplemente igualando todo lo que se le ocurrió y variando una cosa. La Armada británica tardó cuarenta y cinco años en adoptar la medida, lo que ilustra otra lección del método: un experimento concluyente no es un argumento persuasivo hasta que alguien decide creerlo.

Pasteur llevó esa idea al extremo elegante. Para decidir si los microorganismos que aparecían en un caldo se generaban espontáneamente o llegaban del exterior, hirvió el caldo en matraces con el cuello estirado y curvado en forma de S: el aire entraba y salía libremente, pero las partículas en suspensión quedaban depositadas en la curva. El caldo permanecía límpido durante meses; bastaba inclinar el matraz para que el líquido tocara el polvo del cuello y la fermentación empezaba en horas. Todo estaba igualado salvo el camino del polvo, y ese detalle único convertía el resultado en una respuesta y no en una indicación.

Lo que faltaba en Lind y en Pasteur lo aportó Ronald Fisher en los años veinte y treinta, y cambió la disciplina entera. Su punto de partida es que igualar «todo lo demás» es imposible: en un campo de trigo no hay dos parcelas con el mismo suelo, ni en una población dos grupos con las mismas historias. Su solución es la aleatorización, y su lógica merece entenderse bien: asignar los tratamientos al azar no iguala los grupos, los hace comparables en promedio respecto de todas las variables, incluidas las que nadie ha pensado en medir. Es el único procedimiento conocido que controla lo desconocido. A ella añadió la replicación, que permite estimar la variabilidad natural y por tanto saber si una diferencia es mayor que el ruido; el bloqueo, que agrupa unidades parecidas antes de sortear dentro de cada grupo; y el diseño factorial, que varía varios factores a la vez en lugar de uno por experimento y consigue, además de ahorrar trabajo, detectar las interacciones que el método clásico de un factor cada vez no puede ver.

De ahí sale el ensayo controlado aleatorizado, cuyo estreno moderno suele fecharse en el estudio del Consejo de Investigación Médica británico sobre la estreptomicina en la tuberculosis, publicado en 1948 con asignación por sobres cerrados y evaluación radiológica a ciegas. Al azar se le añadieron después el enmascaramiento de pacientes y evaluadores, que neutraliza la sugestión y el sesgo del observador, y el análisis por intención de tratar, que evita que los abandonos deshagan la comparación. En el terreno social el camino ha sido más lento y ha acabado en el mismo sitio: los programas de transferencias condicionadas evaluados experimentalmente desde finales de los noventa en México y Brasil, los ensayos de campo sobre educación y microcrédito en la India y en África, y el Nobel de Economía de 2019 a Banerjee, Duflo y Kremer por haber convertido esa práctica en la norma de la economía del desarrollo.

Los límites son reales y conviene enumerarlos sin dramatismo. Éticos: no se puede asignar al azar el desempleo, el divorcio o el tabaco. De validez externa: un resultado obtenido en un contexto no viaja solo, y Deaton y Cartwright han argumentado con dureza que la media de un efecto en una muestra concreta no autoriza a esperar el mismo efecto en otra población con otras instituciones. De reactividad: las personas saben que están siendo estudiadas y eso altera su conducta, que es lo que enseñó el efecto Hawthorne. Y de escala: un programa que funciona en cien aldeas puede fracasar aplicado a un país entero, porque a esa escala cambian los precios, los incentivos y la política.

Falta la restricción que más ha cambiado la práctica, y no es metodológica. Entre 1932 y 1972 el Servicio de Salud Pública de los Estados Unidos siguió la evolución de la sífilis no tratada en cerca de cuatrocientos aparceros negros de Alabama, sin informarles de su diagnóstico y negándoles la penicilina cuando estuvo disponible en los años cuarenta, para observar el curso natural de la enfermedad. El estudio duró cuarenta años y solo terminó cuando lo destapó la prensa. De ese escándalo, y del debate sobre los experimentos de obediencia de Milgram y sobre la prisión simulada de Stanford, salió en 1979 el Informe Belmont y con él el andamiaje ético que hoy condiciona cualquier diseño: respeto a las personas y por tanto consentimiento informado, beneficencia entendida como balance explícito de riesgos y beneficios, y justicia en el reparto de unos y otros, que es la que prohíbe reclutar siempre a los mismos para soportar el riesgo. La consecuencia práctica es que un experimento no se juzga solo por su validez interna: la aleatorización solo es lícita cuando hay equipoise, es decir, cuando la comunidad profesional está genuinamente en duda sobre cuál de los tratamientos comparados es mejor. Si ya se sabe, el sorteo deja de ser un método y pasa a ser un daño.

Cuando el experimento no es posible, la respuesta no es abandonar la pregunta causal sino aproximarla. Campbell y Stanley catalogaron en 1963 los diseños cuasiexperimentales —series temporales interrumpidas, grupos de comparación no equivalentes, diseños con medidas antes y después— y los sesgos concretos que amenaza cada uno; a ellos se han sumado después las discontinuidades en el umbral de un requisito administrativo, las variables instrumentales y los experimentos naturales. Todos ellos son intentos de reconstruir, con lo que la realidad ofrece, la única propiedad que hace valioso al experimento: que la diferencia observada no tenga otra causa posible que la que se manipuló.

Contrastación empírica – Diseño experimental – Método hipotético-deductivo – Efecto Hawthorne – Validez externa – Sesgo de selección – El valor p y la significación estadística