Entidad que financia: FONDECYT Regular 2017-2019
Investigador responsable: Gorka Navarrete, CSCN, Escuela de Psicología, Universidad Adolfo Ibáñez.
Co-investigadores: David Huepe y Sergio Chaingeau, CSCN, Escuela de Psicología, Universidad Adolfo Ibáñez.
Resumen: La manera en la que habitualmente se presenta la información sobre riesgos médicos hace que para la mayoría de las personas sea imposible, por ejemplo, comprender el significado de un resultado positivo en una mamografía realizada como parte de un screening rutinario. Incluso los profesionales médicos y encargados de políticas públicas tienen dificultades en la evaluación y comunicación de esta información, lo que lleva, entre otras cosas, a un uso generalizado y fomento por parte de actores importantes de screenings masivos inservibles. Y es que en la práctica totalidad de los tests de cribado para enfermedades con prevalencia baja (e.g. 1 de cada 1000), el valor predictivo de un resultado positivo es menor que el lanzamiento de una moneda. Esta negligencia tiene un coste enorme en términos físicos, psicológicos, financieros, y de oportunidad.
Esta propuesta pretende avanzar hacia un modelo más integrado de razonamiento Bayesiano en el que por primera vez se tenga en cuenta el proceso en su conjunto, que abarca el cálculo, comprensión y toma de decisiones. Uno de los objetivos es ayudar a establecer mejores estándares para la presentación de información sobre riesgos médicos. A diferencia de buena parte de la investigación realizada hasta el momento, en nuestro caso podremos usar como criterio de bondad, no tan solo la precisión en el cálculo, sino también elementos decisionales. Todo lo anterior debería ayudar a la toma de decisiones de personas individuales, e incluso más importante, al establecimiento de políticas públicas basadas en evidencia, que reduzcan tanto el sufrimiento psicológico y físico de las personas, como los costos sanitarios debidos a screenings innecesarios, y pruebas diagnósticas motivadas por falsos positivos.
