Con detalles técnicos, advirtió que una tendencia estadística no prueba causalidad y pidió evaluar factores demográficos, metodológicos y territoriales antes de sacar conclusiones. Sus declaraciones reactivan el debate sobre el uso político de los datos en salud pública y la necesidad de evidencia transparente.
La reconocida epidemióloga Zulma Cucunubá rechazó de plano las afirmaciones del presidente Gustavo Petro que atribuyen la reducción de la mortalidad infantil en Colombia a intervenciones recientes del Gobierno. A su juicio, las conclusiones basadas en una gráfica o en un análisis estadístico aislado carecen del rigor necesario para establecer relaciones causales en salud pública.
“Que mueran menos niños siempre será una gran noticia. Lo es. Pero que la tasa baje no significa automáticamente que se deba a una intervención específica”, afirmó la investigadora, al subrayar que la disminución de un indicador no puede adjudicarse sin evidencia sólida que demuestre el mecanismo del cambio.
Desde el punto de vista metodológico, Cucunubá explicó que herramientas como la regresión joinpoint permiten identificar cambios en tendencias, pero no explicar sus causas. “Es una herramienta descriptiva: detecta puntos donde la pendiente cambia; no explica por qué cambia”, señaló, advirtiendo que la selección del periodo analizado y el tratamiento de años atípicos —como los de la pandemia— pueden modificar los resultados.
El contexto demográfico, agregó, es otro elemento determinante. Colombia ha experimentado una caída marcada en los nacimientos desde 2020, lo que altera la composición de los nacidos vivos y puede incidir en la tasa agregada. “Si disminuyen más los nacimientos en ciertos grupos, la tasa agregada puede cambiar sin que exista necesariamente una intervención nueva como causa principal”, explicó.
A partir de ese análisis, la epidemióloga planteó una pregunta central: identificar con precisión la política pública que se pretende evaluar. “Si se afirma que el descenso es consecuencia directa de una política, es clave conocer cuál fue exactamente la intervención, cómo se implementó y en qué territorios”, indicó, además, precisó, que sin esa caracterización no es posible evaluar plausibilidad ni mecanismos de impacto.
También recordó criterios clásicos para analizar causalidad en salud pública, como la temporalidad y la relación dosis–respuesta. “La intervención debe ocurrir antes del efecto y el tiempo transcurrido debe ser compatible con el mecanismo esperado”, explicó, al señalar que reducciones abruptas en periodos cortos exigen un examen cuidadoso.
Finalmente, Cucunubá insistió en la necesidad de transparencia y reproducibilidad en el uso de datos. “No basta una gráfica aislada. Debe existir un informe técnico completo que detalle fuentes de datos, métodos estadísticos y análisis alternativos”, afirmó. Para la experta, la evidencia rigurosa no es un formalismo académico, sino la base para saber si las intervenciones realmente funcionan y cuánto.
Sus declaraciones reabren el debate sobre el uso de indicadores en el diseño de políticas públicas. Más allá de las cifras, el desafío consiste en distinguir entre correlación y causalidad, una diferencia que —según la epidemióloga— resulta decisiva para la toma de decisiones en salud.
