Revista Farmabiotec Número 21

82 farmaBIOTEC #21 aquí no hay pruebas, hay pistas. • Al estimar “¿cuánto aumentó la variabilidad y con qué incertidumbre?”, hace inferencia . • Si necesita priorizar recursos —“¿qué lotes inspec- ciono hoy?”—, pasa a predicción . • Si valora cambiar un parámetro del proceso y quiere saber el efecto del cambio, entra en causalidad ; y aquí la guía le recordará que necesita otro diseño de datos (aleatorizar o aplicar técnicas cuasi-experimentales con supuestos explícitos). • Cuando un equipo propone “por qué” sucede el fenómeno (tamaño de partícula, humedad, interacción con excipientes), eso es mecanismo y pide otra clase de evidencia, a menudo fuera del análisis puramente estadístico. Este orden evita el “estiramiento interpretativo”: presen- tar un buen clasificador como si fuese prueba de causa, o una asociación como si fuese mecanismo. También agiliza la comunicación entre Producción, Calidad e I+D: todos saben qué parte del análisis hace qué y con qué límites. Cerrar el círculo Volvamos al caso de la planta. Tras la constatación inferencial del aumento de variabilidad y la implantación temporal de una priorización de lotes, llega el momento de responder la pregunta causal que quedó pendiente: “si ajusto tiempo de mezcla y humedad, ¿qué ocurre con la variabilidad y el perfil de impurezas?”. Aquí la guía nos lleva a un diseño de experimentos sencillo (por ejemplo, 2×2 con réplicas) o a un cuasi-experimento si no es posi- ble aleatorizar (diseños por bloques, series temporales con intervención y controles). Sólo con ese cambio de diseño se puede hablar con propiedad de “efecto”. En paralelo, la planta aprende. La próxima vez que surja una sospecha, el orden ya estará interiorizado: clarificar qué se pregunta, asegurar con qué datos se puede con- testar, acordar cómo se medirá, comprobar si se sostiene al variar elecciones razonables y comunicar un resultado que mueva una decisión, con sus límites por delante. No hay magia, hay método. Un modo de trabajar que cambia la práctica Este modo de trabajar también evita errores habituales en entornos técnicos: tratar una asociación observada como si probara una causa, interpretar una reducción temporal en fallos como efecto de una acción sin control adecuado, o confundir predicción con explicación. Situar cada hallazgo en su tipo de pregunta protege tanto la calidad del análisis como las decisiones que se toman a partir de él. Los datos importan y los métodos importan, pero mandan las preguntas. Nombrar bien el tipo de pregunta y seguir una guía sencilla evita errores caros. No es una invitación a “poner más pasos”: es una forma de aho- rrar trabajo mal dirigido. En los sectores farmacéuticos y biotecnológicos, donde decisiones pequeñas pueden tener consecuencias grandes, esa diferencia separa un informe que se olvida de un análisis que cambia la práctica. Control de calidad