The causality-chance binomial: explanatory principle of scientific knowledge in medicine?
Bol Med Hosp Infant Mex
; 80(2): 94-104, 2023.
Article
en En
| MEDLINE
| ID: mdl-37155718
RESUMEN
Este ensayo cuestiona las verdades matemáticas como principio explicativo del conocimiento científico médico. Se analiza, en primer término, el concepto de normalidad actual basado en una distribución de valores probabilísticos, y se destacan sus limitaciones y equívocos para captar la complejidad de la condición humana. Los sistemas cerrados (juegos de azar), origen de la teoría de las probabilidades y del binomio causalidad-azar, se comparan con los sistemas abiertos propios del proceso vital y se argumentan sus diferencias extremas. Se destaca el despropósito de depositar en el binomio causalidad-azar el significado de asociaciones entre sucesos propios de la complejidad de la vida humana en salud y enfermedad. Se confrontan las características de la causalidad mecanicista (puntual, lineal, unidireccional, homogénea y fija), que equipara al organismo con una máquina y es la única explicación científica aceptada del acontecer de la vida humana, con las de la causalidad contextual (difusa, heterogénea, jerárquica, multidireccional y cambiante), que especifica diversos órdenes causales interactuantes que dan forma a la condición humana: el histórico, el social, el político, el económico, el cultural o el biológico, que representa una mirada escrutadora y penetrante de la complejidad de los seres humanos. Se concluye la superioridad de la causalidad contextual sobre la mecanicista, que abre posibilidades explicativas de sucesos vitales que suelen arrumbarse como «efectos del azar¼. Esta aproximación integradora a la complejidad humana puede enriquecer y fortalecer el método clínico, hoy degradado y en riesgo de extinción.
Palabras clave
Texto completo:
1
Colección:
01-internacional
Base de datos:
MEDLINE
Asunto principal:
Salud
/
Conocimiento
Tipo de estudio:
Etiology_studies
Límite:
Humans
Idioma:
En
Revista:
Bol Med Hosp Infant Mex
Año:
2023
Tipo del documento:
Article
Pais de publicación:
México