Los m\u00e9todos de la MBE son una buena forma de cuestionar lo que escuchas y oyes, buscar la mejor evidencia disponible y evaluar la calidad de manera independiente. Algunos de los principios de la MBE pueden ser muy eficaces en la investigaci\u00f3n, como aplicar la valoraci\u00f3n cr\u00edtica (en ingl\u00e9s <\/span>critical appraisal<\/span><\/i><\/a>) y adaptar los criterios PICO<\/a>\u00a0a las publicaciones.<\/span><\/p>\n La MBE propone que para realizar una investigaci\u00f3n en la literatura y analizar la relaci\u00f3n riesgo-beneficio, las preguntas cl\u00ednicas se pueden dividir en cuatro dimensiones usando los criterios PICO. <\/span>Esta metodolog\u00eda ayuda a observar si faltan datos o son err\u00f3neos, por ejemplo: si un comparador es inadecuado<\/a> o si un resultado ha sido mencionado con anterioridad.<\/span><\/p>\n Ilustraci\u00f3n traducida de: Re-check.ch<\/em><\/p><\/div>\n \u201cUn estudio ha mostrado\u2026\u201d pero, \u00bfqu\u00e9 tipo de estudio fue? El autor Gary Schwitzer<\/a>, en su gu\u00eda esencial <\/span>Covering Medical Research<\/span><\/i><\/a>, afirma: \u201cNo todos los estudios son iguales. Y no deber\u00edan ser tratados como si lo fueran\u201d. Ser consciente de esto puede suponer una gran diferencia en la investigaci\u00f3n. Si el trabajo est\u00e1 basado en una d\u00e9bil evidencia cient\u00edfica, no se obtendr\u00e1 un estudio s\u00f3lido y es alta la posibilidad de que existan fallos.\u00a0\u00a0<\/span><\/p>\n Para trabajar como investigador en el \u00e1rea de salud y medicina, es importante notar que los defectos metodol\u00f3gicos suelen ser una se\u00f1al de que hay que profundizar en el an\u00e1lisis. La curva de aprendizaje suele ser dif\u00edcil, pero se puede empezar revisando una amplia gama de estudios, tal como se sugiere en el art\u00edculo <\/span>Tipos de estudios en investigaci\u00f3n m\u00e9dica: parte 3 de una serie sobre evaluaci\u00f3n de publicaciones cient\u00edficas<\/span><\/a> (<\/span>Types of Study in Medical Research: Part 3 of a Series on Evaluation of Scientific Publications)<\/span><\/i>, publicado durante 2009 en la revista <\/span>Deutches \u00c4rteblatt International<\/span><\/i>.<\/span><\/p>\n Comprender las diferencias entre los distintos tipos de estudios ayuda a evitar muchos errores. En pocas palabras, debes hacer dos grandes preguntas:<\/span><\/p>\n La primera: \u00bfes un estudio efectuado en humanos?, o \u00bfest\u00e1 realizado en animales o en c\u00e9lulas? La investigaci\u00f3n con humanos se llama investigaci\u00f3n cl\u00ednica. Cuando se trata de evaluar el efecto de un f\u00e1rmaco o una medida sanitaria, los \u00fanicos resultados verdaderamente significativos se obtienen a trav\u00e9s de humanos.<\/span><\/p>\n Los tanteos en ratones pueden ser interesantes, pero es especulativa cualquier conclusi\u00f3n sobre la eficacia de un tratamiento en humanos extra\u00eddo de animales. En este caso, los estudios se encuentran en la denominada etapa \u201cprecl\u00ednica\u201d de desarrollo de un nuevo f\u00e1rmaco.\u00a0<\/span>Hay que recordar que, a lo largo de la historia de la medicina, ha habido muchos medicamentos que parec\u00edan muy prometedores cuando se probaron en animales, pero que tuvieron que ser retirados cuando se hizo evidente que eran ineficaces o incluso t\u00f3xicos para humanos.<\/span><\/p>\n Si el estudio se ha realizado en humanos, debes preguntarte la segunda cuesti\u00f3n importante: \u00bffue un ensayo experimental (tambi\u00e9n llamado intervencionista) o epidemiol\u00f3gico (conocido como observacional)?\u00a0<\/span><\/p>\n Sobre este tema, <\/span>Health News Review<\/span><\/a><\/em> refiere lo siguiente: \u201ccon los estudios epidemiol\u00f3gicos\/observacionales se analiza la asociaci\u00f3n entre lo que es conocido en la jerga epidemiol\u00f3gica como una exposici\u00f3n (una comida, un f\u00e1rmaco, alg\u00fan factor ambiental o de comportamiento) y el resultado (normalmente una enfermedad o la muerte). Las exposiciones que ocurren de forma simult\u00e1nea en las complejas vidas de los humanos nunca se pueden explicar por completo, por lo que dichos estudios no pueden proporcionar evidencia sobre las causas y los efectos; solamente pueden proporcionar evidencia de algunas relaciones (entre exposici\u00f3n y resultado) que un dise\u00f1o m\u00e1s s\u00f3lido podr\u00eda explorar\u201d.\u00a0<\/span><\/p>\n En un estudio experimental, los investigadores en cambio pueden demostrar si la intervenci\u00f3n A (por ejemplo, un f\u00e1rmaco o una vacuna) conduce al resultado B (por ejemplo, una cura o prevenci\u00f3n de una enfermedad).<\/span><\/p>\n Entre los estudios experimentales, el \u00fanico dise\u00f1o que puede demostrar la relaci\u00f3n entre una causa y un efecto es el del ensayo cl\u00ednico aleatorizado (ECA o en ingl\u00e9s RCT, de<\/span> randomized controlled trial<\/span><\/i>), donde los sujetos del estudio son asignados de forma aleatoria a una intervenci\u00f3n (una vacuna o un f\u00e1rmaco, un consejo) o a un control (un placebo, otro f\u00e1rmaco, entre otros).\u00a0<\/span><\/p>\n La aleatorizaci\u00f3n hace que ambos grupos sean comparables: la \u00fanica diferencia entre el grupo de intervenci\u00f3n y el de control es si los participantes han recibido la intervenci\u00f3n del estudio o del control. Esta configuraci\u00f3n nos permite concluir que la diferencia del resultado entre el grupo de intervenci\u00f3n y el grupo de control es probablemente atribuible al f\u00e1rmaco, vacuna o intervenci\u00f3n ensayado.<\/span><\/p>\n Los ensayos cl\u00ednicos aleatorizados multic\u00e9ntricos se realizan en varios lugares al mismo tiempo, como hospitales, poblaciones, entre otros. Los ensayos pueden ser simple enmascarado (los sujetos de estudio no saben si participan en el grupo control o placebo, pues la intervenci\u00f3n es de apariencia similar), doble enmascarado (ni los participantes ni los investigadores saben qui\u00e9n pertenece a qu\u00e9 grupo) o triple enmascarado (quien analiza los datos tampoco sabe qui\u00e9n pertenece a qu\u00e9 grupo).<\/span><\/p>\n Al respecto, <\/span>Health News Review<\/span><\/i><\/a> concluye: \u201cpuesto que en los estudios observacionales (no aleatorizados) no se pueden controlar todas las variables y factores, normalmente inconmensurables, que podr\u00edan influir en los resultados, cualquier relaci\u00f3n entre la causa y el efecto en los estudios observacionales es especulativa, en el mejor de los casos\u201d.<\/span><\/p>\n Por tanto, ten cuidado: en ninguna circunstancia los estudios observacionales llevan a una conclusi\u00f3n sobre la eficacia de una medida, incluso cuando se establezca una asociaci\u00f3n estad\u00edsticamente significativa. Solo un estudio experimental, tipo ECA,\u00a0 puede establecer si existe una relaci\u00f3n causal entre la intervenci\u00f3n estudiada y el efecto observado.<\/span><\/p>\n Tambi\u00e9n debes tener en cuenta que los estudios observacionales son m\u00e1s f\u00e1ciles de manipular. La estad\u00edstica puede usarse por los investigadores o los patrocinadores para modificar los resultados. De modo que cuando se analizan los n\u00fameros, se debe tener en cuenta lo que Darrel Duff, mejor conocido por su libro <\/span>How to Lie with Statistics<\/span><\/i><\/a>, <\/span><\/i>escribi\u00f3 en 1954: \u201cLa estad\u00edstica puede sacar del sombrero casi cualquier cosa que se desee\u201d. Ronald H. Coase, Premio Nobel de Econom\u00eda de 1991, sentenci\u00f3: \u201cSi torturas los datos durante mucho tiempo, terminar\u00e1n confesando\u201d.<\/span><\/p>\n Los ensayos multic\u00e9ntricos doble enmascarado son considerados el patr\u00f3n oro para determinar la eficacia de una intervenci\u00f3n. Este dise\u00f1o es superior en el control de par\u00e1metros, que pueden distorsionar los resultados (los llamados factores de confusi\u00f3n y sesgos). Dos fuentes valiosas para aprender estos principios son: <\/span>Students 4 Best Evidence<\/span><\/i><\/a> y <\/span>Types of Clinical Study Designs<\/span><\/i><\/a> de la Universidad de Georgia.<\/span><\/p>\n La ilustraci\u00f3n de abajo muestra las mejores pr\u00e1cticas para evaluar la fuerza de evidencia. Toma en cuenta que la opini\u00f3n de los expertos est\u00e1 en la base de la pir\u00e1mide.<\/span><\/p>\n Ilustraci\u00f3n traducida de: Re-check.ch<\/em><\/p><\/div>\n Aqu\u00ed puedes ver una versi\u00f3n m\u00e1s simple:<\/p>\n Ilustraci\u00f3n traducida de: Re-check.ch<\/em><\/p><\/div>\n Recuerda que esta pir\u00e1mide es tambi\u00e9n cuestionable. Los ensayos cl\u00ednicos aleatorizados producen las pruebas m\u00e1s s\u00f3lidas respecto a relaciones causales y la s\u00edntesis de varios, y el meta-an\u00e1lisis genera la evidencia m\u00e1s segura. Pero pueden tener problemas y no ser fiables. Algunos meta-an\u00e1lisis tipo Cochrane concluyen con \u201cno hay conclusi\u00f3n definitiva\u201d, lo que es muy frustrante para los periodistas.\u00a0<\/span><\/p>\n Dar noticias sobre salud tambi\u00e9n significa hacer que se conozcan los defectos en los ensayos cl\u00ednicos. Por lo general, se publican aquellos que muestran un resultado con la \u201csignificaci\u00f3n estad\u00edstica positiva\u201d deseada, pero no ocurre igual con los estudios \u201cnegativos\u201d. Algunas evaluaciones son m\u00e1s proclives a los sesgos, que, seg\u00fan el <\/span>Manual Cochrane<\/span><\/a>, se definen como \u201cerrores sistem\u00e1ticos o una desviaci\u00f3n de la verdad en los resultados\u201d. Un recurso \u00fatil para entender esta materia es el <\/span>Cat\u00e1logo de sesgos<\/span><\/a>, un proyecto colaborativo que cartografia los errores que afectan a la investigaci\u00f3n en salud.\u00a0<\/span><\/p>\n Una falla t\u00edpica de los periodistas es confundir <\/span>correlaci\u00f3n con causalidad<\/span><\/a>. Es tentador ver una correlaci\u00f3n entre dos fen\u00f3menos, pero primero debe preguntarse si esa relaci\u00f3n es causal. El matem\u00e1tico Robert Mattews dio un divertido ejemplo al demostrar en Europa una alta y significativa <\/span>correlaci\u00f3n estad\u00edstica entre la poblaci\u00f3n de cig\u00fce\u00f1as y las tasas de nacimientos<\/span><\/a> humanos.<\/span><\/p>\n Pocos son conscientes de las fraudulentas pr\u00e1cticas que a veces ocurren en el campo de los estudios de salud. Hay investigaciones basadas en pacientes que no existen o registrados por escritores \u201cfantasma\u201d. Hay mucha literatura sobre estas pr\u00e1cticas y vale la pena que nos familiaricemos con ella.\u00a0<\/span><\/p>\n Por ejemplo, habr\u00eda que leer <\/span>Retraction Watch,<\/span><\/i> el <\/span>estudio realizado por un investigador de c\u00e1ncer fallecido y galardonado que se retracta porque algunos pacientes fueron \u00abinventados\u00bb<\/span><\/a> (<\/span>Retraction Watch, <\/span><\/i>Study by Deceased<\/span><\/i><\/a> Award-Winning Cancer Researcher Retracted Because Some Patients Were<\/span><\/i><\/a> \u2018Invented<\/span><\/i><\/a>,\u2019<\/span><\/i>) y los ejemplos revelados por Ivan Oransky en su entrevista con The Irish Times:<\/em>\u00a0\u201c<\/span>Los oscuros callejones de la publicaci\u00f3n cient\u00edfica<\/span><\/a>\u201d (<\/span>The shady backstreets of scientific publishing<\/span><\/i>).<\/span><\/p>\n El error m\u00e1s com\u00fan de la mayor\u00eda de los periodistas es llegar a conclusiones err\u00f3neas a partir de una d\u00e9bil evidencia cient\u00edfica. Para evitarlo te sugerimos hacer el curso virtual (online) gratuito en ingl\u00e9s del <\/span>Eberly College of Science <\/span><\/i>de la Universidad del Estado de Pennsylvania: <\/span>M\u00e9todos de Investigaci\u00f3n Epidemiol\u00f3gica<\/span><\/a>. <\/span><\/p>\n![\"\"](\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/05\/healthguide2ESP.png\")
<\/a>Segunda sugerencia: un estudio no es s\u00f3lo un estudio<\/h4>\n
![\"\"](\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/05\/healthguide3ESP.png\")
<\/a>![\"\"](\"https:\/\/gijn.org\/wp-content\/uploads\/2021\/05\/healthguide4ESP.png\")
<\/a>