Confiar solo en información ratificada
La semana pasada vimos que la industria médica, especialmente el grupo de grandes farmacéuticas (Big Pharma), compra voluntades y realiza maniobras sistemáticas para inducir el consumo de medicamentos que no son necesarios. Hoy abordo el problema de la calidad de la información que se publica en las revistas médicas del mundo. Uso como referencia un minucioso artículo de John P. A. Ioannidis publicado ya hace 20 años (1). La intención es que se vea con espíritu crítico lo que se publica en las revistas médicas del mundo, incluyendo las de gran prestigio.
En este análisis trato de explicar las razones para que no se asuma como “verdadero” un dato científico aislado. Y que busquemos la confirmación de información médica reciente; y verifiquemos qué conocimiento antiguo puede seguirse sosteniendo. ¿Recuerda usted que en la pandemia de Covid-19 apareció la información de que el antiparasitario ivermectina era eficaz contra el virus SarsCov2 causante del Covid-19? Tal afirmación se basó en un estudio de laboratorio en cultivos celulares; faltaba muchísimo para justificar su incorporación racional en la práctica. Con la explicación que sigue, espero que se puedan entender las razones por las que ningún médico con buena formación científica debería haber asumido que la ivermectina era eficaz en las personas enfermas por Covid-19.
Verá que la información surgida a nivel molecular, celular y pruebas de laboratorio es cotidianamente controversial y con frecuencia desmentida.
Saber qué es verdadero y qué no lo es en la investigación médica requiere secuencias estrictas y lógicas
A diferencia de las ciencias exactas como la física o la química, las ciencias de los seres vivos no pueden ser interpretadas de la misma manera. Muchos de los datos que se publican en medicina aun cuando tengan pruebas estadísticas significativas relevantes, son falsos (no me refiero a fraudulentos, inventados), sino a que no son verdaderos. Las razones por las que no son verdaderos (que no reflejan la realidad objetiva) se deben a muchos factores que explicaré. Lo que seguirá en esta columna se remite al nivel físico de la realidad, no a los niveles subjetivos, intersubjetivos y espirituales que he comentado antes (2).
Investigación de laboratorio, clínica y epidemiológica
Lo que ocurre en experimentos con un medicamento en células, no necesariamente ocurre en una persona normal, y menos lo que ocurre en una persona enferma. En todos los niveles de la vida, desde las células hasta las personas, hay enorme variabilidad por infinidad de factores. Estos factores pueden ser “controlados” en el laboratorio (y no todos los laboratorios son iguales), pero es imposible controlar todas las variables que se suceden en personas reales durante un experimento. Incluso, con personas hospitalizadas hay variaciones imposibles de controlar porque harían interminables los estudios. En los estudios poblacionales, donde las personas hacen su vida diaria, la gran mayoría de los factores que influyen en la salud-enfermedad no pueden ser controlados, además de que cambian con la edad, la historia de vida y las condiciones sociales de la gente donde se hace el estudio. Algo muy importante, es que NO hay dos equipos de investigación idénticos; están compuestos con personas que tienen intereses específicos, creencias, metas. Hay intereses para no publicar estudios que no comprueban lo que se tenía en mente; y peor si el estudio fue financiado por una empresa poderosa. En el ambiente universitario, hay estudios que se hacen básicamente para lograr un ascenso o mantener un puesto en la academia.
Estudios con el mayor riesgo de estar reportando datos falsos
Los estudios pequeños (especialmente con menos de 100 personas) no pueden concluir algo sólido. Los estudios que muestran tamaños de efecto pequeño tampoco son sostenibles. Un tipo de estudios con muy poca fiabilidad aun cuando incluyan a miles de personas, son los que buscan asociar miles de genes con una enfermedad que se sabe que no responde a un solo gene (Ioannidis, ejemplifica la esquizofrenia). En su ejemplo, se buscan asociaciones de esquizofrenia entre 100,000 genes. La probabilidad de que los genes seleccionados realmente estén asociados a la esquizofrenia es de 4.4 x 10-4 es decir 0.0004, 4 diezmilésimas de 1. Si lo expresamos en porcentaje, la probabilidad de que las relaciones encontradas sean verdaderas es de 0.04 (4 centésimas). En otras palabras, es muy, muy, improbable que la asociación estadística significativa encontrada sea verdadera. Con esto se comprende muy bien el mensaje que envía Ioannidis, asumir que un reporte de datos es verdadero porque tiene una prueba de p estadísticamente significativa es erróneo. Es significativo, pero NO PODEMOS ASUMIR QUE ES VERDADERO. La verdad científica se establece cuando estudios independientes del grupo investigador confirma resultados en el mismo sentido. Y aun así, queda por comprobarlo en la realidad clínica, en la que los pacientes no son seleccionados como se hizo en el estudio científico. La misma situación ocurre en las investigaciones que buscan asociaciones entre diversos nutrientes y la presentación de algún tipo específico de cáncer. La cuestión aquí, es que la biomedicina mira de manera reduccionista los problemas de salud que son complejos y con muchas interacciones con factores más allá de la esfera biológica, incluyendo los cursos de vida. Por eso, el autor que cito, señala que los riesgos relativos en niveles de 1.2 a 1.4 no son relevantes en la realidad clínica. Lo contrario se aprecia cuando los riesgos relativos son del doble o más (2, 3 o más), el ejemplo es la relación de cáncer y enfermedad cardíaca asociados con fumar que alcanza riesgos relativos de 3 a 20 (tres y hasta 20 veces más riesgo para el fumador comparado con el no fumador).
No quedarse con los resultados de un solo estudio, aun cuando se grande
En las ciencias biomédicas el conocimiento adquiere relevancia cuando estudios subsecuentes hechos por equipos diferentes coinciden en un resultado (sea que confirman o que niegan relaciones entre factores). Y aquí tenemos que una gran cantidad de información en medicina no ha sido confirmada por estudios posteriores. Esta información ayuda a comprender el fenómeno de “Proteus” (significa que cambia con frecuencia), en el que a menudo hay noticias de hallazgos impresionantes que prometen curar y prevenir cualquier cosa; y a las pocas semanas o días otro grupo que está estudiando lo mismo dice que su equipo no ha encontrado lo mismo. En el campo de la genética molecular esto es común. ¿Recuerda usted cuando Bill Clinton anunció la nueva era en salud con la secuenciación del genoma humano, en realidad la secuenciación del genoma de unas pocas personas? Era junio del año 2000 (3). Las palabras del entonces presidente de EE.UU., ahora inmiscuido en el escándalo Epstein: “Clinton predijo una revolución en el diagnóstico, prevención y tratamiento de la mayoría, si no es que de todas, las enfermedades humanas” (3).
¿Cómo mirar la información médica para servir bien a la población?
Básicamente ser reflexivos, y cuestionar la información que se lee (para empezar hay que leer y no solo ver videos y escuchar podcasts). Un paso es tomar con reserva aquello del “estándar de oro” en el tratamiento o el diagnóstico de alguna enfermedad. No debe ser dogma. Confiar más en estudios grandes y sus análisis conjunto con otros estudios (Metaanálisis). Desconfiar de estudios financiados por la industria médica (se sesgan con facilidad). Preguntar, buscar siempre la confirmación de la información que se publica. Desconfiar de estudios analizados con “minería de datos” y otros recursos de inteligencia artificial (IA) porque sus análisis podían estarse haciendo con “drenado de datos”, es decir dejando fuera ciertos datos que no encajan, o haciendo análisis diferentes a los planeados en el estudio.
Conclusión
La información científica en medicina no es fácil de comprender, y menos cuando se carece de formación metodológica y pensamiento reflexivo. Y es aún más difícil para el médico familiar/general por tres razones principales:
- Porque siempre está implicada la calidad de la relación médico-paciente y familia, y eso no se incluye en ningún estudio biomédico.
- Porque los problemas se nos presentan en fases indefinidas (prodrómicas) y la biomedicina solo estudia los problemas claramente delimitados.
- Porque mucho de lo que atendemos son personas con problemas crónicos, sea uno o más de una enfermedad, además de problemática psicológica y social.
Nada de esto se incluye en los estudios rigurosamente controlados que describe Ioannidis. Paradójicamente en la escuela de medicina se desprecia a la medicina general, y en las instituciones de salud y entre los estudiantes domina la idea de que la tarea más fácil es la del médico familiar/general; es la cultura del “sacachambas” que el director de un centro de formación de profesores de una institución me espetó en 1997.
Referencias
- Ioannidis, J. P. (August de 2005). Why most published research findings are false. PLos Medicine, 2(8), 696-701.
- https://quierotv.mx/2025/10/25/la-realidad-sus-tres-niveles-y-su-aplicacion-en-la-medicina-familiar-general
- https://www.bbc.com/mundo/ciencia_tecnologia/2010/06/100621_genoma_decada_men
