Una herramienta útil para comprender publicaciones de contenido científico. Por Brian Cavagnari 

La nutrición basada en la evidencia es una herramienta utilizada por los profesionales de la salud y nutrición que consiste en revisar la mejor evidencia científica disponible para así indicar tratamientos individuales, elaborar guías de práctica clínica y realizar recomendaciones de nutrición a nivel poblacional.

Pero no todas las personas comprenden con claridad qué es y qué no es la evidencia, por lo que es importante despejar las dudas que puede haber alrededor de este término. En este artículo, el Dr. Brian Cavagnari explica el concepto de “evidencia” y brinda algunas sugerencias para leer noticias y publicaciones científicas, principalmente para aquellas personas que no son expertas en el área de conocimiento en cuestión.

La gran expansión del acceso a cualquier tipo de información vinculada a la salud y nutrición -a veces científica y adecuada y otras veces pseudo científica- hace que permanentemente estemos bombardeados con información en ciertos casos confusa e incluso contradictoria. Diariamente, las noticias nos cuentan sobre algunos "superalimentos" que deberíamos consumir a diario y nos alertan sobre algunos "venenos" que deberíamos dejar de comer inmediatamente. Es más, en muchos casos, un mismo producto -valga como ejemplo el de la leche- resulta ser indispensable para llevar a cabo una dieta saludable y a la vez resulta ser nocivo para la salud, en función de la fuente que se consulte.

En este escenario actual, es muy complejo para el público en general distinguir cuál de estas afirmaciones tiene un real asidero científico, para poder así sacar una conclusión y eventualmente modificar el comportamiento.

Una herramienta que nos ayuda frente a esta realidad es la Nutrición Basada en la Evidencia, que es la aplicación de la mejor evidencia científica disponible tanto para la práctica de la nutrición clínica como para el establecimiento de las recomendaciones de nutrición comunitaria. Pero una de las mayores dificultades que plantea este enfoque es justamente entender qué es y qué no es evidencia científica. Veamos algunos ejemplos que suelen confundir al lector.

La experiencia personal no es evidencia

Para que las noticias sean más cercanas y relevantes para los lectores, un recurso que se suele emplear es el uso de anécdotas o historias personales. Si esta experiencia personal tiene un contenido emocional o aborda creencias firmemente enraizadas en el lector, el efecto es aún mucho mayor y el contenido tiene más posibilidades de ser interpretado como cierto.

Es importante entender que lo que le ocurre a una persona o a un grupo de personas, no se constituye automáticamente en “evidencia”, ya que existe la posibilidad de que un grupo mucho mayor de personas tenga una experiencia completamente distinta.

La experiencia personal nos puede ayudar a decidir qué investigación hacer, pero nunca puede ni debe usarse como sinónimo de evidencia científica. La investigación científica será en definitiva quien confirme si esa experiencia se constituye o no en evidencia.

Un artículo científico aislado no es evidencia

La evidencia sobre un tema en particular se obtiene luego del análisis de múltiples publicaciones científicas surgidas tras varios años de investigación.

Un único estudio experimental bien diseñado y llevado a cabo cuidadosamente puede proporcionar pruebas sólidas, pero lo que realmente se constituye en evidencia de calidad es la imagen completa. El análisis de múltiples estudios científicos recopilados y analizados en función de su jerarquía de evidencia es lo que nos permitirá crear una foto mucho más certera de la realidad.

Que una nota esté referenciada con artículos científicos, no siempre implica que los argumentos de la nota estén basados en la evidencia

Muchas veces podemos encontrar o difundir artículos científicos que solo respalden un argumento en particular e ignorar aquellos que no lo respalden. Esto es una forma muy común de manipulación de la evidencia que se conoce como “recolección de cerezas” o cherry-picking.

Esta estrategia se aprecia comúnmente en notas de opinión, en revisiones narrativas o en blogs, que a primera vista parecen estar basados ​​en la evidencia. El mecanismo utilizado es el siguiente: tengo una teoría, entonces busco artículos que solamente apoyen esa teoría, para poder mostrar que mi teoría “está basada en la evidencia”.

La manipulación de la evidencia se puede hacer por varias razones (conflictos de interés económicos, ideológicos, académicos, etc.), sin embargo, el efecto final es el mismo: promover solamente las afirmaciones a favor o en contra de un argumento en particular.

Siempre que sea posible, un profesional de la salud debería leer el artículo original que dio origen a la noticia para poder hacer una recomendación, pero es muy importante tener en cuenta que esto tampoco es suficiente. Lo que corresponde, es hacer una evaluación crítica de la evidencia científica: ver hasta qué punto los resultados del estudio reflejan la realidad de la población estudiada y entender si existe la posibilidad de extrapolar esos resultados a mi población de interés, antes de aplicarlos a la práctica clínica cotidiana o a una recomendación de nutrición comunitaria.

Hay muchos aspectos importantes para tener en cuenta a la hora de evaluar críticamente un artículo científico, como por ejemplo considerar el tamaño de la muestra, ya que el promedio de una gran cantidad de observaciones es más informativo que el promedio de una menor cantidad de observaciones. También es importante entender que un experimento puede estar sesgado por las expectativas de los participantes y de los investigadores, por lo que sería mejor que un ensayo clínico sea “doble ciego” (ni los participantes ni los investigadores que recopilan los datos saben qué individuos recibieron placebo y cuáles recibieron el tratamiento). Es relevante también ver si el estudio consideró un grupo control (un grupo asignado a placebo o a otro comparador, que se debe tratar exactamente de la misma manera que al grupo experimental), ya que sin un control es difícil determinar si una intervención realmente tuvo algún efecto.

Pero más allá de las consideraciones mencionadas -y de muchas más que quedan aún sin mencionar- hay algunos errores que son los más frecuentes a la hora de interpretar erróneamente un artículo científico. Son los siguientes:

Extrapolar a humanos los resultados de estudios en animales o in vitro

La relevancia de un estudio científico depende de en qué medida las condiciones bajo las cuales se realizó se asemejan a las condiciones de la población de interés. De aquí se desprende uno de los errores más comunes a la hora de (mal) interpretar la ciencia: extrapolar directamente a humanos los resultados de ensayos in vitro o en roedores.

La fisiología humana es mucho más compleja que la de un grupo aislado de células en una placa de Petri y los humanos tenemos características muy diferentes a las de los roedores (distinto metabolismo, distinta absorción y excreción, distinta microbiota, etc.), como para pensar que lo que ocurre en estos estudios indefectiblemente ocurrirá en nuestro organismo.

Extrapolar más allá de los datos del estudio

Los patrones encontrados dentro de un rango dado en el estudio, no necesariamente se aplican fuera de ese rango.

Un clásico ejemplo lo encontramos en aquellos estudios que evalúan ingredientes a concentraciones muy superiores a las del consumo habitual en la población (ej.: estudios hechos con altas concentraciones de resveratrol (1) puro y titulares que extrapolan esos efectos directamente al consumo de vino).

Otros ejemplos son las extrapolaciones de resultados obtenidos en adultos a población pediátrica, o de resultados obtenidos en patologías leves a patologías moderadas o graves.

En resumen, las conclusiones de un estudio se basan en los resultados obtenidos en una muestra idealmente representativa de una población en particular y no necesariamente van a reflejar lo que ocurra en otras poblaciones diferentes.

(1) El resveratrol es un polifenol natural presente en numerosas plantas y frutos como las moras, arándanos y uvas.

Considerar que “asociación” es sinónimo de “causalidad”

Los procesos fisiológicos son el resultado de interacciones complejas entre muchos factores. Por este motivo, resulta muy difícil establecer un único factor causal.

Hay variables que simplemente correlacionan por casualidad (correlación espuria), pero también podrían correlacionar por una tercera variable que esté asociada independientemente con las otras dos (factor de confusión).

Por ejemplo, si queremos evaluar cómo el consumo de alcohol afecta la mortalidad, y en un estudio observacional vemos que las personas que consumen más alcohol tienen más probabilidades de morir, puede parecer intuitivo concluir que el consumo de alcohol es el que aumenta el riesgo de muerte. Pero es posible que el consumo de alcohol no sea el único factor que afecte la mortalidad, ya que las personas que consumen menos alcohol podrían también, por ejemplo, comer una dieta más saludable o fumar menos. Como estas condiciones también afectan la mortalidad, podrían actuar como factores de confusión. Si los ignoramos y asumimos que la diferencia en la mortalidad está solo causada por una diferencia en el consumo de alcohol, nuestros resultados podrían no reflejar toda la realidad.

Esto es característico de los estudios observacionales, los cuales por una cuestión propia de su diseño -y aunque se consideren estadísticamente la mayoría de los factores de confusión- no son capaces de demostrar una relación causal. Como contrapartida, los estudios que ofrecen la mejor evidencia de una posible relación causa-efecto son los ensayos clínicos controlados aleatorizados.

En definitiva, si un titular atribuye una relación causa-efecto y el estudio es observacional  (transversal, de cohortes, etc.), podemos rápidamente darnos cuenta de que las conclusiones podrían no estar reflejando toda la realidad.

En los tiempos que corren, donde cada vez es más difícil distinguir una noticia basada en la evidencia de una fake news, debemos adquirir habilidades esenciales para comprender la calidad, las limitaciones y el sesgo de las publicaciones científicas y las noticias que circulan. Adquirir estas herramientas de análisis es lo que nos permitirá, en definitiva, diferenciar la evidencia real de la opinión.

Algunos de los conceptos explicados en esta nota, están graficados en esta infografía. 

 

Infografía adaptada de EUFIC www.eufic.org. 

Brian Cavagnari es médico pediatra, Doctor en Ciencias Biológicas por la Universidad de Buenos Aires y Master Internacional en Tecnología de Alimentos por la Universidad de Parma, Italia

---

  Imagen de portada: Freepik