Cómo leer un estudio de nutrición sin que te engañen

Un artículo que aparece en portada dice «el suplemento X mejora la memoria». Otro dice «el ALIMENTO Y se asocia a menos enfermedad». Los dos están publicados, los dos tienen revista, y los dos se pueden malinterpretar. Este artículo explica las herramientas que existen para distinguirlos.

Dos listas que resuelven la mitad del problema

Existen guías de notificación estandarizadas que son, esencialmente, listas de comprobación de lo que un estudio debería haber contado. Son las que usa este sitio cuando decide si una cifra es publicable.

CONSORT 2010 es la guía de notificación de ensayos paralelos aleatorizados [1]. Exige cosas como:

• Cómo se asignaron los participantes al grupo (aleatorización real).
• Si el enmascaramiento (blinding) se usó y en qué grado.
• Cuántos participantes entraron en cada grupo y cuántos se perdieron.
• El tamaño muestral calculado de antemano.

STROBE es la guía de notificación de estudios observacionales [2], que es otro tipo de pregunta. Exige cosas como:

• Diseño y contexto, con fuentes de datos y fechas.
• Variables: cómo se definieron los desenlaces y los predictores.
• Sesgos: qué se hizo para controlar el confundimiento.
• Sensibilidad: si se hicieron análisis de sensibilidad.

La diferencia entre las dos no es un detalle: un ensayo aleatorizado y una cohorte observacional responden a preguntas distintas y tienen sesgos distintos. Un artículo que los mezcla o que llama «estudio» a algo sin decir cuál es, ya te está diciendo algo.

Las cuatro preguntas que se hace esta web

Al evaluar una cifra para publicarla, esta web se hace siempre las mismas cuatro preguntas. Son las que separan un titular de un hallazgo.

1. ¿Es un ensayo aleatorizado o una observación? El metaanálisis sobre creatina que se cita en este blog solo incluye ensayos aleatorizados, con una duración mínima de 6 semanas y medidas directas de hipertrofia (RM, TC o ultrasonido) [3]. El número de estudios y la forma de medir están publicados precisamente para que se pueda juzgar [3].

2. ¿Cuánta gente, y cuántas se perdieron? Volviendo a ese metaanálisis: 10 estudios, 44 resultados analizados. Un efecto agrupado de 0,11 cuyo intervalo de credibilidad iba de −0,02 a 0,25 [3]. Un intervalo que incluye el cero es lo primero que hay que mirar en un metaanálisis, y es justo lo que muchos titulares no mencionan.

3. ¿El desenlace medido es el del titular? Esta web es especialmente cuidadoso aquí. Ese mismo análisis excluyó deliberadamente métodos como la impedancia bioeléctrica, porque sus cifras dependen del agua y pueden inflar el resultado de la creatina [3]. Si el estudio hubiera usado básculas, el efecto habría parecido mayor. Medir distinto no da lo mismo.

4. ¿El tamaño del efecto permite la promesa que se hace? Aquí está el patrón más común: un efecto estadísticamente significativo puede ser muy pequeño. La diferencia entre «hubo diferencia» y «la diferencia es relevante para mí» no es automática, y las dos preguntas se responden por separado.

Lo que esto no te va a resolver

Conviene decirlo, porque el error fácil es convertir estas listas en una lista de compras:

• Una revisión sistemática no deja de tener sesgo si los estudios que incluye son de mala calidad. El metaanálisis de creatina se apoya en 10 estudios; el de pasos, en 15 cohortes con 47.471 participantes [3]. Son cosas distintas.
• La directriz metodológica no convierte a un estudio en bueno. Solo te dice si contó todo lo que hizo.
• Y no sustituyen a leer el resumen del método antes que el titular.

Cómo aplica esto a los estudios de «dieta y salud»

Un patrón que se repite en la investigación nutricional: casi todo lo que se asocia con desenlaces relevantes en salud es observacional, por una razón práctica: no puedes asignar al azar la dieta de miles de personas durante años.

Ejemplo del propio sitio: la revisión sistemática sobre ultraprocesados y enfermedad metabólica [4]. Es un diseño observacional, y eso hay que decirlo.

Por eso una asociación como «los ultraprocesados se asocian a más enfermedad metabólica» [4] no es lo mismo que «comer ultraprocesados causa enfermedad». Ese es el salto de una hipótesis a un dato causal.

En resumen

1. CONSORT para ensayos aleatorizados y STROBE para observacionales: son listas de comprobación de lo que el estudio debió contar [1][2].
2. Ensayo aleatorizado y observación responden a preguntas distintas, con sesgos distintos [1][2].
3. Mira el intervalo: un IC que incluye el cero (como el de la creatina, −0,02 a 0,25) cuenta una historia distinta a la del titular [3].
4. Comprueba que el desenlace medido sea el del titular: el metaanálisis de creatina excluyó a propósito los métodos que inflaban el efecto [3].
5. Un resultado observacional es una asociación, no una causa [4].

La próxima vez que veas un titular de salud, estas preguntas te van a servir más que el titular.