Mi pareja dice que le hago poco caso, y que eso significa que no la quiero lo suficiente. ¿Hipótesis válida? SI ¿Correlación demostrada? No necesariamente.
En realidad, su inconsciente está haciendo un estudio descriptivo correlaciona, asociando directamente una variable a un resultado. Y podría haber muchos otros factores por los que yo no le prestara tanta atención como merece.
Es como si os explican un estudio según el cual los niños españoles de las escuelas que alternaban las clases en inglés y castellano, con el tiempo adquirían mejor nivel en lengua española que otros de escuelas monolingües. La tesis era que estudiar un segundo idioma estimula el aprendizaje general de las lenguas, pero seguro que como explicación alternativa también piensas: «¿No será que los profesores o los centros educativos bilingües ofrecían una enseñanza de mejor calidad?». En este caso concreto, los autores del estudio en que participaron 120 centros públicos españoles habían tenido en cuenta éste y otros factores, y atribuían la mejora a la plasticidad cerebral y a la potenciación de las capacidades lingüísticas, al forzar las neuronas estudiando dos idiomas en lugar de uno. Encaja. ¿Hipótesis válida? Sí, claro. ¿Teoría demostrada? No, en absoluto. Pero aquí no queremos hablar de bilingüismo, ni de si mi chica tiene motivos para desconfiar, sino de ese sutil matiz entre lo que ciertos tipos de estudios científicos pueden demostrar o sólo sugerir.
¿Cómo pueden los investigadores averiguar si ser vegetariano es más saludable que omnívoro, si la aspirina previene ataques cerebrovasculares, si el vino tinto es tan milagroso como dicen, si el clima frío afecta a la longevidad, si haciendo yoga evitas ciertas enfermedades, o si un nuevo medicamento funciona realmente mejor que otro antiguo? Tener suposiciones «científicamente coherentes» es fácil; comprobar si son ciertas resulta mucho más difícil, y sólo está al alcance de una ínfima parte de los muchos estudios epidemiológicos que se realizan.
Saltémonos de momento los estudios con ratitas y cultivos celulares. Puedes atiborrar con aceite de oliva la dieta de una rata y obtener unos primeros indicios o explicaciones bioquímicas tremendamente valiosas, pero, al fin y al cabo, una rata es una rata. En el laboratorio puedes conseguir mucha precisión, pero menos relevancia. Las pruebas definitivas llegan —y sólo a veces— con los estudios epidemiológicos con humanos. Y entre ellos, también hay unas metodologías más fiables que otras. Revisemos los principales tipos.
ESTUDIOS DESCRIPTIVOS
Un primer gran grupo de estudios epidemiológicos son los descriptivos, que cogen sectores de población, analizan diferencias entre sus miembros, e intentan encontrar asociaciones entre todo tipo de características o enfermedades. Resultan muy útiles para generar hipótesis, pero poco más.
Estudio correlacional
¿Os suena la paradoja francesa? Hace un par de décadas se constató que los franceses, a pesar de tener una dieta rica en grasas saturadas, gozaban de mejor salud cardiovascular que los habitantes de otros países. Al comparar otros hábitos dietéticos se concluyó que el consumo habitual de vino tinto podía ser el responsable de esta protección ¿Hipótesis válida que merece ser mejor estudiada? Sí, y tanto. ¿Teoría demostrada? De ninguna manera. Podría haber centenares de factores ocultos que contribuyeran a esa correlación. Los estudios correlacionales sólo dan pistas. La paradoja francesa fue muy útil para estimular estudios más detallados que posteriormente sí confirmaron algunos beneficios del consumo moderado de vino, pero muchísimas otras suposiciones han sido desmentidas. No hagas correlaciones precipitadas, aunque sean la respuesta más rápida.
Estudio de series de casos
Para afinar más, puedes seleccionar, por ejemplo, un grupo específico de mujeres que sufran cáncer hepático y ver cuántas tomaban anticonceptivos orales y cuántas no. Suponiendo que te aparezca un mayor porcentaje en las primeras, ¿demuestra esto que la píldora está asociada al cáncer de hígado? Tampoco. No hay controles, y de nuevo pueden ocultar numerosos factores asociados a tomar anticonceptivos que se te han pasado por alto. Es una pista que los investigadores deben conocer, pero nunca aparecer en los medios como una clara causa-efecto.
Estudio transversal
También puedes hacer un cross-sectional study, «estudio transversal» Tomas un gran número de personas que sufran migrañas, diabetes, anemias, problemas renales, y miras cuántos ganan menos de 10.000 dólares al año, cuántos entre 10.000-20.000, cuántos ganan entre 20.000-35.000, y quiénes cantidades mayores. Te sale un gráfico como el de la derecha que parece indicar que la pobreza causa enfermedad. ¿Lo hace? No necesariamente. Quizá las personas con salud delicada tienen más dificultades para encontrar buenos trabajos. Un estudio así, donde se establecen relaciones en momentos puntuales, resulta muy útil si lo que analizas es algo invariable, como el grupo sanguíneo; pero no sirve para nada ante algo que cambie en el tiempo, como saber si caminar es bueno para el corazón.
Los estudios descriptivos están muy bien, son baratos, fáciles de realizar, ayudan a los investigadores a engrosar su lista de publicaciones científicas, y aportan hipótesis de trabajo muy valiosas. Pero los estudios buenos de verdad son los analíticos; los que tienen controles, se comparan grupos bien definidos, y sobre todo, se analiza la exposición a un factor a lo largo del tiempo.
ESTUDIOS ANALÍTICOS
Estudio observacional
Coges un grupo de pacientes con cáncer de esófago, buscas personas de características parecidas pero sin cáncer, y empiezas a hacerles preguntas de todo tipo sobre su pasado. Si eres muy minucioso, quizá puedas encontrar algún factor que durante el tiempo haya estado mucho más presente en un grupo que en otro. Pero, además, tendrás en consideración otros aspectos del historial de los pacientes que también puedan haber influido. Éste sería un «estudio de caso-control», en el que la comparación global del pasado entre individuos con o sin enfermedad te permite ser mucho más cuidadoso que en un estudio descriptivo. Pero el mirar hacia atrás tiene una limitación: la capacidad de recuperar de manera fiable la información sobre los últimos diez, veinte o treinta años de tus participantes. Si dispones de tiempo y recursos, es mucho mejor mirar hacia delante y hacer un «estudio de cohortes»: te vas a una ciudad pequeña, caracterizas bien a unos cuantos miles de sus habitantes, y empiezas a hacerles un seguimiento periódico y a tomar datos sobre todos los aspectos de su vida. No les pides que hagan nada extraño, simplemente observas su evolución durante décadas, y empiezas a hacer análisis estadísticos sabiendo que dispones de una muy amplia y fidedigna información acumulada en un largo período de tiempo. Eso es lo que empezaron en 1948 en la población de Framingham, a unos 40 kilómetros de Boston, con el famoso «Framingham heart study», que tantísima información ha generado sobre los factores que influyen en el riesgo cardiovascular. Es lento, pero merece la pena.
Estudios de intervención
Ahora bien, si tu institución tiene todavía más dinero, aún existe un tipo de estudio muchísimo mejor y más definitivo. Buscas un conjunto de personas prácticamente idénticas, las separas en los grupos que te convenga, y haces experimentos sobre ellas: controlas al máximo su vida durante semanas o meses, e intervienes sobre ella. Las modificas a tu antojo. Les pides que coman unos alimentos u otros, que hagan cierto tipo de ejercicio o lleven una vida sedentaria, o si ensayas un medicamento, a unos les das el real y a otros el placebo. Y todo bajo control. En un estudio epidemiológico randomizado intentas que lo único que diferencie a tus sujetos sea el factor que quieres analizar. La limitación es que no puedes decirles: «Vosotros empezad a fumar treinta cigarrillos al día» para ver qué ocurre, ni testar nada que sea perjudicial para ellos; pero cuando no hay inconvenientes éticos y puedes afrontar los enormes costes que conllevan, los estudios de intervención son los que realmente permiten demostrar hipótesis de una manera experimental.
¿Son infalibles? Claro que no. Fijaos en este curioso caso: en la década de 1970 un ambicioso estudio clínico randomizado llamado Proyecto de Fármacos Coronarios intentaba analizar si varios fármacos que reducían los índices de colesterol conseguían prevenir los ataques de corazón. Se reclutaron 8.500 hombres de mediana edad con problemas coronarios previos, y se hicieron varios subgrupos. A uno de ellos se les dio el fármaco clofibrate, pero al cabo de cinco años, los investigadores no encontraron el mínimo efecto protector. ¿Qué pensaron? «A ver si algunos participantes en el estudio no han seguido correctamente el tratamiento…». Les preguntaron a cada uno de ellos y, efectivamente, comprobaron que bastantes participantes habían pasado olímpicamente de ir tomando la medicación. Comprobaron de nuevo la incidencia de enfermedad cardíaca, y vieron que en estos últimos era de un 25 por ciento, mientras que en aquéllos que tomaron más del 80 por ciento de las pastillas era sólo del 15 por ciento. Respiraron tranquilos. El clofibrate sí tenía un efecto protector. Tema solucionado, ¿verdad? Sólo aparentemente. Al repetir el mismo análisis con los que habían sido recetados con placebo, también vieron que los que se saltaron las dosis tenían una incidencia del 28 por ciento, frente a un 15 por ciento los que siguieron a rajatabla el estudio. Conclusión: el tomar correctamente un placebo, ¡disminuía a la mitad el riesgo cardiovascular! Evidentemente, la interpretación fue otra: la persona que no sigue un tratamiento, posiblemente es también más despreocupada con otros factores que afectan a su salud. Es lo que los investigadores llaman el compliance bias, uno de los muchos efectos distorsionadores que se esconden detrás de los estudios clínicos.
Este caso del clofibrate apareció citado en un polémico y demoledor reportaje crítico con la epidemiología publicado en el New York Times bajo el título «¿Sabemos realmente qué nos hace estar saludables?». En él se reconoce el imprescindible papel que ha desempeñado la epidemiología en la comprensión de las enfermedades virales, en la relación entre tabaco y cáncer de pulmón, entre exposición solar y melanoma, pero refleja cómo muchos científicos se quejan abiertamente del exceso de relaciones causa-efecto que se publican en la literatura científica. Richard Peto, de la Universidad de Oxford, dice textualmente: «La epidemiología es preciosa, y nos ofrece una gran perspectiva de la vida humana y la muerte, pero se publica una enorme cantidad de basura».
La clasificación de los estudios epidemiológicos y los ejemplos expuestos en este texto están extraídos del excelente seminario que recibí cuando todavía era un Knight Fellow en el MIT con la reconocidísima experta de Harvard Julie Buring. Recuerdo que cuando terminé el seminario, me acerqué y le pedí su opinión sobre el artículo que hacía poco había publicado el New York Times. Me sorprendió que, a pesar de considerarlo exagerado, Julie Buring se mostraba muy de acuerdo en que son poquísimos los estudios epidemiológicos que realmente están bien realizados, y afirmaba que la mayor parte de las conclusiones que los propios científicos exponen y después llegan exageradas a los medios no están bien sustentadas, en absoluto.
En definitiva, que cuando alguien os diga que las almendras previenen la diabetes, pedidle que os cuente también qué tipo de estudio lo ha «demostrado». Y si mi chica quiere de verdad comprobar el grado de cariño que siento por ella, no le queda más remedio que hacer un análisis randomizado intentando tener el máximo de factores posibles bajo control, y aceptar que no tendrá la respuesta definitiva hasta dentro de unos meses. Ocurre que para ello necesitará también unos controles; y no sé si eso me hace tanta gracia.