«Funciona» no alcanza: cómo leer evidencia sobre tratamientos

Decir que un tratamiento “funciona” parece una afirmación sencilla, pero puede ocultar preguntas muy distintas. ¿Funciona mejor que no hacer nada, que la atención habitual o que otra intervención activa? ¿El beneficio es grande o apenas detectable? ¿Se midió algo que realmente importa para la vida de las personas? ¿Los resultados fueron consistentes? ¿Qué tan seguros estamos de que ese efecto no cambiará con nuevos estudios? Leer evidencia no consiste en buscar una palabra de aprobación, sino en entender qué se estudió, qué se encontró y cuánta incertidumbre queda.

Primero: ¿qué pregunta intentó responder el estudio?

Antes de mirar resultados conviene identificar cuatro elementos básicos: quiénes fueron estudiados, qué intervención recibieron, contra qué se comparó y qué resultado se midió. Una misma terapia puede mostrar efectos distintos según población, intensidad, contexto o comparador.

Por ejemplo, “la intervención redujo el consumo” dice poco si no sabemos si se comparó con una lista de espera, atención habitual, otro tratamiento psicológico o una combinación de intervenciones. Ser mejor que no recibir nada es una conclusión diferente de ser mejor que un tratamiento activo.

Un estudio positivo no equivale a un efecto importante

En investigación suele hablarse de “significación estadística”, pero esa expresión no responde por sí sola si el cambio es grande, pequeño o relevante para la vida cotidiana. Un estudio con muchos participantes puede detectar diferencias muy pequeñas; otro más chico puede no alcanzar significación aun cuando el efecto observado sea compatible con un beneficio importante.

Por eso interesa el tamaño del efecto: cuánto cambia realmente el resultado entre los grupos y si ese cambio es clínicamente relevante.

Riesgo relativo y riesgo absoluto cuentan historias distintas

Los efectos relativos pueden sonar impresionantes. Decir que una intervención “reduce el riesgo a la mitad” parece enorme, pero no significa lo mismo si el riesgo baja de 40 en 100 a 20 en 100 que si baja de 2 en 10.000 a 1 en 10.000. En ambos casos la reducción relativa es del 50 %, pero el impacto absoluto es muy diferente.

NICE recomienda comunicar riesgos y beneficios utilizando datos absolutos cuando están disponibles, con denominadores comparables y períodos de tiempo claros. Esa forma ayuda a evitar que porcentajes llamativos oculten la magnitud real del beneficio o del daño.

El intervalo de confianza muestra cuánto no sabemos

Un resultado suele presentarse como una estimación acompañada por un intervalo de confianza. La estimación central es el mejor cálculo disponible del efecto; el intervalo muestra el rango de incertidumbre alrededor de ese valor.

Según el Manual Cochrane, un intervalo estrecho indica mayor precisión. Un intervalo amplio puede ser compatible con efectos bastante diferentes entre sí e incluso, en algunos casos, con beneficio y ausencia de beneficio. Dos estudios pueden tener una estimación central parecida y, sin embargo, ofrecer niveles de certeza muy distintos si uno es mucho más impreciso.

La calidad de un estudio no depende sólo del número de participantes

Una muestra grande ayuda a reducir imprecisión, pero no corrige automáticamente un diseño sesgado. Si los grupos no son comparables, si se pierden muchos participantes, si se seleccionan resultados después de conocer los datos o si la medición favorece sistemáticamente una opción, una muestra enorme puede producir una estimación muy precisa de algo incorrecto.

Por eso las revisiones de calidad evalúan riesgo de sesgo: problemas del diseño o la ejecución que pueden distorsionar los resultados. La pregunta no es si los investigadores actuaron de mala fe, sino si el estudio permite confiar en la comparación que presenta.

Un estudio aislado casi nunca debería cerrar una discusión

Los tratamientos se estudian en poblaciones, centros y contextos diferentes. Una revisión sistemática intenta reunir la evidencia relevante mediante métodos explícitos para buscar, seleccionar y analizar estudios. Cuando los estudios son suficientemente comparables, puede realizarse un metaanálisis para obtener una estimación combinada.

Un metaanálisis tampoco es una verdad final: depende de la calidad y comparabilidad de los estudios incluidos.

Heterogeneidad: cuando los estudios no cuentan exactamente la misma historia

Si varios estudios encuentran efectos muy diferentes, la pregunta no debería ser únicamente cuál es el promedio. Cochrane denomina heterogeneidad a la variación entre resultados que puede exceder lo esperable por azar.

Esa variación puede tener sentido: diferentes poblaciones, dosis, terapeutas, duraciones, definiciones del resultado o contextos pueden modificar el efecto. Cuando la heterogeneidad es importante, una media global puede ocultar que la intervención funciona de manera distinta según las condiciones.

La certeza de la evidencia no es lo mismo que el tamaño del efecto

Una intervención puede mostrar un efecto grande con evidencia muy incierta, o un efecto pequeño respaldado por evidencia bastante consistente. En el enfoque GRADE, utilizado ampliamente en revisiones y guías, la certeza expresa cuánta confianza tenemos en que la estimación se acerque al efecto real.

Cochrane resume cinco razones frecuentes para reducir esa certeza: riesgo de sesgo, inconsistencia, indirectitud, imprecisión y sesgo de publicación. La indirectitud aparece, por ejemplo, cuando los estudios se hicieron en una población o contexto diferente del que nos interesa. El sesgo de publicación aparece cuando los estudios con resultados favorables tienen más posibilidades de hacerse visibles que los negativos o nulos.

Una recomendación fuerte puede convivir con evidencia incierta

Esto suele sorprender. Las guías clínicas no toman decisiones mirando únicamente el nivel de certeza estadística. También consideran gravedad del problema, balance entre beneficios y daños, factibilidad, valores, recursos y alternativas.

La propia OMS ofrece un ejemplo útil: en sus recomendaciones actualizadas para intervenciones psicosociales breves en determinados consumos, existen recomendaciones calificadas como fuertes aun cuando la certeza de la evidencia se describe como muy baja. Eso no es necesariamente una contradicción; muestra que fuerza de recomendación y certeza de evidencia son conceptos distintos.

Los resultados medidos también importan

No todos los desenlaces tienen el mismo valor. Un tratamiento puede mejorar retención en un programa sin reducir consumo, o disminuir días de consumo sin mejorar funcionamiento, salud mental o calidad de vida. También puede ayudar en un resultado y producir efectos adversos o una carga de tratamiento considerable.

Antes de concluir que algo “funciona”, conviene preguntar qué se midió y qué quedó afuera. Los resultados relevantes para pacientes —mortalidad, funcionamiento, recaídas, calidad de vida, síntomas, daños, efectos adversos— pueden importar más que una variable intermedia fácil de medir.

Un promedio no describe a todas las personas

Los ensayos producen estimaciones promedio. Ese promedio puede incluir personas que mejoraron mucho, otras que cambiaron poco y algunas que empeoraron. Además, los participantes de un estudio pueden diferir de la persona que consulta en edad, salud, severidad, uso de otras sustancias, condiciones sociales o tratamientos previos.

Por eso la evidencia informa una decisión, pero no la reemplaza. OMS/UNODC y NICE coinciden en combinar evidencia con necesidades, riesgos, beneficios, preferencias y objetivos de la persona.

Las revisiones Cochrane muestran por qué los titulares simples fallan

La entrevista motivacional es un buen ejemplo. En una revisión Cochrane de 2023, los resultados dependen del comparador y del momento de seguimiento. Puede haber beneficios frente a ninguna intervención en algunos resultados, mientras que las diferencias frente a tratamiento habitual u otras intervenciones activas pueden ser pequeñas o inciertas.

En estimulantes, una revisión Cochrane de 2024 encontró que los tratamientos psicosociales en conjunto pueden mejorar retención y abstinencia, pero también señaló variación entre intervenciones y niveles de certeza diferentes. Convertir esas conclusiones en “esta técnica funciona” elimina justo la información que necesitamos para decidir.

Guías, revisiones y estudios cumplen funciones diferentes

Un ensayo clínico pregunta qué ocurrió en una comparación concreta. Una revisión sistemática reúne varios estudios. Una guía clínica toma ese cuerpo de evidencia y lo integra con beneficios, daños, recursos, aplicabilidad y otros factores para formular recomendaciones.

Ninguna fuente es infalible. La lectura responsable consiste en entender qué pregunta puede responder cada una y cuáles son sus límites.

Una lista breve para leer una afirmación sobre tratamientos

1. ¿Qué población se estudió? ¿Se parece a la población a la que quiero aplicar el resultado?
2. ¿Qué intervención se evaluó exactamente? Duración, intensidad y contexto importan.
3. ¿Contra qué se comparó? Nada, placebo, atención habitual u otro tratamiento.
4. ¿Qué resultado se midió? ¿Es importante para la persona o sólo una variable intermedia?
5. ¿Qué magnitud tuvo el efecto? No sólo si fue “estadísticamente significativo”.
6. ¿Qué tan preciso fue? Mirá intervalos de confianza e imprecisión.
7. ¿Los estudios fueron consistentes y confiables? Riesgo de sesgo, heterogeneidad y certeza.
8. ¿Qué daños, cargas y preferencias entran en la decisión? Beneficio promedio no equivale a mejor opción para todos.