Entender la ciencia

Si una afirmación sobre alimentación es cierta, rara vez puede responderse con un solo estudio. Esta página explica los términos y las formas de razonar que utilizamos en todas las verificaciones.

Cómo funcionan los estudios

La investigación en nutrición utiliza tipos de estudios muy diferentes. Responden a preguntas distintas y son propensos a errores distintos.

• Ensayo controlado aleatorizado (ECA; en inglés RCT): los participantes se asignan a grupos al azar, por ejemplo “más huevos” y “sin huevos”. Gracias a la aleatorización, los grupos difieren en promedio solo en lo que se está probando. Por ello, los ECA son los más adecuados para mostrar causa y efecto. En nutrición, sin embargo, suelen ser cortos y pequeños, y normalmente miden valores en sangre en lugar de enfermedades.
• Estudio de cohortes: se sigue a muchas personas durante años. Se les pregunta qué comen y más tarde se cuentan las enfermedades. Estos estudios son grandes y largos, pero las personas eligieron su alimentación ellas mismas. Quienes comen mucho de un alimento concreto a menudo se diferencian también en muchos otros aspectos.
• Estudio de casos y controles: se compara a personas con una enfermedad con personas sanas y se les pregunta por su alimentación pasada. Es propenso a errores de memoria.
• Estudio transversal: una instantánea. Muestra asociaciones, pero no qué ocurrió primero.
• Estudio de medición o de residuos: se analizan muestras de alimentos en busca de sustancias. Muestra lo que se encontró en determinadas muestras en un momento y lugar concretos, pero no automáticamente si las personas enferman por ello.
• Revisión sistemática y metaanálisis: se buscan todos los estudios adecuados sobre una pregunta, se evalúan según reglas fijas y, cuando es posible, se combinan estadísticamente.
• Estudios en animales y en células: explican posibles mecanismos, pero no permiten conclusiones directas sobre la salud humana.

Por qué la correlación no demuestra causalidad

Que dos cosas ocurran juntas no significa que una cause la otra. Un ejemplo conocido: los días en que se vende mucho helado se ahogan más personas. El helado no provoca ahogamientos. Ambas cosas dependen del calor.

En los estudios de nutrición, estos factores de fondo se llaman factores de confusión. Las personas que beben muchos refrescos, por ejemplo, también pueden fumar más a menudo o hacer menos ejercicio. Los buenos estudios ajustan por estos factores, pero nunca por completo. Lo que queda se llama confusión residual.

Un segundo problema es la causalidad inversa: las personas que ya están enfermas a menudo cambian su alimentación. Puede parecer entonces que la nueva alimentación causó la enfermedad.

Una asociación se vuelve más creíble si es fuerte, aparece en muchos estudios independientes, aumenta con la cantidad consumida (relación dosis-respuesta), encaja en el tiempo, es biológicamente plausible y se confirma en experimentos. Ninguno de estos puntos por sí solo es una prueba.

Qué pueden y qué no pueden hacer los metaanálisis

Un metaanálisis combina estadísticamente los resultados de muchos estudios. Esto hace que el resultado sea más preciso y muestra si los estudios apuntan en la misma dirección.

Sin embargo, un metaanálisis solo es tan bueno como los estudios que contiene. Si agrupa muchos estudios observacionales sesgados, el resultado global también estará sesgado, solo que con menos incertidumbre. También importa la heterogeneidad: si los estudios individuales difieren mucho, un único valor medio significa poco.

Varios metaanálisis sobre el mismo tema contienen a menudo los mismos estudios. Por ello, tres metaanálisis no son automáticamente tres confirmaciones independientes. Comprobamos este solapamiento y no lo contamos más de una vez.

Qué significan los intervalos de confianza

Los estudios suelen presentar resultados así: “hazard ratio 1,06 (intervalo de confianza del 95 %: 1,03–1,10)”. El primer valor es la mejor estimación: un riesgo relativo un 6 % mayor. El intervalo entre paréntesis muestra el rango en el que muy probablemente se encuentra el valor verdadero, siempre que el estudio no tenga errores sistemáticos.

• Si el valor 1,0 (“sin diferencia”) está dentro del intervalo, el hallazgo no está establecido estadísticamente.
• Un intervalo estrecho significa una estimación precisa; un intervalo amplio, una estimación incierta.
• Estadísticamente significativo no significa automáticamente importante. Un efecto muy pequeño puede ser “significativo” en un estudio enorme y apenas importar en la vida cotidiana.
• El intervalo solo recoge el azar, no la confusión ni los errores de medición.

Por qué los estudios aislados pueden inducir a error

Cualquier estudio aislado puede llegar a un resultado que después no se confirme, por azar, por muestras pequeñas, por muchas preguntas analizadas a la vez o por una población particular. A esto se suma el sesgo de publicación: los resultados llamativos tienen más probabilidades de publicarse que los poco destacables.

Por ello no evaluamos si algún estudio respalda una afirmación. Con una selección sesgada, casi cualquier afirmación puede “demostrarse” con estudios. Lo que cuenta es la totalidad de la buena evidencia.

Riesgos absolutos y relativos

Un riesgo relativo indica en qué porcentaje aumenta o disminuye un riesgo en comparación con otro grupo. Un riesgo absoluto indica cuántas personas se ven realmente afectadas.

Ejemplo práctico (cifras inventadas a modo de ilustración): de 1000 personas, 2 desarrollan una determinada enfermedad en diez años. En otro grupo son 3 de cada 1000. El riesgo relativo es un 50 % mayor. Pero el riesgo absoluto solo aumenta en 1 de cada 1000 personas, es decir, en 0,1 puntos porcentuales.

Ambas afirmaciones son correctas, pero se perciben de forma muy diferente. Por ello, cuando están disponibles, indicamos ambas. Si un estudio no presenta cifras absolutas, lo decimos.

Detectar no es lo mismo que peligro

Los laboratorios modernos pueden detectar cantidades mínimas de sustancias, a menudo del orden de milmillonésimas de gramo. Que se encuentre una sustancia no dice todavía nada sobre si es perjudicial en esa cantidad. Lo que importa es:

• La cantidad realmente ingerida (exposición).
• Los valores de referencia basados en la salud, como la ingesta semanal tolerable (TWI) o la ingesta diaria admisible (IDA). Autoridades como la Autoridad Europea de Seguridad Alimentaria (EFSA) los fijan con márgenes de seguridad.
• Los límites máximos de residuos (LMR): límites superiores legales. Superar uno es una infracción legal, pero no significa automáticamente un peligro para la salud. A la inversa, un valor por debajo del límite no carece de importancia para cada persona y cada combinación de sustancias.
• El contexto: una medición procedente de un incidente de contaminación, una zona minera u otro país no describe automáticamente la oferta normal de alimentos en Alemania o Egipto.

Lo contrario también es cierto: para algunas sustancias, como determinadas sustancias perfluoroalquiladas y polifluoroalquiladas (PFAS), la EFSA ha fijado valores de referencia muy bajos (2020: 4,4 nanogramos por kilogramo de peso corporal por semana para la suma de cuatro PFAS). En este caso, una alimentación normal puede llevar a algunas personas al rango del valor de referencia. Por eso examinamos cada caso individualmente.

Estudios en animales y en células

Los experimentos en células o animales muestran si un mecanismo es posible. Sin embargo, las dosis suelen ser allí mucho más altas que en la alimentación, y los animales procesan las sustancias de forma diferente a los humanos. Siempre señalamos expresamente estos estudios. La plausibilidad biológica no es una prueba clínica.

Cómo se elaboran nuestras evaluaciones

Cada afirmación recibe dos valoraciones separadas:

1. Veredicto en una escala de siete niveles, de “Verdadero” a “Falso”, incluido “Incierto / evidencia insuficiente”. La falta de evidencia no significa que una afirmación sea falsa.
2. Certeza de la evidencia (alta, moderada, baja, muy baja), basada en el sistema GRADE, utilizado internacionalmente. Indica qué confianza podemos tener en el conjunto de la evidencia. Los estudios observacionales parten de un nivel más bajo que los ensayos aleatorizados y se rebajan aún más por sus deficiencias.

Desglosamos las afirmaciones amplias en subafirmaciones. “Los huevos perjudican a todo el mundo” puede refutarse, mientras que “determinadas personas deberían limitar su consumo de huevos” puede ser correcto. También valoramos los estudios individuales en varias dimensiones, como la calidad metodológica, el riesgo de sesgo, la precisión y la transferibilidad regional, y comprobamos si se citaron correctamente.

Utilizamos herramientas como RoB 2, ROBINS-E, AMSTAR 2 y GRADE de forma orientativa. Una evaluación formal completa con estas herramientas requiere textos completos, protocolos de estudio y, normalmente, varios revisores independientes. Eso no fue posible aquí. Por ello, nuestros juicios se señalan expresamente como evaluaciones metodológicas simplificadas.

Estado de la evidencia, expedientes de evidencia y profundidad de la revisión

Desde la revisión sistemática de la evidencia (fase 4), cada afirmación tiene también un estado de la evidencia. Expresa con palabras qué tipo de respuesta da la ciencia:

• Refutado científicamente: evidencia de alta calidad demuestra lo contrario, o la afirmación contradice una fisiología bien establecida.
• Sin respaldo de evidencia de alta calidad: no hay buena evidencia a favor de la afirmación. Esto por sí solo no demuestra que sea errónea.
• Sobreinterpretado: existe un hallazgo real, pero la afirmación extrae de él más de lo que permiten los datos; por ejemplo, una asociación presentada como causa, datos en animales aplicados a humanos o un efecto pequeño presentado como grande.
• Verdadero solo en determinadas condiciones: la afirmación solo es válida para determinadas cantidades, grupos de personas, preparaciones o circunstancias.
• Insuficientemente estudiado: hay demasiado poca investigación para decir si la afirmación es correcta o errónea.
• Bien respaldado científicamente: la afirmación concuerda con evidencia coherente y de alta calidad.

Cuando evidencia de alta calidad refuta claramente una afirmación médica general, lo decimos con claridad: “Esta afirmación es falsa.” Cuando los datos son contradictorios o insuficientes, no afirmamos más certeza de la que permite la evidencia. Una afirmación correcta se califica como correcta, aunque otras afirmaciones del mismo sistema sean erróneas.

Para cada afirmación existe un expediente de evidencia: una pregunta de investigación concreta (estructurada como PICO para intervenciones o PECO para exposiciones: población, intervención o exposición, comparación, desenlaces), búsquedas documentadas en PubMed, Europe PMC, la Cochrane Library y otras fuentes –por separado para la evidencia a favor y en contra–, los estudios más sólidos de ambos lados, una explicación de las contradicciones aparentes, una declaración sobre si las diferencias regionales importan, y los motivos para mantener o cambiar el veredicto. Cuando los estudios publican datos suficientes, recalculamos resultados clave (por ejemplo, riesgos absolutos a partir del número de eventos); en caso contrario, decimos que no fue posible recalcular. Los datos que faltan nunca se completan.

No contamos publicaciones. Varios metaanálisis que contienen los mismos estudios primarios no son confirmaciones independientes. PRISMA 2020 es un estándar para la comunicación transparente de revisiones sistemáticas, no una herramienta para valorar la calidad de los estudios. GRADE valora la certeza del conjunto de la evidencia para un desenlace y no sustituye la evaluación de los estudios individuales (RoB 2 para ensayos aleatorizados, ROBINS-I y ROBINS-E para estudios no aleatorizados, AMSTAR 2 y ROBIS para revisiones sistemáticas).

Para cada estudio indicamos con qué profundidad se revisó: verificado bibliográficamente (el estudio existe; título, autores, año e identificador coinciden), resumen revisado, texto completo revisado o texto completo con una evaluación estructurada del riesgo de sesgo. Ningún estudio ha sido evaluado todavía formalmente por dos revisores independientes, y no se ha realizado ninguna revisión independiente por expertos humanos. Nunca describimos una revisión como formal o humana si no tuvo lugar.