- Publicado por Jesús M.R. el marzo 8, 2012 a las 7:39pm
La medicina basada en la evidencia (MBE) es la práctica de tratar a los pacientes individuales en base a los resultados de grandes ensayos médicos. Es, actualmente, el auto-proclamado estándar de oro para la toma de decisiones médicas, y sin embargo es cada vez más impopular para los médicos. Sus reservas reflejan una comprensión intuitiva de que algo está mal con esta metodología. Tienen razón en pensar así, la MBE rompe las leyes de tantas disciplinas que ni siquiera debería ser considerada como científica. De hecho, desde el punto de vista de un paciente racional, el edificio entero se está desmoronando.
La suposición de que la MBE era buena ciencia fue poco conveniente desde el principio. La ciencia de la decisión y de la cibernética (la ciencia de la comunicación y del control) ponen de relieve consecuencias inquietantes. La MBE promueve tratamientos marginalmente efectivos, basados en los promedios de la población en lugar de las necesidades individuales. Sus mega-ensayos son incapaces de encontrar las causas de la enfermedad, incluso para los investigadores más diligentes, sin embargo, se tragan los fondos de investigación. Peor aún, la MBE no puede evitar exponer al paciente a riesgos para la salud. Es hora de que los profesionales médicos descarten el estándar de oro deslustrado de la MBE, que reclamen su autonomía clínica, y proporcionar así tratamientos individualizados para los pacientes.
El elemento clave en una medicina verdaderamente científica sería un paciente racional. Esto significa que aquellos que establecen un ciclo de tratamiento basan su toma de decisiones sobre los riesgos y beneficios esperados del tratamiento a la persona interesada. Si usted está enfermo, usted quiere un tratamiento que funcione para usted, personalmente. Teniendo en cuenta la información pertinente, un paciente racional podrá elegir el tratamiento que será el más beneficioso. Por supuesto, el paciente no está aislado sino que trabaja con un médico competente, que está allí para ayudar al paciente. La toma racional de decisiones se convierte en la unidad de la colaboración entre médico y paciente.
La idea racional de la colaboración médico-paciente es de gran alcance. Su consideración principal es el beneficio del paciente individual. Sin embargo, las estadísticas de la MBE no son buenas para ayudar a los pacientes individuales, sino que más bien se refieren a grupos y poblaciones.
La práctica de la Medicina
A nadie le gustan las estadísticas. OK, esto puede ser un poco fuerte pero, con excepciones obvias (estadístas y matemáticos), muchas personas no se sienten cómodas con los datos estadísticos. Por lo tanto, si usted se siente inclinado a saltar este artículo en favor de algo más agradable espere un minuto por favor. Porque, si bien vamos a hablar de estadísticas, nuestro objetivo último es hacer que la medicina resulte más sencilla de entender y más útil para cada paciente individual.
El enfoque actual de la medicina es que esté "basada en la evidencia". Esto suena obvio, pero, en la práctica, esto significa depender de unos pocos estudios a gran escala y de las técnicas estadísticaspara elegir el tratamiento para cada paciente. Los practicantes de la MBE mal llaman a este proceso como la "mejor evidencia". Con el fin de restablecer la autoridad para la toma de decisiones de los médicos y los pacientes individuales, tenemos que desafiar a la ortodoxia, que no es tarea fácil. Recuerde Linus Pauling: a pesar de ser un genio científico, fue condenado sólo por sugierir que la vitamina C podría ser un agente terapéutico valioso.
Históricamente, los médicos, cirujanos y científicos que han tenido el valor de ir contra las ideas dominantes han producido avances médicos. Los ejemplos incluyen la teoría de William Harvey de la circulación de la sangre (1628), lo que allanó el camino para que las técnicas modernas tales como las máquinas de circulación extracorpórea ,el descubrimiento de James Lind de que la lima podía prevenir el escorbuto (1747), la obra de John Snow sobre la transmisión del cólera (1849), y Alexander Fleming con el descubrimiento de la penicilina (1928). Ni uno solo de estos cinetíficos innovadores utilizaron la MBE. Más bien, se utilizó el método científico, por medio de experimentos pequeños y repetibles para poner a prueba sus ideas. Lamentablemente, los profesionales de la MBE modernos han abandonado el método experimental tradicional, a favor de las estadísticas de grupos grandes.
¿De qué sirven las estadísticas de población?
En los últimos veinte años, los investigadores médicos han llevado a cabo ensayos cada vez más grandes. Es común encontrar experimentos con miles de personas, repartidas en varios centros de investigación. Los investigadores creen que probablemente sus juicios son eficaces en la promoción de la investigación médica. Desafortunadamente, a pesar del costo y el esfuerzo que se van en ellos, no ayudan a los pacientes. De acuerdo a los principios fundamentales de la ciencia y la decisión de la cibernética, los grandes ensayos clínicos no pueden dejar de ser un desperdicio, retrasan el progreso médico y no es aplicable a los pacientes individualmente.
Gran parte la investigación médica se basa en los métodos estadísticos de principios del siglo XX , desarrollados antes de la llegada de las computadoras. En estos estudios, las estadísticas se utilizan para determinar la probabilidad de que dos grupos de pacientes difieran entre sí. Si un grupo de tratamiento ha tomado un medicamento y un grupo de control no, los investigadores suelen preguntarse si el beneficio se debió a la droga o se produjo por casualidad. La forma en que responden a esta pregunta es mediante el cálculo de la "significación estadística". Este proceso resulta en un valor de p: cuanto menor sea el valor de p, es menos probable que el resultado se deba al azar. Por lo tanto, un valor de p de 0,05 significa que un resultado casual puede ocurrir alrededor de una vez en 20. A veces, un valor inferior a uno de cada cien (p
Significativo no significa importante
Tenemos que dejar algo en claro: en el contexto de las estadísticas, el término significativo no significa lo mismo que en el lenguaje cotidiano. Algunas personas asumen que los resultados "significativos" deben ser "importantes" o "relevantes". Esto está mal: el nivel de significación refleja sólo el grado en que los grupos se consideran por separado. Fundamentalmente, el nivel de significación no sólo depende de la diferencia entre los grupos estudiados, sino también de su tamaño. Por lo tanto, a medida que aumentamos el tamaño de los grupos, los resultados se vuelven más importantes a pesar de que el efecto puede ser pequeño y sin importancia.
Consideremos dos poblaciones de gente, con una media de presión arterial muy levemente diferente. Si tomamos 10 personas de cada uno, no vamos a encontrar ninguna diferencia significativa entre los dos grupos porque un pequeño grupo varía en función del azar. Si tomamos un centenar de personas de cada población, se obtiene un bajo nivel de significación estadística (p
Los grandes ensayos son métodos poderosos para la detección de pequeñas diferencias. Por otra parte, una vez que los investigadores han llevado a cabo un estudio piloto, se puede realizar un cálculo del poder, para asegurarse de que incluyen temas suficientes para obtener un alto nivel de significancia. De este modo, a lo largo de las últimas décadas, los investigadores han estudiado grupos cada vez más grandes, con el resultado de estudios de un centenar de veces más grandes que los de sólo unas pocas décadas atrás. Esto implica que los efectos que se buscan son diminutos, pero los grandes efectos (capaces de ofrecer beneficios reales a los pacientes actuales) serían más fácil de encontrar con los estudios más pequeños, al estilo de los antiguos.
Ahora, las pequeñas diferencias - aunque sean "altamente significativas" - no son nada de lo que presumir, pero los investigadores de la MBE las necesitan para hacer sonar sus hallazgos más impresionantes. Lo hacen mediante el uso de valores relativos en lugar de absolutos. Supongamos que un fármaco reduce a la mitad su riesgo de desarrollar cáncer (un valor relativo). Aunque esto suena muy bien, la supuesta reducción del 50% puede disminuir su riesgo en sólo uno de cada diez mil: de dos de cada diez mil (2/10, 000) a uno de cada diez mil (1/10, 000) (valores absolutos). Este pequeño beneficio suele ser irrelevante, pero cuando se expresa como un valor relativo, lo hace parecer importante. (Por analogía, la compra de dos boletos de lotería duplica sus posibilidades de ganar en comparación con comprar uno, pero de cualquier manera, las probabilidades son minúsculas.)
La falacia ecológica
Hay un problema con la peligrosa e implícita afirmación de la MBE de que los grandes estudios son la mejor evidencia para tomar las decisiones relativas a los pacientes individuales. Esta afirmación es un ejemplo de la falacia ecológica, que mal utiliza las estadísticas del grupo para hacer predicciones acerca de las personas. No hay ninguna forma perfectamente redonda en esto; incluso en la práctica ideal de la medicina, la MBE no debe aplicarse a los pacientes individuales. En otras palabras, la MBE es de poco uso clínico particular. Además, como regla general, cuanto mayor sea el grupo estudiado, menos útil será el resultado. Un paciente racional ignoraría los resultados de la mayoría de los ensayos de la MBE, ya que no son aplicables.
Para explicar esto, supongamos que medimos el tamaño del pie de cada persona en Nueva York y se calcula el valor medio (el tamaño del pie total / número de personas). Con esta información, el gobierno se propone dar a todos un par de zapatos de tamaño medio. Claramente, esto no sería prudente-los zapatos serían demasiado grandes o demasiado pequeños para la mayoría de la gente. Las respuestas individuales a los tratamientos médicos varían por lo menos tanto como el tamaño de sus zapatos, sin embargo y a pesar de ello, la MBE se basa en datos agregados. Esto es técnicamente incorrecto, las estadísticas del grupo no pueden predecir la respuesta individual al tratamiento.
La MBE selecciona entre la evidencia
Otro problema con el enfoque de MBE es el de tratar de usar sólo la "mejor evidencia" por lo que se reduce la cantidad de información disponible para los médicos y los pacientes a la hora de tomar decisiones importantes sobre el tratamiento. La prueba permitida por la MBE consiste en una selección de ensayos a gran escala y meta-análisis que tratan de llegar a una conclusión más significativa mediante la agregación de los resultados de grupos completamente diferentes. Esto constituye un pequeño porcentaje del total de las pruebas. El meta-análisis rechaza la gran mayoría de los datos disponibles, ya que no cumple con los estrictos criterios de la MBE. Esto entra en conflicto con otro principio científico, el de no seleccionar tus datos. En clave de humor dentro de este contexto, los estudiantes de ciencias que seleccionan los mejores datos, para dibujar un gráfico de sus resultados, por ejemplo, serán penalizados y se les dirá que no lo hagan de nuevo.
Una de las primeras lecciones para los estudiantes de ciencias es la de no seleccionar la mejor evidencia, todos los datos deben ser considerados. Las líneas indican cómo el uso de sólo los "mejores" datos ofrece un mejor, aunque engaño, ajuste.
Más problemas MBE
Los problemas con MBE continuan. Rompe otras leyes fundamentales, esta vez desde el campo de la cibernética, que es el estudio de los sistemas de control y comunicación. El cuerpo humano es un sistema biológico y, cuando algo sale mal, un médico intenta controlarlo. Tomemos un ejemplo, si una persona tiene una temperatura alta, el médico podría sugerir una compresa fría, lo que podría funcionar si la persona estaba caliente por un exceso de esfuerzo o demasiada ropa. Por otra parte, el médico puede recomendar un antipirético, como la aspirina. Sin embargo, si el paciente tiene una infección y una fiebre altísima, el tratamiento de refrigeración física o de los síntomas podrían no funcionar, ya que no se acabaría con la infección.
En el caso anterior, un médico que pasa por alto la posibilidad de infección no ha aplicado la información adecuada para tratar la condición. Esto ilustra un concepto cibernético conocido como variedad requerida, propuesto por primera vez por un psiquiatra Inglés, el Dr. W. Ross Ashby. En el lenguaje moderno, la ley de Ashby de la variedad requerida significa que la solución a un problema (tal como un diagnóstico médico) tiene que contener la misma cantidad de información pertinente (variedad) como el problema mismo. Así, la solución a un problema complejo requerirá más información que la solución a un problema sencillo. La idea de Ashby fue tan poderosa que se conoce como la primera ley de la cibernética. Ashby utiliza la palabra variedad para referirse a la información o, como el practicante de la MBE podría decir, la evidencia.
Como ya hemos mencionado, la MBE restringe la variedad a lo que considera la "mejor evidencia". Sin embargo, si los médicos aplican el mismo tratamiento basado en la estadística a todos los pacientes con una condición particular, violan ambas leyes de la cibernética y de las estadísticas. En consecuencia, en muchos casos, el tratamiento fallará, ya que los médicos no tienen suficiente información para hacer una predicción exacta. Las estadísticas de población no captan la información necesaria para proporcionar un par zapatos bien ajustados, y mucho menos para tratar a un paciente complejo y particular. Como el antiguo filósofo Epicuro explicó, deben tener en cuenta todos los datos.
Restringir nuestra información en base a la "mejor evidencia" es un error, pero es igualmente erróneo ir al otro extremo y tirar toda la información que tenemos sobre un problema. Así como Ricitos de Oro en el cuento de hadas quería un plato de gachas "ni demasiado caliente ni demasiado frío, justo en su punto" los médicos deben seleccionar sólo la información adecuada para diagnosticar y tratar una enfermedad. El problema del exceso de información es descrito por la curiosamente llamada dimensionalidad, que se analiza más adelante.
Cuando un médico llega a un diagnóstico correcto y aplica un tratamiento eficiente se llama, en términos cibernéticos, un buen regulador. Según Roger Conant y Ross Ashby, cada buen regulador de un sistema debe ser un modelo de ese sistema. Los buenos reguladores logran su objetivo de la forma más sencilla posible. Para lograr esto, los procesos de diagnóstico deben modelar los sistemas del cuerpo, por lo que los médicos deben someterse a años de entrenamiento en todos los aspectos de la ciencia médica. Además, cada paciente debe ser tratado como un individuo particular. Las estadísticas de grupos de la MBE son irrelevantes, ya que la gran escala de ensayos clínicos no modelan un paciente individual y su condición, sino que modelan una población de manera algo tosca. Son, pues, reguladores inadecuados. Una vez más, un paciente racional rechazaría la MBE por ser un método deficiente para encontrar un tratamiento efectivo para tratar una enfermedad.
Ciencia real significa verificación
A medida que nos implicamos, la ciencia es un proceso de inducción y utiliza experimentos para poner a prueba ideas. Desde una perspectiva científica, por lo tanto, confiamos pero verificamos los hallazgos de otros investigadores. El estándar de oro en la ciencia se llama inducción de Solomonoff, llamado así después del investigador cibernético Ray Solomonoff. El poder de un resultado científico reside en que se puede repetir el experimento y comprobarlo.Si no se puede repetir, por cualquier motivo (ya que no es comprobable, es muy difícil, o está equivocado), un resultado científico es débil y poco fiable. Por desgracia, el énfasis de la MBE en estudios a gran escala hace que la replicación sea difícil, costosa y consume mucho tiempo. Hay que sospechar de los grandes estudios, debido a que son casi imposible de repetir y por lo tanto poco fiables. La MBE nos pide que confiemos en sus resultados pero, todos los intentos y proposiciones se oponen a la replicación. Después de todo, ¿cuántos médicos tienen 40 millones de dólares y 5 años a disposición para repetir un ensayo clínico de gran tamaño? Está claro que la MBE evita la refutación, que es una parte fundamental del método científico.
En sus modelos y explicaciones, los científicos aspirar a la sencillez. Por el contrario, la MBE genera un gran número de factores de riesgo y de explicaciones multifactoriales, lo que hace difícil la elección de los tratamientos. Por ejemplo, si los médicos creen que una enfermedad es causada por la sal, el colesterol, la comida chatarra, la falta de ejercicio, factores genéticos, y así sucesivamente, el plan de tratamiento será complejo. Este enfoque multifactorial también es inválido, ya que conduce al problema de la dimensionalidad. Sorprendentemente, cuanto más factores de riesgo utiliza, menos posibilidades tendrá de obtener una solución. Este hallazgo viene directamente desde el campo de reconocimiento de patrones, donde las soluciones demasiado complejas se encuentran constantemente con el fracaso. Demasiados factores de riesgo significa que el ruido y el error en el modelo abrumarán la información genuina, dando lugar a falsas predicciones o diagnósticos. Una vez más, un paciente racional rechazaría la MBE, ya que es de por sí poco científica y poco práctica.
Medicina para personas, no para los estadistas
El diagnóstico de las condiciones médicas es un reto, porque somos cada uno de bioquímica individual. Según lo explicado por uno de los creadores de este concepto, el pionero nutricionista Dr. Roger Williams, "La nutrición es para personas reales. Las estadísticas son de poco interés." Los médicos tienen los conocimientos suficientes y la variedad terapéutica para que coincida con la diversidad biológica dentro de su población de pacientes. El proceso de clasificación de los síntomas de una persona en particular requiere un tipo diferente de estadísticas (bayesiano), así como el reconocimiento de patrones. Estos tienen la capacidad para hacer frente a la singularidad individual.
El enfoque básico de la medicina debe ser el de tratar a los pacientes como individuos únicos, con problemas distintos. Esto se extiende a la bioquímica y la genética. Una forma efectiva y científica de la medicina se aplicaría en el reconocimiento de patrones, en lugar de estadísticas regulares. Por lo tanto, se cumpliría con los requisitos del buen regulador, en otras palabras, sería un método eficaz para la prevención y tratamiento de la enfermedad. También se evitarían las trampas, tales como la falacia ecológica.
Medicamentos personalizados, ecológicos y nutricionales (ortomolecular) están convergiendo en un enfoque verdaderamente científico. Estamos entrando en una nueva comprensión de la ciencia médica, según la cual el enfoque holístico se apoya directamente en la ciencia de sistemas. La medicina ortomolecular, lejos de estar marginada como "alternativa", puede convertirse y ser reconocida pronto como la mejor metodología de medicina racional. Eso es más de lo que puede decirse de la MBE.
Sobre los autores:
Steve Hickey tiene un doctorado en Biofísica Médica de la Universidad de Manchester, Inglaterra. Su tesis doctoral fue sobre el desarrollo, el envejecimiento, la función y el fracaso del disco intervertebral. Llevó a cabo la investigación en los campos de la imagen médica y biofísica, y su posterior investigación incluyó el reconocimiento de patrones, inteligencia artificial, la informática, la ciencia y la decisión. Ha publicado cientos de artículos científicos en una variedad de disciplinas. El Dr. Hickey es co-autor, junto a Hilary Roberts, de ascorbato: La ciencia de la vitamina C, el cáncer: la nutrición y la supervivencia; Dietary Allowance ridículo; El avance del cáncer, y la cura vitamínica para la enfermedad cardíaca.
Hilary Roberts tiene un doctorado en los efectos de la desnutrición a temprana edad en el Departamento de Salud Infantil de la Universidad de Manchester, Inglaterra. También es licenciado en ciencias de la computación, la fisiología y la psicología. Después de su doctorado, realizó la investigación sobre el desarrollo de sistemas expertos en el Manchester Business School, Inglaterra.
Orthomolecular Medicine News Service, December 7, 2011
Traducido para disiciencia.
Respuestas
Alexander Fleming no descubrió la penicilia, o sea, no fue el primero en descubrirla, por más que los libros de historia digan lo contrario. El primero fue Clodomiro Picado Twight, médico costarricense, que lo logró y publicó dos años antes que Fleming.