Entendiendo, Evaluando y Comunicando sobre Nutrición: La perspectiva de un investigador

Por Allison Dostal, PhD, RD | Octubre 09 2015
Última Actualización Octubre 09 2015

(Primero de una serie de tres artículos)

La relación entre la nutrición y la salud está totalmente arraigada en los medios de comunicación, y todo el mundo, desde los científicos hasta el vecino de al lado, parece ser experto en el tema. Convertirse en experto en evaluación de la investigación, siendo conscientes de las perspectivas de los medios de comunicación y comprendiendo las diferentes formas de sesgo, es extremadamente importante en este campo en rápida evolución.

Hace poco entrevistamos al Dr. Andrew Brown del Centro de Investigación de Obesidad y Nutrición de la Oficina de Energética en la Universidad de Alabama-Birmingham, cuyo grupo de investigación tiene un gran peso en la discusión de la evaluación de la investigación y la integridad científica. En la primera parte de esta serie, el Dr. Brown discute las bases del diseño de los estudios, los cuales son vitales para la comprensión de las publicaciones de investigación.

FOOD INSIGHT: ¿Puede explicar las diferencias entre los estudios observacionales y experimentales?

ANDREW BROWN: Los estudios observacionales y los estudios experimentales describen dos clases de estudios muy grandes. En los estudios observacionales, el investigador intenta buscar relaciones en el mundo tal como es. En los estudios experimentales, el científico trata de determinar si un cambio en el mundo va a alterar algún resultado determinado.

Para dar algunos ejemplos: un estudio observacional puede preguntar si las personas con niveles más altos de biomarcadores de nutrimentos tienen una menor incidencia de una enfermedad, que los que tienen niveles más bajos. Por ejemplo, piensa en las concentraciones de ácidos grasos omega-3 en la sangre y las enfermedades del corazón. Este tipo de estudio analiza cómo esas características se relacionan con los resultados de salud.

Esta podría ser una cuestión muy diferente de determinar si el cambio en el biomarcador (por ejemplo, el aumento del consumo de ácidos grasos omega-3) causa una modificación en la enfermedad, al no cambiar el biomarcador. El ejemplo anterior describe cómo las características y los resultados existen juntos; este último ayuda a determinar si al cambiar la gente, cambiarán sus resultados.

Por lo regular, la evidencia observacional se describe como “la generación de hipótesis” y la evidencia experimental se describirá como “el establecimiento de la causalidad”. Esto se debe a que siempre existe la posibilidad subyacente de que las observaciones que ocurren juntas, se den por casualidad. Por ejemplo, podría ser que las personas con las concentraciones más altas de ácidos grasos omega-3 en la sangre, de alguna manera sean sistemáticamente diferentes a las personas que no tienen esos niveles, y que esas mismas personas también tengan la enfermedad cardíaca más baja.

Esto da lugar a la máxima: “La correlación no iguala la causalidad.” Por supuesto, esto es una simplificación excesiva y hay libros enteros y cursos dedicados al perfeccionamiento de estas distinciones. Por ejemplo, ¿cuándo vale la pena comprobar una hipótesis derivada de la observación? ¿Cómo se tiene que diseñar un experimento para generar certeza en la causalidad? ¿En qué casos los estudios observacionales son lo suficientemente buenos para asumir la causalidad?

FI: ¿Los datos de los auto reportes de consumo serían considerados observacionales? Si es así, ¿qué podemos hacer con estos datos?

AB: Los datos de los auto-reportes pueden utilizarse en ambos estudios, observacionales y experimentales. Por ejemplo, un estudio observacional pudiera preguntarle a la gente qué come y luego correlacionar las respuestas con la incidencia de cáncer. Del mismo modo, un experimento puede cambiar las características de un menú y luego preguntar a la gente lo que pedimos.

Los datos del auto-reporte de consumo real son siempre cuestionables, ya que la gente no es buena recordando o informando lo que come. Se han utilizado diferentes métodos para ajustar el auto-reporte de consumo, pero por desgracia, muy pocos han sido comparados con un estándar de oro para documentar lo que la gente comió en realidad.

Aun así, en los casos en que estos métodos de auto-reporte han sido comparados, ya sea con lo que la gente realmente comió, las limitaciones biológicas realistas (por ejemplo, si alguien informó haber comido lo suficiente para mantenerse vivo), o con métodos alternativos, los datos del auto-reporte no suelen mantenerse bien.

Existe un debate en curso sobre si el auto-reporte de consumo de determinados alimentos se debe utilizar para sacar conclusiones científicas y, de ser así, bajo qué parámetros. Por lo menos, hay un consenso de que el auto-reporte de consumo de energía (en comparación con el consumo de alimentos específicos) falla en gran medida al estimar el consumo real de energía, que ha engañado a la ciencia de la obesidad por años.

La investigación sigue utilizando los datos de los auto-reportes sin garantías suficientes de que esos datos realmente representan lo que los investigadores piensan, y por lo tanto, todos los estudios sobre los auto-reporte del consumo dietético deben ser interpretados con cautela.

FI: ¿Cuáles son las medidas más objetivas que deberíamos estar buscando en los estudios?

AB: Las medidas que debemos buscar en los estudios dependen, por supuesto, de lo que se está estudiando.

Si estamos tratando de buscar el resultado del efecto de un tratamiento sobre la obesidad, entonces queremos medir la obesidad. Es interesante saber cuánta comida se consume o cuánta energía se gasta, pero no se puede extrapolar de forma fiable a los resultados en sí (por ejemplo, la obesidad).

Si, por otro lado, la investigación se enfoca en los resultados intermedios, como cuando se cambia un menú o un buffet, que altera la elección de alimentos, luego los biomarcadores, la fotogrametría (fotografía cuantitativa de los alimentos) o los observadores externos, funcionan mejor que pedirle a la gente que lo haga.

Estos métodos se están perfeccionando continuamente. También dependen en gran medida de que los observadores y analistas (y esperemos que los participantes) estén cegados a las intervenciones, ya que los involucrados con el estudio pueden consciente o inconscientemente, sesgar los resultados.

FI: ¿Cuáles son los meta-análisis y revisiones sistemáticas? ¿Se puede hablar de la diferencia entre ellos?

AB: Cuando hablamos de las revisiones sistemáticas, solemos referirnos a una revisión exhaustiva y completa de la literatura llevada a cabo de tal manera que otra persona deba ser capaz de reproducirla.

Después de una revisión sistemática, los datos pueden ser sintetizados en todos los estudios (los análisis se analizan juntos, por lo tanto, son “meta-analizados”). Las revisiones sistemáticas suelen contener la definición de un conjunto de criterios de inclusión y exclusión del acrónimo PICO: paciente o población, intervención (o exposición), comparación o control y el resultado.

Por ejemplo, se realizó una revisión sistemática y un meta-análisis de estudios, incluyendo individuos por demás sanos que recibieron recomendaciones para que aumentaran su consumo de frutas y verduras (intervención) y se contrastó con los grupos que no lo hicieron (comparación), para establecer las medidas de la obesidad (resultado).

Los meta-análisis pretenden poner en común los datos juntos en una estimación de resumen. Un científico puede llevar a cabo una revisión sistemática sin realizar un meta-análisis, pero los meta-análisis son típicamente completados sólo después de una revisión sistemática.

Todos los tipos de datos pueden ser analizados en conjunto, pero la calidad de los meta-análisis es completamente dependiente de la calidad de los estudios originales y si son o no son realmente comparables. “Basura adentro, basura afuera”, ciertamente aplica aquí.

A diferencia de las revisiones narrativas, se espera que las revisiones sistemáticas contengan menos sesgo del investigador, reconociendo, por supuesto, que nada está completamente libre de nuestra naturaleza humana. Las revisiones narrativas son el proceso de toma de datos o hipótesis, que existen en la literatura y la síntesis narrativa de la información.

Esto puede ser importante cuando se trata de explicar temas complejos o diversos. Por ejemplo, escribimos una revisión narrativa sobre los endocannabinoides que trataron de explicar lo que eran los pensamientos actuales sobre los mecanismos de acción, los posibles efectos biológicos, el metabolismo y otros aspectos de la biología de estos compuestos. Este es un propósito completamente diferente al de tratar de resumir lo que son los efectos de los compuestos, los tratamientos y las exposiciones sobre la salud, de manera integral imparcial, lo cual suele ser el objetivo de una revisión sistemática.

Las revisiones narrativas están sujetas a sesgos de selección, lo que significa que los autores (incluyéndome a mí) tienen una tendencia a escribir sobre lo que saben o lo que han encontrado. Las revisiones sistemáticas son estructuradas para que los científicos vean más allá de lo que saben.

Sin embargo, hay otros usos del término “revisión sistemática”, que se refieren a la unión de los estudios, de una manera no exhaustiva pero reproducible. Uno de estos estudios sacó ingredientes de un libro de cocina e investigó el primer subconjunto de los artículos con los que se encontraron en la literatura.

Esto no es ni completo ni exhaustivo, pero es sistemático. Este uso de la revisión sistemática es mucho menos común.

Del mismo modo, el meta-análisis sólo puede significar alguna forma de análisis conjunto entre los estudios (por ejemplo, contar cuántas mujeres fueron estudiadas en cada investigación), pero por lo general los investigadores quieren decir que resumen cuantitativamente los datos de los resultados. Es importante saber lo que los autores están tratando de comunicar al leer un documento de este tipo.