Mayo 2024
Revisamos las novedades del Centro de Información de Medicamentos de la Fundación FEMEBA y seleccionamos dos artículos con consideraciones sobre aspectos de la interpretación de la investigación médica.
El primero analiza cuáles son los requisitos para que las asociaciones entre variables encontradas en estudios con diseño observacional puedan respaldar apropiadamente hipótesis causales. Sus orientaciones resultan de suma utilidad para la interpretación de la numerosa bibliografía que recurre al potencial de los big data para explorar relaciones de causa y efecto.
El segundo trabajo reúne a dos figuras académicas destacadas para preguntarse por el papel de la subjetividad en la interpretación de los resultados de la investigación científica. Se trata de Howard Bauchner, ex-editor en jefe del JAMA, y de John P.A. Ioannidis –clínico y epidemiólogo, autor de profundas reflexiones sobre los más diversos aspectos de la investigación médica.
Les invitamos a disfrutar de una síntesis de estas dos lecturas, cuyo texto completo está disponible en línea.
1) Inferencia causal a partir de estudios observacionales
Aunque los ensayos clínicos aleatorios bien realizados siguen siendo el enfoque preferido para responder preguntas causales, los métodos para estudios observacionales han avanzado de tal manera que pueden ser posibles las interpretaciones causales de investigaciones observacionales bien realizadas que cumplen con algunos supuestos sólidos. Este artículo propone un marco para identificar cuándo la interpretación causal es apropiada en los estudios observacionales.
Dahabreh IJ, Bibbins-Domingo K. Causal Inference About the Effects of Interventions From Observational Studies in Medical Journals. JAMA. Published online May 09, 2024. doi:10.1001/jama.2024.7741 Disponible en: https://n9.cl/3ttbo
Resumen
Importancia: muchas revistas médicas, incluida JAMA, restringen el uso del lenguaje causal a la presentación de informes de ensayos clínicos aleatorios. Aunque los ensayos clínicos aleatorios bien realizados siguen siendo el enfoque preferido para responder preguntas causales, los métodos para los estudios observacionales han avanzado de tal manera que las interpretaciones causales de los resultados de estudios observacionales bien realizados pueden ser posibles cuando se mantienen supuestos sólidos. Además, los estudios observacionales pueden ser la única fuente práctica de información para responder algunas preguntas sobre los efectos causales de las intervenciones médicas o políticas, pueden respaldar el estudio de intervenciones en poblaciones y entornos que reflejen la práctica y pueden ayudar a identificar intervenciones para una mayor investigación experimental. Identificar oportunidades para el uso apropiado del lenguaje causal al describir estudios observacionales es importante para la comunicación en las revistas médicas.
Observaciones: Un enfoque estructurado sobre si se puede utilizar el lenguaje causal y cómo se puede utilizar al describir estudios observacionales mejoraría la comunicación de los objetivos de la investigación, respaldaría la evaluación de los supuestos y las opciones analíticas y de diseño, y permitiría una interpretación más clara y precisa de los resultados. Basándonos en la extensa literatura sobre inferencia causal en diversas disciplinas, sugerimos un marco para estudios observacionales que apuntan a proporcionar evidencia sobre los efectos causales de las intervenciones basándose en seis preguntas centrales: ¿cuál es la pregunta causal? ¿Qué cantidad, si se conociera, respondería a la pregunta causal? ¿Cuál es el diseño del estudio? ¿Qué supuestos causales se están haciendo? ¿Cómo pueden utilizarse los datos observados para responder a la pregunta causal en principio y en la práctica? Y por último, ¿es sostenible una interpretación causal de los análisis?
Conclusiones y relevancia: La adopción del marco propuesto para identificar cuándo la interpretación causal es apropiada en los estudios observacionales promete facilitar una mejor comunicación entre autores, revisores, editores y lectores. La implementación práctica requerirá la cooperación entre editores, autores y revisores para poner en práctica el marco y evaluar su efecto en la presentación de informes de investigaciones empíricas.
Una ampliación de las seis preguntas:
1. ¿Cuál es la pregunta causal? ¿Se pueden identificar claramente las intervenciones que se evaluarán, las poblaciones objetivo, los desenlaces relevantes y el tiempo de seguimiento?
2. ¿Qué cantidad, si se conociera, respondería a la pregunta causal? Después de plantear la pregunta causal, se puede especificar la cantidad que, si se conociera, podría servir como respuesta. Se puede facilitar la especificación describiendo el ensayo objetivo (hipotético) que podría abordar la pregunta de investigación.
3. ¿Cuál es el diseño del estudio? El enfoque para recopilar nuevos datos o utilizar datos existentes (incluida la elección de las fuentes de datos, el muestreo de individuos y su seguimiento, y la recopilación de información sobre covariables de tratamiento y resultados a lo largo del tiempo) determina si los datos pueden usarse para responder la pregunta causal. Por ejemplo, en estudios de cohortes que comparan diferentes estrategias de tratamiento, la elección del inicio del seguimiento (tiempo cero) y la alineación de ese momento con el momento en el que se determina la elegibilidad pueden afectar la validez de los análisis observacionales. El objetivo clave del diseño del estudio es hacer que los supuestos causales sean más plausibles y facilitar el aprendizaje sobre la estimación causal.
4. ¿Qué supuestos causales se están haciendo? Muchos estudios observacionales requieren la suposición de que, dadas las variables que se han medido y tenido en cuenta (en las etapas de diseño y de análisis del estudio), no queda ningún factor de confusión no controlado. Otros enfoques, como los análisis de variables instrumentales, los análisis de diferencias en diferencias o los análisis de regresión discontinua, requieren diferentes conjuntos de supuestos. Normalmente, los supuestos causales no se pueden comprobar en el sentido de que no se pueden evaluar plenamente sólo con los datos, pero deben examinarse sobre la base de conocimientos previos.
5. ¿Cómo se pueden utilizar los datos observados para responder a la pregunta causal en principio y en la práctica? El examen formal de si los datos observados pueden, en principio, utilizarse para conocer el estimador causal se denomina análisis de identificación. En algunos casos, los supuestos bastan sólo para poner límites alrededor del estimador causal. La mayoría de los estudios que apuntan a realizar estimaciones causales utilizando datos observacionales se basan en estrategias de identificación bien conocidas (es decir, los resultados de análisis de identificación previos) y aplican métodos estadísticos a los datos para la estimación y la inferencia estadística. Los desafíos que supone sacar inferencias estadísticas utilizando datos y modelos se acentúan en la investigación no experimental.
6. ¿Es sostenible una interpretación causal de los análisis? Evaluar la idoneidad de una interpretación causal de los resultados de un análisis observacional normalmente requiere suposiciones no comprobables. Por lo tanto, determinar si dicha interpretación es sostenible implica juicios subjetivos informados por el conocimiento previo y la comprensión del contexto de la investigación, basándose en múltiples fuentes de evidencia. Estos juicios pueden basarse en la triangulación de resultados entre diferentes análisis (por ejemplo, utilizando diferentes suposiciones u otras fuentes de datos); intentar discutir los supuestos causales a partir de los datos, cuando sea posible (por ejemplo, análisis de control negativo); y realizar análisis cuantitativos de sesgo/sensibilidad y otros métodos para examinar violaciones de supuestos.
2) La interpretación subjetiva de la evidencia médica
Los expertos a menudo discrepan sobre cómo interpretar la misma evidencia y qué recomendaciones derivar de ella. Incluso los cuidadosos procesos empleados para resolver puntos de vista divergentes en el desarrollo de guías de práctica, por ejemplo, pueden no eliminar la subjetividad. Dos destacados académicos reflexionan sobre el peso de la subjetividad en la interpretación de los resultados de la investigación.
Bauchner H, Ioannidis JPA. The Subjective Interpretation of the Medical Evidence. JAMA Health Forum. 2024;5(3):e240213. doi:10.1001/jamahealthforum.2024.0213. Disponible en: https://n9.cl/iwyvc
Los expertos a menudo discrepan subjetivamente sobre cómo interpretan la misma evidencia y qué recomendaciones derivan de ella. Los procesos meticulosos para resolver puntos de vista divergentes en el desarrollo de guías de práctica, por ejemplo, pueden no eliminar la subjetividad. Incluso las organizaciones más prestigiosas a veces tienen recomendaciones de directrices diferentes. Los desacuerdos subjetivos pueden ser comunes, extremos e inquietantes cuando la evidencia es limitada y evoluciona rápidamente, como ocurre en muchas cuestiones relacionadas con la COVID-19. Sin embargo, existe subjetividad y surgen diferencias incluso para enfermedades comunes, donde la evidencia se ha acumulado y evaluado durante décadas. Por ejemplo, el Colegio Estadounidense de Médicos, la Sociedad Estadounidense del Cáncer y el Grupo de Trabajo de Servicios Preventivos de EE. UU. (USPSTF) difieren en cuanto a cuándo iniciar la detección del cáncer colorrectal y los métodos de detección preferidos. Las recomendaciones para la detección del cáncer de mama y la depresión se han debatido durante décadas.
Naturalmente, se espera que las recomendaciones evolucionen a medida que se desarrollen nuevas pruebas. Sin embargo, diferentes expertos y comités de directrices a menudo tienen diferentes criterios de selección y juicios sobre qué nueva evidencia vale la pena considerar y qué tan valiosa puede ser. Por ejemplo, mientras que el USPSTF no recomienda el uso de la puntuación de calcio de las arterias coronarias para evaluar el riesgo cardiovascular, numerosas directrices de sociedades de cardiología, como el Colegio Americano de Cardiología/Asociación Americana del Corazón, sí lo recomiendan. La mayoría de los miembros del USPSTF son generalistas, mientras que la mayoría de los miembros de los comités de directrices de las sociedades especializadas son especialistas. Los especialistas pueden ver la misma evidencia de manera diferente que los generalistas.
[…]
Diferentes métodos de desarrollo de guías pueden conducir a diferentes recomendaciones. Por ejemplo, la USPSTF sigue un enfoque bien documentado, que incluye una síntesis de datos independiente producida por un centro de evidencia. Muchas guías siguen el enfoque popular de Calificación, Evaluación, Desarrollo y Evaluación de Recomendaciones (GRADE). Los datos de validación para cada paso del proceso sugieren una reproducibilidad relativamente buena. Sin embargo, la suma de la variabilidad entre todos los pasos puede llegar a ser sustancial y todavía no se comprende bien. Los grupos de expertos pueden formular las preguntas relevantes de manera diferente, seleccionar diferentes datos para incluirlos y sopesar aspectos de la evidencia de manera diferente. Por ejemplo, la USPSTF se basa en datos de ensayos clínicos aleatorios (ECA) y resta importancia a los estudios de modelado. Por el contrario, un estudio de modelado condujo en parte a un cambio en las recientes directrices de detección del cáncer de pulmón de la Sociedad Estadounidense del Cáncer.
[…]
En la mayoría de las intervenciones médicas, la evidencia suele ser tan débil que las recomendaciones dependen en gran medida de opiniones subjetivas. Las recomendaciones también pueden verse afectadas no sólo por la evidencia sobre intervenciones específicas, sino también por otras intervenciones disponibles. Por ejemplo, con respecto al tratamiento farmacéutico de la obesidad en adolescentes, la Academia Estadounidense de Pediatría le dio recientemente una recomendación B, a pesar de la evidencia limitada. Quizás los miembros del comité estuvieron influenciados por la creciente prevalencia de la obesidad y la falta de estrategias conductuales efectivas para el tratamiento de la obesidad en adolescentes.
[—]
Ha habido una gran preocupación por la desinformación en la cobertura de noticias médicas. Existe una percepción pública cada vez mayor de que el informe no es objetivo, sino más bien selectivo y subjetivo, incluso desde los lugares más respetables. Son comunes las afirmaciones hiperbólicas sobre descubrimientos importantes y los beneficios exagerados de tratamientos (“curas”) tanto convencionales como controvertidos. Además, la adopción de visiones del mundo polarizadas probablemente esté contribuyendo a la pérdida de confianza del público en la ciencia médica y la salud pública.
[…]
La interpretación subjetiva de la evidencia es un problema complejo y difícil de mitigar o resolver. Las intervenciones para disminuirlo deberían probarse formalmente. Los investigadores deben adherirse al objetivo principal y a los hallazgos de los estudios, evitando exageraciones. El registro ha mejorado la presentación de informes de ECA y metanálisis y podría ampliarse a más tipos de estudios. Los editores pueden ser guardianes para garantizar que los autores utilicen un lenguaje apropiado (p. ej., causal versus asociación, significancia clínica versus estadística) e incluyan el número necesario a tratar en los ECA. Las recomendaciones de los grupos profesionales probablemente seguirán divergiendo. Lo que es fundamental es que dejen claro quién y cómo fueron desarrolladas las recomendaciones y minimicen los conflictos de intereses financieros o de otro tipo. Los comités de directrices también podrían considerar tener una sección en la que expliquen cómo y por qué su directriz difiere de otras directrices sobre el mismo tema, una práctica que el USPSTF ya ha adoptado.