En el artículo de hoy vamos a hablar sobre la ciencia en el mundo del fitness. Cada vez está más de moda que en este mundillo todo tenga que justificarse con un estudio científico. Sin embargo, no cualquier estudio justifica una hipótesis, si no que hay que interpretar los métodos utilizados, la forma de aplicarlos e incluso los intereses económicos y sociales que pueden existir en relación con los resultados del estudio.
En el artículo de hoy vamos a ver algunos de los aspectos más importantes que debemos observar cuando nos encontramos con uno de estos estudios, para saber si podemos fiarnos de él o no.
Si no te apetece leer aquí tienes un vídeo muy interesante sobre el tema:
Índice
Tipos de investigación científica
Antes de empezar tenemos que distinguir entre investigación cualitativa y cuantitativa:
Investigación cualitativa
La investigación cualitativa es la que nos permite observar las cosas que pasan en el mundo y realizar hipótesis sobre su por qué.
Aquí se pueden realizar estudios con diferentes técnicas de recogida de datos:
- Estudios observacionales observando el comportamiento, por ejemplo de una población o grupo, pero sin intervenir en él.
- Mediante entrevistas o mediante técnicas grupales (se reúnen grupos que hablen sobre un determinado tema).
Investigación cuantitativa
En este caso se parte de una hipótesis previa (que muchas veces viene de la investigación cualitativa) y se intenta ver en que medida es verdadera o falsa. En este artículo nos vamos a centrar en este tipo de investigación.
Tipos de estudios científicos
Los estudios pueden clasificarse atendiendo a diferentes criterios:
Según su finalidad:
- Descriptiva: buscan generar hipótesis describiendo una realidad
- Analítica: buscan una relación causa efecto
Según la secuencia temporal
- Transversales: los datos de cada sujeto se refieren a un momento dado en el tiempo por lo que no pueden establecerse relaciones de causalidad, ya que la causa y el efecto se miden en el mismo momento. Por tanto solo pueden ser descriptivos (describen la situación de un sujeto en un momento dado, por ejemplo: una persona tiene el colesterol alto y come 200 g de chocolate al día).
- Longitudinales: en este caso se toman medidas en varios momentos y pueden ser descriptivos o analíticos. Además pueden ir de causa a efecto (cohortes), o de efecto a causa (casos y controles).
Según el momento de recogida de los datos
- Prospectivo: El estudio es iniciado antes de los hechos estudiados. Primero se decide lo que se va a hacer y a analizar
- Retrospectivo: el estudio se realiza después de los hechos (encuestas). Se observa, por ejemplo una población que tiene un índice alto de una determinada enfermedad y después se estudian sus costumbres para intentar determinar la causa.
- Ambispectivos: mezcla de los 2 anteriores.
Según el control de los factores de estudio
Considero que esta es la clasificación más importante, donde vamos a encontrar:
- Estudios observacionales: donde solo se observa y se mide, sin tener control sobre los factores. Por ejemplo: se pregunta a la gente cuanto beicon consume a la semana y al cabo de un tiempo se analiza su colesterol en sangre. En este grupo las tipologías más importantes son:
– Los cohortes: donde se estudian las diferencias entre 2 grupos o cohortes que se diferencian en algo. Por ejemplo: entre la población americana, que desayuna bacon, y la española que no.
– Los Casos-Control: donde se dividen los grupos según si presentan (casos) o no (controles) una enfermedad o una caracteristica en concreto, como puede ser la enfermedad coronaria.
Es decir, la diferencia entre los dos anteriores sería que en una clasificamos los grupos según la posible causa (cohortes), y en otra según el efecto (casos-control).
- Experimentales: con factores de estudio controlados, de forma que se busca establecer una relación causa-efecto. Por ejemplo: se hacen 2 grupos, uno que consuma beicon y otro que no (controlando cantidades y condiciones del experimento), y luego se hace un análisis de como ha influido al colesterol de cada grupo. Estos podemos clasificarlos según el grado de enmascaramiento que exista:
– Ensayos clínicos abiertos: cuando el investigador y el paciente conocen a que grupo han sido asignados
– Simple ciego: solo el paciente conoce a que grupo ha sido asignado.
– Doble ciego: ni investigador ni paciente conocen la asignación de los grupos.
– Triple ciego: ninguno conoce la asignación de los grupos y el análisis se realiza sin conocer la identidad de cada grupo)
Cuanto mayor sea este grado de enmascaramiento, más fiable será el estudio.
Uno de los problemas de este tipo de análisis en nutrición, además de la dificultad de realizar un doble ciego, es la adherencia, ya que resulta difícil cambiar la dieta de la gente durante un periodo prolongado de tiempo.
También tengo que hacer una mención a las revisiones sistemáticas, que consisten en el análisis y síntesis de un conjunto de estudios para integrar la información sobre una cuestión en concreto. Por ejemplo, un análisis de todos los estudios que relacionen el número de repeticiones y la hipertrofia, para que de esta forma se tenga una visión global. No debemos confundirlas con una revisión bibliográfica, donde únicamente se recopila información sin llegar a analizar y obtener conclusiones.
Existen también diferentes clasificaciones según el nivel de evidencia de las investigaciones, por aquí dejo un cuadro con una de estas clasificaciones como ejemplo:
Qué analizar en un estudio científico
Cuando analizamos cualquier estudio, tenemos que tener en cuenta que no podemos extraer conclusiones directamente de ellos, y para saber en que medida podemos fiarnos deberemos observar una serie de aspectos:
Lo primero es distinguir entre si es un estudio observacional, del que podemos generar hipótesis para investigar después o un estudio experimental, que si nos puede permitir establecer una relación causa efecto. En este ultimo caso tendremos que realizar una lectura crítica analizando varias cosas:
- Evaluar la validez de una prueba: es decir, hasta que punto el método de actuación está libre de errores. Podemos hablar de validez interna o externa, dependiendo de si esta validez solo se aplica a los sujetos del estudio o puede extrapolarse a una población más amplia.
En relación con ello tenemos que tener en cuenta varios aspectos:
- Respecto a los errores tenemos que distinguir entre el error aleatorio, que se debe al azar y puede reducirse aumentando el tamaño de la muestra. Y el error sistemático, que puede ser un error de procedimiento y es fácil de corregir si se detecta.
- También me gustaría mencionar en este punto dos características que puede tener una metodología de estudio que son la sensibilidad, que es la capacidad de detectar un resultado positivo cuando existe; y la especificad, que es la capacidad para detectar un resultado positivo sin que este exista (falso positivo), por ejemplo: la probablidad de que si se quiere estudiar una enfermedad, se realicen los análisis de manera que personas sanas se consideren como enfermas.2.
- Ver si tiene una pregunta claramente definida: intervención a testar, con que se compara y cual es el desenlace primario. Este desenlace primario debe registrarse en el protocolo antes de realizar el ensayo. Por otra parte están los desenlaces secundarios, que permiten generar hipótesis.
- Observar que los grupos se asignen al azar (para que sean homogéneos y comparables).
- Transparencia en los métodos (cualquiera puede repetir el estudio en su casa): se debe explicar con detalle, como se asignan los grupos, que alimentos se comen exactamente, ejecución de los ejercicios…
- Se debe reportar la diferencia entre los grupos, no el cambio entre el inicio y el final en cada grupo.
- Ver tamaño y características de la muestra (evita error aleatorio, y nos permite conocer si se puede extrapolar a una población mayor)
- Interpretación de los resultados: no deben analizarse únicamente desde el punto de vista estadístico, si no que hay que realizar también un análisis clínico de los mismos (estudiar si la diferencia estadística tiene importancia o no). También es importante analizar aspectos como el riesgo relativo y absoluto, conceptos que explicaremos más adelante.
Conceptos básicos de los estudios científicos
P-Value
Se define como la probabilidad de encontrar un resultado igual o más extremo que el del estudio si la hipótesis nula es cierta, es decir, si no hay diferencia entre los grupos. Es decir, la probabilidad de que sin hacer nada se obtengan los mismos resultados o más que los que se han obtenido haciendo el experimento.
En este valor influye el tamaño de la muestra, por lo que no es buena idea tomar como “nota de corte” el valor de 0,05 como suele hacerse de forma común. Esto se debe a que la P trata de extrapolar al resto de la población, pero aunque el valor de la P sea alto, pueden existir diferencias significativas en la muestra. Cuanto mayor es la muestra, mayor probabilidad hay de obtener una P significativa, porque su valor depende de la varianza: en muestras grandes la varianza tiene a disminuir.
Además hay que diferenciar entre estadísticamente significativo y clínicamente relevante. Puedes tener una P muy pequeña, pero una diferencia entre grupos también muy pequeña (p.e. en la tensión arterial), por lo que dicha diferencia estadística no tendría ninguna importancia.
Formas de medir el riesgo en estudios científicos
- RIESGO ABSOLUTO DE UN GRUPO: es el número de individuos que presentan un resultado entre el numero de sujetos total del grupo. Por ejemplo, si de un grupo de 100 personas mueren 4, el riesgo absoluto es del 4%.
- RIESGO RELATIVO: es la proporción entre del riesgo de la población expuesta con respecto a la población no expuesta. Esta medida generalmente se aplica en los casos en los que se desea estimar el incremento o reducción de la probabilidad de padecer el evento en presencia de una situación que se supone (hipótesis) es capaz de modificarla. Ejemplo: el grupo que come bacon tiene 100 personas y de estas, 8 tienen colesterol por encima de los niveles adecuados. Del grupo que no come beicon lo tienen 4, y también hay un total de 100 personas. El riesgo relativo sería 8/4=2: 200% de riesgo de los que comen beicon respecto a los que no.
- Reducción Absoluta del Riesgo (RAR): Cuando se habla de medidas de reducción de riesgo su aplicación, habitualmente, está destinada a evaluar tratamientos; en los que se supone que el mismo reducirá las probabilidades de que un determinado evento patológico suceda.
En el caso anterior hemos comparado el riesgo entre poblaciones en términos de proporcionalidad, es decir, cociente entre el riesgo absoluto de la población expuesta y la no expuesta.
Cuando la comparación se plantea en términos de diferencia entre los riegos absolutos de ambas poblaciones (expuesta y no expuesta) se obtiene la reducción absoluta del riesgo, también denominada “riesgo atribuible”.
Esta es una medida de mucha utilidad cuando se pretende comparar tratamientos o evaluar la eficacia de un tratamiento y la fórmula que se aplica es la siguiente:
RAR = Rno expuesta – Rexpuesta
En el caso anterior sería de 8-4=4%
- Reducción Relativa del Riesgo (RRR): es la relación entre la reducción absoluta del riesgo y el riesgo absoluto en la población no expuesta a un determinado factor. Siguiendo con el ejemplo, sería del 4/8=50%
La RAR resulta de mayor utilidad de estas, porque expresa el número de individuos que se benefician de un determinado tratamiento.
- Número Necesario a Tratar (NNT): expresa el número de individuos que hay que tratar para que uno tenga un efecto positivo. Conociendo el RAR es fácil de obtener, dividiendo 100/RAR.
Es decir, siguiendo con el ejemplo anterior
De 100 personas salvan a 4 enfermos (RAR)
Hay que tratar a X para salvar a 1 enfermo:
X=100/4=25
Estudios en animales y estudios patrocinados
Muchos estudios nos encontramos que están hechos en animales, y estos no debemos extrapolarlos de forma general a humanos por razones evidentes, sus genes no son los nuestros, por ejemplo un ratón no tiene la misma alimentación que un humano, ni el mismo tamaño, por eso las diferentes sustancias y cantidades le va a afectar de forma muy diferente.
Por último, también hay que mirar qué personas participan en el estudio y quienes lo financian. Rara vez vas a encontrar un estudio que te diga lo malo que es el azúcar financiado por una empresa azucarera.
