Todos los días escuchamos estudios que prueban que un alimento causa cáncer, otro que causa enfermedad cardíaca, y que suplemento mágico te ayudará a vivir para siempre. A los medios les encanta informar historias sensacionalistas sobre los peligros y beneficios de todo. Y no podemos culparlos. Estos son los tipos de historias que captan los ojos y los «Me gusta» en Facebook. Desafortunadamente, estos son también los tipos de historias que se tergiversan fácilmente y se malinterpretan.
Sin embargo, es necesario que tengas una comprensión básica de cómo interpretar las investigaciones de fitness y nutrición. ¿Cuáles son los principales tipos de estudios realizados? ¿Cuáles son las ventajas y desventajas de estos estudios? ¿Qué estadísticas son útiles para ver?
Con este conocimiento y un poco de práctica, tendrás la capacidad de interpretar la investigación por ti mismo y llegar a tus propias conclusiones. 
Cómo entender las investigaciones de fitness y nutrición
1.Estudios observacionales
También llamados estudios de observación, estos son los tipos de estudios de los que generalmente se habla en las noticias. Hay varios tipos diferentes de estudios observacionales, pero nos centraremos en los llamados estudios de cohorte.
1.1 Influencia de estudios de cohorte en la investigación de fitness y nutrición
Los estudios de cohortes observan grupos de personas, llamadas poblaciones, durante un período de tiempo. Al hacer un seguimiento de estas poblaciones. Los investigadores intentan determinar la forma en que ciertos factores, como los alimentos afectan ciertos resultados, como el cáncer.
Hay dos tipos de estudios de cohorte: prospectivo y retrospectivo. Los estudios prospectivos se llevan a cabo desde el presente hasta el futuro: los sujetos son vigilados durante un período de tiempo mientras se recopilan los datos. Por otra parte, los estudios retrospectivos miran datos históricos desde un momento en el pasado hasta el presente. No obstante, los estudios prospectivos se consideran los más valiosos de los dos.
Por desgracia, los estudios observacionales solo pueden medir la correlación, no la causalidad. De hecho, uno de los principios básicos de las estadísticas es que «la correlación no implica causalidad». Esta es una forma elegante de decir que aunque dos cosas suceden al mismo tiempo (correlación), eso no significa que una cosa haya causado la otra (causalidad). Por ejemplo: ¿algunas personas están sanas porque toman multivitaminas o son personas sanas las que ya tienden a tomar multivitaminas? Sólo piénsalo.
Por su propio diseño, los estudios observacionales simplemente no pueden proporcionar evidencia para determinar causa y efecto. Esto significa que no debes usar estos estudios para realizar cambios en tu estilo de vida y comportamiento, para eso están los ensayos controlados aleatorios.
2. Ensayos controlados aleatorios
El ensayo controlado aleatorio (ECA) es utilizado para probar la efectividad de un tratamiento o intervención dentro de una población, a diferencia de los estudios observacionales que encuentran correlaciones, estos ensayos encuentran causalidades.
Los ensayos controlados aleatorios comienzan con una hipótesis y un grupo de personas (o, a veces, ratones). Los sujetos se dividen al azar en grupos (por lo tanto, aleatorizados). Un grupo recibe un tratamiento como un suplemento, un tipo de dieta o un protocolo de ejercicio, mientras que otro grupo actúa como un «control». Los grupos de control no reciben ningún tratamiento real, se usan como una comparación objetiva para ver si el tratamiento realmente tuvo un efecto en el grupo que se está evaluando.
La investigación financiada por la industria es notoria por proporcionar resultados realmente positivos e impresionantes. Los estudios realizados por compañías farmacéuticas y fabricantes de suplementos pueden estar ingeniosamente diseñados para obtener resultados favorables, mientras que los ensayos fallidos a menudo no se publican.
Nosotros te aconsejamos que ignores resultados financiados por la industria, y busques siempre investigaciones independientes para la verificación de cualquier hecho. En otras palabras, siempre revisa primero la sección «conflictos de intereses» antes de saltar a los detalles del documento.
3. Significación estadística
La significación estadística aparece tanto en estudios observacionales como en ECA. Es un número difícil de calcular a menos que hayas tomado algunos cursos de estadística, pero en pocas palabras quiere decir que si los resultados son estadísticamente significativos, puedes estar bastante seguro de que esos resultados no se debieron a la suerte. Sin embargo, algo muy importante a tener en cuenta es que sólo porque algo sea estadísticamente significativo, no significa que sea clínicamente significativo. Es decir, la significación estadística no dice nada sobre la magnitud de los resultados.
La importancia clínica (también conocida como práctica), por otro lado, te dice si la magnitud de los resultados es lo suficientemente grande como para que el tratamiento valga la pena. No hay un nivel establecido para determinarla; en realidad es solo una decisión basada en la experiencia. Por ejemplo, digamos que estás probando una nueva píldora para bajar de peso. Le das la píldora a 1,000 personas obesas y las 1,000 personas pierden 1 kg. Estos sujetos comenzaron el estudio pesando 135 kg y terminaron el estudio en un recorte de 134 kg.
Puedes estar bastante seguro de que estos resultados son estadísticamente significativos: la píldora casi definitivamente causó la pérdida de peso. Sin embargo, ¿estos resultados son clínicamente significativos? Probablemente no.
Aunque un estudio muestra resultados estadísticamente significativos, no significa nada si el tratamiento no es clínicamente significativo. Si la píldora ayudó a cada persona a perder 45 kg, eso sí sería clínicamente significativo.
Estadística engañosa en la investigación fitness y nutrición
1. Riesgo relativo
La estadística de investigación más engañosa presentada por los medios es el riesgo relativo. Esta estadística se usa tanto en estudios observacionales como en ECA. Es una medida de cuán dañino o útil puede ser algo.
Cuando escuchas en las noticias que comer carne roja provoca un aumento del 50% en el riesgo de ataque al corazón, ¿qué se supone que debes hacer? Obviamente se supone que debes tirar toda la carne en tu refrigerador, convertirte en un vegetariano estricto y estar feliz de haber descubierto cómo vivir para siempre, ¿no?
La cifra del 50% que se cita en las noticias es casi siempre un número llamado riesgo relativo. El riesgo relativo es la tasa de algún resultado en el grupo de intervención en relación con la tasa de ese resultado en un grupo diferente. Toma el ejemplo de la carne roja.
Los investigadores quieren ver si las personas que comen carne tienen más ataques cardíacos mortales que las personas que no comen carne, por lo que organizaron un gran estudio observacional que involucró a 200.000 consumidores de carne y no carnívoros en el transcurso de 10 años. En dicho estudio encontraron que 6 de cada 1.000 personas (0.6%) en el grupo de carne murieron de un ataque al corazón, mientras que 4 de cada 1.000 personas (0.4%) en el grupo sin carne murieron de un ataque al corazón. 6 muertes es un aumento del 50% sobre 4 muertes.
No obstante, a pesar de la naturaleza normalmente inútil del riesgo relativo, hay un momento en que es interesante. Por ejemplo, un estudio mostró que el riesgo relativo de contraer cáncer de pulmón para fumadores varones y no fumadores es del 2,300%. Eso significa que los hombres fumadores tienen 23 veces más probabilidades de contraer cáncer de pulmón. Una vez que el riesgo relativo comienza a exceder algunos cientos por ciento, podría valer la pena investigarlo.
2. Riesgo absoluto
Existe una estadística que es mucho más importante que el riesgo relativo: riesgo absoluto: la diferencia en las tasas de un resultado entre el grupo de intervención y otro grupo. Esta métrica también se usa tanto en estudios observacionales como en ECA.
En el hipotético estudio de carne roja, el 0.6% de las personas que comieron carne murieron de un ataque al corazón, mientras que el 0.4% de las personas que no comieron carne murieron de un ataque al corazón también. Esto es un aumento en el riesgo absoluto de 0.2%; 0.6% – 0.4% = 0.2%. En otras palabras, al comer carne, no tiene un aumento del 50% en el riesgo de morir a causa de un ataque al corazón, en realidad solo tiene un aumento del 0.2% ¿El 0.2% parece clínicamente significativo? Probablemente no.
Un buen punto de referencia para la significación clínica podría ser del 5-10%. Si el 8% del grupo de carne murió y solo el 0,4% en el grupo sin carne murió, entonces es posible que la gente que coma este tipo de carne tenga algo de qué preocuparse.
Referencia
- Serfaty, J. How To Understand Fitness & Nutrition Research: Ultimate Guide. Para Builtlean [Revisado en Febrero de 2018]
