Casos Prácticos Integrados

Los datos descriptos tienen una distribución marcadamente asimétrica a la derecha (capítulo I.2): la mayoría de los casos se concentra en un rango bajo, mientras una minoría de casos extremos "arrastra" la media hacia arriba —el mismo fenómeno del ejemplo de días de internación visto en el capítulo I.3—. Reportar "media $850.000 ± DE $920.000" sugiere, engañosamente, que el paciente "típico" tiene un costo cercano a esa cifra, cuando en realidad la mayoría de los pacientes tuvo costos bastante menores. En esta situación corresponde reportar la mediana y el rango intercuartílico (capítulo I.4), medidas robustas frente a los valores atípicos, que representarían mucho mejor la experiencia típica de costo para la mayoría de los pacientes, sin ocultar por eso la existencia de los casos extremos (que podrían reportarse aparte, describiendo específicamente esa subpoblación de alto costo).

Aplicando el Teorema de Bayes (capítulo II.2) sobre una población hipotética de 10.000 personas con prevalencia 1% (100 enfermos, 9.900 sanos): de los 100 enfermos, la sensibilidad del 95% detecta a 95 (verdaderos positivos); de los 9.900 sanos, la especificidad del 90% da negativo correctamente a 8.910, pero produce 990 falsos positivos (10% de 9.900). El VPP (capítulo V.2) resulta VPP = 95 / (95+990) ≈ 8,8% — es decir, de cada 100 personas asintomáticas con resultado positivo en este tamizaje, apenas 9 están realmente enfermas, y 91 son falsos positivos. La sorpresa surge precisamente de la trampa discutida en el capítulo II.2 y V.2: sensibilidad y especificidad son propiedades fijas de la prueba, pero el valor predictivo positivo depende críticamente de la prevalencia — en un tamizaje de baja prevalencia sin sospecha clínica previa, incluso una prueba "buena" (95%/90%) genera, en términos absolutos, muchos más falsos positivos que verdaderos positivos.

No necesariamente. Como se desarrolla en el capítulo III.3, "no significativo" no equivale a "no hay efecto" — solo indica que, con los datos disponibles en esa muestra particular, no hubo evidencia suficiente para rechazar la hipótesis nula al umbral elegido. Con apenas 40 participantes por grupo, el estudio podría tener poder estadístico insuficiente (capítulo V.4) para detectar de forma confiable una diferencia de 6 mmHg si esa es, efectivamente, la magnitud real del efecto del fármaco —un tamaño de efecto modesto que exigiría una muestra bastante mayor para alcanzar significación estadística con confianza—. La conclusión correcta y más cautelosa sería: "el estudio no encontró evidencia estadísticamente significativa del efecto, pero el tamaño muestral limitado no permite descartar un efecto clínicamente relevante" — y lo apropiado sería calcular el poder estadístico post-hoc de este diseño, o directamente diseñar un estudio nuevo con el tamaño muestral adecuado calculado de antemano para el efecto que se busca detectar.

Tal como se discute en el capítulo IV.1, una correlación —sin importar cuán fuerte o estadísticamente significativa sea— es compatible con una variable de confusión que cause tanto la exposición estudiada como el desenlace. En este caso concreto, el tabaquismo es un candidato evidente: las personas que fuman tienden también, en muchas poblaciones, a consumir más café (hábitos que suelen coexistir socialmente), y el tabaquismo es una causa establecida de cáncer de pulmón. Si el estudio no midió ni ajustó estadísticamente por el hábito tabáquico de los participantes, la asociación observada entre café y cáncer de pulmón podría deberse enteramente a que ambas variables comparten al tabaquismo como causa común, sin que el café tenga ningún rol causal directo. Un diseño más riguroso debería medir y ajustar estadísticamente por esta variable de confusión conocida antes de sugerir cualquier relación causal entre café y cáncer de pulmón.

Como se explica en el capítulo IV.3, el coeficiente de Pearson mide asociación lineal —si ambos instrumentos suben y bajan juntos de forma proporcional— pero no mide si sus valores absolutos coinciden entre sí. Es perfectamente posible que el nuevo tensiómetro digital mida sistemáticamente, por ejemplo, 12 mmHg más alto que el método de referencia en todo el rango de presiones, y aun así obtener r=0,96, porque ambos instrumentos seguirían moviéndose juntos de forma casi perfectamente proporcional. Un análisis de intercambiabilidad clínicamente válido requeriría el método de Bland-Altman, que grafica directamente la magnitud de la diferencia entre ambos instrumentos frente a su promedio, y calcula los límites de concordancia esperables — la pregunta correcta ("¿estos dos métodos producen valores lo suficientemente similares para el mismo paciente?") es distinta de la que Pearson responde ("¿se mueven juntos estos dos métodos?"), y el estudio del fabricante, tal como se describe, no responde la primera.

El titular es matemáticamente correcto en cuanto al valor del riesgo relativo (0,105% / 0,05% ≈ 2,1), pero omite información crítica sobre la magnitud absoluta del riesgo (capítulo V.3). La reducción —o en este caso, el aumento— absoluto del riesgo es de apenas 0,055 puntos porcentuales: el número necesario para dañar (el equivalente conceptual del NNT para un efecto adverso) sería aproximadamente 1/0,00055 ≈ 1818 — es decir, aproximadamente 1818 personas deberían consumir el suplemento, en promedio, para que se produzca un caso adicional de esta complicación, comparado con no consumirlo. Comunicar únicamente "duplica el riesgo" sin el riesgo basal correspondiente exagera la percepción de peligro real: un RR=2,1 sobre un riesgo basal extremadamente bajo (0,05%) representa un riesgo absoluto adicional mínimo, mientras que el mismo RR=2,1 sobre un riesgo basal del 20% representaría un aumento absoluto mucho más relevante clínicamente. Cualquier comunicación responsable de un riesgo relativo debería acompañarse siempre del riesgo basal absoluto correspondiente.