Interpretar una afirmación sobre salud mental requiere reconstruir la pregunta, identificar el diseño y la comparación, valorar la magnitud y la certeza, y comprobar a quién puede aplicarse. Este artículo recorre esos pasos con una lista de lectura crítica, sin convertir el resultado de un estudio en una recomendación individual.
Reconstruir la pregunta exacta
“Hay evidencia” no es una conclusión suficiente. El primer paso es precisar qué pregunta responde la afirmación: en qué población, sobre qué intervención o exposición, frente a qué comparación y para qué resultado. Una fuente puede ser rigurosa y, aun así, no responder a la decisión que preocupa.
Una pregunta sobre si un tratamiento reduce síntomas no es igual que preguntar si mejora funcionamiento, previene recaídas o produce efectos adversos. Tampoco es equivalente estudiar adultos con un diagnóstico concreto y extrapolar el resultado a cualquier persona con malestar.
Definir la pregunta evita citas decorativas. Una referencia debe respaldar una afirmación identificable y utilizarse dentro de su alcance. Las guías clínicas pueden orientar decisiones en su población; los informes oficiales describen marcos poblacionales; una revisión sistemática resume estudios que siguen teniendo limitaciones.
Identificar diseño, comparación y resultado
Después hay que reconocer cómo se obtuvo el resultado y qué se comparó. Los ensayos aleatorizados comparan intervenciones intentando equilibrar otros factores entre grupos. Son especialmente útiles para estimar efectos, pero pueden tener pérdidas, mediciones imperfectas, duración breve o participantes poco representativos. Un solo ensayo no cierra una pregunta.
Los estudios observacionales permiten examinar exposiciones y resultados en contextos reales, incluidos daños infrecuentes o evoluciones largas. Su interpretación causal es más difícil porque los grupos pueden diferir antes de la exposición. Los estudios cualitativos responden preguntas sobre experiencia, aceptabilidad o barreras que una cifra no captura.
Las revisiones sistemáticas buscan, seleccionan y sintetizan estudios con un método explícito. Su calidad depende de la búsqueda, los criterios, el riesgo de sesgo y la coherencia de la síntesis. El Handbook Cochrane describe estas decisiones y advierte que el sesgo puede sobreestimar o infraestimar efectos. [6]
El diseño condiciona qué pregunta puede responderse y qué limitaciones deben examinarse, pero no determina por sí solo la certeza. Para interpretar la comparación también hay que comprobar qué resultado se midió, durante cuánto tiempo y si coincide con el resultado del que habla la afirmación.
Distinguir asociación y causalidad
Una asociación indica que dos variables aparecen relacionadas; no determina por sí sola que una cause la otra. Puede existir causalidad inversa, un tercer factor o errores de medición. Por ejemplo, una relación entre sueño y malestar puede reflejar que el sueño influye, que el malestar altera el sueño o que ambos comparten determinantes.
La causalidad se valora acumulando elementos: temporalidad, plausibilidad, consistencia, control de confusión y resultados de diseños distintos. No existe una palabra mágica en el resumen de un estudio. Cuando la fuente solo permite hablar de asociación, la conclusión debe conservar ese límite.
Valorar sesgo y certeza
El siguiente paso es examinar si decisiones de selección, medición, seguimiento o análisis pueden distorsionar el resultado. La calidad metodológica de un estudio, el riesgo de sesgo y la certeza del conjunto de evidencia están relacionados, pero no son conceptos equivalentes.
La certeza expresa cuánto podemos confiar en una estimación para un resultado concreto. El enfoque GRADE considera riesgo de sesgo, inconsistencia, indirectitud, imprecisión y posible sesgo de publicación. La certeza se evalúa por resultado, no como una calificación global y permanente de toda la literatura. [7]
Una certeza baja no demuestra que una intervención no funcione; indica que la estimación puede cambiar de forma importante con mejor evidencia. Una certeza alta tampoco promete la misma respuesta individual. Comunicar la certeza ayuda a ajustar la confianza, no a producir una decisión automática.
Interpretar magnitud relativa y absoluta
Los estudios suelen comparar promedios o proporciones. Ese resumen es útil para estimar qué ocurre con mayor frecuencia, pero no muestra todas las trayectorias. Dentro de un mismo grupo algunas personas mejoran mucho, otras poco y otras presentan problemas. Parte de la variabilidad es real y parte se debe al azar o a cómo se midió.
No siempre se conocen bien los modificadores de respuesta. Los análisis de subgrupos pueden generar hipótesis, pero multiplicar comparaciones aumenta la probabilidad de hallazgos casuales. Una afirmación sobre “quién responde” exige evidencia específica, no una explicación retrospectiva atractiva.
La significación estadística informa sobre compatibilidad con una hipótesis, pero no dice por sí sola si el beneficio importa. Hay que observar la magnitud, la incertidumbre y el resultado medido. Una variación pequeña en una escala puede no traducirse en un cambio perceptible de funcionamiento.
Los efectos relativos comparan proporciones, mientras que los absolutos muestran la diferencia en eventos entre grupos. Un mismo efecto relativo puede tener consecuencias absolutas distintas según el riesgo inicial. El Handbook Cochrane recomienda interpretar ambos dentro del contexto y de los resultados relevantes. [8]
No es necesario dominar fórmulas para hacer una pregunta útil: ¿cuántas personas presentan el resultado con y sin la intervención, durante qué periodo y con qué margen de incertidumbre?
Examinar riesgos y abandonos
Beneficio y daño deben analizarse conjuntamente. Los ensayos pueden no tener tamaño o duración suficientes para detectar problemas infrecuentes. Los estudios observacionales y la vigilancia aportan información complementaria, aunque también tienen sesgos.
La ausencia de una diferencia detectada no prueba ausencia de riesgo. Conviene examinar qué daños se buscaron, cómo se registraron y cuántas personas participaron. Además de efectos adversos clínicos, importan carga, abandonos, coste y dificultades prácticas.
Comprobar aplicabilidad
La aplicabilidad pregunta cuánto se parece la situación real a la estudiada: edad, diagnóstico, gravedad, comorbilidad, tratamientos, contexto y desenlaces. Una guía sobre depresión en adultos puede aportar un ejemplo sólido de evaluación y decisiones, pero no se convierte por ello en una guía universal para cualquier problema psiquiátrico. [1]
La evidencia científica estima lo que ocurrió en personas estudiadas bajo unas condiciones. La práctica clínica añade diagnóstico, riesgos, preferencias, comorbilidad, recursos y seguimiento. Ninguna de esas capas sustituye a la otra, y un resultado grupal no se transforma directamente en una recomendación individual.
La decisión clínica integra evidencia con preferencias y valores. NICE describe la decisión compartida como un proceso de intercambio sobre opciones, riesgos, beneficios y consecuencias, con un acuerdo sobre revisión. [2] Esto no elimina la responsabilidad profesional ni convierte todas las opciones en equivalentes.
Redactar una conclusión proporcionada
La conclusión debe corresponder a la pregunta, el diseño, la comparación y el resultado examinados. Debe distinguir datos de interpretación, conservar los límites sobre causalidad, expresar la magnitud con su incertidumbre e indicar a qué población y contexto puede aplicarse.
La incertidumbre puede proceder de pocos estudios, resultados contradictorios, mediciones indirectas o aplicabilidad limitada. Ocultarla crea falsa seguridad; exagerarla puede paralizar. Una comunicación proporcionada explica qué se sabe, qué podría cambiar y cómo se vigilará la decisión.
Cuando la certeza es menor, puede ser razonable priorizar opciones reversibles, vigilar de cerca o posponer una afirmación. Esa respuesta depende también de la gravedad y del coste de no actuar. No existe una regla única que convierta un nivel de certeza en una decisión automática.
La conclusión también debe situarse en el tiempo. La evidencia cambia cuando aparecen nuevos estudios, se corrigen errores o se actualizan guías. Una fecha reciente no garantiza calidad y una fuente antigua no queda invalidada solo por su edad: importan la vigencia, el método y si se ha revisado la pregunta.
Actualizar un artículo exige comprobar si cambian las conclusiones, la seguridad o la aplicabilidad. Cambiar únicamente la fecha no constituye una revisión. Las correcciones relevantes deben hacerse visibles cuando alteren la interpretación clínica.
Lista de lectura crítica
Antes de aceptar una afirmación conviene preguntar:
- ¿Qué pregunta exacta responde la fuente?
- ¿Qué población, intervención o exposición y resultado estudia?
- ¿Qué diseño utiliza y qué permite concluir?
- ¿Existe una comparación adecuada?
- ¿La afirmación distingue asociación de causalidad?
- ¿Qué sesgos o limitaciones pueden afectar al resultado?
- ¿Qué certeza, magnitud y margen de incertidumbre presenta?
- ¿Expone los efectos relativos y absolutos en su contexto?
- ¿Se valoraron riesgos, efectos adversos y abandonos?
- ¿Es aplicable a la situación sobre la que se habla?
- ¿La conclusión distingue datos de interpretación?
Esta lista no sustituye una evaluación metodológica formal. Sirve para detectar afirmaciones que necesitan más contexto y para evitar que un único estudio se convierta en una recomendación universal.
Límites del contenido divulgativo
Interpretar evidencia no permite elegir un tratamiento individual desde una página web. La historia clínica, los riesgos y las preferencias no aparecen en un promedio. Este texto tampoco asigna niveles GRADE propios a intervenciones: esa tarea requiere una revisión explícita del conjunto de evidencia.
Ante decisiones clínicas, efectos adversos o empeoramiento, corresponde consultar con profesionales responsables. Si existe riesgo inmediato, se necesita atención urgente.