Medicina basada en evidencia: jerarquía aplicada a la cabecera | Medicina Interna · Día 15

Programa de Medicina Interna · R1 · Día 15 de 1 095 · Bloque: Método clínico y razonamiento diagnóstico

Son las once de la noche, tienes a una paciente de 74 años con fibrilación auricular, una tasa de filtración de 38 mL/min y un familiar que te pregunta si el anticoagulante «de verdad sirve o solo es para que sangre». No tienes tiempo de leer cinco ensayos. Lo que necesitas es saber qué tipo de evidencia buscar, dónde encontrarla en tres minutos y cómo traducir un hazard ratio a algo que puedas decir en voz alta. De eso va el tema de hoy.

Lo esencial

• La medicina basada en evidencia no es una pirámide de diseños: es integrar la mejor evidencia disponible con la experiencia clínica y los valores del paciente (Sackett, 1996).
• Para decidir en la sala, busca de arriba hacia abajo: guías y sumarios basados en evidencia primero, revisiones sistemáticas después y estudios individuales al final (modelo 6S).
• GRADE califica la certeza por desenlace, no por estudio: los ensayos parten de certeza alta y bajan por sesgo, inconsistencia, evidencia indirecta, imprecisión o sesgo de publicación.
• Un estudio observacional bien hecho puede subir de nivel si el efecto es grande (RR ≥2 o ≤0,5), si hay gradiente dosis-respuesta o si los confusores juegan en contra del efecto observado.
• La reducción relativa del riesgo viaja bien entre poblaciones; la absoluta depende del riesgo basal de tu paciente. NNT = 1 / reducción absoluta del riesgo.
• Desconfía de los desenlaces sustitutos: CAST y la terapia hormonal de la WHI enseñaron que «mejora el número» no equivale a «vive más».

Qué es y qué no es la medicina basada en evidencia

La definición que sigue vigente es la de Sackett y colaboradores en el BMJ de 1996: el uso consciente, explícito y juicioso de la mejor evidencia actual para tomar decisiones sobre el cuidado de pacientes individuales. Tres palabras pesan más que el resto. «Juicioso» significa que la evidencia no se aplica a ciegas. «Mejor disponible» admite que a veces lo mejor que hay es una serie de casos. Y «pacientes individuales» nos recuerda que el ensayo responde por el promedio, mientras que tú respondes por la señora de la cama 12.

Hay dos caricaturas que conviene desmontar desde R1. La primera es la de la «medicina de recetario», donde la guía sustituye al criterio. La segunda, más frecuente en nuestros hospitales, es la medicina basada en la eminencia: «aquí siempre se ha hecho así» o «el jefe lo indica». Ambas fallan por el mismo lado, porque ignoran uno de los tres pilares: evidencia, experiencia o preferencias del paciente.

La pirámide clásica y por qué ya no basta

Todos aprendimos la pirámide: opinión de expertos abajo, luego series de casos, casos y controles, cohortes, ensayos clínicos aleatorizados y, en la cima, revisiones sistemáticas y metaanálisis. Sirve como primera orientación, pero tiene tres problemas que se notan en la práctica.

Primero, la mejor evidencia depende de la pregunta. Para una pregunta de tratamiento, el ensayo aleatorizado es el diseño de referencia. Para una pregunta de pronóstico, lo es la cohorte de inicio. Para una pregunta diagnóstica, el estudio transversal con comparación ciega e independiente frente a un estándar de referencia. La tabla de Oxford (OCEBM 2011) lo resuelve con una matriz: siete tipos de pregunta (prevalencia, diagnóstico, pronóstico, beneficio del tratamiento, daños frecuentes, daños raros y tamizaje) por cinco niveles.

Segundo, el diseño no garantiza la calidad. Un ensayo pequeño, sin ocultamiento de la asignación y con 30 % de pérdidas puede valer menos que una cohorte grande y bien ajustada. Murad y colaboradores propusieron en 2016 una «nueva pirámide» con líneas onduladas entre niveles, justamente para mostrar que la calidad del estudio puede subirlo o bajarlo, y sacaron a las revisiones sistemáticas de la cima para convertirlas en una lupa a través de la cual se mira el resto.

Tercero, y es lo más importante en la sala, la pirámide clásica dice qué diseño es más fuerte, pero no dice por dónde empezar a buscar cuando tienes poco tiempo. Para eso existe el modelo 6S.

El modelo 6S: la jerarquía de búsqueda

DiCenso, Bayley y Haynes ordenaron en 2009 las fuentes según cuánto trabajo de evaluación crítica ya hizo otro por ti. De arriba hacia abajo:

1. Sistemas: soporte de decisiones integrado a la historia clínica electrónica. En la mayoría de hospitales públicos de la región aún no existe.
2. Sumarios: guías de práctica clínica basadas en evidencia y textos de punto de atención que se actualizan de forma continua.
3. Sinopsis de síntesis: resúmenes críticos de revisiones sistemáticas (por ejemplo, los de ACP Journal Club).
4. Síntesis: revisiones sistemáticas, como las de Cochrane.
5. Sinopsis de estudios: resúmenes críticos de un estudio individual.
6. Estudios: el artículo original en PubMed.

La regla práctica es empezar por arriba y bajar solo si la respuesta no está o si sospechas que el sumario quedó desactualizado. Para una duda de guardia, una guía reciente de la sociedad pertinente o un sumario de punto de atención suele bastar. Para preparar una revisión de tema o discutir un caso difícil, baja a las revisiones sistemáticas. Epistemonikos, una base gratuita creada en Chile, es especialmente útil porque agrupa revisiones sistemáticas por pregunta y muestra qué estudios primarios comparten.

GRADE: la certeza se califica por desenlace

Casi todas las guías que vas a usar en la residencia (ESC, ACC/AHA, KDIGO, ADA en parte, la OMS y, en Perú, las guías del IETSI de EsSalud) gradúan sus recomendaciones con GRADE o con sistemas inspirados en él. Entenderlo te ahorra malas interpretaciones.

GRADE separa dos cosas que solemos confundir: la certeza de la evidencia (qué tan seguros estamos del efecto estimado) y la fuerza de la recomendación (qué tan claramente los beneficios superan a los daños, considerando también valores, costos y factibilidad). Puede existir una recomendación fuerte con certeza baja, por ejemplo cuando el daño de no actuar es catastrófico, y una recomendación condicional con certeza alta, cuando el beneficio es pequeño o las preferencias de los pacientes varían mucho.

Cómo se baja y cómo se sube

Los ensayos aleatorizados empiezan en certeza alta; los observacionales, en baja. Desde ahí, cinco dominios pueden bajar la certeza uno o dos niveles:

• Riesgo de sesgo: asignación no oculta, falta de cegamiento en desenlaces subjetivos, pérdidas importantes, análisis por protocolo cuando correspondía por intención de tratar.
• Inconsistencia: estudios que apuntan en direcciones distintas o heterogeneidad alta sin explicación.
• Evidencia indirecta: la población, la intervención, el comparador o el desenlace no son los de tu pregunta. Un ensayo hecho en suecos de 55 años no es exactamente tu paciente andino de 78.
• Imprecisión: intervalo de confianza amplio que cruza el umbral de decisión, pocos eventos.
• Sesgo de publicación: asimetría del gráfico de embudo, solo ensayos pequeños y positivos financiados por la industria.

Y tres criterios pueden subir la certeza de los observacionales (GRADE, guía 9, 2011): un efecto grande (riesgo relativo de al menos 2 o como máximo 0,5 sube un nivel; de al menos 5 o como máximo 0,2 sube dos), un gradiente dosis-respuesta y la situación en la que todos los confusores plausibles habrían reducido el efecto observado. Por eso nadie pide un ensayo aleatorizado para saber si la insulina salva al paciente en cetoacidosis o si el paracaídas sirve.

Certeza GRADE	Qué significa	Cómo decirlo en la visita
Alta	Es muy poco probable que nueva investigación cambie el efecto estimado	«Sabemos que…»
Moderada	El efecto real probablemente está cerca del estimado, pero podría ser distinto	«Probablemente…»
Baja	El efecto real puede ser sustancialmente distinto	«Podría…»
Muy baja	Hay mucha incertidumbre sobre el efecto	«No sabemos bien si…»

De la jerarquía a la cama: cuatro preguntas

Las guías de usuario de JAMA (Guyatt y colaboradores) resumen la lectura de cualquier artículo en tres preguntas: ¿son válidos los resultados?, ¿cuáles son los resultados?, ¿me ayudan con mi paciente? Para la sala, conviene añadir una pregunta previa: ¿cuál es exactamente mi pregunta?

1. Formula la pregunta en formato PICO

Paciente, intervención, comparador y desenlace. «¿Sirve la anticoagulación?» es una pregunta inútil para buscar. «En adultos mayores de 75 años con fibrilación auricular no valvular y TFG entre 30 y 50 mL/min, ¿un anticoagulante oral directo frente a warfarina reduce el ictus sin aumentar el sangrado mayor?» es una pregunta que se puede responder. Tarda treinta segundos formularla y ahorra media hora de búsqueda sin rumbo.

2. Identifica el tipo de pregunta y el diseño que la responde

Tipo de pregunta	Mejor diseño individual	Error típico
Tratamiento (beneficio)	Ensayo aleatorizado; revisión sistemática de ensayos	Creer a una cohorte que muestra beneficio de un fármaco preventivo (sesgo del usuario sano)
Daño raro	Cohortes grandes, casos y controles, farmacovigilancia	Concluir seguridad porque el ensayo no mostró el evento: no tenía tamaño para verlo
Diagnóstico	Estudio transversal con comparación ciega frente a estándar de referencia en pacientes como los tuyos	Usar sensibilidad derivada de casos graves contra controles sanos (sesgo de espectro)
Pronóstico	Cohorte de inicio con seguimiento completo	Tomar datos de un centro de referencia como si fueran de primer nivel
Prevalencia	Encuesta poblacional con muestreo aleatorio	Extrapolar prevalencia hospitalaria a la comunidad

3. Pasa del efecto relativo al absoluto

Aquí está el paso que más se salta y el que más cambia decisiones. Los ensayos reportan casi siempre efectos relativos (riesgo relativo, hazard ratio, odds ratio) porque son bastante estables entre poblaciones con distinto riesgo basal. Pero lo que le importa a tu paciente es el efecto absoluto, y este depende de cuánto riesgo tiene de partida.

La cuenta es sencilla: reducción absoluta del riesgo (RAR) = riesgo basal × reducción relativa del riesgo (RRR), y NNT = 1 / RAR. Un ejemplo ilustrativo: con una intervención que reduce eventos en 25 % en términos relativos, un paciente con 20 % de riesgo a 10 años pasa a 15 %, una RAR de 5 % y un NNT de 20. El mismo fármaco en un paciente con 4 % de riesgo deja una RAR de 1 % y un NNT de 100. Mismo hazard ratio, decisiones muy distintas, sobre todo si el fármaco cuesta, tiene efectos adversos o requiere controles de laboratorio que tu paciente no podrá hacerse.

Un ejemplo real con números redondos: en DAPA-HF (McMurray, 2019), el desenlace combinado de empeoramiento de insuficiencia cardiaca o muerte cardiovascular ocurrió en 16,3 % con dapagliflozina y en 21,2 % con placebo durante una mediana de 18 meses. La RAR es 4,9 % y el NNT ronda 21 en ese plazo. Ese es el número que se puede llevar a la conversación con el paciente, mucho más claro que «HR 0,74».

4. Decide si tu paciente se parece al del estudio

No preguntes si tu paciente cumple todos los criterios de inclusión, porque casi nunca los cumple. Pregunta al revés: ¿hay alguna razón biológica o social poderosa para pensar que el efecto sería opuesto o mucho menor? Edad extrema, insuficiencia renal grave, embarazo, imposibilidad de monitorizar (anticoagulación con warfarina sin acceso a INR, por ejemplo) o expectativa de vida menor que el tiempo que tarda el beneficio en aparecer. Si no hay una razón así, el resultado es aplicable.

Lo que la jerarquía no te dice: desenlaces que importan

Un ensayo impecable sobre un desenlace sustituto puede llevarte al error con total certeza metodológica. Dos historias que todo internista debería conocer:

CAST (1989-1991). Tras un infarto, las extrasístoles ventriculares se asociaban a muerte súbita. Encainida y flecainida las suprimían muy bien. El ensayo aleatorizado mostró que los pacientes tratados morían más, con un riesgo aproximadamente 2,5 veces mayor que con placebo. El número mejoraba; el paciente no.

Terapia hormonal y la WHI (2002). Décadas de estudios observacionales sugerían que la terapia hormonal posmenopáusica protegía del infarto. El ensayo aleatorizado de estrógeno más progestina encontró un aumento de eventos coronarios (HR 1,29; IC 95 %: 1,02 a 1,63). Las mujeres que usaban hormonas en los observacionales eran más sanas, más instruidas y con mejor acceso a salud: sesgo del usuario sano en estado puro.

La lección no es «los observacionales no sirven», sino que para preguntas de beneficio de tratamientos preventivos, donde el sesgo de selección es casi inevitable, el ensayo aleatorizado sobre desenlaces clínicos duros es insustituible. Y que una HbA1c, un LDL o un recuento de extrasístoles solo valen como sustitutos cuando se ha demostrado, con varias clases de fármacos, que moverlos cambia los eventos.

Cifras y fórmulas que se usan de verdad

Medida	Cálculo	Uso en la sala
Reducción absoluta del riesgo (RAR)	Riesgo control − riesgo intervención	Lo que realmente gana tu paciente
Reducción relativa del riesgo (RRR)	RAR / riesgo control, o 1 − RR	Se traslada entre poblaciones; multiplícala por el riesgo basal
NNT	1 / RAR (redondear hacia arriba)	Siempre con el plazo: «NNT 21 a 18 meses»
NNH	1 / aumento absoluto del riesgo de daño	Comparar con el NNT antes de indicar
Umbral GRADE para subir certeza	RR ≥2 o ≤0,5 (un nivel); ≥5 o ≤0,2 (dos niveles)	Cuándo un observacional pesa como un ensayo
Intervalo de confianza	Rango compatible con los datos	¿Cruza el umbral de lo clínicamente relevante? Si cruza, la evidencia es imprecisa

Cómo buscar en tres minutos desde el celular

Una secuencia que funciona en guardia, incluso con datos móviles limitados:

1. Guía vigente de la sociedad pertinente (ESC, ACC/AHA, KDIGO, ADA, IDSA, GOLD, GINA) o guía nacional si existe y está actualizada. Mira el año y el nivel de evidencia de la recomendación concreta, no solo la recomendación.
2. Si la guía no responde o tiene más de tres o cuatro años en un campo que se mueve rápido, Epistemonikos o la Biblioteca Cochrane para revisiones sistemáticas.
3. PubMed con el filtro Clinical Queries (por categoría: therapy, diagnosis, prognosis, etiology) para ensayos recientes que aún no entraron a las revisiones.
4. TRIP Database como atajo cuando no sabes por dónde empezar: ordena resultados por tipo de evidencia.

En el contexto peruano y de buena parte de la región, agrega un paso que ninguna guía internacional resuelve: verificar si el fármaco o la prueba está en el petitorio nacional o en el de tu institución. La mejor evidencia del mundo sobre un fármaco que tu paciente no podrá comprar después del alta sirve de poco; ahí la decisión basada en evidencia es elegir la mejor alternativa disponible y documentarlo.

Los valores del paciente también son evidencia

La tercera pata del taburete se olvida en la visita apurada. Un NNT de 50 para evitar un ictus puede ser una ganga para un paciente que vio a su madre hemipléjica, y un mal negocio para otro que vive solo, lejos del centro de salud, y teme más una hemorragia que no podrá atender a tiempo. Presentar números absolutos, con el mismo denominador para beneficio y daño («de cada 100 personas como usted, en dos años…»), permite que el paciente participe de verdad. Las ayudas de decisión con pictogramas de 100 figuras funcionan bien incluso en personas con baja alfabetización numérica.

Perlas y errores frecuentes

• Un metaanálisis no es automáticamente la mejor evidencia: un metaanálisis de ensayos pequeños y sesgados es basura bien sumada. Mira la certeza GRADE del desenlace que te interesa.
• «Sin diferencia significativa» no es «igual». Revisa el intervalo de confianza: si incluye un beneficio o un daño importante, el estudio no descartó nada.
• Los análisis de subgrupos suelen ser generadores de hipótesis. Créele a un subgrupo solo si fue preespecificado, tiene plausibilidad biológica, la interacción es estadísticamente significativa y se repite en otros estudios.
• El NNT sin plazo no significa nada. NNT 20 a seis meses y NNT 20 a diez años son intervenciones distintas.
• Un desenlace compuesto puede estar arrastrado por su componente más blando (hospitalización, revascularización) mientras la mortalidad no cambia. Mira cada componente.
• Una recomendación «fuerte» con certeza «baja» existe y es legítima, pero merece que leas la justificación: suele haber un juicio de valor detrás.
• No confundas «no hay evidencia de beneficio» con «hay evidencia de que no hay beneficio». La primera invita a seguir buscando; la segunda a dejar de indicar.

Un caso para practicar

Varón de 58 años, diabético, sin enfermedad cardiovascular conocida, que pregunta si debe tomar aspirina «para el corazón» porque lo leyó en internet. La pregunta PICO es de tratamiento preventivo. El nivel de búsqueda adecuado es una guía reciente: las guías actuales de prevención primaria ya no recomiendan aspirina de rutina en prevención primaria, y la reservan, como mucho, para casos seleccionados de alto riesgo cardiovascular y bajo riesgo de sangrado. Detrás están ensayos grandes en los que la reducción de eventos isquémicos se compensó en buena parte con el aumento de sangrados mayores. Si haces el ejercicio de RAR y NNH con las cifras de esos ensayos, verás por qué el balance es estrecho, y por qué en un paciente con dispepsia o antecedente de úlcera se inclina claramente hacia no indicarla.

Lo que este caso enseña sobre la jerarquía es que el paciente llegó con una «evidencia» de nivel 5 (una opinión en la red), tú respondiste con un sumario de nivel alto, y la conversación final se apoyó en números absolutos y en sus propios riesgos. Esa es toda la medicina basada en evidencia en cinco minutos.

Qué dice la guía

No hay una «guía» de medicina basada en evidencia en sentido estricto, pero sí marcos metodológicos aceptados de forma universal. El grupo de trabajo GRADE (Guyatt y colaboradores, BMJ 2008, con la serie de guías metodológicas del Journal of Clinical Epidemiology desde 2011) define cómo se califica la certeza y la fuerza de las recomendaciones, y es el sistema que usan la OMS, la mayoría de sociedades científicas y, en el Perú, el IETSI de EsSalud para sus guías. La tabla de niveles de evidencia de Oxford (OCEBM, 2011) ofrece una matriz por tipo de pregunta pensada como heurística de búsqueda, y sus propios autores advierten que el nivel no reemplaza la evaluación crítica. El modelo 6S (DiCenso, Bayley y Haynes, 2009) sigue siendo la mejor guía práctica de por dónde empezar a buscar.

Continúa el programa

Ayer trabajamos sensibilidad, especificidad, valores predictivos y razones de verosimilitud, que son la cara diagnóstica de lo que hoy vimos para tratamiento. Mañana, día 16, toca la evaluación del estado funcional con la escala de Karnofsky en el paciente hospitalizado: una herramienta sencilla que cambia pronósticos y decisiones de tratamiento. El temario completo, día por día, está en la página del Programa de Medicina Interna.

Referencias

1. Sackett DL, Rosenberg WM, Gray JA, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn’t. BMJ. 1996;312(7023):71-2. doi:10.1136/bmj.312.7023.71
2. Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336(7650):924-6. doi:10.1136/bmj.39489.470347.AD
3. Guyatt GH, Oxman AD, Sultan S, Glasziou P, Akl EA, Alonso-Coello P, et al. GRADE guidelines: 9. Rating up the quality of evidence. J Clin Epidemiol. 2011;64(12):1311-6. PMID: 21802902
4. Murad MH, Asi N, Alsawas M, Alahdab F. New evidence pyramid. Evid Based Med. 2016;21(4):125-7. doi:10.1136/ebmed-2016-110401
5. OCEBM Levels of Evidence Working Group. The Oxford 2011 Levels of Evidence. Oxford Centre for Evidence-Based Medicine; 2011. Disponible en: cebm.ox.ac.uk
6. McMurray JJV, Solomon SD, Inzucchi SE, Køber L, Kosiborod MN, Martinez FA, et al. Dapagliflozin in patients with heart failure and reduced ejection fraction. N Engl J Med. 2019;381(21):1995-2008. doi:10.1056/NEJMoa1911303

Si este programa te sirve, suscríbete a Medicina Cardiometabólica para recibir cada tema del día en tu correo. Mañana seguimos en la cabecera del paciente.