Diseño de los estudios
La literatura quirúrgica puede clasificarse a grandes rasgos como aquellos artículos con un interés principal en la terapia, el pronóstico, el daño, el análisis económico o los que se centran en las visiones generales, por nombrar algunos.5 Dentro de cada clasificación existe una jerarquía de la evidencia, es decir, algunos estudios son más adecuados que otros, para responder a una cuestión de terapia, por ejemplo, y pueden representar con mayor precisión la «verdad». La capacidad de un estudio para hacerlo depende de dos factores principales, el diseño del estudio y la calidad del mismo.3 En este contexto, nos centraremos en su mayor parte en los estudios que abordan la terapia, ya que, por lo general, se trata del estudio más común en la literatura quirúrgica ortopédica.
La literatura terapéutica disponible puede clasificarse a grandes rasgos como aquellos estudios de naturaleza observacional y aquellos estudios que tienen un diseño experimental aleatorio.2 La razón por la que los estudios se colocan en una jerarquía es que los que están en la parte superior se consideran la «mejor evidencia».5 En el caso de los ensayos terapéuticos se trata del ensayo controlado aleatorio (ECA) y los meta-análisis de los ECA. Los ECA tienen, por la naturaleza de la aleatorización, la capacidad de ayudar a controlar los sesgos.6,7 Los sesgos (de los que hay muchos tipos) pueden confundir el resultado de un estudio, de manera que éste puede sobrestimar o subestimar el verdadero efecto del tratamiento.8 La aleatorización es capaz de lograr esto no sólo controlando las variables pronósticas conocidas, sino también, y lo que es más importante, controlando las variables pronósticas desconocidas dentro de una población de muestra.7 Es decir, el acto de la aleatorización debería ser capaz de crear una distribución equitativa de las variables pronósticas (tanto conocidas como desconocidas) dentro de los grupos de control y de tratamiento dentro de un estudio. Esta medida de control del sesgo ayuda a conseguir una estimación más precisa de la verdad.6 Aquellos estudios de naturaleza más observacional tienen dentro de sus diseños áreas de sesgo que no están presentes en el ensayo aleatorio.
Los meta-análisis de los ensayos controlados aleatorios utilizan, en efecto, los datos de los ECAs individuales y los agrupan estadísticamente.5,9 Esto aumenta efectivamente el número de pacientes de los que se obtuvieron los datos, aumentando así el tamaño efectivo de la muestra. Por ejemplo, si tres ECAs están a favor de un tratamiento y dos no, o si los resultados muestran una amplia variación entre las estimaciones del efecto del tratamiento con grandes intervalos de confianza (es decir, la precisión de la estimación puntual del efecto del tratamiento es pobre) entre los diferentes ECAs, entonces hay alguna variable (o variables) que causa resultados inconsistentes entre los estudios (una variable puede ser, de hecho, las diferencias en la calidad del estudio entre otras) y la calidad de los resultados utilizables de la agrupación estadística será pobre. Sin embargo, si se utilizan cinco ECAs metodológicamente bien hechos, todos los cuales favorecen un tratamiento y tienen medidas precisas del efecto del tratamiento (es decir, intervalos de confianza estrechos) entonces los datos obtenidos de la agrupación estadística son mucho más creíbles. Los primeros estudios pueden denominarse heterogéneos y los segundos homogéneos.9
En contraste con esto, el nivel más bajo de la jerarquía (aparte de la opinión de los expertos) es el informe de casos y las series de casos.3 Estos suelen ser de naturaleza retrospectiva y no tienen grupo de comparación. Suelen ser retrospectivos y no tienen un grupo de comparación, por lo que sólo pueden ofrecer resultados para un subgrupo de la población (los que han recibido la intervención). Existe la posibilidad de introducir un sesgo, especialmente si la recogida de datos o el seguimiento son incompletos, lo que puede ocurrir con los diseños de estudios retrospectivos. Además, estos estudios suelen basarse en la experiencia de un solo cirujano o centro, lo que puede plantear dudas sobre la generalización de los resultados. Incluso con estos inconvenientes, este diseño de estudio puede ser útil de muchas maneras. Pueden utilizarse eficazmente para la generación de hipótesis, así como para proporcionar potencialmente información sobre entidades de enfermedades raras o complicaciones que puedan estar asociadas a determinados procedimientos o implantes. Por ejemplo, informar de las tasas de infección tras una gran serie de fracturas de tibia tratadas con un clavo intramedular fresado10 o la tasa de fracaso del hardware de un implante concreto, por nombrar algunos.
El siguiente nivel de estudio es el de casos y controles. El caso-control comienza con un grupo que ha tenido un resultado de interés y observa a otros individuos similares para ver qué factores pueden haber estado presentes en el grupo de estudio y pueden estar asociados con el resultado. Tomemos un ejemplo hipotético. Los pacientes que tienen una no-unión después de una fractura de la tibia tratada con un clavo intramedular. Si se quisiera ver qué factores pronósticos pueden haber contribuido a ello, se podría comparar un grupo emparejado por las variables pronósticas conocidas, como la edad, el tipo de tratamiento, el patrón de fractura, etc., y se podría realizar un análisis de otras variables pronósticas, como el tabaquismo, el uso de antiinflamatorios no esteroideos o el patrón de fractura, para ver si existe alguna asociación entre éstas y el desarrollo de la no unión. El inconveniente de este diseño es que puede haber factores de riesgo desconocidos o aún no identificados que no podrían ser analizados. Sin embargo, en los que se conocen, la fuerza de la asociación puede determinarse y darse en forma de odds ratios o, a veces, de riesgos relativos. Otros puntos fuertes de este diseño de estudio son que suelen ser menos costosos de implementar y pueden permitir una «respuesta» más rápida a una pregunta específica. También pueden permitir el análisis de múltiples factores pronósticos y las relaciones dentro de estos factores para ayudar a determinar las posibles asociaciones con el resultado elegido (en este caso, la no unión).
En contraste con el estudio de casos y controles y ligeramente más alto en la jerarquía de niveles de evidencia,3 el estudio de cohortes suele realizarse de forma prospectiva (aunque puede hacerse retrospectivamente) y suele seguir a dos grupos de pacientes. Uno de estos grupos tiene un factor de riesgo o pronóstico de interés y el otro no. Se hace un seguimiento de los grupos para ver cuál es la tasa de desarrollo de una enfermedad o resultado específico en los que tienen el factor de riesgo en comparación con los que no lo tienen. Dado que esto suele hacerse de forma prospectiva, se sitúa en una posición más alta dentro de la jerarquía, ya que la recogida de datos y el seguimiento pueden controlarse más estrechamente y se puede intentar que sean lo más completos y precisos posible. Este tipo de diseño de estudio puede ser muy potente en algunos casos. Por ejemplo, si se quisiera ver cuál es el efecto del tabaquismo en las tasas de no-unión, no sería ético ni generalmente posible aleatorizar a los pacientes con fracturas entre los que van a fumar y los que no. Sin embargo, siguiendo a dos grupos de pacientes, fumadores y no fumadores con fracturas de tibia, por ejemplo, se pueden documentar las tasas de no unión entre los dos grupos. En este caso, debido a su diseño prospectivo, los grupos pueden al menos emparejarse para intentar limitar el sesgo de al menos aquellas variables pronósticas que se conocen, como la edad, el patrón de fractura o el tipo de tratamiento, por nombrar algunas.
Es importante comprender las distinciones entre los diseños de los estudios. Algunos investigadores sostienen que los estudios observacionales bien construidos conducen a conclusiones similares a las de los ECA.11 Sin embargo, otros sugieren que los estudios observacionales tienen un potencial más significativo para sobreestimar o subestimar los efectos del tratamiento. De hecho, existen ejemplos tanto en las especialidades médicas como en las quirúrgicas ortopédicas que demuestran que se pueden encontrar resultados discrepantes entre los ensayos aleatorios y los no aleatorios.6,8,12 Un ejemplo reciente no quirúrgico de esto es la terapia de sustitución hormonal en mujeres posmenopáusicas.13,14 Los estudios observacionales anteriores sugerían que había un efecto significativo de la terapia de sustitución hormonal en la densidad ósea con un perfil de riesgo favorable. Sin embargo, un gran ECA reciente descubrió un aumento de la incidencia de acontecimientos adversos perjudiciales, tanto cardíacos como de otro tipo, en las personas sometidas a terapia hormonal sustitutiva, riesgos que hasta ahora habían sido subestimados por los estudios observacionales.13,14 Como resultado de ello, el tratamiento de la osteoporosis posmenopáusica ha experimentado un cambio en la terapia de primera línea.13 En la literatura ortopédica se ha sugerido que al evaluar los ensayos aleatorios y no aleatorios con estudios de artroplastia frente a fijación interna, los estudios no aleatorios sobrestimaron el riesgo de mortalidad tras la artroplastia y subestimaron el riesgo de cirugía de revisión con la artroplastia.8 Curiosamente, también descubrieron que en los estudios no aleatorios que obtuvieron resultados similares a los de los estudios aleatorios, la edad del paciente, el sexo y el desplazamiento de la fractura se controlaron entre los grupos.8 Esto ilustra la importancia tanto del control de las variables como de la aleatorización, que controlará variables potencialmente importantes pero aún desconocidas.
Así pues, el tipo de diseño de estudio utilizado sitúa el estudio en líneas generales en una jerarquía de evidencia que va desde las series de casos hasta el ensayo controlado aleatorio. Sin embargo, también existe una jerarquía interna dentro de los niveles generales de evidencia y que suele basarse en la metodología del estudio y en la calidad general.