Desde que comenzó la pandemia, los científicos de todo el mundo han estado buscando un medicamento que pueda combatir el covid-19, probando sustancias que ya existen para una posible acción contra el nuevo coronavirus. La causa es extremadamente noble: se puede descubrir una cura, o al menos un tratamiento auxiliar. El problema es que, en un escenario de emergencia, hay contratiempos en la ciencia en busca de una salida milagrosa de la pandemia, y luego la evidencia científica para establecer un tratamiento termina siendo excluida. Pero, después de todo, ¿qué significan estas evidencias y cómo llegan allí?

El proceso varía ligeramente de un contexto a otro, pero en general, la ciencia tiene una herramienta que se considera bastante efectiva para evaluar si un medicamento funciona o no. Ella se llama «estudio clínico controlado aleatorizado«, Conocido por el acrónimo inglés RCT. Este tipo de estudio tiene una serie de reglas que ayudan a garantizar que los resultados realmente muestren si el medicamento probado funciona o no. En estos estudios, se controlan otras variables del paciente para no interferir (o interferir lo menos posible) en los resultados.

Funciona así: primero, el equipo de científicos necesita personas enfermas, cuanto más mejor. Estas personas se dividen, al azar, en dos grupos. El hecho de que sea aleatorio es muy importante («aleatorio» se refiere a esto, ya que «aleatorio» es aleatorio en inglés). Esto es esencial porque elegir cuidadosamente quién está en cada grupo puede generar factores de confusión que dificultan la interpretación de los resultados. Si un grupo tiene muchas personas mayores, por ejemplo, y la enfermedad en cuestión se manifiesta de manera diferente según la edad, los resultados de las dos muestras probablemente serán diferentes debido a esto y no debido a la acción del medicamento.

Después de la división, un grupo recibirá el medicamento probado, mientras que otro grupo, llamado «control», recibe un placebo (una píldora sin efecto en el cuerpo, por ejemplo). Siempre es preferible que esto se haga de una manera llamada «doble ciego», es decir, que ni los investigadores ni los pacientes sepan qué grupo está recibiendo qué (obviamente, los investigadores tienen acceso a esta información más tarde, en el momento de interpretar los resultados). Esto evita que los grupos sean tratados de manera diferente por los investigadores. Esta diferencia en el tratamiento puede incluso influir en el efecto placebo en pacientes.

Siguiendo estos pasos, es posible comparar, después del final del período de tratamiento establecido, los datos de los diferentes grupos. Si el grupo que recibió el medicamento tuvo resultados significativamente mejores, es muy probable que estos efectos positivos puedan atribuirse al medicamento, ya que las otras variables fueron controladas. Si no hubo mucha diferencia entre las muestras, el medicamento tampoco hizo mucha diferencia, y probablemente no sea efectivo. También existe la posibilidad de que el grupo medicado tenga peores resultados, lo que indica que los efectos secundarios del medicamento pueden ser incluso peores que la enfermedad misma. Es por eso que hay contraindicaciones para algunos medicamentos dependiendo de la condición de salud del paciente.

Si estos pasos son suficientes para demostrar que un medicamento funciona, entonces el proceso es fácil, ¿verdad? Bueno no exactamente. Es más fácil describir un estudio de ECA que ponerlo en práctica. Esto se debe a que hay muchos detalles a tener en cuenta. El primero es el muestreo: debe ser lo suficientemente grande como para generar números estadísticamente significativos. Un estudio de docenas de personas es obviamente menos poderoso que un estudio de miles, incluso si siguen exactamente los mismos pasos de control. En medio de una pandemia y frente a una enfermedad potencialmente mortal, reclutar pacientes es aún más complicado.

Además, es difícil controlar todas las demás variables para garantizar que la única diferencia entre los grupos sea recibir el medicamento o no. Esto es especialmente cierto para covid-19, una enfermedad emergente sobre la que todavía sabemos poco. No estamos seguros, por ejemplo, acerca de cómo actúan en la enfermedad características como el sexo, la raza, el tipo de sangre, las diferencias genéticas, los hábitos de salud, las condiciones preexistentes y otros factores. Solo sabemos que hay personas que desarrollan casos leves y asintomáticos, mientras que hay otros que, por razones aún poco conocidas, presentan casos muy graves.

Es por eso que el muestreo significativo y la aleatorización bien hecha se consideran esenciales para la ciencia: si el grupo de placebo y el grupo de medicamentos muestran resultados diferentes, incluso si cada grupo tiene características diferentes dentro de él, indica que la disparidad es muy Es probablemente el resultado del uso del medicamento.

Para comprender mejor esta lógica, solo piense en un ejemplo opuesto: imagine que un grupo de personas relativamente más jóvenes recibe un medicamento y otro grupo de personas mayores recibe un placebo. Si, al final de las pruebas, el primer grupo tiene una tasa de recuperación más alta que el segundo, puede ser que el medicamento sea efectivo, pero también puede ser que el propio sistema inmune del grupo haya logrado combatir el patógeno mejor que el segundo grupo. . En este caso, la medicación no hizo ninguna diferencia, aunque el primer grupo se recuperó perfectamente bien.

Finalmente, hay varios otros detalles que varían según el estudio, la enfermedad y la medicación. Algunos de ellos son la dosis utilizada, el momento del tratamiento, otros cuidados que se administrarán junto con el medicamento, entre otros. Todo esto debe tenerse en cuenta para verificar si un estudio estuvo bien hecho o no.

Precisamente porque es casi imposible hacer un estudio 100% perfecto, la ciencia usa otra herramienta para minimizar los errores. Es el famoso revisión por pares: un proceso en el que la investigación es leída y analizada por otros científicos que entienden la misma área antes de ser publicados. Estos otros investigadores evaluarán si el estudio se realizó bien y si sus resultados son realmente relevantes para afirmar algo sobre la efectividad del medicamento o no. En general, se espera que las revistas científicas más respetadas tengan un análisis más cuidadoso, a fin de seleccionar solo artículos de alta calidad.

En resumen: la mejor manera de probar si un medicamento funciona o no es usar un estudio clínico controlado aleatorizado, preferiblemente doble ciego y con placebo, que tiene una muestra significativa y revisado por pares y publicado en una revista científica. Pero eso no es todo. De hecho, uno no es suficiente, pero varios estudios del tipo que muestran la efectividad (o no) de un medicamento. Lleva mucho tiempo y es juicioso, pero es la mejor manera que la ciencia ha encontrado para minimizar el sesgo humano y alcanzar un resultado objetivo, que de hecho hace la diferencia. Después de todo, cualquier investigador puede esperar que su experimento presente resultados innovadores, ya sea demostrando que un medicamento funciona o que no funciona, pero ese deseo no puede reflejarse en los resultados.

Pruebas de drogas para covid-19

En la pandemia actual, tenemos varios ejemplos de este proceso. En junio, el proyecto británico RECUPERACIÓN, vinculado a la Universidad de Oxford y destinado a probar tratamientos contra covid-19, publicó un ECA sobre el uso de la dexamestasona. El medicamento es un corticosteroide, y la investigación ha evaluado su efectividad en el tratamiento de pacientes con covid-19 gravemente enfermos. La conclusión de los investigadores fue que el medicamento puede reducir significativamente la letalidad de la enfermedad entre las personas hospitalizadas y con síntomas respiratorios graves. El estudio tuvo una muestra muy significativa, con más de seis mil pacientes, y siguió todas las reglas mencionadas aquí. Los resultados fueron bien aceptados y elogiados por científicos de todo el mundo, aunque con precaución, ya que estamos lidiando con una nueva enfermedad. Investigaciones posteriores, algunas recientes, reafirman el descubrimiento británico, además de revelar más detalles sobre los posibles efectos secundarios de la droga.

Otro caso, aún más famoso, es el de la cloroquina y la hidroxicloroquina. Es posible que haya escuchado que no hay evidencia científica de que las drogas funcionen contra el coronavirus, ya sea solo o en combinación con otras drogas. «Sin evidencia» significa que no hay ECA grandes y bien hechos con sustancias que muestren sus resultados positivos.

De hecho, los RTC se realizaron con los medicamentos, pero los estudios no mostraron diferencias entre el grupo que tomó el medicamento y el grupo que no lo hizo. El proyecto RECUPERACIÓN, el mismo que mostró los resultados con la dexamestasona, realizó un RTC con más de 4.500 pacientes con hidroxicloroquina y llegó a la conclusión de que el medicamento no es efectivo en el tratamiento. El mismo proyecto descartó usar la combinación de antivirales lopinavir + ritonavir en otro ECA.

Este estudio, incluso siguiendo las reglas mencionadas aquí, no sería tan decisivo si fuera el único que mostrara estos resultados. Después de todo, el conocimiento científico se construye con un conjunto de investigaciones, con diferentes muestras y métodos, para llegar a una conclusión objetiva. Se realizaron otros ECA en los Estados Unidos, España y diferentes países que corroboran los resultados.

También se han realizado más investigaciones para evaluar el uso de hidroxicloroquina contra coronavirus que no se ajustan al estándar RCT. Uno es el artículo del Sistema de Salud Henry Ford en Detroit, Michigan, que mostró resultados positivos para el medicamento. En este caso, se realizó un estudio observacional retrospectivo. Los investigadores observaron casos de pacientes que ya habían sido tratados con diferentes medicamentos durante algún tiempo. Como no era un estudio controlado, no hubo separación de los pacientes en grupos, ni hubo aleatorización de edades, condiciones de salud y otras variables antes de comenzar el tratamiento.

Esto no invalida el estudio, por supuesto: cuanto mayor es el número de investigaciones de calidad, incluso con diferentes métodos, más robusto es el equipaje del conocimiento científico. Los estudios que no son ECA son buenos para generar hipótesis y no probarlas. De hecho, ni siquiera los autores del estudio proponen hacerlo. Al concluir el artículo, los investigadores escriben que «nuestros resultados también requieren confirmación adicional en estudios prospectivos, aleatorizados y controlados», como se ha hecho en otras investigaciones. Para la aprobación de un nuevo medicamento, por ejemplo, se necesitan al menos dos ECA completos con un resultado positivo.

Tampoco significa que los estudios que no sean ECA sean irrelevantes. Por el contrario: los ECA son el último paso, considerado la «prueba final» de que una terapia funciona, pero no salen de la nada. En general, prueban tratamientos que han tenido buenos resultados en investigaciones previas, como estudios observacionales retrospectivos o incluso realizados en modelos animales o en el laboratorio. Pero este tipo de estudios, aunque importantes, son indicaciones de la efectividad de un medicamento, no evidencia.

Actualmente se están probando cientos de drogas para combatir el covid-19. En la mayoría de los casos, los resultados positivos in vitro no se reproducen en humanos. Esto sucede no solo con covid-19, sino también con Zika, SIDA, gripe y otras enfermedades. Por otro lado, generan las hipótesis de que la ciencia necesita progresar. Los estudios controlados, aleatorizados, doble ciego, con placebo y revisados ​​por pares son los más cercanos al modelo perfecto y pueden proporcionar evidencia de estas hipótesis. Afortunadamente, tenemos equipos de científicos en todo el mundo que buscan este nivel de excelencia en su investigación para encontrar una solución efectiva contra covid-19.