4: ¿Cómo una persona puede saber que los datos científicos se aplican en su caso?

Todas las decisiones dependen de nuestra experiencia de alguna clase, ya sea individual o colectiva. Las pruebas imparciales de los tratamientos, como los ensayos aleatorizados, son simplemente versiones bien organizadas de esa experiencia y diseñadas para minimizar los sesgos. Bien organizada o no, siempre habrá cierta incertidumbre acerca del grado en que la experiencia anterior puede influir en nuestro asesoramiento para la siguiente persona.

Por eso, si los pacientes que se habían estudiado en las pruebas imparciales tenían una afección similar, en un estadio o una gravedad similar, a la persona en cuestión, el supuesto más lógico es que esta última presentará una respuesta similar, a menos que hubiera una buena razón para pensar que la persona o su afección es considerablemente diferente.

Por supuesto, aun cuando sea aplicable la evidencia científica, un paciente con toda razón podría plantear: «Las personas son todas diferentes, entonces seguramente pueden responder de manera diferente, ¿no?» La «prueba imparcial» de un tratamiento solo indicará qué funciona en promedio, pero rara vez garantiza qué dará el mismo resultado en todas las personas; y en general tampoco puede predecir quiénes sufrirán efectos colaterales. Los datos científicos se pueden usar para orientar qué tratamientos probablemente sean más eficaces, y luego probarlos en una persona.

En el caso del sarpullido, por ejemplo, el tratamiento basado en pruebas podría aplicarse en una zona del cuerpo y usar otra zona como control. Al comparar las respuestas en las dos zonas, tanto el médico como el paciente pueden señalar si funciona o si hay algún efecto adverso. De hecho, es frecuente hacer la «prueba del parche» cuando se usan algunos tratamientos cutáneos, como los tratamientos para el acné facial.

Sin embargo, en la mayoría de los casos, no existe la posibilidad de hacer una comparación tan sencilla y conveniente. Para algunos problemas crónicos que no representan una amenaza para la vida, como dolor o comezón, es posible probar con períodos de administración intermitente de un medicamento al mismo paciente. Ese método también se denomina ensayo n de 1, lo que significa que el número (n) de participantes del ensayo es uno (un solo paciente). En este tipo de pruebas en pacientes individuales, también rigen los principios para una comparación imparcial entre ellos, una evaluación no sesgada (no tendenciosa) o cegada del resultado, etc. Lo ideal, entonces, sería usar controles con placebo de los tratamientos cutáneos o los comprimidos, pero esto suele ser difícil de organizar.

Sin embargo, para muchas afecciones no se puede «probar y ver»: el resultado es demasiado remoto o demasiado incierto. Por ejemplo, es imposible saber si la aspirina prevendrá un accidente cerebrovascular en un paciente hasta que ya es muy tarde. Esto representa un problema en la mayoría de los casos de la medicina preventiva, y también con tratamientos para muchas enfermedades agudas, como la meningitis, la neumonía o la mordedura de serpiente, en las que no se dispone de la oportunidad de probarlos en cada paciente y ver el resultado. Por esto, tenemos que depender de la elección de aplicar o no la evidencia científica que surge de la experiencia de estudiar a otros y de cómo se lo hará.

En la práctica, si estamos conformes con que se aplica la evidencia científica, entonces es importante preguntar de qué manera la gravedad de la afección del paciente (o el nivel pronosticado de riesgo en aquellos que aún no enfermaron) se compara con la de los participantes de los estudios. En general, los pacientes con una enfermedad más grave tienen más posibilidades de beneficiarse con el tratamiento. De este modo, si la gravedad es igual o mayor que los pacientes de los estudios que demostraron que un tratamiento es beneficioso, por lo general podremos estar seguros de la aplicabilidad de la evidencia científica. Si la gravedad de la enfermedad es menor (o si la persona aún está bien, corre un riesgo pronosticado relativamente bajo), la cuestión clave es si un beneficio más pequeño que el observado en los estudios igualmente podría considerarse que vale la pena.