Y sería fácil hacer una larga lista de renuncias similares.

Y sería fácil hacer una larga lista de renuncias similares.

admin ppks

1941 Posts

117 views

0

Y sería fácil hacer una larga lista de renuncias similares.

Tanto usted como su paciente están felices. El paciente mejora. Recuerdas esta grata experiencia y te sientes reforzado para hacer lo mismo la próxima vez.

Tal vez esa no sea una buena idea.

Un estudio reciente en JAMA mostró que los antibióticos no eran superiores al placebo para tratar la sinusitis bacteriana diagnosticada según los criterios clínicos utilizados por muchos médicos de atención primaria. Existe una preocupación creciente de que hemos estado tratando en exceso las infecciones de los senos paranasales. Investigaciones recientes también han demostrado que estamos tratando en exceso las infecciones de oído en los niños, que muchas de ellas se resuelven con la misma rapidez sin tratamiento. Eso no significa que los antibióticos nunca deban usarse para las infecciones del oído. Ahora existen pautas para usar la edad y la presentación clínica para determinar qué niños tratar y cuáles se pueden observar de manera segura sin antibióticos. La mayoría de estas infecciones de oído observadas se resolverán, pero algunas eventualmente también requerirán antibióticos. La situación con la sinusitis es similar: es posible que la mayoría de los pacientes no necesiten antibióticos, y estamos tratando de analizar mejores criterios para identificar a quienes los necesitarán.

Los críticos señalan este tipo de cosas como un defecto de la medicina convencional. Usamos tratamientos que no están basados ​​en buena evidencia. Hacemos cosas durante años y luego descubrimos que estábamos equivocados. Los nuevos estudios contradicen constantemente los estudios anteriores. Seguimos cambiando de opinión.

De hecho, este tipo de cosas ilustra el valor de la medicina científica. La ciencia nunca pretende tener la verdad absoluta. Está dispuesto a cambiar sus prácticas a medida que cambia la evidencia. Más importante aún, los médicos basados ​​en la evidencia están dispuestos a dejar de hacer cosas que la evidencia dice que no funcionan. Ninguna cantidad de influencia de las “Grandes Farmacéuticas” perpetuará el uso de medicamentos para las infecciones de los senos paranasales si la evidencia demuestra que son innecesarios. Ninguna cantidad de creencia irracional triunfará sobre la evidencia. Ningún médico puede salirse con la suya diciendo: “En mi experiencia, …” cuando la buena evidencia contradice esa experiencia.

¿Recuerda cuando las radiografías de tórax y los análisis de orina anuales formaban parte del examen físico anual recomendado? No más. Y sería fácil hacer una larga lista de renuncias similares.

Compare eso con los sistemas médicos “alternativos” como la homeopatía o la quiropráctica. No cambian mucho y casi nunca renuncian a nada. Busqué en la literatura y consulté a profesores de quiropráctica en un intento de encontrar algo que los quiroprácticos hayan dejado de hacer uniformemente, y solo pude encontrar una cosa que cumpliera con los requisitos. No creo que ningún quiropráctico siga usando la técnica de “rastreo de nervios” de Palmer en la que afirmó poder sentir nervios desconocidos para los anatomistas.

Limitar el uso de antibióticos a pautas estrictas basadas en evidencia tiene varios beneficios: reduce los gastos médicos, minimiza los efectos secundarios innecesarios y reduce el riesgo de que las bacterias desarrollen resistencia al antibiótico. 

Así que vamos a morder la bala, seguir la ciencia y aprender a ser mucho más selectivos con el uso de antibióticos. Ahora, el único problema de ser científico es que los pacientes no van a estar contentos. Están acostumbrados a ir al médico para obtener una “cura”. Están acostumbrados a que sus síntomas de sinusitis se resuelvan después de recibir antibióticos, y no estarán donde comprar rhino gold gel? dispuestos a renunciar al tratamiento el tiempo suficiente para saber si sus síntomas se resuelven igual de rápido sin antibióticos. Quieren que su médico “haga algo”. Y cuando no lo hace, pueden sentirse atraídos por proveedores alternativos y charlatanes que siempre “harán algo” y obtendrán el inevitable efecto placebo.

La frustración que sienten los médicos basados ​​en la ciencia se ilustró en un cuestionario irónico en la edición de febrero de 2008 de la revista de humor médico Placebo Journal:

 Usted diagnostica a un niño pequeño con otitis media aguda. ¿Cuáles son las reacciones más comunes de la madre cuando recomienda observación para el tratamiento en lugar de antibióticos?

A. Ira

B. Incredulidad. Luego la ira.

C. Incredulidad. Luego la ira. Luego aprecio por la honestidad y la información, después de lo cual sale de la oficina para ir a la sala de emergencias por antibióticos.

D. Ninguna de las anteriores, ya que detuvo este enfoque de tratamiento de mierda hace años porque vio que estaba perdiendo demasiados pacientes. 

Y en el curso general de la perversidad humana, algunos pacientes inevitablemente se irán al otro extremo y citarán estos estudios para rechazar el tratamiento en casos donde los antibióticos realmente están indicados.

El fragmento de sonido puede ser que “los antibióticos no funcionan para la sinusitis”, pero la verdadera historia es un poco más compleja. El desafío es doble: hacer que los médicos apliquen la mejor evidencia de manera adecuada y hacer que los pacientes entiendan por qué es posible que no estén recibiendo esa píldora mágica que han aprendido a esperar.

Autor

sala de harriet

Harriet Hall, MD, también conocida como The SkepDoc, es una médica de familia jubilada que escribe sobre pseudociencia y prácticas médicas cuestionables. Recibió su BA y MD de la Universidad de Washington, hizo su pasantía en la Fuerza Aérea (la segunda mujer en hacerlo) y fue la primera mujer graduada de la residencia de medicina familiar de la Fuerza Aérea en la Base de la Fuerza Aérea Eglin. Durante una larga carrera como médica de la Fuerza Aérea, ocupó varios puestos, desde cirujana de vuelo hasta DBMS (Directora de Servicios Médicos de la Base) e hizo de todo, desde dar a luz hasta tomar los controles de un B-52. Se retiró con el grado de Coronel. En 2008 publicó sus memorias, Se supone que las mujeres no vuelan.

Una forma de describir nuestra postura editorial general en SBM es que estamos criticando la ciencia médica de manera constructiva porque nos gustaría ver estándares más altos aplicados de manera más general. La ciencia es compleja, especialmente la ciencia médica porque trata con personas que son complejas y únicas. Hacerlo bien es difícil, por lo que debemos adoptar un enfoque muy cuidadoso y reflexivo. Hay innumerables maneras de hacerlo mal.

Una forma de equivocarse es poner demasiada fe en una nueva tecnología o enfoque científico cuando no ha habido suficiente tiempo para validar adecuadamente ese enfoque. Es tentador pensar que la nueva idea o tecnología va a revolucionar la ciencia o la medicina, pero la historia nos ha enseñado a ser cautelosos. Por ejemplo, resulta que los antioxidantes no van a curar una larga lista de enfermedades.

Una tecnología reciente que es muy emocionante, pero que los expertos reconocen que es muy problemática, es quizás incluso más problemática de lo que pensábamos: las exploraciones de resonancia magnética funcional (fMRI). Un nuevo estudio sugiere que el software estadístico utilizado para analizar los datos sin procesar de las IRMf podría tener fallas significativas, lo que produciría una avalancha de resultados falsos positivos.

Una cartilla de fMRI

La resonancia magnética utiliza imanes potentes para obtener imágenes de los tejidos blandos del cuerpo. Los imanes (1.5-3 Tesla, típicamente) alinean el giro de los átomos de hidrógeno en las moléculas de agua con el campo magnético. El tiempo que tardan los átomos en alinearse y luego relajarse depende de las características del tejido. Por lo tanto, la resonancia magnética ve diferencias sutiles en el tejido (densidad, contenido de agua) y utiliza esta información para construir imágenes detalladas.

La resonancia magnética funcional va un paso más allá: toma imágenes del flujo sanguíneo utilizando una técnica conocida como imágenes dependientes del nivel de oxigenación de la sangre (BOLD). Cuando una parte del cerebro está activa, hay una disminución inicial en la oxigenación de la sangre a medida que las neuronas consumen oxígeno, pero luego aumenta el flujo de sangre y lleva más oxígeno al tejido. Esto alcanza su punto máximo a los 6 segundos, luego el nivel de oxígeno cae por debajo de la línea base y luego vuelve a la línea base.

El software analiza los datos sin procesar de la resonancia magnética funcional para crear lo que se llama vóxeles. Un vóxel es un píxel tridimensional que representa un diminuto cubo de tejido cerebral que contiene alrededor de un millón de células. El software determina el nivel de actividad de cada vóxel basándose en qué tan cerca los cambios en el nivel de oxigenación coinciden con el patrón esperado que ocurre cuando las células cerebrales están activas.

El software también buscará grupos de vóxeles que tengan el mismo nivel de actividad, un fenómeno conocido como agrupamiento. Los científicos infieren de un agrupamiento de vóxeles que muestran una mayor actividad que, a su vez, se infiere de qué tan cerca coincide con el patrón esperado de oxigenación, que una parte del cerebro está experimentando una mayor actividad. Los investigadores tratan de correlacionar dicha actividad regional con tareas específicas y luego infieren que esta parte del cerebro está involucrada en esa tarea.

la caja negra

Ya podemos ver que interpretar los resultados de un estudio de fMRI implica una cadena de inferencia. Sin embargo, la cadena se hace más larga porque, a menudo, los investigadores necesitarán realizar múltiples ensayos de múltiples individuos y luego comparar estadísticamente su actividad cerebral.

Por ejemplo, puede tener un grupo de control que básicamente no hace nada, mientras que otro grupo mira una imagen específica. Luego compara estadísticamente la actividad de fMRI entre los dos grupos y puede concluir que mirar la imagen específica se correlaciona con una mayor actividad en una parte del cerebro, y de eso infiere que la parte activa del cerebro está involucrada en el procesamiento visual.

Hasta la fecha, se han publicado alrededor de 40 000 estudios de este tipo, lo que agrega una enorme cantidad a nuestro conocimiento sobre lo que hacen las diferentes partes del cerebro y cómo se conectan e interactúan.

Sin embargo, además de otros problemas con los estudios de fMRI, un eslabón clave en esta larga cadena de inferencia siempre ha sido un poco controvertido: el análisis estadístico de los datos sin procesar para detectar grupos de vóxeles que están activos juntos. Los investigadores utilizan paquetes de software estadístico que compran. Necesitan aprender a usar el software, pero la mayoría de los neurocientíficos no son ingenieros de software, por lo que deben confiar en que el software funciona como se anuncia. Para ellos, el software es una caja negra que escupe datos.

Famosamente, el neurocientífico Craig Bennett escaneó un salmón muerto usando fMRI y descubrió que cuando se mostraban imágenes del salmón muerto, el software detectaba un grupo estadístico de actividad de vóxeles en su cerebro. Bennett ganó un premio Ig Nobel por sus esfuerzos. Más importante aún, hizo sonar la alarma de que el software fMRI podría tener problemas para generar falsos positivos.

el nuevo estudio

“Falla del clúster: por qué las inferencias de fMRI para la extensión espacial han inflado las tasas de falsos positivos”, fue publicado recientemente en PNAS por los autores Anders Eklund, Thomas E. Nichols y Hans Knutsson. Este es un estudio de seguimiento de un trabajo anterior con resultados similares.

En su estudio anterior, se propusieron realizar pruebas de validación de un popular paquete de software estadístico fMRI. Usaron datos de fuente abierta existentes para datos individuales basados ​​en tareas, usando un conjunto de datos nulo (lo que significa que no debería haber diferencia). Teniendo en cuenta dónde se establecen los umbrales en términos de encontrar una coincidencia estadística con un patrón de oxigenación consistente con la actividad cerebral, debería haber una tasa de falsos positivos del 5 %. Encontraron una tasa de falsos positivos de hasta el 70%.

El estudio actual amplía su trabajo anterior. En primer lugar, utilizan tres de los paquetes de software estadístico más comunes en lugar de solo uno, y también comparan grupos en lugar de solo individuos. Comparan dos grupos, cada uno extraído al azar del mismo grupo de individuos sanos, por lo que no debería haber diferencia. Una vez más, debería haber una tasa de falsos positivos del 5 %, pero encontraron muchas pruebas estadísticas con tasas de falsos positivos mucho más altas, entre el 60 y el 90 %. (Esto depende de los parámetros utilizados, como el número de sujetos y el umbral de significación estadística). Estos resultados se resumen:

Para una tasa de error nominal por familia del 5 %, los métodos estadísticos paramétricos se muestran conservadores para la inferencia por vóxel e inválidos para la inferencia por conglomerados.

Hay mucha jerga estadística en el documento, pero básicamente la inferencia por vóxeles tendía a ser conservadora y tenía una tasa de falsos positivos válidos inferior al 5 %, mientras que la inferencia por grupos tendía a tener altos niveles de falsos positivos.

Los autores también hacen otros dos puntos importantes. La primera es que corrigieron estadísticamente las comparaciones múltiples al hacer sus análisis. (En otras palabras, si lanza los dados 20 veces, es probable que obtenga un resultado del 5% una vez, por lo que debe ajustar los umbrales estadísticos para tener en cuenta el hecho de que lanzó 20 veces). Sin embargo, en su revisión de artículos publicados 40% no corrige comparaciones múltiples. Esto significa que, en ese 40 % de los artículos, es probable que las tasas de falsos positivos sean aún más altas.

También se quejan de que muchos investigadores no almacenaron sus datos sin procesar de una manera que permitiera un nuevo análisis de los datos. Solo tenemos los resultados del análisis estadístico, pero no podemos volver a ejecutar el análisis con mejores métodos o umbrales.

También señalan que se descubrió un error de software específico:

En segundo lugar, se encontró un error de 15 años en 3dClustSim mientras se probaban los tres paquetes de software (el grupo AFNI solucionó el error en mayo de 2015, durante la preparación de este manuscrito). El error esencialmente redujo el tamaño de la imagen en la que se buscaban grupos, subestimando la gravedad de la corrección de multiplicidad y sobreestimando la importancia (es decir, los valores de 3dClustSim FWE P eran demasiado bajos).

¿Cuál es la solución?

Este tipo de investigación es fundamental para la práctica de la ciencia: es lo que hace que la ciencia se corrija a sí misma. También tiene que ver directamente con un concepto que es crítico para la ciencia pero poco apreciado, especialmente en el público en general, el de validez.

Cualquier prueba o medición tiene que ser validada, lo que generalmente significa que la prueba se usa con datos conocidos para ver que produce los resultados que debería, que esos resultados son significativos y que son precisos y confiables. Hasta que se haya validado una prueba, no sabrá qué significan realmente los resultados. Son como las pruebas de personalidad dadas en Cosmopolitan Magazine; solo con fines de entretenimiento.

Lo que los autores del estudio actual dicen esencialmente es que el software estadístico utilizado para extraer una señal de la enorme cantidad de ruido generado por las exploraciones de fMRI no se ha validado adecuadamente. Los estudios de validación previos fueron inadecuados. Sus estudios son un mejor paradigma de validación y muestran problemas significativos con el software que hacen que al menos estos tres paquetes populares generen altos porcentajes de falsos positivos.

Los autores concluyen:

No es factible rehacer 40.000 estudios de resonancia magnética funcional, y las lamentables prácticas de archivado e intercambio de datos significan que la mayoría tampoco se pudo volver a analizar. Teniendo en cuenta que ahora es posible evaluar métodos estadísticos comunes utilizando datos reales de fMRI, la comunidad de fMRI debería, en nuestra opinión, centrarse en la validación de los métodos existentes.

En otras palabras, tenemos que desempolvarnos y seguir adelante. Arreglemos los problemas estadísticos y asegurémonos de que los estudios de resonancia magnética funcional en el futuro sean más válidos.

Ya he tenido un ojo escéptico hacia la investigación de fMRI dados todos los resultados locos que se han publicado (aparte del estudio del salmón muerto). Ahora soy aún más escéptico. Parte de la investigación es claramente muy rigurosa y de alta calidad, pero gran parte de ella tenía muchas señales de alerta por resultados falsos positivos (métodos descuidados, falta de replicación, resultados inverosímiles).